Jak sztuczna inteligencja może nadać edukacji muzycznej osobisty ton?
Choć nowe technologie - w tym sztuczna inteligencja - są wykorzystywane w edukacji, nauka muzyki pozostaje w dużej mierze analogowym procesem. „Nauka muzyki wciąż jest prowadzona w ten sam sposób, jak przed upowszechnieniem komputerów osobistych - stanowi połączenie indywidualnych zajęć i ćwiczeń we własnym zakresie, a także korzystania z podręczników metodycznych”, wyjaśnia Filippo Carnovalini, stypendysta działania „Maria Skłodowska-Curie”(odnośnik otworzy się w nowym oknie) z VUB(odnośnik otworzy się w nowym oknie). Wada tego podejścia polega na tym, że książek nie da się dostosować do umiejętności i potrzeb poszczególnych uczniów. W tym miejscu sztuczna inteligencja może odegrać dość istotną rolę. „Uważamy, że sztuczna inteligencja może pozwolić na personalizację edukacji muzycznej dzięki generowaniu ćwiczeń dostosowanych do potrzeb każdego początkującego muzyka”, dodaje Carnovalini. Nad wykorzystaniem tego potencjału w praktyce pracuje zespół finansowanego ze środków Unii Europejskiej projektu CALIOPE(odnośnik otworzy się w nowym oknie).
Sztuczna inteligencja i jej (brak) zastosowania w nauce muzyki
Prace w ramach projektu poprzedziła kompleksowa analiza wykorzystania sztucznej inteligencji do personalizacji edukacji muzycznej. „Odkryliśmy, że choć można odnieść wrażenie, że istnieje wyraźne zainteresowanie wykorzystaniem sztucznej inteligencji w celu nauki muzyki i personalizacji edukacji muzycznej, obecnie nikt nie wykorzystuje tej technologii w celu generowania ćwiczeń dostosowanych do uczniów”, wyjaśnia Carnovalini, który pełni funkcję koordynatora projektu. Badacze odkryli również, że nieliczne programy generujące lekcje są ograniczone do pobierania materiałów z istniejących baz danych lub generowania dodatkowych elementów, takich jak wizualizacje lub informacje zwrotne, nie zaś samych materiałów edukacyjnych.
Osobista ocena trudności utworu muzycznego
Na podstawie tych badań zespół projektu uznał, że skuteczne wykorzystanie sztucznej inteligencji w nauce muzyki z korzyścią dla uczniów wymaga czegoś więcej niż wyłącznie generowania utworów. „Generatywna sztuczna inteligencja pozwala na tworzenie muzyki, jednak zwykle nie zapewnia poziomu kontroli nad rezultatem końcowym, który jest wymagany, by można było zastosować tę technologię w kontekście edukacji”, zauważa Carnovalini. Zdaniem badacza rozwiązaniem jest połączenie generatywnej sztucznej inteligencji z ramami pozwalającymi na spersonalizowany opis poziomu trudności utworu dla danego ucznia. W tym celu zespół opracował innowacyjny model kognitywny umożliwiający określanie trudności w oparciu o doświadczenie ucznia. „Choć istnieją inne sposoby określenia poziomu trudności utworu muzycznego, nasz model pozwala nam ustalić różne oczekiwania dotyczące różnych osób w oparciu o ich doświadczenie”, zauważa Carnovalini. „Wynikiem jest spersonalizowany poziom trudności, który można następnie wykorzystać do wygenerowania lekcji dostosowanych do indywidualnych potrzeb”.
Poprawa skuteczności edukacji muzycznej
Chociaż modele i wyniki projektu nie osiągnęły jeszcze poziomu gotowości technologicznej pozwalającego na ich wykorzystanie w szkołach i domach, przecierają szlaki do opracowania rozwiązań, które sprawią, że nauka muzyki stanie się bardziej efektywna i mniej frustrująca dla początkujących. „Każdy uczeń jest inny, zatem każdy zasługuje na inne ćwiczenia”, podsumowuje Carnovalini. „Rozwiązania oparte na sztucznej inteligencji, w tym modele opracowane w ramach projektu CALIOPE, mogą to umożliwić”. Naukowcy mają nadzieję, że po przeprowadzeniu dalszych doświadczeń uda im się rozwinąć niektóre z rozwiązań projektu i opracować przyjazne dla użytkowników aplikacje. Szczegółowe informacje na temat rezultatów projektu są dostępne w sieci(odnośnik otworzy się w nowym oknie).
