機械学習は「パーソナライズされたDJ」として機能し、利用者それぞれの移り変わる気分に合わせて、極めて個人向けの音楽プレイリストを作成できると研究者らは報告している。
その目標は、利用者の感情の変化に応じて変わるプレイリストを作成し、ストリーミング音楽サービスを凌駕することだ。
「長い一日の会議を終えて車に乗り込むときも、週末の朝にベッドから起き出すときも、利用者の移り変わる気分に合わせて推奨内容を調整すべきです」と、テキサス大学オースティン校マコームズ経営大学院で情報・リスク・オペレーション管理を教えるMaytal Saar-Tsechansky教授は語る。
このプロジェクトは、コンピュータサイエンスの博士課程学生であり、音楽作曲の学位も持つElad Liebmanの発案から始まった。彼、Saar-Tsechansky、そしてコンピュータサイエンスの教授であるPeter Stoneが設計したプログラムは、一連のフィードバックループを実行する。楽曲を試験的に再生し、利用者がそれを評価すると、プログラムはその評価を踏まえて次の楽曲を選ぶ。「そのうえで、モデルを適宜修正するのです」とLiebmanは話す。
このプログラムは、利用者がどの楽曲を気に入るかだけでなく、どの順番で聴きたいかも考慮しながら、利用者の気分に適応する。楽曲は賢く編成され、ランダムで脈絡のない並びではなく、表現力豊かな「DJのような」流れを生み出す。
チェスの棋士のように、このプログラムは10曲先までの流れを計画する。ある曲の再生中に、何万通りもの候補となる並びを生成し、どれが利用者を最も満足させるかを予測する。プレイリストの次の曲を提供し、その曲が再生されている間に、新たな並びを作成して検証する。
機械学習において、この仕組みはモンテカルロ探索として知られており、プログラム名「DJ-MC」の由来となった。
研究者らは、パーソナライズドDJプログラムを、ニュース記事から動画に至るまで、他の種類のメディアにも適応させることができるだろうと述べている。
「学習アルゴリズムには好みがなく、あるのはデータだけです」とLiebmanは話す。「人々が同様の方法でそれを消費する限り、データセットは何にでも置き換えられます。」
Saar-Tsechanskyはさらに踏み込んで述べる。「順番に体験する形で、人間に何かを推奨するあらゆる場面で機能しうるのです」と彼女は言う。「食べ物にさえ応用できるかもしれません。」
この論文は、MIS Quarterlyに掲載されている。
