598      iPhone_iPad_Mac_apple

聽什麼歌這件事，馬雲說AI比歌單更靠譜

昨日，蝦米音樂節在杭州開唱。作為阿裏巴巴一年一度雲棲大會的重要活動，邀請到李健、許巍、吳莫愁、竇靖童、許鈞、GALA等重量級音樂人的蝦米音樂節不僅陣容規格比肩國內一線音樂節，馬雲變身超級麥霸與李健現場飆歌更是搶盡眼球。

高大緊老師曾對馬雲說：“你唱的很好，大家並不覺得很高興，但你唱的很不好，大家會非常高興。”

所以對於蝦米推出的《馬老師特輯》不用太當真，不過這次音樂節現場推出的探樂實驗室看起來倒像是玩真的。

AI其實早已不是新鮮話題。如果不知道阿爾法狗曾4：1完勝當代棋聖李世石，你也應該撩過Siri。

盡管蝦米推出的探樂實驗室裏的AI作曲、AI伴奏，相較於英國的AI MUSIC和Vochlea（詳見娛樂鮮聲報道AI音樂時代來臨，音樂家會成為下一個消失的職業？）在AI音樂領域的技術而言，更像是一次技術娛樂體驗。

不過其中的“聽見不同”更貼近數字音樂平台的未來。在“聽見不同”的選項裏，除了以往我們常見的按曲風、國家、年代等分類手段的自定義，還增加了一個探索模式，通過AI算法從保守、均衡到激進三個模式推薦音樂。這個新功能其實在蝦米APP已經運行了一陣，本質上為要解決用戶聽什麼歌的問題。

過去，我們習慣了從電台、唱片店、音樂雜誌、排行榜獲取信息，無論是電台DJ選的歌、唱片店推薦的新碟、音樂雜誌選刊的音樂人和樂評以及排行榜，這些信息實際已經幫我們進行了有效篩選，更不要說那些被擋在唱片約門外未能進入流通市場的歌曲，盡管其中或有遺珠，但至少保證了整體品質，所以我們過去似乎從未擔憂過聽什麼。

然而當數字音樂平台將超過2000萬首歌擺在我們麵前，每天新碟又不斷更新，麵對海量選擇，對於國內本來就缺乏音樂基礎的用戶，突然發現聽什麼歌、如何發現好歌成為一個問題。

所以，我們會發現在國內數字音樂平台的頁麵極其豐富，大多都是我們熟悉的配方，歌單就是原來唱片店的薦碟，音樂專欄就是音樂雜誌的電子版，排行榜換湯不換藥，而原來電台的DJ們也早已紛紛觸網。

過去的世界裏，我們隻知河流未見海洋，所以電台、唱片店、音樂雜誌、排行榜可以如同一葉扁舟載我們去看那些美好的景色，我們信賴他們。而今天麵對這片數字音樂海洋，誰都可以撐起一片扁舟的當下，我們突然發現選擇扁舟都是一件困難的事情，因為你無法確信這些扁舟能否駕馭時而洶湧的洋流。

同樣是麵對海量內容，今日頭條在工程師和算法支持下越走越遠。這家曾經被無數媒體人抨擊羞辱了新聞理想，同行指控它靠補貼作者破壞市場規則，用戶對其調性堪憂而皺眉的新媒體平台，甚至常年位居鄙視鏈末端。

然而身體是誠實的，數據是真實的。今日頭條的DAU（日活躍用戶數）早已破億，而其2016年的廣告收入也已超100億。

張一鳴早就宣稱「算法沒有價值觀」。

那麼數字音樂平台為什麼一定要講情懷呢？用戶不過是想聽好歌，聽適合自己的、適合所處環境的音樂。

作為全球用戶規模最大的數字音樂平台，Spotify早就在使用一種名為協同過濾（collaborative filtering）的方法，從用戶的聽歌行為中盡可能多地整理出相關數據，然後與它從全球範圍內收集到的其他用戶的數據進行比較分析，再使用這些數據改善該應用的推薦歌曲內容，並根據用戶的聽歌習慣推薦用戶新音樂。

Spotify還收購了另一家機器學習公司Echo Nest，它使用AI收集人們發布到博客、新聞網站和社交媒體上的有關新音樂的數據，通過機器學習提供更好的音樂發現。

如果你使用過Spotify，你會很快喜歡上它的Discover Weekly功能，它會為用戶推薦最新音樂以及最近新發布的混合音樂清單。而這些特性都采用了機器學習方法，挖掘用戶的收聽數據，來為用戶打造一個用戶會喜歡聆聽的個性化的播放設計列表。

相較於那些需要用戶再選擇的UGC歌單，AI自動生成的個性化播放列表似乎更符合大眾口味。

這一點王小波早有預見：「除了這隻豬，還沒見過誰敢於如此無視對生活的設置。相反，我倒見過很多想要設置別人生活的人，還有對被設置的生活安之若素的人。」

今天，數字音樂已經從製作到發行的各個環節改變了音樂產業形態，也更方便了我們的生活，為什麼“聽什麼歌”這件事我們還要拿著那些熟悉的配方不放呢？

很多時候你自己都不知道想聽什麼，你會願意相信別人做的歌單嗎?

對於AI，馬雲昨天在雲棲大會又有金句：“機器應該像人一樣會學習，但不應該像人一樣思考。”

轉載請注明來源--娛樂鮮聲(xianshengyule)，侵權必究。

最後更新：2017-10-12 18:25:39

  上一篇： 馬雲放大招，下設這個機構誓要超越微軟

  下一篇： 馬雲忙開“達摩院”，阿裏後院卻“著火”了！