隨著科技的飛速發展，創新發展工具不斷湧現。如今的音樂家們開始使用機器學習，通過向計算機“投餵”大量數據使其不斷學習，最終創作出富有創意的音樂。
計算機善於處理數據、識別模式，這使得它們應付起未來的數據時得心應手。在識別完模式後，計算機可以將新信息分類，做出預測，甚至能創作出新穎的、有創意的作品。在音樂世界裡，科技的應用無窮無盡。
在音樂教育中，機器學習技術可以補充課程的許多部分，例如音樂表演、作曲、理論和創作。
將機器學習融入音樂教育中，可以豐富學習過程，幫助已有的課程提升到新的層次。儘管機器學習尚有許多未開發的潛能，但如今也有很多可以在課堂上使用的技術：
1.音樂表演的現場反饋
由於通常情況下，學生的數量都要大於老師，所以在表演方面學生們只能得到有限的反饋。當他們進行課後練習時，就幾乎接收不到外界反饋。
在學習唱歌或樂器的早期階段，這種反饋的缺失是十分致命的。學生很難察覺自己不在調或節奏錯了。但通過使用機器學習，學生們可以收到實時反饋，並知道自己應該在音樂的哪個部分下功夫。對於課內指導，這種反饋能起到很好的補充作用。同時，它也為學生們提供了高效練習的資源。
智慧音樂（SmartMusic，一個程序）可以在學生練習時向他們提供即時反饋。它能提醒學生哪些音不到位。這個程序是特地為課堂使用而設計的，學生們可以通過它把自己的最佳作品發送給老師，以獲得進一步反饋。程序本身擁有龐大的音樂庫，老師也可以導入原創音樂來佈置任務。
卡丹茲（Kadenze）是一名慕課（MOOC）的供應者。他專攻創意領域，併為學生們的音樂課程提供基於機器學習的反饋。研究人員在測驗了機器學習和音樂教育的重疊部分後，也提出了將學生和著名音樂家的表演進行對比的軟件，這類軟件尚待開發。
2.音樂創作和即興創作
儘管音樂創作是一個創造性過程，但許多公司已經開發出了基於機器學習的軟件來作為藝術經驗的補充。例如，Popgun就是一家開發機器學習來創作原創流行音樂的初創公司，預計會在2018年晚些時候發行。而Amper公司則能根據不同情境，定製獨特音樂。Aiva公司可以專門為故事內容創作配樂。
或許最容易融入課堂的是Magenta。這是一個最初由谷歌研究團隊發起的項目，它也側重於通過機器學習來創作音樂。Magenta提供了大量開源的音樂小樣，包含了創造性的音樂互動。這個研究對於當今數量龐大的音樂創作軟件只有簡單的涉獵，更多的內容尚在開發中。
用機器學習來創作歌曲，為音樂教學打開了新世界的大門。它可以讓學生通過調整機器生成的作品，在音樂與技術的交融中創作音樂。
改進已有音樂，也會給學生們帶來令人興奮的挑戰。同時，研究機器生成的音樂，也為學生們的學習提供了一個嶄新的視角。
這些機器生成的音樂，也可以為學生們呈現一個能表演和即興發揮的新的音樂領域。由於大部分曲目是以音頻形式生成的，學生們有機會練習新的曲子，甚至創作音樂時即興發揮。
3.音樂理論與分析
雖然目前機器學習的應用不太普遍，但從應用上升到理論學習還是存在一些可能性的。基於少量實例，在學習音樂理論時，學生們常常由於自身能力有限，而無法把剛學的理論應用到新音樂上。而機器學習技術是特地為了識別音樂模式而設計的，所以它是分析曲目的理想選擇。
一個專為分析音樂設計的程序能為學生提供大量學習的案例，使他們能更輕鬆地瞭解規律之間的細微差異。就像文字處理軟件中檢查拼寫和語法一樣，另一款相似的程序可以被用來檢查學生作曲中的樂理錯誤。
基於機器學習的軟件，還可以用來分析不同時期與流派的音樂。這能為我們研究音樂中的差異與共性提供有趣的視角。
4.記錄、混合與創作
數碼音頻工作站（DAWS）是用來記錄、混合、創作音樂的軟件。大部分學校的音樂創作課程中都會用到它。
這些軟件通常更依賴於音頻信號處理，而機器學習可以很輕鬆地與聲音處理結合起來。因為機器學習可以用來識別特定聲音，所以它也可以用於降噪或分離音軌。
同時，我們也可以使用機器學習識別特定的人聲或樂器聲，甚至改變特定聲音的音色。這類技術，可以為學生們提供更多創作音樂的新思路。諸如LANDR這類軟件已經成功開發出了自動化混音與控制過程的方法，這也可以幫助學生學習如何改進他們的音樂。
將機器學習技術融入音樂教育中，能在強化學習的同時，給學生提供更加豐富與個性化的學習經歷。隨著機器學習領域的迅猛發展，密切關注它成長中的可能性是很有必要的。
原文鏈接：
http://www.gettingsmart.com/2018/06/how-machine-learning-can-enhance-music-education/
智能觀 編譯
—完—
親愛的朋友：
如文中所說，隨著機器學習領域的迅猛發展，密切關注其成長中的可能性是很有必要的。
希望本文對你有所啟思。
安！
智能觀 一米
2018-7-10 於北京中關村
想知道AI加教育領域有哪些最新研究成果？
想要AI領域更多的乾貨？
請前往智能觀“找找看”。
編譯文章旨在幫助讀者瞭解行業新思想、新觀點及新動態，為原作者觀點，不代表智能觀觀點。
閱讀更多 一米智能觀 的文章
