Un equipo de investigadores de Estados Unidos ha logrado un avance significativo en la identificación de canciones exitosas utilizando técnicas de aprendizaje automático y datos neurofisiológicos. Mediante el análisis de las respuestas cerebrales de los participantes, lograron predecir con una precisión del 97 % qué canciones tendrían éxito en el mercado.
El estudio, publicado en Frontiers in Artificial Intelligence y liderado por Paul Zak, profesor de la Claremont Graduate University, demostró que la actividad neuronal de un pequeño grupo de personas puede ser indicativa de las preferencias de millones de oyentes. Esta precisión sin precedentes abre nuevas posibilidades para la industria musical y los servicios de streaming.
Para llevar a cabo el estudio, se colocaron sensores a los participantes y se les reprodujeron 24 canciones. Los investigadores recopilaron datos neurofisiológicos y también realizaron preguntas sobre las preferencias musicales y datos demográficos de los participantes. Utilizando estas respuestas cerebrales, se pudo predecir el rendimiento de mercado de las canciones, incluyendo el número de streams, sin necesidad de medir la actividad cerebral de todos los individuos.
El método utilizado, denominado «neuroprevisión», se basa en la recopilación de la actividad neuronal de un grupo reducido de personas para realizar predicciones a nivel poblacional. Los investigadores aplicaron enfoques estadísticos y entrenaron modelos de aprendizaje automático para mejorar la precisión predictiva.
Los resultados fueron sorprendentes. Un modelo estadístico lineal logró identificar correctamente las canciones exitosas en un 69 % de los casos. Sin embargo, al aplicar el aprendizaje automático a los datos recopilados, la precisión aumentó drásticamente hasta alcanzar un 97 %. Incluso al analizar solo la respuesta neuronal en el primer minuto de las canciones, el modelo tuvo un acierto del 82 % en la identificación de éxitos.
Este avance tiene importantes implicaciones para la industria musical y los servicios de streaming. Al utilizar esta técnica, los servicios de streaming pueden identificar de manera más eficiente las nuevas canciones que probablemente serán éxitos y crear listas de reproducción personalizadas para los oyentes. Esto no solo facilitaría el trabajo de los servicios de streaming, sino que también brindaría una experiencia musical más satisfactoria para los usuarios.
A pesar de los resultados prometedores, los investigadores reconocen algunas limitaciones en el estudio, como el uso de un número relativamente bajo de canciones y la falta de representación de ciertos grupos étnicos y de edad en la muestra de participantes.
En el futuro, se espera que esta metodología se extienda a otros ámbitos del entretenimiento, como películas y programas de televisión. Además, si se popularizan las tecnologías neurocientíficas vestibles utilizadas en este estudio, podría ser posible enviar entretenimiento adaptado a las preferencias neurofisiológicas de cada individuo, simplificando y agilizando la elección de música y otros contenidos.
Este importante avance en la identificación de canciones exitosas representa un hito en la aplicación del aprendizaje automático y la neurociencia al campo de la música, y promete transformar la forma en que se selecciona y disfruta la música en el futuro.
Noticias Relacionadas
Google desarrolla una IA que puede llegar a revolucionar la industria musical
