هوش مصنوعی با گوش دادن به ضربان قلب شما آهنگ های موفق را پیش بینی می کند

هوش مصنوعی با گوش دادن به ضربان قلب شما آهنگ های موفق را با دقت 97 درصد پیش بینی می کند. این سیستم پیشرفته با تجزیه و تحلیل چگونگی واکنش عاطفی بدن ما و توجه به موسیقی، به میزان موفقیت چشمگیر 97 درصد دست یافته است. این پیشرفت پتانسیل این را دارد که نحوه پیشنهاد صنعت موسیقی آهنگ‌ها را تغییر دهد و تجربه‌های شخصی‌سازی‌شده‌تر و لذت‌بخش‌تری برای کشف موسیقی به شنوندگان ارائه دهد.

هوش مصنوعی آهنگ های پرطرفدار را با دقت 97% با تجزیه و تحلیل ضربان قلب پیش بینی می کند

محققان دانشگاه فارغ التحصیل کلرمونت (CGU) به کشف قابل توجهی دست یافته اند. آنها یک سیستم هوش مصنوعی را آموزش دادند تا آهنگ های موفق را با دقت باورنکردنی 97 درصد بدون تجزیه و تحلیل موسیقی واقعی پیش بینی کند. در عوض، آنها از داده های ضربان قلب داوطلبان برای اندازه گیری ارتباط عاطفی آنها با آهنگ ها استفاده کردند. این پیشرفت می‌تواند نحوه پیش‌بینی و توصیه صنعت موسیقی آهنگ‌های جدید را متحول کند، که به نفع شرکت‌های ضبط، ایستگاه‌های رادیویی و پلتفرم‌های پخش است.

قدرت فیزیولوژی عصبی

پل زک، که ریاست مرکز مطالعات اقتصاد عصبی در CGU را بر عهده دارد، تیمی از محققان را در مأموریتی برای درک چگونگی ارتباط ضربان قلب با ترجیحات موسیقی رهبری کرد. آنها کشف کردند که تغییرات کوچک در ضربان قلب می تواند چگونگی توجه و واکنش عاطفی مغز ما را نشان دهد. با تکیه بر این دانش، زک می‌خواست دریابد که آیا می‌توان از این «غوطه‌ور شدن» در مغز ما برای کمک به صنعت موسیقی برای توصیه آهنگ‌های جدید به شنوندگانی که با سیل انتشارات مواجه هستند استفاده کرد.

از Heartbeats تا Hit Songs

محققان برای بررسی اینکه آیا ایده آنها درست است یا خیر، با یک سرویس پخش کار کردند. این سرویس 24 آهنگ را که اخیرا منتشر شده بود به آنها داد. آهنگ‌ها به دو گروه تقسیم شدند: «هیت‌هایی» که در شش ماه اول بیش از 70000 استریم داشتند و «فلاپ‌ها» که چندان مورد توجه قرار نگرفت. محققان از 33 نفر خواستند در حالی که از حسگرهای ویژه برای اندازه گیری ضربان قلب و سایر واکنش های بدنشان استفاده می کنند، به آهنگ ها گوش دهند.

آموزش هوش مصنوعی

از آنجایی که داشتن داده‌های تنها از 24 آهنگ برای آموزش درست هوش مصنوعی کافی نیست، محققان از اطلاعات جمع‌آوری‌شده برای ایجاد یک مجموعه داده با 10000 مجموعه واکنش از بدن افراد. آن‌ها از این داده‌های جعلی استفاده کردند تا به هوش مصنوعی آموزش دهند که تشخیص دهد کدام آهنگ‌ها موفق هستند و کدام‌ها نه، تنها با استفاده از نیمی از داده‌های وانمودی. سپس هوش مصنوعی را با استفاده از نیمی دیگر از داده های وانمودی و داده های واقعی که از داوطلبان جمع آوری کردند، آزمایش کردند. با کمال تعجب، هوش مصنوعی فوق‌العاده دقیق بود و آهنگ‌ها را به‌درستی با نرخ موفقیت ۹۷ درصد بر اساس نحوه واکنش بدن افراد به آن‌ها طبقه‌بندی می‌کرد.

پیش‌بینی آهنگ‌های پرطرفدار

پل زاک که از یافته‌ها بسیار هیجان‌زده بود، اهمیت استفاده از یادگیری ماشینی با داده‌های بدن ما را برجسته کرد و گفت: «با تجزیه و تحلیل این داده‌ها تقریباً می‌توانیم بگوییم که کدام آهنگ‌ها موفق خواهند شد.» این تحقیق پیامدهای بزرگی دارد زیرا نشان می‌دهد که می‌توانیم پیش‌بینی کنیم که میلیون‌ها نفر با مطالعه فقط ۳۳ نفر چه چیزی را دوست دارند. اگرچه این مطالعه تعداد کمی شرکت‌کننده داشت و ممکن است همه را نمایندگی نکند، اما امکانات هیجان‌انگیزی را برای ایستگاه‌های رادیویی و پلت‌فرم‌های استریم ارائه می‌دهد تا سیستم‌های پیشنهادی خود را بسیار بهتر کنند.

افزایش اکتشاف موسیقی

در آینده، ایستگاه‌های رادیویی و پلت‌فرم‌های جریان ممکن است از این روش هوش مصنوعی برای بهبود سیستم‌های توصیه خود استفاده کنند. با در نظر گرفتن میزان ارتباط عاطفی مردم با یک آهنگ جدید، این پلتفرم‌ها می‌توانند پیشنهادات موسیقی شخصی‌سازی‌شده و جالب‌تری ارائه دهند. این تحقیق پیشگامانه روش جدیدی برای پیش‌بینی آهنگ‌های موفق ارائه می‌دهد، که با نگاه کردن به جزئیات آهنگ و عناصر موسیقی متفاوت است. اگر پاسخ‌های عصبی فیزیولوژیک در سیستم‌های توصیه گنجانده شود، کاربران می‌توانند هنگام کشف موسیقی تجربه بهتر و لذت‌بخش‌تری داشته باشند.

همچنین بخوانید: فهرست و نحوه استفاده از آن

نتیجه گیری

صنعت موسیقی با آهنگ‌های جدید زیادی مواجه است و این یک چالش بزرگ است. اما ترکیب هوش مصنوعی و فیزیولوژی عصبی به ما امید می دهد. مطالعه CGU یک پیشرفت مهم در پیش‌بینی آهنگ‌های موفق با مشاهده ضربان قلب و نحوه واکنش بدن ما است. ما هنوز به تحقیقات بیشتری نیاز داریم تا مطمئن شویم که در مقیاس بزرگتر کار می کند، اما واضح است که این می تواند تأثیر زیادی بر صنعت موسیقی داشته باشد. با درک نحوه ارتباط قلب ما با موسیقی مورد علاقه، هوش مصنوعی می تواند نحوه گوش دادن و کشف آهنگ ها را در آینده تغییر دهد.