我们的神经活动反映了我们真实的音乐偏好

音乐流媒体服务如 Spotify 会根据你和其他听众的喜好，用算法推荐适合你口味的歌单。最近，一项新研究展示了如何利用你的大脑反应来优化这些歌单的播放。

美国的研究人员利用机器学习算法分析了音乐听众的生理反应，发现他们可以高达 97% 的准确率预测哪些歌曲能够愉悦用户。

算法只需要根据一个人的神经生理状态来判断一个人的情绪和对歌曲的关注度。

如果一个人在听歌时神经上更“沉浸”、更少“退缩”，那么这首歌就更有可能受欢迎。

事实上，这比一个人是否主观上喜欢这首歌更能预测一首歌曲的成功。

换句话说，你有意识地喜欢一首歌并不一定意味着其他人也会喜欢。但是，你的潜意识状态可能更有线索。

研究人员写道：“通过可穿戴神经技术(例如本研究中使用的技术)来自动评估内容的神经价值，而不是问用户是否‘喜欢’新歌。”

即使算法只输入了听歌一分钟的生理数据，它也能以 82% 的准确率预测流行歌曲。

这种新方法比之前使用脑部扫描来评估音乐反应的类似研究更有效。它们只能以大约 50% 的比例预测流行程度。

在新的实验中，参与者坐在一个房间里，戴着心脏传感器，听扩音器播放的 24 首最新歌曲。其中 13 首被流媒体平台认为是流行歌曲，但参与者并不知道哪些是哪些。

实验结束时，他们被要求对他们最喜欢的歌曲进行排名。

然后，从心脏传感器收集的数据被输入到一个商业神经科学平台，该平台使用心率数据来推断人的大脑状态。

例如，催产素和多巴胺是两种已知会影响心脏的神经激素。当你感觉良好时，它们也会被释放。

例如，当你唱歌或听音乐时，有证据表明你的脑干会经常释放催产素，而当你对某件事特别关注或“沉浸”其中时，多巴胺就会释放并与前额叶皮层相互作用。

通过心率读取大脑信号可能是一种“神经预测”的方法，哪些歌曲会吸引更多人的注意力。

之前的研究试图通过关注与奖励系统相关的一个大脑区域来做到这一点。但研究人员没有取得什么成果。

目前的研究关注了不同的神经生理信号，重要的是，这些信号包含了情绪反应。它还使用了一组机器学习算法，而不是只用一个。

作者写道：“使用神经科学技术测量情绪反应，为艺术家、唱片制作人和流媒体服务提供了一种新的方式，用新音乐来取悦听众。”

“我们的贡献是表明，来自周围神经系统的综合神经科学测量可以相当准确地对流行歌曲和失败歌曲进行分类。”

理论上，这些信息可以用来为不同的情绪状态创建专门的歌单，但它不仅仅适用于音乐。

“神经预测”也可以应用于几乎任何形式的娱乐，让人们在意识到之前就得到他们想要的东西。

目前的研究规模很小，还有一些细节需要解决，但作为一个概念验证，它看起来很有希望。

“我们的主要贡献是方法论。这种方法很可能也可以用来预测许多其他类型的娱乐节目的流行程度，包括电影和电视节目。”

该研究发表在《人工智能前沿》上。

https://www.sciencealert.com/hit-songs-do-something-to-your-brain-and-it-could-be-the-future-of-music