每天都有成千上万首歌曲发布。这种不断涌现的选择使得流媒体服务和广播电台难以确定将哪些歌曲添加到播放列表中。为了找到能够引起大众共鸣的歌曲，这些服务采用了人类听众和人工智能。然而，这种方法的准确率仅为50％，无法可靠地预测歌曲是否会成为热门。

现在，美国的研究人员利用全面的机器学习技术应用于脑部反应，能够准确预测出97%的热门歌曲。

“通过将机器学习应用于神经生理数据，我们几乎可以完美地识别热门歌曲，”克莱蒙特研究大学的教授保罗·扎克说道，他也是发表在《人工智能前沿》杂志上的这项研究的资深作者。“这项研究表明，33个人的神经活动可以预测成百上千万人是否会听新歌，这非常令人惊讶。以前从未展示过如此高的准确性。”

使用神经系统数据进行机器学习

研究参与者使用现成的传感器设备，听了一组24首歌曲，并被要求提供个人偏好和一些人口数据。在实验过程中，科学家们测量了参与者对歌曲的神经生理反应。“我们收集到的脑信号反映了与情绪和能量水平相关的大脑网络的活动，”扎克说道。这使得研究人员能够基于少量数据预测市场结果，包括歌曲的流媒体次数。

这种方法被称为“神经预测”。它通过捕捉少数人的神经活动来预测整体人群的效应，而无需测量数百人的脑活动。

在数据收集完成后，研究人员使用不同的统计方法来评估神经生理变量的预测准确性。这使得模型可以进行直接比较。为了提高预测准确性，他们训练了一个机器学习模型，测试了不同的算法，以获得最高的预测结果。

他们发现，线性统计模型以69%的成功率识别出了热门歌曲。当他们将机器学习应用于他们收集到的数据时，正确识别热门歌曲的比例跃升至97%。他们还将机器学习应用于对歌曲的前一分钟的神经反应。在这种情况下，以82%的成功率正确识别出了热门歌曲。

“这意味着流媒体服务可以更高效地识别出可能成为人们播放列表热门歌曲的新歌，使得流媒体服务的工作更加轻松，并让听众感到高兴，”扎克解释道。

复制方法

“如果在未来，像我们在这项研究中使用的便携式神经科学技术变得普遍，根据他们的神经生理学，可以向观众发送合适的娱乐内容。他们可能只会被给予两三个选择，而不是成百上千个选择，这样他们就可以更轻松、更快速地选择自己喜欢的音乐了，”扎克表示。

尽管该研究团队取得了近乎完美的预测结果，但研究人员指出了一些局限性。例如，他们在分析中使用的歌曲数量相对较少。此外，研究参与者的人口统计学特征具有适度的多样性，但没有包括某些种族和年龄群体的成员。

尽管如此，研究人员预计，他们的方法可能会被用于热门歌曲识别之外，部分原因是其易于实现。Zak总结道：“我们的主要贡献是方法论。这种方法很可能也可以用于预测许多其他类型娱乐的热门节目，包括电影和电视节目。”。

 

 

来源：https://techxplore.com/news/2023-06-machine-songs-accuracy.html