Claves para engañar al algoritmo de Spotify
Suscribirme
26 01 2021

Claves para engañar al algoritmo de Spotify

Cómo salir del circuito de comentarios de Spotify y encontrar nueva música

Compartí la noticia

¿El algoritmo te conoce demasiado bien? A continuación, le mostramos cómo modificar sus recomendaciones para una experiencia auditiva más diversa
Reproducimos nota del 13 de Enero publicado en el portal de tecnología https://www.wired.co.uk

Si estás escuchando música en este momento, es probable que no hayas elegido qué ponerte; lo subcontrataste a un algoritmo. Es tal la popularidad de los sistemas de recomendación que hemos llegado a confiar en ellos para que nos sirvan lo que queremos sin que tengamos que preguntar, con servicios de transmisión de música como Spotify, Pandora y Deezer, todos utilizando sistemas personalizados para sugerir listas de reproducción o pistas adaptadas. al usuario.

Generalmente, estos sistemas son muy buenos. El problema, para algunos, es que quizás sean demasiado buenos. Han descubierto tu gusto, saben exactamente lo que escuchas y recomiendan más de lo mismo, hasta que estás atrapado en un pozo sin fin de grabaciones de ABBA (¿solo yo?). Pero, ¿y si quieres salir de tu rutina habitual y probar algo nuevo? ¿Puedes entrenar o engañar al algoritmo para que sugiera un rango más diverso?

"Eso es complicado", dice Peter Knees, profesor asistente en TU Wien. "Probablemente tenga que dirigirlo muy directamente en la dirección que ya sabe que podría estar interesado".

El problema solo empeora cuanto más confía en las recomendaciones automatizadas. "Cuando sigues escuchando las recomendaciones que se están haciendo, terminas en ese circuito de retroalimentación, porque proporcionas más evidencia de que esta es la música que quieres escuchar, porque la estás escuchando", dice Knees. Esto proporciona un refuerzo positivo al sistema, incentivándolo a seguir haciendo más sugerencias similares. Para salir de esa burbuja, necesitarás escuchar algo diferente de manera bastante explícita.


Empresas como Spotify guardan secreto sobre cómo funcionan exactamente sus sistemas de recomendación (y Spotify se negó a comentar sobre los detalles de su algoritmo para este artículo), pero Knees dice que podemos asumir que la mayoría se basan en gran medida en el filtrado colaborativo, que hace predicciones de lo que usted podría gustar en función de lo que les gusta a otras personas que tienen hábitos de escucha similares a los tuyos. Puede pensar que su gusto musical es algo muy personal, pero probablemente no sea tan único. Un sistema de filtrado colaborativo puede crear una imagen de grupos de gustos: artistas o pistas que atraen al mismo grupo de personas. Realmente, dice Knees, esto no es tan diferente de lo que hicimos antes de los servicios de transmisión, cuando podrías pedirle a alguien a quien le gustaron algunas de las mismas bandas que tú para más recomendaciones."Esto es sólo una continuación algorítmica de esta idea", dice.

El problema ocurre cuando quieres alejarte de tu género, época o gusto habitual y encontrar algo nuevo. El sistema no está diseñado para esto, así que tendrás que esforzarte un poco. "Francamente, la mejor solución sería crear una nueva cuenta y entrenarla en algo muy diferente", dice Markus Schedl, un profesor de la Universidad Johannes Kepler de Linz.

De lo contrario, es necesario buscar activamente algo nuevo. Puede buscar un nuevo género o usar una herramienta fuera de su servicio de transmisión principal para encontrar sugerencias de artistas o pistas y luego buscarlas. Schedl sugiere encontrar algo que no escuche tanto y comenzar una lista de reproducción de 'Radio', una función en Spotify que crea una lista de reproducción basada en una canción seleccionada (sin embargo, estos también pueden estar influenciados por sus hábitos de escucha más amplios).

Knees sugiere esperar nuevos lanzamientos o escuchar regularmente las pistas más populares. “Existe la posibilidad de que lo próximo que surja sea lo tuyo”, dice. Pero alejarse de la corriente principal es más difícil. Descubrirá que incluso si busca activamente un nuevo género, es probable que lo empuje hacia artistas y pistas más populares. Esto tiene sentido: si a muchas personas les gusta algo, es más probable que a ti también te guste, pero puede dificultar el descubrimiento de gemas ocultas.

Knees aconseja, por lo tanto, tratar de profundizar activamente en la “cola larga”: la gran cantidad de artistas y pistas que tienen pocos oyentes pero que podrían ser su nicho. Si bien puede rastrear manualmente a través de artistas desconocidos y catálogos antiguos, es probable que sus recomendaciones aún se inclinen un poco más hacia la corriente principal. “Incluso si estás en la cola larga, como que te empuja hacia la cabeza, hacia los elementos populares, cuando haces recomendaciones, porque aquí es donde el sistema es más estable”, dice.

Como regla general, si desea diversificar su escucha, tendrá que esforzarse más en el descubrimiento de la música en lugar de permitir que el sistema lo haga por usted. En lugar de simplemente escuchar listas de reproducción personalizadas, puede seguir listas de reproducción seleccionadas por personas, así como crear las suyas propias. "Si confías en una plataforma para que haga el trabajo por ti, entonces estás básicamente en el modo de radio, como lo estaba la gente antes", dice Knees.

Hay otra forma en que pueden funcionar los sistemas de recomendación de música, que podría ayudar a romper el ciclo de retroalimentación: recomendaciones basadas en contenido. En este enfoque, las recomendaciones se basan en el sonido y no en los hábitos de escucha de otras personas. El sistema podría cuantificar aspectos de la música como el tempo y encontrar pistas similares basadas en esas cualidades acústicas. Schedl sugiere que incluso podría asignar un valor numérico a cosas como "bailabilidad" o "instrumentalidad". En este caso, incluso podría ajustar el sistema para la diversidad, ajustando qué tan similares deberían ser las pistas recomendadas.

Sin embargo, se desconoce cuánto se utiliza este tipo de enfoque de recomendación basado en contenido, y puede ser una estrategia muy arriesgada en términos de experiencia del usuario. Juega demasiado a lo mismo y un usuario puede aburrirse; pero juega algo demasiado fuera de su zona de confort y es posible que simplemente se vayan.

“Tiene este compromiso entre ceñirse a recomendaciones realmente sólidas y sin riesgo simplemente haciendo lo que todos hacen y, por otro lado, dejar que la computadora haga una recomendación basada solo en las propiedades del sonido sin saber nada sobre los aspectos culturales de música, lo que podría romper por completo esa expectativa ”, dice Knees. Esto podría ser bueno, podría encontrar la canción perfecta solo para usted, o podría socavar por completo la confianza del usuario en el sistema de recomendación.

Mientras tanto, si 2021 es el año en que regresa al descubrimiento de la música, entonces tendrá que tomar la iniciativa para explorar fuera de su burbuja de filtro. De hecho, es probable que escuches una mayor variedad de música desde que usaste plataformas de transmisión que antes. Quizás, reflexiona Knees, fue el esfuerzo adicional requerido para encontrar un artista o pista en el pasado lo que lo hizo sentir más valioso. Ponga el trabajo, entonces, y quizás valga la pena.
 

Suscribirme