Pas content du déploiement récent et très spécifique du mix de niche, Spotify ? Vous pensez qu’il doit y avoir un meilleur moyen de comprendre nos désirs et nos désirs musicaux les plus profonds ?
Personnellement, j’aimerais juste que vous teniez votre promesse Spotify HiFi (et je peux prendre ou laisser la refonte de style TikTok, merci) mais il semble que vous ayez d’autres plans.
Le concept que je suis sur le point de partager est cérébral et quelque chose que la plupart d’entre nous ont probablement une compréhension ténue, au mieux. Tout est question de contrefactuels (s’ouvre dans un nouvel onglet)la causalité et l’inférence causale dans les mathématiques de l’apprentissage automatique (donc, si quelque chose ne s’était pas produit, mais que se passerait-il si cela s’était produit ? Maintenant, ajoutez cela aux mathématiques !) et Spotify est prêt à l’utiliser pour aider le géant du streaming à suggérer votre prochain album ou playlist préféré.
Pensez au film Portes coulissantes (s’ouvre dans un nouvel onglet) mais avec votre collection de musique, et vous avez l’idée de base – mais le concept est complexe et ne vous trompe pas.
Quoi est-ce en fait mais? Tel que rapporté par la publication technologique bimensuelle basée au Massachusetts, MIT Technology Review (s’ouvre dans un nouvel onglet), une équipe de chercheurs de Spotify vient de créer un nouveau type de modèle d’apprentissage automatique qui, pour la première fois, capture les mathématiques complexes derrière l’analyse contrefactuelle. Et apparemment, il peut être utilisé pour identifier les causes des événements passés – et prédire les effets des événements futurs.
Comment cela se traduit-il dans le mix des années 90 que vous avez diffusé de 1h du matin à 4h du matin hier soir après avoir partagé une bouteille de vin avec un ami… et éventuellement envoyé un texto à votre ex ? Eh bien, si Spotify le sait, cela pourrait améliorer la précision de la prise de décision automatisée, en particulier recommandations personnalisées.
Analyse : Musique de l’esprit ? Ou la route de Spotify vers Virtual Insanity ?
Bravo si vous avez remarqué que je viens de mettre deux chansons de Jamiroquai dans un sous-titre – nous aurons probablement des playlists acid-jazz similaires qui nous seront transmises plus tard. High Five à vous !
Montons maintenant d’un niveau. Reste avec moi et on pourra se relaxer avec un bon chill mix plus tard. Toute l’approche mathématique contrefactuelle est inspirée des cônes de lumière d’Einstein. Pensez à un « cône d’avenir » où le cercle le plus étroit, créé par le cône le plus mince, est « probable », puis « plausible » allant et venant à mesure que le cône s’élargit vers « possible » et enfin « absurde » – c’est-à-dire. hautement improbable.
C’est compris? Bien. Maintenant, la théorie de base derrière les contrefactuels est de se demander ce qui se serait passé dans une situation si certaines choses avaient été différentes – si Helen (alias Gwyneth Paltrow) n’avait ni pris le train ni manqué le train en Portes coulissantes en 1998, mais avait plutôt décidé d’aller voir un film et avait fini par renverser du pop-corn sur le véritable amour de sa vie… En modifiant les bonnes variables, il devrait être possible de distinguer la véritable causalité de l’association et de la coïncidence. Alors on rétrécit le cône !
Tout sonne un peu tarte dans le ciel? Je suis d’accord. Moi, par exemple, j’aurais peut-être entassé les mêmes chansons de Falco dans mon cerveau en boucle pendant deux mois en 2009 parce que je dansais dessus, pour le travail. Qu’est-ce que cela dit de moi, Spotify ? Peut-être que ce n’était pas ma musique de prédilection… peut-être ai-je aussi écouté Ella Fitzgerald sur vinyle pour me détendre. As-tu savoir à ce sujet? Qu’en est-il?
Mais voyez, là où cela devient vraiment époustouflant, c’est que l’IA contrefactuelle fonctionne sur le résultat d’un événement même si l’événement ne s’est jamais réellement produit.
L’équipe de Spotify a testé le modèle à l’aide d’études de cas réels, dont une examinant les implications pour la santé d’une source d’eau au Kenya. Et c’est vraiment l’avenir. Spotify n’est pas le seul géant de la technologie à galoper vers des modèles d’apprentissage automatique capables d’effectuer un raisonnement de cause à effet ; Meta, LinkedIn, Amazon et le propriétaire de TikTok, ByteDance, ont également travaillé sur une technologie similaire. Meta utilise apparemment l’inférence causale dans un outil d’apprentissage automatique pour gérer le nombre de notifications (et le type) qu’Instagram peut envoyer à ses utilisateurs tout en les gardant accrochés.
Sera-ce mieux que « Vous aimez Fontaines DC alors amusez-vous avec Yard Act » lorsque Spotify l’implémentera ? Impossible à dire. Est-ce que je le veux ? Non, non – mais alors, je considère Spotify comme un vieil ami des temps plus simples, plutôt que comme l’un des meilleurs services de streaming musical de 2023. De plus, je suis connu pour écouter la même chanson XTC de 1984 en boucle pendant 90 minutes (Réveillez-voussi vous vous posez la question) juste pour apprécier les chœurs… Je me fiche de savoir ce que Spotify en pense.