El modelo basado en inteligencia artificial que predice si una canción será un éxito: tiene un 97% de precisión

Predecir el éxito que podría llegar a tener una canción se ha convertido en uno de los principales problemas del mundo musical. Sin embargo, los resultados de un estudio que involucró la inteligencia artificial (IA) para este propósito podría llegar a revolucionar la industria.

El descubrimiento no solo permitiría medir con mayor precisión la popularidad de un tema, sino que además abriría la posibilidad de crear listas de reproducción más precisas con mejores recomendaciones para cada usuario.

Para esto, en el estudio publicado en la revista Frontiers explicaron que tomaron un enfoque diferente para analizar este escenario mediante las respuestas neurofisiológicas que las personas presentan ante un conjunto de canciones según su éxito o fracaso.

Los resultados fueron sorprendentes, ya que en primera instancia el modelo estadístico lineal logró identificar estos aciertos con un 69% de precisión. Sin embargo, cuando se incluyó el “aprendizaje automático de conjunto para capturar las no linealidades inherentes en los datos neuronales”, esta cifra llegó a un 97% de precisión.

El sistema significaría en esta línea un gran avance en medio de una industria que, según cito el estudio, cada día lanza cerca de 24.000 canciones nuevas en todo el mundo. Esto, explicaron, provoca que con frecuencia los artistas estén mal pagados y que los usuarios “se muevan entre plataformas en busca de la música que disfrutan”. Pese a esto, recalcan que “menos del 4% de las nuevas canciones se convertirán en éxitos”.

Inteligencia artificial para medir el éxito de una canción

En el documento los investigadores detallan que el estudio se aplicó a 33 personas que tenían entre 18 y 57 años. En esta línea, precisaron que en grupos de cinco a ocho participantes se les reprodujo un total de 24 canciones recientes. Tras esto, se le consultó a cada uno sobre sus preferencia en cada caso.

Respecto a los temas elegidos, señalaron que “13 canciones se consideraron ‘éxitos’ con más de 700.000 escuchas en streaming, mientras que las otras 11 fueron fracasos. Las canciones habían sido lanzadas por no más de seis meses y abarcaban géneros que incluían rock, hip-hop y electrónica”.

Una vez realizado el experimento en el estudio se le pidió a cada una de las personas que clasificarán cuánto le había gustado cada canción, si la reproducirían de nuevo, la recomendarían a un amigo, si ya la habían escuchado o si la encontraban ofensiva, entre otros aspectos.

Paul Zak, profesor de la Universidad de Graduados de Claremont y autor principal del estudio, explicó que “al aplicar el aprendizaje automático a los datos neurofisiológicos, pudimos identificar casi perfectamente las canciones exitosas”.

En esta línea, recalcó que “la actividad neuronal de 33 personas pueda predecir si millones de personas escucharon nuevas canciones es bastante sorprendente. Nunca antes se había demostrado nada parecido a esta precisión”.

Gracias a esto es que se alcanzó el 97% de precisión al momento de medir el éxito de una canción. “En lugar de preguntar a los usuarios si les gusta una nueva canción, las tecnologías neuronales portátiles, como las de este estudio, podrían evaluar el valor neuronal del contenido automáticamente”, destacaron en el estudio.

Asimismo, apuntan que con esto algunos servicios de steaming “podrían crear de manera más efectiva listas de reproducción de música nueva deseada al medir la inmersión neurológica cuando los usuarios escuchan solo el primer minuto de una nueva canción”.

“La música de las listas de reproducción existentes de los usuarios también podría elegirse mediante la inmersión neurológica para identificar estados de ánimo”, añaden. Finalmente, precisan que si bien se necesitan más estudios al respecto, esta tecnología puede “brindar a las personas exactamente lo que desean” y “mejorará los motores de recomendación existentes”.