{"id":13507,"date":"2023-07-07T16:22:36","date_gmt":"2023-07-07T19:22:36","guid":{"rendered":"https:\/\/agencia.unq.edu.ar\/?p=13507"},"modified":"2023-07-07T16:22:38","modified_gmt":"2023-07-07T19:22:38","slug":"como-se-puede-predecir-que-canciones-seran-un-hit-y-que-dice-la-ciencia-al-respecto","status":"publish","type":"post","link":"https:\/\/agencia.unq.edu.ar\/?p=13507","title":{"rendered":"\u00bfC\u00f3mo se puede predecir qu\u00e9 canciones ser\u00e1n un hit y qu\u00e9 dice la ciencia al respecto?"},"content":{"rendered":"\n

Un nuevo estudio sugiere que la fusi\u00f3n de la inteligencia artificial con datos cerebrales podr\u00eda revelar el secreto de un \u00e9xito musical.<\/p>\n\n\n\n

\"Plataformas
Plataformas como Spotify brindan un servicio impulsado por IA que escanea los nuevos lanzamientos para adaptarse a los gustos de los usuarios. Cr\u00e9dito: la Vanguardia<\/figcaption><\/figure>\n\n\n\n

Despacito \/ Quiero respirar tu cuello despacito \/ Deja que te diga cosas al o\u00eddo \/ Para que te acuerdes si no est\u00e1s conmigo”<\/em>… Luciana cierra los ojos mientras los acordes vibran en el aire. Su cuerpo comienza a menearse suavemente al ritmo de la melod\u00eda, sus pies se mueven siguiendo el comp\u00e1s y sus manos flotan en el aire como mariposas danzantes. “Despacito”, la canci\u00f3n de Luis Fonsi y Daddy Yankee, fluye por primera vez a trav\u00e9s de cada fibra de su ser, provocando un torrente de emociones que se manifiestan en su rostro sonriente y en los peque\u00f1os escalofr\u00edos que recorren su espalda. \u00bfPodr\u00e1 Luciana predecir si la canci\u00f3n que est\u00e1 escuchando se convertir\u00e1 en un hit? <\/strong><\/p>\n\n\n\n

Seg\u00fan un estudio realizado por investigadores de la Universidad de Claremont, Estados Unidos, la respuesta es s\u00ed.<\/strong> La investigaci\u00f3n, a la que tuvo acceso la Agencia de Noticias Cient\u00edficas de la UNQ<\/strong><\/a>, y que fue publicada recientemente en la revista cient\u00edfica Frontiers in Artificial Intelligence,<\/strong> sugiere que la clave para distinguir un \u00e9xito musical radica en el cerebro de los oyentes, y que la inteligencia artificial puede analizar se\u00f1ales fisiol\u00f3gicas para revelarlo.<\/strong><\/p>\n\n\n\n

El estudio, liderado por el neurocient\u00edfico Paul Zak<\/strong>, utiliz\u00f3 un dispositivo m\u00f3vil similar a un reloj inteligente y un algoritmo de aprendizaje autom\u00e1tico para rastrear las respuestas card\u00edacas de los participantes y convertir esos datos en una m\u00e9trica capaz de reflejar la actividad neuronal. De esta manera, con una precisi\u00f3n del 97 por ciento, el modelo logr\u00f3 clasificar si una canci\u00f3n puede convertirse en \u00e9xito o ser\u00e1 un triste fracaso.<\/strong><\/p>\n\n\n\n

\u00bfC\u00f3mo se hizo el estudio?<\/h2>\n\n\n\n

Los investigadores equiparon a 33 voluntarios con sensores card\u00edacos port\u00e1tiles -similares a los utilizados en los relojes inteligentes que miden la actividad f\u00edsica- que monitorearon los cambios en el flujo sangu\u00edneo usando ondas de luz que penetran en la piel. Cada uno pudo escuchar 24 canciones que incluyeron grandes \u00e9xitos comerciales y temas con menor popularidad. Luego, se procesaron los datos de la frecuencia card\u00edaca utilizando la plataforma Immersion Neuroscience<\/strong>, que convierte algor\u00edtmicamente la actividad card\u00edaca en una m\u00e9trica combinada de atenci\u00f3n y resonancia emocional llamada “inmersi\u00f3n”. De esta manera, mediante un algoritmo, estos datos se definieron en un proxy de la actividad neuronal, lo que permiti\u00f3 clasificar si una canci\u00f3n podr\u00eda convertirse en un \u00e9xito o en un fracaso, casi sin margen de error.<\/strong><\/p>\n\n\n\n

\"\"
Las herramientas de aprendizaje autom\u00e1tico pueden localizar las pistas con m\u00e1s probabilidades de llegar al n\u00famero uno. Cr\u00e9dito: La Vanguardia.<\/figcaption><\/figure>\n\n\n\n

En trabajos anteriores, los cient\u00edficos utilizaron im\u00e1genes de resonancia magn\u00e9tica funcional (fMRI) para predecir la popularidad de una canci\u00f3n. Estos estudios se centraron en la actividad cerebral medida mediante fMRI y encontraron que las respuestas d\u00e9biles en el n\u00facleo accumbens, una regi\u00f3n relacionada con la motivaci\u00f3n y la recompensa<\/strong>, pudieron predecir con precisi\u00f3n el fracaso comercial de una canci\u00f3n en un 90 por ciento de los casos. Sin embargo, la capacidad para predecir canciones exitosas fue mucho m\u00e1s limitada, alcanzando solo el 30 por ciento de precisi\u00f3n. Adem\u00e1s, las sesiones de fMRI fueron largas y pocas pr\u00e1cticas.<\/p>\n\n\n\n

El futuro de los hits<\/h2>\n\n\n\n

El m\u00e9todo desarrollado por los cient\u00edficos de la Universidad de Claremont permitir\u00eda reducir los costos de producci\u00f3n musical al ayudar a los productores a identificar con mayor exactitud qu\u00e9 canciones tienen m\u00e1s posibilidades de ser populares. \u201cLa precisi\u00f3n casi perfecta del modelo en la predicci\u00f3n de la popularidad de las canciones abre la puerta a transformar tanto el proceso creativo de los artistas como la distribuci\u00f3n de m\u00fasica en los servicios de transmisi\u00f3n\u201d, <\/strong>detalla el estudio. <\/p>\n\n\n\n

Y sugiere que, a medida que los dispositivos port\u00e1tiles se vuelvan m\u00e1s comunes, esta tecnolog\u00eda podr\u00eda monitorear pasivamente la actividad cerebral de las personas y recomendar m\u00fasica, pel\u00edculas o programas de televisi\u00f3n en funci\u00f3n de esos datos. Sin embargo, aunque la investigaci\u00f3n representa un paso significativo hacia la predicci\u00f3n automatizada de \u00e9xitos musicales, se requieren m\u00e1s estudios para validar y mejorar el modelo. <\/strong><\/p>\n\n\n\n

Implicaciones \u00e9ticas <\/h2>\n\n\n\n

A pesar de las promesas y beneficios potenciales, la fusi\u00f3n de inteligencia artificial y los datos cerebrales genera preocupaciones sobre la confiabilidad y las implicaciones \u00e9ticas<\/strong>. En ese sentido, la obtenci\u00f3n y el uso de datos personales relacionados con la actividad neuronal de las personas plantea interrogantes sobre la privacidad<\/strong>. <\/p>\n\n\n\n

Adem\u00e1s, existe el riesgo de que el enfoque basado en algoritmos pueda perpetuar sesgos y limitar la diversidad y creatividad en la industria musical, al enfocarse \u00fanicamente en las caracter\u00edsticas que se consideran “exitosas”. Con todo, es crucial abordar estas preocupaciones y garantizar que la informaci\u00f3n cerebral se utilicen de manera responsable y transparente.<\/strong><\/p>\n\n\n\n

<\/p>\n\n\n\n

\n\n\n\n
<\/div>\n\n\n\n

\u00daltimas noticias de la secci\u00f3n Ciencias:<\/h4>\n\n\n