Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 استفاده از هوش مصنوعی در موسیقی ارزیابی توانایی نوازندگان را تسهیل کرد

استفاده از هوش مصنوعی در موسیقی ارزیابی توانایی نوازندگان را تسهیل کرد

زمان مطالعه: 2 دقیقه

طبق ادعای محققان، کاربردهای هوش مصنوعی در موسیقی آموزش آنلاین را برای علاقه‌‎مندان تسهیل کرده است و این موضوع در شرایط همه‌گیری کرونا بسیار مفید است. اما برای آموزش آنلاین یکی از فاکتورهایی که اهمیت زیادی دارد، توانایی ارزیابی با دقت مناسب است.

برندان موریس، استادیار مهندسی برق و کامپیوتر در دانشگاه نوادا، آزمایشی ترتیب داده که در آن هوش مصنوعی با بررسی 61 فیلم اجرای پیانو در یوتیوب، وظیفه بررسی و سنجش توانایی نوازنده‌ها را دارد.

در مرحله اول موریس از یک پیانیست آموزش‌دیده درخواست کرد تا مهارت یک پیانیست دیگر را سنجیده و به او از بین 0 تا 10 نمره بدهد. طبق برنامه درسی انجمن ملی معلمان موسیقی، سطح یک تا نه به این معناست که فرد می‌تواند دوره‌های پیش از دانشگاه را بگذراند و سطح 10 نشان دهنده تسلط دانشگاهی یا بعد از آن است.

همچنین محققان در راستای استفاده بهینه از هوش مصنوعی در موسیقی و با استفاده از نیمی از فیلم‌ها و نمره اختصاصی داده شده به آن‌ها، یک شبکه عصبی ایجاد کردند که می‌تواند از طریق تماشای حتی فیلم ضبط شده از نوازندگی پیانو، سطح توانایی نوازنده را ارزیابی کند.

قضاوت هوش مصنوعی در موسیقی البته سختی‌های زیادی برای این فناوری دارد. ابتدا محققان به هوش مصنوعی آموزش دادند تا مراحل تولید موسیقی توسط هر پیانیست را به صورت بصری قضاوت کند. برای قضاوت، مهارت‌های فنی و تسلط به آن‌ها و بعد مهارت‌های پیشرفته‌تر که مختص افراد توانمند در نوازندگی هستند، سنجیده می‌شود.

به عنوان مثال، در یک بررسی بصری از نوازندگی یک فرد، یک قطعه با کیفیت نواخته شد و در آن برخی از حرکات نوازنده نشان از توانایی او در اجرای پیانو بود. این‌طور بود که محققان دریافتند هوش مصنوعی متوجه عدم وجود چنین توانایی‌هایی نمی‌شود و این کار قضاوتش را پیچیده می‌کند. نکته اینجا بود که اتفاقا داشتن چنین مهارت‌هایی از نظر معلمان نشان‌دهنده توانایی نوازنده بود و این یعنی برای سنجش توانایی فرد، نباید نادیده گرفته می‌شد.

نکته دیگر اینکه پیانیست‌های حرفه‌ای که با سرعت بالا می‌نوازند، ممکن است هشت نت را فقط با انگشتان اول و سوم خود بنوازند، اما این کار برای یک پیانیست متوسط بسیار سخت است. با استفاده از هوش مصنوعی در موسیقی این مورد ارزیابی شد و در مقایسه با نمره معلمان، 74% دقت داشت.

در مرحله دوم قضاوت شنیداری به هوش مصنوعی آموزش داده شد. طبق ادعای محققان، یک ابزار مناسب برای ارزیابی پیانیست‌ها، بررسی سرعت نواختن آن‌ها با استفاده از قدرت شنیداری است.

البته که برای ارزیابی یک پیانیست فاکتورهای تعیین‌کننده‌ای از جمله تنوع در سبک، وضوح و شفافیت و پویایی و سرعت مناسب، باید بررسی شوند و اینجا بود که هوش مصنوعی توان رقابت با همتای انسانی‌اش را نداشت و قضاوتش تنها 64% دقت داشت.

از محاسن استفاده از هوش مصنوعی در موسیقی، خصوصا در بخش ارزیابی، این است که وقتی سنجش بصری و شنیداری ترکیب می‌شوند، بهترین نتیجه حاصل می‎‌شود. در این شرایط ارزیابی هوش مصنوعی 75% دقت داشت.

محققان امیدوارند این سیستم ارزیابی بتواند به محصلان نوازندگی کمک کند تا دوره‌های آنلاین را با کیفیت بهتر بگذرانند و توانایی آن‌ها با دقت بیشتری سنجیده شود.

آن‌ها همچنین معتقدند که هوش مصنوعی در موسیقی می‌تواند کارایی دیگری هم داشته باشد و آن هم این است که وقتی دو معلم درباره فردی نظری متفاوت داشته باشند، قضاوت این سیستم به آن‌ها کمک کند.

محققان می‌گویند:«با کاری که انجام دادیم، امیدواریم به افراد بیشتری برای آموزش و ارزیابی نوازندگی در موسیقی انگیزه داده باشیم. با اینکه آزمایش ما نتیجه خوبی داشت، اما باز هم این سیستم جای پیشرفت زیادی دارد».

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]