هوش مصنوعی Spotify چگونه برنامه ریزی می کند تا بفهمد در سر شما چه می گذرد

با حدود 100 میلیون آهنگ در دسترس و بیش از 600 میلیون مشترک، کمک به شنوندگان برای یافتن موسیقی مورد علاقه خود به یک چالش ناوبری برای Spotify تبدیل شده است. این وعده شخصی‌سازی و توصیه‌های معنی‌دار است که کاتالوگ گسترده را معنادارتر می‌کند و در مأموریت Spotify مرکزی است.

مجموعه ابزارهای توصیه غول پخش صوتی در طول سال ها رشد کرده است: خوراک Spotify Home، Discover Weekly، Blend، Daylist و Made for You Mixes. و در سال های اخیر، نشانه هایی مبنی بر کارآمد بودن آن وجود داشته است. طبق داده‌های منتشر شده توسط Spotify در روز سرمایه‌گذار 2022، اکتشافات ماهانه هنرمندان در Spotify به 22 میلیارد رسیده است که نسبت به 10 میلیارد در سال 2018 افزایش یافته است.

در طول دهه گذشته یا بیشتر، Spotify در هوش مصنوعی و به ویژه یادگیری ماشین سرمایه گذاری می کند. DJ هوش مصنوعی که اخیراً راه اندازی شده است، ممکن است بزرگترین شرط آن باشد که این فناوری به مشترکین اجازه می دهد جلسات گوش دادن را بهتر سفارشی کنند و موسیقی جدید را کشف کنند. AI DJ با اعلام نام آهنگ ها و معرفی آهنگ ها، حال و هوای رادیویی را تقلید می کند، چیزی که تا حدودی به این معنی است که شنوندگان را راحت تر می کند تا از منطقه راحتی خود خارج شوند. یک نقطه دردناک موجود برای الگوریتم‌های هوش مصنوعی – که می‌تواند در ارائه آنچه که قبلاً به شنوندگان علاقه دارند بسیار عالی باشد – پیش‌بینی زمانی است که می‌خواهید از آن منطقه راحت خارج شوید.

AI DJ فناوری شخصی‌سازی، هوش مصنوعی مولد و صدای هوش مصنوعی پویا را با هم ترکیب می‌کند و شنوندگان می‌توانند وقتی می‌خواهند چیز جدیدی را بشنوند و چیزی کمتر مستقیماً از علاقه‌مندی‌هایشان گرفته شده است، روی دکمه DJ ضربه بزنند. در پشت آهنگ های شیرین دی جی هوش مصنوعی، انسان ها، کارشناسان فناوری و کارشناسان موسیقی قرار دارند که هدفشان بهبود ظرفیت توصیه ابزارهای Spotify است. این شرکت صدها تدوینگر و متخصص موسیقی در سراسر جهان دارد. یکی از سخنگویان اسپاتیفای گفت که ابزار مولد هوش مصنوعی به متخصصان انسانی این امکان را می دهد که “دانش ذاتی خود را به روش هایی که قبلاً ممکن نبوده است، مقیاس کنند.”

داده های یک آهنگ یا هنرمند خاص چندین ویژگی را پوشش می دهد: ویژگی های خاص موسیقی و اینکه معمولاً با کدام آهنگ یا هنرمند جفت می شود. در میان میلیون ها جلسه شنیداری که الگوریتم هوش مصنوعی به داده های آنها دسترسی دارد. جمع آوری اطلاعات در مورد آهنگ یک فرآیند نسبتا آسان است، از جمله سال انتشار، ژانر و حالت – از شاد تا رقصانه یا مالیخولیایی. ویژگی های مختلف موسیقی مانند تمپو، لحن و سازها نیز شناسایی شده است. ترکیب این داده‌ها، مربوط به میلیون‌ها جلسه شنیداری و ترجیحات دیگر کاربران، به تولید توصیه‌های جدید کمک می‌کند و انتقال از داده‌های انبوه به حدس‌های فردی شنونده را امکان‌پذیر می‌سازد.

در ساده‌ترین حالت، «کاربرانی که Y را دوست داشتند، Z را نیز دوست داشتند. ما می‌دانیم که شما Y را دوست دارید، بنابراین ممکن است Z را دوست داشته باشید»، اینگونه است که هوش مصنوعی مطابقت را پیدا می‌کند. و Spotify می گوید که کار می کند. از زمان راه‌اندازی دی‌جی، متوجه شده‌ایم که وقتی شنوندگان دی‌جی توضیحاتی را همراه با توصیه‌های موسیقی شخصی می‌شنوند، به احتمال زیاد چیز جدیدی را امتحان می کنند (یا به آهنگی گوش می دهند که ممکن است در غیر این صورت از دست داده باشند)،” سخنگوی گفت.

اگر موفق شود، این فقط شنوندگان نیستند که نقطه درد را تسکین می‌دهند. ابزار کشف بزرگ به همان اندازه برای هنرمندانی که به دنبال ایجاد ارتباط با طرفداران جدید هستند مفید است.

جولی کنایب، بنیانگذار و مدیر اجرایی Music Tomorrow – که هدف آن کمک به هنرمندان برای ارتباط با شنوندگان بیشتر از طریق درک نحوه کار الگوریتم‌ها و نحوه کار بهتر با آنها است – می‌گوید که همه در تلاش هستند تا بفهمند که چگونه بین آشنا و جدید تعادل ایجاد کنند. روش، و همه به الگوریتم‌های هوش مصنوعی برای امکان‌پذیر ساختن آن متکی هستند. او می‌گوید که تعادل بین کشف موسیقی جدید و حفظ الگوهای تثبیت‌شده یک مسئله حل‌نشده اصلی برای همه افراد درگیر است، از Spotify گرفته تا شنوندگان و هنرمندان.

Knibbe گفت: “هر هوش مصنوعی فقط در کاری که شما به آن می گویید خوب است.” این سیستم‌های توصیه‌گر بیش از یک دهه است که وجود دارند و در پیش‌بینی آنچه شما دوست دارید بسیار خوب عمل کرده‌اند. کاری که آنها نمی توانند انجام دهند این است که بدانند در سر شما چه می گذرد، به خصوص زمانی که می خواهید وارد یک زمینه یا ژانر موسیقی جدید شوید.”

لیست پخش روزانه Spotify تلاشی برای استفاده از هوش مصنوعی مولد برای در نظر گرفتن سلیقه های تثبیت شده، اما همچنین زمینه های متفاوتی است که می تواند سلیقه شنوندگان را در طول روز شکل دهد و تغییر شکل دهد، و توصیه های جدیدی متناسب با حالات، فعالیت ها و ارتعاشات مختلف ارائه دهد. Knibbe می‌گوید این امکان وجود دارد که پیشرفت‌هایی مانند اینها ادامه پیدا کند و هوش مصنوعی در یافتن فرمول برای میزان تازگی یک شنونده بهتر شود، اما او اضافه کرد که “فرض که مردم می‌خواهند همیشه موسیقی جدید کشف کنند، درست نیست.”

اکثر مردم هنوز با خوشحالی به زمین موسیقی آشنا و الگوهای شنیداری باز می گردند.

Knibbe گفت: “شما پروفایل های متفاوتی از شنوندگان، متصدیان، متخصصان دارید… مردم خواسته های متفاوتی از هوش مصنوعی دارند.” شگفت‌زده کردن متخصصان سخت‌تر است، اما اکثریت شنوندگانی نیستند که معمولی‌تر باشند» و او می‌گوید که استفاده از Spotify اغلب به ایجاد یک «پس‌زمینه راحت» برای زندگی روزمره خلاصه می‌شود.

خوش بینان فناوری اغلب از عصر “فراوانی” صحبت می کنند. با 100 میلیون آهنگ موجود، اما بسیاری از شنوندگان که همان 100 آهنگ را یک میلیون بار ترجیح می دهند، به راحتی می توان فهمید که چرا به دنبال تعادل جدیدی است. اما بن رتلیف، منتقد موسیقی و نویسنده کتاب Every Song Ever: Twenty Ways to Listen in Age of Musical Age of Music، می گوید که الگوریتم ها کمتر راه حلی برای این مشکل هستند تا بسط آن.

رتلیف گفت: «اسپاتیفای در جذب احساسات عمومی و ایجاد یک موسیقی متن برای آنها خوب است. برای مثال، لیست پخش Sadgirl Starter Pack او نامی عالی و حدود یک میلیون و نیم لایک دارد. متأسفانه، تحت عنوان یک هدیه، SSP پیچیدگی اقیانوسی افسردگی بزرگسالان جوان را به مجموعه کوچکی از آثار موسیقی «سالم» قابل اعتماد ساده می‌کند و باعث می‌شود کلیشه‌های سخت موسیقی و حساسیت‌ها سریع‌تر شکل بگیرند.

ترجیحات رتلیف همچنان آثاری تحت نظارت است که ظاهراً توسط افراد واقعی با ترجیحات واقعی ساخته شده است. او می‌گوید حتی یک لیست پخش خوب هم ممکن است بدون قصد یا وجدان زیاد ساخته شده باشد، اما فقط با یک حس توسعه‌یافته از تشخیص الگو، “چه الگوهای مبهم یا الگوهای آشنایی گسترده”.

بسته به فرد، هوش مصنوعی می‌تواند شانس مساوی برای تبدیل شدن به یک راه‌حل آرمان‌شهری یا دیستوپیایی در جهان متشکل از 100 میلیون آهنگ داشته باشد. رتلیف می‌گوید اکثر کاربران باید در سفرهای پخش موسیقی خود به راحتی کار کنند. “تا زمانی که متوجه شوید که برنامه هرگز شما را آنطور که می خواهید شناخته شوید، نمی شناسد، و تا زمانی که بدانید به دنبال چه چیزی هستید یا دستورات خوبی در اختیار داشته باشید، می توانید موسیقی های عالی زیادی پیدا کنید. در اسپاتیفای.”