ISO: 히트곡: 매일 약 100,000곡의 신곡이 출시되고 음반사, 라디오 방송국 및 음악 앱은 어떤 히트곡이 나올지 끊임없이 예측하려고 한다.

제대로 된 경우 청취자는 만족하고 로열티, 구독자 및 광고 수익이 더 많은 플랫폼도 마찬가지이다. 그들이 지속적으로 틀렸다면 음악 사업은 가혹하다.

회사는 이미 노래의 메타데이터(아티스트, 장르, 언어 등)와 음악 자체(음표, 가사 등)를 살펴보고 예상되는 히트곡을 식별하는 알고리즘에 크게 의존하고 있지만, 이 모든 것에도 불구하고 이러한 노래가 히트할지 여부를 정확하게 예측할 수 있는 확률은 약 50%이다.

비트는 계속된다: 과거 연구에서 클레어터미널 그레쥬에이트 대학(CGU)의 신경경제학 연구 센터 책임자인 폴 자크는 심장 박동의 매우 미묘한 변화가 주의 및 감정적 공명과 관련된 뇌 활동을 예측할 수 있음을 발견했다.

자크는 ZME Science와의 인터뷰에서 "나의 연구실은 이전에 제가 '몰입'이라고 부르는 사회적 및 정서적 경험에 대한 뇌의 평가 시스템으로 보이는 것을 확인했다."고 말했다.

이어 “한 스트리밍 서비스와의 통화에서 신곡 양이 많아 구독자에게 신곡 추천에 어려움을 겪는다고 하더라”고 말했다. “신경학적 몰입을 측정하는 것이 이 문제를 해결하는 데 도움이 될 수 있다고 생각했다.”

잘 들어보라: 그가 옳았는지 알아보기 위해 스트리밍 서비스는 자크의 팀에 최근에 발표된 24곡의 노래를 보냈는데, 히트곡(출시 후 6개월 이내에 70,000개 이상의 스트림)과 실패로 간주되는 트랙을 대략 균등하게 분할했다.

CGU 연구원들은 33명의 지원자들에게 비침습적 심장 센서를 착용한 상태에서 노래를 듣게 했다. 그런 다음 해당 데이터를 자크의 플랫폼에 공급하여 노래에 대한 신경생리학적 반응을 결정했다. 예상대로 히트곡은 실패작보다 "몰입" 점수가 더 높았다.

단 24곡의 노래에 뇌가 어떻게 반응하는지에 대한 데이터는 AI를 훈련시키기에 충분하지 않다. 시스템은 대규모 데이터 세트에서 번창한다. 그래서 연구자들은 수집한 정보를 사용하여 10,000개의 신경생리학적 반응의 합성 데이터 세트를 시뮬레이션했다.

그런 다음 데이터 세트의 절반을 사용하여 노래를 히트 또는 미스로 분류하도록 AI를 훈련했다. 나머지 절반의 AI와 지원자의 실제 데이터를 테스트했을 때 신경생리학적 반응을 기반으로 노래를 분류하는 데 97% 정확했다.

"신경생리학적 데이터에 머신러닝을 적용함으로써 우리는 히트곡을 거의 완벽하게 식별할 수 있었다."고 자크는 말했다. “33명의 신경 활동이 수백만 명의 다른 사람들이 새 노래를 들을지 여부를 예측할 수 있다는 것은 정말 놀라운 일이다. 이 정확도에 가까운 것은 이전에 보여진 적이 없다.”

전망: 참가자와 노래 수 측면에서 연구는 소규모였다. 여기에는 모든 인구 통계의 사람들이 포함되지 않았으며 합성 데이터 세트는 이를 생성하는 데 사용된 실제 데이터를 통계적으로 정확하게 표현해야 하지만 항상 그런 것은 아니다.

그러나 향후 연구에서 자크의 AI가 확인되면 라디오 방송국과 스트리밍 플랫폼은 기존의 히트 피킹 도구에 추가하거나 대신하여 청취자들에게 높은 수준의 몰입을 생성할 가능성이 있는 신곡에 대한 추천을 기반으로 시작할 수 있다.