Inteligencia artificial para la producci n musical (IAPM): pedagog a y docencia a trav s de estrategias tecnol gicas innovadoras.
(en) Artificial Intelligence for Music Production (IAPM): Pedagogy and Teaching through Innovative Technological Strategies.
(port) Intelig ncia Artificial para Produ o Musical (IAPM): Pedagogia e Ensino por meio de Estrat gias Tecnol gicas Inovadoras.
Marelis Loreto-Amoretti
Universidad de las Artes
marelis.loreto@uartes.edu.ec / marelis.loreto@gmail.com
https://orcid.org/0009-0008-2129-1114
Luis P rez-Valero
Universidad de las Artes
luis.perez@uartes.edu.ec / luisr.perezvalero@gmail.com
https://orcid.org/0000-0001-7503-0042
Loreto-Amoretti, M., & Perez-Valero, L. (2024). Inteligencia artificial para la producci n musical (IAPM): pedagog a y docencia a trav s de estrategias tecnol gicas innovadoras.. YUYAY: Estrategias, Metodolog as & Did cticas Educativas, 3(1), 66 87. https://doi.org/10.59343/yuyay.v3i1.59
Enviado: 20-02-2024 / Revisado: 26-03-2024 / Publicado: 30-04-2024
C.net Magister
Resumen
Desde su creaci n, la producci n musical ha tenido un v nculo estrecho con la tecnolog a, existe gracias a ella. Por ello, los cambios tecnol gicos redundan en los modos de grabar m sica y en la est tica del audio. Ahora bien, c mo opera la emergente inteligencia artificial (IA) en la producci n musical? Qu alternativas tienen las instituciones y los profesionales que se dedican a la ense anza del audio frente a la consolidaci n de la inteligencia artificial para la producci n musical (IAPM)? El objetivo de este ensayo es analizar el impacto de la IA desde la intersecci n de la educaci n, producci n musical y nuevas tecnolog as. Se realiz un estudio exhaustivo cuya metodolog a incluy revisi n bibliogr fica, entrevistas a especialistas del audio y la aplicaci n de algunas tecnolog as de IAPM. A partir de este enfoque, se ha procurado comprender c mo las estrategias tecnol gicas est n transformando la ense anza de la producci n musical. Dentro de los resultados que se presentan, se revela que la discusi n sobre m sica, computadoras e inteligencia artificial lleva casi setenta a os; sin embargo, actualmente es un campo emergente en constante evoluci n. Se ha se alado el rol de las instituciones que imparten esta disciplina y la integraci n de la inteligencia artificial para la producci n musical en sus programas acad micos. De esta manera, se aspira a potenciar la sostenibilidad y eficacia de la ense anza para la producci n musical. Igualmente, se subraya el nuevo rol del docente, quien podr fungir como tutor, curador y asesor de los estudiantes con el uso de IAPM.
Palabras clave: Educaci n; producci n musical; inteligencia artificial; innovaci n educativa.
Abstract
Since its inception, music production has had a close relationship with technology; it exists thanks to it. Therefore, technological changes have an impact on the ways music is recorded and on the audio aesthetics. Now, how does emerging artificial intelligence (AI) operate in music production? What alternatives do institutions and professionals dedicated to audio teaching have in the face of the consolidation of artificial intelligence for music production (IAPM)? The objective of this essay is to analyze the impact of AI from the intersection of education, music production, and new technologies. An exhaustive study was conducted, which included bibliographic review, interviews with audio specialists, and the application of some IAPM technologies. From this approach, we have sought to understand how technological strategies are transforming the teaching of music production. Among the results presented, it is revealed that the discussion about music, computers, and artificial intelligence has been going on for almost seventy years; however, it is currently an emerging field in constant evolution. The role of institutions that teach this discipline and the integration of artificial intelligence for music production into their academic programs have been highlighted. In this way, the aim is to enhance the sustainability and effectiveness of teaching for music production. Similarly, the new role of the teacher is emphasized, who will be able to act as a tutor, curator, and advisor to students through the use of IAPM.
Keywords: Education; music production; artificial intelligence; educational innovation.
Resumo:
Desde a sua cria o, a produ o musical tem uma liga o estreita com a tecnologia, existe gra as a ela. Portanto, as mudan as tecnol gicas afetam as formas de grava o de m sica e a est tica do udio. Agora, como funciona a emergente intelig ncia artificial (IA) na produ o musical? Que alternativas t m as institui es e profissionais dedicados ao ensino de udio diante da consolida o da intelig ncia artificial para produ o musical (IAPM)? O objetivo deste ensaio analisar o impacto da IA a partir da intersec o da educa o, da produ o musical e das novas tecnologias. Foi realizado um estudo exaustivo cuja metodologia incluiu revis o bibliogr fica, entrevistas com especialistas em udio e aplica o de algumas tecnologias do IAPM. A partir dessa abordagem, buscamos compreender como as estrat gias tecnol gicas est o transformando o ensino da produ o musical. Dentro dos resultados apresentados, revela-se que a discuss o sobre m sica, computadores e intelig ncia artificial j se arrasta h quase setenta anos; No entanto, atualmente um campo emergente em constante evolu o. Tem sido destacado o papel das institui es que ministram esta disciplina e a integra o da intelig ncia artificial para a produ o musical nos seus programas acad micos. Desta forma, pretende-se potenciar a sustentabilidade e a efic cia do ensino da produ o musical. Da mesma forma, destaca-se o novo papel do professor, que pode atuar como tutor, curador e orientador dos alunos com a utiliza o do IAPM.
Palavras-chave: Educa o; produ o musical; intelig ncia artificial; inova o educacional.
Planteamiento[1]
Con la aparici n en internet de ChatGPT en 2022,[2] se ha discutido en medios de comunicaci n, redes sociales y congresos, la pertinencia, fortalezas, debilidades y amenazas de la inteligencia artificial (IA). Desde el sistema educativo, hay dos puntos que se debaten. El primero, la IA como parte integral de los nuevos modelos pedag gicos, en los cuales la tecnolog a y la computaci n tienen un papel fundamental (Ros-F bregas, 2023; Deruty et al., 2022). Otra l nea, que considera la IA como el fin de la ense anza tradicional mediada por el docente, la amenaza en puestos de trabajo y la transferencia de datos privados. (Reje, 2022; Born et al., 2021). El informe de Born et al. (2021) contiene datos estad sticos sobre el impacto de la IA en la circulaci n y consumo de la m sica. El documento sustenta, con datos emp ricos, las razones por las cuales el Estado debe regular y controlar la IA, justificado desde la protecci n del consumidor. A modo de curiosidad, la misma autora critic , hace veintinueve a os, el proteccionismo del Estado en las producciones art sticas y culturales que realiza el IRCAM en Par s. (Born 1995).
Hist ricamente, la ense anza de la m sica ha estado condicionada por la relaci n entre maestro y disc pulo, sistema de ense anza por imitaci n. Por ello, en m sica se habla de escuelas de ense anza o estilo de un compositor, int rprete o pa s, porque se sostiene la idea de que cierta manera de tocar o escribir m sica mantiene una l nea estil stica que ha pasado de generaci n en generaci n por v a oral, aunque luego aparezcan tratados te ricos y m todos pedag gicos que legitiman la tradici n (Stypulkowski, 2020; Dirst, 2012). Incluso, en m sica popular, los int rpretes aprenden a tocar sus instrumentos a trav s de la imitaci n, reproducen instintivamente lo que se escucha a partir del soporte de una grabaci n o video. La IA confronta estos modos de hacer y producir m sica. El debate sobre la inteligencia artificial en educaci n y artes es relativamente nuevo en lengua castellana y que est habiendo eco en algunas revistas, como Nierika de la Universidad Iberoamericana de M xico o la F-Ilia del Instituto Latinoamericano de Investigaci n en Artes de la Universidad de las Artes, Ecuador, es una buena noticia. Como presentaremos m s adelante, en lengua inglesa el debate est abierto desde hace varias d cadas.
A diferencia del debate presentado desde la educaci n, la industria discogr fica ha reconocido en la IA un recurso inigualable. La industria del disco existe gracias a la tecnolog a de la grabaci n, un mundo articulado por ingenieros de audio, cient ficos, t cnicos, m sicos y gestores; todos han coexistido y sobrevivido a los cambios que se han producido en la tecnolog a del audio. La aparici n de la IA, lejos de ser un obst culo, es el nuevo objetivo que se han trazado las grandes corporaciones discogr ficas, como Sony, Warner y Universal, quienes invierten dinero y tiempo en desarrollar inteligencia artificial para la producci n musical (IAPM). Por ejemplo, el Sony CSL Research Laboratory es un departamento exclusivo para desarrollar tecnolog a para la producci n y comercializaci n de audio. Entre otros softwares, han desarrollado Flow Machines, programa de composici n asistida que modifica el sonido a partir de las sugerencias del usuario. [3]
La primera en conseguirlo tendr los derechos de la patente durante sesenta a os. La competencia por las patentes ha sido parte de la industria discogr fica desde su origen. La primera compa a en controlar una patente de formatos, equipos o software tiene el monopolio en procesos de producci n, tecnolog a de reproducci n. V ase: Hatschek y Wells (2018). En la producci n musical, cada nueva tecnolog a modifica el resultado del audio y el flujo de trabajo. Ante este panorama, cu l es el rol de los centros de ense anza de educaci n superior que ofrecen la carrera de producci n musical? C mo se articula, dentro de un proceso tradicional de ense anza-aprendizaje, la aparici n de la IAPM?
Para dar respuesta a estas interrogantes, el presente ensayo se ha estructurado en tres partes: en la primera, se presenta un resumen de la pedagog a en la producci n musical; luego, un panorama de la IAPM, su asimilaci n en la industria del fonograma y su impacto en los modos de hacer y producir m sica. Por ltimo, se expone el cambio de paradigma pedag gico del docente frente a las IAPM y los desaf os que enfrenta el modelo de educaci n musical tradicional en el aprendizaje de la producci n musical.
En el mbito metodol gico, se realiz una revisi n bibliogr fica en la cual se constat que, en lengua inglesa, la discusi n sobre m sica, computaci n e IA tiene varias d cadas; caso contrario en lengua espa ola, donde el debate es reciente. Los contenidos encontrados se dividieron en tres categor as: producci n musical e IA, incorporaci n de la IA a la industria discogr fica y las implicaciones en los modelos pedag gicos. Se realiz una escucha de lbumes que han sido producido con IA y se sintetizaron en este trabajo los aspectos que se consideraron pertinentes, como el compromiso de la industria de la m sica con la tecnolog a y la pr ctica docente. Se realiz una b squeda inform tica a trav s de internet y tel fonos m viles, en donde se constat un gran n mero de aplicaciones de IAPM. Adem s, se entrevistaron a cuatro productores musicales y cinco DJ. A los productores se le someti a una escucha cr tica de las grabaciones hechas con IAPM, y todos coincidieron en que el resultado de la grabaci n era clich s de la industria musical, pero nunca distinguieron cu l grabaci n se hizo con IA y cu l no. Los DJ reconocieron usar IA en sesiones en vivo y que el p blico no notaba la diferencia cuando era una mezcla humana y cuando no.
Desarrollo
Producci n musical y pedagog a
La producci n musical como proceso pedag gico es de reciente creaci n. El productor musical conoc a su oficio siendo aprendiz dentro de los estudios de grabaci n. El d a a d a, la constante pr ctica, el ensayo y error, las experiencias vividas y compartidas, hac an que el productor musical dominara el arte de producir un fonograma (Cheung-Ruiz y P rez-Valero, 2020). El cambio tecnol gico de la grabaci n y producci n no ha sido un problema; al contrario, es la constante desde el inicio de la era fonogr fica. La industria del disco es fiel al axioma de transformarse o morir. En este sentido, la adquisici n de la tecnolog a ha sido el principal inconveniente, no la capacidad de adaptaci n.
A diferencia de la m sica, cuya permanencia est refrendada por estudios musicol gicos, la producci n musical tiene un vac o te rico que se ha ido llenando en los ltimos a os a trav s de la musicolog a para la producci n musical o del fonograma; es decir, la uni n entre musicolog a y producci n musical ha sido por medio de los rigores metodol gicos de la primera y las destrezas t cnicas y resultados sonoros de la segunda (Zagorsky-Thomas, 2014; Juan de Dios Cuartas, 2016; Moylan, 2020; P rez-Valero, 2022; Di Cione, 2023; Caballero Parra, 2023).
La educaci n del productor musical era un proceso vivencial, pr ctica constante dentro del estudio de grabaci n donde se adquir a el conocimiento t cnico y est tico del fonograma. Con el asentamiento del oficio dentro del claustro universitario, se sum la tarea de sistematizar, a trav s de m todos, did cticas y pedagog as, aspectos que se adquir an con una rutina al lado del ingeniero de audio. De esta forma, en el d a a d a se aprend an los procesos de mezcla, el procesamiento de se al de audio, eliminaci n de ruido y la optimizaci n de la grabaci n durante la masterizaci n.
De igual modo, en las ltimas d cadas se ha vinculado la carrera del productor musical con la academia para otorgar un diploma de grado universitario, aumentando las universidades que certifican el oficio. Esto ha pasado en otras carreras, como las artes esc nicas, el dise o de modas o la orfebrer a. Algunas carreras que hoy tienen tradici n acad mica comenzaron como un oficio que, en algunos casos, se consideraban inferiores, como lo eran en el siglo XVI la odontolog a o la cirug a general. En Latinoam rica hay una gran oferta: Instituto Tecnol gico Metropolitano de Medell n, Colombia; Tecnol gico de Monterrey, M xico; Universidad Federal Fluminense en Brasil; Universidad de Palermo, Argentina. En el caso de Ecuador destacan la Universidad San Francisco de Quito, la Universidad de Especialidades Esp ritu Santo, la Universidad de las Am ricas y la Universidad de las Artes, por citar algunas instituciones. La oferta es mayor si se incorporan los institutos tecnol gicos, academias privadas y otras universidades que ofrecen la carrera en modalidad online.
El desarrollo de la carrera dentro de la universidad sucedi cuando el acceso a la tecnolog a de la grabaci n se abarat . Hace cuarenta a os era imposible para una persona comprar equipos de grabaci n, como las que ten a un gran sello discogr fico. Solo el equipamiento ac stico, sin ning n objeto o herramienta tecnol gica, era inaccesible sin un cr dito que pod a no recuperarse. El gradual acceso a la tecnolog a a partir de la era digital ha permitido que, con software gratuitos, una interfaz econ mica y un micr fono de gama media, se puedan hacer producciones nada desde ables. De hecho, algunos programas como Cubase, FL Studio o Ableton Live poseen interfaces con las cuales cualquier individuo, con una m nima sensibilidad y gusto, puede hacer una producci n sin necesidad de conocer los rudimentos te ricos de la m sica, los signos de notaci n musical e, incluso, sin saber tocar un instrumento. Esto ha tra do algunas cr ticas dentro del gremio de la m sica acad mica tradicional, en donde la ense anza individualizada de un instrumento requiere cerca de diez a os de vida. El tiempo de estudios depende del instrumento y var a de acuerdo con el sistema educativo, el pa s, la instituci n y las habilidades del m sico. De este modo, la tecnolog a acort el per odo de tiempo para hacer m sica.
El acceso a los equipos ha permitido que se abran carreras universitarias de producci n musical. De hecho, la misma industria ha ampliado la noci n de lo que es producir m sica, involucra al DJ, un dise ador sonoro, t cnicos de sonido en vivo, entre otros. El DJ era una mediaci n, el realizador por antonomasia del mash-up: dos grabaciones similares en tempo y tonalidad eran sincronizadas por el DJ, se superpon a en un punto determinado de ambas grabaciones y se generaba la magia del DJ: una tercera obra, resultado de dos que ya exist an. Con la IAPM, no solo se hace m s r pido, sino que temas que hace a os eran incompatibles, la IA las puede hacer coincidir inmediatamente (Gunkel, 2008). No es acaso el fin ltimo de la producci n hacer una m sica que suene y quede fijada dentro de un fonograma? Mientras este dilema sigue sin resolverse, ha aparecido la inteligencia artificial para la producci n musical.
Modos de ense ar, producir y procesar informaci n est n cambiando con la IA. En el mbito musicol gico, a trav s de tecnolog as que se relacionan, como Optical Character Recognition (OCR) y Optical Music Recognition (OMR), se reconstruyen fragmentos de m sica que estaban perdidos o eran ilegibles (Ros-F brega, 2023). Asimismo, la IAPM abre un abanico de posibilidades que solo se ver n refrendadas en el fonograma final cuando el productor musical tome las decisiones a partir de lo que ofrece la IA (Moffat y Sandler, 2019).
La IA es el resultado de un largo proceso de invenci n tecnol gica que se ha articulado con la creaci n art stica. En 1949, Robert Bussa desarroll el Index Thomisticus, con el cual se iniciaron las Humanidades Digitales, una compilaci n de largo aliento en el que la computadora tuvo el rol protag nico.[4] En esta misma l nea, Barry S. Brook propuso en 1966 la RILM Abstracts of Music Literature, iniciativa semejante al proyecto de Bussa, pero centrado en la m sica y que cont con el apoyo del Graduate Center de The City University of New York.[5] Ambos proyectos no son programas en el sentido estricto del t rmino, pero inician la era de trasladar la producci n intelectual y art stica del soporte f sico a digital.
El debate sobre m sica, tecnolog a e IA tiene setenta a os. En 1953, Dietrich Prinz hizo la s ntesis sonora de melod as y ritmos al azar generados por computadora; adem s, sonaba y se hac a tangible en la realidad ac stica (Cetta, 2018). Algunos programas de composici n algor tmica se hallan desde 1955, como OM (OpenMusic),[6] desarrollado actualmente por el IRCAM, siglas en franc s del Institut de Recherche et Coordination Acoustique/Musique, fundado en 1970 por el c lebre compositor y director Pierre Boulez (1925-2016); y que abre posibilidades en donde el azar, a trav s de los algoritmos generan los materiales musicales. Esto ha tra do la aplicaci n sistem tica de la tecnolog a para la creaci n musical. Al no tener controlados los resultados est ticos, se acu el t rmino m sica experimental a toda m sica hecha con computadoras (Hiller e Isaacson, 1959); aunque, como veremos m s adelante, el resultado musical de la IAPM no se incorpora a lo experimental-s nico; por el contrario, es mainstream de la m sica pop.
En tal sentido, Dugan (1975) hab a presentado avances de la mezcla de audio a trav s de procesos autom ticos. Si bien el investigador estaba frente a una incipiente IA, el estudio analizaba las posibilidades inform ticas en donde una m quina tomaba decisiones en lo que era uno de los principales roles del productor musical, la mezcla de la grabaci n. Actividad que ha pasado del o do del productor, a los programas inform ticos. Sheridan y Verplank (1978) desarrollaron prototipos de interacci n entre humanos y computadoras, buscando obtener resultados automatizados a partir de estad sticas que reemplazar an las capacidades ordinarias de comunicaci n.
Road (1980) hab a previsto las ventajas de la IA en m sica y se preocup por los protocolos metodol gicos para la producci n de audio y s ntesis. Este tipo de investigaci n hall eco a os despu s en el trabajo de Russel y Norvig (1995), en donde perfilaron los alcances, l mites, repercusiones y miedos de una IA. Por su parte, Miranda (2000) consider los posibles impactos psicol gicos en usuarios de IAPM. Si bien para la fecha fue un ejercicio de especulaci n en torno a la tecnolog a del momento, centra la atenci n en el usuario, porque a n la IAPM necesita la interacci n con humanos.[7]
El usuario tambi n fue el centro de atenci n de Schedl et al. (2016). Los autores estudiaron c mo la IA se convirti en una comunidad virtual, con alcance e interacci n en plataformas y redes sociales. En algunos casos, el resultado est tico de la m sica era determinado por la relaci n entre usuarios y probabilidades estad sticas. Esto no es menor, la IA ha redefinido los modelos de creatividad y genera expectativas en un entorno de g neros musicales conocidos. La m sica popular ha estado mediada por la tecnolog a y la IA no es una excepci n.
IAPM e industria discogr fica
La industria discogr fica es un mundo en permanente transformaci n: de la grabaci n ac stica (1878) ha pasado a la grabaci n el ctrica (1920) y luego a la digital (1990). Ha sobrevivido a los cambios de formato del soporte, del disco de 78 rpm, al de 33 1/3, el casete, el disco compacto y ahora las plataformas streaming. La asimilaci n de la IAPM es parte de este proceso y la industria invierte para ofrecer un nuevo medio de producci n para profesionales y aficionados.
Las tres majors internacionales, Sony, Warner y Universal Music, cuentan con laboratorios dedicados al desarrollo de la IAPM. Adem s, han hecho lanzamientos discogr ficos en los cuales se publicita el uso de la IAPM como estrella del disco. Taryn Southern sac el lbum I AM AI (2018) y, en el mismo a o, Sony hizo un disco compuesto por una IA: Hello World (2018) de Skygge y producido por Benoit Carr . Este ltimo explic que la IA fue un miembro m s del equipo de trabajo (Avdeeff, 2019). Al a o siguiente, Holly Herndon aparece con Proto (2019), otro lbum publicitado como el resultado de la interacci n entre humanos e IAPM. Lo interesante de estas propuestas es que la IAPM es un medio para la grabaci n, no el resultado exclusivo.
Moffat y Sandler (2019) han se alado tres aspectos que interrelacionan lo humano con la IA. En primer lugar, el ingeniero de audio controla la informaci n que necesita la IAPM; por ahora, es el primer punto de control. Segundo, el ingeniero es quien decide si incorpora o no el resultado que da la IA. Por ltimo, a pesar del resultado que ofrezca la IA, el ingeniero puede intervenir manualmente el audio. De esta manera, la IAPM interact a en diferentes niveles, pero el ingeniero de audio controla y selecciona los resultados que desea obtener. Si bien a n el humano es parte del proceso, gradualmente la IAPM podr a reafirmar ciertas reglas y convertirlos en procesos automatizados. Ha habido intentos, aunque m s como publicidad que como hechos reales.
En abril de 2023, un compositor fantasma declar a los medios de Estados Unidos que la grabaci n de Heart on my Sleeve de Drake y The Weeknd hab a sido compuesta por una IA. Esto gener un presunto cisma sobre la IA como generadora de material musical para artistas, productores y los sellos discogr ficos (Seabrook, 2024). La m dula del esc ndalo radic en el uso de una IA y no de un ghostwriter, lo que nos lleva a la conjetura de que fue una estrategia publicitaria, pues el tema en cuesti n permaneci en los primeros lugares de la revista Billlboard. La figura del escritor fantasma es aplicada a aquel creador que vende su fuerza de trabajo a otro autor y no firma ni aparece en los cr ditos. El t rmino se asocia a la literatura, pero existe en todas las artes y es un tema tab en los estudios hisp nicos sobre historia del arte, estudios literarios y musicolog a. V ase: Novotny (2018).
Con la IAPM hay nuevos derroteros en la industria fonogr fica. La optimizaci n de la mezcla, un proceso que requer a de varios d as o semanas de dedicaci n exclusiva y de o dos de un profesional, ahora es realizada en segundos. Hay dos aspectos que se resumen en la argumentaci n anterior: tiempo y calidad, dos elementos que la industria discogr fica ha buscado resolver a lo largo de toda su existencia.
Inteligencia artificial y producci n musical
Deruty et al. (2022) han distinguido tres campos de acci n de la IAPM. El primero, composici n musical en el sentido tradicional del t rmino: generaci n de melod as, armon as y ritmos. El segundo aspecto involucra la improvisaci n musical y el performance en vivo, que tiene a la figura del DJ como protagonista (Knotts y Collins, 2021). En la elaboraci n de este ensayo se conoci que varios DJ organizan su material musical mediante IA: repertorio, mezcla de temas, combinaciones y efectos se hacen a trav s de IA y el auditorio no lo nota. Por ltimo, el uso de la IAPM tiene un sitial de honor en la aplicaci n en estaciones de audio digital, procesamiento de material grabado, audio y edici n. En esta rea son muchas las posibilidades y que son usadas en producciones discogr ficas y m sica en vivo (Bowen, 2021). Esto ha incentivado a Google a desarrollar programas como DeepMind, una IA para generar m sica y SynthID, programa que detecta en una grabaci n los sonidos que han sido generados por una IA.[8]
En este ltimo aspecto, Tsiros y Palladini (2020) han analizado el Channel-AI y sus aplicaciones en conciertos, transmisi n en radio, streaming, teatros e iglesias.[9] Una IA polifuncional que no es autom tica y requiere la asistencia del ingeniero de audio. Los autores determinaron que los estudios anteriores se hab an centrado en las posibilidades de las IA, pero poco en la importancia de la interacci n del factor humano. Esto es central en la IAPM porque a n no se han desarrollado un software con esa total independencia.
El radio de acci n de la IAPM es la m sica popular. Avdeeff (2019) se ala que la IA trabaja desde modelos propositivos, el usuario decide qu aplicar y qu no. Adem s, la m sica contin a funcionando con el sistema musical de tradici n occidental. La IAPM propone alternativas s nicas complejas, texturas interesantes, pero genera atm sferas musicales desde el punto de vista propositivo m s tradicional: melod a y armon a tonal, ritmos reconocibles, aspectos que se circunscriben a la audici n convencional del repertorio. Lo que la IAPM est cambiando es el flujo de trabajo de la producci n musical, no el resultado est tico.
Conforme a ello, la IA permite a los artistas y productores una paleta amplia de posibilidades en creaci n, aunque genere incongruencia en algunos aspectos. Por ejemplo, el compositor de hoy puede componer sin haber pasado por un conservatorio y sin tocar un instrumento. El productor musical puede elaborar fonogramas complejos sin haber pisado un estudio de grabaci n. Lo que establece una triangulaci n entre compositores, productores e IAPM. Sin embargo, las grandes corporaciones conf an a n en el productor como director creativo y sigue controlando el resultado final. En consecuencia, el productor musical de hoy d a es un intermedio entre la IAPM, el artista y la industria.
Clark et al. (2018) se alan que el productor controla la intervenci n de la IA y la puede usar de manera directa como otra herramienta de grabaci n. En este sentido, la IAPM es una m quina en proceso de aprendizaje y est sometida a la intervenci n de un dise o previo de trabajo para obtener resultados. Pero la IAPM ofrece alternativas al s ndrome de la hoja en blanco y de bloqueo creativo. Adem s, estamos frente a un software que est en constante aprendizaje y perfeccionamiento, con lo que en el transcurso de los meses se podr a convertir en piedra angular de la producci n de audio. Una posible vertiente de la IA radica en la generaci n de ideas que sean innovadoras y poco ortodoxas (Giotti, 2021; Piantanida y Vega 2021). Sin embargo, debemos destacar que las grabaciones profesionales realizadas con IA lejos de ser innovadoras, suena a m sica electr nica pop con un toque de sonido vintage. Estas cualidades no son aleatorias. La industria discogr fica est generando productos con IA que conlleven una carga emocional para el oyente.
La producci n musical se encuentra en este momento en una transici n. A n conviven simult neamente la grabaci n anal gica con la digital y la incorporaci n de la IAPM ha sido gradual. Empero, la tendencia es hacia la automatizaci n completa de los procesos de grabaci n. Desde el pensamiento posthumano, estamos hablando de una IA que cree m sica de manera espont nea, porque, por ahora, la IA funciona como una herramienta m s. Adem s, frente a la demanda y el estilo de la m sica, la IA no es a n independiente y es direccionada seg n los requerimientos estil sticos que la m sica requiera. En este sentido, el productor musical controla el estilo e identifica las necesidades expresivas y t cnicas que requiere la m sica (Grachten et al., 2020). En realidad, estamos frente a la reducci n de tiempos en la producci n de un fonograma.
La IA ha impactado en el flujo de trabajo de la producci n musical y se ver n afectadas las oportunidades laborales. Habr una transformaci n profunda de la producci n como oficio. En la ltima d cada se habl de la desaparici n del estudio de grabaci n profesional por la consolidaci n del Home Studio (Espiga, 2020); hoy estamos ante la aparici n emergente de la IAPM que puede instalarse en un dispositivo m vil. Al respecto, los planes educativos deber n considerar el uso de esta tecnolog a de manera pr ctica y que est en constante cambio (Paterson et al., 2019). Los sellos discogr ficos han desarrollado aplicaciones para m viles, algunas de descarga gratuita. Esto les permite analizar la efectividad de la interfaz, del programa, tipo de audiencia y repertorios que se producen. Algunas aplicaciones de IAPM que funcionan a la fecha de redacci n del presente ensayo y est n disponibles en Google Play son: Djaminn, AI Cover Melodia, AI Song Generator, Musik Maker, Moises, Muso Chord AI, entre otras.
Desde su origen, la producci n musical ha consistido en la captura, manipulaci n y soporte del audio. Pardo et al. (2019) definen lo anterior desde las operaciones que se realicen del sonido y que tengan como fin ltimo su difusi n. De esta manera, los par metros de espacialidad, percepci n espacial y espacialidad sem ntica del sonido son aspectos primordiales que modifica la IAPM. No en vano, el software LANDR[10] es una IA especializada en la posproducci n de audio, modifica la compresi n, ecualizaci n, reverberaci n, profundidad y otros efectos que son utilizados en la b squeda del sonido que desea el productor. La reverberaci n es el elemento que m s se modifica durante la posproducci n de audio. Una reverberaci n natural consiste en las reflexiones de tiene un sonido en superficies como madera o concreto y que est n alrededor de donde se produce el sonido. Estas reflexiones producen un eco que permite identificar el espacio, las caracter sticas de rebote, y redundan en la cualidad s nica de la grabaci n. El dominio de la reverberaci n garantiza de antemano la calidad que se obtendr en la grabaci n.
Por esta raz n, la cadena de producci n musical considera al artista como materia prima. El aporte musical se manipula para obtener un fonograma ptimo, las decisiones t cnicas y est ticas quedan en manos del productor musical. La ecualizaci n afecta el audio y puede modificar el timbre, ampl a o acorta la amplitud de onda y es un proceso que, realizado en forma anal gica, implicaba muchas horas de trabajo de un t cnico especializado. Con la ecualizaci n incorporada a las IAPM se ahorran horas de estudio, el ingeniero de audio obtiene en segundos varias opciones y tan solo debe elegir la que mejor funcione. Es en este ltimo aspecto en el que la educaci n para la producci n musical debe enfocarse: preparar al futuro productor para que tome las mejores decisiones a partir de factores est ticos y estil sticos de la m sica.
Las exigencias de un productor profesional podr n diferir con respecto a un productor aficionado, pero la IAPM acota la brecha entre profesionales y legos. Un aspecto que se alan Pardo et al. (2019) es el uso de palabras generales en usuarios aficionados que describen el sonido que desean. Palabras como brillo , profundidad , entre otras, se usan con frecuencia para indicar el sonido que se busca; en consecuencia, se modifica el audio a partir de descriptores que modifican la amplitud, frecuencia, etc. Los autores realizaron el levantamiento de un vocabulario utilizado por m sicos, ingenieros y aficionados para referirse a tres de los principales efectos de posproducci n: ecualizaci n, reverberaci n y rango din mico (compresi n). Los investigadores programaron una IA con los descriptores de audio, dise aron un margen de aproximaci n y la posibilidad de continuar haciendo cambios al resultado sonoro manualmente. De esta manera, ha surgido SynthAsist: Vocal Imitation, un software en el que el usuario no necesita verbalizar lo que desea, tan solo con su voz, a trav s de onomatopeyas, susurros o chasquidos, obtiene una aproximaci n del sonido que desea. El proceso es similar a dictar en voz alta a un procesador de palabras (Cartwright y Pardo, 2014).
Llegado a este punto, el estudiante no necesitar tener una idea concreta del sonido que desea, ni conocimientos musicales previos; con solo emitir los sonidos, el software generar un resultado sonoro que se manipula en posproducci n con otra inteligencia artificial. Ante este panorama de independencia de los n veles productores musicales, cu l es el rol del docente de producci n musical frente a la IA? C mo ser a un plan de trabajo para un docente de producci n musical y que deba ense ar con esta tecnolog a? El docente est quedando como un orientador, da instrucciones y aconseja c mo aprovechar el programa. Pero, como han mostrado Pardo et al. (2019), llegar un grado de sofisticaci n en el que esto ya no se har . Entonces, a corto plazo, el docente facilitar la comprensi n de las distintas corrientes est ticas con el uso de la IA.
IAPM y la pr ctica docente
En el mbito educativo, la IA es un modo de representaci n del conocimiento, resultado de a os de estudios te ricos y t cnicos sustentados por una base de datos; a partir de esto, la IA genera resultados sustentados desde las nociones que tenga de la m sica (Moffat y Sandler, 2019). Se presenta, entonces, un dilema profesional cuando el docente universitario gu a al novel estudiante de producci n musical. Debe llevarlo por el sendero tradicional de la escucha cr tica, pensada y razona de un repertorio?, o incentivarlo a seguir los derroteros que marca la IA? Lo ideal es la conjunci n de ambas pr cticas, pero no siempre es posible. Se puede contar con el uso gratuito de IA en tareas b sicas, pero la IAPM tiene sus costos y en el mbito universitario requiere de licencias educativas. En Am rica Latina, son necesidades dif ciles de presupuestar en el sector de la educaci n p blica. El acceso a la tecnolog a es mediado por la capacidad de adquisici n de las instituciones o productores que trabajen de manera independiente. Algunos pa ses del continente no poseen una industria musical consolidada, las universidades p blicas ven mermar los recursos financieros y se hace menester fortalecer alianzas que involucren acceso a equipos y licencias de IAPM. De la misma manera, es imperativa la formaci n del docente en el uso de IA.
Qu es lo esencial de un proceso educativo? Capacitar a un individuo para que resuelva situaciones en el mundo profesional y personal. En este sentido, la IA ofrece varias alternativas para resolver un mismo problema. Espec ficamente, con las IAPM, no hay un modelo exclusivo para equilibrar los instrumentos en la mezcla de una producci n musical. Una mezcla ptima es posible por la conjunci n de la tecnolog a, la interpretaci n musical y el refinamiento est tico que tenga el ingeniero de audio. Del mismo modo, cuando nos enfrentamos a procesos automatizados con IAPM, distintas opciones funcionan de manera ptima (Jillings y Stables, 2017). A pesar de la intervenci n t cnica de la inteligencia artificial, el productor musical a n tiene la decisi n final, la ltima palabra est en manos de un humano. Al respecto, aunque haya la intervenci n de los algoritmos, el resultado que llega a los o dos del consumidor es de naturaleza subjetiva. He aqu la presencia vital del tutor acompa ante.
Hoy, la ense anza de producci n musical involucra que el docente oriente sobre la inteligencia artificial en esa rea; a la vez, ha de guiar al estudiante y procurar que el gusto se ampl e al campo de acci n y el conocimiento sobre repertorios musicales. A tal efecto, la inteligencia artificial para la producci n musical permite que un m sico aficionado obtenga un resultado satisfactorio y profesional desde una primera grabaci n. La pista queda con los est ndares que exigen las plataformas streaming y tambi n puede cubrir los requisitos de derecho de autor. Sin embargo, contin a mediando la presencia del experto y del o do entrenado; esto es, tener la capacidad de reconocer, a trav s de la escucha, si un g nero musical funciona o no.
Ante el desarrollo de la IAPM, cu l es el impacto en el ejercicio docente de la producci n musical? Ahora mismo, no es posible medir el impacto que est teniendo en los centros de ense anza de producci n musical. Se ha evidenciado que la IA contin a dentro de los roles tradicionales de la m sica popular; es decir, se ha acoplado a la composici n y es usada en la edici n y mezcla de audio. Pero el resultado se restringe a la representaci n simb lica que tiene un determinado g nero musical (Deruty et al., 2019). Dicho de otro modo, la inteligencia artificial en la producci n musical se ha posicionado como tecnolog a de procesamiento de audio, es parte de las estaciones de audio digital, interviene en la creaci n de s ntesis de sonido, interpolaci n de materiales musicales, en la mezcla y mastering, pero necesita al usuario que acerca a la IA con la familiaridad de un estilo musical.
La aparici n de la IAPM ha acortado el tiempo de aprendizaje del novel productor musical. El proceso de aprendizaje que consist a en etapas para conocer los equipos de grabaci n, y el procesamiento de la se al de audio conllevaba a un m nimo de teor a y muchas horas de pr ctica hasta controlar la elaboraci n del fonograma. La inteligencia artificial ha trastocado el mecanismo tradicional de trabajo, que consist a en la relaci n entre compositor, m sicos, ingeniero de sonido, t cnicos de grabaci n e ingenieros de mezcla y mastering (Burguess, 2013). As , con la IAPM, los procesos anteriores se realizan casi simult neamente y por la misma persona.
Ahora bien, desde la educaci n se ha incentivado el autoaprendizaje en s labos de carreras t cnicas y human sticas (L zaro, 2011; Gonz lez lvarez, 2018; Barrag n Becerra et al., 2017). En lo que respecta a la IAPM, se abre una oportunidad para motivar esta did ctica. Es aplicable a proyectos pr cticos, en los cuales los estudiantes exploran las posibilidades creativas y organizan su trabajo a partir de esta tecnolog a. El docente podr incentivar entre los estudiantes ejercicios de reflexi n, abriendo el debate sobre el impacto tico, est tico y pr ctico de la inteligencia artificial para la producci n musical. De esta manera, el educador es un filtro y un consejero, recomienda lecturas, hace tutoriales en l nea y presenta propuestas de proyectos art sticos y te ricos para que los estudiantes exploren, por su cuenta, las posibilidades de la IAPM (Sturm et al., 2019). En otras palabras, el docente es esencial en la era de la IAPM, es el lado humano que proporciona retroalimentaci n, identifica reas de mejora y hace sugerencias para el avance dentro del estilo de la grabaci n que se ha decidido hacer.
Es inevitable comparar las indagaciones de los acad micos norteamericanos con los trabajos hechos en Hispanoam rica en torno a la IA y la educaci n. Brossi et al. (2019) se alan las ventajas educativas, pero tambi n hacen una cr tica ante los desequilibrios estructurales, econ micos, sociales y pol ticos, y [...] las desigualdades basadas en diferentes variables demogr ficas (Brossi et al., 2019, p. 8). La IA no es culpable de las brechas educativas, es asunto de vieja data y de car cter estructural en Am rica Latina. De concentrar la atenci n all , se pierde el foco en las posibilidades pedag gicas, creativas y uso en la industria de la m sica. Con la inteligencia artificial en producci n musical, el docente es pieza primordial al orientar en el uso t cnico y art stico. De all que sea posible afirmar que se est transformando el modelo pedag gico, convirti ndose en uno en el que la IA es un implemento b sico, como en su momento lo fueron el libro, el cuaderno, el l piz y la computadora. Asimismo, se est n transformando las relaciones docente-alumno, entre colegas y de las instituciones con sus miembros (Tomal de la Cruz et al., 2023). Puntualmente, el productor musical que ejerce la pedagog a deber comprender que la inteligencia artificial est cambiando la industria musical. Ante esta realidad, el docente debe incorporar los conocimientos de la teor a de la m sica, t cnicas de grabaci n, escucha cr tica y mezcla con las diferentes IAPM. A mayor amplitud de conocimientos musicales y opciones tecnol gicas, mayor ser la versatilidad con que se enfrentar el nuevo productor musical en el mercado laboral.
La deontolog a en el uso de la inteligencia artificial es un aspecto sobre el cual debe reflexionar el docente de producci n musical, pues el uso tico de la tecnolog a tendr a que imperar. Esto conlleva a la evaluaci n pragm tica de su empleo, por lo cual es pertinente el desarrollo de normativas que tendr la IAPM dentro del marco jur dico en la industria musical. Es parad jico, por decir lo menos, que una materia que gradualmente se ha retirado de los programas oficiales de estudio, la tica, sea fundamental para la docencia con IAPM. En lengua espa ola, los art culos consultados revisan casos de Europa y Estados Unidos en donde a n no hay una postura legal inequ voca. Al respecto, v anse: Flores-Vivar y Gac a Pe alvo 2023; Gonz lez S nchez et al. 2023; Terrones Rodr guez y Rocha Benardi 2024; Lacruz Mantec n 2021; G mez Jerez 2021 y Sanz Mendioroz 2023. Puede brindar r ditos al artista original su voz generada por IA? Es tica la utilizaci n de la voz de este artista, aunque no haya producido ni una sola nota? Estamos frente a un problema moral que no solo aplica a la industria del disco, sino a la sociedad en general. Como se ha dicho, la industria musical est invirtiendo en el desarrollo de las inteligencias artificiales y, simult neamente, el equipo jur dico de las empresas analiza las posibles implicaciones legales. El uso industrial de la IAPM aumentar considerablemente los r ditos musicales: generaci n de nueva m sica, estrategias de promoci n y circulaci n en listas de reproducci n a partir de los algoritmos, mayor producci n a menor costo. As pues, el docente aconsejar a los estudiantes sobre el cambio del paradigma jur dico tradicional, los derechos patrimoniales, morales e intelectuales producidos por humanos (Buning, 2018; Lauber-R nsberg y Hetmank, 2019; Sturm et al., 2019).
Discernir sobre el uso de la inteligencia artificial es complejo cuando se trata de derecho internacional y derechos de autor. Autor a y originalidad son el centro de discusi n. Sin embargo, a lo largo de la historia del arte, los creadores se han valido de recursos humanos y t cnicos para refinar el producto final. Ejemplos hay muchos, pero bastar recordar al pintor Diego de Vel zquez y el trabajo que realizaban sus asistentes mientras que el maestro sevillano hac a algunos retoques. Est el caso del compositor italiano Giascinto Scelsi, quien grababa sus improvisaciones y luego las mandaba a transcribir; de este modo, quedaban fijadas en el soporte de papel. La IA plantea los mismos desaf os en el arte y en la m sica, pero actualmente como extensi n de las t cnicas de creaci n.
La IAPM permite que un usuario sin experiencia en m sica obtenga resultados satisfactorios en la producci n de audio. Ahora bien, esto no garantiza la visibilizaci n del fonograma en el mercado de la m sica. De manera objetiva, se ha acortado la brecha entre pr ctica y teor a; tambi n entre especialistas y aficionados. Por un lado, para las compa as discogr ficas se ampl a un mercado y, por el otro, el sistema educativo tradicional entra en crisis, entendiendo el t rmino como la necesidad de cambiar los paradigmas pedag gicos m s tradicionales (Morales-Chan, 2023). El lenguaje t cnico ya no ser necesario, tampoco la necesidad de invertir tiempo aprendiendo el oficio. Equipos de alta gama quedar n solo para especialistas de envergadura. La grabaci n musical dentro del estudio de grabaci n se va convirtiendo en una pr ctica rom ntica, llena de detalles y vicisitudes t cnicas y humanas que el productor musical deber sortear. Las IAPM est n cambiando la manera de producir. Todo se resume en ahorro de tiempo, costos y mayor efectividad (Mateos Blanco et al., 2024; Segarra Cipr s et al., 2024).
Hoy, los centros de educaci n superior que ofrecen la carrera de producci n musical tienen varios roles. En primer lugar, estos centros son catalizadores para el desarrollo creativo y t cnico de los estudiantes, proporcionan un entorno acad mico que fomenta la exploraci n, la experimentaci n y la innovaci n en el mbito de la grabaci n y el audio. Adem s, son facilitadores del aprendizaje porque los recursos t cnicos y humanos son especializados: equipos de ltima generaci n y expertos en la industria que enriquecen la experiencia educativa. En segundo lugar, estos centros forman a profesionales competentes a trav s de dise os curriculares rigurosos y que deben actualizarse, los estudiantes adquieren habilidades t cnicas, te ricas y pr cticas para sobrevivir en una industria din mica y en constante cambio. Adem s, las universidades e institutos polit cnicos fomentan las habilidades interdisciplinarias, como la gesti n de proyectos, el trabajo en equipo y la comunicaci n efectiva, que son esenciales para el desenvolvimiento de un campo altamente colaborativo y competitivo. En este sentido, los centros de ense anza deben desempe ar un papel vital en la promoci n de la investigaci n y la innovaci n en este mbito (Chicaiza et al., 2023).
Estos centros contribuyen al avance del conocimiento en producci n musical, a la experimentaci n con metodolog as, tecnolog as y pr cticas pedag gicas que enriquezcan la educaci n como la industria musical en su conjunto. La irrupci n de la Inteligencia Artificial en la Producci n Musical (IAPM) plantea desaf os, pero tambi n oportunidades dentro de la ense anza y aprendizaje en m sica. El enfoque pedag gico convencional, requiere la integraci n de la IAPM de car cter activo y reflexivo por parte de los educadores y estudiantes por igual. El uso de la IAPM obliga a repensar los objetivos educativos y las competencias necesarias para los estudiantes de producci n musical. M s all de las t cnicas en instrumentaci n y producci n, se deben incorporar habilidades en el manejo y comprensi n de herramientas de IA para la creaci n musical. Esto demanda una actualizaci n constante de los programas acad micos y una colaboraci n estrecha con la industria para asegurar la relevancia y pertinencia de la formaci n ofrecida. En el contexto del aula, la introducci n de la IAPM requiere una reconsideraci n de las din micas de ense anza y aprendizaje. Los educadores deben adoptar un enfoque orientado hacia la resoluci n de problemas y hacia el aprendizaje basado en proyectos, donde los estudiantes tengan la oportunidad de experimentar con algoritmos, modelos de aprendizaje autom tico y t cnicas de procesamiento de se ales para la creaci n musical. Esto no solo promueve la creatividad y la innovaci n, sino que tambi n fomenta el desarrollo de habilidades cognitivas superiores, como la resoluci n de problemas complejos y el pensamiento cr tico.
Conclusiones
La incorporaci n de la IAPM en el proceso tradicional de ense anza-aprendizaje en m sica representa un cambio paradigm tico que requiere una adaptaci n hol stica tanto a nivel curricular como pedag gico. Sin embargo, al abrazar este cambio con apertura y compromiso, la educaci n musical puede potenciar su capacidad para preparar a los estudiantes para los desaf os y oportunidades de un mundo cada vez m s digitalizado y tecnol gico. La producci n musical ha sido posible gracias a la tecnolog a y la aparici n de la IAPM, lejos de condicionarla, potencia resultados, est ticas y ampl a mercados. Hay aspectos musicales que pueden ser sugeridos por la inteligencia artificial, como frases musicales e, incluso, composiciones completas. Sin embargo, es esencial la decisi n final en manos de un humano. Porque la palabra inteligencia se asocia con la noci n del pensamiento humano, con criterios positivos o no, pero que se alan ideas o propuestas. Es en esta ltima palabra donde radica lo que es, hasta el momento, la IAPM: herramienta de producci n que parte del modelo colaborativo y genera posibilidades. Al momento de redactar este ensayo, no se conoce de ninguna IA capaz de generar m sica por combusti n espont nea.
En los pr ximos a os, la forma en que se ejercer la carrera del productor musical afectar el uso de la IAPM. La tecnolog a y su acceso se har cada vez m s refinado y permitir , como nunca, la producci n musical independiente de alta calidad. Ser n las reglas profesionales las que guiar n el equilibrio entre las propuestas de los ingenieros de mezcla, de mastering y los productores musicales. As , los objetivos se pueden reemplazar por juicios subjetivos. La consolidaci n entre los estudios convencionales de producci n musical y la IAPM proporcionar n m s informaci n, discernimiento y posibilidades. Todo parece indicar que el rol docente en la era de la inteligencia artificial en producci n musical ser activo. Detr s est n quedando las largas sesiones de escucha y de trabajo dentro del estudio de grabaci n. En una poca en la que los procesos educativos suelen acortarse, el tiempo que necesita un estudiante para familiarizarse con la cadena de trabajo de la producci n musical. Hace treinta a os, el productor tardaba entre siete y diez a os en aprender el oficio en el estudio; ahora, un estudiante aplicado puede producir en pocas semanas.
En este sentido, los docentes dedicados a la producci n musical han de introducir a los estudiantes en par metros generales de la IAPM, porque el estudiante explorar por su cuenta otras posibilidades. El docente se convierte en una gu a durante los proyectos art sticos en los que los estudiantes aplican sus criterios; as , fomentar discusiones, an lisis y opciones que determinen, desde lo humano, la riqueza t cnica y est tica de los fonogramas hechos con IAPM. En relaci n con esto, el docente ejercer el rol de tutor y creador, fomentar la retroalimentaci n, la cr tica y se constituir en una figura valiosa para observar los cambios y tendencias en la industria. Es parad jico, pero no descabellado, pensar que, frente a la avalancha tecnol gica, ha llegado el momento de formar docentes con mayor peso en las disciplinas human sticas, que permita generar conocimientos y cr ticas a partir de las sensibilidades ticas, sociales y art sticas.
El impacto de la Inteligencia Artificial en la Producci n Musical en la pedagog a nos presenta un panorama de aristas y desaf os. Al examinar las implicaciones educativas entre la creatividad humana y las capacidades algor tmicas de la m quina, se diluyen las fronteras de la ense anza y de los procesos de aprendizaje; en este sentido, se hace necesaria la reflexi n sobre el papel del educador ante este nuevo paradigma. La pedagog a musical con herramientas basadas en IA incita a la reflexi n permanente sobre el papel del educador como facilitador de nuevos significados musicales, donde las herramientas de IA son intermediarios en la construcci n de conocimiento. Por otro lado, las jerarqu as establecidas en el proceso educativo musical tradicional y la realidad de una sociedad interconectada, hace que el docente se convierta en un agente de cambio, que desaf e las estructuras tradicionales y que promueva una pedagog a inclusiva y adaptable a las demandas del siglo XXI. En conclusi n, el papel del educador en la era de la IAPM trasciende la mera transmisi n de conocimientos t cnicos. Es un gu a que cultiva la creatividad, la curiosidad y el pensamiento cr tico en los estudiantes, a trav s de la innovaci n tecnol gica y la expresi n art stica.
Bibliograf a
Avdeeff, M. (2019). Artificial Intelligence & Popular Music: SKYGGE, Flow Machines, and the Audio Uncanny Valley. Arts, 8 (4), 130-151. https://doi.org/10.3390/arts8040130
Barrag n Becerra, J., Hern ndez, N. E. y Medina Castro, A. (2017). Validaci n de gu as de autoaprendizaje en simulaci n cl nica para estudiantes de enfermer a. Revista Cuidarte, 8 (2), 1582-1590. https://doi.org/10.15649/cuidarte.v8i2.377
Born, G. (1995). Rationalizing Culture. IRCAM, Boulez, and the Institutionalization of the Musical Avant-Garde. University of California Press.
Born, G., Morris, J., D az, F. y Anderson, A. (2021). Artificial Intelligence, Music Recomendation, and the Curation of Culture. Universidad de Toronto.
Bowen, O. (2021). Sociocultural and Design Perspectives on AI-Based Music Production: Why Do We Make Music and What Changes if AI Makes It for Us? en E.R. Miranda (Ed.), Handbook of Artificial Intelligence for Music (pp. 1-20). Springer. https://doi.org/10.1007/978-3-030-72116-9_3
Burgess, R.J. (2013). The Art of Music Production: The Theory and Practice. Oxford University Press.
Buning, M. de C. (2018). Artificial Intelligence and the Creative Industry: New Challenges for the EU Paradigm for Art and Technology en W. Barfield y U. Pagallo (Eds.), Research handbook on the law of artificial intelligence (pp. 511-535). Edward Elgar Publishing. https://hdl.handle.net/1814/70217
Caballero Parra, C.A. (2023). La producci n musical en Colombia en las d cadas de 1960 y 1970. Formas de registro y est tica sonora de la m sica tropical colombiana [Tesis de doctorado, Universidad Polit cnica de Valencia]. https://riunet.upv.es/handle/10251/192511
Cartwright, M. y Pardo, B. (2014). SynthAssist: an audio synthesizer programmed with vocal imitation. Proceedings of the 22nd ACM International Conference on Multimedia, pp. 741-742. https://doi.org/10.1145/2647868.2654880
Cetta, P. (2018). Fundamentos de composici n musical asistida por computadora en el entorno de programaci n OpenMusic. Universidad Cat lica Argentina.
Cheung-Ruiz, M. y P rez-Valero, L. (2020). Producci n musical. Pedagog a e investigaci n en artes. UArtes Ediciones.
Chicaiza, R.M., Camacho Castillo, L.A., Ghose, G., Castro Magayanes, I.E. & Gallo Fonseca, V.T. (2023). Aplicaciones de Chat GPT como inteligencia artificial para el aprendizaje del idioma ingl s: avances, desaf os y perspectivas futuras. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 4 (2), 2610-2628. https://doi.org/10.56712/latam.v4i2.781
Clark, E., Ross, A.S., Tan, C., Ji, Yi., y Smith, N.A. (2018). Creative writing with a machine in the loop: Case studies on slogans and stories. 23rd International Conference on Intelligent User Interfaces (IUI). https://doi.org/10.1145/3172944.3172983
Deruty, E., Grachten, M., Lattner, J.N., Aouameur, G. (2022). On the Development and Practice of AI Technology for Contemporary Popular Music Production. Transactions of the International Society for Music Information Retrieval, 5 (1), 35-49. https://transactions.ismir.net/articles/10.5334/tismir.100
Di Cione, L. (2023). Musicolog a de la producci n fonogr fica: las operaciones t cnico-discursivas en el estudio de grabaci n anal gica y las po ticas sonoras del rock en Argentina [Tesis de doctorado, Universidad de Buenos Aires]. https://repositoriosdigitales.mincyt.gob.ar/
Dirst, M. (2012). Engaging Bach: The Keyboard Legacy from Marpurg to Mendelssohn. Cambridge University Press.
Dugan, D. (1975). Automatic Microphone Mixing. Journal of the Audio Engineering Society 23, 442-449.
Espiga, P. (2020). La construcci n de la imagen del estudio de grabaci n tradicional. Etno: Cuadernos de Etnomusicolog a, 15 (2), 226-246. https://www.sibetrans.com/
Flores-Vivar, J. M. y Garc a Pe alvo, F. J. (2023). Reflexiones sobre la tica, potencialidades y retos de la Inteligencia Artificial en el marco de la Educaci n de Calidad (ODS4). Comunicar, 74 (31). https://doi.org/10.3916/C74-2023-03
Giotti, A. (2021). Artificial intelligence for music composition en E.R. Miranda (Ed.), Handbook of Artificial Intelligence for Music (pp. 53-73). Springer Link. https://doi.org/10.1007/978-3-030-72116-9_3
G mez Jerez, A.M. (2021). La capacidad creativa en los sistemas de inteligencia artificial y sus consideraciones en el derecho de autor. La Propiedad Inmaterial, 31, 283-297. https://doi.org/10.18601/16571959.n31.11
Gonz lez lvarez, P. (2018). Dise o de una plataforma virtual de autoaprendizaje de la escritura acad mica: fundamentaci n te rica y decisiones pedag gicas en la Universidad de Chile. labe 17, 1-17. https://doi.org/10.15645/Alabe2018.17.7
Gonz lez S nchez, J. L., Villota Garc a, F. R., Moscoso Parra, A. E., Garces Calva, S. W., Bazurto Ar valo, B. M. (2023). Aplicaci n de la Inteligencia Artificial en la Educaci n Superior. Revista Cient fica. Dominio de las Ciencias, 9 (3), 1097-1108. https://doi.org/10.23857/dc.v9i3.3488
Grachten, M., Lattner, S., y Deruty, E. (2020). Bass-net: A variational gated autoencoder for conditional generation of bass guitar tracks with learned inetractive control. Applied Science, 18 (10). https://doi.org/10.3390/app10186627
Gunkel, D.J. (2008). Rethinking the Digital Remix: Mash-Ups and the Metaphysics of Sound Recording. Popular Music and Society, 31, 489-510. https://doi.org/10.1080/03007760802053211
Hatschek, K. y Wells, V.A. (2018). Historical Dictionary of the American Music Industry. Rowman & Littlefield.
Herndon, H. (2019). Proto. 4AD.
Hiller, L.A. y Isaacson, L. (1959). Experimental Music: Composition with an Electronic Computer. McGraw-Hill.
Jillings, N. y Stables, R. (2017). Automatic Masking Reduction in Balance Mixes Using Evolutionary Computing. Audio Engineering Society Convention 43. Audio Engineering Society.
Juan de Dios Cuartas, M.A. (2016). La figura del productor musical en Espa a. Propuestas metodol gicas para un an lisis musicol gico [Tesis de doctorado, Universidad de Oviedo].
Knotts, S. y Collins, N. (2021). AI-Lectronica: Music AI in clubs and studio production en Miranda, E.R. (Ed.), Handbook of Artificial Intelligence for Music (pp. 849-877). Springer. https://doi.org/10.1007/978-3-030-72116-9_3
Lacruz Mantec n, M. (2021). Inteligencia Artificial y derecho de autor. Editorial Reus.
Lauber-R nsberg, A. y Hetmank, S. (2019). The concept of authorship and inventorship under pressure: Does artificial intelligence shift paradigms? Journal Intellectual Property Law & Practice, 14, 570-579. https://doi.org/10.1093/jiplp/jpz061
L zaro, N. (2011). Tendencias pedag gicas en centros de autoaprendizaje de Alemania, Suiza, Hong Kong y Espa a. Universidad Nacional de Educaci n a Distancia.
Mateos Blanco, B., lvarez Ramos, E., Alejeldre Biel, L., Parrado Collantes, M. (2023). Vademecum of artifitial intelligence tools applied to the teaching of languages. Journal of Technology and Science Education, 14 (1): 77-94. https://doi.org/10.3926/jotse.2522
Miranda, E., ed. (2000). Readings in Music and Artificial Intelligence. Harwood.
Moffat, D. y Sandler, M.B. (2019). Approaches in Intelligent Music Production. Arts, 8 (4), 125-129. https://doi.org/10.3390/arts8040125
Morales-Chan, M.A. (2023). Explorando el potencial del ChatGPT: una clasificaci n de Prompts efectivos para la ense anza. http://biblioteca.galileo.edu/tesario/handle/123456789/1348
Moylan, W. (2020). Recording Analysis. How the Record Shapes the Song. Routledge.
Novotny, A. (2018). A Collection of Art: The Ghost Writer. Create Space.
Pardo, B., Cartwright, M., Seetharaman, P., y Kim, B. (2019). Learning to Build Natural Audio Production Interfaces. Arts, 8 (3), 110-131. https://doi.org/10.3390/arts8030110
Paterson, J., Toulson, R., y Hepworth-Sawyer, R. (2019). User-Influenced / Machine-Controlled Playback: The VariPlay Music App Format for Interactive Recorded Music. Arts, 8 (3), 112-129. https://doi.org/10.3390/arts8030112
P rez-Valero, L. (2022). La producci n
discogr fica de Xavier
Cugat
(1933-1950) [Tesis de doctorado, Pontificia Universidad Cat lica
Argentina]. https://repositorio.uca.edu.ar/handle/123456789/14389
Piantanida, P., y Vega, L.R. (2021). Information bottleneck and representation learning en Rodriguez, M.R.D. y Eldar, Y.C. (Eds.), Information Theoretic Methods in Data Science (pp. 330-358). Cambridge University Press. https://doi.org/10.1017/9781108616799.012
Reje, A. (2022). Ethical Risk Analysis of the Use of AI Music Production [Tesis de Maestr a, KTH Royal Institute of Technology]. https://kth.diva-portal.org/
Road, C. (1980). Artificial Intelligence and Music. Computer Music Journal 4, 13-25.
Ros-F bregas, E. (2023). Musicolog a en la era de la inteligencia artificial (IA). Anuario Musical, (78), 7-12. https://doi.org/10.3989/anuariomusical.2023.78.01
Russell, S. y Norvig, P. (1995). Artificial Intelligence: A Modern Approach. Prentice-Hall.
Sanz Mendioroz, M. (2023). Autor a como elemento principal de los derechos de autor en el mbito de la Inteligencia Artificial (IA). [Tesis de grado. Comillas Universidad Pontificia]. https://repositorio.comillas.edu/
Seabrook, J. (29 de enero de 2024). Inside the Music Industry s High-States A.I. Experiments. The New Yorker Daily. https://www.newyorker.com/magazine/2024/02/05/inside-the-music-industrys-high-stakes-ai-experiments
Segarra Cipr s, M., Grangel Seguer, R. & Belmonte Fern ndez, O. (2024). ChatGPT como herramienta de apoyo al aprendizaje en la educaci n superior: una experiencia docente. Revista Tecnolog a, Ciencia y Educaci n, (28). https://doi.org/10.51302/tce.2024.19083
Schedl, M., Yang, Yi-Hsuan y Herrera-Boyer, P. (2016). Introduction to Intelligent Music Systems and Applications. ACM Transactions on Intelligent Systems and Technology, 8 (17), 1-8. https://doi.org/10.1145/2991468
Sheridan, T. B. y Verplank, W. L. (1978). Human and Computer Control of Undersea Teleoperators. Technical Report. Massachusetts Inst of Teach Cambridge Man-Machine Systems Lab.
Skygge (2018). Hello World. Sony Music.
Southerm, T. (2018). I AM AI. Independiente.
Stypullkowski, K. (2020). Los estudios para piano de Teobaldo Power (1848-1884) en el desarrollo de la escuela pian stica en Espa a [Tesis de Fin de M ster, Universidad de Valladolid]. https://uvadoc.uva.es/handle/10324/45855
Sturm, B. L., Iglesias, M., Tal, O. B., Mixon, M. y G mez, E. (2019). Artificial Intelligence and Music: Open Questions of Copyright Law and Engineering Praxis. Arts, 8 (3), 115-119. https://doi.org/10.3390/arts8030115
Terrones Rodr guez, A. L. y Rocha Benardi, M. (2024). El valor de la tica aplicada en los estudios de ingenier a en un horizonte de inteligencia artificial confiable. Sophia. Colecci n de Filosof a de la Educaci n, 36, 221-245. https://doi.org/10.17163/soph.n36.2024.07
Tomal de la Cruz, M.A., Mascar Ben tez, E.M., Carrasco Cachinelli, C.G. y Aroni Caicedo, E.V. (2023). Incidencias de la inteligencia artificial en la educaci n. Recimundo. Revista Cient fica Mundo de la Investigaci n y el Conocimiento, 7 (2), 238-251.
Tsiros, A. y Palladini, A. (2020). Towards a Human-Centric Design Framework for AI Assisted Music Production. NIME 20, 399-404.
Zagorski-Thomas, S. (2014). The Musicology of Record Production. Cambridge University Press.
