一臺機器能預測夏季熱門歌曲嗎？它能剔除那些容易被遺忘的失敗之作嗎？如果可以，這項技術可以降低音樂製作成本，策劃公共播放列表，甚至讓電視選秀節目中的評委變得多餘——但在經過數十年的“熱門歌曲科學”研究之後，預測一首成功的歌曲仍然更多的是一門藝術，而不是一門科學。
現在，加利福尼亞州克萊蒙特研究生大學的研究人員表示，他們已經找到了一種使用人工智慧分析聽眾生理訊號並預測下一首熱門歌曲的方法。該團隊追蹤了參與者在聽音樂時的心臟活動。科學家們使用一種演算法將資料轉換為他們所說的神經活動的代理。然後，一個在這些資料上訓練的機器學習模型能夠以 97% 的準確率確定一首歌曲是熱門歌曲還是失敗之作。該研究結果發表在《前沿人工智慧》雜誌上。
其他研究使用人工智慧預測熱門歌曲的科學家尚未準備好宣佈勝利。“這項研究可能是開創性的，但前提是它能夠被複制和推廣。有很多偏見會影響機器學習實驗，尤其是試圖預測人類偏好的實驗，”安大略省卡爾頓大學的資料科學家霍達·哈利勒說，她沒有參與這項研究。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
傳統上，希望預測下一首熱門歌曲的音樂行業專家依賴大型資料庫來分析熱門歌曲的歌詞和聲音方面，例如節奏、露骨程度和舞曲性。但這種方法的效果僅略好於隨機拋硬幣。例如，哈利勒和她的同事們分析了來自超過 60 萬首歌曲的資料，發現各種聲音特徵與曲調的商業流行度之間沒有顯著的相關性。
克萊蒙特團隊沒有關注歌曲的品質，而是試圖探索人類對音樂的反應。“這種聯絡似乎太簡單了。歌曲旨在為人們創造情感體驗，而這些情感來自大腦，”克萊蒙特研究生大學的神經經濟學家、新研究的資深作者保羅·扎克說。
先前嘗試使用腦部掃描來預測熱門歌曲的嘗試收效甚微。一項 2011 年使用功能性磁共振成像（追蹤大腦中的血流）的研究識別出了 90% 的商業失敗之作，但僅識別出了 30% 的熱門歌曲。扎克的團隊採取了一種不同的方法。研究人員沒有直接測量大腦反應，而是為 33 名參與者配備了可穿戴心臟感測器，用於監測血流變化，類似於傳統智慧手錶和健身追蹤器檢測心率的方式。
參與者聽了 24 首歌曲，從 Tones and I 的熱門歌曲“Dance Monkey”到 NLE Choppa 的商業失敗之作“Dekario (Pain)”。然後，他們的心臟資料被輸入到扎克共同創立的商業平臺 Immersion Neuroscience，他說該平臺透過演算法將心臟活動轉換為注意力和情感共鳴的組合指標，稱為沉浸感（研究中未概述此過程的詳細資訊）。研究人員報告稱，一個在這些沉浸感訊號上訓練的人工智慧模型以高精度預測了熱門歌曲。相比之下，參與者對歌曲喜愛程度的排名並未反映其公眾流行度。
目前擔任 Immersion Neuroscience 首席沉浸官的扎克表示，使用可以透過可穿戴裝置輕鬆追蹤的心臟資料作為神經反應的代理是有道理的。他解釋說，強烈的情感反應會觸發大腦合成“感覺良好”的神經化學物質催產素，從而增強迷走神經的活動，迷走神經連線大腦、腸道和心臟。
並非所有人都信服。“這項研究取決於沉浸感的神經生理學測量，但這種測量需要進一步的科學驗證，”挪威卑爾根大學的神經科學家、德國馬克斯·普朗克人類認知與腦科學研究所的客座研究員斯特凡·科爾施說。科爾施還指出，儘管該研究引用了幾篇論文來支援沉浸感作為大腦活動測量的有效性，但並非所有論文都發表在同行評審的期刊上。
科爾施還懷疑機器學習模型是否能夠捕捉到使歌曲成為熱門歌曲的細微差別。在一項 2019 年的研究中，他和他的同事最初發現歌曲的和絃進行的可預測性與聽眾的情感反應之間存在關係，但此後他們一直未能重複這些發現。“即使要找到可靠的指標來區分令人愉悅和令人不悅的音樂之間最粗略的差異也很困難，更不用說使一首好聽的樂曲成為熱門歌曲的細微差異了，”他說。截至釋出時，扎克尚未回覆關於對其近期研究批評的置評請求。
如果這個新模型的結果能夠被複制，它可能具有巨大的商業潛力。對於扎克來說，它的主要用途在於有效地篩選龐大的現有歌曲庫。“隨著可穿戴裝置變得更便宜、更普及，這項技術可以被動地監測你的大腦活動，並根據這些資料推薦音樂、電影或電視節目，”扎克說。“誰不想要那樣呢？”
扎克設想了一種選擇加入服務，使用者簽署同意書後，資料將被匿名化並共享。但哈利勒指出，這種選擇加入的方法仍然無法充分保護使用者。“許多使用者只是接受條款和條件，甚至沒有閱讀它們，”哈利勒說。“這為資料被無意共享和濫用打開了大門。”
一個人最喜歡的歌曲似乎是無害的資料，但它們提供了一個瞭解一個人情緒和習慣的視窗。如果這些細節與大腦活動資料相結合，消費者可能不得不考慮他們願意為了完美的播放列表放棄多少資訊。