איך ספוטיפיי יודעת להתאים לכם שירים? ענקית סטרימינג האודיו, שידועה בפלייליסטים המותאמים אישית שלה, חושפת כעת איך עובד האלגוריתם שלה שיודע אילו שירים הולכים טוב ביחד ומה בהסתברות גבוהה יקלע לטעמכם המוזיקלי.
אז איך זה עובד? תהליך מערכת ההמלצות של ספוטיפיי מתחיל בסינון שמבוסס על משתמשים רבים, שבוחן דפוסי השמעה ומגבש מתי שירים או רצועות משתבצים לפלייליסטים (רשימות השמעה). כלומר, אם שמתם בפלייליסט "מכון כושר" שיר של בריטני ספירס לצד שיר של ריהאנה, המערכת תזהה שמדובר בצמד שירים שמתאים זה לזה.
בעצם המערכת מזהה אילו שירים מצוותים בתדירות גבוהה על ידי משתמשים לפלייליסטים באופן שמצביע על דפוס, כך הסביר סמנכ"ל הפרסונליזציה בספוטיפיי זיאד סולטן לוול סטריט ג'ורנל.
אם שמתם בפלייליסט "מכון כושר" שיר של בריטני ספירס לצד שיר של ריהאנה, המערכת תזהה שמדובר בצמד שירים שמתאים זה לזה
זו לא שיטה מושלמת, משום שלעיתים משתרבבים לנו שירים לא קשורים לפלייליסט. למשל, בזמן חגים ומועדים מיוחדים שמאופיינים על ידי פלייליסט ייחודי (יום השואה הוא דוגמה מצוינת), או כשיש פתאום פריצה של שירים מהעבר (למשל, השיר של קייט בוש Running Up That Hill, שהפך שוב לפופולרי בזכות הסדרה "דברים מוזרים"). אז שירים "לא קשורים" עושים דרכם לפלייליסטים על ידי משתמשים באופן זמני - ללא קשר סגנוני ביניהם.
שכבה נוספת של אלגוריתם באמצעותו ספוטיפיי עושה שימוש לגיבוש המלצות היא ניתוח שאוסף מידע מהשירים עצמם, בשביל לדרג ולקטלג אותם. במידע הזה נכללים מידע יבש כמו מועד ההפצה של השיר, חברת התקליטים או הלייבל - אבל גם נתונים שמעידים עד כמה השיר "מקפיץ" ומתאים לריקודים, או עד כמה הווליום ברצועה חזק במונחים של דציבלים.
האלגוריתם מקטלג את השירים גם לפי הקצב שלהם ואפילו משתמש בהקשר תרבותי, שמבוסס על ניתוח טקסט של המילים בשיר. בעוד שהשיטות של ספוטיפיי לא בהכרח ייחודיות לה, לפי מומחים היא בולטת בשל כמות נתוני משתמש עצומה שהיא מחזיקה בה וכמות המוצרים שהיא יוצרת על בסיסם. לחברה 500 מיליון משתמשים חודשיים.
ואפשר גם להגיד לספוטיפיי להוציא שירים מהפלייליסט
אבל עם כל הכבוד להעדפות אישיות, רבים מנגנים באפליקציות הסטרימינג שלהם שירים שלא בהכרח מעידים על הטעם המוזיקלי שלהם - לדוגמה, פלייליסט שירי ילדים שיש לכל הורה. בספוטיפיי הבינו את הבעייתיות והודיעו על אפשרות נוספת למידת השליטה בהגדרת הטעם המוזיקלי של המשתמשים.
הפיצ'ר החדש יחסית מאפשר למנוע ממוזיקה של פלייליסטים לבחירתכם שלא להיסרק כחלק ממה שהוא "הטעם המוזיקלי שלכם". כל שיש לעשות הוא להיכנס לפלייליסט, ללחוץ על 3 הנקודות בראש העמוד, ולבחור באופציה "Exclude". כך תוודאו ששירי ילדים או רצועות מפלייליסט מעליות של שעות העבודה לא יתקפו אתכם מתוך הדיסקברי, כשסופסוף מצאתם זמן לשמוע מוזיקה להנאתכם. כמובן שהפעולה הפיכה וניתן להכליל בחזרה את הפלייליסטים הגנוזים.
פיצ'ר ה-Exclude החדש. ששירי הילדים לא יתערבבו בפלייליסט
"ממתנים השפעות שליליות"
לפני עידן ההמלצות המותאמות אישית, המלצות המוזיקה גובשו על ידי עורכים או היו מבוססות על מצעדי להיטים שאיפשרו להתוודע לשירים חדשים ולמידת הפופולריות שלהם. עם התפתחות שירותי מוזיקה אונליין, ספוטיפיי ושירותים אחרים השתמשו בניתוח נתונים לגיבוש המלצות. לפי ספוטיפיי, רכישת חברת אנליטיקת המוזיקה The Eco Nest ב-2014 שהשתמשה בלמידת מכונה ועיבוד שפה טבעית לבניית בסיסי נתוני שירים ואמנים, סימנה צעד חשוב בהתפתחות מערכת ההמלצות שלה.
עם זאת, לטכנולוגיה הזו יש גם חסרונות. תומס הודג'סון, חוקר מוסיקולוגיה באוניברסיטת קליפורניה, חוקר איך טכנולוגיות חדשות בחברות הסטרימינג משפיעות על אמנים. לדבריו, הסכנה באלגוריתמים מהסוג היא שהם יכולים לחזק הטיות קיימות: קטלוג מוסיקלי מסוים יכול למשל להכיל יותר שירים של אמנים מאמניות וברגע שמשתמשים מאזינים יותר ויותר לקטלוגים כאלה הפידבק שמתקבל חזרה מההאזנות שלהם מחזק את מה שהוגש להם. ספוטיפיי טוענת שהצוותים שלה חוקרים וממתנים השפעות שליליות ולא שוויוניות באלגוריתמים.
ביקורת נוספת על האלגוריתמים היא שהם לא מיטיבים עם אמנים חדשים בגלל שאין מספיק מידע ונתוני משתמשים לגביהם. סולטן אומר שזה המקום בו עורכים מוסיקליים אנושיים משחקים תפקיד חשוב במתן המלצות מוזיקליות - אם כי באופן טבעי, גם לבני אדם יש הטיות.
הודג'סון טוען שמאפיינים מסוימים שבהם משתמשים בפלטפורמה בניתוח האודיו עלולות להיות מוטים תרבותית. כך למשל רצועות מרחבי העולם מקוטלגות באופן שתואם יותר סולמות מוסיקליים בתרבות המערבית.
מחקר של אוניברסיטת לידס הביא גם כן מספר דוגמאות למחקרים מהשנים האחרונות שמצאו הטיה מגדרית בולטת בהמלצות האלגוריתם של ספוטיפיי לטובת אמנים גברים. המחקר מציין כי מלבד המלצות שמגובשות על בסיס תוכן (מטא-דאטה) של הרצועות או התנהגות המשתמשים המבוססת על הבחירות והאינטרקציה שלהם עם השירים, אפליקציות מוזיקה עושות שימוש בנתונים נוספים הנאספים מהמכשירים של המשתמשים בשביל לגבש את ההקשר שבו בו הרצועות מושמעות. כך למשל הקשר סביבתי יכיל נתונים חיצוניים או מחיישני מכשירי המשתמשים כמו מיקום, זמן ביום, ימות השבוע ומזג האוויר. סוג נוסף של נתונים הנוגע להקשר וקשה יותר למדידה הוא הפעילות בה עוסק המשתמש ומצבו הרגשי – האם המשתמש נמצא במסיבה, בחדר הכושר או שהוא לבדו.