Det är ett faktum att det varje dag släpps hundratals låtar runt om i världen och för att de som gör låtarna och bolag som släpper musiken skall kunna hitta nästa stora hitlåt så brukar de använda sig av bland annat fokusgrupper.
Nu har forskare i USA använt en omfattande maskininlärningsteknik applicerad på hjärnans svar. Detta har visat en noggrannhet på hela 97% vilket är ett otroligt resultat.
“Genom att tillämpa maskininlärning på neurofysiologiska data kunde vi nästan perfekt identifiera hitlåtar”, säger Paul Zak, professor vid Claremont Graduate University och senior författare till studien publicerad i Frontiers in Artificial Intelligence. “Ingenting i närheten av denna precision har någonsin visats tidigare.”
Maskininlärning med neurologiska data
Deltagarna i studien var utrustade med sensorer medan de lyssnade på en uppsättning av 24 låtar och tillfrågades om sina preferenser och vissa demografiska data. Under experimentet mätte forskarna deltagarnas neurofysiologiska svar på sångerna.
“Hjärnsignalerna vi har samlat in återspeglar aktiviteten i ett hjärnnätverk som är associerat med humör och energinivåer,” sa Zak. Detta gjorde det till en god möjlighet att kunna förutspå och analysera det framtida resultatet på ett tillfredsställande sätt.
Detta tillvägagångssätt kallas “neuroprognoser”. Den fångar neural aktivitet från en liten grupp människor för att förutsäga effekter på befolkningsnivå utan att behöva mäta hjärnaktiviteten hos hundratals människor.
Efter datainsamling använde forskarna olika statistiska metoder för att bedöma den prediktiva noggrannheten hos neurofysiologiska variabler. Trots de nästan perfekta förutsägelseresultaten från hans team pekade forskarna på vissa begränsningar. Till exempel använde de relativt få låtar i sin analys. Det finns med andra ord mer att utveckla för framtiden.
