191

Gimenes, Marcelo. 2012. Compreendendo os estados motivacionais e suas relaes com a evoluo
musical. In Anais do 8 Simpsio de Comunicaes e Artes Musicais, editado por Maurcio Dottori,
191199. Florianpolis: Universidade do Estado de Santa Catarina.
Compreendendo os estados motivacionais e suas relaes
com a evoluo musical
Marcelo Gimenes
Ncleo Interdisciplinar de Comunicao Sonora, Universidade Estadual de Campinas
mgimenes@gmail.com
Resumo:
Este artigo apresenta os objetivos, metodologia e resultados parciais obtidos no estagio atual
de nossa pesquisa em que procuramos compreender determinados estados motivacionais e suas re-
laes com a evoluo musical. A pesquisa aqui proposta procura aprofundar o conhecimento acerca
dos fenmenos da emergncia e da evoluo dos estilos musicais em comunidades artifciais autno-
mas. Um sistema interativo denominado CoMA (Comunidades Musicais Autnomas) foi imple-
mentado com a fnalidade de simular certas condies que favoream o surgimento de diferentes
dinmicas de interao entre agentes artifciais inteligentes. Neste momento estamos avaliando se
e como os estados motivacionais implementados no sistema CoMA contribuiriam para defnir o
comportamento dos agentes, de que modo estes se inter-relacionam e em que medida a evoluo
dos estilos musicais dos agentes infuenciada por eles.
Palavras-chave:
evoluo musical, cognio, estados motivacionais
Introduo
Nossa investigao envolve o uso de modelos computacionais para estudar como os
estilos musicais surgem e evoluem em mundos artifciais. A rigor, queremos enfrentar uma
questo bem mais ampla, que vem a ser compreender os processos que, aps sculos de
evoluo, conduziram a msica ao seu estado atual de desenvolvimento. O tema, essen-
cialmente interdisciplinar, envolve questes que pertencem a muitos domnios do conhe-
cimento, da Fsica Psicologia e Educao, da Filosofa tecnologia de construo de
instrumentos, somente para mencionar alguns. Por essa razo, adotamos a modelagem
computacional na tentativa de isolar alguns dos elementos que julgamos importantes para
o estudo da evoluo dos estilos musicais e, a partir da realizao de simulaes, procurar
estabelecer pontos em comum entre o que ocorre no mundo real e no mundo artifcial.
Em nossa pesquisa atual pretendemos explorar a emergncia e evoluo dos estilos
musicais em comunidades virtuais autnomas. Para isso, importante defnir estados mo-
tivacionais que contribuam para o comportamento de agentes artifciais e observar de que
192
modo estes estados se inter-relacionam e em que medida infuenciam a produo musical
dos agentes. A fm de atingir esses objetivos, implementamos um sistema computacional
denominado Comunidades Musicais Autnomas (CoMA). Antes, contudo, de apresentar
maiores detalhes sobre este sistema, descrevemos abaixo os antecedentes do CoMA bem
como os fundamentos tericos sobre os quais ele se baseia.
Antecedentes
Em fases anteriores da pesquisa desenvolvemos dois sistemas computacionais baseados
em agentes de sofware. O paradigma do agente interessante porque permite implementar,
de um lado, caractersticas especfcas de cada unidade do sistema (e.g., um msico) e, de
outro, regras para a interao entre essas unidades em ambientes que chamamos de multi-
agentes.
O primeiro destes sistemas, o Gerador de Memes Rtmicos (RGeme - Rhythmic Meme
Generator) procurou demonstrar a possibilidade de transmisso de estruturas rtmicas
entre seres artifciais (agentes) que interagem entre si em um ambiente de prtica de ati-
vidades musicais (e.g., ouvir, tocar, compor msica) (Gimenes, Miranda et al. 2005). Este
trabalho adotou a terminologia proposta pela teoria memtica (Dawkins 1989) segundo a
qual memes seriam unidades de informao cultural do mesmo modo que genes so uni-
dades de informao biolgica. Memes musicais seriam unidades de informao musical,
estruturas pequenas (indivisveis), discretas e autossufcientes que sobreviveriam por um
grande nmero de geraes de modo a representar unidades de transmisso cultural (Jan
2000).
A noo de meme musical est intimamente ligada com a de estilo musical. De acordo
com uma famosa defnio proposta por Meyer, estilo musical uma repetio de padres,
seja no comportamento humano ou nos artefatos produzidos pelo comportamento humano,
que resulta de uma srie de escolhas feitas dentro de um conjunto de restries (Meyer
1989). Em nossa pesquisa, o estilo musical de um determinado agente, tambm chamado
de viso de mundo musical, defnido como um objeto complexo (memria) que armazena
o conjunto de memes musicais (defnidos por parmetros como informaes relativas a
altura, ritmo, etc., e as relaes entre eles) e que corresponde ao conhecimento musical
que este agente acumulou at um determinado momento.
O segundo sistema desenvolvido, os Ambientes Interativos Musicais (iMe Interactive
Musical Environments), tambm se baseia em uma arquitetura de mltiplos agentes. Sua
construo, contudo, bem mais complexa que a do primeiro sistema uma vez que lida
com msica polifnica e um conjunto mais amplo de caractersticas do fuxo musical (e.g.,
altura, intensidade, ritmo, etc.). No iMe os agentes interagem entre si e com o ambiente,
executando tarefas musicais (e.g., ouvir e compor msica, entre outras) com base em mo-
delos inspirados em faculdades perceptivas e cognitivas humanas. Esses agentes aprendem
o estilo musical das peas com as quais interagem, o que faz com que suas memrias este-
jam em constante transformao. Essas transformaes so registradas de forma a possi-
bilitar a observao do aparecimento e evoluo dos seus prprios estilos musicais segundo
o modelo aqui adotado.
Nos sistemas acima mencionados a evoluo dos estilos musicais resultado das dife-
rentes tarefas executadas pelos agentes que so previamente planejadas pelo usurio. Um
193
termo que pode ser aplicado neste contexto ontognese. Nas cincias essa palavra se re-
fere ao desenvolvimento de (caractersticas anatmicas ou comportamentais de) um or-
ganismo desde os primeiros estgios at a maturidade. A srie de eventos que infuenciam
o desenvolvimento do comportamento musical dos agentes chamamos de ontognese mu-
sical.
A utilidade do sistema iMe para a musicologia foi demonstrada atravs de uma srie
de experimentos em que os agentes tiveram contato (i.e., interagiram) com sries cuida-
dosamente planejadas de peas musicais (Gimenes and Miranda 2011). Ao fnal de cada
interao, o contedo da memria dos agentes guardado. Comparando-se as memrias
colhidas seqencialmente durante as simulaes so obtidos nmeros que representam a
semelhana entre as sucessivas memrias. Tem-se assim, grosso modo, uma indicao da
importncia das sucessivas peas na formao do conhecimento dos agentes. Esses expe-
rimentos demonstraram que o sistema foi capaz de evoluir conjuntos homogneos de ca-
ractersticas (padres) que podemos chamar de estilos musicais.
O modelo implementado nos sistemas anteriores pressupe, como vimos, que o usurio
planeje de antemo toda a seqncia de atividades que os agentes realizam durante uma
simulao. A seqncia das tarefas pr-determinada pelo usurio em uma espcie de
mapa ontognico, o que permite projetar simulaes com interesses musicolgicos espe-
cfcos. O efeito da abordagem acima mencionada, no entanto, que os agentes no pos-
suem nenhuma liberdade para escolher as tarefas que eles vo executar nem em que
momento estas tarefas sero executadas. Alm disso, esta limitao, a rigor, contraria a de-
fnio de agentes inteligentes segundo a qual estes devem ter autonomia para escolher
suas prprias aes (Maes 1991).
Estados Motivacionais
O comportamento humano impulsionado por um conjunto de fatores (e.g., valores,
necessidades, anseios, etc.). que esto em constante mudana. A rigor, as motivaes afetam
a execuo das nossas metas a todo instante e infuenciam diretamente nossa aprendiza-
gem.
A fm de explorar a emergncia e evoluo dos estilos musicais em comunidades vir-
tuais autnomas, objeto da pesquisa que apresentamos neste artigo, o modelo deve, obvia-
mente, possuir caractersticas que propiciem a ocorrncia desses fenmenos. Os
correspondentes das motivaes humanas em um sistema computacional poderiam ser
chamados de estados de controle motivacional, que so direcionados aos interesses, metas,
normas e atitudes (Allen 1999) que guiam as aes de um agente. Um motivador, por exem-
plo, um estado de controle (motivacional) que move um agente em direo a uma deter-
minada meta, luz de determinadas crenas e preocupaes. Interesses e atitudes envolvem
o desejo de que algo ocorra.
Inspirados no comportamento humano, algumas arquiteturas de sistemas baseados
em agentes modelam de diferentes modos as motivaes para a tomada de decises (Bal-
kenius 1993; Allen 1999; Bratman 1999; Baillie and Lukose 2001). Uma delas, O BDI (Belief,
Desire, Intention, i.e., Crena, Desejo, Inteno), por exemplo, foi inicialmente proposta
por Bratman (1999) com o intuito de explicar o planejamento de aes. Nesse contexto, as
aes dos agentes dependeriam das relaes que se estabelecem entre um sistema de cren-
194
as individuais, desejos e intenes (aes para as quais temos um plano) para alcanar
uma meta.
Um outro modelo, proposto por Balkenius (1993), consiste em um sistema central res-
ponsvel pela ativao e inibio dos comportamentos do agente. A deciso centralizada
determina o estado motivacional que, por sua vez, determina o comportamento. Nesse
modelo so adotadas trs categorias de fatores para determinar a motivao: os incentivos
internos (percepo de um objeto desejado) e externos (processos perceptivos ou cognitivos
acionado por fatos externos) e os drives internos (estado homeosttico do agente). A seleo
de uma motivao feita por um mecanismo de competio em que os estados motiva-
cionais inibem uns aos outros em proporo ao seu nvel atual de ativao.
Allen (1999) prope algumas caractersticas que um agente motivacional com carac-
tersticas humanas deve possuir: mecanismos bsicos, como processos que gerenciam a
pr-ateno (resposta automtica a condies de ativao do ambiente) e a ateno (ge-
rencia recursos de propsito geral, e.g., preocupaes primrias), fltros de ateno (pro-
tegem os processos de ateno, que possuem recursos limitados de interrupes excessivas
por motivadores reativos) e processos de administrao de metas (adaptao do agente
atravs do monitoramento e controle de mecanismos de administrao de reao/ateno).
Em outro sistema, Baillie e Lukose (2001) investigam como organizar o sistema de
metas de um agente para simular o comportamento de um trabalhador humano em um
sistema de modelagem de empreendimentos chamado GOMASE (Goal Orientated Multi-
Agent Simulation Environment, i.e., Ambiente de Simulao Multi-Agente Orientado a
Metas). Neste sistema os agentes recebem uma hierarquia de metas (relacionadas com os
objetivos gerais da vida, i.e., auto-preservao e preservao da espcie), um dgrafo de
atividades e um mecanismo motivacional. Em vista das mltiplas possibilidades de ao,
necessrio se estabelecer prioridades entre as metas. O que nos faz priorizar metas so
os impulsos ou desejos (e.g., emergncia, biolgicos, cognitivos e sociais). Cada meta si-
tuada em uma hierarquia, por um mecanismo bastante complexo que combina esses de-
sejos motivacionais (Baillie and Lukose 2001). Esse mecanismo tambm inclui estados
motivacionais como a emoo.
As emoes tambm podem ser consideradas uma categoria de estados de controle
motivacional. Emoes so um conjunto complexo de padres de respostas qumicas e
neurais que ocorrem em determinadas situaes de modo que um organismo esteja pre-
parado para reagir. So estados mentais acompanhados por sentimentos intensos e en-
volvem mudanas corporais de carter generalizado (Koestler, 1967 apud Baillie, Toleman
et al. 2000). As emoes desempenham um papel importante na cognio humana (in-
cluindo a aprendizagem, percepo, tomada de deciso, etc.).
Em artigo publicado em 1997, Picard (apud Baillie, Toleman et al. 2000) afrma que as
emoes deveriam ser uma progresso natural para a inteligncia artifcial: A incapacidade
dos computadores de hoje de reconhecer, expressar e ter emoes limita severamente sua
capacidade de agir de forma inteligente e interagir naturalmente conosco (Baillie, Toleman
et al. 2000). Passados 14 anos dessa observao, a chamada computao afetiva hoje
uma rea de pesquisa e desenvolvimento extremamente ativa sendo que alguns resultados
j passaram a ser usados em sistemas interativos homem-mquina (Malatesta, Karpouzis
et al. 2009). Sistemas baseados em agentes atualmente incluem, alm do modelo racional,
195
aspectos como emoes e personalidade. Haveria vrias motivaes para isso: H os que
consideram necessrio incorporar aspectos humanos (e.g. personalidade e emoo) de
modo a fazer os agentes mais envolventes e convincentes para que possam melhor desem-
penhar um papel em vrios sistemas interativos envolvendo simulao (Padghan e Taylor
1996).
H demonstraes cientfcas de que as emoes podem estar na base de funes cog-
nitivas. Damasio, por exemplo, observa que existem evidncias neurolgicas importantes
que demonstram que os processos de emoo e sentimento so parte da maquinaria neural
para a regulao biolgica, cujo ncleo formado por controles homeostticos, impulsos
e instintos (Damasio, 1994, 2000 e 2003 apud Coutinho, Miranda, et al. 2005). Uma regio
especfca do crebro, a amdala, contribui para os mecanismos da emoo na medida em
que sua atuao crtica para o condicionamento do medo, uma forma de memria im-
plcita (Dolan 2002).
Os estudos das emoes envolvem relatrios de avaliao, estudos de imagem do cre-
bro alm de outras medidas fsiolgicas (e.g., freqncia cardaca, condutividade da pele,
taxa de respirao, presso arterial, volume de sangue e tenso muscular). Em alguns desses
estudos foram estabelecidas relaes causais entre caractersticas musicais especfcas e
respostas emocionais. Sloboda, por exemplo, analisou as respostas de 83 ouvintes de msica
sobre a ocorrncia de uma srie de reaes fsicas ao ouvir msica, procurando relacionar
estruturas musicais a emoes. Esses estudos demonstraram, por exemplo, que arrepios
na espinha, riso, lgrimas e n na garganta foram relatados pela maioria dos entrevistados.
As passagens musicais associadas a essas emoes indicaram que as lgrimas foram mais
confavelmente evocadas por passagens contendo seqncias e apogiaturas, enquanto ar-
repios foram mais confavelmente evocados por passagens contendo novas ou inesperadas
harmonias (Sloboda 1991).
Sloboda afrma que as respostas fsicas descritas so parte do sistema inato e autnomo
de resposta de todos os seres humanos. Elas no tm que ser aprendidas. No entanto,
claro que a capacidade de experimentar essas respostas em conexo com estruturas espe-
cfcas da msica aprendida (Sloboda 1991). Meyer (1956) era contrrio ao estudo psi-
colgico da resposta emocional msica, acreditando que as pessoas seriam, em geral,
incapazes de identifcar com qualquer grau de preciso os eventos precisos em uma pas-
sagem musical que evocam respostas emocionais signifcativas. Com o estudo acima des-
crito, Sloboda demonstra empiricamente que o entendimento de Meyer estava equivocado.
Huron (2006), outro pesquisador da rea, estudou extensivamente os efeitos da msica
sobre as emoes e props uma teoria psicolgica da expectativa musical. Segundo esta,
as emoes evocadas pelas expectativas envolvem cinco sistemas de respostas funcional-
mente distintos: respostas de reao (que ocasionam refexos defensivos); respostas de ten-
so (onde a incerteza leva ao estresse); respostas de predio (que recompensa predies
corretas); respostas de imaginao (que facilitam a gratifcao diferida); e respostas de
avaliao (que ocorrem aps o envolvimento do pensamento consciente).
O sistema CoMA
A fm de estudar de que modo os estados motivacionais contribuiriam para o compor-
196
tamento de um agente artifcial em um ambiente que visa a explorar a evoluo dos estilos
musicais, implementamos um sistema computacional denominado Comunidades Musicais
Autnomas (CoMA). O CoMA, a exemplo do RGeme e do iMe, adota o paradigma de agen-
tes de sofware. Duas caractersticas importantes distinguem o CoMA dos demais: a inde-
pendncia de execuo e a autonomia dos agentes.
Por independncia de execuo entende-se a propriedade do sistema poder ser execu-
tado sem a necessidade de interveno do usurio. Criado um novo documento e fornecido
um material musical mnimo para as interaes dos agentes, a simulao pode ser come-
ada com um clique no boto Iniciar. Se desejar, o usurio pode interferir na simulao
(alterando em tempo real alguns dos seus parmetros) ou simplesmente observar a suces-
so de interaes do sistema.
A autonomia dos agentes, refere-se ao fato de que os agentes, diferentemente do que
ocorre nos sistemas anteriores, possuem a capacidade de tomar decises motivadas. Essas
decises dependem, por sua vez, de estados de controle (e.g. estados psicolgicos) que
so constantemente alterados atravs da dinmica de execuo do sistema. No sistema
CoMA, esses estados de controle bem como os algoritmos que regulam o seu funciona-
mento so conjuntamente chamados de modelo de tomada de deciso (MTD). Este vem
a ser um dos cinco modelos globais do sistema, ao lado dos modelos perceptivo, cognitivo,
generativo e do ciclo de vida (veja a Figura 1 abaixo). Deixamos de fornecer aqui maiores
detalhes sobre os demais modelos do CoMA uma vez que isto fugiria aos objetivos deste
artigo.
Figura 1 Modelos do CoMA
Entre outros aspectos envolvidos no MTD est o fato de que os agentes exibem emoes
e personalidade e esto sujeitos a presses sociais. A evoluo do estilo musical dos agentes
e, em ltima anlise, do estilo musical do ambiente, seria infuenciada por essas presses
atravs de um sistema de recompensas (e punies) tendo em vista as escolhas que os agen-
tes fazem durante suas carreiras.
Sob o MTD, os principais objetivos dos agentes so a autopreservao, a preservao
da espcie (chamados de objetivos genricos), e ter uma carreira musical de sucesso (ob-
jetivo especfco). A busca pela autopreservao se d atravs de aes com as quais os
agentes procuram otimizar o seu bem-estar. A preservao da espcie ocorre na medida
em que os agentes buscam se reproduzir, mantendo estvel o nmero de agentes no am-
biente (modelo do ciclo de vida). Finalmente, a carreira musical de sucesso perseguida a
partir da defnio de um plano de carreira para cada agente.
Durante uma simulao, em um determinado ciclo, os agentes tm a possibilidade de
(i) executar uma ao reprodutiva (gerar um novo agente), (ii) executar uma tarefa musical
(lembrar, ler, ouvir, executar, compor, improvisar solo/coletivo com agente/humano), ou
(iii) no executar nenhuma ao. Alm disso, cada uma dessas aes possuem aes cone-
xas (sub-tarefas ou sub-aes), entre as quais as principais so (i) que parceiro escolher
para reproduo, (ii) que tarefa musical (lembrar, ler, ouvir, executar, compor, improvisar
solo, improvisar com agente, improvisar com humano) escolher em um determinado ciclo
e (iii) que msica escolher para interao nas tarefas de ler, ouvir e executar
Havendo, portanto, mais de uma possibilidade de ao (ou de sub-aes ou sub-tarefas),
os agentes devem escolher entre elas, defnindo prioridades. Algumas regras gerais foram
estabelecidas para reger a escolha dessas aes. Em primeiro lugar, um agente somente
pode executar uma ao a cada ciclo. Em segundo, as aes reprodutivas tm precedncia
sobre tarefas musicais. Finalmente, no preenchendo os requisitos para a execuo de re-
produo ou de tarefas musicais, o agente no executa nenhuma ao no ciclo. A Figura 2
mostra o diagrama de deciso das regras gerais das aes dos agentes:
Figura 2 Diagrama de deciso das regras gerais das aes dos agentes
Alm das regras gerais das prioridades, as decises tambm so tomadas com base em
um grupo de variveis chamadas conjuntamente de variveis de controle. Essas variveis
representam conceitos (e.g., emoo) em que esto presentes dois polos opostos e entre os
quais estabelecido um valor (nmero racional) em uma escala (espectro/continuum) de
0 a 1. Os valores de algumas das variveis de controle podem permanecer constantes du-
rante toda a simulao enquanto que os de outras so alterados na ocorrncia de determi-
nados eventos. Por exemplo, quando um agente convida um outro agente para reproduo,
se o segundo agente recusar o convite, a libido e a autoestima do primeiro so reduzidas.
A Figura 3 representa grafcamente a idia da escala de valores das variveis de controle.
O conceito confana, por exemplo, possui (hipoteticamente) dois polos (medo/confana)
197
em que o nmero 0 representaria o valor mximo de medo (ou mnimo de confana) e o
valor 1 representaria o mximo de confana (ou mnimo de medo).
Figura 3 Espectro de confana
As principais variveis de controle do CoMA so energia (defne o nvel de energia
geral do agente para a realizao de tarefas), autoestima (defne a confana do agente nas
suas habilidades e valores), libido (nvel de energia sexual do agente para a reproduo) e
popularidade (condio de um agente ser admirado pelos demais agentes da comunidade)
Para iniciar uma simulao, o usurio do sistema deve fornecer alguns arquivos com
dados musicais (MIDI) com os quais os agentes iro interagir inicialmente. Ao clicar no
boto iniciar, o sistema gera um nmero inicial de agentes que, ento passam a executar
as aes musicais. Ao fnaliza a fase inicial de aprendizagem, os agentes passam a executar
as tarefas de acordo com o plano de carreira defnido neste momento. Ao executar cada
uma das tarefas musicais, os agentes tm suas memrias adaptadas ao conhecimento con-
tido nas msicas com as quais eles interagiram. Aps cada interao, o CoMA guarda cpia
da memria de longo prazo dos agentes que, como vimos acima, representa a sua viso de
mundo musical, i.e., o seu estilo musica. Ao fnal da simulao, possvel executar as fer-
ramentas de anlise do CoMA para comparar as sucessivas memrias e, conseqentemente,
avaliar a evoluo dos estilos musicais dos agentes.
Concluso
A partir da aplicao dos princpios acima descritos, conseguimos realizar em labora-
trio uma srie de experimentos em que observamos a emergncia de diferentes compor-
tamentos, tendo em vista as decises tomadas pelos agentes, que sugerem a ocorrncia de
diferentes dinmicas de interao social. Algumas das variveis de controle do CoMA (e.g.,
autoestima e popularidade) funcionaram como um sistema de pesos e contrapesos que
(aparentemente) guiam essas dinmicas. Acreditamos que essas dinmicas de interao
(provocadas pelo modelo de tomada de deciso) tenham o potencial de infuenciar direta-
mente a evoluo dos estilos musicais dos agentes. Essa condio, contudo, requer a reali-
zao de anlises mais aprofundadas que esto sendo programadas neste momento.
Podemos afrmar, contudo, que o modelo do ciclo de vida implementado no sistema, e que
envolve a reproduo e morte dos agentes foi capaz de manter o nmero de agentes em
um nvel estvel durante as simulaes.
Sinteticamente, neste momento pretendemos avaliar se, de fato, o CoMA pode ser con-
siderado um sistema complexo na medida em que pequenas alteraes nas condies ini-
ciais (variveis) das simulaes possam resultar em processos (estilos) signifcativamente
divergentes e musicalmente interessantes. Consideramos a hiptese se, de fato, o compor-
tamento interativo do sistema poderia gerar divergncia musical ou se o modelo seria capaz
de gerar estados cclicos, i.e., estados-limite cclicos (e.g. determinados estilos musicais)
198
que resultariam de determinadas condies iniciais das simulaes. Estamos, neste mo-
mento, elaborando simulaes em que parmetros iniciais esto sendo manipulados com
a fnalidade de observar a ocorrncia dessas hipteses.
Agradecimentos
Esta pesquisa faz parte das atividades de Ps-Doutorado do Autor no Ncleo Interdis-
ciplinar de Comunicao Sonora (NICS/UNICAMP) e fnanciada pela Fundao de Am-
paro Pesquisa do Estado de So Paulo - FAPESP.
Referncias
Allen, S. 1999. Control States and Motivated Agency. Behavior Planning for Life-Like Characters
and Avatars: Proceeding of the i3 Spring Days 99 Workshop, Sitges, Spain.
Baillie, P. e D. Lukose 2001. Urging Desire - Motivational Mechanisms for Intelligent Agents with
Minds of Teir Own. Cybernetics and Systems 32(7): 701-718.
Baillie, P., M. Toleman, et al. 2000. Emotional intelligence for intuitive agents. PRICAI 2000, Melbourne,
Australia, Springer-Verlag, Germany.
Balkenius, C. 1993. Motivation and Attention in an Autonomous Agent. Workshop on Architectures
Underlying Motivation and Emotion (WAUME 93), Birmingham: University of Birmingham.
Bratman, M. E. 1999. Intention, plans, and practical reason. Cambridge, MA, Harvard University
Press.
Coutinho, E., E. R. Miranda, et al. 2005. Towards a Model for Embodied Emotions. Portuguese Con-
ference on Artifcial Intelligence (EPIA05), IEEE Press.
Dawkins, R. 1989. Te Selfsh Gene. Oxford, Oxford University Press.
Dolan, R. J. 2002. Emotion, Cognition, and Behavior. Science 298 (5596): 1191-1194.
Gimenes, M. e E. Miranda 2011. An Ontomemetic Approach to Musical Intelligence. A-Life for Music:
On Music and Computer Models of Living Systems. E. Miranda. Middleton, Wisconsin, A-R Edi-
tions.
Gimenes, M., E. Miranda, et al. 2005. Towards an intelligent rhythmic generator based on given exam-
ples: a memetic approach. Digital Music Research Network Summer Conference, Glasgow, UK.
Huron, D. 2006. Sweet anticipation: music and the psychology of expectation. Cambridge, Massachu-
setts ; London, MIT Press.
Jan, S. 2000. Replicating sonorities: towards a memetics of music. Journal of Memetics 4.
Maes, P. 1991. Designing Autonomous Agents: Teory and Practice from Biology to Engineering and
Back, MIT Press.
Malatesta, L., K. Karpouzis, et al., eds. 2009. Afective Intelligence: Te Human Face of AI. Berlin,
Springer-Verlag
Meyer, L. 1956. Emotion and Meaning in Music. Chicago, University of Chicago Press.
Meyer, L. 1989. Style and Music: Teory, History, and Ideology. Philadelphia, University of Pennsyl-
vania Press.
Padghan, L. e G. Taylor 1996. A system for modelling agents having emotion and personality. Lecture
Notes in Artifcial Intelligence Intelligent and Agent Systems. L. Cavedon, A. Rao e W. Wobcke.
Cairns, ACT, Australia, Springer-Verlag: 59-71.
Sloboda, J. A. 1991. Music Structure and Emotional Response: Some Empirical Findings. Psychology
of Music 19: 110-120.
199