這 退後一步每週通訊，講述技術世界的重要故事。關注 Terrence O’Brien，了解有關如何擺脫算法並發現您所愛的更多信息。 退後一步 它於東部時間上午 8 點到達我們訂戶的收件箱。選擇： 退後一步 這裡。
我也在做這個儀式。每個星期二下班回家的路上，我都會在第八大道下車。我會參與其中 其他音樂買一張新 CD（或三張……），然後步行剩下的路去史坦頓島渡輪，聽我的新 CD。即使那週沒有我期待的新唱片問世，我仍然會買一些東西。大多數時候，當我走進去時沒有任何具體想法，我會查閱過道盡頭的金字塔形架子，上面放著工作人員鎬。我會閱讀貼在架子上的索引卡，其中包含在那里工作的人的手寫認可，並挑選一些聽起來有趣的東西。
這似乎是很久以前的事了，但直到 2010 年代，大多數人都通過類似的方式發現新音樂：瀏覽唱片店、學校裡的朋友、某人很酷的哥哥姐姐、 CMJ新音樂月刊 混合 CD。
隨著第一個算法推薦引擎的出現，這種情況在 2000 年代開始發生變化。潘多拉是這裡的大先驅。 音樂基因組 專案.目標是將歌曲分解為易於測量的特徵，例如“主唱的性別、電吉他的失真程度、背景人聲的類型”等。然後，他會尋找具有一定數量特徵的其他歌曲並播放該曲目。
Pandora 取得了早期的成功，因為其音樂推薦的算法方法在當時是新穎的。但也有麻煩即將來臨的警告信號。任何中後期使用過 Pandora 的人無疑都會熟悉一遍又一遍地播放 10 首或更多相同歌曲的傾向。
這部分是因為他在那裡。 處於潮流的最前端 同時擁有一個小圖書館。什麼時候 潘多拉 (Pandora) 舉行公開募股 2011年2月，8萬名藝術家只有80萬首歌曲。與今天相比，即使是較小的玩家也喜歡 地殼 它有超過 1 億個零件。
僅僅幾個月後，即 2011 年 7 月， Spotify 登陸美國 憑藉 1500 萬首歌曲的目錄，它改變了一切。 Spotify，幾乎從一開始 一切都在算法中。 2015 年，Spotify 推出了也許是其最具標誌性的功能： 發現周刊 顧名思義，播放列表每週都會提供新的算法建議。
發現每週更多 複雜的 不僅僅是音樂基因組計劃。它首先從用戶創建的播放列表中提取歌曲，然後使用 2014 年收購的 The Echo Nest 公司的技術將它們與每個用戶的品味配置進行匹配。然後，它會執行額外的微調和過濾，包括對原始音頻數據的機器學習分析，然後為您創建一個獨特的 30 首歌曲播放列表。
Spotify 是世界上最受歡迎的音樂流媒體服務。雖然原因不一定是它的算法建議，但它的影響力意味著數億人可以穩定地享受由機器策劃的音樂。 Spotify 的目標是讓您無論如何都能聆聽。在他的書中 心情機記者莉茲·佩利 (Liz Pelly) 講述了一位前 Spotify 員工向她講述的故事，其中丹尼爾·埃克 (Daniel Ek) 說“我們唯一的競爭就是沉默。”
據這位員工稱，Spotify 高管將自己視為一種消磨時間的工具，而不是一家音樂公司。該員工解釋說：“絕大多數音樂聽眾對聽音樂根本不感興趣。他們只是需要一天中某個時刻的配樂。”
僅僅為您的一天提供配樂可能看起來很無辜，但它可以讓您深入了解 Spotify 算法的工作原理。它的目的不是幫助您發現新音樂，而是讓您盡可能長時間地聆聽。它服務於： 最安全的歌曲 它可以阻止您按下停止按鈕。
該公司甚至與音樂圖書館服務和製作公司合作。 完美匹配內容或選擇 PFC。這就出現了假冒或“幽靈”藝術家的創作，他們在 Spotify 上充斥著專門設計的歌曲，旨在取悅他人，但卻被忽視。從內容上來說，音樂不是藝術。
流媒體服務還為唱片公司提供了大量有關人們正在收聽的內容的數據。有點 反饋迴路唱片公司開始優先考慮與人們已經聽過的歌曲相似的藝術家。人們聽到的就是算法推薦的。
藝術家，尤其是試圖有新突破的藝術家，實際上已經開始了 改變他們的創作方式 在算法驅動的流媒體時代發揮更好的作用。歌曲變短了，專輯變長了，前奏也消失了。鉤子被推到歌曲的前面，以立即吸引聽眾的注意力，像吉他獨奏這樣的東西幾乎從流行音樂中消失了。 聲音調色板 繪製的藝術家縮小了尺寸，進行了安排 更簡化, 流行音樂變得平淡。
在當今世界，大多數內容都是通過 Spotify、YouTube 或 TikTok 通過算法向我們提供的，音樂發現受到了影響。市場研究公司 媒體 9 月份發表的一項令人擔憂的研究發現，“用戶對算法的依賴程度越高，他們聽到的音樂就越少。”儘管發現新音樂傳統上與年輕人相關，但研究發現“16-24歲的人在過去一年中發現自己喜愛的藝術家的可能性低於25-34歲的人”。 Z 世代可能會在 TikTok 上聽到一首他們喜歡的歌曲，但他們很少會超越這一點來聽到該藝術家的更多音樂。
算法疲勞已經持續一段時間了。蘋果公司聘請了吉米·艾歐文 (Jimmy Iovine) 和讚恩·洛 (Zane Lowe) 等大牌明星，將人工策劃作為其音樂服務的核心賣點。但最近，對該算法的反抗勢頭愈演愈烈。
每日團體營 自 2016 年網站上線以來，它一直是音樂發現的基石 樂隊營俱樂部 他們每月為訂閱者提供一次精選專輯、藝術家訪談和現場聆聽派對。 Qobuz 有一個算法推薦引擎，但它更專注於編輯方面。 卡布茲雜誌。
Z 一代可能不像一些老一代人那樣發現他們喜歡的新藝術家。但他們也領導了一些事情 大學廣播電台的複興。地面廣播曾經看似一種即將消亡的形式，但許多學校現在報告說，他們沒有足夠的時間段來容納有抱負的 DJ。
就連 iPod 也喜歡它 復興。 經典 iPod 它們在 eBay 上的售價高達數百美元，並且圍繞修改它們以延長電池壽命、增加存儲空間以及添加藍牙和 USB-C 等現代便利設施，形成了一種雖然規模較小的完整亞文化。
當然，一旦某件事成為一種趨勢，公司開始嘗試弄清楚如何賺錢只是時間問題。 Spotify 推出了一些功能來解決對其算法的投訴，包括從您的品味檔案中排除歌曲的功能。但它也引入了新的人類治療特性。
隨著算法疲勞的增加，更多的公司可能會開始提供出口匝道。但最終公司會弄清楚如何創造偶然發現的幻覺。他們將提供算法建議，但以一種感覺更自然的方式打包它們。
不難想像，未來，表面上由人類選擇的播放列表會通過算法定制，以排除與您的收聽歷史不完全匹配的歌曲。或者將算法推薦巧妙地放置在易於發現的地方，讓您感覺好像自己偶然發現了一條新記錄。您仍然會受到算法的指導；將會更難被發現。
- 按照今天的標準，音樂基因組計劃還相當不發達。他信任人們 手動貼標 帶有各種“基因”的歌曲。從事這項工作的人是訓練有素的音樂家和音樂學家，但數據庫仍然很大程度上取決於個人的主觀意見。最初，只有 10% 的歌曲由多名音樂家進行分析，以確保一定的一致性。
- 就其本身而言，黑膠唱片的複興是反算法情緒的一部分。它可能在 2007 年左右開始，但在 2020 年代達到頂峰。聽眾開始重新接受物理媒體和專輯格式。它最初是由獨立藝術家和小型音樂商店推動的，但最終連泰勒·斯威夫特 (Taylor Swift) 等藝術家也加入進來，銷量超過 130 萬張。 歌舞女郎的生活 第一周就在黑膠唱片上。
- 子FM 是另一個基於數據分析的早期音樂推薦系統。它會跟踪您正在收聽的內容，並根據其他具有相似品味的用戶的喜好推薦樂隊。儘管它仍然存在，但 Spotify 等的原生算法推薦已經使其過時了。儘管它顯然在 Discord 上找到了第二次生命。
- 莉茲·佩利的書 心情機 它全面概述了 Spotify 的不正當交易，但是 這個報價 發表於 豎琴手 它為您提供有關 Perfect Fit Ingredient 計劃的最重要的詳細信息。
- 用戶體驗設計師 Lou Millar-MacHugh 解釋了為什麼我們不能在互聯網上擁有美好的東西，因為公司只會學習創造 人為的巧合。
- 業務內容 Spotify 關注其客戶的表現充斥著他們討厭的音樂”。
- 快公司迷人 潘多拉的歷史 從流媒體音樂先驅到歷史腳註。
