Американские учёные научили ИИ предсказывать, какие песни станут хитами с точностью 97 %

До последнего времени был довольно трудно предсказать, какие именно песни станут хитами. Алгоритмы «подсказок», используемые многими стриминговыми платформами, далеко не всегда работают, но ситуация может кардинально измениться благодаря новому исследованию учёных из США.

Источник изображения: Pexels/pixabay.com

Американские учёные использовали технологии машинного обучения, разработав систему, в итоге способную с вероятностью 97 % предсказать, превратится ли песня в хит или так и останется на задворках музыкальных чартов. Известно, что ранее использовались различные методики — от анализа стихов песен, постов в блогах до упоминаний в социальных сетях, но в большинстве случаев точность предсказаний была весьма низкой. Теперь учёные Клермонсткого университета в Калифорнии использовали машинное обучение, система анализирует реакцию мозга и данные от дополнительных датчиков.

«Применяя машинное обучение к нейрофизиологическим данным, мы могли почти идеально идентифицировать потенциальные хиты. То, что нейроактивность 33 человек может предсказать, станут ли это слушать миллионы других, просто удивительно», — заявил старший автор исследования Пол Зак (Paul Zak). По его словам, никому прежде не удавалось добиться таких результатов.

Для мониторинга участников исследования использовали простые серийные сенсоры — люди прослушивали подборки из 24 песен, после чего их спрашивали о предпочтениях, а также учитывали некоторые демографические данные. В ходе исследования учёные изучали «нейропсихологические ответы» на песни. По словам Зака, собранные данные о сигналах мозга отражают мозговую активность, связанную с настроением и уровнем энергии. Он добавил, что это позволило предсказывать и «рыночные» результаты песен, включая число прослушиваний того или иного трека.

Нейропрогнозирование позволяет регистрировать нейроактивность у небольшой группы людей и экстраполировать результаты на большие сообщества без необходимости обследований сотен человек. После сбора данных исследователи использовали различные статистические методы для оценки прогностической точности нейропсихологических переменных, модель машинного обучения тестировала различные алгоритмы для получения наилучших результатов. Учёные выяснили, что линейная статистическая модель даёт точность прогнозов на уровне 69 %, а применение к собранным данным методов машинного обучения повышает точность до 97 %. Кроме того, машинное обучение применялось и для оценки первых минут песен, в этом случае точность составила 82 %.

По мнению учёных, это означает, что стриминговые сервисы теперь смогут с высокой долей вероятности определять, какие именно песни станут хитами — это упростит работу стриминговых площадок, а в будущем, когда ношение датчиков станет повсеместным, каждый пользователь сможет получать контент в зависимости от нейропсихологических особенностей — например, на выбор будут предлагаться не двести-триста песен, а две-три, зато точно соответствующие индивидуальным предпочтениям. Несмотря на блестящие предварительные результаты, исследователи отметили, что для анализа пока использовалось относительно немного песен, а в исследовании не участвовали определённые этнические и возрастные группы. При этом учёные отмечают, что их технология в принципе универсальна и в будущем сможет использоваться и для подборки других типов развлечений, включая фильмы и ТВ-шоу.