Svaki dan se objavljuju deseci tisuća pjesama. Ovaj stalni niz opcija otežava streaming servisima i radijskim postajama odabir pjesama za dodavanje na popise za reprodukciju. Kako bi pronašli one koji će imati odjeka kod publike, servisi su koristili ljudske slušatelje i umjetnu inteligenciju. Ovaj pristup, međutim, zadržavajući se na stopi točnosti od 50%, ne može pouzdano predvidjeti hoće li pjesme postati hitovi.
Sada su istraživači u SAD-u upotrijebili sveobuhvatnu tehniku strojnog učenja primijenjenu na reakcije mozga i uspjeli predvidjeti hit pjesme s 97% točnosti.
“Primjenom strojnog učenja na neurofiziološke podatke, mogli bismo gotovo savršeno identificirati hit pjesme”, rekao je Paul Zak, profesor na Claremont Graduate University i stariji autor studije objavljene u Frontiers in Artificial Intelligence . “Nevjerojatno je da neuronska aktivnost 33 osobe može predvidjeti hoće li milijuni drugih slušati nove pjesme. Nikad prije nije pokazano ništa približno ovoj točnosti.”
Sudionici studije bili su opremljeni standardnim senzorima, slušali su set od 24 pjesme i upitani su o svojim preferencijama i nekim demografskim podacima . Tijekom eksperimenta znanstvenici su mjerili neurofiziološke reakcije sudionika na pjesme. “Moždani signali koje smo prikupili odražavaju aktivnost moždane mreže povezane s raspoloženjem i razinom energije “, rekao je Zak. To je istraživačima omogućilo predviđanje tržišnih ishoda, uključujući broj streamova pjesme—na temelju podataka nekolicine.
Ovaj pristup se naziva “neuropredviđanje”. Hvata neuralnu aktivnost male skupine ljudi kako bi predvidio učinke na razini populacije bez potrebe za mjerenjem moždane aktivnosti stotina ljudi.
Nakon prikupljanja podataka , istraživači su koristili različite statističke pristupe za procjenu prediktivne točnosti neurofizioloških varijabli. To je omogućilo izravnu usporedbu modela. Kako bi poboljšali točnost predviđanja, uvježbali su ML model koji je testirao različite algoritme kako bi došli do najviših ishoda predviđanja.
“To znači da streaming servisi mogu učinkovitije identificirati nove pjesme koje će vjerojatno biti hitovi na popisima za reprodukciju, što olakšava posao uslugama strujanja i oduševljava slušatelje”, objasnio je Zak.
Unatoč tome, istraživači očekuju da se njihov pristup vjerojatno može koristiti i izvan identifikacije hit pjesama , dijelom zbog njegove jednostavne implementacije. “Naš ključni doprinos je metodologija. Vjerojatno je da se ovaj pristup može koristiti za predviđanje pogodaka i za mnoge druge vrste zabave, uključujući filmove i TV emisije”, zaključio je Zak.
