尽管Deepfake技术引发行业关注，但机器学习对艺术创作的影响仍处于探索阶段。最新研究表明，通过结合神经活动数据与机器学习模型，研究人员能够以极高准确率预测歌曲的市场表现。这一发现为音乐产业的内容筛选提供了新的科学依据。
神经生理数据助力热门歌曲预测
克莱蒙特研究生大学教授保罗·扎克（Paul Zak）作为该研究资深作者指出，将机器学习应用于神经生理学数据，可近乎完美地识别潜在热门歌曲。仅凭33人的神经活动数据，即可有效预测数百万受众对新歌的反应，其精度在过往研究中未曾实现。
实验选取18至57岁参与者共33人，佩戴节奏及PPG心脏传感器收听24首近期发行歌曲。其中播放量超70万次的被定义为“热门”，涵盖13首热门歌曲与11首非热门歌曲，包括Tones and I的《Dance Monkey》等代表作。听测结束后，参与者还需完成关于歌曲反感度、熟悉度及推荐意愿的问卷调查。
AI模型预测准确率达97.2%
研究核心在于捕捉参与者对歌曲的神经物理反应。数据显示，大脑信号反映了与情绪及能量水平相关的神经网络活动。这种小样本神经数据足以支撑“神经预测”模型，无需大规模测试即可推断大众反应。
在数据处理方面，线性统计模型的预测成功率为69%；而应用机器学习后，准确率跃升至97.2%。即便仅分析一分钟的收听数据，AI模型的预测准确度仍保持在82%以上。
技术应用前景与行业启示
扎克表示，若可穿戴神经科学技术普及，流媒体平台可根据用户神经生理特征精准推送内容，大幅减少选择成本。对于B端而言，该技术有助于平台高效识别潜力新歌并优化播放列表，在提升运营效率的同时增强用户体验。
尽管当前研究在样本多样性上存在局限，但鉴于AI模型仅需一分钟媒体消费数据即可实现超80%的预测准确度，未来影视娱乐内容的筛选流程或将迎来变革。扎克补充称，该方法同样适用于电影和电视节目的市场预测。
面对每日约10万首新歌上传的现状，消费者的选择空间短期内不会受限。该研究成果已发表于《人工智能前沿》（Frontiers in Artificial Intelligence）期刊。