你有沒有得到杰克遜五世，或斯特拉文斯基更喜歡你的風(fēng)格?預(yù)測音樂品味的人工智能(AI)可能看起來比小說更奇怪，但瑞典聯(lián)邦平大學(xué)和荷蘭馬斯特里赫特大學(xué)的研究人員認(rèn)為他們已經(jīng)破解了這些代碼。

在預(yù)印本服務(wù)器Arxiv.org 上發(fā)表的一篇論文中，該團(tuán)隊(duì)描述了一個(gè)系統(tǒng)，該系統(tǒng)考慮了一個(gè)人的聽覺行為，并使用機(jī)器學(xué)習(xí)算法和心理模型，推斷出他們的“音樂復(fù)雜性”。

他們寫道：“心理模型越來越多地被用來解釋行為痕跡。” “使用領(lǐng)域依賴的心理模型可以對(duì)行為進(jìn)行更細(xì)粒度的識(shí)別[如聽音樂]，并提供對(duì)這些行為發(fā)生背后更深層次的理解。”

在這種背景下，音樂的復(fù)雜性指的是“音樂技巧，專業(yè)知識(shí)，成就以及各方面的相關(guān)行為。”研究人員指出，研究表明，具有較高音樂復(fù)雜程度的人更具有音樂技能，通常傾向于參與更多的“音樂行為”，比如練習(xí)樂器或聽各種音樂類型。

他們通過一個(gè)利用Spotify API的應(yīng)用程序收集數(shù)據(jù)，允許他們檢索用戶的播放列表和音頻功能，如生動(dòng)，能量，舞蹈，節(jié)奏，拍號(hào)，響度，曲目流行度和藝術(shù)家受歡迎程度。他們還讓參與者回答Goldmiths Musical Sophistication Index(Gold-MSI)的問題 - 特別是與積極參與(一個(gè)人在音樂上花費(fèi)多少時(shí)間和金錢)和情緒(與音樂的情緒反應(yīng)相關(guān)的行為)相關(guān)的問題。

大量數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò) - 一個(gè)由處理節(jié)點(diǎn)組成的人工智能系統(tǒng)中的神經(jīng)元的人工智能系統(tǒng) - 預(yù)測了61個(gè)研究對(duì)象的情緒和高度準(zhǔn)確的積極音樂參與。與基線相比，預(yù)測前者準(zhǔn)確率為95%%，預(yù)測后者準(zhǔn)確率為93%%。

未來，該團(tuán)隊(duì)計(jì)劃進(jìn)行更多更大規(guī)模的研究，并探索Gold-MSI其他分量表的預(yù)測，包括歌唱能力，感知能力和音樂訓(xùn)練。

“我們的研究結(jié)果表明，音樂聆聽行為可以用來推斷用戶的音樂復(fù)雜性，”研究人員寫道。

這并不是數(shù)據(jù)科學(xué)家第一次嘗試通過機(jī)器學(xué)習(xí)來預(yù)測音樂喜好和品味。

在2017年的阿姆斯特丹舞蹈活動(dòng)技術(shù)大會(huì)上，一個(gè)團(tuán)隊(duì)展示了Hitwizard，這是一個(gè)訓(xùn)練有素預(yù)測流行歌曲的系統(tǒng)。通過考慮每分鐘節(jié)拍，效價(jià)和速度等功能，并將它們與來自Spotify圖表和荷蘭廣播電臺(tái)的數(shù)據(jù)進(jìn)行比較，它能夠以66%%的準(zhǔn)確度預(yù)測命中軌跡(以及準(zhǔn)確率為93%%的翻牌)。

今年，亞馬遜的工程師利用人工智能根據(jù)播放持續(xù)時(shí)間預(yù)測用戶的音樂品味。