¿Puede la respuesta de tu cuerpo a la música predecir éxitos?Un nuevo estudio de inteligencia artificial afirma que puede
¿Puede la respuesta de tu cuerpo a la música predecir éxitos?Un nuevo estudio de inteligencia artificial afirma que puede
Un nuevo estudio sugiere que la inteligencia artificial puede analizar la actividad cardíaca para predecir si una canción será un éxito antes de su lanzamiento.Pero algunos científicos de éxito se muestran escépticos
Crédito:
Miniserie/Getty Images
¿Puede una máquina predecir las canciones de verano? ¿Puede eliminar fallos que se olvidan fácilmente? Si es así, dicha tecnología podría reducir el costo de la producción musical, seleccionar listas de reproducción públicas e incluso hacer obsoletos a los jueces de los programas de talentos de televisión, pero después de décadas de investigación sobre la «ciencia de las canciones de éxito», predecir una canción exitosa sigue siendo más un arte que una ciencia. .
Ahora, investigadores de la Universidad de Graduados de Claremont en California dicen que han encontrado una manera de utilizar la inteligencia artificial para analizar las señales fisiológicas de los oyentes y predecir el próximo éxito pop que encabezará las listas de éxitos. El equipo de investigación rastreó la actividad cardíaca de los participantes mientras escuchaban música. Los científicos utilizan un algoritmo para convertir los datos en lo que dicen es una representación de la actividad neuronal. Luego, un modelo de aprendizaje automático entrenado con estos datos pudo determinar si una canción fue un éxito o un fracaso con un 97% de precisión. Los resultados de la investigación se publicaron en Frontiers of Artificial Intelligence.
Otros científicos que trabajan en el uso de inteligencia artificial para predecir éxitos no están listos para cantar victoria. «Esta investigación podría ser innovadora, pero sólo si puede replicarse y generalizarse. Hay muchos sesgos que pueden afectar los experimentos de aprendizaje automático, especialmente aquellos que intentan predecir las preferencias humanas», dijo Hoda Khalil, científica de datos de la Universidad de Carleton en Ontario., que no participó en este estudio.
Sobre el apoyo al periodismo científico
Si disfrutó este artículo, considere apoyar nuestro periodismo galardonado suscribiéndose. Al comprar una suscripción, ayudas a garantizar un futuro de historias impactantes sobre los descubrimientos e ideas que dan forma a nuestro mundo actual.
Tradicionalmente, los expertos de la industria musical que esperaban predecir el próximo éxito se han basado en grandes bases de datos para analizar los aspectos líricos y acústicos de los éxitos, como el ritmo, la articulación y la bailabilidad. Pero este método funciona sólo ligeramente mejor que un lanzamiento aleatorio de una moneda. Por ejemplo, Khalil y sus colegas analizaron datos de más de 600.000 canciones y no encontraron ninguna correlación significativa entre diversas características acústicas y la popularidad comercial de una canción.
En lugar de centrarse en la calidad de las canciones, el equipo de Claremont buscó explorar las respuestas humanas a la música. «La conexión parece demasiado simple. El propósito de las canciones es crear una experiencia emocional para las personas, y esas emociones provienen del cerebro», dijo Paul Zucker, neuroeconomista de la Claremont Graduate University y autor principal del nuevo estudio.
Intentos anteriores de utilizar escáneres cerebrales para predecir éxitos han tenido un éxito limitado. Un estudio de 2011 utilizó imágenes de resonancia magnética funcional para rastrear el flujo sanguíneo en el cerebro e identificó el 90% de los fracasos empresariales, pero solo el 30% de los éxitos. El equipo de Zack adoptó un enfoque diferente. En lugar de medir las respuestas cerebrales directamente, los investigadores equiparon a 33 participantes con sensores cardíacos portátiles que monitoreaban los cambios en el flujo sanguíneo, de forma similar a cómo los relojes inteligentes tradicionales y los rastreadores de actividad física detectan la frecuencia cardíaca.
Los participantes escucharon 24 canciones, desde el éxito de Tones and I «Dance Monkey» hasta el fracaso comercial de NLE Choppa «Dekario (Pain)». Luego, sus datos cardíacos se pusieron a disposición a través de Immersion Neuroscience, una plataforma comercial cofundada por Zucker, que, según él, utiliza algoritmos para convertir la actividad cardíaca en un indicador compuesto de atención y resonancia emocional, llamado inmersión (detalles del proceso no descritos en el estudio). ) ). Los investigadores informan que los modelos de inteligencia artificial entrenados con estas señales inmersivas pueden predecir éxitos con gran precisión. Por el contrario, las clasificaciones de los participantes sobre cuánto les gustaban las canciones no reflejaban su popularidad pública.
Zak, que actualmente se desempeña como director de inmersión en Immersion Neuroscience, dijo que tiene sentido utilizar datos cardíacos como indicador de las respuestas neuronales, que pueden rastrearse fácilmente a través de dispositivos portátiles. Explica que las respuestas emocionales fuertes desencadenan la síntesis cerebral de la oxitocina, un neuroquímico que hace sentir bien, lo que aumenta la actividad en el nervio vago que conecta el cerebro, el intestino y el corazón.
No todo el mundo está convencido. «Este estudio se basa en medidas neurofisiológicas de inmersión, pero dichas medidas requieren una mayor validación científica», dijo Stefan Koelsch, neurocientífico de la Universidad de Bergen en Noruega e investigador visitante en el Instituto Max Planck de Ciencias Cognitivas y Cerebrales Humanas en Alemania. explicar. Korsch también señaló que si bien el estudio citó varios artículos que respaldan la validez de la inmersión como medida de la actividad cerebral, no todos fueron publicados en revistas revisadas por pares.
Korsch también expresó dudas sobre la capacidad de los modelos de aprendizaje automático para capturar los matices de la popularidad de una canción. En un estudio de 2022, él y sus colegas encontraron inicialmente una relación entre la previsibilidad de las progresiones de acordes de las canciones y las respuestas emocionales de los oyentes, pero desde entonces no han podido replicar esos hallazgos. «Es difícil encontrar métricas confiables que midan incluso las diferencias más crudas entre música agradable y desagradable, y mucho menos las diferencias sutiles que hacen que una buena pieza musical sea un éxito», dijo. Al cierre de esta edición, Zucker no había respondido a una solicitud de comentarios sobre las críticas a su reciente investigación.
Si se replican los resultados de este nuevo modelo, podría tener un enorme potencial comercial. Para Zach, su uso principal es categorizar eficientemente su vasta biblioteca de canciones existentes. «A medida que los dispositivos portátiles se vuelven más baratos y más omnipresentes, esta tecnología puede monitorear pasivamente la actividad cerebral y recomendar música, películas o programas de televisión basándose en esos datos», dijo Zucker. «¿Quién no querría eso?»
Zak imagina un servicio de suscripción voluntaria en el que los datos se anonimizarán y compartirán cuando los usuarios firmen un formulario de consentimiento. Pero Khalil señaló que este enfoque de aceptación todavía no protege a los usuarios. «Muchos usuarios aceptan los términos y condiciones sin siquiera leerlos», afirmó Khalil. «Esto abre la puerta a que los datos se compartan y se utilicen indebidamente sin querer».
Las canciones favoritas de una persona pueden parecer datos inofensivos, pero proporcionan una ventana a sus estados de ánimo y hábitos. Si estos detalles se combinan con datos de actividad cerebral, los consumidores pueden verse obligados a considerar cuánta información están dispuestos a renunciar por la lista de reproducción perfecta.