Artikkel

Klager noen på musikksmaken din? Skyld på algoritmene!

musikk, noter, algoritmer
Foto: Colourbox

Klager noen på musikksmaken din? Skyld på algoritmene!

Takket være noen smarte algoritmer kan Spotify-brukere hver uke få ny musikk til spillelisten Discover Weekly tilpasset sin musikksmak.
Ida Meland, MNKOM
Ida Meland har tatt formidlingskurset MNKOM og har en mastergrad i Law, Information and Communication Technology. Foto: Privat

Om du var sånn passe ung en gang mellom 1980 og 2000, var du kanskje en av de heldige med en kjæreste eller flørt som ga deg en mixtape på kassett eller CD. Trolig ble du da glad av minst to grunner: Han eller hun kjente deg godt nok til å vite hva du likte, og du fikk en berikelse på musikkfronten.

Med den genererte spillelisten Discover Weekly ser dette også ut til å være Spotifys mål. Forskjellen er at det ikke er kjæresten som står bak denne spillelisten, men avanserte algoritmer.

Algoritmer er overalt

En algoritme er et sett med operasjoner som gir et bestemt resultat. Veldig mye i vår hverdag regnes ut ved hjelp av algoritmer. Det kan være en kakeoppskrift, et Google-søk eller hvor mye du skal få igjen på skatten. Gode algoritmer kan spare oss for mye tid og gi oss verdifulle resultater.

Anbefalte spillelister i musikkstrømmetjenester, som også er resultat av algoritmer, har eksistert lenge. Tidligere har det hovedsakelig vært to ulike måter å anbefale musikk på.

Den ene er anbefalinger basert på menneskelig utvalg. Eksempler på dette er de vanlige spillelistene til Spotify (for eksempel Hits og Slow Down) og spillelister hos Apple Music. På den andre siden har vi maskingenererte anbefalinger. Pandora Music var tidlig ute med dette og genererte spillelister basert på musikksjangre.  

Mennesker og maskiner

Forenklet kan man si at Discover Weekly er basert på kunstig intelligens. Men algoritmene bak er laget av mennesker som har jobbet lenge med hvordan tilpasse seg brukerbehovene mest mulig.

Spotify, Ida Meland, MNKOM
Ida Melands liste, foreslått av Spotify.

En viktig del av teknologien bak Discover Weekly stammer fra det amerikanske startup-firmaet The Echo Nest, som ble kjøpt opp av Spotify i 2014. Gründeren bak The Echo Nest, Matthew Ogle, er i dag produktsjef i Spotify med ansvar for blant annet Discover Weekly. Ogle har lang erfaring med andre musikktjenester, blant annet med Last.fm og et annet startup-firma; This Is My Jam.

Medgründer av The Echo Nest, Brian Whitman, startet sin karriere som elektronika-artist. Whitman ble etterhvert interessert i streaming av musikk og tok en doktorgrad i maskinlæring. Han utviklet så en søkerobot som samlet informasjon om hva slags musikk det ble skrevet om på blogger, nettaviser og lignende rundt om på internett.

Denne teknologien tok han med seg til The Echo Nest i 2005.

Discover Weekly er blitt svært godt mottatt siden det ble lansert i juni 2015. Spotify har i dag rundt 80 millioner brukere, og i løpet av de første ti ukene med Discover Weekly ble én milliard sanger streamet fra denne spillelisten.

Denne saken om algoritmer ble veldig populær hos leserne: Lette etter olje, fant hjelp mot brystkreft

Ida Meland, MNKOM
Regnestykket bak Discover Weekly: Musikk som andre med samme musikksmak som deg hører på minus det du aldri eller sjelden har hørt på tidligere = sanger i listen Discover Weekly.

Bygget på smaksprofiler

Kombinasjonen av teknologien til The Echo Nest og Spotifys gigantiske mengde av musikkdata førte til ideen om spillelisten Discover Weekly.

Hovedingrediensen i Discover Weekly er mennesker, spillelisten baseres nemlig på din egen og dine likesinnedes musikksmak. Som Spotify-bruker har du en unik smaksprofil, basert på hva du hører mest på.

Med utgangspunkt i smaksprofilen ser man på slektskapet mellom dine mest spilte artister og andre artister som havner innenfor samme smaksprofil. Deretter søkes det etter andre brukere som har lignende smaksprofil som deg, og musikken fra disse brukerne filtreres opp mot musikken du har spilt av tidligere.

På den måten får du musikk inn på Discover Weekly som du aldri eller sjelden har hørt på tidligere.

    Metodene bak

    Hovedsakelig blir det brukt tre metoder for utviklingen av algoritmene i Discover Weekly:

    1. Collaborative filtering, som blir brukt av for eksempel Amazon.com: “Kunder som kjøpte dette produktet, kjøpte også disse produktene...”.

    2. Prosessering av naturlige språk, som i denne sammenheng betyr en metode for å behandle særlig store datamengder.

    3. Deep learning, en teknikk for å kjenne igjen mønstre i enorme datamengder. Det handler om å “trene” opp kunstige, nevrale nettverk. Disse nettverkene ligner på hvordan hjernen vår er bygd opp og vil (lik en menneskehjerne) ha sammenkoblinger som gjenkjenner mønstre og som skaper reaksjoner. Deep learning er en svært viktig del av Discover Weekly og gjør at utvelgelsen av sanger til din liste gjøres mer og mer intelligent.

    Spotify, Ida Meland, MNKOM
    Slik presenterer Spotify hvordan dine musikkpreferanser signaliserer hvilke andre sjangre du trolig vil like.

    Spotify avslører deg

    Discover Weekly er elsket av mange, men kanskje fryktet av noen. Musikksmaken din og dine ubevisste preferanser blir avslørt, og det er lite som kan bortforklare en eventuelt klein spilleliste. Alle dine såkalte guilty pleasures er vel egentlig bare en del av dine pleasures?

    Om du er bekymret for at sangen ”Let it go” ble spilt av 20 ganger i løpet av en helg, er heldigvis Spotify smart nok til å filtrere ut denne for deg – så sant avviket fra smaksprofilen din er stort nok.

    Kilder og videre lesning:

    Flere artikler fra studenter som har gått på formidlingskurset MNKOM

    Flere saker fra Titan.uio.no om algoritmer:

    Skriv ny kommentar

    Verifiser deg (din epost-adresse vil ikke bli vist offentlig)

    Les også

    Hus begravd i slam etter Lusi-utbruddet

    Kilden til verdens største slamutbrudd er funnet

    I 2006 ble det utløst flere slamutbrudd fra vulkaner nordøst på den svært folkerike øya Java.  Det mest aktive utbruddet - Lusi - er fortsatt aktivt, og forskerne ser det nå i samenheng med et nærliggende vulkansystem.

    Professor Norbert Roos med et av IBVs kryoelektronmikroskoper

    Mange ristet på hodet, men resultatet ble en nobelpris

    Kjemikeren Jacques Dubochets første forsøk på å lage et kryoelektronmikroskop endte med at linsene i mikroskopet ble brukt til verdens dyreste askebegre. De neste forsøkene gikk bedre, og nå er innsatsen belønnet med en nobelpris.