Computeralgoritme kan identificere unikke danskearakteristika

Forskere ved Centre for Interdisciplinary Music Research ved University of Jyväskylä i Finland har brugt motion capture-teknologi til at studere mennesker og dans i de seneste år. Det bruges som en måde at forbedre forbindelsen mellem musik og individer på. De har kunnet lære ting gennem dans, såsom hvor udadvendt eller neurotisk en person er, deres humør og hvor meget den enkelte person empatisk er over for andre mennesker.

Ved at fortsætte dette arbejde, er de stødt på en overraskende ny opdagelse.

Ifølge Dr. Emily Carlson, den første forfatter af studiet, “Vi søgte faktisk ikke efter dette resultat, da vi satte os for at studere noget helt andet.”

“Vores oprindelige idé var at se, om vi kunne bruge maskinlæring til at identificere, hvilken genre musik vores deltagere dansede til, baseret på deres bevægelser.”

Der var 73 deltagere i studiet. Da de dansede til de otte forskellige genrer Blues, Country, Dance/Electronica, Jazz, Metal, Pop, Reggae og Rap, blev de motion-captured. De blev bedt om at lytte til musikken og derefter bevæge deres krop på en måde, der føltes naturlig.

“Vi mener, det er vigtigt at studere fænomener, som de opstår i den virkelige verden, hvilket er hvorfor vi anvender en naturalistisk forskningsparadigme,” ifølge professor Petri Toivianinen, den senior forfatter af studiet.

Deltagernes bevægelser blev analyseret af forskerne ved hjælp af maskinlæring, som forsøgte at skelne mellem de forskellige musikgenrer. Processen gik ikke som planlagt, og computer-algoritmen kunne kun identificere den korrekte genre mindre end 30% af tiden.

Selv om processen ikke gik som planlagt, opdagede forskerne, at computeren kunne korrekt identificere den enkelte person fra gruppen på 73, baseret på deres bevægelser. Præcisionsraten var 94%, sammenlignet med 2% præcisionsraten, hvis det var tilfældigt, eller computeren gættede uden nogen given information.

“Det ser ud til, at en persons dansebevægelser er en slags fingeraftryk,” siger Dr. Pasi Saari, medforfatter af studiet og dataanalytiker. “Hver person har en unik bevægelsessignatur, der forbliver den samme, uanset hvilken slags musik der spilles.”

Der var en øget effekt på individuelle dansebevægelser afhængigt af musikgenren, der blev spillet. Når individer dansede til Metal-musik, var computeren mindre præcis i at identificere, hvem det var.

“Der er en stærk kulturel association mellem Metal og bestemte typer bevægelser, som hovedbangning,” siger Emily Carlson. “Det er sandsynligt, at Metal fik flere dansere til at bevæge sig på lignende måde, hvilket gjorde det sværere at skelne mellem dem.”

Disse nye udviklinger kunne føre til noget som danse-genkendelsessoftware.

“Vi er mindre interesseret i anvendelser som overvågning end i, hvad disse resultater fortæller os om menneskelig musikalitet,” forklarer Carlson. “Vi har mange nye spørgsmål at stille, såsom om vores bevægelsessignaturer forbliver de samme på tværs af vores liv, om vi kan detektere forskelle mellem kulturer baseret på disse bevægelsessignaturer, og hvor godt mennesker er i stand til at genkende individer fra deres dansebevægelser i forhold til computere. De fleste undersøgelser rejser flere spørgsmål end svar, og dette studie er ingen undtagelse.”