随着智能技术的加速和广泛应用，越来越多的人意识到人工智能不再是一种纯粹的技术手段，而是教育整体变化的内生变量和重要动力。
各种政策的出台，不难看出国家在促进人工智能和教育深度融合以及推动教育变革创新方面的努力和决心。
在传统意义上，机器的优势在于能够帮助人类完成机械而重复性的劳动，对于创造性的工作则参与较少。但随着人工智能技术的发展，它正逐渐应用于音乐的创作、制作、分析和教育等领域。那么，在音乐上人工智能如何发挥？
利用AI作曲是音乐人工智能的方向之一
利用AI 作曲或者辅助作曲变成关注度最高的应用方向之一，很多疑问也就此产生。如AI 作曲技术能否在一定程度上代替人类作曲家？其创作出来的作品是否有“感情”？AI 作曲技术会如何影响传统作曲的思维？
在人工智能于各行业应用的实际过程中，机器学习可以说是AI 最重要的子集之一，它深刻影响着AI 中的其他领域。用AI 技术自动作曲并不是一个新的课题，相关的研究很多年前就已经开始，但是一直受技术所限。
人工智能作曲的主要原理同下围棋的原理类似，主要运用遗传算法 、神经网络、马尔可夫链和混合型算法等，利用音乐规律给计算机制定规则、建立海量数据库，继而进行深度学习，分析作曲规则、结构等各项信息，然后重新生成音乐。
目前，有多家国内外机构和公司开始了该领域的研究。传统的方案是完全建立在用规则构建智能系统的基础上 而新的方案是更多地使用神经网络的方式，即使用“学习”的方式来实现。(神经网络：它的基本特点是模仿人类大脑的神经元之间的信息传递和模式)
音乐“鬼才”小冰
人工智能少女“小冰”一位来自上海音乐学院的毕业生。
“音乐是流媒体，对作品的流畅度要求很高。此前“小冰”在音乐创作中的能力主要是内容的生成，比如演唱，这一次小冰学习的作词、作曲和编曲其实更难。”前微软(亚洲)互联网工程院副院长、现任小冰公司首席执行官李笛说。
如何让人工智能学会音乐创作呢？
首先，基于“小冰”已有的音乐创作模型，团队把端口给到上海音乐学院的老师，让老师去听小冰创作的海量音乐作品，并给出系统性的点评。
其次，老师也教会团队程序员基本的乐理知识，包括编曲技巧等，用于优化“小冰”的创作模型。
最后，“小冰”不断学习，不断交作业，老师不断给反馈。无论“模型”“作业”还是“反馈”，都是一个不断迭代的过程，如此循环往复……
当“小冰”达到和人类同学相似的水平，且趋于稳定，她就毕业了。
像人的学习一样，人工智能也是通过语料库学习海量的内容，然后“创作”新的作品。普通学生学习一首曲子需要至少一周时间，但是在“小冰”的学习中，创作只需要3秒钟。
但是在作品的评价标准上，“小冰”的作品是达到一个怎样的水平？实际上，音乐的魅力在于创作家的“二度创作”，即“感情”。
“一首钢琴曲，十个演奏家弹出来是十种完全不同的感受，这里面就有演奏家的二度创作。这种感受的不同是机器取代不了的。”作曲家于阳说。
因此，在感情表达方面，人工智能音乐目前还达不到最高标准。
AI技术能影响音乐制作的流程
2017年Spotify全球音乐榜排名第二的歌曲是由IBM的Waston Beat人工智能系统参与创作的Not Easy，整个制作过程从多个方面应用了相关的技术来辅助完成。
该系统能够在听到大于等于20秒的音乐后，基于原始的采样生成一段新的旋律或相关的声音和节奏。整个制作流程中，Watson 首先对近5年热门的新闻、文化等音乐相关的数据进行分析、提炼，将音乐创作的核心词定为“心碎”。
其次，在具体歌词的创作阶段，Waston 分析了5年来近26000首歌曲的歌词，提取了博客、推特等社交媒体中的大量信息，分析大众对“心碎”这个词的反应，辅助人类创作歌词。
再次，Watson分析了这些歌曲的风格、乐器、音高、节奏等相关特性， 然后建立模型给人类作曲家提供参考。最后，Waston 进行专辑封面的设计。
实际上，AI 技术用于音乐的识别效果更好，因为Waston每秒钟阅读网页的速度是700000页。这个实例证明了目前AI 技术能够在各个方面影响音乐制作的流程。