Цифровая трансформация высшего музыкального образования осмысливается в педагогической науке либо в философско-образовательном, либо в технологическом аспектах. Наблюдается дефицит научной рефлексии в области цифровой дидактики. Целью исследования является выявление перспективных направлений использования искусственного интеллекта в высшем музыкальном образовании. В исследовании использовались следующие методы: анализ научной литературы, содержащей кейсы внедрения искусственного интеллекта в высшее музыкальное образование, опрос преподавателей музыки, использующих нейросети в образовательной деятельности (n = 21). Были определены направления использования искусственного интеллекта в преподавании музыки: 1) обучение (сопровождение обучения) вокалу / игре на музыкальном инструменте; 2) развитие (сопровождение процесса развития) качеств музыкальной выразительности (музыкальной эмоциональности); 3) автоматизированная система оценки / анализа исполнительской техники; 4) использование чатов с нейросетями для обучения теории и истории музыки; 5) персонализация процесса обучения; 6) автоматизация работы с содержанием музыкального образования. В реальной практике наиболее востребованы автоматизированная система оценки и использование чатов с нейросетями, автоматизация работы с содержанием музыкального образования. Также дана классификация нейросетей по уровню интеграции решаемых задач: 1) монозадачные; 2) полизадачные; 3) интегральные модели. В зависимости от способа реализации на уровне формы обучения выделены следующие направления: 1) дистанционное обучение; 2) смешанное обучение; 3) интеллектуальные системы обучения. Последнее рассматривается в качестве новой образовательной перспективы. Таким образом, исследование выявило перспективные направления внедрения искусственного интеллекта в высшее музыкальное образование, среди которых наибольшую практическую востребованность показывают автоматизированная оценка исполнительской техники и работа с образовательным контентом, в то время как остальные направления обладают значительным, но еще не реализованным потенциалом.

Digital transformation of higher music education is understood in pedagogical science either in philosophical and educational or in technological aspects. There is a deficit of scientific reflection in the field of digital didactics. The aim of the study is to identify promising areas of using artificial intelligence in higher music education. The following methods were used in the study: analysis of scientific literature containing cases of introducing artificial intelligence into higher music education, a survey of music teachers using neural networks in educational activities (n = 21). Six areas of using artificial intelligence in music teaching were identified: 1) teaching (supporting teaching) vocals / playing a musical instrument; 2) development (supporting the development process) of the qualities of musical expressiveness (musical emotionality); 3) automated system for assessing / analyzing performance technique; 4) using chats with neural networks to teach the theory and history of music; 5) personalization of the learning process; 6) automation of work with the content of music education. In real practice, the most popular are the automated assessment system and the use of chats with neural networks, automation of work with the content of music education. Also, a classification of neural networks is given by the level of integration of the tasks to be solved: 1) mono-task; 2) poly-task; 3) integral models. Depending on the method of implementation at the level of the form of training, the following areas are distinguished: 1) distance learning; 2) blended learning; 3) intelligent learning systems. The latter is considered as a new educational perspective. Thus, the study revealed promising areas for the introduction of artificial intelligence in higher music education, among which the greatest practical demand is shown by automated assessment of performance technique and work with educational content, while other areas have significant, but not yet realized potential.