ИСПОЛЬЗОВАНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПОДДЕРЖКИ ПЕДАГОГИКИ В ИСКУССТВЕ

USING MACHINE LEARNING TO SUPPORT PEDAGOGY IN THE ARTS

Alexander Sorokin

listener, Military Academy of Communications. CM. Budyonny,

Russia, St. Petersburg

Maxim Polyakov

cadet, Military Academy of Communications. CM. Budyonny,

Russia, St. Petersburg

Artemi Mikhailov

cadet, Military Academy of Communications. CM. Budyonny,

Russia, St. Petersburg

Ilyas Galimov

cadet, Military Academy of Communications. CM. Budyonny,

Russia, St. Petersburg

АННОТАЦИЯ

Обучение детей художественным навыкам представляет собой уникальную задачу: высокоуровневые творческие и социальные элементы художественной дисциплины часто являются наиболее привлекательными и, скорее всего, поддержат энтузиазм учащихся, но эти навыки зависят от сенсомоторных способностей низкого уровня, а в некоторых случаях и от зубрежки, которые часто утомительно развивать. Мы предполагаем, что компьютерное обучение может сыграть решающую роль в соединении ‘восходящего’ (сенсомоторного) обучения в искусстве с ‘нисходящим’ (креативным) обучением, используя методы машинного обучения и искусственного интеллекта, которые могут играть роль сенсомоторного эксперта. Этот подход позволяет учащимся испытать компоненты творчества и социального взаимодействия более высокого уровня еще до развития необходимых сенсомоторных навыков или академических знаний.

ABSTRACT

Teaching children artistic skills presents a unique challenge: high-level creative and social elements of an artistic discipline are often the most attractive and most likely to support students' enthusiasm, but these skills depend on low-level sensorimotor abilities, and in some cases on cramming, which is often tedious to develop. We suggest that computer learning can play a crucial role in combining ‘bottom-up’ (sensorimotor) art learning with ‘top-down’ (creative) learning, using machine learning and artificial intelligence techniques that can play the role of a sensorimotor expert. This approach allows students to experience the higher-level components of creativity and social interaction even before developing the necessary sensorimotor skills or academic knowledge.

Ключевые слова: искусство, обучение, искусственный интеллект.

Keywords: art, training, artificial intelligence.

Художники — от любителей до профессионалов, практически во всех художественных дисциплинах — используют в своей работе как высокоуровневые творческие, так и низкоуровневые сенсомоторные навыки. Большинство художников сообщат, что они черпают вдохновение в творческом мышлении высокого уровня и что это тот уровень, на котором художники сотрудничают и общаются с другими художниками. Однако эти навыки зависят от базы сенсомоторных навыков, а в некоторых случаях и от заученных знаний, которые часто переходят в подсознательное мышление по мере продвижения художника. Это представляет собой уникальную проблему для образования в искусство: Гитаристке, как правило, необходимо выучить основные приемы аппликатуры, что часто бывает утомительным и разочаровывающим, прежде чем она сможет даже заняться по-настоящему творческими или социальными аспектами музыкального искусства. Эта проблема усугубляется, когда учащийся является ребенком, и его может быть труднее мотивировать долгосрочными целями или друзьями или коллегами, которые развили свои навыки до уровня долгосрочной ценности и удовольствия. Примером этой проблемы является общая тенденция в музыкальном образовании: многие дети отказываются от инструментального образования даже после нескольких лет формального обучения гаммам и технике, еще до того, как будут установлены связи с творчеством, социальным взаимодействием. Мы выдвигаем гипотезу, что компьютерное обучение может сыграть решающую роль в соединении «снизу вверх» (сначала сенсомоторное) обучение искусству по принципу «сверху вниз» (в первую очередь креативность) с использованием методов машинного обучения и искусственного интеллекта, которые могут играть роль эксперта по сенсомоторике. Такой подход позволяет учащимся ощутить компоненты творчества более высокого уровня и социального взаимодействия еще до развития необходимых сенсомоторных навыков или академических знаний.

Например, модуль рисования может позволить учащемуся изучить композицию сцены, управляемую алгоритмической системой для визуализации мазков кисти из высокоуровневых инструкций, в то же время изучая мазки кисти и развивая мелкую моторику, необходимую для точного рисования. Программа для обучения написанию песен может позволить студенту управлять переменными высокого уровня, которые часто рассматриваются авторами песен (например, мелодическая дуга, настроение, динамика), управляемыми алгоритмической системой, которая научилась отображать эти переменные на низкоуровневые музыкальные элементы, одновременно развивая двигательные навыки игры на инструменте и базовые академические знания гармонии и теории аккордов. В каждом из этих случаев подмостки, предоставляемые компьютером, не заменяют тяжелой работы; учащийся по-прежнему ограничен предоставляемой конкретной поддержкой. Скорее всего, компьютер позволяет обучаться и практика творческого мышления высокого уровня параллельно с изучением концепций более низкого уровня и служит мотивационным инструментом для поддержания вовлеченности студентов.

Этот подход регулярно применяется в других дисциплинах, где не требуется компьютерный интеллект: например, преподавание компьютерного программирования все чаще опирается на созданный человеком «каркасного кода», который позволяет самой первой компьютерной программе студента создавать богатую, графическую, интерактивную систему, вызывая более устойчивый энтузиазм, чем может быть результатом традиционных текстовых вводных учебных программ по программированию. Это сложнее в искусстве, где в основе лежат инструменты не только когнитивные, но и сенсомоторные. Мы выдвигаем гипотезу, что алгоритмы машинного обучения могут открыть ранние педагогические пути к высокоуровневым навыкам в различных художественных дисциплинах.

В этой статье мы рассмотрим два примера из нашей собственной работы, в которых мы использовали этот подход для оказания помощи в музыкальной педагогике. Обсудив наш опыт, мы кратко рассмотрим возможные расширения в других художественных дисциплинах.

Тематическое исследование 1: Мастер песен Songsmith - это инструмент для компьютерного творчества, который позволяет начинающим музыкантам создавать музыку, просто напевая мелодию. Система машинного обучения анализирует голос пользователя, чтобы выбрать подходящие аккорды, а затем отображает эти аккорды в виде музыкальной аранжировки. Пользователь может использовать интуитивно понятные элементы управления с графическим интерфейсом для настройки стиля и последовательности аккордов, не разбираясь в деталях лежащих в основе алгоритмов и не обладая никакими знаниями теории музыки. Основная цель программного обеспечения - дать начинающему пользователю вкус к созданию музыки на том уровне, на котором автор песен мог бы думать о создании музыки, без базовых инструментальных навыков или понимания теории музыки.

2.1 Мастер песен как образовательный инструмент. Хотя Songsmith изначально не был разработан как инструмент, предварительные отзывы после его выпуска предполагали, что Songsmith может помочь учителям в поощрении учащихся к творчеству: многие учителя музыки знают, что иногда просто помочь детям «найти свою искру» - это самая сложная часть стимулирования музыкального творчества. Кроме того, учителя интересовались использованием Songsmith для обучения музыкальным концепциям, которые иногда бывают трудными, в частности, как аккорды используются в поп-музыке и как мелодии и аккорды сочетаются друг с другом. Даже за пределами музыкальных занятий Songsmith подавал надежды, поощряя творческие подходы к обучению. Учителя прислали примеры того, как учащиеся писали песни о научных концепциях, а родители описали детей, использующих Songsmith для составления музыкальных мнемоник для таблиц умножения. Во всех этих сценариях Songsmith, по сути, заменяет низкоуровневые навыки алгоритмами, позволяя учащимся взаимодействовать с музыкой на уровне, который новички находят привлекательным. Следовательно, мы решили продолжить изучение образовательных возможностей этого инструмента, выпустив Songsmithв нескольких образовательных средах.

2.2 Обратная связь от учителей За 2 года, прошедшие с момента его выпуска, Songsmith был внедрен в нескольких классах, включая государственные школы (включая развертывание в крупной школьной системе Австралии), специализированные музыкальные программы (например, программа «Soundbridge» симфонического оркестра Сиэтла), а также некоторые классы, не посвященные конкретно музыке (например, классы естествознания или английского как второго языка). Ранние взаимодействия между учителями и учащимися свидетельствуют о том, что на самом деле этот подход действительно обеспечивает вовлеченность, на которую мы надеялись. Тщательная проверка этого подхода выходит за рамки данной статьи; в этом разделе мы представим цитаты преподавателей из нескольких сценариев занятий, которые указывают на необходимость дальнейшего изучения. В контексте внешкольного музыкального обогащения программа, в которой дети занимались лишь короткое время, инструкторы надеялись использовать Songsmith для стимулирования интереса к музыкальному образованию, который сохранится и после окончания программы. Предварительные отзывы показали, что учителя были более чем довольны результатами: «Это всегда вызывает восторженные возгласы, когда песня воспроизводится, и дети могут послушать свою собственную песню». [...] «В конечном итоге мы надеемся также использовать ее в качестве инструмента для сочинения песен для детей старшего возраста» Songsmith автоматически генерирует аккорды и сопровождение для вокальных мелодий, позволяя начинающим музыкантам создавать оригинальную музыку путем пения.

Вездесущий компьютер серьезных музыкальных устремления. (Я все еще поражен, что вы можете спеть любую песню в любой тональности, и Songsmith предоставит вам полную последовательность аккордов!) [...] «По большей части детям это нравится; хотя некоторые поначалу стесняются микрофона, они быстро преодолевают это, когда видят, что другие дети используют это и получать так много удовольствия».

Другой учитель связался с нами по поводу использования Songsmith при обучении английскому языку лиц, не являющихся носителями языка, также сообщайте об удовлетворенности этим приложением. Здесь целью было не стимулировать музыкальное творчество как таковое, а улучшить общее взаимодействие с материалом. «Я преподаю английский, и песнопения - прекрасный способ преподавания языка. Я хорош в придумывании мелодий в своей голове, но я не умею играть на инструменте. […] Я с большим успехом использую Songsmith на своих занятиях, и детям нравится подпевать песням, которые я создал». [...] «Я буду продолжать применять этот замечательный инструмент в работе и использовать его, чтобы помочь моим молодые студенты на Тайване учатся более свободно владеть английским языком». [...]

Songsmith также был запрошен несколькими учителями в крупном школьном округе Австралии и впоследствии был включен в программу развертывания программного обеспечения по всему округу. Предварительные отзывы учителей, не занимающихся музыкой, также были положительными об этой программе, также с целью вызвать энтузиазм в классе по другим предметам.

Список литературы:

1. Этем Алпайдин. Машинное обучение: новый искусственный интеллект,2018. – 136-174 с.
2. Анатолий Постолит. Основы искусственного интеллекта в примерах на Python, 2019. — 67-248 с.
3. Владимир Вьюгин. Математические основы машинного обучения и прогнозирования, 2017. -109-181 с.
4. Петер Флах. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных, 2017. -24-102 с.
5. Nils J. Nilsson. Introduction to machine learning, 2020. -34-130 с.