تقدم قوائم التشغيل التي تم إنشاؤها باستخدام الخوارزميات على خدمات بث الموسيقى مثل Spotify أفضل تخمين لنوع الموسيقى التي ستستمتع بها بناء على ما تستمع إليه وما يعجبك.
وكشفت دراسة جديدة كيف يمكن أن تكون قوائم التشغيل هذه أفضل بناء على كيفية تأثر عقلك بأحدث الأغاني.
وعندما قام باحثون أمريكيون بتدريب خوارزميات التعلم الآلي لتحليل الاستجابات الجسدية لمستمعي الموسيقى، تمكنوا من التنبؤ بالمقاطع الصوتية التي ترضي معظم الناس بدقة تصل إلى 97٪.
كل ما كان على الخوارزميات فعله هو قياس انفعال الشخص وانتباهه إلى نغمة، باستخدام حالة الفيزيولوجيا العصبية الخاصة بهم كبديل.
وكلما طالت مدة “انغماس” الشخص في أغنية عصبية، زادت احتمالية نجاح الأغنية على المستوى الوطني.
وفي الواقع، كان هذا مؤشرا أفضل بكثير على نجاح اللحن مما إذا كان الفرد قد قال إنه استمتع بالأغنية.
وبعبارة أخرى، فقط لأنك تستمتع بوعي بمقطع موسيقي لا يعني أن الآخرين سيفعلون ذلك. ومع ذلك، قد تعرف حالتك اللاواعية بشكل أفضل.
وكتب الباحثون: “بدلا من سؤال المستخدمين عما إذا كانوا “يحبون” أغنية جديدة، يمكن للتقنيات العصبية القابلة للارتداء، مثل تلك الموجودة في هذه الدراسة، تقييم القيمة العصبية للمحتوى تلقائيا”.
وحتى لو تم تغذية الخوارزمية ببيانات فسيولوجية من دقيقة واحدة فقط من الاستماع إلى أغنية، فلا يزال بإمكانها التنبؤ بضربة تصل إلى 82٪ من الدقة.
وتتفوق الطريقة الجديدة على الدراسات المماثلة التي استخدمت مسح الدماغ لتقييم الاستجابات الموسيقية. وكانت هذه قادرة فقط على التنبؤ بمعدل حوالي 50%.
وفي التجارب الجديدة، كان المستمعون الفرديون جيدين فقط في تخمين ما إذا كانت الأغنية ناجحة إذا كانوا قد سمعوها من قبل – وهو انحياز، عند إزالته، يجعلنا أسوأ بكثير في توقع نجاح أو فشل.
ويقول عالم الاقتصاد العصبي بول زاك، من جامعة كليرمونت للدراسات العليا في كاليفورنيا: “من خلال تطبيق التعلم الآلي على البيانات الفسيولوجية العصبية، يمكننا تحديد الأغاني الناجحة تقريبا. النشاط العصبي لـ 33 شخصا يمكن أن يتنبأ بما إذا كان الملايين من الآخرين قد استمعوا إلى الأغاني الجديدة أمر مذهل للغاية. لم يتم عرض أي شيء قريب من هذه الدقة من قبل”.
وجلس المشاركون في الدراسة أولا في غرفة يرتدون أجهزة استشعار للقلب واستمعوا إلى 24 أغنية حديثة تم تشغيلها عبر مكبرات الصوت. وتم اعتبار ثلاث عشرة أغنية ناجحة من خلال منصات البث، لكن لم يتم إخبار المشاركين بأي منها.
وفي نهاية التجربة، طُلب من المجموعة ترتيب الأغاني التي أعجبتهم أكثر.
وتم بعد ذلك إدخال البيانات التي تم جمعها من مستشعرات القلب الخاصة بهم في منصة علم الأعصاب التجارية التي تستخدم بيانات معدل ضربات القلب لاستنتاج حالة دماغ الشخص. الأوكسيتوسين والدوبامين، على سبيل المثال، نوعان من الهرمونات العصبية معروفان بتأثيرهما على القلب. يتم إطلاقهما أيضا عندما تشعر بالرضا.
وعندما تغني أو تستمع إلى الموسيقى، على سبيل المثال، تشير الدلائل إلى أن جذع دماغك غالبا ما يطلق الأوكسيتوسين، ويتم إفراز الدوبامين ويرتبط بقشرة الفص الجبهي عندما تولي اهتماما إضافيا لشيء ما، أو عندما تكون “منغمسا” فيه.
وحاولت الدراسات السابقة القيام بذلك من خلال التركيز على منطقة دماغية واحدة تشارك في نظام المكافأة. لكن الباحثين حققوا نجاحا ضئيلا.
وتركز الدراسة الحالية على إشارات فسيولوجية عصبية مختلفة تتضمن، بشكل مهم، الاستجابات العاطفية. كما استخدمت مجموعة من خوارزميات التعلم الآلي، وليس خوارزميات واحدة فقط.
وكتب الباحثون: “يوفر قياس الاستجابات العاطفية باستخدام تقنيات علم الأعصاب طريقة جديدة للفنانين ومنتجي التسجيلات وخدمات البث لإسعاد المستمعين بموسيقى جديدة. مساهمتنا هي إظهار أن قياسات علم الأعصاب الشامل من الجهاز العصبي المحيطي تصنف بدقة حالات الإصابة والتخبط”.
ومن الناحية النظرية، يمكن استخدام هذه المعلومات لإنشاء قوائم تشغيل فردية لحالات مزاجية معينة، ولكنها تنطبق على أكثر من مجرد الموسيقى.
ويمكن أيضا تطبيق “Neuroforecasting” على أي شكل من أشكال الترفيه، ما يمنح الأشخاص ما يريدون حتى قبل أن يعرفوه. الدراسة الحالية صغيرة، ولا تزال بعض التفاصيل بحاجة إلى العمل عليها، ولكن كدليل على المفهوم، يبدو أنها مفعمة بالأمل.
ونُشرت الدراسة في مجلة Frontiers in Artificial Intelligence.
المصدر: ساينس ألرت
