ИИ способен предсказать, станет ли новая песня хитом с точностью 97%
В условиях, когда ежедневно появляются десятки тысяч новых песен, перед потоковыми сервисами и радиостанциями стоит колоссальная задача. Они должны решить, какие мелодии предназначены для хит-парадов. Они применяют различные тактики, чтобы сделать эти прогнозы. Однако результаты остаются неуловимыми.
Независимо от того, привлекаются ли к работе человеческие рецензенты или используется искусственный интеллект, они могут обеспечить лишь 50% попадания новых песен в хит-парад. Однако революционная методика может изменить ситуацию. Группа исследователей из США использовала передовую технику машинного обучения в сочетании с реакцией мозга для определения потенциальных хитов с поразительной точностью в 97%.
Прорывной подход к прогнозированию музыкальных тенденций использует "нейропрогнозирование". Это методика, которая использует данные о мозговой активности для прогнозирования широко распространенных тенденций.
"Применяя машинное обучение к нейрофизиологическим данным, мы смогли почти идеально определить хитовые песни. То, что нейронная активность 33 человек может предсказать, слушали ли миллионы других людей новые песни, просто удивительно. Ничего близкого к такой точности не было показано ранее", - поделился Пол Зак, профессор Клэрмонтского университета и старший автор исследования, опубликованного в журнале Frontiers in Artificial Intelligence.
В ходе исследования участников снабдили готовыми датчиками и заставили прослушать набор из 24 новых песен. Исследователи собирали данные об их предпочтениях. Они также использовали демографическую информацию. Но самое главное, команда регистрировала нейрофизиологические реакции участников на музыку.
"Собранные нами мозговые сигналы отражают активность сети мозга, связанной с настроением и уровнем энергии", - пояснил Зак.
Эта информация сыграла решающую роль в прогнозировании того, насколько успешной может быть песня на рынке. Это даже позволило исследователям оценить количество потоков, которые может набрать песня. После завершения этапа сбора данных команда применила различные статистические методы для оценки точности прогнозирования нейрофизиологических переменных. Это позволило провести прямое сравнение моделей.
Для повышения точности прогнозирования была обучена модель машинного обучения, в которой тестировались различные алгоритмы, стремясь получить наивысшие результаты прогнозирования того, какие новые песни станут хитами.
