AI 一出，汪峰连音乐导师的名号都要保不住了

By 超神经

最近，两位来自瑞典和荷兰的工程师在一篇论文中，称他们开发出一款 AI 模型，还能测一测你的音乐天赋，可以用数据量化你的音乐偏好。

等等，莫非是要抢音乐导师们的生意了？

「请说出你的音乐梦想。」汪峰的这句话，面对着那些走上舞台，想要通过歌唱实现理想的年轻人问了很多次，目的是去探索他们对音乐的热诚和背后的故事。

对普通人来说，「你有音乐天赋么？你喜欢哪种类型的音乐？」这个问题，估计大部分可能都还没机会探索。即使喜欢的音乐，也只能给出一个模糊的范围，又或者从播放器的「为你推荐」里找到些规律，但现在 AI 可以给你一个明确的答案。

用 Gold-MSI 评估音乐天赋

瑞典延雪平大学（Jönköping University，简称 JU）计算机系助理教授布 Bruce Ferwerda（布鲁斯·费瑟达）和荷兰马斯特里赫特大学（Maastricht University）的数据科学家 Mark Graus（马克·格劳斯）联合开发了一款 AI 模型，理论上，该模型可以通过 Gold-MSI 指数来评估非专业人士在音乐方面的天赋。

Gold-MSI 指数是专门用来评测普通人在音乐方面的潜在造诣，全称为 Goldmiths Musical Sophistication Index，可以基于用户的音乐偏好（比如喜爱古典或流行音乐），从心理学和行为学等角度对非专业人员的音乐天赋进行评估。

具体评估标准主要涉及以下 5 个方面：

• 对音乐的投入程度（如花在音乐上的金钱和时间）；

• 对音乐的感知能力（如音乐听力的准确性）；

• 是否接受过音乐训练（如声乐练习等，包括专业和非专业）；

• 音准情况；

• 对音乐的情感认知（即参与者描述对音乐的情感体验）。

对于该指数，评估准确与否的关键除了以上 5 个方面，更重的一点在于能否准确判断用户的音乐偏好。由于此前没有一套系统能准确量化用户的音乐偏好，因此该指数在实际测试过程中时常得出错误的结论。

现在，通过这款 AI 评估模型，可以准确量化用户的音乐偏好，据说该模型的准确率能达到 90% 以上。这对提高 Gold-MSI 指数的评估精度，是很有帮助的。

有机会去试试吧，然后把结果发给汪峰，说不定不用海选了。

 

用算法和心理模型了解你的音乐偏好

一个人的音乐品味和音乐能力是可以推测和量化的，但对于很多非专业人员来讲，他们不见得能十分准确的说出自己的音乐偏好。

主要原因在于他们可能同时对多种不同类型的音乐感兴趣，在进行选择时，这些不同类型的音乐会干扰他们对自己音乐偏好的判断，尤其现代音乐中，很多歌曲会进行一些曲风的融合。

布鲁斯和马克表示，该模型可以推断出你喜欢的音乐类型和歌手，并判断你的音乐偏好。

8 月 22 日，他们在 Arxiv.or 上发表了一篇名为《Predicting Musical Sophistication from Music Listening Behaviors A Preliminary Study》的论文，详细描述了该模型。

感兴趣的朋友可以通过该网址查看：https://arxiv.org/pdf/1808.07314.pdf

论文中称，该模型可以根据用户的音乐播放记录，通过机器学习算法和心理模型推断其音乐偏好，并通过音乐播放顺序改善音乐体验。

其中，心理模型可以用来解释用户行为和情感变化，AI 据此通过情感分析，感受用户对不同音乐的心理变化，从而跟对音乐偏好进行深度解释。

收听随机歌单时，突然播放了自己不喜欢的曲风也挺影响心情的

在数据搜集上，他们通过 Spotify提供的 API 接口来构建数据训练集，并邀请 61 名用户参与模型有效性测试。

整个训练集按音乐风格（即生动性或活泼程度）、节奏、曲目流行度、音乐创作者人气等指标，采集了参与人员 21080 条音乐播放记录，以此来量化他们对不同风格音乐的偏好程度。

算法则通过对用户的历史音乐数据进行分析，判断用户对哪些音乐更感兴趣。并根据用户所选音乐的复杂程度和技巧性，以及本人是否有音乐创作经历等，判断该用户在乐理方面的天赋。

一般来讲，对音乐敏感度较高的人，更愿意欣赏复杂音乐，而且会有潜在的音乐创造行为，比如练习乐器或听各种类型的音乐。

所以经常听听交响乐，真的可以提升乐感哦。

历史文章（点击图片阅读）

一文看尽摩尔定律の前世今生

神经网络基础：反向传播算法

人类玩 Dota2 能赢，那是因为 AI 是暴雪爸爸教的

超神经HyperAI

换个姿势了解技术

关注