211service.com
Poniendo las computadoras en el ritmo
Las computadoras han revolucionado la producción, distribución y consumo de música, pero cuando se trata de recomendar una buena melodía, todavía faltan.
Suena parecido: Un juego de Facebook llamado Herd It está siendo utilizado por investigadores de la Universidad de California en San Diego para clasificar la música en diferentes géneros.
Hay muchos sistemas de recomendación por ahí. iTunes ofrece Genius, que crea listas de reproducción y sugiere música comparando una colección con las de otros usuarios, y numerosos sitios de redes sociales orientados a la música ofrecen recomendaciones inspiradas en lo que escuchan los amigos de una persona. Ahora, los investigadores de la Universidad de California en San Diego (UCSD) están utilizando el aprendizaje automático, en combinación con un juego de Facebook, para clasificar la música basándose en el análisis automatizado de las canciones.
Gert Lanckriet , profesor asistente de UCSD, que está trabajando en el proyecto, dice que el enfoque automatizado adoptado por el motor de búsqueda y recomendación de música de su grupo significa que podría analizar grandes cantidades de canciones, lo que podría brindar a los usuarios recomendaciones de una biblioteca de música mucho más grande. El sistema también puede emitir juicios sobre canciones que nunca antes había visto.
Los investigadores de UCSD quieren que su sistema pueda etiquetar canciones para que los usuarios puedan buscar no solo por artista o título de canción, sino también por género, instrumento e incluso palabras descriptivas como romántico o espeluznante. Con este objetivo en mente, están recopilando información sobre canciones mediante una aplicación de Facebook llamada Herd It. El juego otorga puntos a los usuarios cuando etiquetan canciones de manera que coinciden con las etiquetas de otros usuarios, recolectando cantidades masivas de datos en el proceso.
Una vez que se recopilan los datos, dice Lanckriet, el sistema de los investigadores agrupa las canciones de acuerdo con las etiquetas que les asignan los usuarios, luego busca patrones distintivos en la propia música. Aplica un análisis estadístico a los patrones de forma de onda que representan cada canción, buscando características comunes entre las canciones agrupadas por etiqueta.
Aproximadamente el 90 por ciento de las veces, dice Lanckriet, el sistema identifica patrones que normalmente están ocultos. Por ejemplo, los patrones que identifican una canción de hip-hop pueden incluir un ritmo típico de hip-hop, pero también elementos que el oyente no reconocería como un patrón dentro de la canción. En promedio, estas etiquetas automáticas predicen las [etiquetas] de otros humanos con tanta precisión como lo puede hacer una persona humana determinada, dice Lanckriet.
Los investigadores están trabajando actualmente en la recopilación de más datos para entrenar su sistema, y Lanckriet cree que el sistema tiene potencial comercial. Él imagina un sistema que podría tomar una canción desconocida, de una banda independiente, o incluso algo grabado en el garaje de un usuario, y luego analizarlo sobre la marcha y sugerir etiquetas apropiadas y música similar.
El popular sitio de radio por Internet Pandora realiza un servicio similar, desglosando canciones y analizando sus atributos. Fundado en 2000, el sitio permite a los usuarios elegir una canción o artista y luego encontrar canciones similares. Los usuarios pueden ajustar rápidamente los resultados para crear una estación de radio de transmisión altamente personalizada.
Pero la tecnología de Pandora es 100% manual, según Tim Westergren , director de estrategia y fundador de la empresa. A través de Proyecto Music Genome , un equipo de músicos evalúa las canciones, puntuándolas según 400 atributos diferentes. Una vez que se identifican estos atributos, dice Westergren, es bastante sencillo hacer recomendaciones a los usuarios. Dice que Pandora está abierta a incorporar enfoques más automatizados para analizar canciones, pero agrega: Todavía no hemos encontrado uno que creemos que realmente tenga valor agregado a lo que estamos haciendo.
Otras empresas también están trabajando en el análisis automático de música. El nido del eco , una startup con sede en Somerville, MA, transforma los patrones de forma de onda de las canciones de acuerdo con simulaciones de cómo el oído humano escucha la música. A partir de ahí, el sistema de Echo Nest aplica filtros que identifican las características de la canción, como el tempo y el tono, según el cofundador y director de tecnología de la empresa. Tristan jehan .
Una vez hecho esto, el sistema de Echo Nest combina esta información con la información de etiquetado obtenida de blogs y otros datos publicados en Internet. Luego aplica algoritmos de aprendizaje automático para identificar las características de las canciones que se asocian comúnmente con etiquetas específicas, al igual que lo hace el software de los investigadores de UCSD.
La diferencia, según Jehan, es que en lugar de identificar patrones complejos en las formas de onda, el software de Echo Nest se enfoca en características que serían reconocidas por un oyente humano.
Analista de Forrester Research Sonal Gandhi , que sigue la industria de la música, dice que los métodos más automatizados de búsqueda y recomendación de música podrían volverse importantes a medida que la música bajo demanda se vuelva más popular y los sitios sientan una mayor presión para ayudar a los usuarios a encontrar nueva música.
Tim Crawford , profesor titular de musicología computacional en la Universidad Goldsmiths de Londres, dice que, si bien analizar la música mediante computadoras es un área de investigación muy interesante y prometedora, será difícil crear un motor de búsqueda de música que sea tanto general como completamente automático. La similitud musical es algo tan personal y variable, dice Crawford. Dos pistas de heavy metal pueden parecer muy similares a un experto en música clásica como yo, pero completamente diferentes a un entusiasta del heavy metal, que a su vez puede considerar la música de Brahms y Tchaikovsky como muy similar, lo que me haría reír.