|
| Troben la manera de predir èxits musicals |
| Quant valdria la fórmula per a conèixer quin serà el pròxim èxit musical? I l'algorisme per a compondre'l? Si un no forma part de la indústria musical, com és el meu cas, el més probable és que no més que la capacitat per a lluir habilitat predictiva en els sopars amb els amics, la qual cosa no és poc, però -i siguem sincers- tampoc val per a molt. |
 |
| El conjunt d'aquests serveis rep, actualment, unes 20.000 noves cançons diàriament. |
|
| SOCIETAT / Redacció/ Tecnonews | @TecnoNewsInfo / AMIC |
| 07/08/2023 11:48 |
 |
|
|
|
Però, si el cas passa per la indústria discogràfica, la cosa canvia, i aquesta fórmula o algorisme adquireix un preu molt alt, ja que és la passarel·la a la fama i a guanyar diners.
No tinc constància que els científics de la Claremont Graduate University s'hagin fet encara rics, però la possibilitat està sobre la taula, ja que són els responsables del desenvolupament d'un sistema que permet diferenciar les cançons d'èxit de les quals no ho són, amb un 97% de precisió.
Aquesta diferenciació es realitza analitzant els patrons neurològics associats a les reaccions que provoquen les cançons. Investigadors de l'abans citada Claremont Graduate University van utilitzar sensors per a rastrejar les respostes emocionals de 33 persones mentre escoltaven 24 cançons. Aquest conjunt de dades va permetre als investigadors identificar èxits en un conjunt de cançons molt major amb un 97% de precisió.
Mitjançant l'anàlisi a grups poblacionals, podem establir pautes de gust que tant permeten compondre de cara a buscar aconseguir un èxit segur, com a classificar grups de cançons semblants.
Això últim és molt rellevant per als serveis de streaming, ja que pot ajudar al fet que els seus serveis de recomanació mitjançant intel·ligència artificial estableixin relacions entre peces musicals amb major encert encara.
El conjunt d'aquests serveis rep, actualment, unes 20.000 noves cançons diàriament.
Aquest descobriment també podria beneficiar a la indústria del cinema, ja que la mesura de patrons d'activitat no es diferencia molt de la de l'activitat musical, i permetria saber quin tipus d'escenes i de girs de guió són els preferits del públic, així com segmentar-ho d'acord amb els tipus de films preferits (comèdies, ciència-ficció, entre d'altres). |
|
|
