Datoralgoritm kan identifiera unika danskaraktärer

Forskare vid Centre for Interdisciplinary Music Research vid University of Jyväskylä i Finland har under de senaste åren använt rörelseinspelnings-teknik för att studera människor och dans. Det används som ett sätt att bättre förstå sambandet mellan musik och individer. De har kunnat lära sig saker genom dans, såsom hur utåtriktad eller neurotisk en individ är, deras humör och hur mycket den enskilda individen empatiserar med andra människor.

Genom att fortsätta detta arbete har de stött på en överraskande ny upptäckt.

Enligt Dr. Emily Carlson, den första författaren till studien, “Vi letade faktiskt inte efter detta resultat, eftersom vi satte oss att studera något helt annat.”

“Vår ursprungliga idé var att se om vi kunde använda maskinlärande för att identifiera vilken musikgenre våra deltagare dansade till, baserat på deras rörelser.”

Det fanns 73 deltagare i studien. Medan de dansade till de åtta olika musikgenrerna Blues, Country, Dance/Elektronisk, Jazz, Metal, Pop, Reggae och Rap, blev de rörelseinspelade. De blev tillsagda att lyssna på musiken och sedan röra sina kroppar på ett sätt som kändes naturligt.

“Vi tycker att det är viktigt att studera fenomen som de förekommer i den verkliga världen, vilket är varför vi använder en naturalistisk forskningsparadigm”, enligt professor Petri Toivianinen, den seniora författaren till studien.

Deltagarnas rörelser analyserades av forskarna med hjälp av maskinlärande, som försökte skilja mellan de olika musikgenrerna. Processen gick inte som planerat, och datoralgoritmen kunde bara identifiera den korrekta genren mindre än 30% av tiden.

Även om processen inte gick som planerat, upptäckte forskarna att datorn kunde korrekt identifiera den enskilda individen från gruppen på 73, baserat på deras rörelser. Träffsäkerhetsgraden var 94%, jämfört med 2% träffsäkerhetsgrad om det lämnades till slumpen, eller om datorn gissade utan någon given information.

“Det verkar som om en persons dansrörelser är en sorts fingeravtryck”, säger Dr. Pasi Saari, medförfattare till studien och dataanalytiker. “Varje person har en unik rörelsesignatur som förblir densamma oavsett vilken sorts musik som spelas.”

Det fanns en ökad effekt på individuella dansrörelser beroende på musikgenren som spelades. När individer dansade till Metal-musik var datorn mindre träffsäker i att identifiera vem det var.

“Det finns en stark kulturell association mellan Metal och vissa typer av rörelser, som huvudskakning”, säger Emily Carlson. “Det är troligt att Metal orsakade att fler dansare rörde sig på liknande sätt, vilket gjorde det svårare att skilja dem åt.”

Dessa nya utvecklingar kan leda till något som dansigenkänningssystem.

“Vi är mindre intresserade av tillämpningar som övervakning än av vad dessa resultat berättar om mänsklig musikalitet”, förklarar Carlson. “Vi har många nya frågor att ställa, som om våra rörelsesignaturer förblir desamma under vår livstid, om vi kan upptäcka skillnader mellan kulturer baserat på dessa rörelsesignaturer och hur väl människor kan känna igen individer från deras dansrörelser jämfört med datorer. De flesta forskningsresultat väcker fler frågor än svar och denna studie är inget undantag.”