HomeLifestylePro koho počítač sestaví ideální hudební mix

Pro koho počítač sestaví ideální hudební mix

Algoritmy často podporují výběr skladeb na hudebních platformách. Používají se systémy umělé inteligence (AI), které jsou trénovány na základě lidských rozhodnutí. Linzští vědci nyní ukazují, že algoritmy poskytují relevantnější a „lepší“ návrhy lidem, kteří jsou klasifikováni jako emocionálně nestabilní. Systémy je totiž dokážou snáze přečíst.

Vědci již dlouho zkoumají, jaká zkreslení mohou nastat, když algoritmy dělají lidská rozhodnutí. Výzkumníci vedení Markusem Schedlem z „Human-centred AI Lab“ v „LIT AI Lab“ na univerzitě v Linci v minulosti prokázali, že systémy učení využívající data od lidí jsou často zaujaté. Například když dávají výsledky, které jsou zkreslené sexistickým způsobem.

Tým také při několika příležitostech pracoval na vylepšení systémů online doporučení. Takové systémy využívají všechny hlavní platformy ve filmovém nebo hudebním sektoru, jako je Amazon, Netflix, Spotify, YouTube a další.

Pět vlastností

Ve studii nyní vědci spolu s kolegy z univerzity v Innsbrucku zkoumali, jak se návrhy, které jsou ovlivněny osobnostními charakteristikami uživatelů platforem pro streamování hudby, přizpůsobují člověku. Při přístupu k osobnostem uživatelů se Schedl a jeho tým zaměřili na pět dobře prostudovaných osobnostních rysů v psychologii: „otevřenost vůči zkušenosti“, „svědomitost“, „extraverze“, „tolerance“ a „neuroticismus“. ten druhý se také nazývá „emocionální labilita“.

polovina twitteru

Na základě stop dat, která mají na Twitteru, vypočítali, která z těchto vlastností se u lidí projevuje a v jaké míře. Zde byla použita metoda, která analyzuje slova použitá v tweetech a „extrahuje z nich osobnostní rysy,“ řekl Schedl v rozhovoru pro APA.

K prozkoumání mechanismů, které stojí za hudebními doporučeními, použili data o poslechových zvyklostech z hudebních platforem jako Spotify nebo Last.fm a odkazy na preference v tweetech. Tímto způsobem vědci vytvořili deset skupin uživatelů s asi 18 000 uživateli (každá s více či méně dominantními osobnostními rysy) a analyzovali, jak s nimi zacházejí algoritmy systémů doporučení. Za tímto účelem dávají část shromážděných dat systémům AI ke školení „a předpovídají druhou část dat“, říká Schedl. Tím je zajištěno, že výsledky jsou co nejblíže realitě.

výsledek

Vědci pak pomocí běžných metod změřili, „jak relevantní a kvalifikovaná jsou příslušná doporučení pro skupinu uživatelů“. Pro vědce byly tyto výsledky překvapivě odlišné: “Zdá se, že více neurotičtí lidé dosahují výrazně lepších výsledků než méně neurotičtí lidé, bez ohledu na použitý algoritmus,” řekl Schedl. Lidé, kteří jsou otevření novým zkušenostem, naopak dostávají méně vhodné návrhy než ti, kteří jsou velmi uzavření.

“To naznačuje, že je snazší dávat doporučení, když má uživatel relativně omezený hudební vkus. Pokud například člověk poslouchá pouze ‘Viking Metal’, je docela snadné zde dát dobrá doporučení,” řekl Schedl. Podrobnější studie také ukázaly, že lidé s vyšší úrovní neuroticismu mají tendenci mít užší vkus na hudbu, což celkově usnadňuje algoritmy.

přenosný

Tyto výsledky se velmi pravděpodobně přenesou i do jiných oblastí, jako jsou automaticky zobrazovaná pracovní místa, cestování nebo návrhy partnerů. Aby takoví lidé nebyli mocní ve vysoce zapamatovatelných echo komorách, měli by poskytovatelé také zahrnout konkrétní doporučení pro ostatní skupiny, aby udrželi zkreslení způsobené algoritmem nižší a také otevřeli uživatelům jiné „světy“. výzkumníkovi, který bude prezentovat výzkum na nejvýznamnějším odborném setkání nazvaném „ACM Recommender Systems Conference“, které se bude konat v září.

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Advertisingspot_img

Popular posts

My favorites

I'm social

0FansLike
0FollowersFollow
3,498FollowersFollow
0SubscribersSubscribe