Narzędzie machine learningowe oparte na danych neurofizjologicznych może być kluczem do przewidywania popularnych w przyszłości przebojów muzycznych z niespotykaną dotąd precyzją. Naukowcy z Claremont Graduate University w USA opracowali kompleksową technikę uczenia maszynowego, która wykorzystuje takowe informacje, pozwalając przewidzieć popularność piosenek nawet z 97% dokładnością.
Badanie pozwalające określić skuteczność metody przeprowadzono na grupie 33 osób, które zostały wyposażone w czujniki rejestrujące aktywność neurologiczną. Uczestnicy wysłuchali 24 różnych piosenek i udzielili informacji na temat swoich preferencji muzycznych oraz danych "metryczkowych". Naukowcy analizowali neurofizjologiczne reakcje mózgu w odpowiedzi na te utwory, koncentrując się na aktywności związanej z nastrojem i poziomem energii.
Polecamy na Geekweek: Opracowali technologię identyfikującą przeboje z 97 proc. skutecznością
Technika, zwana "neuroforecastingiem", polega na rejestrowaniu aktywności neuronalnej niewielkiej grupy osób i na tej podstawie przewidywaniu reakcji na poziomie całej populacji. To podejście pozwala na dokładne przewidywanie popularności piosenek bez konieczności przeprowadzania badań na dużej liczbie osób.
Poprzez zastosowanie różnych podejść statystycznych i uczenia maszynowego do zebranych danych, naukowcy osiągnęli imponujące wyniki. Liniowy model statystyczny identyfikował hity z 69% skutecznością, ale zastosowanie uczenia maszynowego podniosło skuteczność już do 97%. Uczenie maszynowe z wykorzystaniem odpowiedzi neuronalnych dla pierwszych minut piosenki mogło pochwalić się skutecznością na poziomie 82%.
Opracowana przez naukowców metoda może być mega przydatna dla usług streamingowych i stacji radiowych. Dzięki możliwości identyfikacji potencjalnych hitów na podstawie neurofizjologicznych danych mózgu, usługi te będą w stanie lepiej dopasować swoje playlisty do preferencji słuchaczy. Może to znacząco ułatwić i przyspieszyć proces wyboru muzyki, która najbardziej odpowiada indywidualnym gustom.
Profesor Paul Zak, jeden z autorów badania, wyjaśnia, że jeśli neuronauki staną się powszechne, usługi streamingowe mogą dostarczać rozrywkę opartą na neurofizjologii odbiorców. Zamiast prezentować im setki możliwych opcji, mogliby otrzymać tylko kilka tych zdecydowanie najbardziej trafnych, co uprościłoby wybór i zwiększyło zadowolenie słuchaczy.
Niemniej, naukowcy zwracają uwagę na pewne ograniczenia swojego badania. Analiza obejmowała stosunkowo niewielką liczbę utworów, a dane demograficzne uczestników nie były reprezentatywne dla wszystkich grup etnicznych i wiekowych. Mimo to, badacze wierzą, że opracowana metoda może mieć zastosowanie nie tylko w przewidywaniu przebojów muzycznych, ale także w innych dziedzinach rozrywki, takich jak filmy i programy telewizyjne.
Hej, jesteśmy na Google News - Obserwuj to, co ważne w techu
