يساعد التعلم الآلي الباحثين على تحديد الأغاني الناجحة بدقة 97٪
يتم إطلاق عشرات الآلاف من الأغاني كل يوم. هذا التدفق المستمر للخيارات يجعل من الصعب على خدمات البث ومحطات الراديو اختيار الأغاني التي تريد إضافتها إلى قوائم التشغيل.
للعثور على الأشخاص الذين سيكون لهم صدى لدى جمهور كبير، استخدمت هذه الخدمات المستمعين البشريين والذكاء الاصطناعي. ومع ذلك، فإن هذا النهج، الذي يبقى بمعدل دقة يبلغ 50٪، لا يتنبأ بشكل موثوق بما إذا كانت الأغاني ستصبح ناجحة.
الآن، استخدم الباحثون في الولايات المتحدة تقنية شاملة للتعلم الآلي مطبقة على استجابات الدماغ وتمكنوا من التنبؤ بالأغاني الناجحة بدقة 97٪.
قال بول زاك، الأستاذ في جامعة كليرمونت للدراسات العليا وكبير مؤلفي الدراسة المنشورة في Frontiers in Artificial Intelligence : “من خلال تطبيق التعلم الآلي على بيانات الفسيولوجيا العصبية، يمكننا تحديد الأغاني الناجحة بشكل شبه كامل” “.
أن النشاط العصبي لـ 33 شخصًا 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.”
التعلم الآلي مع البيانات العصبية
تم تجهيز المشاركين في الدراسة بأجهزة استشعار جاهزة، واستمعوا إلى مجموعة من 24 أغنية، وسئلوا عن تفضيلاتهم وبعض البيانات الديموغرافية.
خلال التجربة، قاس العلماء استجابات المشاركين في الفسيولوجيا العصبية للأغاني. قال زاك زاك:كس إشارات الدماغ التي جمعناها نشاط شبكة الدماغ المرتبطة بالمزاج ومستويات الطاقة “.
سمح هذا للباحثين بالتنبؤ بنتائج السوق، في ذلك عدد تدفقات أغنية – بناءً على بيانات قليلة.
هذا النهج يسمى “neuroforecasting”. إنه يلتقط النشاط العصبي لمجموعة صغيرة من الناس للتنبؤ بالتأثيرات على مستوى السكان دون الحاجة إلى قياس نشاط الدماغ لمئات الأشخاص.
بعد جمع البيانات، استخدم الباحثون أساليب إحصائية مختلفة لتقييم الدقة التنبؤية للمتغيرات الفسيولوجية العصبية. هذا سمح للمقارنة المباشرة للنماذج.
لتحسين الدقة التنبؤية، قاموا بتدريب نموذج ML الذي اختبر خوارزميات مختلفة للوصول إلى أعلى نتائج التنبؤ.
وجدوا أن نموذجًا إحصائيًا خطيًا حدد الأغاني الناجحة بنسبة نجاح بلغت 69٪. عندما طبقوا التعلم الآلي على البيانات التي جمعوها، قفز معدل الأغاني الناجحة التي تم تحديدها بشكل صحيح إلى 97٪.
كما قاموا بتطبيق التعلم الآلي على الاستجابات العصبية في الدقيقة الأولى من الأغاني. في هذه الحالة، تم تحديد النتائج بشكل صحيح بنسبة نجاح بلغت 82٪.
وأوضح زاك أن “هذا يعني أن خدمات البث يمكنها بسهولة تحديد الأغاني الجديدة التي من المحتمل أن تكون ناجحة لقوائم التشغيل للأشخاص بشكل أكثر كفاءة، مما يجعل وظائف خدمات البث أسهل ويسعد المستمعين”.
طرق التكرار
“إذا أصبحت تقنيات علم الأعصاب القابلة للارتداء في المستقبل، مثل تلك التي استخدمناها في هذه الدراسة، شائعة، فيمكن إرسال الترفيه المناسب إلى الجماهير بناءً على فسيولوجيا الأعصاب لديهم.
بدلاً من تقديم مئات الخيارات، قد يتم إعطاؤهم اثنين أو ثلاثة فقط مما يجعل اختيار الموسيقى التي سيستمتعون بها أسهل وأسرع “.
على الرغم من نتائج التنبؤ شبه المثالية لفريقه، أشار الباحثون إلى بعض القيود. على سبيل المثال، استخدموا عددًا قليلاً نسبيًا من الأغاني في تحليلهم
. علاوة على ذلك، كانت التركيبة السكانية للمشاركين في الدراسة متنوعة بشكل معتدل، لكنها لم تشمل أفرادًا من مجموعات عرقية وعمرية معينة.
ومع ذلك، يتوقع الباحثون أن نهجهم يمكن استخدامه على الأرجح فيما وراء تحديد الأغنية الناجحة، ويرجع ذلك جزئيًا إلى سهولة تنفيذه.
واختتم زاك حديثه قائلاً: “مساهمتنا الأساسية هي المنهجية. ومن المحتمل أن يتم استخدام هذا النهج للتنبؤ بالعديد من أنواع الترفيه الأخرى أيأيضًا،ما في ذلك الأفلام والبرامج التلفزيونية”
المصدر: techxplore
قد يهمك:
