Nuzic: una IA educativa que ensenya música amb matemàtiques

Música a través dels nombres

Nuzic és un projecte educatiu nascut a Barcelona que proposa entendre, crear i sentir la música a través de les matemàtiques. El seu sistema propi descriu el ritme i el so amb nombres, i compta amb una app en línia gratuïta i de codi obert, un programa per a les aules (PlayNuzic), un disc compost íntegrament amb el sistema i un documental, ¿Cómo suenan los números?

Formo part de l’equip tècnic des del 2022: la web, la base de dades de l’app musical i tot el DevOps. El 2026 la pregunta va canviar: si cap model d’IA no coneix el sistema Nuzic, li ho podem ensenyar nosaltres?

Un LoRA que parla Nuzic

Cap model del mercat no sap explicar el sistema matemàtic musical de Nuzic. Li falten els conceptes, el vocabulari i la manera de raonar. Per això estem fent fine-tuning: un LoRA entrenat en local amb el coneixement de Nuzic, perquè la IA expliqui conceptes, resolgui exercicis i respongui com ho faria un professor del projecte.

• Per què LoRA. No té sentit reentrenar un model sencer. Un LoRA és un adaptador lleuger que s’entrena amb maquinari propi, es versiona com qualsevol altre fitxer i es pot combinar amb RAG per citar la teoria original.
• El flux complet. Dataset curat, fine-tuning amb Unsloth o Axolotl, fusió, quantització, desplegament al gateway de models del laboratori i avaluació amb preguntes reals de professors.
• Educatiu de debò. El model distingeix el sistema Nuzic de la teoria musical clàssica i adapta el to a un alumne, a un docent o a algú que el descobreix per primera vegada.

La fàbrica de datasets

Un bon fine-tuning comença per les dades, no per la GPU.

• Ingesta dels PDF de teoria i dels continguts de les webs, convertits a JSONL.
• Generació sintètica de parells amb raonament explícit, de cinc tipus: càlcul i raonament conceptual, contrast amb la teoria clàssica, respostes directes, converses multitorn i respostes amb cites.
• Tres tons per al mateix contingut (tècnic, escolar i divulgatiu), amb un identificador estable per pregunta.
• Control de qualitat automàtic de duplicats, longitud i coherència del raonament, amb mètriques de cost per bloc.
• Optimització de cost: passar d’adjuntar el PDF a cada crida a fer servir la memòria cau de prompts ho va fer unes nou vegades més barat.

Abans d’entrenar, una persona revisa cada parell en una web de curació amb rols (administració, creació i validació), estats editorials, auditoria i exportació a punt per a Unsloth i Axolotl.

Webs que funcionen amb IA

La IA no es queda al laboratori. Algunes parts de les webs de Nuzic ja es construeixen i funcionen amb IA.

• Migració de nuzic.org a Next.js feta per agents Pi: un orquestrador i subagents que treballen cadascun en els seus propis fitxers, amb revisió visual en bucle respecte a producció (±2 píxels).
• Continguts educatius preparats amb agents i revisats per l’equip abans de publicar-los.
• Un assistent privat amb el context de Nuzic per a l’equip, que consulta la teoria amb cites i no envia dades a tercers.

Una empresa virtual d’agents

A Discord, Hermes Nuzic funciona com una empresa virtual amb cap de producte, arquitecte, backend, frontend, QA tècnic i visual, DevOps i guardià de versions.

• Només treballa en branques permeses.
• Passa proves i una revisió automàtica d’errors abans de cada merge request.
• Només fusiona amb una aprovació humana verificada per l’API de GitLab.
• Consulta la teoria en un vault d’Obsidian amb cites.

El que vaig aprendre

• Un model propi comença per dades ben curades. La GPU va al final.
• Amb un LoRA, una organització educativa petita pot tenir la seva pròpia IA especialitzada, sense dependre de ningú i amb les dades a casa.
• Els agents de desenvolupament funcionen quan tenen permisos acotats i una regla clara de no tocar producció.