你有没有得到杰克逊五世，或斯特拉文斯基更喜欢你的风格?预测音乐品味的人工智能(AI)可能看起来比小说更奇怪，但瑞典联邦平大学和荷兰马斯特里赫特大学的研究人员认为他们已经破解了这些代码。

在预印本服务器Arxiv.org 上发表的一篇论文中，该团队描述了一个系统，该系统考虑了一个人的听觉行为，并使用机器学习算法和心理模型，推断出他们的“音乐复杂性”。

他们写道：“心理模型越来越多地被用来解释行为痕迹。” “使用领域依赖的心理模型可以对行为进行更细粒度的识别[如听音乐]，并提供对这些行为发生背后更深层次的理解。”

在这种背景下，音乐的复杂性指的是“音乐技巧，专业知识，成就以及各方面的相关行为。”研究人员指出，研究表明，具有较高音乐复杂程度的人更具有音乐技能，通常倾向于参与更多的“音乐行为”，比如练习乐器或听各种音乐类型。

他们通过一个利用Spotify API的应用程序收集数据，允许他们检索用户的播放列表和音频功能，如生动，能量，舞蹈，节奏，拍号，响度，曲目流行度和艺术家受欢迎程度。他们还让参与者回答Goldmiths Musical Sophistication Index(Gold-MSI)的问题 - 特别是与积极参与(一个人在音乐上花费多少时间和金钱)和情绪(与音乐的情绪反应相关的行为)相关的问题。

大量数据输入神经网络 - 一个由处理节点组成的人工智能系统中的神经元的人工智能系统 - 预测了61个研究对象的情绪和高度准确的积极音乐参与。与基线相比，预测前者准确率为95%%，预测后者准确率为93%%。

未来，该团队计划进行更多更大规模的研究，并探索Gold-MSI其他分量表的预测，包括歌唱能力，感知能力和音乐训练。

“我们的研究结果表明，音乐聆听行为可以用来推断用户的音乐复杂性，”研究人员写道。

这并不是数据科学家第一次尝试通过机器学习来预测音乐喜好和品味。

在2017年的阿姆斯特丹舞蹈活动技术大会上，一个团队展示了Hitwizard，这是一个训练有素预测流行歌曲的系统。通过考虑每分钟节拍，效价和速度等功能，并将它们与来自Spotify图表和荷兰广播电台的数据进行比较，它能够以66%%的准确度预测命中轨迹(以及准确率为93%%的翻牌)。

今年，亚马逊的工程师利用人工智能根据播放持续时间预测用户的音乐品味。