.webp)
Musik telah menjadi bagian yang tak bisa lepas dari kehidupan manusia. Hal ini menyebabkan setiap minggunya, terdapat hampir 170.000 lagu baru yang dirilis di seluruh dunia.
Namun, sulit untuk memprediksi lagu mana yang nantinya akan menjadi sukses dan terkenal. Ternyata, jawaban atas masalah yang disebut hit song science, mungkin bisa dipecahkan oleh otak manusia.
Penelitian baru yang diterbitkan dalam jurnal Frontiers in Artificial Intelligence mengungkap algoritma pembelajaran mesin dapat menganalisis respons neural terhadap lagu untuk secara akurat meramalkan lagu mana yang akan tenar.
SCROLL TO CONTINUE WITH CONTENT
Diramal Menggunakan Detak Jantung
Studi yang dilakukan oleh Sean Merrit dari Claremont Graduate University dan rekan-rekannya melibatkan 33 partisipan. Mereka akan merekam detak jantung saat partisipan mendengarkan 24 lagu yang dipilih secara independen oleh staf di layanan streaming.
Data dalam penelitian kemudian akan dimasukkan ke dalam model yang dapat meramalkan aktivitas otak dari perubahan dalam detak jantung. Para partisipan mendengarkan lagu yang dirilis dalam enam bulan terakhir dalam berbagai genre, seperti yang dikutip dari laman Big Think.
Setelah mendengarkan setiap lagu, para partisipan akan menyelesaikan survei sederhana untuk menilai seberapa suka mereka dengan lagu itu, dalam skala satu hingga sepuluh, dan apakah mereka akan merekomendasikannya kepada teman-teman mereka.
Para peneliti juga menggunakan metrik dari layanan streaming untuk mengkategorikan lagu-lagu sebagai "hits" atau "flops".
Tiga belas di antaranya telah diputar lebih dari 700.000 kali dan dianggap sebagai hits, sementara sisanya telah diputar jauh lebih sedikit kali dan dianggap sebagai flops.
Apakah Prediksinya Akurat?
Studi ini menemukan untuk lagu-lagu yang dikenal oleh partisipan, laporan mereka tentang seberapa suka mereka dengan lagu tersebut berkaitan erat dengan jumlah lagu itu diputar. Namun, saat mereka menganalisis lagu-lagu yang tidak dikenal, hubungan ini hilang.
Hal ini menyebabkan laporan diri peserta tidak secara akurat meramalkan lagu mana yang akan menjadi hits. Selanjutnya, para peneliti menggunakan respons neural peserta yang disimpulkan dari detak jantung untuk mencari tanda-tanda perhatian dan emosi.
Kedua ukuran tersebut kemudian digunakan untuk menghitung nilai "immerse" untuk setiap lagu, yang secara longgar dapat didefinisikan sebagai ukuran seberapa menariknya lagu tersebut bagi partisipan.
Respon peserta diteliti dengan menggunakan metode statistik untuk menemukan ramalan akan lagu yang menjadi hits. Lagu hits ditandai dengan nilai immerse tertinggi dengan akurasi 69%.
Ketika peneliti melatih algoritma pembelajaran mesin menggunakan set data sintetis yang lebih besar, akurasi prediksi meningkat menjadi 97%.
Menggunakan Neuroforecasting
Studi ini adalah yang pertama dalam bidang "neuroforecasting". Tujuan penelitian ini adalah untuk mengeksplorasi apakah aktivitas otak yang dikumpulkan dari kelompok kecil orang dapat digunakan untuk meramalkan perilaku atau pilihan dalam populasi lebih luas.
Beberapa tahun yang lalu, para peneliti di Universitas Stanford menunjukkan bahwa aktivitas otak dapat mengungkapkan informasi tersembunyi yang dapat meramalkan video YouTube mana yang akan menjadi viral.
Lebih baru-baru ini, sebuah studi yang dilakukan di Rotterdam School of Management menunjukkan bahwa respons neural dari investor profesional tampaknya meramalkan kinerja pasar saham di masa depan.
Sudah ada upaya sebelumnya untuk meramalkan popularitas musik baru dari aktivitas otak, tetapi belum ada yang mencapai tingkat akurasi yang dicapai dalam studi ini.
Namun, para peneliti menekankan bahwa ukuran sampel mereka kecil. Hal ini menyebabkan tidak jelas apakah temuan tersebut dapat diaplikasikan ke dalam katalog lagu yang lebih besar.
Kendati demikian, jika temuan tersebut direplikasi, kecerdasan buatan berbasis neuroteknologi dapat segera digunakan untuk mengkurasi daftar putar dan kemungkinan akan menggantikan dan meningkatkan algoritma rekomendasi yang sudah ada.
(faz/faz)
