Amerika Birleşik Devletleri’nde bir araştırma ekibi, potansiyel hit şarkıları yüzde 97 gibi olağanüstü bir doğruluk oranıyla tahmin etmek için yapay zekâ kullandı.

Araştırmacılar, katılımcıların nöral aktivitelerini kaydettiler ve bunu şarkıların öznel derecelendirmeleriyle ilişkilendirdiler. Bunun için de kalıpları belirlemek ve tahminler yapmak için makine öğrenimi algoritmalarından yararlandılar. Şaşırtıcı bir şekilde sadece 33 kişinin nöral sinyalleri, milyonlarca kişinin yeni şarkıları dinleyip dinlemeyeceğini ortaya çıkardı. Araştırmacılar, toplanan beyin sinyallerinin ruh hâli ve enerji seviyeleri ile ilişkili bir beyin ağının aktivitesini yansıttığını belirttiler.

Ayrıca model, bir şarkının başarısını yüzde 82’lik bir doğruluk oranıyla önceden söyleyerek etkileyici tahmin yeteneklerini sergiledi. Bu nöro tahmin metodolojisi, dinleyicilerin tercihlerini ve eğilimlerini tahmin etmede değerli bir araç olarak hizmet edebilir. Bu da kişiselleştirilmiş oynatma listelerinin oluşturulmasını kolaylaştıracağından akış hizmetleri için önemli bir potansiyel taşıyor. Akış hizmetleri, potansiyel hit şarkıları verimli bir şekilde tanımlayarak kullanıcı deneyimini geliştirebilir ve operasyonlarını kolaylaştırabilir.

Araştırmacılar ayrıca çalışmada kullanılanlara benzer giyilebilir nörobilim teknolojilerinin yaygınlaştığı bir gelecek tasavvur ediyor. Bu, bir bireyin nörofizyolojisine dayalı kişiselleştirilmiş eğlence önerilerini mümkün kılacak ve onlara tercihleriyle uyumlu daha küçük, derlenmiş seçenekler sunacak.

Çalışma, incelenen nispeten az sayıda şarkı ve tarzın yanı sıra sınırlı örneklem büyüklüğü, etnik çeşitlilik ve katılımcıların yaş aralığını içeriyordu. Ancak araştırmacılar, bu metodolojinin filmler ve TV şovları gibi diğer sanat biçimlerine uygulanabileceğine, izleyici tercihlerini tahmin etmek ve eğlence deneyimlerini optimize etmek için yeni yollar açabileceğine inanıyor.

Derleyen: Merve Nur Sözen