A gépi agy már tudja, mit fogunk hallgatni jövő nyáron

Naponta több tízezer dal jelenik meg. Ez a folyamatos kínálat megnehezíti a streamingszolgáltatók és a rádióállomások számára, hogy kiválasszák, mely dalokat adják hozzá a lejátszási listákhoz, miből lehet valódi sláger. A választáshoz már most is használnak mesterséges intelligenciát különféle kontrollcsoportok és hallgatói felmérések mellett, ez a megközelítés azonban leginkább 50 százalékban sikeres, és ezt a számot akarják felhúzni a legmodernebb tudományos módszerekkel. 

Most amerikai kutatók egy átfogó, agyi válaszokra alkalmazott gépi tanulási technikát alkalmaztak, és 97%-os pontossággal tudták megjósolni a slágerdalokat.

“A gépi tanulást neurofiziológiai adatokra alkalmazva szinte tökéletesen tudtuk azonosítani a slágerdalokat” – mondta Paul Zak, a Frontiers in Artificial Intelligence című szaklapban megjelent tanulmány vezető szerzője. 

Gépi tanulás neurológiai adatokkal

A vizsgálat résztvevőit szabad piacon bárki számára elérhető, agyi tevékenységet érzékelő szerkezettel látták el, az alanyok meghallgattak egy 24 dalból álló sorozatot, majd megkérdezték őket a hallottakról alkotott benyomásokról és néhány demográfiai adatról. A kísérlet során a tudósok megmérték a résztvevők neurofiziológiai reakcióit a dalokra. “Az általunk gyűjtött agyi jelek egy olyan agyi hálózat aktivitását tükrözik, amely a hangulatot, kedélyállapotot mutatja meg” – mondta Zak. Ez lehetővé tette a kutatók számára, hogy néhány adat alapján megjósolják, mennyire slágergyanús egy új zeneszám.

Tehát az agyi tevékenység mutatja, ha egy szám valóban pozitív érzelmeket vált ki, ezt a megközelítést “neuro-előrejelzésnek” nevezik. Emberek egy kis csoportjának idegi aktivitását rögzíti, hogy megjósolja a populációs szintű hatásokat anélkül, hogy több száz ember agyi aktivitását kellene mérni.

A dalok első percére adott agyi válaszokra is alkalmaztak gépi tanulást. Ebben az esetben a slágereket 82%-os sikeraránnyal azonosították helyesen.

“Ez azt jelenti, hogy a streamingszolgáltatások könnyebben és hatékonyabban azonosíthatják az új dalokat, amelyek valószínűleg slágerek lesznek az emberek lejátszási listáin, megkönnyítve ezzel a streamingszolgáltatók munkáját” – magyarázta Zak.

Csapata közel tökéletes előrejelzési eredményei ellenére a kutatók rámutattak néhány korlátra. Például viszonylag kevés dalt használtak elemzésükben, továbbá a vizsgálatban résztvevők demográfiai összetétele mérsékelten sokszínű volt.

Mindazonáltal a kutatók arra számítanak, hogy megközelítésük valószínűleg a slágerdalok azonosításán túl is használható lesz, részben a könnyű megvalósításnak köszönhetően. “A legfontosabb hozzájárulásunk a módszertan. Valószínű, hogy ez a megközelítés számos másfajta szórakoztatóiparban is alkalmazható a slágerek előrejelzésére, beleértve a filmeket és a tévéműsorokat” – zárta mondandóját Zak.