Strojno učenje gotovo bez greške prepoznaje naš glazbeni ukus

PRO Oglas

Američki su stručnjaci za najnovije otkriće koristili složenu tehniku strojnog učenja kao podlogu pri analizi moždanih reakcija te uspjeli predvidjeti glazbene hitove s nevjerojatnih 97 posto točnosti.

Naime, kroz istraživanje se sudionike opremili posebnim senzorima i pustili ih da slušaju set od 24 pjesme. Također su ih pitali o njihovim glazbenim preferencijama i prikupili neke demografske podatke.

Tijekom eksperimenta znanstvenici su mjerili neurofiziološke reakcije sudionika. Prema njihovim riječima, uspjeli su zabilježiti moždanu aktivnost povezanu s raspoloženjem i razinom energije.

Nakon prikupljanja tih podataka, stručnjaci su koristili različite statističke pristupe za procjenu učinkovitosti predviđanja neurofizioloških varijabli. U te su svrhe koristili model strojnog učenja, sve s ciljem kako bi poboljšali točnost.

Kao rezultat toga, linearni statistički model identificirao je hit pjesme u 69 posto slučajeva. Kada su primijenili model strojnog učenja, točnost je porasla na spomenutih 97 posto.

Prema riječima stručnjaka iza ovog istraživanja, ono bi moglo pomoći platformama za streaming da učinkovitije identificiraju hit pjesme i izgrade svakom korisniku personalizirane playliste na precizniji način. Na taj način bi im se povećao i broj pretplatnika.

Također, vjeruju da bi se pristup mogao koristiti i za predviđanje uspjeha drugih zabavnih proizvoda, poput filmova i TV emisija.

Dakle, jedno ovakvo istraživanje moglo bi se itekako isplatiti u financijskom smislu, a usput potvrditi koliko mnogo se može postići uz strojno učenje i umjetnu inteligenciju. Odnosno, koliki je još potencijal na tom području.

Primjerice, ChatGPT je dostupan od studenoga prošle godine i u manje od godinu dana počeo raditi stvari kakve lani u ovo vrijeme nismo mogli ni zamisliti. Tko zna što nas sve čeka u idućih godinu dana.

ICTBusiness.info

Komentiraj

Unesite svoj komentar!
Ovdje unesite svoje ime

SLUČAJ "AMIR GROSS KABIRI"

POSLJEDNJE OBJAVLJENO