Nos bastidores de alguns dos mais populares serviços de streaming de música, a inteligência artificial trabalha arduamente como um DJ automatizado, decidindo quais músicas os ouvintes irão gostar.

A capacidade da tecnologia de aprender com os hábitos de escuta de milhões de usuários se tornou o software a chave para quase todos os serviços de streaming de hoje. 

Além disso, a AI está desempenhando um papel cada vez mais importante em alguns dos desafios mais sutis inerentes ao mercado, como ajustar os volumes do som e eliminar o ar morto.

Por exemplo, a Sonos, mais conhecida por seus alto-falantes de áudio sem fio, estreou em abril o  Sonos Radio, um serviço de streaming que apresenta estações de rádio de terceiros, bem como a primeira incursão da empresa na programação musical original. A tecnologia de aprendizado de máquina fornecida por um parceiro, Super Hi-Fi, ajuda em um trabalho importante: criar uma transição suave entre as músicas.

Sem isso, os ouvintes poderiam ficar incomodados com as enormes diferenças de volume entre uma música e outra. Por exemplo, as canções gravadas na década de 1970 costumam ser mais calmas do que as canções mais modernas, em parte devido às técnicas de gravação da época e às mudanças de gosto musical.    

A gigante da rádio online iHeartMedia, que tem seu próprio serviço de streaming e playlist, também coloca o aprendizado de máquina do Super Hi-Fi para funcionar. A tecnologia evita um breve silêncio entre as músicas, o que pode frustrar os ouvintes e fazer com que eles mudem para um rival.

Como explicou o diretor de tecnologia da Super Hi-Fi, Brendon Cassidy, com os avanços nas  redes neurais, o  software complicado que aprende padrões a partir da análise de grandes quantidades de dados, tornou-se possível a magia do áudio mais sofisticada.

A empresa treina a tecnologia em dados de som para que possa ajustá-lo com precisão em tempo real.

Além de usar o aprendizado de máquina para o papel de DJ da lista de reprodução, o chefe dessa área no Spotify, Tony Jebara, disse que a AI ajuda em algumas tarefas mais sutis, incluindo a opção de adicionar surpresas a listas de reprodução personalizadas.

Recomendar a mesma música com muita frequência, mesmo que um usuário a tenha ouvido por semanas, pode deixá-los entediados, disse Jebara.

Para música, é muito fácil conseguir que alguém consuma dando a eles o que consumiram ontem, como uma espécie de jogo de mesa.

Assim, usar a AI para ocasionalmente “apimentar” surpresas, com base na audição anterior de uma pessoa, ajuda a incrementar listas de reprodução personalizadas e ajuda a evitar que saiam.

Ainda assim, os serviços de streaming de música continuam dependentes de curadores humanos e editores de música. Afinal, a música é complexa – semelhante à linguagem humana – e é difícil para a AI entender completamente.

Jebara disse que os editores de música humana do Spotify identificam “coisas que não vemos nos dados”, como novos gêneros musicais e tendências. Embora seja ótima em reconhecer padrões em milhões de canções, a tecnologia tropeça ao tentar analisar canções de um gênero que nunca foi treinado para reconhecer.

O gerente geral da Sonos Radio, Ryan Taylor, disse que a Sonos Radio usa humanos em vez de tecnologia para fazer a curadoria de suas listas de reprodução de músicas devido a superioridade em determinar que uma música é mais semelhante a outra. Ele se refere a essas nuances como “elementos não muito tangíveis”.

A verdade é que a música é totalmente subjetiva. 

Ou seja, há uma razão pela qual você ouve Anderson Paak em vez de uma música que soa exatamente como Anderson Paak.

As pessoas gostam de uma música por vários motivos, desde amar as histórias por trás de seus artistas favoritos até se identificar por causa de uma conexão cultural. São esses intangíveis que fornecem contexto à música, e esses elementos difíceis de descrever não podem ser representados em dados que o software entende, pelo menos por enquanto.  

Em algum ponto no futuro, a IA pode ser capaz de pegar essas coisas. Em última análise, as redes neurais podem chegar lá com certeza, mas precisam de mais informações do que um catálogo de 80 milhões de faixas.