ΕΡΕΥΝΑ / ΚΑΙΝΟΤΟΜΙΕΣ

«ΥΜΝΩΔΟΣ». ΠΑΡΟΥΣΙΑΣΗ ΤΕΧΝΟΒΛΑΣΤΟΥ

Abacus Innovations Team / AI-Team”

ΓΕΩΡΓΙΟΣ ΠΑΤΡΩΝΑΣ‍, Ε.Ε.Π., Τμήμα Μουσικής Επιστήμης και Τέχνης Πανεπιστήμιο Μακεδονίας. Θεσσαλονίκη Μάιος 2025.

Η ABACUS INNOVATIONS TEAM αποτελεί έναν τεχνοβλαστό του Πανεπιστημίου Μακεδονίας που κύριο στόχος του είναι η καινοτομία και τα έργα έρευνας και ανάπτυξης. Το έργο «ΥΜΝΩΔΟΣ» είναι ένα έργο έρευνας και ανάπτυξης που προέκυψε από το πρόγραμμα «ΕΠΕΝΔΥΤΙΚΑ ΣΧΕΔΙΑ ΚΑΙΝΟΤΟΜΙΑΣ» της Περιφέρειας Κεντρικής Μακεδονίας. Η ιδέα ήταν να δημιουργήσουμε μια εφαρμογή για κινητές συσκευές η οποία θα παρέχει, με την βοήθεια τεχνολογιών αιχμής, πληροφορίες στους χρήστες (πχ. πιστοί, τουρίστες) σχετικές με το ορθόδοξο λειτουργικό. Η πληροφορίες αυτές είναι πολυμεσικού τύπου και μπορούν να έχουν την μορφή κείμενου, ηχητικών αποσπασμάτων και βίντεο. Με βάση την διαπίστωση ότι παγκοσμίως τα smartphones είναι οι πιο ευρέως διαθέσιμες πλατφόρμες επικοινωνίας και μετά από έρευνα παρατηρήσαμε ότι δεν υπάρχει κάποια εφαρμογή που να ικανοποιεί τα παραπάνω στην αγορά. Το κενό αυτό στην αγορά θα καλυφθεί από την ABACUS INNOVATIONS TEAM η οποία θα προσφέρει μια ολοκληρωμένη εφαρμογή, που φιλοδοξούμε να εγκατασταθεί στο smartphone κάθε πιστού και κάθε ατόμου που θα ενδιαφερθεί για τους ύμνους της Ορθόδοξης Εκκλησίας.

https://www.ai-team.gr

https://registry.elevategreece.gov.gr/company/abacus-innovations-team-p-c

Οι τεχνικές βαθιάς μηχανικής μάθησης έχουν βρει πολυάριθμες εφαρμογές στον τομέα της πολιτιστικής και θρησκευτικής κληρονομιάς. Οι ύμνοι της Ελληνικής Ορθόδοξης Εκκλησίας αποτελούν παραδείγματα της βυζαντινής θρησκευτικής παράδοσης. Η εκτέλεσή τους διέπεται από αυστηρούς κανόνες που δεν τηρούνται σε άλλους πολιτισμούς. Η παρούσα εργασία εκπαιδεύει ένα νέο ρηχό νευρωνικό δίκτυο συνελίξεων για την αναγνώριση ύμνων της Ελληνικής Ορθόδοξης Εκκλησίας χρησιμοποιώντας ένα ιδιωτικό σύνολο δεδομένων. Για δέκα από τους πιο συχνά ψαλλόμενους ύμνους, το μοντέλο βαθιάς μάθησης επιτυγχάνει ακρίβεια άνω του 98%. Το AlexNet και το MobileNetV2 εκπαιδεύονται στα ίδια δεδομένα για την αξιολόγηση των επιδόσεών τους. Πραγματοποιείται πρόσθετη ανάλυση για την επικύρωση των αποτελεσμάτων που λαμβάνονται.

Την τελευταία δεκαετία έχουν δημιουργηθεί πολυάριθμες εφαρμογές για μουσικούς ακροατές, εκπαιδευτικούς, DJs και μουσικούς, καθώς ο τομέας της βαθιάς μηχανικής μάθησης της μουσικής έχει επεκταθεί. Προφανώς, η πλειονότητα των έργων βασίζεται στην εκπαίδευση των αρχιτεκτονικών τους χρησιμοποιώντας καθιερωμένες βάσεις δεδομένων, οι οποίες αποτελούνται κυρίως από δυτικά δημοφιλή είδη μουσικής. Αυτό δημιουργεί ελλείψεις σε εφαρμογές που εστιάζουν στην παραδοσιακή και περιφερειακή μουσική, οι οποίες είναι ζωτικής σημασίας για τη διατήρηση του πολιτισμού. Καθώς ένας αυξανόμενος αριθμός ερευνητικών ομάδων αρχίζει να αναπτύσσει έργα με επίκεντρο την παραδοσιακή μουσική, προκύπτουν διάφορες πρακτικές προκλήσεις για την εφαρμογή της βαθιάς μάθησης. Το παρόν έργο συζητά αυτά τα ζητήματα και το μέλλον της βαθιάς μάθησης στη μελέτη της παραδοσιακής μουσικής.