211service.com
ヒットシャレード
ZaneLoweのAppleMusicでのDJとしての最初のショーは、少し目がくらむほどでした。彼が演奏した曲は、パンクポップからポストロック、グライム、エレクトロニカ、スタジアムロックなどにまで及びました。彼は、数十年前に有名なロッカーによって録音されたトラックとともに、これまでに聞いたことのない曲を披露しました。それでも、混乱にもかかわらず、またはおそらくそれが原因で、私はショーを楽しんだ。それぞれの新しいトラックは私を驚くべき方向に導きましたが、アーティストのミックスと曲のエネルギーは、ロウのわずかに混乱したおしゃべりと一致しているように見えました。
コンピューターやモバイルデバイスで月額10ドルで使用できるストリーミングサービスであるAppleMusicで際立っているのは、Beats1というチャンネルにLoweのような人間のDJがいることです。たとえば、AC / DCによるスタジアムの国歌と、ハドソンモホークと呼ばれるスコットランドのアーティストによる最近のリミックスされたエレクトロニカとの間の興味深い音楽的つながりを強調しました。すべての曲に流れる感情は明るく、反抗的でさえありました。
このストーリーは2015年11月号の一部でした
- 残りの問題を見る
- 購読
コンピューターがまだ強力で想像力豊かな芸術や散文を作成できないように、コンピューターは音楽を真に鑑賞することはできません。そして、心に訴える、または説得力のある音楽プレイリストを配置するには、彼らにはない一種の洞察が必要です。音楽要素の類似点を見つけ、歌の感情的な共鳴と文化的背景を得る能力です。人工知能で行われているすべての進歩のために、機械は依然として絶望的に想像を絶するものであり、予測可能です。これが、Appleが現在も提供しているアルゴリズムの推奨事項に加えて、DJやプレイリストメーカーとして何百人もの人々を雇った理由です。
Pandoraの選択はかなり予測可能である傾向があります。多くの場合、民間ラジオの選択と同じように当たり障りのない従来型の選択です。
人間の専門家を連れてくることは、Appleがそれ自体を差別化するための賢い方法です。音楽のデジタル配信とストレージのパイオニアであるにもかかわらず、Pandora、Spotify、Rdio、Tidalなどのストリーミングサービスに遅れをとっています。これらのどれも、AppleMusicほど人間の専門家によるキュレーションを強調していません。そして、これらすべての企業が曲を推薦するために使用するアルゴリズムは近年大幅に改善されていますが、実際の音楽の理解や評価は行われていません。それが示している。アルゴリズムは、統計的手法を使用してリスナーデータを解析し、必要なものについて知識に基づいた推測を行います。人間の好みを説明できるアルゴリズムはまだありません。
物事を聞く
最初の音楽ストリーミングサービスの1つであるPandoraは、アルゴリズムアプローチの良い例です。ミュージックゲノムプロジェクトと呼ばれる10年にわたる取り組みを通じて、パンドラは音楽の専門家を雇い、ジャンル、使用する楽器の種類、さらにはメロディックなフレーズや調性など、何百もの特徴を持つ曲にタグを付けてきました。 Pandoraにバンド、作曲家、または曲を出発点として与えると、同様の属性を持つ音楽のラジオ局が作成されます。ビートルズを選択すると、PandoraがBeach Boysの曲を自動的にキューに入れて、通知します。このトラックは、まろやかなロックインストルメンテーション、要求の厳しいボーカルパフォーマンス、織り交ぜられたボーカルハーモニー、マイナーキーとメジャーキーの混合調性、メロディックを備えているため、このトラックを再生しています。作詞作曲。
悲しいことに、Pandoraの選択はかなり予測可能である傾向があります。多くの場合、民間ラジオの選択と同じように当たり障りのない従来型の選択です。ビートルズを始めた後は、同じ時期に人気があったまったく異なるスタイルの曲や、リンゴと共同の作品を巧みにサンプリングしたヒップホップアーティストを聞くことはまずありません。
最近では、アルゴリズムによって、よりニュアンスがあり、オーダーメイドであると感じることができるプレイリストの作成が開始されました。 7500万人以上のユーザーを抱える世界最大のストリーミングサービスであるSpotifyは、膨大な量のデータを使用してパーソナライズされた推奨事項を作成し、最先端を推進しています。
レビューしたもの
アップルミュージック
パンドラ
Spotify
創造性、チューリングテスト、および（より良い）ラブレーステスト
Selmer Bringsjord、Paul Bello、DavidFerrucciによる
心と機械
巻2001年11月11日
ニューヨークにあるSpotifyのデータサイエンスチームの1つを率いるChrisJohnsonは、同社はプレイリストの一部を作成するために人間を雇用していると述べています。ただし、ユーザーのリスニング行動に関する可能な限り多くのデータを収集し、それを他のユーザーから収集したデータと比較します。協調フィルタリングとして知られるこの手法の背後にある考え方は、同じような好みの人がすでに発見して楽しんでいる曲がおそらく好きになるということです。昨年、Spotifyは、ブログ、ニュースWebサイト、ソーシャルメディアに投稿された新しい音楽に関する情報を収集するEchoNestという会社を買収しました。これらの意見は、Spotifyの推奨事項にも反映され、音楽の提案をさらに巧妙にするのに役立ちます。
7月、Spotifyは、この方法で利用できるようになったパーソナライズされたプレイリストのテストを開始しました。私たちはあなたがプレイしているもの、あなたが作成しているプレイリスト、そして基本的に私たちがあなたについて知っているすべてのものを調べます。それから、毎週月曜日に、この新しい音楽のプレイリストがあります、とジョンソンは私に言いました。
私が受け取った最初のいくつかのプレイリストには、私がすぐに気に入ったいくつかの曲が含まれていましたが、私がすでに聴いているものをはるかに超えたものはありませんでした。便利ですが、それほど驚異的ではありません。
このような自動レコメンデーションアルゴリズムにも固有の制限があります。他のリスナーがどれだけ気に入っているかを示すデータがないため、新しい曲を提案することはできません。アルゴリズムとは対照的に、人間は通常、聞いてから数秒以内に、新しいトラックがどれだけ好きかを知ることができます。ただし、ここでは、人工知能の最近の進歩が役立ち始めています。昨年、Spotifyは、曲に関連付けられたメタデータだけでなく、曲自体を分析する方法のテストを開始しました。これには、脳内のニューロンの層を大まかにモデル化したディープラーニングネットワークと呼ばれるものをトレーニングして、数百万の曲の音声信号の周波数特性（聞こえる音と時間の経過に伴う音の変化に対応）を認識することが含まれていました。 。これらのアルゴリズムは、例に示すように、新しい曲を驚くほどうまく分類できます 投稿されたプレイリスト Spotifyのジョンソンのチームのメンバーによる。
人間の専門知識は、当面の間、Spotifyのアルゴリズムの重要な部分であり続けるでしょう。
しかし、この偉業でさえ、本当の音楽的理解や判断の証拠ではありません。 Spotifyのディープラーニングシステムは、何百万ものサンプル曲を使用してトレーニングする必要があり、大胆な新しいスタイルの音楽に戸惑うでしょう。さらに、そのようなアルゴリズムでは、創造的な方法で曲を配置することはできません。また、真にオリジナルな作品と、人気のあるサウンドを模倣した別の作品とを区別することもできません。ジョンソンはこの制限を認めており、人間の専門知識は当面の間、Spotifyのアルゴリズムの重要な部分であり続けると述べています。
AppleのBeats1は、大きく異なるエクスペリエンスを提供します。 1つのラジオ番組、 アリゲーターアワー ミュージシャン兼プロデューサーのジョシュ・ホーミが率いる、あいまいだが非常に独創的な曲を祝う。また、一部の曲の間に見られる不条理なつながりを楽しんでいます。たとえば、セックスピストルズのメロディックな側面と、ドナサマーのディスコを刺激するアドレナリンを組み合わせています。嬉しいことに奇妙です。別のショーでは、 ミックステープ配信サービス 、ミュージシャンのアニークラーク（芸名セントビンセント）は、あるリスナーの気分や状況に触発された曲のカスタムリストを再生します。彼女の最初のショーで、クラークは、このジャンルについてもっと学びたいと思っていた11歳の少女のために、あまり知られていないが文化的に重要なダンスミュージックの回顧展をアレンジしました。
聴覚チューリングテスト
人々にこの能力を与えるのは何ですか？ディープラーニングやその他の人工知能システムは、曲の特徴を分類してそれが良いかどうかを判断する以上の味を生み出すことができるでしょうか？コンピューターは、人々が自然に才能や創造性や独創性と関連付ける無形の品質を識別できるでしょうか？アルゴリズムがいつか署名のないアーティストからヒット曲をスカウトできるかどうかジョンソンに尋ねたとき、彼は言った：それはまさに私たちがやりたいことです。
それは大胆な野心であり、とらえどころのないものになるかもしれません。音楽の鑑賞と創造性は、大量のデータから統計的パターンを見つけることとは何の関係もありません。
何か変わったものや奇妙なものと創造的なものとの違いは何ですか？それは難しい質問だと、トロント大学の心理学者で人間の創造性を研究しているEyalReingoldは言います。機械が創造性を発揮するためには、珍しいもの、またはプログラムされていないものだけでなく、少なくとも文化的な文脈では有用であると判断されるものを生み出す必要があると彼は言います。
確かに、創造性の滑りやすい性質により、一部の心理学者やコンピューターサイエンティストは、それが機械知能を測定するための有用な方法である可能性があることを示唆しています。 2001年に発表された論文では、レンセラー工科大学の2人の学者と、当時IBMの研究者であったデビッド・フェルッチが、ゲーム番組で優勝するワトソンというコンピューターを作成しました。 ジェパディ！ 、創造性テストは、コンピューターが人間型の知能を達成したかどうかを判断するためのより良い方法である可能性があると主張しました。彼らは、1950年にAlan Turingによって提案された、型付きの会話を通じてマシンのインテリジェンスを測定するテストは、プログラマーが真にインテリジェントなものを構築するのではなく、トリックを採用することを奨励していると述べました。彼らは、絵画、執筆、音楽、またはその他の分野での創造性の偉業は、偽造するのがはるかに難しく、知性の基本であると推論しました。そして彼らは、エイダ・ラブレスにちなんで、彼らの代替案をラブレステストと呼びました。これは、1843年に、最初のコンピューティングマシンは印象的だったとしても、オリジナルのことは何もできないと述べた、世界初のコンピュータープログラマーと見なされることがよくありました。
言うまでもなく、ラブレーステストに合格するための努力は大部分が創設されました。それでも、挑戦は続いています。実際には、 マイケル・ケイシー ダートマス大学の音楽とコンピューターサイエンスの教授であるは、来年初めにいくつかのチューリングテストを実施し、その後にいくつかのラブレーステストを実施する予定です。 1つはコンピューターDJを巻き込み、ダンサーは聞いたばかりの曲が人間によるものなのか機械によるものなのかを判断するように求められます。ケーシーは、この限られた文脈の中で、機械が音楽の創造性に似た何かを示すことを望んでいます。
しかし、彼はほとんど自信がないようです。過去に音楽に適用しようとしたアルゴリズムの種類に関係なく、バッハやモーツァルトを模倣しようとするものであれ、音楽を推奨しようとするものであれ、ある時点では、形がないように感じます。 'それに、彼は、少し残酷に言います。数秒間、あなたを騙すかもしれませんが、全体的な計画はありません。自動化されたDJセットについても同じことが言えると思います。
おそらく、これはまだ長い間当てはまるでしょう。また、AppleのBeats 1でのショーのようにユニークで独創的なものをマシンに考えさせたい場合は、それらの設計方法についてもう少し創造的に考える必要があるかもしれません。