E' probabile che questo approccio possa essere utilizzato per prevedere i successi anche per molti altri tipi di intrattenimento, inclusi film e programmi TV
Iscriviti alla nostra newsletter per restare aggiornato sulle notizie di spettacolo
Scoprire quali canzoni diventeranno dei successi è sempre stata una sfida per i servizi di streaming e le stazioni radio, considerando la vasta quantità di opzioni disponibili ogni giorno. Per cercare di individuare i brani che avranno successo presso un vasto pubblico, questi servizi si sono affidati ad ascoltatori umani e all'intelligenza artificiale. Tuttavia, questo approccio non è in grado di prevedere con affidabilità quali canzoni diventeranno dei successi, ma ha una precisione di circa il 50%. Adesso ricercatori negli Stati Uniti hanno utilizzato una tecnica di apprendimento automatico applicata alle risposte cerebrali e sono riusciti a prevedere i successi musicali con una precisione del 97%.
"Applicando l'apprendimento automatico ai dati neurofisiologici, siamo riusciti a identificare quasi perfettamente i successi musicali", ha dichiarato Paul Zak, professore presso la Claremont Graduate University e autore principale dello studio pubblicato su Frontiers in Artificial Intelligence. "Il fatto che l'attività cerebrale di 33 persone possa prevedere se milioni di altre persone ascolteranno nuove canzoni è davvero sorprendente. Non è mai stata dimostrata una precisione simile in precedenza". I partecipanti allo studio sono stati dotati di sensori disponibili in commercio, hanno ascoltato un insieme di 24 canzoni e sono stati interrogati sulle loro preferenze e su alcuni dati demografici. Durante l'esperimento, gli scienziati hanno misurato le risposte neurofisiologiche dei partecipanti alle canzoni: "I segnali cerebrali che abbiamo raccolto riflettono l'attività di una rete cerebrale associata all'umore e ai livelli di energia", ha spiegato Zak. Ciò ha permesso ai ricercatori di prevedere i risultati di mercato, inclusi il numero di stream di una canzone, basandosi sui dati di pochi individui. Questo approccio è chiamato "neuroprevisione". Cattura l'attività cerebrale di un piccolo gruppo di persone per prevedere gli effetti a livello di popolazione senza dover misurare l'attività cerebrale di centinaia di persone.
Dopo la raccolta dei dati, i ricercatori hanno utilizzato diverse tecniche statistiche per valutare l'accuratezza predittiva delle variabili neurofisiologiche. Ciò ha consentito un confronto diretto dei modelli. Per migliorare l'accuratezza predittiva, hanno addestrato un modello di apprendimento automatico che ha testato diversi algoritmi per ottenere i risultati di previsione più elevati. Hanno scoperto che un modello statistico lineare identificava i successi musicali con una percentuale di successo del 69%. Quando hanno applicato l'apprendimento automatico ai dati raccolti, la percentuale di successi musicali correttamente identificati è salita al 97%. Hanno anche applicato l'apprendimento automatico alle risposte neurali al primo minuto delle canzoni. In questo caso, le hit sono state identificate correttamente con una percentuale di successo dell'82%: "Se in futuro le tecnologie neuroscientifiche indossabili, come quelle che abbiamo utilizzato per questo studio, diventeranno comuni, il giusto intrattenimento potrebbe essere inviato al pubblico in base alla loro neurofisiologia. Invece di offrire centinaia di scelte, potrebbero esserne date solo due o tre, rendendo più facile e veloce per loro scegliere la musica che apprezzeranno", ha detto Zak. Nonostante i risultati di previsione quasi perfetti del suo team, i ricercatori hanno evidenziato alcuni limiti. Ad esempio, hanno usato relativamente poche canzoni nella loro analisi. Inoltre, i dati demografici dei partecipanti allo studio erano moderatamente diversi, ma non includevano membri di determinati gruppi etnici e di età. Tuttavia, i ricercatori si aspettano che il loro approccio possa probabilmente essere utilizzato oltre l'identificazione della canzone di successo, in parte grazie alla sua facile implementazione: "Il nostro contributo chiave è la metodologia. È probabile che questo approccio possa essere utilizzato per prevedere i successi anche per molti altri tipi di intrattenimento, inclusi film e programmi TV", ha concluso l'autore.