Computer Algoritme Kan Unieke Danskenmerken Identificeren

Onderzoekers aan het Centre for Interdisciplinary Music Research van de Universiteit van Jyväskylä in Finland hebben de afgelopen jaren motion capture-technologie gebruikt om mensen en dans te bestuderen. Het wordt gebruikt als een manier om de verbinding tussen muziek en individuen beter te begrijpen. Ze hebben dingen kunnen leren door middel van dans, zoals hoe extrovert of neurotisch een individu is, hun humeur en hoeveel dat individu empathie heeft met andere mensen.

Door dit werk voort te zetten, zijn ze een verrassende nieuwe ontdekking tegengekomen.

Volgens Dr. Emily Carlson, de eerste auteur van de studie, “We waren eigenlijk niet op zoek naar dit resultaat, want we wilden iets heel anders bestuderen.”

“Ons oorspronkelijke idee was om te zien of we machine learning konden gebruiken om het genre van de muziek te identificeren waar onze deelnemers naar dansten, op basis van hun bewegingen.”

Er waren 73 deelnemers aan de studie. Terwijl ze dansten op de acht verschillende genres van Blues, Country, Dance/Electronica, Jazz, Metal, Pop, Reggae en Rap, werden ze motion captured. Ze werden verteld om naar de muziek te luisteren en vervolgens hun lichaam te bewegen op een manier die voor hen natuurlijk aanvoelde.

“We denken dat het belangrijk is om fenomenen te bestuderen zoals ze in de echte wereld voorkomen, en dat is waarom we een naturalistisch onderzoeksparadigma hanteren,” volgens Professor Petri Toivianinen, de senior auteur van de studie.

De bewegingen van de deelnemers werden geanalyseerd door de onderzoekers met behulp van machine learning, die probeerde om het verschil te maken tussen de verschillende muziekgenres. Het proces verliep niet zoals gepland, en de computer algoritme kon het juiste genre alleen minder dan 30% van de tijd identificeren.

Ondanks dat het proces niet zoals gepland verliep, ontdekten de onderzoekers dat de computer in staat was om het individu correct te identificeren uit de groep van 73, op basis van hun bewegingen. De nauwkeurigheid was 94%, in vergelijking met een nauwkeurigheid van 2% als het aan toeval werd overgelaten, of de computer raadde zonder enige gegeven informatie.

“Het lijkt erop dat een persoons dansbewegingen een soort vingerafdruk zijn,” zegt Dr. Pasi Saari, co-auteur van de studie en data-analist. “Elke persoon heeft een unieke bewegingshandtekening die hetzelfde blijft, ongeacht welk type muziek er speelt.”

Er was een toegenomen effect op individuele dansbewegingen, afhankelijk van het genre van de muziek dat werd afgespeeld. Toen individuen dansten op Metal-muziek, was de computer minder nauwkeurig in het identificeren van wie het was.

“Er is een sterke culturele associatie tussen Metal en bepaalde soorten bewegingen, zoals headbanging,” zegt Emily Carlson. “Het is waarschijnlijk dat Metal meer dansers deed bewegen op een soortgelijke manier, waardoor het moeilijker werd om ze uit elkaar te houden.”

Deze nieuwe ontwikkelingen kunnen leiden tot iets zoals dansherkenningsoftware.

“We zijn minder geïnteresseerd in toepassingen zoals surveillance dan in wat deze resultaten ons vertellen over menselijke muzikaliteit,” legt Carlson uit. “We hebben veel nieuwe vragen om te stellen, zoals of onze bewegingshandtekeningen hetzelfde blijven gedurende ons hele leven, of we kunnen detecteren of er verschillen zijn tussen culturen op basis van deze bewegingshandtekeningen, en hoe goed mensen in staat zijn om individuen te herkennen van hun dansbewegingen in vergelijking met computers. De meeste onderzoeken roepen meer vragen op dan antwoorden en deze studie is geen uitzondering.”