一台机器能预测夏季热门歌曲吗？它能剔除那些容易被遗忘的失败之作吗？如果可以，这项技术可以降低音乐制作成本，策划公共播放列表，甚至让电视选秀节目中的评委变得多余——但在经过数十年的“热门歌曲科学”研究之后，预测一首成功的歌曲仍然更多的是一门艺术，而不是一门科学。
现在，加利福尼亚州克莱蒙特研究生大学的研究人员表示，他们已经找到了一种使用人工智能分析听众生理信号并预测下一首热门歌曲的方法。该团队追踪了参与者在听音乐时的心脏活动。科学家们使用一种算法将数据转换为他们所说的神经活动的代理。然后，一个在这些数据上训练的机器学习模型能够以 97% 的准确率确定一首歌曲是热门歌曲还是失败之作。该研究结果发表在《前沿人工智能》杂志上。
其他研究使用人工智能预测热门歌曲的科学家尚未准备好宣布胜利。“这项研究可能是开创性的，但前提是它能够被复制和推广。有很多偏见会影响机器学习实验，尤其是试图预测人类偏好的实验，”安大略省卡尔顿大学的数据科学家霍达·哈利勒说，她没有参与这项研究。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
传统上，希望预测下一首热门歌曲的音乐行业专家依赖大型数据库来分析热门歌曲的歌词和声音方面，例如节奏、露骨程度和舞曲性。但这种方法的效果仅略好于随机抛硬币。例如，哈利勒和她的同事们分析了来自超过 60 万首歌曲的数据，发现各种声音特征与曲调的商业流行度之间没有显着的相关性。
克莱蒙特团队没有关注歌曲的品质，而是试图探索人类对音乐的反应。“这种联系似乎太简单了。歌曲旨在为人们创造情感体验，而这些情感来自大脑，”克莱蒙特研究生大学的神经经济学家、新研究的资深作者保罗·扎克说。
先前尝试使用脑部扫描来预测热门歌曲的尝试收效甚微。一项 2011 年使用功能性磁共振成像（追踪大脑中的血流）的研究识别出了 90% 的商业失败之作，但仅识别出了 30% 的热门歌曲。扎克的团队采取了一种不同的方法。研究人员没有直接测量大脑反应，而是为 33 名参与者配备了可穿戴心脏传感器，用于监测血流变化，类似于传统智能手表和健身追踪器检测心率的方式。
参与者听了 24 首歌曲，从 Tones and I 的热门歌曲“Dance Monkey”到 NLE Choppa 的商业失败之作“Dekario (Pain)”。然后，他们的心脏数据被输入到扎克共同创立的商业平台 Immersion Neuroscience，他说该平台通过算法将心脏活动转换为注意力和情感共鸣的组合指标，称为沉浸感（研究中未概述此过程的详细信息）。研究人员报告称，一个在这些沉浸感信号上训练的人工智能模型以高精度预测了热门歌曲。相比之下，参与者对歌曲喜爱程度的排名并未反映其公众流行度。
目前担任 Immersion Neuroscience 首席沉浸官的扎克表示，使用可以通过可穿戴设备轻松追踪的心脏数据作为神经反应的代理是有道理的。他解释说，强烈的情感反应会触发大脑合成“感觉良好”的神经化学物质催产素，从而增强迷走神经的活动，迷走神经连接大脑、肠道和心脏。
并非所有人都信服。“这项研究取决于沉浸感的神经生理学测量，但这种测量需要进一步的科学验证，”挪威卑尔根大学的神经科学家、德国马克斯·普朗克人类认知与脑科学研究所的客座研究员斯特凡·科尔施说。科尔施还指出，尽管该研究引用了几篇论文来支持沉浸感作为大脑活动测量的有效性，但并非所有论文都发表在同行评审的期刊上。
科尔施还怀疑机器学习模型是否能够捕捉到使歌曲成为热门歌曲的细微差别。在一项 2019 年的研究中，他和他的同事最初发现歌曲的和弦进行的可预测性与听众的情感反应之间存在关系，但此后他们一直未能重复这些发现。“即使要找到可靠的指标来区分令人愉悦和令人不悦的音乐之间最粗略的差异也很困难，更不用说使一首好听的乐曲成为热门歌曲的细微差异了，”他说。截至发布时，扎克尚未回复关于对其近期研究批评的置评请求。
如果这个新模型的结果能够被复制，它可能具有巨大的商业潜力。对于扎克来说，它的主要用途在于有效地筛选庞大的现有歌曲库。“随着可穿戴设备变得更便宜、更普及，这项技术可以被动地监测你的大脑活动，并根据这些数据推荐音乐、电影或电视节目，”扎克说。“谁不想要那样呢？”
扎克设想了一种选择加入服务，用户签署同意书后，数据将被匿名化并共享。但哈利勒指出，这种选择加入的方法仍然无法充分保护用户。“许多用户只是接受条款和条件，甚至没有阅读它们，”哈利勒说。“这为数据被无意共享和滥用打开了大门。”
一个人最喜欢的歌曲似乎是无害的数据，但它们提供了一个了解一个人情绪和习惯的窗口。如果这些细节与大脑活动数据相结合，消费者可能不得不考虑他们愿意为了完美的播放列表放弃多少信息。