مع ظهور الذكاء الاصطناعي، لن يتمكن وانغ فينغ بعد الآن من الاحتفاظ بلقبه كمرشد موسيقي

بقلم سوبر نيرو

في الآونة الأخيرة، ذكر مهندسان من السويد وهولندا في بحثهما أنهما قاما بتطوير نموذج ذكاء اصطناعي يمكنه أيضًا قياس موهبتك الموسيقية وتحديد تفضيلاتك الموسيقية بالبيانات.

انتظر، هل يحاولون سرقة العمل من مدرسي الموسيقى؟

"من فضلك أخبرني عن حلمك الموسيقي." وقد طرح وانج فينج هذا السؤال عدة مرات على الشباب الذين يصعدون على المسرح ويريدون تحقيق أحلامهم من خلال الغناء. هدفه هو استكشاف شغفهم بالموسيقى والقصص التي تكمن وراء ذلك.

بالنسبة للأشخاص العاديين، السؤال "هل لديك موهبة موسيقية؟ ما نوع الموسيقى التي تحبها؟" هو سؤال ربما لم تتاح الفرصة لمعظم الناس لاستكشافه بعد. حتى لو كنت تحب الموسيقى، فلن تتمكن إلا من تقديم نطاق غامض، أو العثور على بعض الأنماط من "التوصيات لك" في المشغل، ولكن الآن يمكن للذكاء الاصطناعي أن يقدم لك إجابة واضحة.

تقييم الموهبة الموسيقية باستخدام Gold-MSI

قام بروس فيرويردا، الأستاذ المساعد لعلوم الكمبيوتر في جامعة يونشوبينغ (JU) في السويد، ومارك جراوس، عالم البيانات في جامعة ماستريخت في هولندا، بتطوير نموذج ذكاء اصطناعي يمكنه، من الناحية النظرية، تقييم الموهبة الموسيقية لغير المحترفين باستخدام مؤشر Gold-MSI.

يتم استخدام مؤشر Gold-MSI خصيصًا لتقييم الإنجازات الموسيقية المحتملة للأشخاص العاديين. الاسم الكامل لها هو Goldmiths Musical Sophistication Index. يمكنه تقييم المواهب الموسيقية لغير المحترفين من منظور علم النفس والعلوم السلوكية استنادًا إلى تفضيلات المستخدم الموسيقية (مثل تفضيل الموسيقى الكلاسيكية أو البوب).

تتضمن معايير التقييم المحددة بشكل أساسي الجوانب الخمسة التالية:

• مستوى الالتزام بالموسيقى (على سبيل المثال، المال والوقت الذي يقضيه في الموسيقى)؛

• الإدراك الموسيقي (مثل دقة الاستماع الموسيقي)؛

• ما إذا كان المرشح قد تلقى تدريبًا موسيقيًا (مثل التدريب الصوتي وما إلى ذلك، بما في ذلك التدريب المهني وغير المهني)؛

• حالة الملعب؛

• والإدراك العاطفي للموسيقى (أي أن المشاركين وصفوا تجربتهم العاطفية للموسيقى).

بالنسبة لهذا المؤشر، فإن مفتاح تقييم دقته لا يكمن فقط في الجوانب الخمسة المذكورة أعلاه، بل أيضًا في ما إذا كان بإمكانه الحكم بدقة على تفضيلات المستخدم الموسيقية. وبما أنه لم يكن هناك نظام قادر على قياس تفضيلات المستخدمين الموسيقية بدقة، فقد كان المؤشر يصل في كثير من الأحيان إلى استنتاجات غير صحيحة أثناء الاختبار الفعلي.

الآن، من خلال نموذج تقييم الذكاء الاصطناعي هذا، يمكن تحديد تفضيلات الموسيقى للمستخدمين بدقة. ويقال أن دقة النموذج يمكن أن تصل إلى أكثر من 90%. يعد هذا مفيدًا جدًا لتحسين دقة تقييم مؤشر Gold-MSI.

جربها إذا سنحت لك الفرصة، ثم أرسل النتيجة إلى وانج فينج. ربما لن تكون هناك حاجة للاختبارات.

فهم تفضيلاتك الموسيقية باستخدام الخوارزميات والنماذج النفسية

من الممكن استنتاج وقياس الذوق الموسيقي والقدرة الموسيقية لدى الشخص، ولكن بالنسبة للعديد من غير المحترفين، قد لا يتمكنون من التعبير بدقة عن تفضيلاتهم الموسيقية.

السبب الرئيسي هو أنهم قد يكونون مهتمين بأنواع متعددة من الموسيقى في نفس الوقت. عند اتخاذ قرار، فإن هذه الأنواع المختلفة من الموسيقى تتداخل مع حكمهم على تفضيلاتهم الموسيقية الخاصة، وخاصة في الموسيقى الحديثة، حيث تتضمن العديد من الأغاني بعض الأساليب.

ويقول بروس ومارك إن النموذج يمكنه استنتاج أنواع الموسيقى والمطربين المفضلين لديك وتحديد تفضيلاتك الموسيقية.

في 22 أغسطس، نشر الباحثون ورقة بحثية بعنوان "التنبؤ بالتطور الموسيقي من خلال سلوكيات الاستماع إلى الموسيقى: دراسة أولية" على Arxiv.or، تصف النموذج بالتفصيل.

يمكن للأصدقاء المهتمين الاطلاع عليه عبر هذا الموقع: https://arxiv.org/pdf/1808.07314.pdf

وتشير الورقة البحثية إلى أن النموذج يمكنه استنتاج تفضيلات المستخدم الموسيقية استنادًا إلى سجلات تشغيل الموسيقى الخاصة به من خلال خوارزميات التعلم الآلي والنماذج النفسية، وتحسين تجربة الموسيقى من خلال ترتيب تشغيل الموسيقى.

ومن بينها، يمكن استخدام النماذج النفسية لتفسير سلوك المستخدم والتغيرات العاطفية. وبناءً على ذلك، يمكن للذكاء الاصطناعي فهم التغيرات النفسية للمستخدم تجاه الموسيقى المختلفة من خلال تحليل المشاعر، وبالتالي تقديم تفسير متعمق لتفضيلات الموسيقى.

عند الاستماع إلى قائمة تشغيل عشوائية، إذا تم تشغيل أغنية لا تحبها فجأة، فسوف يؤثر ذلك على حالتك المزاجية.

وفيما يتعلق بجمع البيانات، قاموا ببناء مجموعة تدريب على البيانات من خلال واجهة API التي تقدمها Spotify ودعوا 61 مستخدمًا للمشاركة في اختبار فعالية النموذج.

جمعت مجموعة التدريب بأكملها 21080 تسجيلاً لتشغيل الموسيقى للمشاركين بناءً على مؤشرات مثل أسلوب الموسيقى (أي الحيوية أو النشاط)، والإيقاع، وشعبية المسارات، وشعبية منشئي الموسيقى، من أجل تحديد تفضيلاتهم لأنماط الموسيقى المختلفة.

تقوم الخوارزمية بتحليل بيانات الموسيقى التاريخية للمستخدم لتحديد الموسيقى التي يهتم بها أكثر. يتم الحكم على موهبة المستخدم في نظرية الموسيقى بناءً على مدى تعقيد وتقنية الموسيقى التي يختارها المستخدم، بالإضافة إلى ما إذا كان المستخدم لديه خبرة في إنشاء الموسيقى.

بشكل عام، الأشخاص الأكثر حساسية للموسيقى هم أكثر استعدادًا لتقدير الموسيقى المعقدة ولديهم القدرة على إنشاء الموسيقى، مثل ممارسة العزف على الآلات الموسيقية أو الاستماع إلى أنواع مختلفة من الموسيقى.

لذا فإن الاستماع إلى السيمفونيات بشكل متكرر يمكن أن يحسن حسك الموسيقي حقًا.