人工智能背景下的音乐治疗

几十年，人工智能的运用已渗透到了许多领域。伴随着卫生信息化、医疗的大数据化和音乐数字化的跃迁式发展以及人类对身心健康和生命质量关注的不断提升，加速推动了音乐治疗领域进入到智能化时代。当前，人工智能赋能音乐治疗的热度在持续升温，逐渐显露出从冷门到热门的巨大潜力。

一、人工智能背景下音乐治疗的价值

（一）音乐治疗理念的变革 21世纪以来，随着脑科学、认知科学、生命科学等的突飞猛进与日新月异的变化，人工智能在音乐治疗领域也展现出了它的巨大潜力。尤其是在人工智能的赋能下，传统音乐治疗过程将变得更具人性化。它既不是简单的对症下“乐”，也不是单纯地通过一项技术来提升疗效，而是在治疗中可通过机器学习、自然语言处理的方法，结合来访者的社会属性、心理特征、兴趣爱好等大数据，建立个人全息化图谱，以自动生成个性化的音乐治疗方案，为来访者的不同病症进行辅助问诊和评估，从而使治疗进度变得科学而便捷。在借鉴循证医学的核心理念下，为基于治疗师的经验和来访者主观报告的疗效评估提供更为精准科学的证据。可见，人工智能技术或许在未来会成为“音乐治疗师”的第二双眼睛，可为音乐治疗师指出问题、规避风险、提高效率。

（二）音乐治疗方法技术与思路的开拓 传统音乐治疗的方法以听、唱、奏为主，大致分为接受式治疗、再创造式治疗和即兴演奏式治疗。基于不同的心理学理论流派，每一类方法技术的操作流程和侧重点都有所不同。因而，这不仅取决于音乐治疗师个人理论流派背景及擅长的技术类型，更取决于临床治疗目标和来访者的个人需求状况。随着人工智能技术的加持，音乐治疗的方法技术更具普适性和开拓性。比如以聆听为主的接受式音乐治疗方法，在人工智能情感计算的辅助下，能够帮助我们更好地观察和理解音乐与人复杂情感关系的动态规律，使得治疗匹配度更高，诊断更具客观性。此外，在临床操作上也拓宽了治疗思路，如以即兴法、作曲法为主的音乐治疗，常态操作是音乐治疗师需要根据经验，引导来访者参与音乐的即兴演唱或演奏，这往往对治疗师的专业能力和来访者的创作能力要求较高，而人工智能赋能音乐治疗的优势在于，它可根据个人的情绪、喜好、创作灵感等，在已设定的程序范围内进行运算，用短短几分钟甚至几秒钟就能创作出成品。随着技术的不断迭代更新，创作成果更具艺术审美感，这一过程尤其为非音乐专业的人士提供了便捷的创作技术支持和愉悦的体验。

（三）音乐治疗智能应用场景的不断丰富 人工智能作为新一轮技术革命与产业变革的核心驱动力，为音乐治疗提供极为广阔的临床实践空间，使得智能技术应用下的治疗场景变得更为多元。应用较为广泛的一类场景是普通人日常身心健康的维护，比如运用智能系统和设备，如EmoSPARK，包括立体播放器和360度可转动摄像头，并连接用户的iPhone等设备，通过人脸识别、语音语义识别来检测用户情绪，并进行全方位追踪、评估、诊疗和精準的音乐菜单推送。此外，音乐治疗智能场景也可应用于精神疾病类或神经康复类的预测、诊断治疗和监控，如产后抑郁症、创伤性应激障碍、阿尔茨海默症等，通过来访者可携带的手机或可穿戴设备进行24小时不间断地采集用户信息，通过机器学习协助音乐治疗师进行评估和干预。音乐与智能技术的结合可实现音乐治疗中虚拟性与真实性、审美性与功能性及娱乐性与疗效性的统一，这不仅弥补了传统音乐治疗中的不足，也为人类身心健康的研究与医疗开辟了新可能。

二、人工智能背景下的音乐治疗研究现状

（一）音乐情感识别与情绪调节 传统的人工智能基本是以处理逻辑信息为主，但音乐是人类情感的本质表现，难以通过传统的方法进行处理。有研究认为，音乐与语言在认知上可能很少有重叠，比如失歌症和失语症，这也从一定程度上表明音乐情感的感知区域也许是独立的，而音乐情感认知的核心问题就在于情感的概念化和情感的分类问题。目前，已有越来越多领域的学者将目光投向于音乐与人类情感交互研究。包括：1.基于实时EEG技术。研究者Sourina O.提出将音乐治疗过程与基于实时EEG的人类情绪识别算法相结合，以识别当前来访者的情绪状态，并根据这种神经反馈来调整治疗以满足来访者的需求，这样就实现了一种自洽的音乐治疗系统，可以在没有任何音乐治疗师帮助的情况下使用，适用于普通人或身体机能受限的人群。2.基于音乐脑机接口技术。Daly I. 和Williams D.等人在2016年开发并评估了一种用于可调节人情感状态的情感化脑机音乐界面（aBCMI），即不需要移动就可通过大脑活动与计算机控制以实现人与音乐的交互系统，通过记录脑电图及其他生理指标以检测来访者当前的情感状态。该研究团队在此研究基础上又进行了混合脑机音乐接口技术（HBCMI）的研究，实验结果表明，相比传统的脑机音乐接口技术（BCMI）设计，个性化情感检测准确度效果更为显著。3.基于生理信号分析技术。学者通过引入机器学习方法，研究生理特征与音乐类型之间的关系，以提取生理信号中的皮肤电活动（EDA）、血容量脉搏（BVP）、皮肤温度（ST）和瞳孔扩张（PD）等来识别音乐类型，为音乐治疗中的音乐选择提供更为精准的指导，区别于传统音乐治疗的优势就在于，通过人工智能技术的赋能，能够借助个人的生理指标和神经指标随时随地监测使用者的情绪状态，为音乐治疗的疗效提供了更为客观、系统的监测方法。

（二）脑科学与音乐神经康复治疗 越来越多的国内外医学研究表明，音乐治疗在改善脑损伤、脑卒中患者的意识状态、情感状态、语言交流能力、运动能力与大脑认知功能康复等方面有其独特的临床应用价值。随着近年来脑科学、神经科学、音乐声学、康复医学的高度融合发展，音乐康复治疗也成为了现代康复医学中的一支重要力量。有研究者以音乐元素为干预的核心理念，并运用计算机技术，在使用的治疗仪器中加入了游戏界面，作用与神经康复患者的康复训练，实现了功能性、智能性、娱乐性与疗效性相统一。还有研究者通过定量脑电图（QEEG）的方式研究音乐听觉刺激对意识障碍患者自主神经系统的作用，结果显示，在监测大脑对音乐、受试者自己的名字和噪音反应中，被自己的名字刺激的受试者大脑激活程度较高，而另一项研究则表明由治疗师所选择的音乐刺激相比偏爱的音乐刺激可导致更高的自主神经系统的互动活动。在阿尔茨海默症的治疗中，研究者通过乐器的音准和节奏的测试，并将其得分代入机器学习预先建立的诊断模型中，可以准确、快速地诊断该病。因而，通过智能技术的辅助，不仅能进行疾病的预测、评估和治疗音乐的选择，同时也为身体机能或语言交流受限等患者开启了生命状态更多美好的可能性。82284331-54DE-4F1C-ADE7-3DF1A576629A

（三）音乐治疗算法技术与智能系统的开发 算法是人工智能的核心，随着各类音乐推荐算法的层出不穷，应运而生了基于马尔科夫模型、基于语法系统模型、基于深度生成式模型等。有研究对聆听音乐的功能、目标和音乐结构进行了分析，认为为治疗目的而创作的音乐有其特定的标准，而且受音乐结构、表现风格以及计算参数等属性影响更为明显，在此基础上研发了一种源于“旋律学”（Melomics）的“旋律学-健康”（Melomics-Health）新算法，可以无需参考作曲家或风格来创作治疗性的音乐。虽然其局限性在于未考虑到智能技术生成中的音乐模式缺失、过拟合的问题，但是通过算法技术能更好地控制治疗的特定参数与结构，也为脑神经科学的创新模型研究奠定了基础。特别是受严重或紧急的公共卫生问题如新冠肺炎疫情的影响，当人工选择的音乐无法满足快速增长的治疗性音乐需求时，通过算法技术来自动识别治疗性的音乐也能发挥其优势和实用价值。与此同时，应用于临床治疗领域中的人工智能音乐推荐系统也在不断开发，如自动化压力缓解音乐推荐系统、耳鸣患者个性化音乐推荐系统（EMOTION）、视障音乐治疗（TMT）模型等。这些音乐治疗智能模型与系统的开发与落地，不仅能够帮助残障患者重获“新生”，在音乐中重新找回自信和希望，更为国人的身心健康提供更有效、持久的保障。

三、人工智能赋能音乐治疗发展的新思考

（一）人工智能赋能音乐治疗所面临的问题与挑战 随着人工智能在语音识别、图像识别和自然语言处理方面取得了重大进展，基于丰富的大数据和深度学习，人工智能技术在音乐治疗的潜在应用已经被逐步证明，跨学科的合作已成必然趋势，然而人工智能与音乐治疗的结合仍面临诸多争议与挑战，

亟须对以下的关键性问题做进一步的思考。

1.脱离音乐主体谈人工智能 在音乐治疗的临床实践中，音乐始终是最基本的因素，虽然手段和形式多种多样，但干预效果的达成还依赖于音乐本身。而音乐是需要被感知的，其审美往往受人的个性、文化学习背景等诸多因素影响，虽然对人工智能技术生成音乐已经比较深入，但它还是很难体验到人类的各种复杂情感。若只谈智能技术而不考虑音乐的主体性，则容易本末倒置。正如初期的音乐治疗研究医务人员是主力军，大多未受过系统的音乐专业学习和训练，这也导致在大量的音乐治疗研究中对音乐相关问题的关注不够，学科研究的理论基础偏薄弱。

2.脱离音乐治疗师谈人工智能 尽管人工智能技术已成为现代辅助诊疗的重要手段之一，尤其是在新冠肺炎疫情爆发后，在人工选择无法满足快速增长的治疗音乐选择时，智能技术便充当了“虚拟治疗师”这一重要角色，为这场战疫的线上音乐治疗服务提供了快捷、优化的途径，促进了技术革新和治疗模式的转变。但是，它不能以“取代”音乐治疗师为目标。音乐治疗并非简单的看病开处方，更不是通过技术就能轻松提效。音乐治疗重视人本性，音乐治疗开始的首要条件就是治疗关系的建立，要与来访者有直接的眼神接触和交互沟通。若脱离音乐治疗师的存在，人工智能技术也只能充当冷冰冰的一种治疗手段。

3.脱离音乐产权保护和临床伦理谈人工智能当前，用人工智能技术创作音乐不再是新鲜事，但从现实情况看，它尚未发展到有自主意识的程度，因而，对人工智能的操作者仍占有主导地位，这就不可避免地会引发音乐数据和音乐生成后的产权归属问题。更重要的是，随着智能技术在音乐治疗领域的大范围推广与应用，也面临着一定的法律和伦理的挑战。无论是线上还是线下的音乐治疗，在应用人工智能相关软件时需要收集和筛选大量的数据，包括患者个人的基本信息、睡眠数据、通话数据、行动数据、临床治疗等，而且面对音乐治疗关系、治疗方案、治疗情境相对复杂，在临床上容易遇到知情同意、风险告知、隐私保护、同步共情等诸多方面的问题，加之我国尚未出台相关的隐私权保护法，这无疑在实践操作层面带来了一定的难度。

（二）探索人工智能背景下音乐治疗生态化发展的新思路 任何一个学科健康、稳步的发展，都离不开一个生态要素完整、形成各方共识的，能够突破各自学科圈进行跨界融合和具备协同发展思维的生态系统。

1.多层次推进，构建“跨学科”视域下音乐治疗智能化生态 首先，政府层面应给予人工智能下的音乐治疗更为积极的引导和激励，结合我国音乐治疗发展的现况进一步完善执业伦理规范，倡导将音乐治疗与健康大数据相结合，以推动与建立音乐文化生活与国民身心健康管理的共同体。

其次，从学科层面需要达成共识。人工智能学科的技术门槛高，音乐治疗从业人员容易望而生畏，如果各学科依然各自独立发展、开展零星式研究，很难形成规模效应和社会价值。2021年在北京中央音乐学院召开的世界音乐人工智能大会，受到了国内外学界空前的关注和重视，由于人工智能渗透音乐治疗领域的相关研究具有广泛的社会效应和应用价值，也成为了会议中最热门的讨论主题之一。目前国内研究将重点放在攻关脑科学与定量分析的音乐治疗和康复技术、睡眠障碍等领域，希望能以这几个关键性研究领域为发力点，明确各方的角色和定位，加强音乐治疗与人工智能学科之间的合作，通过以点带面，多学科的联动，实现科技赋能传统意义音乐治疗的创新发展。

再次，要着力加强人工智能和音乐治疗复合型人才的培养。由于交叉学科的特性对音乐治疗师的资质提出了更高的要求，在人工智能前沿技术快速赋能传统音乐治疗的时代，不仅可以重塑音乐治疗的临床模式，也可最大程度地发挥个人专业所长和优势。但现阶段，既懂音乐治疗又懂人工智能的人才十分稀缺，因此，要推动人工智能在音樂治疗领域中的发展，人才培养必定是一个关键性要素，需要给予高度关注与重视。尽管人工智能技术不能取代人类，但可以说，会运用人工智能技术的音乐治疗师在不久的将来会更具有竞争优势和发展潜力。

2.发挥本土优势，融合“整体观”的智能音乐治疗新探索 当前，人工智能技术发展已经进入了全新战略时代，国际上众多发达国家和地区围绕人工智能制定了“未来发展蓝图”，但多数仍以西方思维为主导。我国作为世界文明古国，运用音乐治疗服务于人类身心健康的历史相当地久远。尽管国内对音乐治疗与人工智能的探索才刚刚起步，但人工智能在治疗理念上和我国传统文化思想极为相似，张鸿懿教授指出：“中国民族音乐治疗文化的思想源远流长，是历经祖辈们长期实践应用积淀而成，其思想理论蕴含着国人特有的中医哲学智慧。”古代医学思想是通过“望闻问切”积累成千上万人的医学大数据，之后通过人脑进行“加工”处理。而现代则是用电脑加人脑的积累，辅助治疗师提供海量的“辨证论治”经验，以实现大数据与智能技术相结合的智能医疗。世界音乐治疗联合会（WFMT）前主席玛兰托Maranto博士1995年来中国讲学时也曾提出：“东方哲学、医学强调整体，音乐治疗从观念上更像东方人的思维模式。”当我们回归治疗的根本，从整体观的角度去诠释与解密人工智能治疗模式，对当今音乐治疗应用与实践无疑是一种重要启示。82284331-54DE-4F1C-ADE7-3DF1A576629A

結  语

尽管人工智能在音乐治疗领域的应用与研究才刚刚起步，尚有诸多难题需要破解，但是历史证明，人类的发展无法阻挡科技带来的巨大推动力。李小兵教授提出：“艺术与科学自古以来就是人类文明发展的重要驱动力，每一次艺术与科学的交汇都站在人类文明史的重要节点。”这一技术的诞生，必将促使广大的音乐治疗者们将目光投向更为广阔的人工智能所创造的音乐形式中，从当前大数据时代下人工智能音乐中汲取坚实的治疗力量，这正是现代音乐治疗未来发展所努力的方向。

娄岩主编《智能医学概论》，中国铁道出版社2018年版，第162-167页。

Sourina O.， Liu Y.，Nguyen M. K. Real-time EEG-based emotion recognition for music therapy. Journal on Multimodal

User Interfaces， 2012， pp.27-35.

Ian Daly ， Duncan Williams ， Asad Malik et al.. Personalised， Multi-Modal， Affective State Detection for Hybrid Brain-Computer Music Interfacing. IEEE Transactions on Affective Computing，2018，11（1），pp.111-124.

Rahman J S ，Gedeon T，Caldwell S ， et al. Towards Effective  Music Therapy for Mental Health Care Using Machine Learning Tools： Human Affective Reasoning and Music Genres[J]. Journal of Artificial Intelligence and Soft Computing Research， 2021， 11（1）：pp.5-20.

朱婷、何凌《基于人工智能技术的音乐治疗对身体机理反应及自动疗效评估系统》，《科技视界》2021年第5期，第83-85页。

Schaffert N ， Janzen T B ， Ploigt R ， et al. Development and  evaluation of a novel music-based therapeutic device for upper extremity movement training： A pre-clinical， single-arm trial[J]. PLoS ONE， 2020，15（11），e0242522.

Wu M， Bao W X， Zhang J， et al. Effect of acoustic stimuli in patients with disorders of consciousness： a quantitative electroencephalography study. Neural Regeneration Research，2018，13（11），pp.1900-1906.

Zhang X Y， Li J J， Lu H T， et al. Positive effects of music therapists selected auditory stimulation on the autonomic nervous system of patients with disorder of consciousness： A randomized controlled trial. Neural Regeneration Research，82284331-54DE-4F1C-ADE7-3DF1A576629A

2021，16（7），pp.1266-1272.

赵春婷《通过乐器的音准和节奏判别鉴定阿尔茨海默症方法及不同器乐类型对其治疗效果研究》，《乐器》2021年第4

期，第44-47页。

Raglio A， Vico F. Music and technology： The curative

algorithm. Frontiers in psychology， 2017， 8，pp.2055.

Chen G， Hu Z， Guan N， et al. Finding therapeutic music for anxiety using scoring model. International Journal of Intelligent

Systems，2021，36（8），pp.4298-4320.

Ras，Zbigniew W.，Alicja Wieczorkowska，and Shusaku Tsumoto，eds. Recommender Systems for Medicine and Music.

Switzerland：Springer International Publishing，2021，pp.187-223.

李澄《人工智能賦能未来音乐》，《音乐周报》2021年11月

2日，第B01 版。

张勇《中国传统音乐治疗理论与方法体系研究》，北京：人民出版社2019年版，第3-4页。

傅聪 博士，北京教育学院体育与艺术教育学院音

乐系讲师 （责任编辑  张萌）82284331-54DE-4F1C-ADE7-3DF1A576629A