随着科技的飞速发展，创新发展工具不断涌现。如今的音乐家们开始使用机器学习，通过向计算机“投喂”大量数据使其不断学习，最终创作出富有创意的音乐。
　　计算机善于处理数据、识别模式，这使得它们应付起未来的数据时得心应手。在识别完模式后，计算机可以将新信息分类，做出预测，甚至能创作出新颖的、有创意的作品。在音乐世界里，科技的应用无穷无尽。
　　在音乐教育中，机器学习技术可以补充课程的许多部分，例如音乐表演、作曲、理论和创作。
　　将机器学习融入音乐教育中，可以丰富学习过程，帮助已有的课程提升到新的层次。尽管机器学习尚有许多未开发的潜能，但如今也有很多可以在课堂上使用的技术：
　　1.音乐表演的现场反馈
　　由于通常情况下，学生的数量都要大于老师，所以在表演方面学生们只能得到有限的反馈。当他们进行课后练习时，就几乎接收不到外界反馈。
　　在学习唱歌或乐器的早期阶段，这种反馈的缺失是十分致命的。学生很难察觉自己不在调或节奏错了。但通过使用机器学习，学生们可以收到实时反馈，并知道自己应该在音乐的哪个部分下功夫。对于课内指导，这种反馈能起到很好的补充作用。同时，它也为学生们提供了高效练习的资源。
　　智慧音乐（SmartMusic，一个程序）可以在学生练习时向他们提供即时反馈。它能提醒学生哪些音不到位。这个程序是特地为课堂使用而设计的，学生们可以通过它把自己的最佳作品发送给老师，以获得进一步反馈。程序本身拥有庞大的音乐库，老师也可以导入原创音乐来布置任务。
　　卡丹兹（Kadenze）是一名慕课（MOOC）的供应者。他专攻创意领域，并为学生们的音乐课程提供基于机器学习的反馈。研究人员在测验了机器学习和音乐教育的重叠部分后，也提出了将学生和著名音乐家的表演进行对比的软件，这类软件尚待开发。
　　2.音乐创作和即兴创作
　　尽管音乐创作是一个创造性过程，但许多公司已经开发出了基于机器学习的软件来作为艺术经验的补充。例如，Popgun就是一家开发机器学习来创作原创流行音乐的初创公司，预计会在2018年晚些时候发行。而Amper公司则能根据不同情境，定制独特音乐。Aiva公司可以专门为故事内容创作配乐。
　　或许最容易融入课堂的是Magenta。这是一个最初由谷歌研究团队发起的项目，它也侧重于通过机器学习来创作音乐。Magenta提供了大量开源的音乐小样，包含了创造性的音乐互动。这个研究对于当今数量庞大的音乐创作软件只有简单的涉猎，更多的内容尚在开发中。
　　用机器学习来创作歌曲，为音乐教学打开了新世界的大门。它可以让学生通过调整机器生成的作品，在音乐与技术的交融中创作音乐。
　　改进已有音乐，也会给学生们带来令人兴奋的挑战。同时，研究机器生成的音乐，也为学生们的学习提供了一个崭新的视角。
　　这些机器生成的音乐，也可以为学生们呈现一个能表演和即兴发挥的新的音乐领域。由于大部分曲目是以音频形式生成的，学生们有机会练习新的曲子，甚至创作音乐时即兴发挥。
　　3.音乐理论与分析
　　虽然目前机器学习的应用不太普遍，但从应用上升到理论学习还是存在一些可能性的。基于少量实例，在学习音乐理论时，学生们常常由于自身能力有限，而无法把刚学的理论应用到新音乐上。而机器学习技术是特地为了识别音乐模式而设计的，所以它是分析曲目的理想选择。
　　一个专为分析音乐设计的程序能为学生提供大量学习的案例，使他们能更轻松地了解规律之间的细微差异。就像文字处理软件中检查拼写和语法一样，另一款相似的程序可以被用来检查学生作曲中的乐理错误。
　　基于机器学习的软件，还可以用来分析不同时期与流派的音乐。这能为我们研究音乐中的差异与共性提供有趣的视角。
　　4.记录、混合与创作
　　数码音频工作站（DAWS）是用来记录、混合、创作音乐的软件。大部分学校的音乐创作课程中都会用到它。
　　这些软件通常更依赖于音频信号处理，而机器学习可以很轻松地与声音处理结合起来。因为机器学习可以用来识别特定声音，所以它也可以用于降噪或分离音轨。
　　同时，我们也可以使用机器学习识别特定的人声或乐器声，甚至改变特定声音的音色。这类技术，可以为学生们提供更多创作音乐的新思路。诸如LANDR这类软件已经成功开发出了自动化混音与控制过程的方法，这也可以帮助学生学习如何改进他们的音乐。
　　将机器学习技术融入音乐教育中，能在强化学习的同时，给学生提供更加丰富与个性化的学习经历。随着机器学习领域的迅猛发展，密切关注它成长中的可能性是很有必要的。

0