Η τεχνητή νοημοσύνη παίζει έναν ολοένα και μεγαλύτερο ρόλο στο streaming μουσικής

AFP

Η ικανότητα της τεχνολογίας να μαθαίνει από τις συνήθειες ακρόασης εκατομμυρίων χρηστών σε εκατομμύρια τραγούδια έχει αναδείξει το λογισμικό σε κλειδί για σχεδόν κάθε υπηρεσία streaming μουσικής σήμερα.

του Jonathan Vanian

Στο παρασκήνιο ορισμένων από τις πιο δημοφιλείς υπηρεσίες συνεχούς ροής μουσικής, η τεχνητή νοημοσύνη λειτουργεί όπως ένας αυτοματοποιημένος DJ, αποφασίζοντας ποια τραγούδια θα απολαύσουν οι ακροατές.

Η ικανότητα της τεχνολογίας να μαθαίνει από τις συνήθειες ακρόασης εκατομμυρίων χρηστών σε εκατομμύρια τραγούδια έχει αναδείξει το λογισμικό σε κλειδί για σχεδόν κάθε υπηρεσία streaming μουσικής σήμερα.

Αλλά η δουλειά της δεν σταματά εκεί. Η τεχνητή νοημοσύνη παίζει έναν ολοένα και σημαντικότερο ρόλο σε μερικές από τις πιο σύνθετες προκλήσεις που είναι εγγενείς στη συνεχή ροή μουσικής, όπως η ρύθμιση της έντασης του ήχου και η εξάλειψη του νεκρού αέρα.

Για παράδειγμα, η Sonos, γνωστή για τα ασύρματα ηχεία της, τον Απρίλιο λάνσαρε το Sonos Radio, μια υπηρεσία συνεχούς ροής που μεταδίδει ραδιοφωνικούς σταθμούς τρίτων, ενώ εισήλθε και στον προγραμματισμό original μουσικής. Η τεχνολογία μηχανικής μάθησης που παρέχεται από έναν συνεργάτη, τη Super Hi-Fi, βοηθά με μια σημαντική δουλειά: την εξασφάλιση μιας ομαλής μετάβασης μεταξύ τραγουδιών.

Χωρίς αυτήν, οι ακροατές μπορεί να καταλήξουν να ενοχλούνται από τεράστιες διαφορές έντασης μεταξύ ενός τραγουδιού και του άλλου. Για παράδειγμα, τα τραγούδια που έχουν εγγραφεί στη δεκαετία του 1970 είναι συχνά πιο αθόρυβα από τα πιο μοντέρνα τραγούδια, εν μέρει λόγω των τεχνικών ηχογράφησης εκείνης της εποχής και της αλλαγής γούστων στη μουσική.

Ο διαδικτυακός γίγαντας του ραδιοφώνου, iHeartMedia, ο οποίος έχει τη δική του υπηρεσία streaming και playlist, θέτει επίσης σε εφαρμογή τη μηχανική μάθηση της Super Hi-Fi. Η τεχνολογία αποτρέπει τη σύντομη σιωπή μεταξύ τραγουδιών, η οποία θα μπορούσε να απογοητεύσει τους ακροατές και να τους κάνει να στραφούν σε αντίπαλο.

«Το μεγαλύτερο σφάλμα στο ραδιόφωνο είναι να έχεις νεκρό αέρα», δήλωσε ο Chris Williams, επικεφαλής προϊόντος για την iHeartMedia.

Όπως εξήγησε ο επικεφαλής τεχνολογίας της Super Hi-Fi, Brendon Cassidy, οι εξελίξεις στα νευρωνικά δίκτυα, το περίπλοκο λογισμικό που μαθαίνει μοτίβα από την ανάλυση τεράστιων ποσοτήτων δεδομένων, κατέστησαν δυνατή την πιο περίπλοκη ηχητική μαγεία. Η εταιρεία εκπαιδεύει την τεχνολογία σε δεδομένα ήχου έτσι ώστε να μπορεί να προσαρμόζει με ακρίβεια τον ήχο «εν κινήσει».

«Το δοκιμάσαμε πριν από χρόνια, προτού γίνει διαθέσιμη η μηχανική μάθηση και δεν ήταν τόσο επιτυχημένο», είπε ο Cassidy.

Εκτός από τη χρήση μηχανικής μάθησης για το ρόλο του DJ του playlist, ο επικεφαλής μηχανικής μάθησης του Spotify, Tony Jebara, λέει ότι η τεχνητή νοημοσύνη βοηθά με κάποια πιο «λεπτά» καθήκοντα. Αυτά περιλαμβάνουν την επιλογή να προσθέτετε εκπλήξεις σε εξατομικευμένες λίστες αναπαραγωγής.

Το να προτείνεις το ίδιο τραγούδι πολύ συχνά – ακόμη και αν ένας χρήστης το έχει ακούσει για εβδομάδες – μπορεί να τον κάνει να βαρεθεί και η χρήση τεχνητής νοημοσύνης βοηθά ώστε οι εξατομικευμένες λίστες να γίνονται πιο ενδιαφέρουσες, κατέληξε ο Jebara.

Σχετικά άρθρα