MIT junta engenharia e música num programa de mestrado só

O MIT Music Technology and Computation (MTC) é um programa de mestrado lançado no outono de 2024 que junta a área de Música e Artes Cênicas com a Escola de Engenharia numa única formação, sem que a pesquisadora precise escolher um departamento para caber. Em 13 de maio, o MIT lotou o auditório do Edward and Joyce Linde Music Building para ver alunas de mestrado apresentarem pesquisa que mistura música, engenharia e inteligência artificial. Não foi um evento de música e também não foi um congresso técnico comum: foi o primeiro Showcase do MTC. Se você pesquisa numa fronteira entre disciplinas e sente que precisa escolher um departamento para caber, essa notícia mostra um caminho diferente.

O que aconteceu

O MTC foi lançado no outono de 2024, fruto de uma parceria entre a Music and Theater Arts Section (dentro da School of Humanities, Arts, and Social Sciences) e a School of Engineering do MIT. O Showcase de maio reuniu os cinco primeiros mestrandos do programa, todos ex-graduandos do próprio MIT, além de doutorandas e professoras convidadas. Em 90 minutos, o evento apresentou desde a visualização em tempo real do que uma IA está prestes a tocar num piano até uma instalação sonora baseada em ruído de comunicação em rede.

O reitor da área de humanidades, Agustín Rayo, resumiu o objetivo do programa: fazer o MIT liderar mundialmente a teoria e a aplicação de tecnologia musical, sem separar isso do objetivo de ajudar a moldar o futuro da expressão num mundo cada vez mais orientado por IA. A reitora da engenharia, Paula Hammond, foi na mesma direção ao lembrar que música e engenharia partilham raízes: as duas dependem de precisão matemática e de estruturas de ritmo e frequência bem definidas.

Por que isso importa pra você

Um programa de pós-graduação inteiro desenhado em torno de uma pergunta interdisciplinar é raro, e é justamente isso que separa o MTC de um mestrado tradicional com uma disciplina eletiva de IA encaixada no currículo.

1. Se você pesquisa em fronteira de área, um programa como esse elimina o trabalho de convencer duas bancas separadas de que seu projeto faz sentido.
2. Se você usa dados biológicos ou sinais complexos (EEG, áudio, movimento), os projetos do MTC mostram aplicações concretas de machine learning aplicadas a esses sinais, como o EEG usado para decodificar música imaginada.
3. Se você está no Brasil e não tem acesso a um programa assim, vale mapear quais linhas de pesquisa da sua própria instituição já convivem informalmente com outra área, porque pode ser dali que nasce a proposta de um projeto interdisciplinar.

O projeto que decodifica música da sua cabeça

O projeto mais chamativo do Showcase foi o de Claire Southard, que treinou modelos de aprendizado de máquina para prever, a partir de sinais de EEG, qual música uma pessoa está apenas imaginando, sem tocar nenhum instrumento. A motivação não é curiosidade técnica: músicos diagnosticados com Parkinson ou distonia, ou que sofreram lesões, muitas vezes perdem o controle motor necessário para tocar. O sistema de Southard tenta contornar essa barreira traduzindo diretamente a atividade cerebral em música reconhecível.

Outro projeto, de Mariano Salcedo, usa autômatos celulares neurais para gerar visuais que emergem em tempo real a partir de música transmitida ao vivo. E o trabalho de Stephen Brade, Suwan Kim e Valerie Chen cria um diálogo musical entre um violoncelo tocado ao vivo e um modelo de difusão treinado em cantos de baleia. Nenhum dos três projetos usa IA como ferramenta de produtividade. Todos usam IA como material de pesquisa, o que é uma diferença que vale sublinhar.

O que me chama atenção nesse formato

Quando li sobre o programa, o que mais me interessou não foi a tecnologia em si, foi o desenho institucional por trás dela. A professora Anna Huang, uma das pesquisadoras mais reconhecidas em criação musical colaborativa entre humano e IA, descreveu o método do laboratório como um processo de codesign: trabalhar com músicas reais, entrar no estúdio, testar toda semana, e deixar a tecnologia crescer junto com o processo criativo.

Isso é bem diferente de pegar um modelo pronto e aplicar num problema já definido. É pesquisa em que a pergunta e a ferramenta se ajustam uma à outra ao longo do tempo, e isso exige um tipo de organização que vai além do cronograma linear. Não significa que todo projeto interdisciplinar precisa de um programa dedicado para existir. Significa que, quando ele existe, o trabalho de tradução entre áreas deixa de recair inteiramente sobre a pesquisadora sozinha.

Próximos passos

Se essa notícia te fez pensar na sua própria pesquisa, aqui vai um roteiro para os próximos dias:

1. Liste as duas ou três áreas que sua pergunta de pesquisa atravessa, mesmo que seu departamento só reconheça uma delas oficialmente.
2. Procure, na sua instituição ou fora dela, se existe algum laboratório ou grupo que já trabalha nessa mesma fronteira, mesmo informalmente.
3. Se você usa IA na sua pesquisa, verifique se está tratando o modelo como ferramenta de produtividade ou como objeto de investigação, porque as duas coisas pedem desenhos metodológicos diferentes.
4. Converse com sua orientadora sobre como formalizar essa interseção no seu pré-projeto ou qualificação.

Para quem quer entender melhor como a IA está mudando a própria natureza do trabalho científico, vale ler A ciência está mais inteligente ou mais artificial com a IA?.

Fonte: Inaugural MIT Music Technology Research Showcase celebrates work of students, MIT News