基于人工智能的交互式教學音樂智能系統(tǒng)研究及應用

張珺, 趙玉霞

(1.商洛職業(yè)技術學院 師范教育系, 陜西 商洛 726000;2.商洛學院 數(shù)學與計算機應用學院, 陜西 商洛 726000)

0 引言

隨著經濟的快速發(fā)展，在互聯(lián)網時代音樂教育逐漸向智能化和線上化發(fā)展。人工智能作為一門新興學科[1]，主要是用來研究和開發(fā)以及擴展延伸人類智能的方法理論。人工智能最早出現(xiàn)于1956年[2]，從那時起，圍繞著“人工智能”展開了一系列的研究?，F(xiàn)如今在我們的生活當中存在許多與人工智能相關的事物，例如指紋識別、智能搜索、人臉識別、語言翻譯和自動規(guī)劃等[3]。而其中人工智能與聽覺具有很大的關系，人工智能用于音樂教育具有得天獨厚的優(yōu)勢。音樂藝術的發(fā)展也是伴隨著物質文明的突破。人工智能會對音樂教育的教學模式、教學理論產生新的變革[4]，尤其在教學手段和教學方法上帶來新的變化，以便更好地為互聯(lián)網時代的音樂教育提供積極的實際價值。

1 人工智能的發(fā)展

1.1 人工智能在音樂教育上的研究

人工智能和音樂的結合已經存在了相當長的時間，自1974年在美國召開國際電腦音樂會議開始[5]，音樂的數(shù)字聲音處理和軟件程序的開發(fā)已經有了長足的發(fā)展，人工智能與音樂教育的結合已經產生眾多的研究成果。以色列的科技教育公司Tonara目前開發(fā)的Tonara應用是在iPad上的第一款互動樂譜應用[6]，基于人工智能的開發(fā)，Tonara應用程序可以跟隨演奏者的節(jié)拍、韻律實現(xiàn)自動翻頁，提供5款樂器的樂譜，可以作為樂手練習的輔助式工具。而在之后推出的交互式音樂平臺Wolfie[7]，運用人工智能技術結合音樂數(shù)據(jù)庫，對教室或學生的演奏音樂提供客觀的評價工具，并進行糾錯，涵蓋爵士、搖滾等多種音樂風格。為了實現(xiàn)樂器與智能移動終端的一體交互式的教學方式，出現(xiàn)了例如The One這種游戲化的鋼琴[8]，并且減少人為干預的程度，利用多媒體的輔助，向著情感機器人、深度學習的方向發(fā)展，使得學習、練習的效率大大增加，其中包含教學者模型和學習者模型[9]，體現(xiàn)了教學系統(tǒng)開發(fā)的全部內容，并將其及時反饋給學習者，形成良好的教學環(huán)路，如圖1所示。

圖1 交互式學習環(huán)路圖

1.2 情感機器與情感交互理論

情感是人類一種特殊的思維方式，包含復雜的運行機制，通過塑造機器獲得情感，用以發(fā)展人工智能技術上的難題，其主要通過創(chuàng)造情感機器的6個維度應用到音樂教學當中[10]。“人工智能之父”馬文·明斯基給出的6個維度分別是“意識”“精神活動”“常識”“思維”“智能”“自我”[11]。從這6個維度可以解釋人類大腦的復雜機制，從而也印證了將情感機器應用到音樂教學的可能性。

情感交互是基于人工智能的情感計算，是由MIT媒體實驗室皮卡德教授提出的[12]，情感計算是賦予計算機或者機器具備人類交流相似或者一樣的觀察、理解以及各種情緒的能力。情感交互是人工智能領域中的熱點研究方向，旨在與機器或計算機交流溝通的過程中，更加自然和便利。針對個性化的音樂教育，存在類似于Siri一樣的AI老師[13]，在學生遇到難題時進行解決，當在音樂練習出現(xiàn)錯誤時，智能系統(tǒng)對此錯誤進行對話，如圖2所示。

圖2 情感交互關系

音樂知識學習者通過登錄客戶端訪問學習結合體，一般為學習平臺，然后通過人機交互模式，將學習結果呈現(xiàn)給教學者。而教學者通過成績將新的授課模式和教學模式進行完善，基于負反饋的方式，提高學習者的學習意識和學習能力，組成一個完美的交互閉環(huán)。相比于傳統(tǒng)評測方法，基于人工智能的教學系統(tǒng)采用開發(fā)式的反饋，合理應用情感評價提升音樂學習者的教學效率[14]。

2 音樂智能系統(tǒng)分析與實現(xiàn)

交互式教學音樂智能系統(tǒng)的核心算法模型采用人工智能算法——RBF算法。該算法稱為徑向基函數(shù)，是由局部調整神經元組成的神經網絡[15-16]，一般具有五層網絡模型，如圖3所示。

圖3 RBF算法神經網絡的結構圖

第一層為與案例有關的信息因素，這些輸入量可以歸納為不同的音樂項目指標，輸入到神經網絡結構中。

第二層則是隸屬函數(shù)，其數(shù)學表達式，如式(1)。

i=1,2,…r;j=1,2,…,u

(1)

第三層形容了模糊規(guī)則數(shù)，通過對樣本的學習，盡量使得學習的規(guī)則數(shù)最少、最重要。其中第j個規(guī)則的輸出的數(shù)學計算，如式(2)。

j=1,2,…,u

(2)

式中，cj=(c1j,…,crj)表示第j個RBF單元的中心。RBF神經網絡的特征是神經元距離中心越近，其激活程度越高[17]，非常符合交互式音樂學習的影響因素的教學模式。

第四層則是歸一化層，該層的節(jié)點應與模糊規(guī)則節(jié)點一致，它的第j個節(jié)點Nj的輸出，如式(3)。

(3)

第五層是輸出層，輸出音樂演奏的各個技能的評價，其主要是基于RBF算法中的TS模糊模型[18]，它的輸出量，如式(4)。

(4)

wk是代表第k個規(guī)則的連接方式，即輸出變量的權重乘積的加和，如式(5)。

(5)

基于RBF算法的交互式音樂學習模式，是在平臺的設計中融入算法理念，并在撰寫代碼時充分地展現(xiàn)算法，同時實現(xiàn)在平臺界面的功能里，讓其有效地與交互式的學習模式相契合。其中，X為全部調查的學生里選取通過音樂測驗成績優(yōu)秀的學生，100人在交互式音樂智能系統(tǒng)中所消耗學習時間的比例；cjσj為成績優(yōu)秀的學生在對應項(X)學習時間里，每個音樂學習課件的隱含層分布狀況，這些學習樣本的隱含層類別是相對平行的；Y為每個輸入層所對應的音樂最優(yōu)成績。

為了實現(xiàn)RBF算法的簡化，可以將第二層、第三層和第四層歸結成隱含層，第一層和第五層分別為輸入層和輸出層，針對音樂教學的不同方面作為算法的輸入層。當針對一系列規(guī)模較大的數(shù)據(jù)時，將音樂數(shù)據(jù)的前m個數(shù)據(jù)作為初始訓練，進而構建學生學習音樂知識的RBF模型，通過設計的軟件平臺不斷評價，直至最后構建完善的模型。其程序設計圖，如圖4所示。

圖4 程序設計圖

3 系統(tǒng)驗證

3.1 實驗準備

根據(jù)上述的分析，該交互式教學音樂智能系統(tǒng)的網絡拓撲結構，如圖5所示。

圖5 網絡拓撲圖

采用分布式的網絡拓撲結構[19]，依據(jù)教師、學生、管理員的用戶等級來支持不同的身份權限，同時對應的服務略有不同，音樂智能系統(tǒng)密切關聯(lián)教師與學生，以及教學資源。將教學模式和學習技能的考核等智能方式應用于教學管理中，以實現(xiàn)對各類主體(教師、學生、課件、輔助)、教學方式(組織、管理、評估、評測、策略)、教學行為的有效整合及管理，各種角色在智能系統(tǒng)上獲得自己所需的服務。該交互式教學音樂智能系統(tǒng)主要由輔助訓練、自主學習、演奏訓練等模塊來組成。其邏輯圖，如圖6所示。

圖6 功能結構圖

各個模塊組成需要后臺音樂數(shù)據(jù)庫的支持，通過采用SQL Server數(shù)據(jù)庫來支持，從而實現(xiàn)對系統(tǒng)集成的自動化管理，執(zhí)行數(shù)據(jù)解決方法的總體方案。

該音樂智能系統(tǒng)的網絡拓撲結構已經如前陳述過，智能系統(tǒng)運行的環(huán)境為軟件和硬件結合，服務器環(huán)境下，布置數(shù)據(jù)庫服務器，系統(tǒng)設置為4 G內存、500 G的固態(tài)硬盤、雙CPU的至強處理器系統(tǒng)和千兆網卡。軟件上選取系統(tǒng)軟件與應用軟件，而備份軟件選用Veritas備份，應用服務器的操作系統(tǒng)為MS Windows 2007企業(yè)版，系統(tǒng)軟件為WinCC。

平臺數(shù)據(jù)庫的主要功能為音樂學習題庫，課件題庫包含演奏題、琴譜題、判斷題和音樂常識題等。數(shù)據(jù)庫的信息列表中含有各種類型信息，如知識點信息、音樂領域信息、琴譜信息、多媒體文件信息、答案信息等，如表1所示。

表1 數(shù)據(jù)庫信息列表

3.2 測試結果

該音樂智能系統(tǒng)用于該省的師范大學的音樂專業(yè)學生成績，評估基于人工智能算法實現(xiàn)的交互式教學音樂智能系統(tǒng)的使用效果，選取該高校2018級音樂學院學生予以使用。音樂智能系統(tǒng)的登錄界面圖，如圖7所示。

在登錄界面下方，能夠顯示該學習網站現(xiàn)存的具體課程類型與名稱，以及系統(tǒng)主菜單、導航欄、系統(tǒng)的簡介和日歷等活動欄。在基于人工智能教學的音樂智能系統(tǒng)里，當前總共開設了四門音樂類課程：學科講座、聲樂演唱、視唱練耳、基本樂理，如圖8所示。

圖7 聽力練習模塊界面圖

圖8 音樂現(xiàn)有的課程

根據(jù)音樂學科的發(fā)展，音樂智能系統(tǒng)可以定期推送一個主題，并開設專業(yè)講座的課程。主題包含音樂專業(yè)內容的主題講座和音樂相關知識的答疑、交流。有問有答模塊主要以聊天、交互評價等模塊進行呈現(xiàn)，如圖9所示。

圖9 經典講座界面圖

該智能系統(tǒng)以經過文字形式展開概念呈現(xiàn)，把聲樂演唱學習的內容展開剖析，從唱法介紹到相應的唱法教學視頻，再到相應的唱法代表作鑒賞；從概念的框架搭建到逐步地增添學習內容，以形成科學全面的學習鏈接，剖析過后的學習內容更易于學生接受。其界面圖,如圖10所示。

圖10 聲樂作品賞析界面圖

該音樂智能系統(tǒng)的樂理測試的主題模塊，依據(jù)音樂理論指導，運用交互式教學的策略展開設計，建立知識題庫隨機地開展對學生所學知識進行測驗。依據(jù)課程所需在此主題里對測試模塊展開編程開發(fā)，達到樂理考試在線化,如圖11所示。

圖11 樂理測試的界面圖

4 總結

交互式教學音樂智能系統(tǒng)為音樂學習者提供了更好的技術支持和學習理念，本文首先介紹了基于人工智能音樂教育的理論基礎和國內外研究現(xiàn)狀，分析相比于傳統(tǒng)音樂教學方式的優(yōu)勢。并且分析了神經網絡模型，尤其針對性地采用RBF算法用于教學音樂智能系統(tǒng)，考慮神經網絡的訓練模型和構建方式，模擬出音樂學習者的學習規(guī)律，從而更好地實現(xiàn)交互式教學音樂智能系統(tǒng)的效果，讓學生在交互式的音樂智能系統(tǒng)中進行沉浸式學習，通過對音樂智能系統(tǒng)設計的評估，能夠更好地對軟件設計進行改進。在后續(xù)的研究中，應加入更人性化的界面設計，采用更大規(guī)模模型樣本來實現(xiàn)人工智能，使之準確度更加具有普適性，保證在操作度方面具備良好的穩(wěn)定性，也可以將多種人工智能算法融合用來改進神經網絡的訓練算法，獲得更通用的音樂智能系統(tǒng)，這是下一步研究的重點方向。