在这篇文章中，我们展示了贝多芬《月光奏鸣曲》（Op. 27 No. 2）的三个乐章与三种不同的机器学习架构之间存在结构对应关系，而非单纯的类比。通过对乐谱的计算分析，包括熵、Jensen-Shannon散度、不和谐度、手部分布重叠、自相似矩阵、时间记忆衰减和上下文音高嵌入等，我们得出了四个反直觉的发现：
- 感知的音乐“温度”由通量决定，而非分布宽度；
- 最轻的乐章却具有最高的不和谐度；
- 这些乐章实现了流媒体、递归和周期性位置编码的记忆架构；
- 相同的音高类别在不同乐章中获得不同的上下文身份，这类似于自然语言处理中上下文与静态嵌入的关系——无监督聚类能够在没有音乐理论输入的情况下恢复音调结构。
我们构建了一个反向声化，将分析特征解码回MIDI，并量化了编码-解码周期的手性：哪些分布能够保持而顺序则会破坏。通过听众的观察，解码后的作品听起来像是“无法重叠的镜像异构体”，手性测量揭示了重构损失随着n-gram顺序单调增加。Bootstrap基线和子样本检查证实所有乐章都携带高于噪声的顺序信息，尽管原始值受样本大小的影响。跨领域比较显示，自然语言的手性高于音乐，反映了更强的顺序约束。
博主点评： 这篇文章通过独特的跨领域视角探讨了音乐与机器学习的关系，展示了计算分析如何揭示音乐作品的深层结构。尤其是对手性及其在音频与语言中的应用的探讨，提供了新的思考路径，值得深入研究。