即使Deepfake引起了唱片公司的恐慌，以及一系列新的人工智能技術引起了人們的極大興趣，我們仍處於學習現代機器學習時代將如何影響藝術和流行文化的開端。最新的舉措肯定會讓一些工作室的高管興奮不已，研究人員利用33 名負責聽24 首歌曲的人的神經活動，結合統計建模和機器學習，幾乎完美地預測了哪些會成為熱門歌曲，哪些會無人問津。

“通過將機器學習應用於神經生理學數據，我們幾乎可以完美地識別出熱門歌曲，”克萊蒙特研究生大學教授、該研究的資深作者保羅扎克說。“33 個人的神經活動可以預測數百萬人是否聽過新歌，這真是太神奇了，以前從未出現過接近這種精度的方式。”

年齡在18 至57 歲之間的參與者都裝有節奏和PPG 心臟傳感器，並播放了流媒體服務的工作人員選擇的24 首最近發行的歌曲。如果歌曲的播放量超過700000 次，則判定為“熱門”。一系列流派構成了13 首熱門歌曲和11 首失敗歌曲的選擇，其中包括Tones and I 2019 年排名第一的熱門Dance Monkey 等歌曲。

在聽覺實驗之後，參與者完成了關於這些歌曲的調查，其中包括歌曲是否令人反感、他們以前是否聽過以及他們是否可能將其推薦給朋友等方面。

然而，關鍵是對歌曲的神經物理反應。從33 名參與者那裡捕獲這一小組數據，允許“神經預測”來預測整個人群對命中和失敗的反應，而無需先測試一千隻耳朵。

“我們收集的大腦信號反映了與情緒和能量水平相關的大腦網絡活動，”扎克說。

研究人員發現，當通過線性統計模型處理數據時，其預測命中的成功率為69%，但當機器學習應用於數據集時，準確率飆升至97.2%。事實上，當AI 模型評估僅一分鐘的歌曲收聽數據時，準確率仍為82%。

“如果將來可穿戴神經科學技術，就像我們在這項研究中使用的那樣，變得司空見慣，那麼就可以根據觀眾的神經生理學向他們發送合適的娛樂節目，”Zak 說。“與其提供數百種選擇，不如只給他們兩三個，讓他們更容易、更快地選擇自己喜歡的音樂。”

研究人員在他們的工作中肯定有一個以客戶為導向的旋轉，這表明它可以被流媒體公司用來“輕鬆識別可能成為熱門歌曲的新歌曲[以更有效地添加到人們的播放列表]，使流媒體服務的工作更容易並同時取悅聽眾。”

雖然這項研究在歌曲選擇和觀眾選擇的範圍上存在局限性，但不難想像未來音樂、電視和電影將無法通過演示階段，特別是如果機器學習模型可以預測成功的話僅消耗一分鐘的媒體後，準確度優於80%。

然而，估計每天有100000 首新歌上傳到網上，看起來音樂愛好者的選擇不會很快受到限制。毫不奇怪，扎克補充說，“這種方法很可能也可以用於預測許多其他類型的娛樂活動，包括電影和電視節目。”

該研究發表在《人工智能前沿》雜誌上。