La IA que quiere jubilar a Bizarrap: predice qué canciones serán éxitos con un acierto casi total

Un equipo de investigadores ha registrado la actividad neuronal de 33 personas para desarrollar un sistema capaz de identificar los próximos hits.

24 junio, 2023 02:50

Ismael Marinero @ismarmed

El despegue de la inteligencia artificial (IA) está afectando a numerosos sectores a un ritmo vertiginoso. Distintos estudios señalan los trabajos con más probabilidades de desaparecer por la irrupción de la IA, mientras algunos expertos alertan sobre las consecuencias apocalípticas de dejar que estos algoritmos sigan evolucionando. Sin embargo, hay quien sigue buscando el lado positivo de las inmensas posibilidades que abren estas herramientas, por más que algunas parezcan salidas de un capítulo de Black Mirror.

Es el caso de un equipo de científicos de la Claremont Graduate University, que acaban de publicar un estudio en el que han utilizado varias pruebas neurofisiológicas, análisis estadísticos y un potente motor de aprendizaje automático con IA para identificar las canciones que serán éxitos seguros. Y lo han hecho con una precisión nunca lograda hasta la fecha: un 97% de acierto. Un acierto casi infalible que deja en fuera de juego a productores convertidos en una fábrica de hits como Bizarrap, pero también a artistas, discográficas, DJs y, de rebote, a la crítica musical.

Más allá de la asombrosa inteligencia artificial de Google que genera música a partir de texto o la sorprendente emulación con IA de una colaboración entre Drake y The Weeknd, este nuevo método predictivo puede ser todo un terremoto en la industria. Y sus responsables advierten: no sólo puede aplicarse a las canciones, sino que también tiene potencial en otros sectores del entretenimiento, como las series, los videojuegos, las películas o los programas de televisión.

La canción perfecta

Cada día se suben a Internet cerca de 100.000 nuevas canciones, una cifra mareante que hace casi imposible separar el grano de la paja. La industria musical lleva décadas intentando identificar con antelación cuál es la canción perfecta, esa que se convierte en un hit instantáneo y triunfa en todo el globo. Los artistas y productores confían en su olfato para detectarlo, mientras las discográficas utilizan software de análisis del mercado para intentar dar con la tecla correcta.

Hasta la fecha, se han utilizado diversos métodos para intentar pronosticar éxitos musicales, incluido el análisis de las letras de las canciones, críticas en Internet, menciones en redes sociales o a través del registro de la actividad cerebral, pero la precisión predictiva de la mayoría de estos estudios no es mayor que el porcentaje de acierto al elegir cara o cruz tras lanzar una moneda al aire.

Lista de reproducción de Spotify Spotify Omicrono

En los últimos años hemos entrado de lleno en el terreno del neuromarketing, que persigue la misma meta pero aplicando otros métodos. Varios estudios han analizado elementos del audio de cientos de canciones, como el tempo, el compás, la duración, el género, el contenido de la letra o los tipos de instrumentos y les han aplicado software de aprendizaje automático para intentar predecir quién compartirá titulares con Rosalía y Beyoncé. Pero los resultados tampoco han sido exitosos y se necesita un enfoque distinto.

Eso es lo que han intentado Paul Zak, profesor de la Claremont Graduate University y autor principal del estudio, y su equipo, combinando el aprendizaje automático, el análisis estadístico y los datos neurofisiológicos de más de una treintena de personas que se prestaron al experimento. "Que la actividad neuronal de 33 personas pueda predecir si millones de otras escucharon nuevas canciones es bastante asombroso. Nunca se había demostrado nada parecido a esta precisión", señala Zak en declaraciones recogidas por Eureka Alert.

[El prometedor invento español para que los sordos puedan escuchar música a través del tacto]

A los participantes, hombres y mujeres de edades comprendidas entre los 18 y los 57 años, se les colocaron sensores cardíacos y PPG (técnica óptica que se utiliza para la detección de la frecuencia cardíaca, respiración y presión sanguínea). Es algo que, en un futuro, también podrán realizar relojes inteligentes comerciales como el Apple Watch. Mientras registraban esos datos, reprodujeron 24 canciones seleccionadas por el personal de un servicio de streaming. Los científicos no han desvelado cuál es esa plataforma, pero todo apunta a Spotify, que quiere estar a la vanguardia en este tipo de avances.

El baremo para considerar una canción como un éxito estaba en las 700.000 reproducciones, una cifra algo reducida teniendo en cuenta los millones de escuchas que tienen los temas que entran en las listas de más escuchados. En cualquier caso, la selección, compuesta por 13 éxitos y otras 11 canciones que no superaron esas 700.000 escuchas, incluía canciones de diversos géneros. Entre ellas sólo se ha desvelado la inclusión de Dance Monkey, el hit de Tones and I que lleva sonando en bucle desde 2019, la canción de pop-rock Bad Idea, de la cantante noruega Girl in Red, y el tema de hip-hop The Box, del rapero Roddy Rich.

Captura del videolcip de 'Dance Monkey' Tones and I Omicrono

Una vez superada la fase de audición y registro de las señales cardíacas, los participantes completaron una exhaustiva encuesta sobre las canciones para saber, además de si cada una de ellas les había gustado o no, cuestiones como si la habían escuchado con anterioridad o si era probable que la recomendaran a sus familiares y amigos.

La neurofisiología, clave

La clave de todo estaba en los datos neurofisiológicos, relfejo de los estímulos emocionales de las canciones. Para recabarlos, los investigadores utilizaron una plataforma comercial (Immersion Neuroscience), que combina señales asociadas con la atención y la resonancia emocional recogidas a 1 Hz. "La respuesta atencional está asociada con la unión de dopamina a la corteza prefrontal, mientras que la resonancia emocional está relacionada con la liberación de oxitocina desde el tronco encefálico", indican los responsables del estudio.

[Lo próximo de Apple será música creada en tiempo real que se ajusta a tu actividad física]

Tomadas en conjunto, estas señales son capaces de identificar con precisión los comportamientos después de un estímulo, especialmente aquellos que provocan respuestas emocionales. Y esos datos se pueden obtener a partir de la frecuencia cardiaca, que permite inferir estados neuronales a partir de la actividad de los nervios craneales. "Las señales cerebrales que hemos recogido reflejan la actividad de una red cerebral asociada al estado de ánimo y los niveles de energía", sostiene Zak.

Los investigadores obtuvieron tres resultados distintos. Cuando los datos se procesaban mediante un modelo estadístico lineal, la tasa de acierto en la predicción de un hit era del 69%. Si a ese modelo se añadía el aprendizaje automático, la precisión alcanzó un insólito 97,2%. Para medir la eficacia de su método, los científicos también probaron que el modelo de IA evaluara los datos tras sólo un minuto de escucha de la canción: la precisión era de un nada desdeñable 82%.

Un productor y un ingeniero de sonido usando una mesa de mezclas iStock Omicrono

El experimento fue todo un éxito, pero abre numerosas incógnitas sobre su aplicación, algunas de ellas bastante siniestras. "Si en el futuro se generalizan las tecnologías neurocientíficas en wearables, como las que hemos utilizado en este estudio, se podría enviar al público el entretenimiento adecuado en función de su neurofisiología", afirma Zak. "En lugar de ofrecerles cientos de opciones, se les podrían dar sólo dos o tres, lo que les facilitaría y agilizaría la elección de la música que disfrutarían".

¿Dónde quedan los artistas entonces? ¿Dónde queda la libertad de elección de los oyentes? ¿Qué pasa con los growers, esas canciones que no son éxitos instantáneos pero pasado un tiempo alcanzan las listas de éxitos? Leyendo la letra pequeña del estudio, las conclusiones resultan aún más siniestras: el trabajo estaba orientado a satisfacer las necesidades de un cliente, una plataforma de streaming, que podría utilizar este método para "identificar fácilmente nuevas canciones que puedan ser éxitos [y añadirlas a] las listas de reproducción de la gente de forma más eficiente". La nueva temporada de Black Mirror viene fuerte.