محققان آمریکایی با استفاده از تکنیک های یادگیری ماشین و هوش مصنوعی مدلی ساخته اند که می تواند موفقیت یا شکست آهنگ ها را به دقت پیش بینی کند. 97 درصد من پیش بینی می کنم
تاکنون از روشهای مختلفی برای پیشبینی موفقیت آهنگ استفاده شده است، مانند تجزیه و تحلیل متن آهنگ، پستهای وبلاگ، ذکر رسانههای اجتماعی و فعالیت مغز. با این حال، همانطور که محققان در مطالعه خود اشاره کردند، دقت پیشبینی در اکثر مطالعات قبلی پایین بود. مثلا در یکی از موارد زیر 50 درصد.
پیش بینی موفقیت آهنگ ها با هوش مصنوعی
اکنون آنها از تکنیک یادگیری ماشینی استفاده کردند و آن را با پاسخ های مغزی 33 فرد 18 تا 57 ساله ترکیب کردند. شرکت کنندگان در این مطالعه با سنسورهای ضربان قلب و PPG تجهیز شدند و به 24 آهنگ جدید گوش دادند. در طول آزمایش، از آنها در مورد ترجیحاتشان پرسیده شد و همچنین باید در نظرسنجی شرکت می کردند.
سپس دانشمندان از یک پلت فرم برای اندازه گیری پاسخ های عصبی فیزیولوژیکی خود استفاده کردند. این پلتفرم سیگنال های مربوط به توجه و محتوای احساسی را ترکیب می کند، فرآیندی که «مغز به عنوان یک پیش بینی کننده» یا «پیش بینی عصبی» نامیده می شود.
آنها در مطالعه خود توضیح دادند:
“تحلیل ما نشان می دهد که دو معیار غوطه وری فیزیولوژیکی عصبی در موسیقی، با استفاده از یک مدل رگرسیون لجستیک خطی سنتی، می تواند ضربات و صداها را با دقت 69 درصد شناسایی کند.”
با این حال، پس از استفاده از یک مدل یادگیری ماشین بر روی داده های عصبی، دقت این پیش بینی از 69٪ به 97٪ افزایش یافت.
در نهایت، آنها به این نتیجه رسیدند که نتایج این تحقیق می تواند خدمات استریم را در ارائه آهنگ های شخصی سازی شده برای هر کاربر کارآمدتر کند و این می تواند مکانیسم های پیشنهادی موجود را به نفع هنرمندان، توزیع کنندگان و مصرف کنندگان بهبود بخشد.
در حالی که تاکنون بسیاری از ویژگی های هوش مصنوعی مانند Spotify DJ منتشر شده است، نگرانی هایی نیز در مورد تأثیر این فناوری بر صنعت موسیقی وجود دارد. اوایل سال جاری، گروه موسیقی یونیورسال نامهای به اسپاتیفای، اپل موزیک و سایر سرویسها ارسال کرد و گفت که برخی از موسیقیهای ایجاد شده توسط هوش مصنوعی قانون کپی رایت را نقض میکنند.