L’apprendimento automatico può mappare le caratteristiche musicali che innescano determinati tipi di risposte fisiche ed emotive.
di Karen Hao
Sappiamo tutti che la musica è un potente influencer. Un film senza colonna sonora non provoca le stesse reazioni emotive. Un allenamento senza musica in sottofondo può apparire di una noia mortale. Ma c’è un modo per quantificare queste reazioni? E se è così, potrebbero essere sfruttate per la creazione di nuovi prodotti?
In un recente articolo, i ricercatori dell’University of Southern California hanno mostrato come tono, ritmo e armonia inducano diversi tipi di attività cerebrale, reazioni fisiologiche (calore, sudore e cambiamenti nella risposta elettrica) ed emozioni (felicità o tristezza) ) e in che modo l’apprendimento automatico potrebbe utilizzare tali relazioni per prevedere le reazioni delle persone a un brano musicale.
I risultati, presentati alla ACM International Conference on Multimedia, tenuta a Nizza la scorsa settimana, indicano che un giorno potremo essere in grado di progettare esperienze musicali mirate per scopi che vanno dalla terapia ai film.
La ricerca fa parte dell’obiettivo più ampio del laboratorio di comprendere in che modo diverse forme di media, come film e pubblicità televisive, nonché musica, influenzino il corpo e il cervello delle persone. “Una volta compreso come i media coinvolgano aspetti emotivi, allora si può provare a sfruttare i dati per supportare o migliorare realmente le esperienze umane”, afferma Shrikanth Narayanan, professore alla USC e responsabile della ricerca.
I ricercatori hanno per prima cosa setacciato siti di streaming musicale come Spotify alla ricerca di canzoni poco conosciute e le hanno etichettate in categorie come “allegre” o “tristi” (Volevano evitare canzoni familiari per ridurre le interferenze al minimo). Attraverso una serie di tester umani, il blocco iniziale di 60 brani suddivisi per le diverse emozioni è stato ridotto a un elenco finale di tre: due legati a una sensazione di tristezza (Fyrsta di Ólafur Arnalds e Discovery of the Camp di Michael Kamen) e uno alla sensazione di felicità (Race Against the Sunset di Lullatone).
Cento partecipanti che non conoscevano le canzoni prima di dividersi in due gruppi, le hanno ascoltate tutte e tre, con una scansione fMRI o indossando sensori di impulso, calore ed elettricità sulla loro pelle e hanno valutato l’intensità delle loro emozioni su una scala da 0 a 10.
I ricercatori hanno quindi inserito i dati, insieme a 74 funzioni per ogni brano (come il tono, il ritmo, l’armonia, la dinamica e il timbro), in diversi algoritmi di apprendimento automatico e hanno esaminato quali caratteristiche fossero i più forti predittori di risposte. Hanno scoperto, per esempio, che la “vivacità” di una canzone (il livello delle sue frequenze medie e alte) e la potenza del ritmo erano tra i migliori predittori di come una canzone avrebbe influenzato la frequenza cardiaca e l’attività cerebrale di un ascoltatore.
La ricerca è ancora in una fase molto precoce e ci vorrà un po’ di tempo prima che modelli più potenti di apprendimento automatico saranno in grado di predire le reazioni mentali e fisiche a una canzone con precisione.
Ma i ricercatori sono entusiasti delle possibili apllicazioni di tali modelli: progettazione di musica personalizzata, creazione di colonne sonore di film altamente evocative o sostegno ai pazienti con problemi di salute mentale. Il laboratorio sta già collaborando con cliniche che si occupano di terapie contro le dipendenze per vedere come altre forme di media potrebbero aiutare i pazienti.
Più semplicemente, la ricerca potrebbe essere utilizzata per generare playlist. “Non si cercherà di ascoltare una canzone che ci fa aumentare il battito cardiaco prima di coricarci, ma forse lo si farà se si sta partendo per un lungo viaggio e non si è dormito molto la notte”, conclude l’autore della ricerca Timothy Greer.
Immagine: Per gentile concessione di USC Viterbi School of Engineering
(rp)
