Las canciones exitosas pueden "leerse" en el cerebro de las personas gracias a la IA

En lugar de preguntar a los usuarios si una nueva canción les agrada para evaluar su posibilidad de convertirse en un éxito, las nuevas tecnologías neuronales portátiles podrán analizar el valor comercial del contenido musical en forma automática, "leyendo" en el cerebro de las personas un futuro "hit". Incluso si el algoritmo recibió datos fisiológicos de solo un minuto de escuchar una canción, aún podría predecir un éxito con un 82 por ciento de precisión, aunque en otras circunstancias el indicador llega casi al 100 por ciento de efectividad, según un nuevo estudio.

Un grupo de investigadores estadounidenses ha aplicado aprendizaje automático a datos neurofisiológicos de alta frecuencia para mejorar la precisión en la predicción de canciones exitosas. Demostraron que si la técnica se aplica a los datos neuronales recogidos mientras las personas escuchan música nueva, las canciones de éxito masivo se podían predecir con una precisión casi perfecta, que llega al 97 por ciento en ciertos casos. 

¿La música que pide nuestro cerebro?

No es sencillo medir los parámetros de consumo cultural, ya que intervienen muchos factores como el gusto personal, las vivencias o las diferencias socioculturales. Sin embargo, una herramienta de este tipo podría ser útil para brindarles a los consumidores el entretenimiento o los contenidos que buscan con mayor rapidez, en lugar de hacerlos perder en un mar de opciones. Por otro lado, sería deseable que se utilice con este fin y no para homogeneizar el gusto musical y empobrecer la diversidad de propuestas. 

“Al aplicar el aprendizaje automático a los datos neurofisiológicos, pudimos identificar casi perfectamente las canciones exitosas. Conseguir que la actividad neuronal de 33 personas que participaron en el estudio pueda predecir si millones de personas escucharon nuevas canciones es bastante sorprendente. Nunca antes se había demostrado nada parecido con esta precisión”, indicó en una publicación del blog de Frontiers el científico Paul Zak, profesor de la Universidad de Graduados de Claremont y autor principal de la investigación.

En el nuevo estudio, publicado en la revista Frontiers in Artificial Intelligence, Zak y su equipo utilizaron aprendizaje automático, un subconjunto de Inteligencia Artificial (IA) que permite que un sistema aprenda y mejore de forma autónoma mediante redes neuronales, para analizar los datos de las respuestas neurofisiológicas de los voluntarios, en un enfoque denominado “neuropronóstico”. El mismo busca capturar la actividad neuronal de un pequeño grupo de personas para predecir los efectos a un nivel masivo, sin tener que medir la actividad cerebral de cientos o miles de individuos.

Importante nivel de precisión en las predicciones

En este caso, los participantes del estudio estaban equipados con sensores preparados para escuchar un conjunto de 24 canciones: se les preguntó sobre sus preferencias y algunos datos demográficos. Durante el experimento, los científicos midieron las respuestas neurofisiológicas relacionadas con las canciones. 

“Las señales cerebrales que hemos recogido reflejan la actividad de una red cerebral asociada con el estado de ánimo y los niveles de energía”, describió Zak. Luego de obtener los datos, los investigadores utilizaron diferentes enfoques estadísticos para evaluar la precisión predictiva de las variables neurofisiológicas. Esto permitió comparar múltiples modelos de aprendizaje automático y probar distintos algoritmos, con el propósito de mejorar la precisión del sistema y llegar a los resultados de predicción más altos.

Confirmaron de esta forma que un modelo estadístico lineal identificaba canciones exitosas con una tasa de éxito del 69 por ciento, pero cuando aplicaron el aprendizaje automático a los datos analizados la tasa de “hits” identificados correctamente saltó al 97 por ciento. Por último, aplicaron el aprendizaje automático a las respuestas neuronales durante el primer minuto de audición de las canciones: en este caso, los aciertos se identificaron correctamente con una tasa de éxito del 82 por ciento.

Para finalizar, los especialistas indicaron que las mediciones de neurociencia ómnibus del sistema nervioso periférico pueden ser útiles para clasificar con bastante precisión los éxitos y los fracasos de los contenidos musicales, en cuanto a su mayor o menor aceptación social. Estos pronósticos también podrían aplicarse a casi cualquier forma de entretenimiento o contenido, como películas o programas de televisión. De esta forma, los consumidores estarían recibiendo, de manera inmediata y casi sin darse cuenta, los contenidos que se adaptan a sus intereses reales.

Referencia

Accurately predicting hit songs using neurophysiology and machine learning. Sean H. Merritt, Kevin Gaffuri and Paul J. Zak. Frontiers in Artificial Intelligence (2023). DOI:https://www.doi.org/10.3389/frai.2023.1154663