Opracowali technologię identyfikującą przeboje z 97 proc. skutecznością
Amerykańscy naukowcy udowadniają w nowej publikacji, że zastosowanie uczenia maszynowego do danych neuronowych prowadzi do niemal 100 proc. skuteczności piosenek, które mogą stać się hitami.
Każdego dnia powstają dziesiątki tysięcy nowych utworów muzycznych, ale tylko niewielka część z nich ma szansę trafić na szczyt list przebojów, więc stacje radiowe, telewizyjne i usługi streamingowe mają coraz poważniejsze trudności we wskazaniu potencjalnych hitów.
Co prawda korzystają w tym celu z wykwalifikowanych ekspertów i coraz częściej sztucznej inteligencji, ale ich skuteczność szacowana jest na ok. 50 proc., więc równie dobrze można sobie zrobić wyliczankę.
I tu do akcji wkraczają naukowcy Claremont Graduate University, którzy postanowili podejść do sprawy na swój sposób, a efekty są zaskakujące - ich technika maszynowego uczenia może się pochwalić 97 proc. skutecznością, więc jest niemal bezbłędna we wskazywaniu hitów.
Jak udało się stworzyć tak skuteczny model? Zespół zaprosił do badania uczestników, którzy wyposażeni w specjalne czujniki, wysłuchali zestawu 24 piosenek i zostali zapytani o preferencje i niektóre dane demograficzne.
Podczas eksperymentu naukowcy mierzyli neurofizjologiczne reakcje uczestników na piosenki, tzn. zebrane przez nich sygnały mózgowe odzwierciedlają aktywność sieci mózgowej związanej z nastrojem i poziomem energii, co pozwoliło przewidzieć wyniki rynkowe, w tym liczbę odtworzeń utworu.
Kiedy zastosowali uczenie maszynowe do zebranych danych, odsetek prawidłowo zidentyfikowanych hitów wyniósł do 97 proc. Postanowili też sprawdzić uczenie maszynowe do reakcji neuronalnych na pierwszą minutę piosenek - w tym przypadku trafienia zostały poprawnie zidentyfikowane ze skutecznością na poziomie 82 proc., więc także całkiem nieźle.
