Изучение возможностей применения искусственного интеллекта в обучении музыке
Автор: Дубровский В.В., Горбик Я.А.
Журнал: Высшее образование сегодня @hetoday
Рубрика: Вопросы обучения и воспитания
Статья в выпуске: 4, 2024 года.
Бесплатный доступ
Цель данной статьи - представление результатов изучения возможностей применения искусственного интеллекта в обучении музыке. Анализируются исследования, посвященные проблематике использования искусственного интеллекта в обучении музыке. Осуществляется диссеминация актуального педагогического опыта применения нейросетей в образовательной деятельности. Определяются ключевые направления развития методики обучения музыке с использованием искусственного интеллекта. Ключевой метод исследования - интервьюирование. Сделан вывод о том, что большинству музыкальных педагогов доступны только коммерческие нейросети; использование искусственного интеллекта в образовательном процессе преследует периферийные цели (повышение мотивации учения, развитие художественной культуры, функциональной грамотности). Развитие музыкальных навыков с использованием нейросетей в настоящий момент реализуется в двух направлениях: обучение нотной грамоте и оценка музыкальных навыков.
Искусственный интеллект и нейросети в обучении музыке, методика обучения музыке, учебная мотивация, художественная грамотность, оценка музыкальных способностей
Короткий адрес: https://sciup.org/148329239
IDR: 148329239 | DOI: 10.18137/RNU.HET.24.04.P.074
Текст научной статьи Изучение возможностей применения искусственного интеллекта в обучении музыке
го обучения, в том числе на основе анализа возможностей студентов и запросов работодателей [4]. В подобном ключе выстроена работа Т.М. Шамсутдиновой, в которой автор детально рассматривает возможности применения нейросетей для индивидуализации обучения, в том числе за счет биометри- ческой идентификации, входного мониторинга, автоматизированного текущего и итогового контроля, обеспечения информационной безопасности [5]. З.С. Курбанова, Н.П. Исмаилова также видят перспективу использования нейросетей в обучении именно в индивидуализации данного процесса за счет дифференциации заданий, а также разработки контрольно-измерительного материала и упрощения оценочных процедур [3]. В приведенных примерах доминируют технические аспекты организации образовательного процесса с использованием искусственного интеллекта.
Концентрация на технических функциях также преобладает в некоторых исследовательских работах, например, в статье О.А. Козловой, А.А. Протасовой, посвященной изучению вопроса идентификации обучающихся посредством нейросети [2].В ряде исследований технические аспекты являются основными. Например, Н. Цзян описывает особенности построения генеративно-состязательной нейросети для оценки вокала обучающихся [6]. Л. Джанг демонстрирует успешную работу с двунаправленными нейросетями, что позволяет не только сделать максимально информативным процесс оценки вокала обучающихся, но и индивидуализировать обучение на основе текущего контроля [9]. В статье Н. Ли содержатся указания по созданию архитектуры генеративносостязательной нейросети для автоматизации обучения нотной грамоте посредством использования компьютерного зрения [7]. В исследовании И. Чжан, Ч. Ли показана архитектура рекуррентной нейросети, нацеленной на обучение музыке посредством актуализации возможностей создания мелодий [10].
Не умаляя значимость технических исследований в области нейрообучения музыке, нужно констатировать очевидность дефицита методических разработок в данной сфере. Видимо, на данном этапе развития методики обучения музыке с использованием искусственного интеллекта еще рано говорить о полноценных системных теоретических обобщениях. Лишь малое количество работ содержит опыт использования нейросетей в рассматриваемой нами области. В частности, следует обратить внимание на публикацию Я. Яо, С. Ань, в которой авторы диссеминируют опыт разработки учебного пособия по музыке на основе сверточной нейронной сети. Его основным преимуществом является обеспечение открытого взаимодействия участников процесса обучения [8]. Вместе с тем, данный продукт ориентирован не столько на обучение музыке в чистом виде, сколько на развитие художественной грамотности. Этим и обусловлен выбор разработчиков в качестве основы учебного пособия нейросети сверточного типа, позволяющей работать одновременно с аудио- и визуальной информацией.
Как видно из приведенного обзора литературы проблемы использования искусственного интеллекта в обучении музыке, наиболее слабо представлен обзор педагогических практик организации образовательного процесса на основе применения данных цифровых средств. Для обобщения актуального педагогического опыта по обучению музыке с использованием искусственного интеллекта было проведено интервьюирование учителей и преподавателей музыки, имеющих опыт работы в данном направлении. Были использованы как очные, так и дистанционные формы интервью, но с обязательным контактом в режиме реального времени. Продолжительность каждой сессии интервью варьи-
Таблица
Характеристика учителей и преподавателей музыки – участников интервью
Населенный пункт |
Тип образовательной организации |
Педагогический стаж, лет |
Пол |
Респондент (№) |
Елец |
общеобразовательная организация |
10 |
м |
1 |
Елец |
образовательная организация высшего образования |
15 |
ж |
2 |
Липецк |
общеобразовательная организация |
5 |
ж |
3 |
Москва |
профессиональная образовательная организация |
11 |
ж |
4 |
Москва |
организация дополнительного образования |
4 |
м |
5 |
Воронеж |
организация дополнительного образования |
7 |
м |
6 |
Старый Оскол |
общеобразовательная организация |
9 |
ж |
7 |
Курск |
образовательная организация высшего образования |
13 |
ж |
8 |
Санкт-Петербург |
профессиональная образовательная организация |
8 |
ж |
9 |
Новокузнецк |
общеобразовательная организация |
10 |
ж |
10 |
Томск |
образовательная организация высшего образования |
17 |
м |
11 |
Саранск |
общеобразовательная организация |
3 |
ж |
12 |
Тамбов |
организация дополнительного образования |
14 |
ж |
13 |
Новый Уренгой |
общеобразовательная организация |
7 |
м |
14 |
Уссурийск |
организация дополнительного образования |
16 |
м |
15 |
Туапсе |
общеобразовательная организация |
5 |
ж |
16 |
Казань |
образовательная организация высшего образования |
10 |
ж |
17 |
Тольятти |
организация дополнительного образования |
13 |
м |
18 |
ИЗУЧЕНИЕ ВОЗМОЖНОСТЕЙ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБУЧЕНИИ МУЗЫКЕ ровалась от 45 минут до 1,5 часов. В Таблице представлена характеристика выборки.
Одним из ключевых является вопрос интервью о том,какими нейросетями пользуются учителя и преподаватели музыки в образовательной деятельности. Работа с искусственным интеллектом возможна либо в рамках коммерческих продуктов, ориентированных на обработку аудиоинформации по заданным широким сценариям, либо посредством взаимодействия с нейросетью, разработанной под специальные узкие задачи, например, обучение музыке. В последнем случае это, как правило, некоммерческие проекты. Многие зарубежные авторы, к работам которых мы уже обращались в данной статье (С. Ань, Л. Джанг, Н. Ли, Ч. Ли, Н. Цзян, И. Чжан, Я. Яо), презентуют специально разработанные нейросети для обучения музыке студентов или школьников.
По итогам интервью выявлено, что 100 % респондентов использует в образовательной практике исключительно коммерческие нейросети. Некоторые из них (№№ 4, 8, 17) слышали о практике плодотворного сотрудничества IT-отделов вузов с кафедрами (в том числе, с кафедрами музыкального образования) на предмет разработки нейросети, отвечающей специфическим задачам, однако конкретных контактов никто из респондентов не имеет. Данная позиция в целом иллюстрирует, что технические и пользовательские аспекты освоения искусственного интеллекта не синхронизированы, а в кластере образования находятся на зачаточном уровне.
Вторая проблема, которая рассматривалась в рамках проведенного нами интервью, касалась не столько вопросов демонстрации образовательных практик применения искусственного интеллекта, сколько целевой ориентации данного педагогического опыта. Вопрос звучал так: «В какой сфере рационально использовать искусственный ин- теллект – в формировании художественной культуры(ориентация на общекультурный уровень: повышение мотивации учения, развитие функциональной грамотности) или в профессиональном музыкальном образовании?».
Большинство практиков (№№ 1, 3, 5, 6, 10, 11, 12, 14, 15, 16, 18) использует нейросети в основном с целью повышения мотивации обучающихся к занятиям музыкой, либо для развития у них художественной культуры, что является периферийной целью музыкального образования. Часть респондентов (№№ 2, 4, 8, 9, 13, 17) использует нейросети для формирования профессиональных компетенций обучающихся, либо видит возможности его применения для этих целей. Следует отметить, что эта группа респондентов работает в сфере высшего или среднего профессионального образования, стаж работы более 10лет.
По итогам анализа ответов респондентов были определены несколько видов практик использования искусственного интеллекта в музыкальном образовании в зависимости от реализуемых целей.
Первая цель – это повышение учебной мотивации. Достижению этой цели способствует использование нейросетей для развития творческих способностей обучающихся. При работе с учащимися начальных и 5–7 классов некоторые респонденты (№№ 1, 3, 7, 10, 16) используют такие нейросети, как Mubert, Riffusion, Melobytes, Aiva, Loudly, Veed. Они создают музыку на основе промпта(короткого описания) с учетом разнообразных характеристик, таких как жанр, инструменты, темп, отдельные эффекты и сигнатуры. Как правило, данные нейросети используют при проведении дидактических игр. Особенно полезны данные функции в начальной школе, где программа учебного предмета «Музыка» предусматривает изучение музыкальных инструментов, а также музыкальных жанров. Обуча- ющимся интересно воссоздавать звучание одной и той же мелодии в разножанровой аранжировке.
Респондент № 18 на уровне дополнительного образования использует нейросеть Voicemod, которая ориентирована на создание музыки песни по тексту. Учитель музыки использует нейросеть при отборе репертуара для детского вокального ансамбля. Данный участник исследования отметил, что слушателям часто бывают интересны музыкальные переложения на стихи известных поэтов. Популярными песнями трудно удивить жюри конкурсов, а эти литературные произведения, положенные на музыку нейросетью, могут произвести впечатление.
Респондент № 7 использует в работе с обучающимися 7–8 классов нейросеть WavTool, которая не только генерирует музыку по промпту, но и позволяет ее редактировать на уровне партий отдельных инструментов. Респондент № 15 на занятиях в рамках дополнительного образования применяет нейросеть Fadr, которая рассчитана на обработку музыки, в том числе работу с отдельными дорожками.
Более сложные варианты цифровизации музыкального образования связаны с работой с нейросетями, ориентированными на создание синглов или лупов. Респондент № 9 активно использует в образовательной деятельности нейросеть Soundraw, которая рассчитана на создание музыки на основе коротких музыкальных фраз. При всей видимой сложности процесса создания музыки на основе сэмплирования нейросети максимально облегчают данный процесс, делая его доступным даже ребенку дошкольного возраста.
Вторая цель – формирование и развитие художественной грамотности обучающихся. Результативности этой работы педагога способствует такая форма деятельности, как перенос информации из одной знаковой системы в другую:
как звучит картина, какой цвет или запах соотносится с тем или иным звуком и так далее. Данное направление реализуется исключительно учителями музыки с обучающимися школ. Респонденты №№ 3, 7, 10, 12, 14, 16 в рамках данного направления используют такие нейросети, как Imaginary Soundscape, Image to Music. Респондент № 10 рассказал об интересной практике работы с нейросетью Beatoven. Он разработал систему кейсов, предполагающих создание мелодии, ее изменение в зависимости от настроения и других параметров.
Третья цель – формирование и развитие у обучающихся музыкальных навыков. Первым направлением применения искусственного интеллекта для достижения этой цели является обучение нотной грамоте. Эта цель признается в качестве достижимой путем использования искусственного интеллекта многими респондентами (№№ 2, 4, 8, 9, 13, 17). Респондент № 8 для обучения сольфеджио ис- пользует нейросеть Chord AI. Опрошенные №№ 2, 13, 17 применяют боты-помощники(например, Сольфеджио) для разработки диагностических и контрольных заданий.
Вторым направлением является оценка музыкальных способностей обучающихся. Респондент № 9 поделился уникальным опытом использования нейросети AudioStrip для организации самостоятельной работы студентов. Данная нейросеть позволяет изолировать инструментальные и вокальные партии. Соответственно, педагог может наглядно продемонстрировать конкретные недостатки в работе каждого участника ансамбля, сформировать индивидуальные домашние задания, направленные на совершенствование конкретных вокальных или инструментальных партий. Респондент № 2 приводит пример нейросети по оценке вокала FreddieMeter, позволяющей сравнить свое исполнение песен Фредди Меркьюри с оригиналом.
Таким образом, проведенное исследование позволяет сделать выводы о том,что развитие теории и практики обучения музыке с помощью искусственного интеллекта в настоящее время находится на начальном этапе развития. Учителям и преподавателям музыки доступны исключительно коммерческие нейросети. Создание целевых нейросетей для обучения музыке в российском образовании в данный момент не практикуется. Как правило, использование коммерческих нейросетей в образовательном процессе преследует периферийные цели,такие как повышение мотивации учения, развитие художественной культуры, функциональной грамотности. Титульная цель – развитие музыкальных навыков – в настоящий момент может быть частично реализована за счет использования нейросетей в обучении нотной грамоте и оценке музыкальных навыков.
Список литературы Изучение возможностей применения искусственного интеллекта в обучении музыке
- Дубровский В.В., Ефремова И.В., Пиджоян Л.А. Особенности цифровизации музыкального образования: анализ представлений студентов - будущих музыкальных педагогов и педагогов-музыкантов // Перспективы науки и образования. 2023. № 4 (64). С. 73-89. EDN: EIUSLK
- Козлова О.А., Протасова А.А. Использование нейронных сетей в дистанционных образовательных технологиях для идентификации обучающихся // Открытое образование. 2021. Т. 25, № 3. С. 26-35. EDN: SEQOEH
- Курбанова З.С., Исмаилова Н.П. Нейросети в контексте цифровизации образования и науки // Мир науки, культуры, образования. 2023. № 3 (100). С. 309-311. EDN: KUDKEP
- Филатова О.Н., Булаева М.Н., Гущин А.В. Применение нейросетей в профессиональном образовании // Проблемы современного педагогического образования. 2022. № 77-3. С. 243-45. EDN: PHOBYS
- Шамсутдинова Т.М. Проблемы и перспективы применения нейронных сетей в сфере образования // Открытое образование. 2022. Т. 26, № 6. С. 4-10. EDN: UVOFLM
- Jiang N. Construction and analysis of vocal music evaluation system based on BP-RBF-SVM integrated neural network. Journal of Physics: Conference Series. 2021. Ser. 1941 012045. DOI: 10.1088/1742-6596/1941/1/012045 EDN: EICOAA
- Li N. Generative Adversarial Network for Musical Notation Recognition during Music Teaching. Scientific Programming. 2022. No. 1. P. 1-9. DOI: 10.1155/2022/8724688
- Yao Y., An X. Digital Technology-Driven Music Teaching Model Innovation and Students' Artistic Literacy Enhancement. Applied Mathematics and Nonlinear Sciences. 2024. No. 9 (1). P. 1-24.
- Zhang L. Analysis for Online Music Education Under Internet and Big Data Environment.International Journal of WebBased Learning and Teaching Technologies. 2023. No. 18 (2). P. 1-12. DOI: 10.4018/IJWLTT.331398
- Zhang Y., Li Z. Automatic Synthesis Technology of Music Teaching Melodies Based on Recurrent Neural Network. Scientifi c Programming. 2021. No. 12. P. 1-10. DOI: 10.1155/2021/1704995 EDN: SPAWJZ