Stelt u zich eens voor dat u een discjockey in uw computer heeft die de afgespeelde muziek afstemt op uw huidige gemoedstoestand. Volgens nieuw onderzoek van de Universiteit van Texas in Austin, machine learning kan die ervaring benaderen door ultrapersoonlijke muziekafspeellijsten te maken die zich aanpassen aan de veranderende stemmingen van elke gebruiker.

Maytal Saar-Tsechansky, hoogleraar Informatie, Risico, en Operations Management aan de McCombs School of Business, samen met een paar computerwetenschappelijke onderzoekers van de universiteit, creëerde een "gepersonaliseerde DJ." Met hun nieuwe krant "De juiste muziek op het juiste moment:adaptieve gepersonaliseerde afspeellijsten op basis van sequentiemodellering, " gepubliceerd in de MIS Kwartaal , hun doel is om het streamen van muziekdiensten te overtreffen door afspeellijsten te maken die veranderen afhankelijk van de individuele verschuivingen in emotie.

"Of je nu in de auto stapt na een lange dag vergaderen, of je komt uit bed op een weekendochtend, het moet zijn aanbevelingen afstemmen op uw veranderende stemmingen, ", zegt Saar-Tsechansky.

Het project begon als het geesteskind van Elad Liebman, een doctoraat student informatica aan UT Austin die ook een graad in muziekcompositie heeft. Het programma dat hij Saar-Tsechansky, en UT-hoogleraar Informatica Peter Stone ontwierp een reeks feedbackloops. Het probeert een lied uit, de luisteraar beoordeelt het, en het programma houdt rekening met die beoordeling bij het kiezen van het volgende nummer. "Dan pas je het model dienovereenkomstig aan, ' zegt Liebman.

Het programma past zich aan de stemming van de luisteraar aan, niet alleen rekening houdend met welke nummers hij of zij zal genieten, maar ook in welke volgorde. Liedjes zijn intelligent geordend, leidend tot een expressieve, "DJ-achtige" sequentie, in plaats van een willekeurige, willekeurig klinkende.

Als een schaker, het plant zijn bewegingen 10 nummers vooruit. Terwijl een nummer wordt afgespeeld, het genereert tienduizenden mogelijke reeksen, en het voorspelt welke de luisteraar het meest zal bevallen. Het serveert het volgende nummer op die afspeellijst - en terwijl dat nummer wordt afgespeeld, het creëert en test nieuwe sequenties.

Bij machinaal leren, het mechanisme staat bekend als een Monte Carlo-zoekopdracht - die de naam van het programma inspireerde:DJ-MC.

Het programma kan worden aangepast aan andere soorten media, van nieuwsberichten tot video's.

"Leeralgoritmen hebben geen smaak, ze hebben alleen gegevens, " zegt Liebman. "Je kunt de dataset door alles vervangen, zolang mensen het op dezelfde manier consumeren."

Saar-Tsechansky gaat verder. "Het kan in elk geval werken als je dingen aan mensen aanbeveelt, ervaren in een reeks, ' zegt ze. 'Het kan zelfs eten zijn.'