人工智能可以預測你的音樂品味是更多的冰T還是香草冰

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

在預印本服務器Arxiv.org 上發表的一篇論文中，該團隊描述了一個系統，該系統考慮了一個人的聽覺行為，并使用機器學習算法和心理模型，推斷出他們的“音樂復雜性”。

他們寫道：“心理模型越來越多地被用來解釋行為痕跡。” “使用領域依賴的心理模型可以對行為進行更細粒度的識別[如聽音樂]，并提供對這些行為發生背后更深層次的理解。”

在這種背景下，音樂的復雜性指的是“音樂技巧，專業知識，成就以及各方面的相關行為。”研究人員指出，研究表明，具有較高音樂復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”，比如練習樂器或聽各種音樂類型。

他們通過一個利用Spotify API的應用程序收集數據，允許他們檢索用戶的播放列表和音頻功能，如生動，能量，舞蹈，節奏，拍號，響度，曲目流行度和藝術家受歡迎程度。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(一個人在音樂上花費多少時間和金錢)和情緒(與音樂的情緒反應相關的行為)相關的問題。

大量數據輸入神經網絡 - 一個由處理節點組成的人工智能系統中的神經元的人工智能系統 - 預測了61個研究對象的情緒和高度準確的積極音樂參與。與基線相比，預測前者準確率為95%%，預測后者準確率為93%%。

未來，該團隊計劃進行更多更大規模的研究，并探索Gold-MSI其他分量表的預測，包括歌唱能力，感知能力和音樂訓練。

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

這并不是數據科學家第一次嘗試通過機器學習來預測音樂喜好和品味。

在2017年的阿姆斯特丹舞蹈活動技術大會上，一個團隊展示了Hitwizard，這是一個訓練有素預測流行歌曲的系統。通過考慮每分鐘節拍，效價和速度等功能，并將它們與來自Spotify圖表和荷蘭廣播電臺的數據進行比較，它能夠以66%%的準確度預測命中軌跡(以及準確率為93%%的翻牌)。

今年，亞馬遜的工程師利用人工智能根據播放持續時間預測用戶的音樂品味。