lista de reproducción

lista de reproducción

Fuente: Pixabay/CC0 Dominio público

Cada día se lanzan decenas de miles de canciones. Este flujo constante de opciones dificulta que los servicios de transmisión y las estaciones de radio elijan qué canciones agregar a sus listas de reproducción. Para encontrar aquellos que resonarían con grandes audiencias, estos servicios utilizaron oyentes humanos e inteligencia artificial. Sin embargo, este enfoque del 50 % de precisión no predice de forma fiable si las canciones se convertirán en éxitos.

Ahora, los investigadores en los EE. UU. utilizaron una técnica integral de aprendizaje automático aplicada a las respuestas cerebrales y pudieron predecir los aciertos con un 97 % de precisión.

“Al aplicar el aprendizaje automático a los datos neurofisiológicos, pudimos identificar los golpes casi a la perfección”, dijo Paul Zak, profesor de la Universidad de Graduados de Claremont y autor principal del estudio publicado en Límites en la inteligencia artificial. “Que la actividad neuronal de 33 personas pueda predecir si millones de personas han escuchado nuevas canciones es asombroso. Nunca antes se había demostrado nada parecido a esta precisión”.

Aprendizaje automático con neurodatos

Los participantes del estudio estaban equipados con sensores listos para usar, escucharon un conjunto de 24 canciones y se les preguntó sobre sus preferencias y algunos datos demográficos. Durante el experimento, los investigadores midieron las respuestas neurofisiológicas de los participantes a las canciones. “Las señales cerebrales que recolectamos reflejan la actividad de la red cerebral relacionada con el estado de ánimo y los niveles de energía”, dijo Zak. Esto permitió a los investigadores predecir los resultados del mercado, incluidas las reproducciones de canciones, en función de los datos de algunas personas.

Este enfoque se llama “neuropronóstico”. Captura la actividad neuronal de un pequeño grupo de personas para predecir los efectos a nivel de población sin tener que medir la actividad cerebral de cientos de personas.

Después de la recopilación de datos, los investigadores utilizaron varios enfoques estadísticos para evaluar la precisión predictiva de las variables neurofisiológicas. Esto permitió una comparación directa de los modelos. Para mejorar la precisión predictiva, entrenaron un modelo ML que probó diferentes algoritmos para producir los puntajes de predicción más altos.

Descubrieron que el modelo estadístico lineal identificó éxitos de taquilla con una tasa de éxito del 69%. Cuando aplicaron el aprendizaje automático a los datos recopilados, el porcentaje de aciertos identificados correctamente aumentó al 97 %. También aplicaron el aprendizaje automático a las respuestas neuronales al primer minuto de las canciones. En este caso, los aciertos se identificaron correctamente con una precisión del 82 %.

“Esto significa que los servicios de transmisión pueden identificar de manera más efectiva nuevas canciones que probablemente se conviertan en éxitos en las listas de reproducción de las personas, lo que facilita el trabajo de los servicios de transmisión y deleitar a los oyentes”, explicó Zak.

Métodos de replicación

“Si las tecnologías de neurociencia portátiles como las que usamos en este estudio se vuelven comunes en el futuro, se podría enviar entretenimiento relevante a las audiencias en función de su neurofisiología. En lugar de ofrecerles cientos de opciones, solo podían obtener dos o tres, lo que les facilitaba elegir la música que les gustaba”, dijo Zak.

A pesar de los resultados casi perfectos de las predicciones de su equipo, los investigadores señalaron algunas limitaciones. Por ejemplo, usaron relativamente pocas canciones en su análisis. Además, la demografía de los participantes del estudio fue moderadamente diversa, pero no incluyó miembros de grupos étnicos y de edad específicos.

Sin embargo, los investigadores esperan que su enfoque pueda usarse más allá de la identificación de aciertos, en parte debido a su fácil implementación. “Nuestro insumo clave es la metodología. Es probable que este enfoque se pueda usar para predecir éxitos de taquilla para muchos otros tipos de entretenimiento, incluidas películas y programas de televisión”, concluyó Zak.

Más información:
Predicción precisa de golpes usando neurofisiología y aprendizaje automático, Límites en la inteligencia artificial (2023). DOI: 10.3389/frai.2023.1154663, www.frontiersin.org/articles/1 … ai.2023.1154663/full

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *