Während des hervorragenden Cultured Data Symposium 2020 sagte Tobin Chodos so etwas wie „Da es kein mathematisch kohärentes Maß für einen „Erfolg“ bei Musikempfehlungen gibt, da die menschliche Liebe zur Musik so seltsam und kapriziös ist, könnte man die Logik des Spotify-Empfehlers wahrscheinlich umkehren.“ Motor und erhalten ähnlich zufriedenstellende Ergebnisse, vielleicht sogar noch zufriedenstellender.
Machen Sie einen schlechten Spotify-Empfehler. Das Schlimmste. Schlechte Stimmung, Anti-Empfehlungen.
Dies ist derzeit ein Proof of Concept. Es greift auf Ihre 50 besten Songs zu (langfristig) und erstellt dann eine „Empfehlung für den am weitesten entfernten Nachbarn“ basierend auf den von Spotify bereitgestellten Audiofunktionen. Ich habe mich auf die weltweit am häufigsten gestreamten Titel des Jahres 2019 beschränkt und konnte mich daher nicht für den totalen Mist entscheiden. Mit anderen Worten handelt es sich um ein Empfehlungssystem, das versucht, Musik zu finden, die beliebt ist, Ihnen aber nicht gefällt.
Allerdings ist das *NYSYNC-Weihnachtslied, um ehrlich zu sein, ziemlich hart.
Sie können damit unter http://badplaylist.com spielen
„Der Punkt ist folgender: Selbst wenn es einige objektive Kriterien gäbe, die ein Kunstwerk besser machen als ein anderes, ist es nicht möglich, ein greifbares Maß für ästhetische Qualität zu schaffen, das für alle funktioniert, solange der Kontext eine Rolle in unserer ästhetischen Wertschätzung von Kunst spielt.“ Unabhängig davon, welche statistischen Techniken, Tricks der künstlichen Intelligenz oder Algorithmen des maschinellen Lernens Sie einsetzen, ist der Versuch, sich mit Zahlen an die Essenz künstlerischer Exzellenz zu klammern, so, als würde man mit den Händen nach Rauch greifen.
