Дэвид Бирн - Как работает музыка

Этот тип механизма рекомендации основан на анализе песни. Pandora рекомендует музыку, опираясь на то, что вы слушаете, а также на широкие категории, которые вы предварительно выбираете. Что действительно интересно, так это отделение характеристик музыки от ее социальных и культурных контекстов. Тим Вестергрен, основатель сервиса Pandora, считает, что, основывая свои рекомендации в первую очередь на самóй музыке, они увеличат шансы на то, что слушателям понравится очередная песня.

Отделение социальных и культурных аспектов от реальных музыкальных качеств можно будет использовать за пределами музыкальной рекомендации. Это предполагает использование того, что они называют проектом Music Genome, в котором «эксперты» слушают музыку и оценивают каждое произведение в соответствии с общими категориями – мелодией, гармонией, ритмом, вокалом и используемыми инструментами. Эти категории затем, в свою очередь, разбиваются на целых 50 элементов, каждый из которых оценивается отдельно. Идея состоит в том, чтобы распределить все песни (начиная с западной поп-музыки) по взаимосвязанным «генетическим» категориям. Предполагается, что, если вам нравится некая песня с определенными генами, есть шанс, что вам понравится и другая песня, обладающая этими же генами. В Pandora, если вас не устроит их рекомендация, можно нажать «пас», и они обратят на это внимание и зададутся вопросом, какой аспект не сработал для вас. Затем ваши рекомендации будут уточнены.

Некоторые в отрасли считают эту идею сумасшедшей, поскольку полагаться на людей при анализе сотен тысяч песен – весьма трудоемкая затея, даже если она сработает. Но если отбросить практические соображения, подобная система ставит перед нами интересные вопросы.

Вестергрен считает, что мы отказываем себе в удовольствии от музыки, которую любим, из-за социальных и культурных предубеждений: если наших друзей пугает перспектива быть застуканными за прослушиванием Джастина Бибера, то и мы тоже можем проигнорировать его, даже если нам нравится его музыка (недавний альбом Бибера довольно хорош, по моему мнению). Вестергрен прав, в культуре много снобизма, а это значит, что мы часто не открываем для себя то, что нам действительно может понравиться.

Точно так же утверждается, что согласно этой «геномной» классификации нам часто будут рекомендовать редкие песни из других эпох и жанров. Если идея генома окажется верной, это позволит системе расширить ваш кругозор в разных жанрах.

The Genome Project ставит вопросы: какая часть наших решений несправедливо предвзята из-за воспитания и окружающей культуры и откроем ли мы для себя что-то новое, если избежим этих предубеждений. Как я уже упоминал, рекомендация от надежного друга или артиста, который мне нравится, имеет большой вес. И мне хотелось бы думать, что на меня не влияет популярность как таковая, но, боюсь, все-таки влияет. И мне хотелось бы думать, что я не культурный сноб, что я могу наслаждаться хорошо продуманным поп-кондитерским изделием так же, как и всем остальным, и что мне нравится музыка в разных жанрах. Но в какой мере я обманываю себя?

Мне очень нравится классическая кантри-музыка, такие артисты, как Хэнк Уильямс, Тэмми Уайнетт, Долли Партон, Лоретта Линн. Моя дочь впитала в себя эту музыку во время совместных поездок, или когда я ставил ее, готовя ужин. Дочка подпевает этим песням, так же как и я. Рискну предположить, что ее любовь к этой музыке – результат социального воздействия.

Итак, вот контраргумент Вестергрену: подвержены ли мы влиянию социальных и культурных факторов в той же степени, что и фактическим качествам музыки? Всегда ли работает геномная идея? Мне может нравиться одна мрачная, угрюмая, энергичная группа, и при этом я могу ненавидеть тексты другой похожей группы, хотя генетически они могут совпадать.

Вестергрен утверждает, что вкус людей не всегда в точности таков, как они во всеуслышание заявляют. Специалист по данным может сделать аналогичное утверждение: врут люди, но не данные. В какой-то степени это правда, но цифры и факты могут быть интерпретированы по-разному. Они могут быть верными, но их анализ может варьировать.

Поскольку данные измеряют только то, что можно посчитать, просится возражение, что многое из того, что ценно в искусстве, трудно измерить. Мы куда менее особенные, чем мы думаем, но мы также социальные, эмоциональные, непредсказуемые и нестабильные существа. То, что мы ценим в нашей жизни, трудно свести к числам, хотя цифры и могут сказать больше, чем мы готовы признать.

Другой вид рекомендаций основан на культурных связях. Алгоритмы сравнивают то, что вам нравится, с тем, что нравится вашим друзьям, и с тем, что нравится другим людям, разделяющим ваши вкусы, а затем предполагают, какая музыка может прийтись вам по вкусу. Этот процесс не имеет ничего общего с самой музыкой. Это лишь поиск общих черт, и чем больше доступа мы предоставляем к нашим личным данным, тем точнее становятся рекомендации и производство контента. Взять хотя бы теперь уже известную историю о рекомендательном механизме, который «знал», что женщина беременна, и отправил ей рекомендации по подгузникам, прежде чем она сама узнала о своей беременности.

Я участвовал в круглом столе по кураторству вместе с представителями Pandora, Pitchfork, Vice и Mixcloud. Райан Шрайбер – соучредитель Pitchfork , истинный музыкальный гик – рассказал, как тестировал для себя Discover Weekly, алгоритм рекомендаций Spotify, который смотрит на плей-листы других людей с теми же песнями, что и в вашем, и, сравнивая их, предполагает, что у вас схожий вкус.

Поначалу Шрайбер был шокирован результатами: Discover Weekly, казалось, знал его слишком хорошо (основываясь на его предыдущих прослушиваниях и прослушиваниях людей со схожим вкусом) – это было почти что жутко. Spotify давал настолько необычные рекомендации, что Шрайбер задавался вопросом: «Как он узнал, что мне понравится группа “Икс”?»

Но затем случилось нечто странное. Он создал плей-листы для конкретных потребностей, один с эмбиентной минималистской музыкой для отдыха поздно вечером, а другой – ориентированный на редкие фанковые грувы. И когда он в следующий раз сверился с Discover Weekly, рекомендации оказались странными. Алгоритм попытался найти музыку, которая одновременно напоминала бы и эмбиент, и фанк, и в результате предлагал что-то совсем другое.

Мы любим отстаивать свою индивидуальность, но все чаще сталкиваемся с тем, насколько мы предсказуемы. Возникает конфликт: мы не хотим, чтобы иллюзия выбора исчезла, но жаждем удобной предсказуемости. Примерно 40 % из нас доверяют алгоритмически сформированным книжным рекомендациям. Мы хотим испытать коллективный опыт, подпевая той же песне, что и все присутствующие на концерте, но также питаем иллюзии, будто мы индивидуально решили отождествить себя с этой песней. Странное влияние, которое оказывает Discover Weekly на некоторых поклонников, диссонирует с их ощущением собственной уникальности. Мы более предсказуемы, чем готовы себе признаться, поэтому такие алгоритмы и работают, но восторг от присоединения к коллективу конфликтует с желанием чувствовать себя особенным.