隨著機器學習（machine learning）技術的進步，我們能透過聲波的特徵將音樂分門別類，甚至找出一首歌的原唱是誰也早已不是什麼難事。

綜觀人類在音樂上的發展，應該不難發現，音樂是一門與舞蹈密切相關的藝術領域，也是舞蹈創作相當重要的元素之一。

如果我們已經可以用人工智慧分類音樂，那麼舞蹈是不是也能走上這條不歸路？

音樂風格，決定你舞動的姿態！

音樂世界之大，存在各式各樣的風格與流派，人們可以透過節拍、配器、音色甚至氛圍來分辨華爾滋、巴薩諾瓦、倫巴、民謠、搖滾樂、迪斯可和電子樂等不同的音樂風格，並產生不同的身體律動。

萊莎菲爾（Micheline Lesaffre）等人於 2008 年的研究指出，多數人會以某種運動來詮釋自己所聽到的音樂，簡單如拍手或用腳打節拍，複雜一點，還可以根據音樂的不同跳著各種華麗的舞蹈。^[1]

此外，過去幾項研究發現，音樂裡的所摻雜的各種聲音特質，也會造成自然的肢體動作大小與型態有所不同，例如，大鼓音量會影響舞者動作的程度與節奏^[2]，而貝斯與吉他在高低頻上的走勢與節奏型態，也和人們跳舞時頭部的旋轉速度、手伸展的距離、肩膀擺動的幅度等動作有關^[3]。

但是，這件事情並非全然與音樂的本質或生理因素有關，部分曲風或作品也會受到特殊文化或特定事件影響，而有不同的⋯⋯儀式化行為（Ｘ）！像是當人們聽到爵士樂時會不自覺地跳起搖擺舞（swing dancing），或在金屬搖滾樂現場熱血地在大肆衝撞。

更近一點的例子是荷蘭電音二人組 Vicetone 的爆紅單曲 Astronomia，聽到這首歌，你大概只會想著要跳黑人抬棺舞（Coffin Dance），才不會有自然舞動這種事咧！

隨音樂起舞的身心理過程

我們從聽到音樂刺激的輸入（input），到手舞足蹈的輸出（output），絕對少不了腦神經的各項指揮與指令傳輸。

然而，音樂畢竟是充滿感情的產物，這種「一個指令、一個動作」的說法，似乎還是不足以回答「人們為何會自然而然地隨著音樂起舞」這個問題。

心理學中有一派的說法是，大腦並非決定認知的唯一器官，身體本身的感知與經驗，也會影響認知的判斷結果與行動，即所謂的體現認知（embodied cognition）^[4]。

• 想要了解更多「體現認知」？延伸閱讀：先來點熱的，再調情

舉例來說，當你手裡拿著一杯熱飲時，你可能會覺得眼前的人十分溫暖，換句話說，在描繪眼前景象的當下，身體其實也參了一咖。

人們對音樂的體驗也是如此。

比利時根特大學（Ghent University）系統音樂學（systematic musicology）教授萊曼（Marc Leman）曾於 2008 年發表《體現音樂認知與冥想技術》（Embodied music cognition and mediation technology）^[5]一書。

其中，針對音樂的體現認知，萊曼教授大致上的定義是：聽眾接收變化萬千的聲音形式後，透過內心、肢體或任何可行的方式分析與模仿，由此可知，當我們隨著音樂不自主地擺弄身軀時，也符合這樣的概念。

比起分析曲風，演算法更擅長分辨舞者本人

既然音樂與肢體動作間蘊藏著某種關聯性，如果今天某個人戴著耳機，自顧自地跳著舞，我們是否也能透過人工智慧（artifitial intelligence, AI），從舞者的動作型態分析他正在聽什麼樣的音樂？

芬蘭于韋斯屈萊大學（Jyväskylän yliopisto）跨域音樂研究中心團隊找來 73 名受試者，讓他們隨著藍調、鄉村、電子舞曲、爵士、金屬、流行、雷鬼以及饒舌等八個曲風自然擺動身體，並以好萊塢等級的動作捕捉技術（motion capture technology）搭配機器學習（machine learning）分析，試圖從人們的動作區分出舞蹈背後的音樂風格。^[6]

研究結果顯示，雖然難以透過機器學習區分舞者搭配的音樂風格，但卻能分析出是誰在跳舞！

他們發現，當受試者在熱舞的時候，對於「肢體動作所對應的曲風」，演算法可準確分辨的時間不到三成，反而有將近 94％ 的時間卻能判斷「是誰在跳舞」。

對此，研究協同作者兼資料分析師薩里（Pasi Saari）表示，舞蹈就像是人的另一副「指紋」，即便他們聽到的音樂不同，卻仍能保持著獨特的動作特徵。^[7]

去（2020）年年初，研究團隊將這份研究結果發表於《新音樂研究期刊》（Journal of New Music Research），隨後獲選為計量學（Altmetrics）的 2020 年百大研究，排名 92。

舞步辨識大未來，有可能發生嗎？

等等，這是否意味著，如同手機上的指紋或臉部辨識，「舞蹈動作辨識系統」也將應運而生？

想像一下，人們站在手機面前大跳熱舞，只為了解鎖裝置，這個功能好像有點荒謬 XD

即便這個發現可能開啟生物辨識的另一種可能性，但可惜的是，卡爾森與團隊可能對於非音樂性的知識探討興趣缺缺，反倒比較想深入探討一些很根本的問題，包括：舞蹈模式是否會在生命週期裡發生改變、舞蹈動作的分析是否能找出文化之間的微妙差異，以及人們評鑑舞蹈動作的方式與電腦有何不同。

雖然卡爾森並不打算藉此探索「舞蹈辨識」的未來，但不妨我們自己腦洞大開——假如有一天，這類「舞蹈辨識技術」發達到足以開發更實際的應用，也許我們會創造出到處都在 battle 的世界吧？XDDD

參考文獻

1. Lesaffre, M., Voogdt, L. D., Leman, M., Baets, B. D., Meyer, H. D., & Martens, J. P. (2008). How potential users of music search and retrieval systems describe the semantic quality of music. Journal of the American Society for Information Science and Technology, 59(5), 695-707.
2. Van Dyck, E., Moelants, D., Demey, M., Deweppe, A., Coussement, P., & Leman, M. (2012). The impact of the bass drum on human dance movement. Music Perception: An Interdisciplinary Journal, 30(4), 349-359.
3. Burger, B., Thompson, M. R., Luck, G., Saarikallio, S., & Toiviainen, P. (2013). Influences of rhythm-and timbre-related musical features on characteristics of music-induced movement. Frontiers in psychology, 4, 183.
4. Embodied cognition – Wikipedia
5. Embodied Music Cognition and Mediation Technology – Marc Leman, Research Professor and Head of the Department of Musicology Marc Leman – Google Books
6. Carlson, E., Saari, P., Burger, B., & Toiviainen, P. (2020). Dance to your own drum: Identification of musical genre and individual dancer from motion capture using machine learning. Journal of New Music Research, 49(2), 162-177.