统计数据表明:声乐确实是世界性的

大约200年前，亨利·沃兹沃斯·朗费罗声称“音乐是人类的通用语言”。在过去的几年中，一个国际研究小组对世界各地的音乐进行了研究，以确定这是真的还是陈词滥调。

普林斯顿大学计算机社会科学家、政治学助理教授迪恩·诺克斯说:“我们的文章发现了声乐中普遍存在的模式，包括它发生的社会背景和歌曲的听觉结构。”这些模式在数百个小规模社会中是相似的。在其他结果中，我们证明了机器学习技术可以可靠地识别歌曲的社会功能——比如舞曲、治愈歌曲、情歌、摇篮曲——甚至在不了解歌曲创作的文化或地区的情况下，仅仅基于从其他社会学到的模式。他们的论文发表在今天的《科学》杂志上。

研究小组包括心理学家、人类学家、生物学家、音乐家、语言学家和其他专家从11个机构在三个大洲,包括哈佛大学、惠灵顿维多利亚大学的在新西兰,罗彻斯特大学的伊斯曼音乐学院的马克斯普朗克研究所的经验主义美学在德国,加拿大麦吉尔大学,以及两位政治科学家管理的数据集:诺克斯和他的研究生室友克里斯托弗·卢卡斯，现在是圣路易斯华盛顿大学的政治学助理教授。

“我猜你不会想到团队中的政治科学家会去分析音乐——但这是我们的基本工作之一，”卢卡斯说。“我们所做的一切都可以作为数据来分析。20年前，在政治学中，你研究了民意调查和投票。今天，我们学习政治家的讲话方式，音频记录，以及人们受影响的方式。我们研究政治的工具在其他领域也有很大的影响力。”

这个由19人组成的团队着手回答一些重大问题:音乐是一种文化的普遍现象吗?如果是，那么在不同的社会中，哪些音乐特质是重叠的呢?如果不是，为什么它看起来如此普遍?

为了回答这些问题，他们需要一个空前广度和深度的数据集。在5年的时间里，研究小组在地球另一端的图书馆和科学家的私人收藏中找到了数百份录音。

哈佛大学音乐实验室的首席研究员、论文的第一作者塞缪尔·梅尔(Samuel Mehr)说:“我们已经习惯于在网上找到我们喜欢的任何一首音乐。”“但有成千上万的录音被埋藏在档案中，无法在网上找到。我们不知道会发现什么:有一次，我们发现了一个奇怪的电话号码，于是向哈佛大学的图书管理员求助，20分钟后，她推出了一辆手推车，里面装着大约20盒传统凯尔特音乐唱片。”

研究小组最终对地球上的315个社会进行了调查，除了6个以外，其余的都在人类关系领域档案组织所列的民族志文献中找到了。他们收集了来自30个不同地理区域的60种文化的大约5000种歌曲描述。他们收集了来自86种文化的118首歌曲，同样覆盖了30个地理区域。

诺克斯开发了机器学习技术，利用从其他社会学到的模式，可靠地识别舞曲、治愈歌曲、摇篮曲和其他歌曲。

Reprinted with permission from S. A. Mehr et al., Science 366:971 (2019).

他们对歌曲的深入研究帮助创建了国家歌曲历史(NHS)民族志，为此他们编码了几十个变量。研究人员记录了歌手和观众的详细信息，一天的时间，唱歌的时长，乐器的存在，以及民族志语料库中数千段歌曲的更多细节。对唱片进行了四种不同的分析:机器摘要、听众评分、专家注释和专家转录。

“这是一个意义重大的项目，”卢卡斯说。“异常困难。数据收集量很大。为了进行分析，编写了大约10,000行代码。迪安和我在那里，做论文的实际统计分析。诺克斯和卢卡斯对数据进行了汇编和分析，包括从这315个社会的歌曲描述中收集的近50万个词，并将这些词编成代码，这样每个社会就有近50首歌曲可供研究。

他们提出的重大问题引出了一个重大的答案:音乐以类似的方式在世界各地渗透到社会生活中。

诺克斯说:“学者们已经对音乐的普遍性和与音乐相关的行为做出了广泛的断言，但这些断言难以测试。”“我们使用的是非结构化音频记录和歌曲的文字民族志描述，而不是大多数分析师习惯使用的简单数字数据。问题是，我们如何用混乱而复杂的数据来评估这些想法?例如，每个民族志学者对于描述什么都有自己的偏见，所以我们必须仔细思考如何正确地使用他们的描述来得出关于音乐模式的有统计学原则的结论。”

他们发现，在整个社会中，音乐与诸如婴儿看护(摇篮曲)、治疗、舞蹈、爱、哀悼、战争、游行、仪式等行为相关，而这些行为在社会之间并没有太大的不同。他们发现，这些普遍行为的音乐往往具有相似的音乐特征，诺克斯和卢卡斯能够训练电脑识别这些特征。

诺克斯说:“我们最令人惊讶的结果之一是，那些不懂人类心理学或音乐理论的机器，可以被训练来识别摇篮曲、治愈歌曲、情歌和舞曲——即使是在他们从未见过的文化中。”

对梅尔来说，这项研究是解开“音乐语法”规则的第一步。几十年来，这一观点一直在音乐理论家、语言学家和音乐心理学家中流传，但从未在不同文化中得到证实。

“在音乐理论中，调性通常被认为是西方音乐的发明，但我们的数据提出了有争议的可能性，即这可能是音乐的一个普遍特征，”梅尔说。“这就提出了一个紧迫的问题，那就是音乐无处不在的结构，以及我们的大脑是否以及如何被设计来创造音乐。”

对诺克斯来说，最令人兴奋的部分是机器正在学习解码情绪和音调。他说:“我和克里斯·卢卡斯(Chris Lucas)成功地训练机器识别甚至是怀疑主义等复杂的人类概念，并了解人类如何以及为什么会这样使用它们。”“我们越来越接近能够全面地描述和分析人类交流。”

“在人类普遍性和多样性的歌曲,”塞缪尔·a . Mehr Manvir辛格,迪安·诺克斯Daniel m . Ketter丹尼尔Pickens-Jones,阿特伍德,克里斯托弗·卢卡斯,紫菜雅各比,阿勒娜作为,艾琳·j·霍普金斯,土卫五m .霍华德,约书亚k . Hartshorne马列拉诉詹宁斯,Jan Simson康斯坦斯·m·班布里奇史蒂文•平克蒂莫西·j . O ‘ donnell马克斯·m·Krasnow卢克Glowacki,出现在11月22日出版的《科学》杂志上。(DOI: 10.1126 / science.aax0868)。这项研究得到了哈佛数据科学项目、美国国立卫生研究院主任早期独立奖(DP5OD024566)、美国国家科学基金会研究生研究奖学金项目、加拿大自然科学与工程研究理事会以及微软博士后研究奖学金项目的部分支持。

本文包括来自哈佛大学的Jed Gottlieb、华盛顿大学圣路易斯分校的Chuck Finder和普林斯顿大学的Liz Fuller-Wright的贡献。