La farsa del éxito

El primer show de Zane Lowe como DJ en Apple Music fue un poco vertiginoso. Las canciones que tocó oscilaron entre el punk-pop, el post-rock, el grime, la electrónica, el rock de estadio y más. Mostró canciones nunca antes escuchadas junto con pistas grabadas hace décadas por rockeros conocidos. Sin embargo, a pesar del desorden, o probablemente a causa de él, disfruté el espectáculo. Cada nueva pista me llevó en una dirección sorprendente, mientras que la mezcla de artistas y la energía de las canciones parecían coincidir con la charla ligeramente trastornada de Lowe.

Una cosa que se destaca de Apple Music, un servicio de transmisión que puede usar en computadoras y dispositivos móviles por $10 al mes, es la presencia de DJ humanos como Lowe en un canal llamado Beats 1. El programa de Lowe me presentó a artistas desconocidos y destacó intrigantes conexiones musicales, entre, por ejemplo, un himno de estadio de AC/DC y una pieza electrónica remezclada reciente de un artista escocés llamado Hudson Mohawke. La emoción que atravesaba todas las canciones era optimista, incluso desafiante.

Esta historia fue parte de nuestra edición de noviembre de 2015

• Ver el resto del número
• Suscribir

Así como las computadoras aún no pueden crear prosa o arte poderoso e imaginativo, tampoco pueden apreciar verdaderamente la música. Y organizar una lista de reproducción de música conmovedora o convincente requiere un tipo de conocimiento que no tienen: la capacidad de encontrar similitudes en los elementos musicales y obtener la resonancia emocional y el contexto cultural de las canciones. A pesar de todo el progreso que se está logrando en inteligencia artificial, las máquinas siguen siendo irremediablemente poco imaginativas y predecibles. Es por eso que Apple ha contratado a cientos de personas para que se desempeñen como DJ y creadores de listas de reproducción, además de las recomendaciones algorítmicas que todavía ofrece.

Las elecciones de Pandora tienden a ser bastante predecibles, a menudo tan suaves y convencionales como las de la radio comercial.

Traer expertos humanos es una forma inteligente para que Apple se diferencie. A pesar de haber sido pionera en la distribución y el almacenamiento digital de música, ahora se encuentra a la zaga de los servicios de transmisión como Pandora, Spotify, Rdio y Tidal. Ninguno de estos enfatiza la curación por parte de expertos humanos tanto como lo hace Apple Music. Y aunque los algoritmos que utilizan todas estas empresas para recomendar canciones han mejorado mucho en los últimos años, no existe una comprensión o apreciación musical real. Muestra. Los algoritmos emplean técnicas estadísticas para analizar los datos de los oyentes, haciendo una conjetura informada sobre lo que le podría gustar. Todavía no existe un algoritmo que pueda dar cuenta del gusto humano.

escuchar cosas

Pandora, uno de los primeros servicios de transmisión de música, es un buen ejemplo del enfoque algorítmico. A través de un esfuerzo de una década llamado Music Genome Project, Pandora ha empleado a expertos en música para etiquetar canciones con cientos de características, como el género, los tipos de instrumentos utilizados e incluso el fraseo melódico y la tonalidad. Cuando le das a Pandora una banda, un compositor o una canción como punto de partida, crea una estación de radio de música con atributos similares. Elija a los Beatles, y Pandora puede indicar automáticamente una canción de los Beach Boys, informándole: Reproduciremos esta pista porque presenta instrumentación de rock suave, interpretaciones vocales exigentes, armonía vocal entretejida, tonalidad de clave mayor y menor mixta, y melódica. composición de canciones

Lamentablemente, las opciones de Pandora tienden a ser bastante predecibles, a menudo tan suaves y convencionales como las de la radio comercial. Después de comenzar con los Beatles, es poco probable que escuches una canción en un estilo muy diferente que fue popular en la misma época, por ejemplo, o un artista de hip-hop que ha hecho un trabajo inteligente al probar el trabajo de Ringo y compañía.

Más recientemente, los algoritmos han comenzado a producir listas de reproducción que pueden sentirse mucho más matizadas y hechas a medida. El servicio de transmisión más grande del mundo, Spotify, que tiene más de 75 millones de usuarios, está impulsando el estado del arte, utilizando grandes cantidades de datos para hacer recomendaciones personalizadas.

Cosas revisadas

• música de manzana

• Pandora

• Spotify

• Creatividad, la prueba de Turing y la (mejor) prueba de Lovelace

  Por Selmer Bringsjord, Paul Bello y David Ferrucci
  Mente y Máquinas
  vol. 11 de noviembre de 2001

Chris Johnson, quien dirige uno de los equipos de ciencia de datos de Spotify en Nueva York, dice que la compañía emplea humanos para hacer algunas de sus listas de reproducción. Pero también recopila la mayor cantidad de datos posible sobre el comportamiento de escucha de un usuario y luego los compara con los datos recopilados de otros usuarios. La idea detrás de esta técnica, conocida como filtrado colaborativo, es que probablemente te guste una canción que alguien con gustos similares ya haya descubierto y disfrutado. El año pasado, Spotify adquirió una empresa llamada Echo Nest que recopila información sobre música nueva publicada en blogs, sitios web de noticias y redes sociales. Estas opiniones ahora también se incorporan a las recomendaciones de Spotify, lo que ayuda a que sus sugerencias musicales sean aún más inteligentes.

En julio, Spotify comenzó a probar una lista de reproducción personalizada disponible de esta manera. Observamos lo que estás reproduciendo, las listas de reproducción que estás creando y, básicamente, todo lo que sabemos sobre ti. A partir de ahí, todos los lunes habrá una nueva lista de reproducción de música, me dijo Johnson.

Las primeras listas de reproducción que recibí incluían varias canciones que me encantaron al instante, aunque ninguna va mucho más allá de lo que ya escucho. Es útil, pero no del todo alucinante.

También existe una limitación inherente a tales algoritmos de recomendación automatizados: no pueden sugerir una nueva canción, porque no hay datos que muestren cuánto les gusta a otros oyentes. A diferencia de un algoritmo, los humanos generalmente pueden decir, después de unos momentos de escuchar, cuánto les gusta una nueva pista. Aquí, sin embargo, los avances recientes en inteligencia artificial están comenzando a ayudar. El año pasado, Spotify comenzó a probar una forma de analizar una canción en sí misma en lugar de solo los metadatos asociados con ella. Esto implicó entrenar lo que se conoce como una red de aprendizaje profundo, modelada aproximadamente en capas de neuronas en el cerebro, para reconocer las características de frecuencia de una señal de audio (correspondientes al sonido que escuchas y la forma en que el sonido cambia con el tiempo) en millones de canciones. . Estos algoritmos pueden clasificar una nueva canción sorprendentemente bien, como se muestra en el ejemplo. listas de reproducción publicadas por un miembro del equipo de Johnson en Spotify.

La experiencia humana seguirá siendo una parte clave de los algoritmos de Spotify en el futuro previsible.

Pero incluso esta hazaña no es evidencia de una verdadera comprensión o juicio musical. El sistema de aprendizaje profundo de Spotify todavía tiene que entrenarse con millones de canciones de ejemplo, y quedaría perplejo ante un nuevo estilo de música audaz. Además, dichos algoritmos no pueden organizar canciones de forma creativa. Tampoco pueden distinguir entre una pieza verdaderamente original y otra imitación yo-too de un sonido popular. Johnson reconoce esta limitación y dice que la experiencia humana seguirá siendo una parte clave de los algoritmos de Spotify en el futuro previsible.

Beats 1 de Apple ofrece una experiencia muy diferente. Un programa de radio, La hora del caimán , que está liderado por el músico y productor Joshua Homme, celebra canciones oscuras pero extremadamente originales. También se deleita con las conexiones absurdas que se pueden encontrar entre algunas canciones, emparejando, por ejemplo, el lado melódico de los Sex Pistols con la adrenalina que alimenta la música disco de Donna Summer. Es deliciosamente extraño. En otro programa, llamado Servicio de entrega de mixtapes La música Annie Clark (nombre artístico St. Vincent) toca una lista personalizada de canciones inspiradas en el estado de ánimo o la situación de un oyente. En su primer espectáculo, Clark organizó una retrospectiva de música dance menos conocida pero culturalmente significativa para una niña de 11 años que quería aprender más sobre el género.

Test de Turing auditivo

¿Qué es lo que le da a la gente esta habilidad? ¿Podrían el aprendizaje profundo u otros sistemas de inteligencia artificial desarrollar un gusto que vaya más allá de clasificar las características de una canción para determinar si es buena o no? ¿Podrían las computadoras identificar esa cualidad intangible que las personas asocian naturalmente con el talento, la creatividad o la originalidad? Cuando le pregunté a Johnson si algún día un algoritmo podría encontrar una canción exitosa de un artista sin firmar, dijo: Eso es exactamente lo que queremos hacer.

Es una ambición audaz, y una que podría resultar difícil de alcanzar. La apreciación musical y la creatividad no tienen nada que ver con encontrar patrones estadísticos en grandes pilas de datos.

¿Qué diferencia algo inusual o extraño de algo creativo? Esa es una pregunta difícil, dice Eyal Reingold, psicólogo de la Universidad de Toronto que estudia la creatividad humana. Para que una máquina demuestre creatividad, dice, tendría que producir algo que no solo sea inusual, o algo que no haya sido programado, sino que se considere útil, al menos en algún contexto cultural.

De hecho, la naturaleza resbaladiza de la creatividad ha llevado a algunos psicólogos e informáticos a sugerir que podría ser una forma útil de medir la inteligencia de las máquinas. En un artículo publicado en 2001, dos académicos del Instituto Politécnico Rensselaer, junto con David Ferrucci, entonces un investigador de IBM que crearía una computadora llamada Watson que ganaría el concurso. ¡Peligro! , argumentó que una prueba de creatividad podría ser una mejor manera de juzgar si una computadora había alcanzado la inteligencia de tipo humano. Señalaron que la prueba propuesta en 1950 por Alan Turing, que mide la inteligencia de una máquina a través de una conversación mecanografiada, alienta a los programadores a emplear trucos en lugar de construir algo genuinamente inteligente. Razonaron que las hazañas de creatividad, ya sea en pintura, escritura, música o algún otro campo, son mucho más difíciles de falsificar y son fundamentales para la inteligencia. Y llamaron a su alternativa la prueba de Lovelace, en honor a Ada Lovelace, a menudo considerada la primera programadora de computadoras del mundo, quien señaló en 1843 que las primeras máquinas de computación, por impresionantes que fueran, serían incapaces de hacer nada original.

De manera reveladora, los esfuerzos por pasar la prueba de Lovelace han fracasado en gran medida. Aún así, el desafío sigue vivo. De hecho, miguel casey , profesor de música e informática en Dartmouth College, planea realizar varias pruebas de Turing a principios del próximo año, quizás seguidas de algunas pruebas de Lovelace. Uno involucrará a DJs de computadora, y se les pedirá a los bailarines que juzguen si las canciones que acaban de escuchar fueron interpretadas por un humano o por una máquina. Casey espera que dentro de este contexto limitado, una máquina demuestre algo parecido a la creatividad musical.

Sin embargo, apenas parece confiado. No importa qué tipo de algoritmo hayamos tratado de aplicar en el pasado a la música, ya sea algo que intente imitar a Bach o Mozart, o intente recomendar música, en cierto punto parece que no tiene ninguna 'forma'. ', dice, un poco triste. Puede, por unos segundos, engañarte, pero no tiene un plan general. Y creo que lo mismo puede aplicarse a un set de DJ automatizado.

Quizá esto sea así durante mucho tiempo todavía. Y si queremos que las máquinas produzcan algo tan único y original como un programa en Beats 1 de Apple, es posible que debamos pensar un poco más creativamente sobre cómo las diseñamos.

esconder