De Hit Charade

Zane Lowe's eerste show als DJ op Apple Music was een beetje duizelingwekkend. De nummers die hij speelde slingerden van punkpop naar postrock naar grime naar electronica naar stadionrock en nog veel meer. Hij liet voorheen ongehoorde nummers horen, samen met nummers die tientallen jaren geleden door bekende rockers waren opgenomen. Maar ondanks de wanorde - of waarschijnlijk daardoor - heb ik genoten van de show. Elk nieuw nummer bracht me in een verrassende richting, terwijl de mix van artiesten en de energie van de nummers leek te passen bij Lowe's enigszins gestoorde gebabbel.

Een ding dat opvalt aan Apple Music, een streamingdienst die je voor $ 10 per maand op computers en mobiele apparaten kunt gebruiken, is de aanwezigheid van menselijke dj's zoals Lowe op een kanaal genaamd Beats 1. De show van Lowe stelde me voor aan onbekende artiesten, en het benadrukte intrigerende muzikale verbanden - tussen bijvoorbeeld een stadionlied van AC/DC en een recent stuk geremixte elektronica van een Schotse artiest genaamd Hudson Mohawke. De emotie die door alle nummers liep was vrolijk, zelfs uitdagend.

Dit verhaal maakte deel uit van ons nummer van november 2015

• Zie de rest van het nummer
• Abonneren

Net zoals computers nog geen krachtige en fantasierijke kunst of proza ​​kunnen maken, kunnen ze muziek niet echt waarderen. En het arrangeren van een aangrijpende of meeslepende muziekafspeellijst vereist een soort inzicht dat ze niet hebben: het vermogen om overeenkomsten te vinden in muzikale elementen en om de emotionele weerklank en culturele context van liedjes te krijgen. Ondanks alle vooruitgang die wordt geboekt op het gebied van kunstmatige intelligentie, zijn machines nog steeds hopeloos fantasieloos en voorspelbaar. Dit is de reden waarom Apple honderden mensen heeft aangenomen om als dj's en afspeellijstmakers te dienen, naast de algoritmische aanbevelingen die het nog steeds biedt.

De keuzes van Pandora zijn meestal nogal voorspelbaar - vaak net zo saai en conventioneel als die op commerciële radio.

Het inschakelen van menselijke experts is een slimme manier voor Apple om zich te onderscheiden. Ondanks dat het een pionier was in de digitale distributie en opslag van muziek, loopt het nu achter op streamingdiensten zoals Pandora, Spotify, Rdio en Tidal. Geen van deze legt zoveel nadruk op beheer door menselijke experts als Apple Music. En hoewel de algoritmen die al deze bedrijven gebruiken om nummers aan te bevelen de afgelopen jaren enorm zijn verbeterd, is er geen echt muzikaal begrip of waardering gaande. Het laat zien. De algoritmen maken gebruik van statistische technieken om luisteraargegevens te ontleden, waardoor een weloverwogen schatting wordt gemaakt van wat u misschien leuk vindt. Er is nog steeds geen algoritme dat de menselijke smaak kan verklaren.

Dingen horen

Pandora, een van de eerste muziekstreamingdiensten, is een goed voorbeeld van de algoritmische aanpak. Via een tien jaar oude inspanning, het Music Genome Project genaamd, heeft Pandora muziekexperts in dienst genomen om nummers te taggen met honderden kenmerken, zoals het genre, de soorten instrumenten die worden gebruikt en zelfs de melodische frasering en tonaliteit. Wanneer je Pandora een band, componist of nummer als uitgangspunt geeft, ontstaat er een radiostation met muziek met vergelijkbare kenmerken. Kies de Beatles en Pandora start mogelijk automatisch een nummer van de Beach Boys met de mededeling: We spelen dit nummer omdat het zachte rockinstrumenten bevat, veeleisende vocale uitvoeringen, verweven vocale harmonie, gemengde mineur- en majeurtoontonaliteit en melodische liedjes schrijven.

Helaas zijn de keuzes van Pandora nogal voorspelbaar - vaak net zo saai en conventioneel als die op commerciële radio. Nadat je met de Beatles bent begonnen, is het onwaarschijnlijk dat je een nummer in een heel andere stijl zult horen die rond dezelfde tijd populair was, bijvoorbeeld, of een hiphopartiest die slim werk heeft geleverd door het werk van Ringo en co te samplen.

Meer recentelijk zijn algoritmen begonnen met het produceren van afspeellijsten die veel genuanceerder en op maat gemaakt kunnen zijn. 'S Werelds grootste streamingdienst, Spotify, met meer dan 75 miljoen gebruikers, pusht de stand van de techniek en gebruikt enorme hoeveelheden gegevens om gepersonaliseerde aanbevelingen te doen.

Dingen beoordeeld

• Apple Music

• Pandora

• Spotify

• Creativiteit, de Turing-test en de (betere) Lovelace-test

  Door Selmer Bringsjord, Paul Bello en David Ferrucci
  Geest en machines
  vol. 11, 2001

Chris Johnson, die leiding geeft aan een van de data science-teams van Spotify in New York, zegt dat het bedrijf mensen in dienst heeft om sommige van zijn afspeellijsten te maken. Maar het verzamelt ook zoveel mogelijk gegevens over het luistergedrag van een gebruiker en vergelijkt dit vervolgens met gegevens die zijn verzameld van andere gebruikers. Het idee achter deze techniek, ook wel collaboratieve filtering genoemd, is dat je waarschijnlijk een nummer leuk zult vinden dat iemand met dezelfde smaak al heeft ontdekt en leuk vindt. Vorig jaar nam Spotify het bedrijf Echo Nest over dat informatie verzamelt over nieuwe muziek die op blogs, nieuwswebsites en sociale media wordt geplaatst. Deze meningen worden nu ook verwerkt in de aanbevelingen van Spotify, waardoor de muzieksuggesties nog slimmer worden.

In juli begon Spotify met het testen van een gepersonaliseerde playlist die op deze manier beschikbaar werd gesteld. We kijken naar wat je speelt, afspeellijsten die je maakt en eigenlijk alles wat we over je weten. Vanaf dat moment zal er elke maandag een nieuwe afspeellijst met muziek zijn, vertelde Johnson me.

De eerste paar afspeellijsten die ik ontving, bevatten verschillende nummers waar ik meteen van hield, hoewel geen enkele veel verder ging dan de dingen waar ik al naar luister. Het is handig, maar niet helemaal verbluffend.

Er is ook een inherente beperking aan dergelijke geautomatiseerde aanbevelingsalgoritmen: ze kunnen geen nieuw nummer voorstellen, omdat er geen gegevens zijn om te laten zien hoeveel andere luisteraars het leuk vinden. In tegenstelling tot een algoritme, kunnen mensen meestal binnen een paar minuten luisteren vertellen hoeveel ze van een nieuw nummer houden. Hier beginnen recente ontwikkelingen op het gebied van kunstmatige intelligentie echter te helpen. Vorig jaar begon Spotify met het testen van een manier om een ​​nummer zelf te analyseren in plaats van alleen de bijbehorende metadata. Dit omvatte het trainen van wat bekend staat als een diepgaand lerend netwerk, ruwweg gemodelleerd naar lagen van neuronen in de hersenen, om frequentiekenmerken van een audiosignaal te herkennen (overeenkomend met het geluid dat je hoort en de manier waarop dat geluid in de loop van de tijd verandert) in miljoenen nummers . Deze algoritmen kunnen een nieuw nummer verrassend goed classificeren, zoals in het voorbeeld wordt getoond afspeellijsten gepost door een lid van Johnson's team bij Spotify.

Menselijke expertise zal in de nabije toekomst een belangrijk onderdeel blijven van de algoritmen van Spotify.

Maar zelfs deze prestatie is geen bewijs van echt muzikaal begrip of oordeel. Het deep-learningsysteem van Spotify moet nog worden getraind met behulp van miljoenen voorbeeldnummers, en het zou verbijsterd zijn door een gedurfde nieuwe muziekstijl. Bovendien kunnen dergelijke algoritmen geen nummers op een creatieve manier arrangeren. Evenmin kunnen ze onderscheid maken tussen een echt origineel stuk en de zoveelste ik-te-imitatie van een populair geluid. Johnson erkent deze beperking en hij zegt dat menselijke expertise in de nabije toekomst een belangrijk onderdeel zal blijven van de algoritmen van Spotify.

Apple's Beats 1 biedt een heel andere ervaring. Een radioprogramma, Het Alligatoruur , die wordt geleid door de muzikant en producer Joshua Homme, viert obscure maar uiterst originele nummers. Het geniet ook van de absurde verbanden die tussen sommige nummers te vinden zijn, waarbij bijvoorbeeld de melodieuze kant van de Sex Pistols wordt gecombineerd met de adrenaline die de disco van Donna Summer van brandstof voorziet. Het is heerlijk raar. In een andere show, genaamd Mixtape-bezorgservice , speelt de muzikant Annie Clark (artiestennaam St. Vincent) een aangepaste lijst met nummers die zijn geïnspireerd op de stemming of situatie van een luisteraar. In haar eerste show arrangeerde Clark een retrospectief van minder bekende maar cultureel belangrijke dansmuziek voor een 11-jarig meisje dat meer over het genre wilde leren.

Auditieve Turing-test

Wat geeft mensen dit vermogen? Kunnen deep learning of andere kunstmatige-intelligentiesystemen ooit een smaak ontwikkelen die verder gaat dan het classificeren van de kenmerken van een nummer om te bepalen of het goed is of niet? Kunnen computers die ongrijpbare kwaliteit identificeren die mensen van nature associëren met talent, creativiteit of originaliteit? Toen ik Johnson vroeg of een algoritme op een dag in staat zou kunnen zijn om een ​​hit te vinden van een artiest zonder contract, zei hij: Dat is precies wat we willen doen.

Het is een gedurfde ambitie, en een die misschien ongrijpbaar zal blijken te zijn. Muzikale waardering en creativiteit hebben niets te maken met het vinden van statistische patronen in grote stapels data.

Wat onderscheidt iets ongewoons of bizars van iets creatiefs? Dat is een moeilijke vraag, zegt Eyal Reingold, een psycholoog aan de Universiteit van Toronto die menselijke creativiteit bestudeert. Als een machine creativiteit wil laten zien, zegt hij, moet hij iets produceren dat niet alleen ongebruikelijk is - of iets dat er niet in is geprogrammeerd - maar dat als nuttig wordt beschouwd, althans in een culturele context.

De glibberige aard van creativiteit heeft er zelfs toe geleid dat sommige psychologen en computerwetenschappers hebben gesuggereerd dat het een nuttige manier zou kunnen zijn om machine-intelligentie te meten. In een paper gepubliceerd in 2001, twee academici van het Rensselaer Polytechnic Institute, samen met David Ferrucci, toen een IBM-onderzoeker die een computer zou gaan maken genaamd Watson die de spelshow zou winnen Gevaar! , voerde aan dat een creativiteitstest een betere manier zou kunnen zijn om te beoordelen of een computer menselijke intelligentie heeft bereikt. Ze merkten op dat de in 1950 door Alan Turing voorgestelde test, die de intelligentie van een machine meet via een getypt gesprek, programmeurs aanmoedigt om bedrog te gebruiken in plaats van iets echt intelligents te bouwen. Ze redeneerden dat creatieve prestaties, of het nu gaat om schilderen, schrijven, muziek of op een ander gebied, veel moeilijker te vervalsen zijn en fundamenteel zijn voor intelligentie. En ze noemden hun alternatief de Lovelace-test, naar Ada Lovelace, vaak beschouwd als 's werelds eerste computerprogrammeur, die in 1843 opmerkte dat de eerste computermachines, hoe indrukwekkend ze ook mogen zijn, niet in staat zouden zijn om iets origineels te doen.

Het is veelzeggend dat de inspanningen om de Lovelace-test te doorstaan ​​grotendeels zijn mislukt. Toch leeft de uitdaging voort. Eigenlijk, Michael Casey , een professor in muziek en computerwetenschappen aan het Dartmouth College, is van plan begin volgend jaar verschillende Turing-tests te houden, misschien gevolgd door enkele Lovelace-tests. Een daarvan zal computer-dj's zijn, waarbij dansers worden gevraagd om te beoordelen of de nummers die ze zojuist hoorden, door een mens of door een machine zijn gemaakt. Casey hoopt dat binnen deze beperkte context een machine iets zal demonstreren dat lijkt op muzikale creativiteit.

Zelf lijkt hij er echter niet zo zeker van. Het maakt niet uit welk type algoritme we in het verleden op muziek hebben geprobeerd toe te passen - of het nu iets is dat Bach of Mozart probeert na te bootsen, of muziek probeert aan te bevelen - op een bepaald moment voelt het alsof het geen 'vorm' heeft. ', zegt hij een beetje treurig. Het kan je een paar seconden voor de gek houden, maar het heeft geen algemeen plan. En ik denk dat hetzelfde kan gelden voor een geautomatiseerde DJ-set.

Misschien zal dit nog lang waar zijn. En als we willen dat machines iets unieks en origineels bedenken als een show op Apple's Beats 1, dan moeten we misschien wat creatiever nadenken over hoe we ze ontwerpen.

zich verstoppen