人工智能工具利用格莱美预测挑战博彩网站

Josiah02

　　无论是奥斯卡奖、托尼奖还是格莱美奖，观察家们每年都会预测哪位演员、哪部电影、哪首音乐剧或哪首歌曲将赢得这些令人垂涎的奖项——预测基于专家认为哪些东西能打动投票者。《洛杉矶时报》在今年的格莱美奖颁奖典礼前写道：“格莱美投票者喜欢把年度最佳唱片奖颁给精心制作的复古音乐。”
　　纽约大学的一组研究人员通过创建一种算法将这一过程系统化，该算法考虑了歌曲的特征（例如歌词）以及其他信息（包括公告牌排名），以阐明成功歌曲的变量——具体来说，是那些在 2021 年、2022 年和 2023 年被评为年度歌曲、年度唱片和年度说唱歌曲的获奖者。通过这样做，这项工作超越了以前的一些方法，不仅可以做出预测，还可以识别格莱美奖得主的特征。
　　“发现获奖艺术作品肯定是一个主观过程，而且投票者的决定非常保密，因此过程十分复杂，”纽约大学科朗数学科学研究所临床副教授、这项研究的资深作者阿纳斯·巴里 (Anasse Bari) 表示，该研究发表在IEEE Xplore上。“但是，通过考虑我们对歌曲本身的了解——从歌曲的构成到受欢迎程度——我们可以找出那些可能获奖的作品。
　　“我们认为，这种人工智能工具可以通过发掘可能流行的音乐来帮助识别新兴艺术家和趋势，否则这些音乐可能会被忽视。”
　　在构建 AI 工具时，研究人员创建了 2004 年至 2020 年三个奖项类别（年度歌曲、年度唱片和年度说唱歌曲）的提名歌曲数据集，共计近 250 首歌曲。然后，他们结合了一系列变量并训练了 AI 算法以从这些历史数据中学习，这些数据包括 Billboard 排名和 Google 搜索量（用户在提名当年搜索提名歌曲的频率）。
　　该算法还考虑了歌曲的音乐特征，使用了先前研究部署的 Spotify 数据，其中包括：
　　声学性：曲目是否为声学曲目（即依赖于非电子乐器或声音）
　　舞蹈性：曲目是否适合跳舞
　　能量：强度和活动的感知测量
　　器乐性：衡量曲目中缺少人声的指标
　　言语性：曲目中口语的存在
　　最后，AI 工具加入了一首歌的歌词，使用常用的自然语言处理算法来捕捉单词和这些单词所传达的情感。计算结果揭示了一首歌的词汇多样性、情绪基调（例如快乐、悲伤、愤怒），甚至粗俗的语言。
　　随后，研究人员确定最终算法是否可以从研究期间（2021-2023 年）每年的所有年度歌曲、年度唱片和年度说唱歌曲提名中选出前三名候选人，从而生成一份可能的获奖者名单——总共从大约 75 首歌曲中选出 27 首。
　　结果显示，该模型准确地将三个类别的所有九首获奖歌曲纳入前三名榜单，其中包括 Billie Eilish 的《everything i wanted》（2021 年年度唱片）、Silk Sonic 的《Leave the Door Open》（2022 年年度歌曲）和 Kendrick Lamar 的《The Heart Part 5》（2023 年年度说唱歌曲）。
　　作者补充说，该模型的一些预测与博彩网站的预测相反。例如，该模型将邦妮·雷特的《就这样》排在 2023 年年度最佳歌曲的前三名，但博彩平台认为它是当年最不可能获奖的歌曲之一。此外，该模型将 HER 的格莱美获奖歌曲《我无法呼吸》排在 2021 年年度最佳歌曲的前三名，但博彩网站认为它获胜的可能性很小。
　　有趣的是，预测特征在不同类别中有所不同。对于年度歌曲，预测性最强的特征包括能量、声学性和歌曲的 Billboard 峰值位置。相比之下，对于年度唱片，预测性最强的特征包括言语性、粗俗和声学性。对于年度说唱歌曲，预测性最强的特征包括词汇多样性、单词数量和幸福感得分。
　　虽然该研究的作者警告说，该算法并不是一个能够预测获胜者的精确预测工具，但它仍然可以揭示与成功曲调相关的广泛属性。
　　“我们的研究结果强调了在预测音乐奖获奖者时考虑多种因素的重要性，例如受欢迎程度和音乐特定特征，”领导 Courant 研究所预测分析和人工智能研究实验室的巴里说。
　　“更广泛地说，这项工作展示了利用机器学习和数据驱动技术深入了解歌曲成功的因素的潜力。”
　　该研究的其他作者是纽约大学计算机科学系 Bari 人工智能研究小组的成员：Rushabh Musthyala、Abhishek Narayanan 和 Anirudh Nistala。