AZ 
Maşın öyrənməsi tədqiqatçılara hit mahnıları 97% dəqiqliklə müəyyən etməyə kömək edir
Hit mahnıları proqnozlaşdırmaq çox çətindir. Tədqiqatçılar indi hit mahnının proqnozlaşdırılmasının dəqiqliyini artırmaq üçün yüksək tezlikli neyrofizioloji məlumatlara maşın öyrənməsi (ML) tətbiq ediblər. Onlar göstərdilər ki, insanlar yeni musiqi dinləyərkən toplanmış sinir məlumatlarına ML tətbiq edilsə, hit mahnıları mükəmmələ yaxın dəqiqliklə proqnozlaşdırmaq olar. Bu, istehlakçıları seçimlərlə doldurmaq əvəzinə, axtardıqları əyləncə ilə təmin etmək üçün qapılar aça bilər.
Hər gün on minlərlə mahnı buraxılır. Bu daimi seçim axını axın xidmətləri və radio stansiyaları üçün çalğı siyahılarına hansı mahnıların əlavə ediləcəyini seçməkdə çətinlik yaradır. Böyük auditoriya ilə rezonans doğuracaqları tapmaq üçün bu xidmətlər insan dinləyicilərindən və süni intellektdən istifadə ediblər. Bununla belə, 50% dəqiqliklə davam edən bu yanaşma mahnıların hit olub-olmayacağını etibarlı şəkildə proqnozlaşdırmır.
İndi ABŞ-dakı tədqiqatçılar beyin reaksiyalarına tətbiq olunan hərtərəfli maşın öyrənmə texnikasından istifadə etdilər və hit mahnıları 97% dəqiqliklə proqnozlaşdıra bildilər.
“Maşın öyrənməsini neyrofizioloji məlumatlara tətbiq etməklə, biz hit mahnıları demək olar ki, mükəmməl şəkildə müəyyən edə bilərik” dedi Claremont Graduate Universitetinin professoru və Frontiers in Artificial Intelligence jurnalında dərc olunan tədqiqatın baş müəllifi Paul Zak . “33 nəfərin sinir fəaliyyətinin milyonlarla insanın yeni mahnıları dinlədiyini təxmin edə bilməsi olduqca heyrətamizdir. Bu dəqiqliyə yaxın heç nə indiyə qədər göstərilməyib”.
Nevroloji məlumatlar ilə maşın öyrənməsi
Tədqiqat iştirakçıları hazır datçiklərlə təchiz edilib, 24 mahnıdan ibarət dəst dinləyib və onların seçimləri və bəzi demoqrafik məlumatlar barədə soruşulub. Təcrübə zamanı alimlər iştirakçıların mahnılara neyrofizioloji reaksiyalarını ölçüblər. “Topladığımız beyin siqnalları əhval və enerji səviyyələri ilə əlaqəli beyin şəbəkəsinin fəaliyyətini əks etdirir” dedi Zak. Bu, tədqiqatçılara bir neçə nəfərin məlumatlarına əsaslanaraq, bir mahnının axınlarının sayı da daxil olmaqla, bazar nəticələrini proqnozlaşdırmağa imkan verdi.
Bu yanaşma ‘neyroforecasting’ adlanır. O, yüzlərlə insanın beyin fəaliyyətini ölçmədən əhali səviyyəsində təsirləri proqnozlaşdırmaq üçün kiçik bir qrup insandan sinir fəaliyyətini çəkir.
Məlumatların toplanmasından sonra tədqiqatçılar neyrofizioloji dəyişənlərin proqnozlaşdırıcı dəqiqliyini qiymətləndirmək üçün müxtəlif statistik yanaşmalardan istifadə etdilər. Bu, modelləri birbaşa müqayisə etməyə imkan verdi. Proqnozlaşdırma dəqiqliyini artırmaq üçün onlar ən yüksək proqnoz nəticələrinə çatmaq üçün müxtəlif alqoritmləri sınaqdan keçirən ML modelini öyrətdilər.
Onlar xətti statistik modelin 69% müvəffəqiyyət nisbətində hit mahnıları müəyyən etdiyini tapdılar. Onlar topladıqları məlumatlara maşın öyrənməsini tətbiq etdikdə, düzgün müəyyən edilmiş hit mahnıların nisbəti 97%-ə yüksəldi. Onlar həmçinin mahnıların ilk dəqiqələrindəki sinir reaksiyalarına maşın öyrənməsini tətbiq etdilər. Bu vəziyyətdə, hitlər 82% müvəffəqiyyət nisbəti ilə düzgün müəyyən edildi.
“Bu o deməkdir ki, axın xidmətləri insanların çalğı siyahıları üçün hit ola biləcək yeni mahnıları asanlıqla müəyyən edə bilər, axın xidmətlərinin işini asanlaşdırır və dinləyiciləri sevindirir” deyə Zak izah etdi.
Orijinal məqaləni yükləyin (pdf)
Replikasiya üsulları
“Əgər gələcəkdə geyilə bilən nevrologiya texnologiyaları, bu tədqiqat üçün istifadə etdiyimiz kimi, adi hala çevrilərsə, onların neyrofiziologiyasına əsaslanaraq düzgün əyləncələr auditoriyaya göndərilə bilər. Yüzlərlə seçim təklif etmək əvəzinə, onlara sadəcə iki və ya üç seçim verilə bilər ki, bu da onların zövq alacaqları musiqini seçmələrini asan və daha sürətli edir”, – deyə Zak bildirib.
Onun komandasının demək olar ki, mükəmməl proqnoz nəticələrinə baxmayaraq, tədqiqatçılar bəzi məhdudiyyətlərə işarə etdilər. Məsələn, onlar öz təhlillərində nisbətən az mahnıdan istifadə ediblər. Bundan əlavə, tədqiqat iştirakçılarının demoqrafik göstəriciləri orta dərəcədə müxtəlif idi, lakin müəyyən etnik və yaş qruplarının üzvlərini əhatə etməmişdir.
Buna baxmayaraq, tədqiqatçılar gözləyirlər ki, onların yanaşması çox güman ki, hit mahnının identifikasiyası xaricində də istifadə oluna bilər, qismən də asan həyata keçirilməsinə görə. “Bizim əsas töhfəmiz metodologiyadır. Çox güman ki, bu yanaşma filmlər və televiziya şouları da daxil olmaqla bir çox digər əyləncə növləri üçün hitləri proqnozlaşdırmaq üçün istifadə edilə bilər “dedi Zak.
