2.000 buổi học cho thấy AI dạy nhạc phải hiểu cả buổi học, không chỉ nghe nốt nhạc

Sáu tháng hoạt động công khai đầu tiên của MuseCool gợi ra một bài học khá rõ cho công nghệ giáo dục: một buổi học nhạc không thể bị rút gọn thành bản chép lời.

Kể từ khi ra mắt công khai vào tháng 4, công ty cho biết đã xử lý khoảng 2.000 buổi học nhạc bằng AI âm thanh. Hệ thống được thiết kế để phân tích cả phần hướng dẫn bằng lời lẫn âm nhạc thực sự được chơi trong buổi học. 23

Đây vẫn là mẫu dữ liệu nhỏ, do doanh nghiệp liên quan trực tiếp cung cấp, chứ chưa phải một nghiên cứu độc lập đại diện cho toàn ngành dạy nhạc. Tuy vậy, nó đem lại góc nhìn ban đầu về diễn biến trong các buổi học một kèm một — và về bài toán sản phẩm mà AI dành cho gia sư phải giải quyết.

Phát hiện đáng chú ý: chơi nhạc chỉ là một phần của buổi học

Theo phân tích ban đầu của MuseCool, học viên dành khoảng 40% thời lượng một buổi học trung bình để chơi nhạc cụ. Phần thời gian còn lại có thể là giải thích, thị phạm, lắng nghe, trao đổi và nhiều hoạt động sư phạm khác. 6

Con số này quan trọng vì một hệ thống chỉ nhận diện nốt nhạc hoặc chỉ chuyển lời nói thành văn bản sẽ bỏ sót phần lớn diễn biến của buổi học. Giáo viên có thể giải thích kỹ thuật, chơi mẫu một câu nhạc, chỉ ra lỗi, nghe lại phần vừa chơi, giao mục tiêu luyện tập hoặc trao đổi về cách diễn cảm — xen kẽ với những đoạn học viên trực tiếp biểu diễn.

Cần đọc thận trọng tỷ lệ 40% này. Đây là dữ liệu vận hành do MuseCool công bố và chưa được trình bày như một nghiên cứu toàn ngành có kiểm định độc lập. 36 Dù vậy, kết quả vẫn đặt dấu hỏi với quan niệm rằng chất lượng một giờ học có thể được đánh giá đơn giản bằng số phút học viên chơi đàn.

Vì sao MuseCool chọn AI hiểu âm nhạc

MuseCool mô tả hướng tiếp cận kỹ thuật của mình là Music Information Retrieval (truy hồi thông tin âm nhạc): phân tích phần nhạc được chơi song song với lời nói và ngữ cảnh của buổi học. Mục tiêu mà công ty nêu ra là nhận biết nội dung âm nhạc đã được chơi, đồng thời giúp làm rõ giáo viên và học viên đã cùng xử lý những gì — thay vì chỉ chép lại cuộc trò chuyện. 23

Khác biệt này là trọng tâm của sản phẩm. Một công cụ ghi âm buổi học chỉ trả về bản chép lời chung chung có thể khiến giáo viên phải đọc thêm tài liệu. Trái lại, một hệ thống hiểu âm nhạc có thể hướng đến việc biến buổi học thành tài liệu theo dõi hữu ích: tóm tắt có cấu trúc, ghi nhận hoạt động âm nhạc và hướng dẫn hỗ trợ việc tự luyện giữa các buổi học.

MuseCool cũng từng mô tả nền tảng có thể dùng hoạt động trong giờ học để cung cấp phân tích buổi học, gợi ý bản nhạc phù hợp và trò chơi luyện tập cá nhân hóa, bên cạnh các chức năng vận hành như thanh toán. 15

Muốn gia sư dùng công nghệ, trước hết phải bớt việc cho họ

Việc đưa công nghệ vào dạy kèm cá nhân vốn không dễ. Phương pháp giảng dạy thường mang tính riêng biệt, đã hình thành từ lâu và cần sự linh hoạt. Giáo viên khó có lý do để dùng một hệ thống buộc họ theo quy trình cứng nhắc hoặc tạo thêm đầu việc hành chính.

Định hướng sản phẩm ban đầu của MuseCool phản ánh chính ràng buộc này. AI của nền tảng được kỳ vọng làm công việc lắng nghe và ghi nhận ở hậu trường, trong khi giáo viên vẫn tập trung giảng dạy. 2 Giá trị tiềm năng không nằm ở tự động hóa cho có, mà ở việc giảm các việc theo dõi sau buổi học và cung cấp tài liệu rõ ràng hơn để giáo viên chia sẻ với học viên.

MuseCool cũng vận hành một chợ kết nối gia sư. Trang dành cho gia sư của hãng quảng cáo cộng đồng có hơn 1.622 gia sư và hơn 2.000 buổi học một kèm một mỗi tháng, trực tuyến hoặc trực tiếp. Đây là số liệu do công ty tự công bố, chưa phải chỉ số được kiểm toán độc lập. 8

Không chỉ phân tích buổi học, mà còn là hạ tầng cho việc dạy

MuseCool bắt đầu là một trường nhạc tại London vào năm 2017 và cung cấp các buổi học cá nhân hóa, trực tuyến lẫn trực tiếp. 910

Mô hình này rộng hơn một công cụ phân tích buổi học. Nó kết hợp việc tìm kiếm, ghép nối gia sư với các công cụ vận hành và tiềm năng cung cấp tài nguyên học tập. Trên thực tế, đây là mô hình B2B2C: hỗ trợ gia sư và tổ chức dạy học bằng công cụ quy trình, dữ liệu phân tích, đồng thời giúp người học tìm giáo viên.

Với người học, ưu đãi hiện tại của nền tảng gồm việc mượn miễn phí trong tháng đầu đối với một số nhạc cụ được chọn, và có thể trả lại trong thời gian này; loại nhạc cụ cùng điều khoản cụ thể thay đổi theo từng ưu đãi. 1213

Bộ dữ liệu lớn hơn có thể mở ra điều gì?

Một kho dữ liệu buổi học ngày càng phong phú có thể hữu ích vượt ra ngoài bản tóm tắt cho từng học viên. Nếu có sự đồng ý rõ ràng, biện pháp bảo vệ quyền riêng tư phù hợp và quy trình kiểm định chặt chẽ, dữ liệu này có thể giúp các tổ chức quan sát mô hình giảng dạy nhanh hơn, nhận ra học viên có thể cần hỗ trợ thêm và thực hiện nghiên cứu định lượng hơn về phương pháp sư phạm.

MuseCool cho rằng đây có thể là cách giúp một hoạt động vốn riêng tư và khó đo lường trở nên rõ nét hơn khi nhìn ở cấp độ tổng hợp. 3 Với các nhà sản xuất nhạc cụ và thành phần khác trong ngành âm nhạc, thông tin tổng hợp được quản trị tốt về tiết mục và hành vi luyện tập cũng có thể mang lại giá trị tham khảo.

Tuy nhiên, đó là các khả năng, chưa phải kết quả đã được chứng minh. Giá trị thực tế của bộ dữ liệu sẽ phụ thuộc vào chất lượng dữ liệu, mức độ đại diện, sự đồng thuận có đầy đủ thông tin, cơ chế quản trị và việc các chỉ số tạo ra có thực sự phản ánh việc học tốt hay chỉ phản ánh những gì thuật toán có thể nhận diện.

Những tham vọng còn cần được kiểm chứng

MuseCool được nhắc đến trong hợp tác xoay quanh Music Information Retrieval với Queen Mary University of London; các bài viết cũng đề cập kế hoạch liên quan tới một dự án Innovate UK — cơ quan công của Anh hỗ trợ đổi mới sáng tạo. 6 Tuy nhiên, tài liệu được cung cấp không xác lập phạm vi, thời điểm hay tình trạng tài trợ của công việc này. Vì thế, đây nên được xem là kế hoạch đang phát triển, không phải kết quả đã xác nhận.

Sự thận trọng tương tự cũng cần áp dụng cho các tham vọng khác: nguồn bản nhạc thuộc phạm vi công cộng và bản nhạc có cấp phép, mở rộng tiếp cận cộng đồng nhạc viện, chợ gia sư theo địa phương, hay nhạc cụ tích hợp AI có thể hiểu toàn bộ không gian âm nhạc. Ý tưởng nền tảng nhất quán với mục tiêu kết hợp hiểu biểu diễn và hướng dẫn, nhưng bằng chứng hiện có chưa xác nhận một sản phẩm piano “biết trò chuyện” hoặc nhạc cụ nhận biết cả căn phòng đã hoàn thiện. 23

Đánh giá ban đầu: AI không thay giáo viên, mà phải hiểu trọn vẹn giờ học

Đóng góp đáng kể nhất của MuseCool ở giai đoạn đầu không phải là tuyên bố AI có thể thay thế giáo viên nhạc. Đó là lập luận, kèm dữ liệu ban đầu, rằng đơn vị cần được phân tích là toàn bộ buổi học: âm thanh, lời nói, thị phạm, phản hồi và ngữ cảnh.

Khoảng 2.000 buổi học được phân tích đủ để hình thành các giả thuyết — nổi bật là phát hiện thời gian chơi nhạc cụ chỉ chiếm khoảng 40% một buổi học trung bình — nhưng chưa đủ để kết luận cho toàn bộ giáo dục âm nhạc. 36 Bài kiểm tra tiếp theo sẽ là liệu các đầu ra “hiểu âm nhạc” này có thực sự giúp gia sư tiết kiệm thời gian, cải thiện việc luyện tập của học viên và đáp ứng tiêu chuẩn cao về quyền riêng tư, niềm tin trong một mối quan hệ dạy học rất cá nhân hay không.