Dalam acara Cultured Data Symposium 2020 yang luar biasa, Tobin Chodos mengatakan sesuatu seperti "karena tidak ada ukuran "kesuksesan" yang koheren secara matematis dalam rekomendasi musik, karena kecintaan manusia terhadap musik sangatlah aneh dan berubah-ubah, Anda mungkin dapat membalikkan logika pemberi rekomendasi Spotify mesin dan mendapatkan hasil yang sama memuaskannya, mungkin lebih memuaskan"
Buatlah pemberi rekomendasi Spotify yang buruk. Seperti, yang terburuk. Getaran buruk anti-rekomendasi.
Ini saat ini merupakan bukti konsep. Ini mengambil 50 lagu teratas Anda (jangka panjang), dan kemudian melakukan "rekomendasi tetangga terjauh" berdasarkan fitur audio yang disediakan Spotify. Saya membatasi diri pada lagu-lagu global yang paling banyak diputar pada tahun 2019, jadi saya tidak bisa memilih lagu apa pun. Dengan kata lain, ini adalah sistem rekomendasi yang mencoba menemukan musik yang populer, tetapi Anda tidak menyukainya.
Padahal, sejujurnya, lagu Natal *NYSYNC itu cukup kasar.
Anda dapat memainkannya di http://badplaylist.com
“Intinya begini. Sekalipun ada kriteria obyektif yang membuat sebuah karya seni lebih baik dari karya lainnya, selama konteks berperan dalam apresiasi estetika kita terhadap seni, tidak mungkin menciptakan ukuran nyata untuk kualitas estetika yang bisa diterapkan pada semua orang. apa pun teknik statistik, atau trik kecerdasan buatan, atau algoritme pembelajaran mesin yang Anda terapkan, mencoba menggunakan angka untuk memahami esensi keunggulan artistik adalah seperti menggenggam asap dengan tangan Anda."
