Inteligencia Artificial en Educación Musical: Desarrollo de un Entorno de Aprendizaje Basado en Redes Neuronales Generativas
Abstract
Esta tesis presenta una investigación innovadora sobre la aplicación de la Inteligencia Artificial (IA), especialmente en lo que respecta al Aprendizaje Profundo y las redes neuronales generativas, en el ámbito de la educación musical. Tradicionalmente, la educación musical se ha basado en prácticas pedagógicas que enfatizan los conceptos teóricos y las normas interpretativas, descuidando la necesidad de escenarios de práctica variados y realistas que reflejen experiencias musicales auténticas, especialmente en el contexto de la música popular y las habilidades audioperceptivas.
La investigación desarrolla un modelo de IA que genera una variedad ilimitada de ejercicios musicales, superando las limitaciones de los recursos educativos tradicionales, tanto físicos como digitales, que suelen ser predecibles y carecen de adaptabilidad a diferentes estilos musicales y niveles de habilidad.
El foco principal de la tesis es la implementación de modelos de Aprendizaje Profundo, en particular redes neuronales generativas, para crear contenido educativo musical que sea extenso, variado y mantenga un alto grado de musicalidad. Se lleva a cabo un análisis detallado sobre el contenido musical generado por IA, examinando las limitaciones y el potencial de estos modelos en contextos educativos.
Los resultados indican que, aunque los enfoques tradicionales de IA tienen sus ventajas, no logran producir contenido que capte la complejidad y dinamismo del lenguaje musical. Por el contrario, el modelo propuesto, basado en redes neuronales generativas, logra generar ejercicios que son musicalmente ricos y pedagógicamente relevantes.
Además, se realiza una evaluación subjetiva similar al Test de Turing para validar la musicalidad del contenido generado, confirmándose la efectividad del modelo mediante métricas objetivas.
Para futuras investigaciones, se sugiere expandir el trabajo para incluir la generación de piezas musicales más extensas y explorar otras arquitecturas de Aprendizaje Profundo, como los modelos Transformer, para el procesamiento secuencial de datos. Este enfoque promete revolucionar no solo la educación musical, sino también el aprendizaje de lenguajes en un sentido más amplio, ofreciendo herramientas escalables, adaptables y efectivas para educadores y estudiantes.
En resumen, esta tesis marca un avance significativo en la educación musical a través del uso de la IA, mejorando las experiencias de aprendizaje y proveyendo una herramienta valiosa para la enseñanza y el estudio de la música.