آهنگ ها و ترانه های محبوب با مغز ما چه می نمایند؟ شناخت آن می تواند آینده موسیقی را تغییر بدهد - وبلاگ برداری

به گزارش وبلاگ برداری، فهرست های پخش الگوریتمی فراوری شده در سرویس های پخش موسیقی مانند اسپاتیفای بر اساس سابقه قبلی موسیقی گوش کردن های ما، پی به سلیقه ما می برند و پیشنهادات آنها اعلب خوب است.

اما یک مطالعه تازه با پیروزیت بیشتری می تواند مقدار استقبال از یک ترانه را پیشبینی کند.

هنگامی که محققان آمریکایی الگوریتم های یادگیری ماشینی را برای تجزیه و تحلیل پاسخ های فیزیکی و بدنی مستمعین موسیقی آموزش دادند، می توانستند پیش بینی نمایند که کدام آهنگ بیشتر مردم را با دقت 97 درصد شاد می نماید.

تنها کاری که الگوریتم ها باید انجام می دادند مقدار گیری احساسات و توجه افراد به یک آهنگ با توجه به شرایط فیزیولوژی آنها بود.

هر چه شخص از نظر عصبی طولانی تر در یک آهنگ غوطه ور باشد و کمتر محتوا را پس بزند، احتمال بیشتری وجود دارد که آهنگ به یک آهنگ فراگیر و محبوب تبدیل گردد.

به عبارت دیگر، گفتن آگاهانه اینکه من از این ترانه خوشم می آید، کافی نیست و نمی تواند پیش بینی کند که دیگران نیز از آن لذت خواهند برد. پس شرایط ناخودآگاه ما ممکن است شاخص بهتری باشد.

پس به جای اینکه از کاربران بپرسند آیا آهنگ تازهی را دوست دارند یا خیر، حسگرهای پوشیدنی، متوجه مقدار تهییج و خوشایندی یک ترانه می شوند.

حتی اگر الگوریتم داده های فیزیولوژیکی را تنها از یک دقیقه گوش دادن به یک آهنگ دریافت کند، باز هم می تواند محبوبیت را با دقت 82 درصد پیش بینی کند.

روش تازه بهتر از مطالعات مشابهی است که از اسکن مغز برای ارزیابی پاسخ های موسیقی استفاده می کردند. این ها فقط می توانستند موسیقی های محبوب یا هیت ها را به مقدار 50 درصد، درست تشخیص دهند.

اما اینکه این که بتوان با فعالیت عصبی 33 نفر می تواند پیش بینی کند که آیا میلیون ها نفر دیگر از چه آهنگ تازهی خوششان می آید، بسیار شگفت انگیز است.

شرکت نمایندگان در این مطالعه ابتدا با استفاده از حسگر های قلبی در اتاقی نشستند و به 24 آهنگ اخیر که از اسپیکر پخش می شد گوش دادند. سیزده آهنگ به وسیله پلتفرم های استریم پیروز تلقی می شدند، اما شرکت نمایندگان آگاه نشدند که کدام ها هستند.

در خاتمه آزمایش، از گروه خواسته شد تا رتبه بندی نمایند که کدام آهنگ ها را بیشتر دوست دارند.

سپس داده های جمع آوری شده از حسگر های قلبی آن ها تحلیل می شد تا از داده های ضربان قلب برای پی بردن به خوشایندی ترانه استفاده کرد.

اکسی توسین و دوپامین، دو هورمون عصبی هستند که اثرات اندکی بر قلب دارند. بعلاوه زمانی که احساس خوبی داشته باشید آزاد می شوند.

هنگامی که شما آواز می خوانید یا به موسیقی گوش می دهید، ساقه مغز شما اغلب اکسی توسین ترشح می نماید و دوپامین آزاد می گردد و هنگامی که توجه بیشتری به چیزی می کنید یا در آن غوطه ور می شوید، بر روی قشر جلوی مغز هم اثر می نماید.

خواندن این سیگنال های مغزی به وسیله فعالیت قلب می تواند راهی برای پیش بینی عصبی باشد که کدام آهنگ ها باعث ضربه زدن بیشتر افراد می شوند.

مطالعات قبلی سعی نموده اند این کار را با تمرکز بر یک منطقه مغزی که در سیستم پاداش نقش دارد انجام دهند. اما محققان پیروزیت کمی داشتند.

مقدار گیری پاسخ های احساسی با استفاده از فناوری های علوم اعصاب، راه تازهی را برای هنرمندان، فراورینمایندگان موسیقی و سرویس های استریم فراهم می نماید تا مستمعین را با محصولات تازه شاد نمایند.

منبع: Frontiers in Artificial Intelligence

اما اینکه خوشایند ما چنین الگوریتمی و قابل پیشبینی گردد، اصلا خوشایند ما نیست. ترانه و فیلم ها و کتاب هایی که از دقایق یا صفحات نخست، خوشحال می نمایند زیادند، اما ما خودمان احساس نموده ایم که ماندگاری بسیاری از آثار هنری به خاطر فرایند پرزحمت درک و هضم آنهاست.

ما ممکن است در بیشتر دقایق پخش یک موسیقی به منطقه اوج یا بیت شعر موثر نرسیده باشیم یا مفهوم اصلی کتاب در فصل خاتمهی آن باشد یا یک فیلم با یک چرخش داستانی در یک ربع آخر خیلی خوب باشد.

اینکه شرکت ها بیایند و محصولاتشان را میانه تر از قبل نمایند و همیشه خوشایند آنی و ته ارتقای سطح تفکر و هنری آنها را در نظر داشته باشند.

به علاه نکته مهم این است که واقعا شادی ظاهری همیشگی بهتر است یا گاهی غم عرفانی داشتن؟!

آیا با این شیوه الگورتیمیک انبوهی از ترانه ها و فیلم های غمگین یا حماسی، مجال فراوری می یافتند؟!