¿Puede la IA escanear tu cerebro en busca de la próxima canción de éxito?

La investigación, publicada en Frontiers in Artificial Intelligence, involucró a 33 participantes de 18 a 57 años a quienes se les colocaron sensores y se les pidió que respondieran a una hora de música lanzada en los últimos seis meses.

El profesor Paul Zak, autor principal del estudio, dijo que las señales cerebrales recopiladas “reflejan la actividad de una red cerebral asociada con el estado de ánimo y los niveles de energía”, y que los datos se pueden usar para predecir los resultados del mercado y la cantidad de reproducciones de una canción. recibir.

Luego, se entrenó un modelo de ML para traducir los datos del escaneo cerebral en resultados comerciales del mundo real y, en última instancia, compartir predicciones que tenían un 97 % de precisión, en comparación con el 67 % cuando un modelo estadístico sin IA usaba los mismos datos.

Zak insiste en que una vez que se perfecciona un modelo, las plataformas de transmisión pueden usarlo para publicitar nueva música que es más probable que pertenezca a lo que los oyentes quieren escuchar.

“Esto significa que los servicios de transmisión pueden identificar fácilmente nuevas canciones que probablemente sean éxitos para las listas de reproducción de las personas de manera más eficiente, lo que facilita el trabajo de los servicios de transmisión y deleitar a los oyentes”, escribió en un comunicado de prensa.

‘Tenemos que tener cuidado’ – Experto de Nueva Zelanda

Aunque Zak reconoce las limitaciones del estudio, como una lista corta de canciones y grupos étnicos faltantes, un experto en inteligencia artificial de Nueva Zelanda argumenta que se necesita hacer más para que la investigación sea concreta.

Albert Bifet, director del Instituto de Inteligencia Artificial de la Universidad de Waikato, dijo a 1News que el alcance más pequeño del estudio hace que los hallazgos sean más cuestionables. especialmente dado su menor alcance.

“Es muy interesante y suena muy impresionante, por eso creo que debemos esperar para ver si los resultados se pueden replicar”, dijo.

“Es interesante que la cantidad de personas que usaron no es grande, así que tengo curiosidad por saber qué sucede cuando [study] otra gente. Creo que debemos tener cuidado”.

Bifet señaló el uso del estudio de “neuropronóstico”, un método de recopilación de datos en el que la actividad neuronal de un pequeño grupo de personas se usa para predecir los efectos a nivel de población, pero argumentó que se necesitarían muchos más datos, en forma de participantes, para evaluar adecuadamente entrenar un modelo de IA.

“El aprendizaje automático solo funciona cuando funciona cuando puede usar una gran cantidad de datos”, refutó.

“No estoy diciendo [the study] no es factual, pero es muy sospechoso que estén haciendo esto sin muchos datos. Me gustaría ver el experimento replicado y ver si los hallazgos son sostenibles”.

En términos del modelo que intenta predecir lo que los oyentes quieren escuchar, y si se convirtiera en un lugar común en las plataformas de transmisión, Bifet vio los problemas como más políticos que éticos.

Esto sería especialmente en un escenario en el que los datos recopilados se hicieran públicos y los artistas pudieran recrear sonidos que un algoritmo cree que serán populares.

“Cada país tendrá reglas diferentes. Las cosas que son legales bajo las leyes de derechos de autor en un país serán diferentes en otro”, dijo.

“De qué depende [AI] se puede hacer y lo que no se puede hacer… [but] Si el modelo funciona, va a cambiar muchas cosas”.

‘Por el momento, está excluyendo a la gente’

1News compartió el estudio con Elton Noyer, un productor musical e ingeniero radicado en Auckland, más conocido por su seudónimo de DJ Scizzorhands.

Noyer estaba preocupado por la investigación, ya que la veía como una amenaza potencial para la inventiva en la industria de la música, pero también podía verla impulsando los sonidos underground dependiendo de cómo se aprovechara la tecnología.

Cuestionó cómo la IA de predicción de golpes sería capaz de predecir “éxitos inesperados” que son únicos de otras canciones populares, usando como ejemplo el gran éxito de Lorde en 2013, Royals.

“Era tan diferente a todo lo que había en ese momento… mi pensamiento es qué tan preciso sería predecir ese tipo de cosas, ¿sabes? ¿La explosión inesperada de cosas que son diferentes a todo lo demás?” reflexionó.

Noyer también se refirió a A Tribe Called Quest, un destacado grupo de hip-hop de los 90, que dijo que hizo canciones que “quemaron lentamente” en las listas de música y “usaron muestras que nadie realmente estaba buscando”.

Él cree que la música popular ha evolucionado desde entonces y ahora constituye éxitos que pasan breves momentos en la cima y capturan un sonido popular para la época, un fenómeno que le preocupa que la IA solo exacerbe.

“Si intentas hacer música por razones populares, [this algorithm] va a hacer las cosas más genéricas. Cuando hemos visto que la música en general se vuelve genérica, vemos una gran tendencia al alza en las personas que usan los paquetes de muestra o sonidos de batería más populares en este momento.

“Nos hemos desviado un poco con el tiempo y solo perseguimos lo que sea popular en este momento. Con la IA veremos mucho más de eso”.

Sin embargo, si se usa “correctamente”, Noyer puede ver que se usa un algoritmo para ayudar a los oyentes con gustos musicales más especializados y menos populares.

“Por el momento, básicamente lo que [the study] dice es que están tratando de descubrir cuáles son los mayores éxitos para una amplia gama de personas”, dijo.

“Pero si pudieran usar esa misma tecnología para pertenecer más a alguien más como yo, que no está en la música pop como tal, probablemente podría ser bueno para descubrir cosas nuevas.

“Si usaran esa misma tecnología y hicieran escáneres cerebrales en personas que no son el oyente promedio, sería más interesante ver cuáles serían los resultados”.

Si las plataformas de transmisión finalmente adoptan un algoritmo centrado en la IA, Noyer espera que considere algo más que música que se vende bien y que no impida que los oyentes amplíen sus horizontes musicales.

“En términos de excluir al oyente general [from] cosas que normalmente no escucharían, creo que es solo, bueno, dejarlos fuera”.