Ερευνητές “εκπαίδευσαν” ένα σύστημα Τεχνητής Νοημοσύνης (ΤΝ) να προβλέπει με απίστευτη ακρίβεια την μελλοντική επιτυχία (ή όχι) τραγουδιών, απλώς αναλύοντας το πώς χτυπάει η καρδιά του ακροατή ενώ το ακούει, χωρίς ποτέ να αναλύσουν το καθαυτό το τραγούδι!
Περίπου 100.000 νέα τραγούδια κυκλοφορούν κάθε μέρα και οι δισκογραφικές εταιρείες, οι ραδιοφωνικοί σταθμοί και οι μουσικές εφαρμογές προσπαθούν συνεχώς να προβλέψουν ποια θα γίνουν επιτυχίες.
Αν οι προβλέψεις τους είναι σωστές, οι ακροατές μένουν ευχαριστημένοι (όπως και οι πλατφόρμες, με περισσότερα δικαιώματα, συνδρομητές και έσοδα από διαφημίσεις). Αν κάνουν συνέχεια λάθος προβλέψεις, η μουσική βιομηχανία είναι πολύ σκληρή και τους θέτει εκτός ανταγωνισμού.
Οι εταιρείες βασίζονται ήδη σε μεγάλο βαθμό σε αλγόριθμους που εξετάζουν τα metadata ενός τραγουδιού (καλλιτέχνης, είδος, γλώσσα, κ.λπ.) και την καθαυτή την μουσική (νότες, στίχοι κ.λπ.) για να προσπαθήσουν να εντοπίσουν πιθανά νέα hits. Αλλά ακόμα και με όλα αυτά, είναι σε θέση να προβλέψουν σωστά αν ένα τραγούδι θα είναι επιτυχία ή όχι μόνο στο στο 50% των περιπτώσεων περίπου.
Σε προηγούμενη έρευνα, ο Paul Zak, διευθυντής του Κέντρου Νευροοικονομικών Μελετών στο Claremont Graduate University (CGU), ανακάλυψε ότι πολύ λεπτές αλλαγές στους καρδιακούς παλμούς μπορούν να προβλέψουν την εγκεφαλική δραστηριότητα που σχετίζεται με την προσοχή και τον συναισθηματικό συντονισμό.
“Το εργαστήριό μου εντόπισε προηγουμένως αυτό που φαίνεται να είναι το σύστημα αξιολόγησης του εγκεφάλου για κοινωνικές και συναισθηματικές εμπειρίες. Το ονόμασα Immersion”, είπε ο Zak.
“Σε συνομιλίες με μια υπηρεσία streaming, μου είπαν ότι δυσκολεύονται να προτείνουν νέα μουσική στους συνδρομητές λόγω του μεγάλου όγκου της νέας μουσικής. Νόμιζα ότι η μέτρηση της νευρολογικής δραστηριότητας θα μπορούσε να βοηθήσει στην επίλυση αυτού του προβλήματος”, πρόσθεσε.
Για να μάθει αν είχε δίκιο, η υπηρεσία streaming έστειλε στην ερευνητική ομάδα του Zak 24 τραγούδια που κυκλοφόρησαν πρόσφατα, με περίπου ομοιόμορφο διαχωρισμό των κομματιών που θεωρούσε επιτυχίες (70.000+ streams εντός 6 μηνών από την κυκλοφορία) και αποτυχίες.
Οι ερευνητές της CGU έβαλαν 33 εθελοντές να ακούσουν τα τραγούδια φορώντας μη επεμβατικούς καρδιακούς αισθητήρες. Αυτά τα δεδομένα στη συνέχεια τροφοδοτήθηκαν στην πλατφόρμα του Zak για να προσδιοριστούν οι νευροφυσιολογικές αποκρίσεις τους στα τραγούδια. Όπως ήταν αναμενόμενο, τα τραγούδια- επιτυχίες είχαν υψηλότερες βαθμολογίες στην κλίμακα «Immersion» σε σύγκριση με τα τραγούδια-αποτυχίες.
Τα δεδομένα από το πώς ανταποκρίθηκαν οι εγκέφαλοι των 33 εθελοντών σε μόλις 24 τραγούδια δεν είναι φυσικά επαρκή για να εκπαιδεύσουν πλήρως ένα σύστημα ΤΝ. Τα συστήματα αυτά αποδίδουν καλύτερα σε πολύ μεγαλύτερα σύνολα δεδομένων. Έτσι οι ερευνητές χρησιμοποίησαν τις πληροφορίες που είχαν συλλέξει για να προσομοιώσουν ένα σύνολο συνθετικών δεδομένων 10.000 νευροφυσιολογικών αποκρίσεων.
Στη συνέχεια χρησιμοποίησαν το ήμισυ του συνόλου δεδομένων για να εκπαιδεύσουν το σύστημα ΤΝ για να ταξινομήσει τα τραγούδια ως επιτυχίες ή αποτυχίες. Όταν δοκίμασαν την ΤΝ στο άλλο μισό και τα πραγματικά δεδομένα από τους εθελοντές, διαπίστωσαν ότι η ΤΝ είχε προβλέψει με 97% ακρίβεια τα τραγούδια-επιτυχίες!
“Εφαρμόζοντας τη μηχανική μάθηση σε νευροφυσιολογικά δεδομένα, θα μπορούσαμε να αναγνωρίσουμε σχεδόν τέλεια ποια τραγούδια θα γίνουν επιτυχίες. Το ότι η νευρική δραστηριότητα 33 ανθρώπων μπορεί να προβλέψει εάν εκατομμύρια άλλοι άκουσαν νέα τραγούδια είναι εκπληκτικό. Τίποτα κοντά σε τέτοια ακρίβεια δεν έχει αποδειχθεί ποτέ στο παρελθόν”, είπε ο Zak.
Η μελέτη ήταν μικρή, όσον αφορά τόσο τους συμμετέχοντες όσο και τον αριθμό των τραγουδιών. Δεν περιλάμβανε άτομα από όλα τα δημογραφικά πεδία, και ενώ τα συνθετικά σύνολα δεδομένων υποτίθεται ότι είναι στατιστικά ακριβείς αναπαραστάσεις των πραγματικών δεδομένων που χρησιμοποιούνται για τη δημιουργία τους, αυτό δεν συμβαίνει πάντα.
Αν μελλοντική έρευνα επιβεβαιώσει το σύστημα ΤΝ του Zak, ωστόσο, οι ραδιοφωνικοί σταθμοί και οι πλατφόρμες ροής (streaming platforms) θα μπορούσαν να αρχίσουν να βασίζουν τις συστάσεις τους προς τους συνδρομητές σύμφωνα με την κλίμακα Immersion αυτής της ΤΝ.
Πηγές: https://www.zmescience.com, https://www.freethink.com
ΔΙΑΒΑΣΤΕ ΕΠΙΣΗΣ
Καρκίνος του Μαστού: Αλγόριθμος Τεχνητής Νοημοσύνης ξεπέρασε τα υπάρχοντα μοντέλα εκτίμησης κινδύνου
Προσοχή στα διαδικτυακά εργαλεία Τεχνητής Νοημοσύνης για θέματα υγείας: Τι να γράφετε και τι όχι
Αλτσχάιμερ: Σύστημα Τεχνητής Νοημοσύνης εντοπίζει σημάδια στην ομιλία πριν αρχίσουν τα συμπτώματα
«Καμπανάκι» ΠΟΥ για τους κινδύνους από τη χρήση της Τεχνητής Νοημοσύνης στην Υγεία
φωτό: iStock