211service.com
Portare i computer nel solco
I computer hanno rivoluzionato la produzione, la distribuzione e il consumo di musica, ma quando si tratta di consigliare una buona melodia, sono ancora gravemente carenti.
Sembra uguale: Un gioco di Facebook chiamato Herd It viene utilizzato dai ricercatori dell'Università della California, a San Diego, per classificare la musica in diversi generi.
Ci sono molti sistemi di raccomandazione là fuori. iTunes offre Genius, che crea playlist e suggerisce musica confrontando una raccolta con quelle di altri utenti, e numerosi siti di social network orientati alla musica offrono consigli ispirati a ciò che stanno ascoltando gli amici di una persona. Ora i ricercatori dell'Università della California, San Diego (UCSD), stanno utilizzando l'apprendimento automatico, in combinazione con un gioco di Facebook, per classificare la musica in base all'analisi automatizzata delle canzoni.
Gert Lanckriet , un assistente professore alla UCSD, che sta lavorando al progetto, afferma che l'approccio automatizzato adottato dal motore di ricerca e raccomandazione musicale del suo gruppo significa che potrebbe analizzare enormi quantità di brani, fornendo potenzialmente agli utenti consigli da una libreria musicale molto più ampia. Il sistema può anche esprimere giudizi su brani mai visti prima.
I ricercatori dell'UCSD vogliono che il loro sistema sia in grado di etichettare le canzoni in modo che gli utenti possano cercare non solo per artista o titolo della canzone, ma anche per genere, strumento e persino parole descrittive come romantico o spettrale. Con questo obiettivo in mente, stanno raccogliendo informazioni sulle canzoni utilizzando un'applicazione Facebook chiamata Herd It. Il gioco assegna punti agli utenti quando taggano le canzoni in modi che concordano con i tag di altri utenti, raccogliendo enormi quantità di dati nel processo.
Una volta raccolti i dati, afferma Lanckriet, il sistema dei ricercatori raggruppa le canzoni in base ai tag forniti loro dagli utenti, quindi cerca modelli distintivi nella musica stessa. Applica un'analisi statistica ai modelli di forma d'onda che rappresentano ogni brano, cercando caratteristiche comuni tra i brani raggruppati per tag.
Circa il 90% delle volte, afferma Lanckriet, il sistema identifica schemi che normalmente sono nascosti. Ad esempio, i pattern che identificano una canzone hip-hop potrebbero includere un tipico ritmo hip-hop, ma anche elementi che l'ascoltatore non riconoscerebbe come pattern all'interno della canzone. In media, questi tag automatici prevedono [tag] di altri esseri umani con la stessa precisione di una determinata persona umana, afferma Lanckriet.
I ricercatori stanno attualmente lavorando alla raccolta di più dati per addestrare il loro sistema e Lanckriet ritiene che il sistema abbia un potenziale commerciale. Immagina un sistema che potrebbe prendere una canzone sconosciuta, da una band indipendente, o anche qualcosa registrata nel garage di un utente, e quindi analizzarla al volo e suggerire tag appropriati e musica simile.
Il popolare sito di radio Internet Pandora svolge un servizio simile, scomponendo i brani e analizzandone gli attributi. Fondato nel 2000, il sito consente agli utenti di scegliere una canzone o un artista, quindi trova brani simili. Gli utenti possono ottimizzare rapidamente i risultati per creare una stazione radio in streaming altamente personalizzata.
Ma la tecnologia di Pandora è manuale al 100%, secondo Tim Westergren , chief strategy officer e fondatore dell'azienda. Tramite la Progetto Genoma Musicale , un team di musicisti valuta le canzoni, classificandole in base a 400 attributi diversi. Una volta identificati questi attributi, afferma Westergren, è abbastanza semplice dare consigli agli utenti. Dice che Pandora è aperto a incorporare approcci più automatizzati per analizzare le canzoni, ma aggiunge: Non ne abbiamo ancora trovato uno che pensiamo sia davvero un valore aggiunto a ciò che stiamo facendo.
Anche altre società stanno lavorando all'analisi automatica della musica. Il nido dell'eco , una startup con sede a Somerville, MA, trasforma i modelli di forme d'onda delle canzoni in base a simulazioni di come l'orecchio umano sente la musica. Da lì, il sistema di Echo Nest applica filtri che identificano le caratteristiche della canzone, come tempo e tono, secondo il cofondatore e CTO dell'azienda Tristan Giovanni .
Una volta fatto, il sistema di Echo Nest combina queste informazioni con le informazioni di tagging raccolte da blog e altri dati pubblicati su Internet. Quindi applica algoritmi di apprendimento automatico per identificare le caratteristiche delle canzoni che sono comunemente associate a tag specifici, proprio come fa il software dei ricercatori UCSD.
La differenza, secondo Jehan, è che invece di identificare schemi complessi nelle forme d'onda, il software di Echo Nest si concentra su caratteristiche che sarebbero riconosciute da un ascoltatore umano.
Analista di Forrester Research Sonal Gandhi , che segue l'industria musicale, afferma che metodi più automatizzati di ricerca e raccomandazione di musica potrebbero diventare importanti man mano che la musica su richiesta diventa più popolare e i siti sentono una maggiore pressione per aiutare gli utenti a trovare nuova musica.
Tim Crawford , un docente di musicologia computazionale presso la Goldsmiths University di Londra, afferma che mentre l'analisi della musica utilizzando i computer è un'area di ricerca molto interessante e promettente, sarà difficile creare un motore di ricerca musicale che sia sia generale che completamente automatico. La somiglianza con la musica è una cosa così personale e variabile, dice Crawford. Due brani heavy metal possono sembrare molto simili a un esperto di musica classica come me, ma completamente diversi da un appassionato di heavy metal, che a sua volta potrebbe considerare la musica di Brahms e Tchaikovsky molto simile, il che sarebbe ridicolo per me.