Modely a platformy AI

Počítačový algoritmus může identifikovat jedinečné taneční charakteristiky

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Výzkumníci z Centra pro mezioborový hudební výzkum na Univerzitě v Jyväskylä ve Finsku používají technologii motion capture k studiu lidí a tance v posledních letech. Používá se jako způsob, jak lépe pochopit spojení mezi hudbou a jednotlivci. Byli schopni se naučit věci prostřednictvím tance, jako je to, jak extrovertní nebo neurotický je jedinec, jeho nálada a jak moc ten jedinec empatizuje s ostatními lidmi.

Pokračováním této práce narazili na překvapivé nové objevy.

Podle Dr. Emily Carlson, první autorky studie, „Ve skutečnosti jsme tento výsledek nehledali, protože jsme se původně snažili studovat něco úplně jiného.“

„Naše původní myšlenka byla zjistit, zda můžeme pomocí strojového učení identifikovat, jaký žánr hudby naši účastníci tančí, na základě jejich pohybů.“

Ve studii se zúčastnilo 73 účastníků. Zatímco tančili na osm různých žánrů Blues, Country, Dance/Elektronika, Jazz, Metal, Pop, Reggae a Rap, byli motion capture. Byli požádáni, aby poslouchali hudbu a poté pohybovali svými těly jakýmkoli způsobem, který se jim zdál přirozený.

„Myslíme si, že je důležité studovat jevy, jak se vyskytují v reálném světě, a proto používáme naturalistický výzkumný paradigm,“ podle profesora Petri Toivianinena, senior autora studie.

Pohyby účastníků byly analyzovány výzkumníky pomocí strojového učení, které se pokusilo rozlišit mezi různými hudebními žánry. Proces se nevyvinul podle plánu a počítačový algoritmus byl schopen identifikovat správný žánr méně než 30% času.

I když proces nevyvinul podle plánu, výzkumníci objevili, že počítač byl schopen správně identifikovat jednotlivce ze skupiny 73, na základě jejich pohybů. Přesnost byla 94%, ve srovnání s 2% přesností, kdyby to bylo ponecháno náhodě, nebo kdyby počítač uhádl bez jakéhokoli daného údaje.

„Zdá se, že taneční pohyby člověka jsou druh otisku prstů,“ říká Dr. Pasi Saari, spoluautor studie a analytik dat. „Každý člověk má jedinečný pohybový podpis, který zůstává stejný bez ohledu na to, jaký žánr hudby se hraje.“

Byl zjištěn zvýšený účinek na individuální taneční pohyby v závislosti na žánru hudby, který se hrál. Když jednotlivci tančili na Metal hudbu, počítač byl méně přesný při identifikaci, kdo to je.

„Existuje silná kulturní asociace mezi Metalem a určitými typy pohybů, jako je headbanging,“ říká Emily Carlson. „Je pravděpodobné, že Metal způsobil, že více tanečníků se pohybovalo podobným způsobem, což ztížilo rozlišení mezi nimi.“

Tyto nové objevy mohou vést k něčemu jako softwaru pro rozpoznávání tance.

„Méně nás zajímají aplikace, jako je sledování, než to, co tyto výsledky říkají o lidské hudebnosti,“ vysvětluje Carlson. „Máme mnoho nových otázek, které je třeba položit, jako zda naše pohybové podpisy zůstávají stejné po celý náš život, zda můžeme rozlišit rozdíly mezi kulturami na základě těchto pohybových podpisů a jak dobře jsou lidé schopni rozpoznat jednotlivce z jejich tanečních pohybů ve srovnání s počítači. Většina výzkumů vyvolává více otázek než odpovědí a tato studie není výjimkou.“

Alex vede AI‑poháněné zpravodajské operace společnosti Unite.AI, spojující žurnalistiku, výzkum a automatizaci, aby podpořil včasné a škálovatelné pokrytí umělé inteligence. Jeho práce pomáhá zajistit, aby se nové vývoje umělé inteligence rychle objevovaly, a to při zachování redakčních standardů publikace.