Algoritmes per descobrir música del teu gust

Dilluns matí. Arribo a l’oficina, obro l’ordinador i mentre prenc la primera dosi de cafeïna del dia arriba un dels moments més esperats de la setmana. Inimaginable? Doncs sí, és primera hora del primer dia de la setmana però des de fa uns mesos Spotify ho ha convertit en un moment especial perquè ens ha arribat el Discover Weekly. Sabeu què és? Us en fem cinc cèntims de perquè està tenint tant èxit i com es fa.

Discover Weekly

El catàleg musical virtual de Spotify és immens i diuen que hi ha més de 4 milions de cançons que no han estat mai reproduïdes. El servei de streaming proporciona la possibilitat d’escoltar playlists segons estils, temàtiques, moments del dia o de l’any i que han estat curades per un grup d’experts musicals, així com facilita la creació de llistes de reproducció pròpies als usuaris. A més a més amb Radio Spotify es pot iniciar una emisora a partir d’alguna cançó o artista i anar-la ajustant en funció de si t’agrada o no als teus gustos. I per ajudar a descobrir i explorar nous artistes també proposa cançons o artistes a partir del conegut “si t’agrada aquest artista t’agradarà aquesta cançó de tal”.

És evident que amb l’evolució i sofisticació dels algoritmes de recomanació la personalització es pot millorar i deixa endarrere aquestes etiquetes restrictives i obvies entre estils i artistes. És per això que fa uns mesos Spotify va presentar l’exitós Discover Weekly,  una llista de reproducció personalitzada generada per un algoritme que compara els hàbits d’escolta dels usuaris amb gustos similars per realitzar recomanacions d’alta precisió.

En el passat Sonar+D Matthew Ogle i Ajay Kalia, responsables respectivament de Discover Weekly i Spotify Taste Profiles, varen oferir una interessant keynote sobre el funcionament de Discover Weekly i els algoritmes de recomanació musical.

És evident que les playlists de Spotify són possiblement la funcionalitat més ben valorada pels usuaris, ja que existeixen dos mil milions de llistes creades pels usuaris a partir dels més de 30 milions de cançons del catàleg. Tot i que com hem indicat abans existeixen les recomanacions per estil per cada disc o artista, aquesta funcionalitat només és emprada per un 1% dels usuaris ja que implica una feina activa de l’usuari i dedicar temps per descobrir algun artista nou. És per això que l’equip de Spotify va decidir crear una llista generada a partir dels propis hàbits d’escolta de l’usuari.

És difícil definir quin és el gust musical de cada oient, però amb Spotify Taste Profiles intenten establir com és la música que escolta l’usuari dividida en gèneres i subgèneres i ordenada en funció del nombre de reproduccions. A partir d’aquí Spotify pot inferir quins artistes t’agraden, quins no i de quins encara t’has fet una opinió.Podeu veure aquí un exemple:

taste.png

A partir de les principals illes de gustos musicals es crea un mix d’estils a partir del qual es generarà una llista formada per uns 30 temes (unes 2 hores) entre els quals només es trobaran un parell de temes que l’oient ha escoltat amb anterioritat per donar una sensació de familiaritat i reafirmació de semblança amb els propis gustos musicals. És un requisit que tots els temes que formen part de la llista han estat escoltats prèviament per altres usuaris amb gustos semblants, els ha agradat i l’han afegit a alguna llista pròpia. El que sembla quelcom fàcil així descrit comporta grans dificultats tècniques setmanalment, ja que cada diumenge per la nit es genera per a cadascun dels 40 milions d’usuaris de Spotify una playlist personalitzada.

En menys d’un any aquesta funcionalitat ha estat àmpliament acceptada pels usuaris, fins al punt de que molts d’aquests utilitzen el Discover Weekly per descobrir nova música enlloc d’escoltar les seves pròpies llistes i més de 8.000 artistes obtenen la meitat de les seves escoltes mensuals a partir del Discover Weekly.

 

Podeu consultar algunes curiositats com els artistes, gèneres o temes més escoltats i guardats en llistes a partir del Discover Weekly en aquest post del blog de Spotify.

 

Spotify Out of Office

Te’n vas de viatge? Doncs amb Spotify out of office  pots dir-ho a tothom amb una playlist inspirada en la teva destinació de vacances. Sí, podeu configurar que el vostre missatge automàtic de fora d’oficina incorpori una llista creada per Spotify de forma automàtica en funció de la ubicació de les vacances i de la teva elecció entre estil negocis/plaer o el teu estat d’ànim relax/aventura/festa.

No és la primera vegada que Spotify fa alguna acció original. Recentment va crear playlists inspirades en els principals personatges de Joc de Trons i en funció dels hàbits d’escolta de l’usuari indicava quin era la playlist que més s’ajustava als teus gustos. Ets de Tyrion o més de John Snow? I anteriorment també es va poder descobrir si comparties més el gust musical d’en Luke Skywalker o de Chewbacca.

The Time Keeper

Els barcelonins Domestic Data Streamers investiguen de quines maneres les dades es poden convertir en sistemes interactius i experiències de visualització molt més enllà de la pantalla i les tradicionals infografies. En col·laboració amb l’equip d’anàlisi de dades de Spotify han creat per encàrrec de Sónar+D la instal·lació The Time Keeper.

Sabent que una cançó pot estar connectada per sempre a un record a partir d’una experiència viscuda, és possible fer-ho al revés establint una connexió entre un moment futur i una cançó que encara es desconeix? Per dur a terme aquesta peça que es va mostrar en el Sónar+D (i donar resposta a la pregunta) es varen analitzar els hàbits d’escolta dels visitants a través del seu perfil de Spotify i, a partir d’un qüestionari, es varen contrastar amb el seu perfil de comportament. Finalment se’ls demanava formular un desig a associar a una cançó per a un moment pròxim que l’usuari havia de determinar. Quan arribés el moment escollit en les següents hores, dies o setmanes el visitant rebria un correu amb la cançó escollida per acompanyar aquest moment especial. La peça consitia d’un conjunt de tubs per on circulaven boles transparents que representava el moment/cançó de cada visitant. Les redactores del butlletí varem provar l’experiència i ja hem rebut les nostres cançons seleccionades per Spotify!

maker.jpg

Amb aquest experiment Domestic Data Streamers volien esbrinar si la manera en que escoltem música és la manera en la que volem viure les nostres vides i explorar les connexions entre el nostre comportament musical i el nostre comportament vital.

Imma Garcia

 

Un algoritme llegeix la mentida a la teva cara

Un nou algoritme, dissenyat per la Universitat de Michigan aconsegueix detectar la mentida en una cara amb major precisió que el propi ésser humà.

Saber si una persona menteix o diu la veritat pot ajudar els processos judicials. i els resultats van demostrar que és molt més precís que els propis éssers humans. Els investigadors de la Universitat van treballar amb The Innocence Project, una organització pública americana dedicada a exonerar les persones injustament condemnades a través de proves d’ADN i que vol la reforma del sistema de justícia penal per prevenir condemnes injustes. Per comprovar l’eficàcia d’aquest algoritme es van analitzar 121 vídeos i, gràcies a les seves conclusions, els advocats van poder demostrar que els testimonis havien mentit en 235 casos i que en 88 la confessió era falsa.

En general, no som grans detectors de mentides. El nostre cervell és capaç de determinar el 59,9% de les vegades que una persona menteix, un percentatge superior en el cas dels professionals, que poden diferenciar una cara que no menteix en un 65% de les ocasions. L’algoritme va identificar correctament a les persones que deien la veritat en un 75% dels casos.

Tot i així detectar mentides no és cosa fàcil, i no està clar que aquest algoritme funcionés al cent per cent. El rostre humà és molt complex, intervenen milers de músculs. Gràcies a estudis sobre comunicació verbal i quinèsia se sap que hi ha emocions o pensaments que poden fer que el nostre rostre “reaccioni” de manera similar que quan menteix, i això pot ser malinterpretable. El Dr. Paul Ekman, considerat un dels 100 millors psicòlegs del món i pioner en l’estudi de les emocions,  porta anys plantejant-se la possibilitat d’elaborar un “diccionari d’expressions facials”. És possible? Seria vàlid? És molt incert i malauradament ens atrevim a dir que aconseguir saber quan algú menteix sense marge d’error és impossible. Si us interessa aquest tema i voleu una mica d’entreteniment potser us agradi la sèrie de televisió Lie to me, inspirada en la feina del Dr. Paul Ekman.

.

.

.

.

.

Selene B.

.

.

Fonts:

Newscientist.com

Blogthinkbig.com

Saps què és un algoritme?

Tots hem sentit parlar (i parlem) dels algoritmes¹. Sobretot de com l’algoritme de Google modifica el lloc de la nostra web en una cerca. Però sabem què és un algoritme?

La viquipèdia diu que “és un conjunt finit d’instruccions o passos que serveixen per a executar una tasca o resoldre un problema”. Per tant, fem servir algoritmes quan seguim unes instruccions per posar en marxa un aparell, quan seguim una partitura per tocar música, fins i tot quan cuinem a partir d’una recepta.

El nom prové d’un matemàtic persa del segle IX, Abu Abdallah Muammad ibn Mūsā al-Kwārizmī, més conegut com al-Kwarizmi,  que va escriure el Compendi de càlcul per reintegració i comparació, considerat el primer en proposar solucions sistemàtiques als problemes d’àlgebra, o sigui, que conté  els primers algorismes. Del nom del matemàtic, al-Kwarizmi, se’n va popularitzar el terme “algorisme” per les instruccions per resoldre problemes,  i del títol del seu llibre, de la paraula al-jabr², en va sortir àlgebra.

Així doncs, repetim, un algoritme és un grup d’instruccions que comencen i acaben i al final de l’execució de les quals hem resolt una qüestió, un problema. I que podem fer servir sempre que tinguem el mateix problema (o vulguem tocar la mateixa peça o cuinar el mateix plat).

Els ordinadors són màquines algorítmiques, que llegeixen algoritmes codificats en un determinat llenguatge, els programes. Per tant, per tal que un ordinador executi una determinada tasca d’una determinada manera primer s’ha de crear l’algoritme: concretar l’inici i l’objectiu i final i quines són les passes intermèdies per arribar-hi. I llavors traslladar-ho a un llenguatge que l’ordinador sigui capaç de decodificar.

Bé, ara anem al tema de l’algoritme de Google.

L’algoritme de Google és el conjunt d’instruccions que fa servir el cercador per tal d’oferir els resultats a la qüestió preguntada. La intenció de Google és oferir els resultats que més interessin a cada usuari (més enllà del que en diuen “continguts patrocinats”). Vol donar resposta a la pregunta que fas, no oferir-te milions de pàgines web. Per això, Google no proposa els mateixos resultats a tothom: sap qui ets perquè sovint t’has registrat a l’ordinador via gmail, geolocalitza els resultats i no te’n dóna de llunyans, té en compte l’historial de cerques i clics… i d’aquí aprèn què interessa més a l’usuari.

Els programes informàtics de cerca són algoritmes que busquen pistes per oferir-te els resultats més rellevants. Per a cada recerca hi ha milers o milions de pàgines web amb informació útil. Els algoritmes contenen fórmules i processos informàtics que converteixen les preguntes en respostes. Actualment, els algoritmes de Google es basen en més de 200 senyals úniques o “pistes” que permeten endevinar el que realment podries estar buscant. Aquests senyals inclouen, entre altres, els termes dels llocs web, l’actualitat del contingut, la teva regió i el PageRank.

Google actualitza el seu algoritme unes 500 vegades l’any (el que equival a un canvi cada 17,5 hores). De vegades són petits ajustos que passen desapercebuts. D’altres, grans transformacions que poden donar la volta als resultats. En qualsevol cas, totes les seves actualitzacions afecten el teu lloc web d’alguna manera.

A l’optimització que Google va fer el 21 d’abril, el principal canvi va ser ampliar els senyals de rànquing perquè els llocs optimitzats per a mòbils es posicionin millor. Afecta els resultats de cerca en tots els idiomes i s’aplica a pàgines concretes. S’espera que aquesta optimització suposi un impacte significatiu però paulatí.

Com resoldre les conseqüències d’aquest canvi d’algoritme? Aquí és on entra el treball de SEO, la millor manera de continuar estant ben situat a Google. I sobretot és imprescindible mantenir-se al dia. Perquè si coneixes en tot moment els moviments del cercador, pots treure’n profit de la situació el més aviat possible i reposicionar el teu lloc web de forma fàcil.

.

.

Marisol López

Gràcies al Josep Ignasi Bonet per les puntualitzacions i correccions.

.

.

¹com bé apunta Josep Ignasi Bonet, i corrobora Termcat, també es pot dir algorisme. Ambdues opcions són igualment correctes.

²el títol del llibre en àrab és al-Kitāb al-mukhtaṣar fī ḥisāb al-ŷabr wa-l-muqābala.