- 13,854
- 20
- 8 Ноя 2022
ИИ с 97% точностью может предсказать - станет ли песня хитом.
Среди десятков тысяч новых песен, которые выходят каждый день в мире, как выбрать те, которые понравятся миллионам слушателей? Стриминговые сервисы и радиостанции сталкиваются с этой проблемой постоянно. Они привлекают как человеческих экспертов, так и искусственный интеллект для поиска потенциальных хитов. Но эти методы не всегда работают и имеют точность около 50%.
Ученые из США нашли новый способ решить поставленную задачу. Исследователи использовали комплексную технику машинного обучения, примененную к мозговым реакциям людей, которые слушали разные песни. Им удалось предсказать хитовые песни с точностью 97%. Для просмотра ссылки Войдиили Зарегистрируйся в журнале Frontiers in Artificial Intelligence.
В эксперименте участвовали 33 человека. Им предложили послушать 24 песни, которые были предварительно отобраны стриминговым сервисом как хиты или провалы. После прослушивания каждой песни участники отвечали на вопросы о своих предпочтениях и некоторых демографических данных. Во время эксперимента ученые измеряли нейрофизиологические реакции участников на песни с помощью датчиков, которые фиксировали активность мозговой сети, связанной с настроением и уровнем энергии.
“Применяя машинное обучение к нейрофизиологическим данным, мы почти идеально определяли хитовые песни”, - сказал Пол Зак, профессор Клермонтского университета и старший автор исследования. “То, как нейронная активность 33 человек может предсказать, что будут слушать миллионы других, довольно удивительно. Ранее ни один метод не показывал подобной точности”.
Ученые сравнили несколько статистических подходов для оценки предсказательной точности нейрофизиологических переменных. Они обнаружили, что линейная статистическая модель с использованием двух нейронных измерений определяла хиты с точностью 69%. Затем они создали синтетический набор данных и применили ансамблевое машинное обучение для учета нелинейностей в нейронных данных. Эта модель классифицировала хитовые песни с точностью 97%. Кроме того, они применили машинное обучение к нейронным реакциям на первую минуту песен. В этом случае хиты были правильно определены с точностью 82%.
“Это означает, что стриминговые сервисы могут легко определять новые песни, которые вероятно станут хитами для плейлистов людей, облегчая работу и радуя слушателей”, - сказал Зак. Он также отметил, подобная техника может иметь другие применения в нейромаркетинге и потребительской нейронауке.
Среди десятков тысяч новых песен, которые выходят каждый день в мире, как выбрать те, которые понравятся миллионам слушателей? Стриминговые сервисы и радиостанции сталкиваются с этой проблемой постоянно. Они привлекают как человеческих экспертов, так и искусственный интеллект для поиска потенциальных хитов. Но эти методы не всегда работают и имеют точность около 50%.
Ученые из США нашли новый способ решить поставленную задачу. Исследователи использовали комплексную технику машинного обучения, примененную к мозговым реакциям людей, которые слушали разные песни. Им удалось предсказать хитовые песни с точностью 97%. Для просмотра ссылки Войди
В эксперименте участвовали 33 человека. Им предложили послушать 24 песни, которые были предварительно отобраны стриминговым сервисом как хиты или провалы. После прослушивания каждой песни участники отвечали на вопросы о своих предпочтениях и некоторых демографических данных. Во время эксперимента ученые измеряли нейрофизиологические реакции участников на песни с помощью датчиков, которые фиксировали активность мозговой сети, связанной с настроением и уровнем энергии.
“Применяя машинное обучение к нейрофизиологическим данным, мы почти идеально определяли хитовые песни”, - сказал Пол Зак, профессор Клермонтского университета и старший автор исследования. “То, как нейронная активность 33 человек может предсказать, что будут слушать миллионы других, довольно удивительно. Ранее ни один метод не показывал подобной точности”.
Ученые сравнили несколько статистических подходов для оценки предсказательной точности нейрофизиологических переменных. Они обнаружили, что линейная статистическая модель с использованием двух нейронных измерений определяла хиты с точностью 69%. Затем они создали синтетический набор данных и применили ансамблевое машинное обучение для учета нелинейностей в нейронных данных. Эта модель классифицировала хитовые песни с точностью 97%. Кроме того, они применили машинное обучение к нейронным реакциям на первую минуту песен. В этом случае хиты были правильно определены с точностью 82%.
“Это означает, что стриминговые сервисы могут легко определять новые песни, которые вероятно станут хитами для плейлистов людей, облегчая работу и радуя слушателей”, - сказал Зак. Он также отметил, подобная техника может иметь другие применения в нейромаркетинге и потребительской нейронауке.
- Источник новости
- www.securitylab.ru
