AI“爆款预测器”问世：提前锁定如《Cupid》般大热单曲

by Koo Nari

Published 20 Jun.2023 19:50(KST)

神经生理学数据机器学习
命中预测准确率达97%

美国研究团队利用机器学习（machine learning）开发出了热门歌曲预测器。

美国克莱蒙特研究生大学教授 Paul Zak 研究团队于20日在科学期刊《人工智能前沿》（Frontiers in Artificial Intelligence）上发表论文称，他们将机器学习应用于针对歌曲的脑反应数据，成功以97%的准确率预测歌曲成为热门的可能性。

音乐流媒体服务商和广播电台等机构，为了在每天涌现的大量歌曲中找出能引发大众共鸣的作品，一直通过听众抽样调查或人工智能活动等多种方式进行筛选。但据悉，其预测准确率仅约为50%。

研究团队在33名实验参与者头部安装传感器，让他们聆听流媒体服务提供的24首歌曲，同时测量大脑的神经生理反应。与此同时，研究团队还通过问卷调查收集了参与者对每首歌的喜好度以及人口统计学信息。

研究团队在收集实验参与者的大脑活动数据后，评估了神经生理变量对热门歌曲的预测准确度，并训练机器学习模型，使其能够达到最高的预测精度。

通过这一过程，研究团队利用两项神经测量值，找出了一个能够以69%准确率筛选出热门歌曲的线性统计模型，并在此基础上将机器学习应用于收集到的神经生理数据，将热门歌曲预测准确率提升至97%。

此外，研究显示，这一人工智能热门歌曲预测器仅凭歌曲前1分钟的神经反应，就能以82%的准确率预测该曲是否会成为热门歌曲。

Zak 教授表示：“通过传感器收集的大脑信号，反映了与实验参与者情绪及能量水平相关的大脑网络活动”，“基于若干数据，就可以预测诸如歌曲播放次数等市场结果。”

他强调：“此前从未有过利用神经生理数据以如此精度筛选热门歌曲的案例”，“仅凭33人的神经活动数据，就能预测数百万人对歌曲的反应，这一点令人惊叹。”

他还表示：“这一结果意味着，流媒体服务可以高效识别出更有可能走红的新歌，从而让流媒体平台的工作更加轻松，并为听众带来更多愉悦”，“今后，如果与本研究中使用的同类可穿戴神经科学技术得到普及，就有望基于神经生理学为人们提供更加契合的娱乐内容。”

Zak 教授补充说：“这种方法易于实现，也可以应用于电影或电视节目等其他领域。”

另一方面，研究团队也指出，尽管该系统的预测准确率非常高，但实验中使用的歌曲数量相对较少，且实验参与者中未涵盖特定种族和年龄段等，这些都是本研究的局限性。

本报道由人工智能(AI)翻译技术生成。