加州克莱蒙特研究生大学的科学家们利用了神经网络 —— 一种模拟人脑的 AI 技能，来剖析听众对 24 首歌曲的神全心理反应。他们创造，通过丈量少数几个志愿者的大脑活动，就可以预测数百万人是否会喜好这些歌曲。他们的方法被称为“神经预测”，其准确率高达 97%。
这项研究的高等作者、该校教授保罗・扎克在媒体发布会上说：“通过将机器学习运用于神全心理数据，我们险些可以完美地识别出热门歌曲。33 个人的神经活动可以预测数百万人是否会听新歌，这非常令人惊异。以前从未有过这样的准确率。”
IT之家把稳到，这种 AI 系统不仅可以取代电视选秀节目的评委，还可以提高流媒体做事的效率。每天有数万首歌曲发布，像 Spotify、Tidal 和 Deezer 这样的运用很难选择哪些歌曲加入播放列表，以前试图识别能够吸引大众的歌曲的方法只有 50% 的成功率。
在这项实验中，参与者戴着扫描仪，在听一组 24 首歌曲时，他们还被哀求供应自己的喜好和基本人口统计数据，扫描仪丈量了他们的神全心理反应。扎克说：“我们网络到的大脑旗子暗记反响了一个与感情和能量水平干系的大脑网络的活动。”
团队创造，纵然只剖析歌曲第一分钟的神经反应，也能达到 82% 的准确率。
扎克阐明说：“这意味着流媒体做事可以更有效地识别出可能成为热门歌曲的新歌，从而使流媒体做事的事情更随意马虎，也让听众更满意。如果未来像我们用于这项研究的那样的可穿着神经科学技能变得普遍，那么根据听众的神全心理状态，可以向他们发送得当的娱乐内容。他们不必在数百个选择中挑选，而是只给他们两三个选择，让他们更随意马虎更快地选择自己喜好的音乐。”
研究职员指出，这种技能不仅可以用于识别热门歌曲，还可以用于其他类型的娱乐内容，比如电影和电视节目。这项研究揭橥在《人工智能前沿》杂志上。