Mientras que antes había que visitar a las discográficas para vender una canción, hoy en día basta con lanzar ese éxito potencial en Internet y ver dónde cae. Resultado: cada día se publican decenas de miles de canciones. Pero, ¿cómo reconocer las joyas? También en este caso la tecnología ofrece una solución.
A las emisoras de radio y a los servicios de streaming les resulta difícil separar el grano de la paja, aunque, por supuesto, ese es su trabajo: tienen que ofrecerte lo que quieres oír.
Para hacer una selección, hacen que la gente escuche todas las músicas. Luego tienen que juzgar qué canciones atraerán a un público amplio. Pero incluso con la ayuda de la IA, no consiguen predecir correctamente más del 50 % de los éxitos. Una gran pérdida de tiempo y esfuerzo. Y a los oyentes se les ofrece con demasiada frecuencia música que no quieren.
Casi perfecto
Esto se puede hacer mejor, pensaron los
El cerebro traiciona las preferencias
¿Cómo ha funcionado? A los participantes se les colocaron unos sensores especiales mientras escuchaban 24 canciones. Después tenían que indicar sus preferencias. Durante el experimento, los científicos midieron las respuestas neurofisiológicas del cerebro de los participantes a las canciones.
“Las señales cerebrales que recogimos mostraban la actividad de la red cerebral que regula el estado de ánimo y los niveles de energía”, explica Zak. Basándose en esto, los investigadores pudieron predecir qué canción conquistaría el mundo y cuál no. Así que este método mide la actividad neuronal de un pequeño grupo de personas para hacer predicciones a nivel poblacional sin tener que registrar la actividad cerebral de cientos de personas.
Tras recopilar los datos, los investigadores hicieron primero ellos mismos algunos análisis estadísticos, pero para mejorar la capacidad de predicción del método, entrenaron después un modelo de aprendizaje automático, que probó distintos algoritmos para llegar a las mejores predicciones.
Una mejor lista de reproducción
Y eso ayudó: solo el modelo estadístico llegó a una tasa de acierto del 69 %, mientras que el uso del aprendizaje automático predijo correctamente el éxito en el 97 % de los casos. Podría ser aún más rápido. Si aplicaban el aprendizaje automático solo al primer minuto de la canción, la precisión seguía siendo del 82 %. “Esto significa que los servicios de streaming pueden identificar fácilmente las nuevas canciones susceptibles de convertirse en éxitos. Esto les facilita el trabajo y el oyente obtiene una lista de reproducción mejor”, afirma Zak.
Y el futuro en ese frente es aún más prometedor. “Si la tecnología para llevar puesta que utilizamos en este estudio se generaliza pronto, se podrá enviar el entretenimiento adecuado directamente al público adecuado, en función de su neurofisiología. En lugar de presentárseles cientos de opciones, recibirán dos o tres más. Así será mucho más fácil y rápido elegir la música que prefieres”, afirma el científico.
También para la televisión
Pero aún no se ha llegado tan lejos. Los investigadores citan algunas salvedades más en su estudio. Por ejemplo, utilizaron relativamente pocas canciones. La cuestión es hasta qué punto es correcto el modelo de aprendizaje automático cuando se añaden cientos de canciones. No obstante, confían en que su método se utilice ampliamente y no solo para la música. “Nuestra principal aportación es la metodología. Este método puede utilizarse probablemente para todo tipo de entretenimiento, pensemos en películas y series de televisión”, concluye Zak.