Если вы слушаете музыку прямо сейчас, скорее всего, вы не выбрали, что надеть, — вы передали на аутсорсинг это алгоритму. Такова популярность рекомендательных систем, что мы привыкли полагаться на них, чтобы они служили нам то, что мы хотим, даже не спрашивая, с такими сервисами потоковой передачи музыки, как Spotify, Pandora и Deezer, все они используют персонализированные системы для предложения плейлистов или треков. адаптированы под пользователя.
В целом эти системы очень хороши. Проблема для некоторых в том, что они, возможно, действительно слишком хороши. Они выяснили ваш вкус, точно знают, что вы слушаете, и рекомендуют еще то же самое, пока вы не застрянете в бесконечной яме записей ABBA (только я?). Но что, если вы хотите вырваться из привычной рутины и попробовать что-то новое? Сможете ли вы обучить или обмануть алгоритм, чтобы он предлагал более широкий диапазон?
«Это сложно, — говорит Питер Книс, доцент Венского технического университета. «Вероятно, вам нужно направить его прямо в том направлении, которое, как вы уже знаете, может вас заинтересовать».
Проблема только усугубляется, чем больше вы полагаетесь на автоматизированные рекомендации. «Когда вы продолжаете прислушиваться к рекомендациям, которые даются, вы попадаете в петлю обратной связи, потому что вы предоставляете дополнительные доказательства того, что именно эту музыку вы хотите слушать, потому что вы ее слушаете», — говорит Книс. Это дает положительное подкрепление системе, побуждая ее продолжать делать аналогичные предложения. Чтобы вырваться из этого пузыря, вам нужно будет совершенно открыто слушать что-то другое.
Такие компании, как Spotify, скрывают, как работают их системы рекомендаций (а Spotify отказался комментировать особенности своей алгоритм для этой статьи), но Колен говорит, что мы можем предположить, что большинство из них в значительной степени основано на совместной фильтрации, которая делает прогнозы того, что вам может понравиться, на основе того, что нравится другим людям, которые имеют схожие с вами привычки слушать. Вы можете подумать, что ваш музыкальный вкус очень личный, но, скорее всего, он не уникален. Система совместной фильтрации может создать картину вкусовых кластеров — исполнителей или треков, которые нравятся одной и той же группе людей. На самом деле, говорит Книс, это не сильно отличается от того, что мы делали до стриминговых сервисов, когда вы можете попросить кого-нибудь, кому нравятся те же группы, что и вы, дать дополнительные рекомендации. «Это просто алгоритмическое продолжение этой идеи», — говорит он.
Проблема возникает, когда вы хотите уйти от своего обычного жанра, эпохи или общего вкуса и найти что-то новое. Система не предназначена для этого, поэтому вам придется приложить некоторые усилия. «Откровенно говоря, лучшим решением было бы создать новую учетную запись и по-настоящему обучить ее чему-то совершенно непохожему», — говорит Маркус Шедл, профессор Линцского университета Иоганна Кеплера.
В противном случае вам нужно будет активно искать что-то новое. Вы можете искать новый жанр или использовать инструмент, не относящийся к вашей основной потоковой службе, чтобы найти предложения исполнителей или треки, а затем выполнить их поиск. Шедл предлагает найти то, что вы не так часто слушаете, и запустить «радио» плейлист — функцию Spotify, которая создает плейлист на основе выбранной песни. (Однако на это может повлиять и ваши более широкие привычки к слушанию.)
Knees предлагает дождаться новых релизов или регулярно слушать самые популярные треки. «Есть шанс, что следующая вещь, которая возникнет, будет твоей», — говорит он. Но уйти от мейнстрима труднее. Вы обнаружите, что даже если вы будете активно искать новый жанр, вас, скорее всего, подтолкнет к более популярным исполнителям и трекам. В этом есть смысл — если многим людям что-то нравится, более вероятно, что вы тоже, — но может затруднить поиск скрытых драгоценных камней.
Загрузка...
