El aprendizaje automático puede funcionar como un «DJ personalizado», creando listas de reproducción musicales ultrapersonalizadas que se adaptan a los cambios de humor de cada usuario, según informan los investigadores.
El objetivo es superar a los servicios de música en streaming creando listas de reproducción que cambian según la evolución emocional de cada persona.
«Tanto si llegas al coche tras un largo día de reuniones como si sales de la cama una mañana de fin de semana, debería adaptar sus recomendaciones a tus cambiantes estados de ánimo», afirma Maytal Saar-Tsechansky, profesora de gestión de la información, los riesgos y las operaciones en la Escuela de Negocios McCombs de la Universidad de Texas en Austin.
El proyecto surgió por iniciativa de Elad Liebman, estudiante de doctorado en informática que también tiene una titulación en composición musical. El programa que diseñaron él, Saar-Tsechansky y Peter Stone, catedrático de informática, funciona mediante una serie de bucles de retroalimentación. Prueba una canción, el oyente la valora y el programa tiene en cuenta esa valoración para elegir la siguiente. «Entonces modificas el modelo en consecuencia», explica Liebman.
El programa se adapta al estado de ánimo del oyente, teniendo en cuenta no solo qué canciones le gustarán, sino también en qué orden. Las canciones se organizan de forma inteligente, dando lugar a una secuencia expresiva, «al estilo de un DJ», en lugar de una sucesión aleatoria y de sonido arbitrario.
Como un jugador de ajedrez, planifica sus movimientos con 10 canciones de antelación. Mientras suena una canción, genera decenas de miles de secuencias posibles y predice cuál complacerá más al oyente. Propone la siguiente canción de esa lista de reproducción y, mientras esta suena, crea y prueba nuevas secuencias.
En el aprendizaje automático, el mecanismo se conoce como búsqueda Monte Carlo, que dio nombre al programa: DJ-MC.
Los investigadores podrían adaptar el programa de DJ personalizado a otros tipos de medios, desde noticias hasta vídeos.
«Los algoritmos de aprendizaje no tienen gusto, solo tienen datos», afirma Liebman. «Puedes sustituir el conjunto de datos por cualquier otro, siempre que las personas lo consuman de una manera similar».
Saar-Tsechansky va más allá. «Puede funcionar en cualquier caso en el que recomiendes cosas a personas que las experimentan en secuencia», afirma. «Incluso podría ser comida».
El artículo se publica en la MIS Quarterly.
