你喜歡什么歌？算法或許能預測_數據分析師

披頭士樂隊（Beatles）的骨灰級粉絲當然能夠詳細說出披頭士在八年間音樂風格的變化。而現在，科學家開發了新的算法，借助數學方法和計算機技術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行時間進行了排序。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，當計算機的計算能力越來越強大的時候，一些現在只能由人類完成的音樂或者藝術作品，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格的變化與進步。這是一種全新的方法，而它只用‘聽’就可以了?！?/span>

米沙爾是一位計算機科學家，但他同時對計算機和人文學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創作里，比如視覺藝術方面?！彼@么說道。米沙爾的算法能夠讓計算機將每首歌轉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”來對不同的歌曲進行分析與排序，最后利用統計學方法對兩首歌曲進行相關性分析。

米沙爾向人們解釋了他們是如何將音樂轉換為二維圖像的：“頻譜僅僅是用來展示數據的一個方法。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?，米沙爾向果殼網展示了算法最后生成的披頭士歌曲和專輯的相關性樹狀圖。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?！叭绻菍］嫷脑?，那么簡單來講我們會取所有歌曲的平均值?！彼f道。接著，計算機會根據歌曲以及專輯之間的相關性，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，盡管打亂了發行日期，米沙爾的算法可以根據歌曲的特征，從而正確地識別出歌曲創作的順序。

“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歌曲特征進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，算法也會認為U2在1983年發行的歌曲《War》與他們的其他歌曲在風格上是如此的不同。ABBA樂隊在音樂風格上則基本保持了一致性，而他們在1981年發行的《The Vistor》的風格則非常的一枝獨秀。米沙爾和他的同事們同樣發現，驚懼之淚的兩首跨越15年的歌曲在風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行了時間上的排序（《Hot space》被認為是皇后樂隊風格轉變的標志性專輯）：《Hot space》之后，他們的風格遠離了之前的主干，轉向了另外一邊。

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格比較，米沙爾表示：“每個樂隊都有自己獨特的聲音和風格，所以他們彼此是不相同的。我們的實驗結果表明，算法能夠輕易地將他們區分開來?！彼瑫r也打趣地表示：“分析中國風的音樂是個好主意，我們應該要嘗試一下?！?/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，并且幫助用戶更好地瀏覽與搜索他們所喜愛的歌曲、藝術家與專輯。而在像Spotify、Pandora和各種網絡電臺的音樂流媒體服務里，該算法能夠更準確地根據用戶已經“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，就不再需要根據以往的分類或者相似歌手來進行音樂搜索，也不需要用戶一而再、再而三的對電臺進行“調教”。

“信息革命能夠讓每個音樂家向公眾推廣他們的作品，但現在的問題是，我們如何更好地在龐大的數據流里發現我們喜愛的音樂?！?米沙爾說道， “我希望建立這樣一個系統，它能更好地根據它‘聽’到的歌曲來學習用戶的音樂喜好，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>