مشغّل موسيقا متطابق مع مزاج المستمعين

أنشأت مايتال سار تساشانسكي (Maytal Saar-Tsechansky) أستاذة المعلومات والمخاطر وإدارة العمليات في كلية ماكومب –McCombs- للأعمال مع اثنين من الباحثين في علوم الحاسوب في الجامعة DJ شخصي يعتمد على إنشاء قوائم تشغيل للموسيقا تتغير وفقًا لمزاج كل فردٍ وتقلباته العاطفية بهدف التفوق على خدمات الموسيقا الحالية. [1]

إذ تقول مايتال سار تساشانسكي: "تتمثل الفكرة في إنشاء DJ خاص بك سواءً كنت تدخل إلى السيارة بعد يوم طويلٍ من الاجتماعات أو النهوض من الفراش في صباح أحد أيام عطل نهاية الأسبوع، فيجب أن تُصمَّمَ قائمة التشغيل الموسيقية لتمنحك بعض الاقتراحات من المقاطع حسب حالتك المزاجية المتغيرة". [1]

بدأ المشروع بفكرة من إيلاد ليبمان (Elad Liebman)، وهو طالب دكتوراه في علوم الحاسوب بجامعة UT Austin، وحاصلٌ على شهادةٍ في التأليف الموسيقي. [1]

يُدير البرنامج الذي صممته مايتال وأستاذ علوم الكمبيوتر بجامعة UT Austin  بيتر ستون (Peter Stone) سلسلةً من حلقات المراجعات؛ أي أنه يُشغل أغنيةً للمستمع ثم يقيِّمها، ويستجيب البرنامج لهذا التقييم في اختيار الأغنية التالية؛ إذ يقول إيلاد ليبمان: "وبعد عملية التقييم تلك، يمكنك تغيير الأنموذج وفقًا لذلك". [1] 

يتكيف البرنامج مع مزاج المستمع، ولا يُراعي الأغاني التي سيستمتع بها المستخدم فقط، إنما بأي ترتيبٍ سيستمع لها، إضافةً إلى ذلك؛ ينظِّم البرنامج الأغاني بذكاء ممَّا يؤدي إلى تسلسل يشبه الـ DJ بدلًا من التسلسل العشوائي للأغاني. [3]

يعمل البرنامج على التفكير إلى ما بعد الأغنية التالية؛ مثل لاعب الشطرنج فإنَّ البرنامج يخطط لـ 10 أغاني إلى الأمام، وفي أثناء تشغيل أغنيةٍ واحدة؛ فإنه يولد عشرات الآلاف من التتابعات الممكنة، ويتوقع البرنامج أيَّ أغنيةٍ سوف ترضي المستمِع أكثر من غيرها، ثم يُشغل الأغنية التالية بعدها في قائمة التشغيل وفي حين تشغيل هذه الأغنية فإنَّه يخلق اقتراحات جديدةً ويختبرها. [1]

تُعرف الآلية المستخدمةُ في البرنامج ببحث مونتي كارلو (Monte Carlo search)؛ ولذلك دُعِي البرنامج بـ [DJ-MC. [1

طريقة مونتي كارلو للتعلم الذاتي أو كما تُعرف اختصارًا بـ Self-Learning Monte Carlo (SLMC)، هي طريقة تُعلَّم فيها خوارزمية التدريب في البداية من بيانات التدريب المتولِّدة من عمليات المحاكاة التجريبية والتي تُستخدم لتسريع عملية المحاكاة الفعلية. [4] 

وقد اُختبِرَ البرنامج على 47 شخص بحيث يستمع كل شخص إلى 50 أغنية؛ إذ يطلب من المستمع تحديد الأغاني التي أعجبته، وهل أحب الانتقال من أغنية إلى أخرى أم لا. [2]

قُدِّمت أوَّل 25 أغنية عشوائيًّا للتعرف إلى أذواق الفرد، ثم استخدم البرنامج تلك النتائج لتحديد الـ 25 أغنية الباقية. [2] 

عندما صُنّفت النتائج، حققت قوائم تشغيل برنامج DJ-MC إعجابات أكثر بنسبة 19% من الأغاني التي تُشغَّل عشوائيًّا. [2]

إضافةً إلى ما سبق؛ قارنت التجربة بين استراتيجيتين مختلفتين: زيادة الإعجابات للجلسة كاملة مقابل زيادة الإعجابات للأغاني زيادةً فردية، ومن ثَمَّ تفوقت استراتيجية الجلسات الكاملة بنسبة 11%. [2]

إذ يقول إيلاد ليبمان: "يُمكن للبرنامج التكيُّف مع أنواع أخرى من الوسائط مثل الأخبار ومقاطع الفيديو"، وأضاف: "لا تتمتع خوارزميات التعلم بذوق لشيء محدد، بل تحتوي على بيانات فقط، يمكنك استبدال مجموعة البيانات بأي شيء طالما أنَّ الناس يستهلكونه بطريقة مشابهة." [3] 

شاركنا برأيك، هل تتوقع من الشركات أن تستخدمَ بعض الخوارزميات المشابهة لهذا البرنامج لاختبار متطلبات سوق الاستهلاك والتنبؤ بمتطلبات المستهلكين في كل مجالات الوسائط؟

المصادر:

1- هنا

2- هنا

3- هنا

4- هنا