人工智能解密音乐魔力

凯伦·郝 胡文明

众所周知，音乐具有强大的感染力。电影若无配乐，则无法激发同样的情感历程。健身若无热血歌曲，则会乏味无聊。那么，是否有办法量化这些反应？如果有的话，能否将其做逆向工程并加以利用？

2在一篇新论文中，南加州大学的研究人员标记出了音高、节奏、和声等会如何引发不同类型的大脑活动、生理反应（发热、出汗、电反应变化）、情感（喜悦或悲伤），以及机器学习如何利用此等关联来预测人们对一首新音乐作品可能会作何反应。他们在计算机科学与艺术之交集主题大会上发表了该研究成果，展示了有朝一日人类或将可以为医疗、电影等领域设计定向的音乐体验。图该实验室设立了一个更为宏大的目标，即深入了解电影、电视广告、音乐等各类媒介对人类躯体与大脑的影响，而上述研究只是其中的一部分。“一旦了解到媒介如何影响各类情感，我们就可以尝试高效利用该成果来真正地辅助或提升人类体验。”南加州大学教授、实验室首席研究员什里坎特·纳拉亚南如是说道。

4研究人员首先在声田等音乐流媒体平台上搜索到鲜有人听的标为“欢乐”或“悲伤”的歌曲。（他们想避免熟悉的曲目，將混淆变量最小化。）经过一系列人工测试，各类情感的60首歌曲缩减到了最终的3首：两首能够有效地引发悲伤之情（奥拉维尔·阿德纳尔斯的《起初》以及迈克尔·凯曼的《发现集中营》），一首能够有效地引起欢乐之感（卢拉通的《与落日赛跑》）。100名之前未曾听过这些歌曲的参与者分成了两组，聆听全部3首曲目，他们要么接受功能磁共振成像扫描，要么在皮肤上佩戴脉搏、热量或电流感应器，按0至10对他们情感的强烈程度划分等级。

5然后，研究人员便将数据以及每首歌的74个特征（如音高、节奏、和声、动感、音色等）传输到几个机器学习的算法之中，并查验哪些特征是最强的反应预测指标。例如，他们发现一首歌的亮度（它的中高频水平）与其节拍强度都属于歌曲如何影响听众心率、大脑活动的最佳预测指标。

6该研究尚处于非常早期的阶段，还需要一段时间才能有更为强大的机器学习模型以精准预测人类对歌曲的心理、生理反应。尽管如此，研究人员仍然看好此类模型的应用前景：为特定个体设计音乐、创造高度共鸣的电影配乐，抑或帮助精神病患者刺激大脑的特定部位。该实验室已携手多家成瘾治疗诊所一起研究如何利用其他类型的媒介帮助患者。他们还想在治疗中开始加入各种音乐疗法。

7该研究更为简单的应用便是生成播放列表。“你可不想在睡前听一首让人心跳加剧的歌曲，但是如果你在长途驾驶，又没喝多少咖啡的话，你或许会选择这样的歌曲。”格里尔说道。

（译者为“《英语世界》杯”翻译大赛获奖者）