L'Intelligenza artificiale sceglie le canzoni in base all'umore

Le playlist personalizzate non rappresentano più una novità, vista la capacità di diversi servizi di streaming musicale di offrire liste di canzoni di uno specifico genere, scelto dallo stesso utente. La piattaforma di musica on demand Deezer ha deciso però di spingersi oltre, sviluppando un sistema basato sull’Intelligenza artificiale che è in grado di riconoscere l’umore dell’ascoltatore e offrire così delle proposte che dipendo dallo stato d’animo delle persone. L’invenzione è stata presentata dalla compagnia francese attraverso un documento, pubblicato sul portale Arxiv, che spiega come la tecnologia si avvalga del segnale audio e del testo di una canzone per poi formulare la scelta più adatta per l’utente.

Audio e testi

Per condurre l’esperimento, i ricercatori di Deezer hanno inizialmente utilizzato una rete neurale all’interno della quale venivano inseriti degli input audio, accoppiati ad alcuni modelli capaci di ricostruire il contesto linguistico delle parole. Al fine di far apprendere al sistema ad attribuire un valore emotivo alle canzoni, il team ha sfruttato il Million Song Dataset (MSD), un database che associa oltre 500,000 tag alle tracce, molti dei quali sono riferiti all’umore. Queste etichette assegnate alle canzoni venivano poi classificate secondo due scale di valori: una riguardante la positività o negatività, l’altra dipendeva dal livello di calma o energia trasmesso dalla traccia musicale. Tutti questi dati sono stati poi accoppiati al database di Deezer, per un totale di oltre 18,500 brani utilizzati per testare il sistema.

Possibili sviluppi futuri

Usando come metodo di paragone gli approcci più tradizionali utilizzati da diversi servizi musicali, i ricercatori hanno notato che il sistema di Intelligenza artificiale otteneva risultati migliori quando si trattava di determinare se una canzone trasmettesse più calma o energia. Le performance dei due metodi erano invece pressoché uguali nello stabilire la positività o negatività di un brano. Il team afferma poi nel documento che “un database con audio e testi sincronizzati sarebbe di grande aiuto per sviluppare ulteriormente il sistema”, così come una banca dati che utilizzi dei tag per indicare il grado di ambiguità di una canzone, poiché “in alcuni casi può esistere un’importante variabilità tra i diversi ascoltatori”.