Визначити музичний хіт із мільйона пісень досить складно. Стрімінгові послуги для вирішення цього завдання спочатку залучали музичних критиків та інших фахівців. Пізніше вони звернулися до можливостей штучного інтелекту, але точність таких нейромереж не перевищувала 50%. Вчені зі США розширили метод використання ШІ, додавши до нього аналіз мозкових реакцій слухачів.
У роботі американських фахівців навчання штучного інтелекту відбувалося на мозкових сигналах людей, які слухали ті чи інші композиції. У дослідженні, опублікованому на сторінках журналу Frontiers in Artificial Intelligence, його автори стверджують, що їм вдалося досягти точності передбачення 97%.
В експерименті брали участь 33 особи. Кожен із них прослухав 24 композиції, підібрані стрімінговими сервісами. Деякі їх позначалися як «хіт», інші як «провал». Під час прослуховування вчені фіксували мозкову активність учасників експерименту – ту частину, яка відповідає за настрій та рівень енергії.
“Застосовуючи машинне навчання до нейрофізіологічних даних, ми майже ідеально визначали хітові пісні”, – сказав Пол Зак, професор Клермонтського університету та старший автор дослідження. “Те, як нейронна активність 33 людей може передбачити, що слухатимуть мільйони інших, досить дивно. Раніше жоден метод не показував такої точності”, – додав Зак.
Щоб виявити найточніший метод, вчені перевірили та порівняли кілька статистичних підходів. Найнеточнішою виявилася лінійна модель, що використовує два нейронні виміри. Її точність не перевищувала позначки 69%. Спосіб визначення хітової пісні за мозковими реакціями на першій хвилині прослуховування виявився точнішим. Хіти було правильно визначено з точністю 82%. Однак найточнішою виявилося ансамблеве машинне навчання, яке застосовувалося до синтетичного набору даних. І тут облік нелінійностей в нейронних даних довів показник до 97%.
“Це означає, що стрімінгові сервіси можуть легко визначати нові пісні, які, ймовірно, стануть хітами для плейлистів людей, полегшуючи роботу і радуючи слухачів”, – сказав Зак. Він також зазначив, що подібна техніка може мати інші застосування в нейромаркетингу та споживчій нейронауці.
