Welchen Nutzen haben KI-Empfehlungen für Musikliebhaber?


Obwohl Vinyl-Schallplatten und Magnetbänder ein großes Comeback erleben, konsumiert die überwältigende Mehrheit der Musikhörer ihre tägliche Dosis an Lieblingsgeräuschen über Streaming-Dienste wie Spotify, Deezer oder YTMusic. Das Erstellen eines virtuellen Mixtapes oder einer Wiedergabeliste war nie einfacher, aber die Fülle an Auswahlmöglichkeiten machte die Benutzer faul. Im Kampf um jeden Hörer verbessern die Streaming-Dienste ihre Anwendungen mithilfe künstlicher Intelligenz.

performance-3202707_1920

Photo: SocialButterflyMMG / 35 images

Wie kann KI bei der Musikauswahl helfen?

Täglich werden über 20.000 neue Titel auf Spotify hochgeladen. Der Zustrom von Originalmusik ist unerbittlich und kommen zu älteren Liedern dazu. Da fällt es dem Durchschnittsnutzer schwer, das nächste ideale Lied zu finden. Ohne künstliche Intelligenz und das Empfehlungssystem wäre es extrem schwierig, neue Musik zu finden. Aber wie funktioniert KI in diesem Zusammenhang? Jede Plattform hat ihr eigenes System.

So geht es bei Spotify

Spotify hat drei Schichten, in denen sie maschinelles Lernen und Big Data nutzen, um die besten Empfehlungen zu erkennen und zu finden. Software für künstliche Intelligenz verwendet enorme Mengen an benutzergenerierten Daten, verarbeitet sie über neuronale Netze und erstellt Empfehlungen wie Discover Weekly, Daily Mix, Time Capsule und die Homepage-Playlist.

Die erste Ebene sind Benutzerdaten wie Geschlecht, Alter, Lieblingskünstler und Wiedergabelisten. Die nächste Ebene versucht zu entschlüsseln, wie vielen Benutzern ein bestimmtes Lied gefällt. Die letzte Ebene für KI-Modul-Features versucht zu bestimmen, wie sehr der Benutzer einzigartige Features mag. Einige der Techniken, die Spotify verwendet, sind Einbettungen, ein überlappender Trainingsprozess, um die fehlenden Tracks in Milliarden von Wiedergabelisten zu finden. Das Finden von Ähnlichkeiten hilft Spotify bei der Blockierung unerwünschter Inhalte, aber auch bei der Suche nach neuen ähnlichen Künstlern.

Das Hauptziel der Streaming Service App ist es, die Zufriedenheit der Benutzer zu verstehen, sodass diese nahtlos streamen können, ohne durch unerwünschte Titel belästigt zu werden. So können diese ihre gewohnte Routine erledigen, Strategiespiele auf einem Mobiltelefon spielen, ein Schweizer Online Casino besuchen oder eine Runde laufen gehen, ohne ständig neue Songs zu suchen.

Deezer ermittelt Stimmungen

Mit mehr als 14 Millionen aktiven Nutzern entwickelte die französische Firma Deezer ein KI-Modul, das die Stimmung des Songs erfasst. Deezer füttert seitdem die Algorithmen zum maschinellen Lernen mit Metadaten aus Millionen von Liedern, wobei Audio und Lyrics zur Bewertung der Einstellungen verwendet werden. Herauszufinden, wie ein bestimmtes Lied auf die Zuhörer wirkt, könnte ein weiterer Schlüssel für ein Empfehlungssystem sein. Dieses Produkt entwickelt sich ständig weiter und ist eine Option, die verschiedenen Emotionen, die der Song bei den Benutzern hervorruft, zu ermitteln.

Was ist mit den Künstlern?

CD ersetzten Kassetten, MP3 machte dasselbe mit den CDs. Das Streaming mit Apps erschütterte die Musikindustrie bis ins Mark und gab Künstlern, die Schwierigkeiten hatten, ein Plattenlabel zu finden, eine neue Chance. Künstliche Intelligenz kann die Brücke von der Anonymität zum Herzen der Zuhörer sein. Wenn die Werkzeuge des maschinellen Lernens unvoreingenommen sind, gibt es keine Barrieren, die Indie-Künstler davon abhalten, ins Rampenlicht zu treten und Playlists zu erstellen.

Die KI leistet ausgezeichnete Arbeit, aber die Nutzer sollten wissen, dass die Daten das Rückgrat des Empfehlungssystems bilden. Jedes Engagement eines Künstlers wird auch die angebotenen Streaming-Dienste und Wiedergabelisten verbessern.

Fazit

Für Musikliebhaber ist das Empfehlungssystem entscheidend, um in überfüllten Bibliotheken mit unbegrenzter Musik neue und ähnliche Musik zu finden, die sie mögen. Die Reaktionen der Benutzer auf The Flow und andere Arten von empfohlenen Wiedergabelisten sind überwiegend positiv.