자동으로 사용자에 대 한 사랑 노래를 선택 합니다 음악 산업 인공 지능의 진화

11 월 12 일 뉴스, 외국 언론에 따르면 보고, 아마도 여전히 걱정, 어떤 노래를 듣고 하지만 가까운 미래에 인터넷 음악 산업 당신을 위해이 문제를 해결 하는 고급 방법을 채택할 것 이다. 구글, 바이 및 Spotify는 아직 완전히 표시 되지 메서드의 전체 그림 하지만 그들은 깊은 학습 이라고 하는 인공 지능 시스템을 사용 하 여 사용자에 게 더 나은 음악 재생을 제공 하기 위해 분투.

"깊은 학습"은 "인공 신경 네트워크" 라고 하는 인공 지능의 훈련 시스템 지점입니다. 현재, 모든이 회사는 "깊은 학습" 전문가 고용 했습니다. 기업, 구글, 바이, 등 다양 한 목적으로 광고, 음성 인식, 이미지 인식 및 심지어 데이터 센터 최적화에 대 한 "깊이 학습" 도구를 사용 했습니다. 시작 회사도 "깊이 학습"을 사용 하고자 의료 이미지의 패턴을 식별 하기 위해.

지금,이 회사는 음악 업계에 돌고 있다. 신경 네트워크 음악 스트리밍 미디어 서비스에 따라 음악가의 지도 없이 음악의 화음 패턴을 인식할 수 있습니다. 다음 노래, 앨범, 또는 귀하의 환경 설정을 일치 하는 하는 것이 좋습니다. 실제 사용에 이러한 복잡 한 시스템을 퍼 팅 하는 것은 하룻밤의 문제가 아니다. 그러나 기술 성숙, 일단 "깊은 학습" 할 수 있습니다 그것은 음악 스트리밍 서비스에 미래를 포기 하는 사용자를 위해 불가능 한.

미디어 신경 네트워크 스트리밍 음악의 기원

사람들이 음악 스트리밍 미디어 신경망 벨기에 겐트 대학에서에서 유래에 대 한 관심을 지불 하기 시작 했다 지난해 학술 논문. 대학 전자 및 정보 시스템 부문 "생존 계산" 권리는 논문을 발표. 이 종이 회선 신경 네트워크 (세포 신경 네트워크)를 사용 하 여 노래 특성을 선택 하는 방법을 설명 합니다. 신경 네트워크를 사용 하 여 이미지의 특성을 관찰 하는 것, 대신 엔지니어로 하기 전에 않았다.

종이 그들의 접근 "를 생산할 수 있는 합리적인 조언" 발견. 더 중요 한 것은, 그들의 실험 시스템은 "상당히 우수한 전통적인 접근을 보여줍니다. 마이크로소프트 연구원도 최근 "깊은 학습" 필드에 대 한 개요는 종이 인용 했다. 종이 또한 Spotify의 관심을 끌었다. "그들은 관련 내용에 대 한 얘기를 Spotify의 사무실에가 서 우리를 초대 하 고 내가 생각 하는 우리의 종이 매우 유용," Dieleman, 종이의 저자를 말했다. "

업계는 널리

"깊은 학습" Spotify의 시스템에서 처음 등장. 현재, Spotify 사용 하 여 전통적인 데이터 분석 방법을 인터넷에서 특정 음악의 텍스트 콘텐츠를 분석 하 고 노래 자체를 분석 하기. 음향 분석의 노래, 리듬, 볼륨, 및 키와 같은 특정 특성을 기반으로 합니다. 시스템 정보 입력의 특정 분야의 많은 필요합니다. 하지만 벨기에에서 만든 "깊은 학습" 방법을 완전히 다르다.

"깊이 학습" 사운드 파형을 분석 하 고 우리가 노래의 내용을 모르는 가정. 다음 기계 자동으로 모든 결과 분석할 수 있습니다. 그것은 매우 다양 한 모델 이며 큰 잠재력이 있다. 시스템은 Spotify의 데이터를 샘플링 하지 않았다 하지만 노래의 유사성에 따라 재생 목록을 제공. 시스템은 Spotify를 사용 하 여 노래를 선택 방법에 대 한 완벽 한 대체 하지. 하지만 회사 믿고 더 연구 가치가 뭔가.

같은 시간에 "깊은 학습", Google의 다양 한 사용 되었습니다 그리고 직원은 확실히 음악 스트리밍 미디어 응용 프로그램 5 월의 이론을 조사 하 고. "완전 한 혁명, 절대 혁명을 나타냅니다 '깊은 학습' 흥미 진 진한" Doug Ecques, 음악 기술 전문 과학자는 말한다. "

하지만 문제는 "깊은 학습" 노래의 유사성 검색의 좋은 일을 할 수 있지만 여러 데이터를 테스트 하는 것을 의미할 수도 있고 선택의 결과 최적화 하기 쉽지 않다. 그래서 "깊은 학습" 음악 분석 소프트웨어에 대 한 간단한 대체 수 있습니다. 그것은 다른 도구만 재생을 식별 하기 위해 사용 되지 않을 수 있습니다 있을 수 있습니다, 그리고 그것 보다 더 가능성이 있다. "그 '깊은 학습'은 무엇을 볼 수 있도록 음악, 더 나은 이해를 우리가 정말 할 수 있도록 더 나은 이해 어떤 음악," 더 그 Ecques을 말한다. Google은 더 나은 제품, 더 나은 스트리밍 미디어 서비스를 만들려고 그것을 사용할 수 있습니다. "

미래의 가능성

가장 중요 한 것은, "깊은 학습" 새로운 음악을 발견 하는 사람들이 도움이 됩니다. 음악, 순간 인기 하지 않을 수 있습니다 하지만 사용자 일단 그들이 그것을 듣고 그것을 좋아하지 수 있습니다. 그러나 근본적으로, 미래 청취자에 게 새로운 음악을 소개 하는 분석 시스템에 대 한 도전 남아 있다. 많은 스트리밍 미디어 재생 서비스는 풍부한 음악 데이터를 축적 했습니다. 불행히도, 거기 이므로 항상 새로운 음악 스트리밍 음악 서비스 여전히 일반 분석 방법 필요.

또한, "깊이 학습" 그냥 음악 애호가 대 한 아니다. 예술가 들을 위한 "깊은 학습" 또한 도울 수 그들. 판매 명성, 하지만 음악 자체의 분석에 기반 하지 않은, 더 나은 수 있습니다 그 독립적인 음악가 새로운가 수 관객에 의해 발견 하는 시간에.

(책임 편집기: Mengyishan)