¿Es posible que las máquinas puedan prever el próximo gran éxito musical? Según un estudio reciente, parece que sí, con una asombrosa precisión del 97%.
Para aligerar la tarea y dar con esos “temazos” que harán las delicias de la audiencia, estas empresas han recurrido tanto a oyentes humanos como a la inteligencia artificial. Sin embargo, el resultado no ha sido totalmente satisfactorio pues la precisión obtenida ha sido de un 50 %, mitad de posibilidades de que una canción triunfe, mitad de que pase sin pena ni gloria.
Ahora, un equipo de investigadores de Estados Unidos ha logrado identificar con una precisión del 97 % qué canciones serán un éxito. Lo han conseguido ayudándose de una técnica de aprendizaje automático aplicada a las respuestas cerebrales.
«Aplicando el aprendizaje automático a los datos neurofisiológicos, pudimos identificar casi a la perfección las canciones de éxito», afirma Paul Zak, profesor de la Claremont Graduate University y autor principal del estudio publicado en Frontiers in Artificial Intelligence. «Que la actividad neuronal de 33 personas pueda predecir si millones de otras escucharon nuevas canciones es bastante asombroso. Nunca se había demostrado nada parecido a esta precisión».
Aprendizaje automático con datos neurológicos
Para realizar el estudio, a los participantes se les colocó unos sensores y se les puso 24 canciones. Los científicos les preguntaron por sus preferencias y por ciertos datos demográficos. Midieron las respuestas neurofisiológicas de los participantes a las canciones que iban sonando.
«Las señales cerebrales que recogimos reflejan la actividad de una red cerebral asociada al estado de ánimo y los niveles de energía», explica Zak. Esto permitió a los investigadores predecir los resultados del mercado, incluido el número de streams de una canción (cuando se escucha, al menos, 30 segundos de un tema), basándose en los datos de unos pocos. Este método se denomina «neuroprevisión». Consiste en captar la actividad neuronal de un pequeño grupo de personas para predecir efectos a nivel poblacional sin tener que medir la actividad cerebral de todos los individuos.
Tras la recogida de datos, los investigadores utilizaron distintos enfoques estadísticos para evaluar la precisión predictiva de las variables neurofisiológicas. Esto permitió comparar directamente los modelos. Para mejorar la precisión predictiva, entrenaron un modelo ML que probó diferentes algoritmos para llegar a los mejores resultados de predicción.
Descubrieron que un modelo estadístico lineal identificaba las canciones acertadas con una tasa de acierto del 69 %. Cuando aplicaron el aprendizaje automático a los datos recopilados, el porcentaje de canciones de éxito identificadas correctamente aumentó hasta el 97 %. También aplicaron el aprendizaje automático a las respuestas neuronales al primer minuto de las canciones. En este caso, los éxitos se identificaron correctamente con una tasa de acierto del 82 %.
«Esto significa que los servicios de streaming pueden identificar fácilmente nuevas canciones que probablemente serán éxitos para las listas de reproducción de la gente de manera más eficiente, facilitando el trabajo de los servicios de streaming y deleitando a los oyentes», explicó Zak.
Sobre su uso en el futuro, Zak dijo lo siguiente: «Si en el futuro se generalizan las tecnologías neurocientíficas vestibles, como las que utilizamos para este estudio, se podría enviar al público el entretenimiento adecuado en función de su neurofisiología. En lugar de ofrecerle cientos de opciones, se le podría dar sólo dos o tres, lo que le facilitaría y agilizaría la elección de la música que disfrutaría», afirma Zak.
A pesar de los buenísimos resultados obtenidos, los investigadores señalaron algunas limitaciones del estudio, como que usaron un número relativamente bajo de canciones o que la muestra de participantes, aunque diversa, no incluía ciertos grupos étnicos y de edad.