你喜歡什么歌？算法或許能預(yù)測_數(shù)據(jù)分析師

披頭士樂隊（Beatles）的骨灰級粉絲當(dāng)然能夠詳細(xì)說出披頭士在八年間音樂風(fēng)格的變化。而現(xiàn)在，科學(xué)家開發(fā)了新的算法，借助數(shù)學(xué)方法和計算機技術(shù)來分析歌曲或者專輯之間的相似度，并且成功地對披頭士和其他知名樂隊的歌曲按照專輯的發(fā)行時間進(jìn)行了排序。論文的作者里奧爾·沙米爾（Lior Shamir）接受采訪時這么說道：“我相信，當(dāng)計算機的計算能力越來越強大的時候，一些現(xiàn)在只能由人類完成的音樂或者藝術(shù)作品，在將來會更多地借助計算機的幫助?！?/span>

“With the Beatles”

“如果你不是披頭士的粉絲，估計說不上來《Help!》其實比《Rubber Soul》錄制的更早，但是我們的算法可以?！鄙趁谞栐诼暶髦姓f道，“我們的實驗表明，人工智能能夠分辨流行音樂風(fēng)格的變化與進(jìn)步。這是一種全新的方法，而它只用‘聽’就可以了。”

米沙爾是一位計算機科學(xué)家，但他同時對計算機和人文學(xué)科的交叉研究而著迷?！拔液芟矚g將計算模型運用在人類的藝術(shù)創(chuàng)作里，比如視覺藝術(shù)方面。”他這么說道。米沙爾的算法能夠讓計算機將每首歌轉(zhuǎn)換為類似二維頻譜的視覺圖片。這張圖能夠顯示歌曲聲波變化的頻率、形狀以及紋理。接著，該算法通過比較聲音的“頻譜”來對不同的歌曲進(jìn)行分析與排序，最后利用統(tǒng)計學(xué)方法對兩首歌曲進(jìn)行相關(guān)性分析。

米沙爾向人們解釋了他們是如何將音樂轉(zhuǎn)換為二維圖像的：“頻譜僅僅是用來展示數(shù)據(jù)的一個方法。比如，橫軸可以是一首歌曲的時間線，縱軸則是每一個音節(jié)的頻率等等。所以我們可以用二維圖像的方法來表示一首原始歌曲。對于專輯，我們則會綜合專輯所有歌曲的特征?！比缓?，米沙爾向果殼網(wǎng)展示了算法最后生成的披頭士歌曲和專輯的相關(guān)性樹狀圖。圖上歌曲以及之間的連線長短表示它們的相似度，距離越長，相似度越低，反之亦然。“如果是專輯的話，那么簡單來講我們會取所有歌曲的平均值?！彼f道。接著，計算機會根據(jù)歌曲以及專輯之間的相關(guān)性，分析計算出它們在圖片上的位置、距離樹狀圖主干的距離以及節(jié)點的位置，最終輸出出它們的排序圖。

披頭士歌曲與專輯的樹狀排序圖。圖片來源：研究論文

該算法分析出了《Please Please Me》出自披頭士的第一張專輯《With the Beatles》，它也正確地指出了披頭士不同時期的專輯順序。它同時顯示，披頭士的這些早期的歌曲和晚期的歌曲，比如“Abbey Road”是截然不同的。雖然《Let it Be》是披頭士發(fā)行的最后一首歌曲，但實際上這首歌比《Abbey Road》錄制的更早。也就是說，盡管打亂了發(fā)行日期，米沙爾的算法可以根據(jù)歌曲的特征，從而正確地識別出歌曲創(chuàng)作的順序。

“Let it be”

米沙爾的研究并未止步于披頭士。他在分析了披頭士的歌曲后，自然而然地將目光轉(zhuǎn)向了其他知名樂隊：“除了披頭士，我們還分析了很多樂隊，比如U2或者ABBA。對于這些樂隊，我們的算法都成功地根據(jù)歌曲特征進(jìn)行了正確的時間順序排序?！逼渌环治龅臉逢犨€包括驚懼之淚（Tears for Fears）、比吉斯（Bee Gees）和皇后樂隊（Queen）。

U2樂隊（左）以及ABBA樂隊（右）歌曲與專輯的樹狀圖。圖片來源：研究論文

熟悉U2樂隊的粉絲能注意到，算法也會認(rèn)為U2在1983年發(fā)行的歌曲《War》與他們的其他歌曲在風(fēng)格上是如此的不同。ABBA樂隊在音樂風(fēng)格上則基本保持了一致性，而他們在1981年發(fā)行的《The Vistor》的風(fēng)格則非常的一枝獨秀。米沙爾和他的同事們同樣發(fā)現(xiàn)，驚懼之淚的兩首跨越15年的歌曲在風(fēng)格上有驚人的相似性：分別是樂隊在1989年解散前錄制的《Seeds of Love》和2004年重組時錄制的第一首歌《Everybody loves a Happy ending》。算法同樣正確地對皇后樂隊的專輯《Hot space》之前與之后的歌曲進(jìn)行了時間上的排序（《Hot space》被認(rèn)為是皇后樂隊風(fēng)格轉(zhuǎn)變的標(biāo)志性專輯）：《Hot space》之后，他們的風(fēng)格遠(yuǎn)離了之前的主干，轉(zhuǎn)向了另外一邊。

驚懼之淚（上）與皇后樂隊（下）歌曲與專輯的樹狀圖。圖片來源：文章論文

而對于不同樂隊之間的音樂風(fēng)格比較，米沙爾表示：“每個樂隊都有自己獨特的聲音和風(fēng)格，所以他們彼此是不相同的。我們的實驗結(jié)果表明，算法能夠輕易地將他們區(qū)分開來。”他同時也打趣地表示：“分析中國風(fēng)的音樂是個好主意，我們應(yīng)該要嘗試一下?！?/span>

“Everybody loves a Happy ending”

沙米爾希望，這個算法能夠用來整理音樂資料庫，并且?guī)椭脩舾玫貫g覽與搜索他們所喜愛的歌曲、藝術(shù)家與專輯。而在像Spotify、Pandora和各種網(wǎng)絡(luò)電臺的音樂流媒體服務(wù)里，該算法能夠更準(zhǔn)確地根據(jù)用戶已經(jīng)“贊”過的歌曲來建立用戶的音樂偏好，從而推薦更符合用戶口味的歌曲。這樣，就不再需要根據(jù)以往的分類或者相似歌手來進(jìn)行音樂搜索，也不需要用戶一而再、再而三的對電臺進(jìn)行“調(diào)教”。

“信息革命能夠讓每個音樂家向公眾推廣他們的作品，但現(xiàn)在的問題是，我們?nèi)绾胃玫卦邶嫶蟮臄?shù)據(jù)流里發(fā)現(xiàn)我們喜愛的音樂?！?米沙爾說道， “我希望建立這樣一個系統(tǒng)，它能更好地根據(jù)它‘聽’到的歌曲來學(xué)習(xí)用戶的音樂喜好，然后不斷地尋找更多用戶也會喜歡，但可能并不知道的音樂。我希望，這能成為一場‘革命’（披頭士的歌曲《Revolution》，即革命）?！?/span>