Un brano è troppo difficile per il nostro livello. Fino a ieri avevamo due possibilità: aspettare oppure semplificarlo. Presto potremmo avere qualcuno — o qualcosa — capace di farlo automaticamente. Ed è uno degli usi dell’intelligenza artificiale nella musica che, da insegnante, trovo davvero interessante.

Ehi Basswalkers!

Succede continuamente.

Un allievo arriva a lezione e dice:

«Vorrei imparare questo.»

Mettiamo su il brano e, dopo trenta secondi, hai già capito che siamo nei guai.

Non perché l’allievo non sia bravo. Semplicemente quella linea richiede qualcosa che ancora non ha: è troppo veloce, contiene una tecnica che non abbiamo affrontato, ha una ritmica complicata o si muove sulla tastiera in un modo che rischierebbe di trasformare le prossime tre settimane in una lunga trattativa con la prima battuta.

Che facciamo?

Gli diciamo:

«Bellissimo. Ne riparliamo tra un anno»?

Qualche volta sì.

Molte altre volte facciamo una cosa che qualsiasi insegnante di musica conosce bene.

Adattiamo.

Togliamo qualcosa. Cambiamo una diteggiatura. Semplifichiamo una figura ritmica. Manteniamo ciò che ci interessa davvero e lasciamo momentaneamente perdere il resto.

Cerchiamo, insomma, di permettere all’allievo di entrare dentro quella musica oggi, senza raccontargli la favola che sia già pronto per suonarla esattamente come nell’originale.

E proprio su questo sta lavorando una parte della ricerca sull’intelligenza artificiale applicata alla musica.

Finalmente, verrebbe quasi da dire.

Perché dopo anni passati a discutere di AI che compone canzoni, imita artisti e produce musica partendo da un prompt, l’idea di usarla per aiutare qualcuno a studiare meglio musica scritta da esseri umani mi sembra quasi riposante.

L’AI per studiare musica, non per evitare di studiarla

Il ricercatore Jingwei Zhao ha appena concluso un dottorato al Sound & Music Computing Lab della National University of Singapore dedicato all’arrangiamento musicale attraverso l’intelligenza artificiale.

Da aprile 2026 lavora inoltre presso Songscription, realtà che sviluppa tecnologie per la trascrizione e l’apprendimento musicale. Sul suo sito personale descrive il proprio obiettivo in maniera molto chiara: lavorare verso un futuro nel quale chiunque possa imparare qualsiasi canzone, su qualsiasi strumento, al proprio livello.

Ed è proprio quel «al proprio livello» che, da insegnante, mi fa drizzare le antenne.

Perché trascrivere automaticamente un brano è già utile.

Adattarlo è un’altra faccenda.

La ricerca alla quale Zhao ha contribuito lavora infatti su modelli capaci non soltanto di generare musica, ma di riarrangiare materiale esistente, intervenendo su elementi come strumentazione, stile e complessità. Uno dei sistemi presentati a NeurIPS nel 2025 comprende esplicitamente tra le possibili trasformazioni anche la semplificazione.

In prospettiva, quindi, la richiesta potrebbe diventare qualcosa del genere:

«Questa è la canzone che voglio studiare. Questo è il mio strumento. Questo è quello che so fare. Dammi una versione che abbia senso per me.»

E qui la faccenda comincia a diventare parecchio interessante.

Il problema è che “facile” non significa quasi niente

Chi insegna scopre abbastanza presto una cosa:

semplificare bene è difficile.

Prendiamo il basso.

Posso prendere una linea complicata, cancellare quasi tutto e lasciare soltanto le fondamentali.

Fatto.

Versione facile.

Sicuri?

Magari quelle fondamentali cadono su una figura ritmica che l’allievo non riesce ancora a gestire. Oppure potrei mantenere più note, ma sistemarle in una zona della tastiera che gli consenta di suonarle senza continui cambi di posizione.

Qual è più facile?

Dipende.

Un allievo può avere una buona mano destra ma conoscere ancora poco la tastiera. Un altro può sapere perfettamente dove sono le note ma avere problemi di timing. Un altro ancora può eseguire la linea senza particolari difficoltà e non avere la minima idea di cosa stia succedendo armonicamente.

Non esiste il pulsante universale:

FACILE.

E soprattutto una buona semplificazione non dovrebbe partire dalla domanda:

«Quante note posso togliere?»

Ma da un’altra:

«Che cosa voglio che questa persona impari da questo brano?»

Se sto lavorando sul groove, posso sacrificare qualche dettaglio melodico e mantenere la struttura ritmica.

Se sto lavorando sulle triadi, posso costruire una versione che evidenzi le note degli accordi.

Se mi interessa una determinata tecnica, magari conservo proprio quel passaggio e semplifico ciò che gli sta intorno.

Non sto restaurando la Cappella Sistina.

Sto facendo una lezione di basso.

L’originale non scappa.

Una buona semplificazione, quindi, non conserva necessariamente tutto. Conserva quello che in quel momento serve.

E per sapere cosa serve bisogna conoscere la persona, non soltanto la canzone.

Suonare quello che ci piace conta

Nonostante queste cautele, l’idea mi entusiasma parecchio.

Perché c’è un problema con il quale faccio i conti praticamente da quando insegno.

L’allievo vuole suonare quella canzone.

Non l’esercizio numero 17.

Non il brano didatticamente perfetto che ho scelto io perché contiene esattamente quello che abbiamo affrontato nelle ultime quattro lezioni.

Quella.

Magari è proprio quella canzone ad aver acceso la voglia di imparare a suonare.

E magari, purtroppo, è completamente fuori portata.

A quel punto io devo costruire un percorso sensato, mentre lui vuole fare musica.

E, particolare non trascurabile, ha ragione anche lui.

Soprattutto con gli adulti.

Chi torna dal lavoro e trova quaranta minuti per prendere in mano il basso non sempre ha voglia di sentirsi dire:

«Ottimo. Ancora sei mesi di esercizi e poi forse facciamo una canzone.»

Al terzo mese magari va a fare padel.

Se una tecnologia riesce a prendere la musica che quella persona ama e costruire un gradino raggiungibile oggi, senza perdere di vista quelli che dovranno arrivare domani, non ci vedo una scorciatoia.

Ci vedo uno strumento didattico potentissimo.

Quindi l’insegnante non serve più?

Eccola.

Prima o poi, parlando di intelligenza artificiale, questa domanda deve arrivare.

Se un software può ascoltare una canzone, trascriverla, adattarla al basso e produrne una versione adeguata a un determinato livello, che cosa rimane da fare all’insegnante?

Parecchio, direi.

Innanzitutto capire se quella versione è davvero adatta a quella persona.

Poi osservarla mentre suona. Capire perché un passaggio non funziona. Decidere se insistere oppure lasciarlo temporaneamente perdere. Collegare ciò che sta imparando al resto del percorso.

Magari dire:

«Guarda che questa cosa che hai appena fatto qui è la stessa che abbiamo incontrato tre settimane fa.»

Oppure:

«La nota la prendi. Il problema è dove la stai mettendo.»

O ancora:

«Tecnicamente ce la fai. Adesso però ascolta cosa sta facendo il batterista.»

La didattica non consiste nel consegnare materiale.

Se fosse così, i libri avrebbero sostituito gli insegnanti parecchio tempo fa.

L’AI può diventare bravissima a costruire materiale.

Benissimo.

A me interessa soprattutto cosa facciamo dopo.

E Manring? Non avevamo appena detto il contrario?

Qui qualcuno potrebbe giustamente farmi notare una cosa.

Pochi giorni fa ho pubblicato un articolo partendo da alcune dichiarazioni di Michael Manring e sostenevo che affrontare brani tecnicamente molto difficili, anche oltre ciò che normalmente ci viene richiesto in una band, possa essere utilissimo per crescere.

Adesso invece sto celebrando l’idea di semplificare un brano troppo difficile.

Deciditi, Davide.

In realtà manca un elemento fondamentale:

chi è l’allievo che ho davanti?

Se propongo Teen Town come sfida tecnica, è perché ritengo che quella persona possieda già gli strumenti necessari per affrontarla, o che sia abbastanza vicina da poterli sviluppare lavorandoci.

Non proporrei Teen Town a chi sta ancora imparando a coordinare indice e medio.

O almeno non se voglio rivederlo alla lezione successiva.

Allo stesso modo, se semplifico Money per un altro allievo, è perché in quel momento ritengo più utile lavorare su altri aspetti del brano senza chiedergli competenze che ancora non possiede.

E naturalmente esistono mille livelli intermedi.

Posso semplificare pochissimo per un musicista avanzato oppure ridisegnare quasi completamente una linea per un principiante.

Non sono due filosofie didattiche opposte.

Sono due strumenti diversi, utilizzati in momenti diversi e soprattutto con persone diverse.

Il punto non è decidere se sia meglio affrontare qualcosa di difficile oppure semplificarlo.

Il punto è sapere quanto deve essere difficile oggi per quella persona.

Studiare cose che non userai mai può renderti un bassista migliore? Michael Manring dice di sì

La semplificazione deve portare da qualche parte

Ed è qui che vedo anche il rischio di una tecnologia di questo tipo.

Immaginiamo che domani possa chiedere:

«Fammi una versione livello 1 di Teen Town.»

Cinque secondi.

Pronta.

Fantastico.

Ma prima o poi dovrà arrivare il livello 2.

Poi magari il 3.

E, se quello è davvero l’obiettivo dell’allievo, un giorno anche Teen Town.

Quella vera.

Altrimenti non abbiamo costruito un percorso. Abbiamo semplicemente creato una zona di comfort molto efficiente.

E questo, peraltro, sappiamo già farlo benissimo anche senza intelligenza artificiale.

Rallentiamo un brano e non proviamo mai ad accelerarlo.

Semplifichiamo una parte e non torniamo più all’originale.

Evitiamo una tecnica perché «tanto non mi serve».

L’AI potrebbe semplicemente renderci molto più veloci nel farlo.

Finalmente un’AI che mi fa venire voglia di studiare

È probabilmente questa la cosa che trovo più interessante nella direzione presa dalla ricerca di Zhao.

Non l’idea che l’intelligenza artificiale faccia musica al posto nostro.

Mi interessa che possa aiutarci ad avvicinarci meglio alla musica che vogliamo fare noi.

I lavori di Zhao sull’arrangiamento simbolico e quelli successivi sulla semplificazione mostrano una direzione di ricerca concreta, ma siamo ancora davanti a tecnologie in evoluzione. Non racconterei quindi che domani mattina avremo il professore di musica artificiale perfetto dentro al telefono.

E, francamente, spero anche di no.

Ma la domanda che questa ricerca apre mi piace molto più di quella che ci facciamo normalmente quando parliamo di AI e musica.

Non:

«L’AI riuscirà a fare musica meglio di noi?»

Ma:

«L’AI può aiutarci a diventare più bravi a fare musica?»

Da musicista e insegnante, la seconda mi interessa parecchio di più.

In conclusione

Se domani un mio allievo arrivasse con una canzone troppo difficile e io potessi premere un pulsante per ottenere una buona versione adattata esattamente alle sue capacità, lo userei?

Sì.

Senza crisi esistenziali.

Poi però vorrei ascoltarlo suonare.

Vorrei capire cosa gli riesce e cosa no.

Vorrei decidere quale pezzo della versione originale possiamo recuperare la settimana successiva.

Magari vorrei anche buttare via metà delle scelte fatte dall’AI e rifarle a modo mio.

Sono pur sempre un insegnante: rompere le scatole fa parte del servizio.

Perché alla fine il punto rimane quello.

Un algoritmo può diventare bravissimo a costruire gradini.

Qualcuno deve ancora capire quale gradino serve a quella persona, in quel momento, e dove deve portare quello successivo.

L’AI può costruire il ponte.

Ma qualcuno deve ancora sapere dove portarlo.

Continua a leggere

Studiare cose che non userai mai può renderti un bassista migliore? Michael Manring dice di sì

Sfatiamo un Mito #1 — Per diventare un bravo bassista bisogna studiare tutti i giorni?

Opinioni Controcorrente #1 — Perché oggi è più difficile imparare il basso rispetto a 30 anni fa

Fonti e approfondimenti

Jingwei Zhao — sito personale e attività di ricerca

National University of Singapore — Sound & Music Computing Lab

NeurIPS 2025 — Unifying Symbolic Music Arrangement

IJCAI 2023 — Q&A: Query-Based Representation Learning for Multi-Track Symbolic Music Re-Arrangement

Le riflessioni sull’applicazione di queste tecnologie alla didattica musicale e gli esempi relativi all’insegnamento del basso rappresentano invece la mia esperienza e il mio punto di vista come insegnante.

FAQ

Come può essere usata l’AI per studiare musica?

L’AI per studiare musica può essere utilizzata per trascrivere e riarrangiare materiale musicale. La ricerca sta esplorando anche sistemi capaci di modificarne la complessità, aprendo la strada a materiale più facilmente adattabile alle capacità dello studente.

L’intelligenza artificiale può sostituire un insegnante di musica?

Può automatizzare attività come trascrizione e adattamento del materiale. Un percorso didattico richiede però di conoscere l’allievo, stabilire obiettivi, individuare problemi e decidere quale difficoltà affrontare in ogni fase.

È meglio semplificare un brano o studiarlo nella versione originale?

Dipende dal livello e dall’obiettivo. Per un principiante una semplificazione può rendere accessibile un brano ancora troppo difficile; per un musicista più avanzato proprio la difficoltà della versione originale può diventare uno strumento di crescita. La scelta dovrebbe dipendere da ciò che serve allo studente in quel momento.