Учёные научились определять музыкальные хиты с точностью до 97% — для этого ИИ анализирует мозговые волны
Определить музыкальный хит из миллиона песен довольно сложно. Стриминговые сервисы для решения данной задачи изначально привлекали музыкальных критиков и других специалистов. Позже они обратились к возможностям искусственного интеллекта, но точность таких нейросетей не превышала 50%. Учёные из США расширили метод использования ИИ, добавив в него анализ мозговых реакций слушателей.
В работе американских специалистов обучение искусственного интеллекта проходило на мозговых сигналах людей, которые слушали те или иные композиции. В исследовании, опубликованном на страницах журнала Frontiers in Artificial Intelligence, его авторы утверждают, что им удалось добиться точности предсказания в 97%.
В эксперименте участвовали 33 человека. Каждый из них прослушал 24 композиции, подобранные стриминговыми сервисами. Некоторые из них обозначались как «хит», другие как «провал». Во время прослушивания учёные фиксировали мозговую активность участников эксперимента — ту часть, которая отвечает за настроение и уровень энергии.
«Применяя машинное обучение к нейрофизиологическим данным, мы почти идеально определяли хитовые песни», — сказал Пол Зак, профессор Клермонтского университета и старший автор исследования. — «То, как нейронная активность 33 человек может предсказать, что будут слушать миллионы других, довольно удивительно. Ранее ни один метод не показывал подобной точности».
Чтобы выявить наиболее точный метод, учёные проверили и сравнили несколько статистических подходов. Самой неточной оказалась линейная модель, использующая два нейронных измерения. Её точность не превышала отметки в 69%. Способ определения хитовой песни по мозговым реакциям на первой минуте прослушивания оказался более точным. Хиты были правильно определены с точностью 82%. Однако самой точной оказалось ансамблевое машинное обучение, которые применялось к синтетическому набору данных. В этом случае учёт нелинейностей в нейронных данных довёл показатель до 97%.
«Это означает, что стриминговые сервисы могут легко определять новые песни, которые вероятно станут хитами для плейлистов людей, облегчая работу и радуя слушателей», — сказал Зак. Он также отметил, подобная техника может иметь другие применения в нейромаркетинге и потребительской нейронауке.