AIが登場すると、王峰は音楽講師という肩書きさえ保てなくなる。

超神経質で

最近、スウェーデンとオランダの 2 人のエンジニアが論文の中で、音楽の才能をテストし、データを使用して音楽の好みを数値化することもできる AI モデルを開発したと述べました。

待てよ、音楽講師の仕事を盗もうとしているのか？

「あなたの音楽の夢を教えてください。」 ステージに上がり、歌を通じて理想を実現したいと願う若者たちに、ワン・フェンは何度もこの質問をしました。その目的は、音楽に対する情熱とその背後にあるアイデアを探ることでした。

一般の人にとって、「あなたには音楽の才能はありますか？どんな種類の音楽が好きですか？」という質問を探求する機会がほとんどないと推定されます。音楽が好きでも漠然とした範囲しか教えられなかったり、プレイヤーの「あなたへのおすすめ」からある程度のルールを見つけたりすることができましたが、今ではAIが明確な答えをくれるようになりました。

Gold-MSI を使用した音楽的才能の評価

スウェーデンのヨンショーピング大学 (JU) のコンピューター サイエンス助教授である Bruce Ferwerda と、オランダのマーストリヒト大学のデータ サイエンティストである Mark Graus は、ゴールド プログラムを通じて非プロの音楽的才能を理論的に評価できる AI モデルを共同開発しました。 MSIインデックス。

Gold-MSI インデックスは、一般の人々の潜在的な音楽的到達度を評価するために特別に使用されます。正式名は Goldmiths Musical Sophistication Index で、ユーザーの音楽の好み (クラシック音楽が好きかポップ ミュージックが好きかなど) に基づいて分析できます。 - イスラム教徒を心理と行動の観点から専門家の音楽的才能を評価します。

具体的な評価基準は主に以下の5つの観点からなります。

• 音楽へのコミットメントのレベル（音楽に費やしたお金や時間など）。

• 音楽を知覚する能力（音楽のリスニングの正確さなど）。

• 音楽トレーニング（発声練習など、プロ・非プロを含む）を受けているかどうか。

• ピッチ状況。

• 音楽の感情的な認識 (つまり、参加者は音楽に関する感情的な経験を説明します)。

この指標では、上記の5つの側面に加えて、ユーザーの音楽の好みを正確に判断できるかが正確な評価の鍵となります。ユーザーの音楽の好みを正確に数値化できるシステムはこれまで存在しなかったため、実際のテスト中にこの指標は誤った結論に達することがよくありました。

このAI評価モデルにより、ユーザーの音楽の好みを正確に数値化できるようになり、その精度は90%以上に達するといわれています。これは、Gold-MSI インデックスの評価精度を向上させるのに非常に役立ちます。

機会があれば、試してみて、結果を Wang Feng に送ってください。オーディションを受ける必要がなくなるかもしれません。

アルゴリズムとメンタルモデルで音楽の好みを理解する

人の音楽の好みや音楽の能力は推測して数値化することができますが、専門家ではない人の多くは、自分の音楽の好みを正確に述べることができない場合があります。

その主な理由は、彼らが同時に多くの異なる種類の音楽に興味を持ち、選択する際に、これらの異なる種類の音楽が自分の音楽の好みの判断を妨げる可能性があるためです。特に現代の音楽では、多くの曲がいくつかの音楽を組み込んでいます。ジャンル。

ブルースとマークは、このモデルはあなたの好きな音楽やアーティストの種類を推測し、音楽の好みを判断できると述べています。

8月22日、彼らはArxiv.orで「Predicting Musical Sophistication from Music Listening Behaviors A Preliminary Study」と題した論文を公開し、モデルを詳細に説明した。

興味のある方は、次の URL でご覧ください: https://arxiv.org/pdf/1808.07314.pdf

論文によると、このモデルは、音楽再生記録に基づいた機械学習アルゴリズムと心理モデルを通じてユーザーの音楽の好みを推測し、音楽再生シーケンスを通じて音楽体験を向上させることができます。

その中で、心理モデルを使用してユーザーの行動と感情の変化を説明することができ、これに基づいて、AIは感情分析を使用して、さまざまな音楽に対するユーザーの心理的変化を感じることができ、それによって音楽の好みを詳細に説明できます。

ランダムなプレイリストを聞いているときに、突然嫌いなジャンルの音楽を再生すると、気分に影響を与える可能性があります。

データ収集に関しては、Spotify が提供する API インターフェイスを使用してデータ トレーニング セットを構築し、61 人のユーザーをモデルの有効性テストに参加するよう招待しました。

トレーニング セット全体では、音楽スタイル (鮮やかさや活気)、リズム、トラックの人気、音楽クリエイターの人気などの指標に基づいて参加者から 21,080 件の音楽再生記録を収集し、さまざまなスタイルの音楽に対する好みを定量化します。

このアルゴリズムはユーザーの過去の音楽データを分析して、ユーザーがどの音楽に興味があるかを判断します。そして、ユーザーが選択した音楽の複雑さやスキル、音楽制作の経験の有無などに基づいて、ユーザーの音楽理論の才能が判断されます。

一般的に、音楽に対する感受性が高い人は、複雑な音楽をより喜んで鑑賞し、楽器を練習したり、さまざまな種類の音楽を聴いたりするなど、潜在的な音楽創作行動をとります。

したがって、交響曲を定期的に聴くと、音楽のセンスが本当に向上します。