Una máquina predijo exitosamente los éxitos dance del 2015

Artículo publicado originalmente en Motherboard.

Los éxitos se están volviendo muy predecibles. No, literalmente. La receta para hacer de una canción pop o dance un éxito aparentemente se ha convertido en una fórmula, un algoritmo computacional puede predecir con exactitud el tipo de canción que subirá a las listas de popularidad.

La ciencia detrás de esta predicción aún está en sus primeros pasos y hasta ahora falla y acierta, pero acabo de conversar con un equipo de científicos de la información de la Universidad de Antwerp en Bélgica que desarrolló uno de las más precisas herramientas de predicción que haya visto. Su investigación se centró en el género de la música dance (que suele tener canciones con gran similitud) y fue exitosamente capaz de predecir si una canción llegaría al top 10.

La investigación inicial observó éxitos dance de 1985 hasta el 2014, pero le pregunté a uno de los autores del estudio, Dorien Herremans, que pasará [los sencillo dance más exitosos de este año de Billboard](top Billboard dance singles) a través de su [herramienta de predicción](prediction tool). El algoritmo predijo 65% o más de probabilidad de todo el top 10 y más de 70% de probabilidad de 6 de 10 canciones. Nada mal.

Canciones dance/electrónicas del 2015 de Billboard

• "Lean On" by Major Lazer & DJ Snake Featuring M0 — 82%
• "Where Are U Now" by Skrillex & Diplo With Justin Bieber — 72%
• "Hey Mama" by David Guetta Featuring Nicki Minaj, Bebe Rexha & Afrojack —72%
• "You Know You Like It" by DJ Snake & AlunaGeorge — 63%
• "Waves" by Mr. Probz — 68%
• "Outside" by Calvin Harris Featuring Ellie Goulding — 82%
• "Prayer In C" by Lillywood & Robin Schulz — 65%
• "Blame" by Calvin Harris Featuring John Newman — 88%
• "How Deep Is Your Love" by Calvin Harris & Disciples — 62%
• "I Want You To Know" by Zedd Featuring Selena Gomez — 89%

También probamos el potencial de éxito de las canciones dance y electro pop de las listas oficiales de Reino Unido de este año y obtuvo resultados positivamente similares. Todas alcanzaron entre 68 y 90% de probabilidad.

Listas oficiales de sencillos del 2015

• 1."Happy" by Pharrell Williams — 83%
• 2."Rather Be" by Clean Bandit — 74%
• 3."All Of Me" by John Legend (not dance)
• 4."Waves" by Mr Probz — 68%
• 5."Thinking Out Loud" by Ed Sheeran (not dance)
• 6."Ghost" by Ella Henderson — 79%
• 7."Timber" by Pitbull ft. Kesha — 90%
• 8."Stay With Me" by Sam Smith (not dance)
• 9."Let It Go" by Idina Menzel (not dance)
• 10."All About That Bass" - Meghan Trainor — 87%

"¡La predicción parece muy buena! Incluso mejor que la que realizamos en papel," comenta Herremans, quien ahora trabaja en el Centro de Música Digital en la Universidad Queen Mary de Londres.

El equipo [publicó un papel](published a paper) el año pasado explicando cómo funcionaba el modelo. Para cuantificar los bloques de construcción de un éxito, primero debes romper la canción en diferentes características. Ellos obtuvieron esta información de [The Echo Nest](The Echo Nest), el software de inteligencia musical que analiza y categoriza información de audio para proveer de información las características de recomendación de música de servicios como Spotify.

Compararon 139 diferentes aspecto musicales para analizar la canción. Esto incluye características básicas como la longitud, el tempo (medido en beats por minuto), signatura de compás, tono e intensidad; aspectos más subjetivos como el beat, la energía y la bailabilidad; y cosas más intangibles como el timbre de la canción o el color del tono, o lo que normalmente consideraríamos como sentimiento.

El timbre se mide por 13 diferentes características relacionadas con los componentes básicos del espectro de audio y cómo cambia con relación en el tiempo. Por ejemplo, el número de frecuencias altas o bajas en un sonido determina su "brillo" percibido. "Parece que el brillo tiene una gran influencia en cómo el tiempo entre los beats evoluciona a través de una canción," comenta Herremans.

La teoría, por supuesto, es que las canciones populares comparten un cierto tiempo de características que las hacen atractivas para la mayoría de la gente y que puedes probar cualquier nueva canción contra estos exitosos hacedores de éxitos para predecir su potencial comercial. (Es importante notar que los algoritmos de predicción de éxitos suelen dejar fuera ciertos factores cruciales para determinar el éxito comercial de una canción, como el dinero que inyectarán en marketing, el clima social, el video musical, o lo reconocido del artista.)

El equipo inicialmente probó aproximadamente 3,500 canciones que entraron al top 10 de 1985 hasta el 2014, y encontraron que podían predecir un éxito con buena exactitud. Ya que observaron hits de casi 30 años (ajustar la fórmula desde la anatomía de un hit evoluciona con el tiempo) encontraron que podrían predecir canciones más recientes con gran exactitud. La investigación también encontró algunas ideas históricas interesantes. Los éxitos dance se han ido volviendo más fuertes y rápidos con el tiempo, pero su "bailabilidad" (una fórmula propiedad de The Echo Nest) ha bajado; aparentemente querer bailar una canción ya no es un firme requerimiento para que sea una canción dance exitosa.

Naturalmente, hay mucho interés en esta floreciente ciencia de las canciones exitosas. Una buena cantidad de éxitos aún conforman la mayoría de las ganancias de una compañía discográfica y los sellos [dedican billones](pour billions) en encontrar talento con la esperanza de seguir teniendo ese oro. Obtener una medida científica confiable sobre qué hace una canción exitosa, es un esfuerzo muy lucrativo.

Pero la implicación de que la esencia de la música popular puede ser reducida a una simple y explotable ecuación ha sido dada a conocer con algo de controversia, y con toda razón. Hay mucha matemática detrás de hacer música, pero incluso la música pop es una forma de arte. Y ya han existido intentos fallidos de predicción computarizada. El emprendedor que originalmente [creó el término "Ciencia de canción exitosa"](coined the term ), Mike McCready, fue destruido por investigadores que determinaron que no había suficiente ciencia detrás de su ciencia. El brazo comercial de esta ciencia, Unplaya, se hundió.

"Algunos otros investigadores trataron de construir modelos de canciones pop, con malos resultados," comenta Herremans. "Las listas dance parecían ser canciones de estilos similares, contra las listas pop que pueden contener rock y dance. Al escoger un estilo particular, podemos tener mejores características y mejores predicciones."

Otra "ecuación de éxito potencial", desarrollada unos años atrás por investigadores en la Universidad de Bristol, también se basaba en la inteligencia de The Echo Nest para analizar la anatomía de un éxito. Usaba 23 características de audio apara analizar hits de todos los géneros 50 años hacia atrás y encontró que podía predecirlos con el 60% de exactitud—mejor que lanzar una moneda, pero no por mucho.

Si quieres jugar con algo de predicción por tu cuenta, puedes subir archivos mp3 a la herramienta de predicción dance aquí. El equipo está trabajando en otro estudio que también observa el comportamiento de las redes sociales y de los influencers que escuchan los éxitos antes de que lleguen a las listas. "El primer test parece indicar que esto hace la predicción aún más exacta," Herremans menciona. El equipo también sugiere que podrían expandir la herramienta para crear una característica optimizada para usar mientras componen una canción para ayudar a generar un nuevo hit.

Lo que está claro es que este campo de la investigación no se irá a ningún lado, especialmente conforme avanza la AI de la música. No es secreto que el incremento actual de éxitos se debe a una fórmula probada por el tiempo por los productores que conocen cómo darle al público lo que la información sugiere que ellos quieren. Probar esa receta contra las ecuaciones matemáticas para el éxito y usar algoritmos para generar hits son los pasos lógicos para la fábrica de éxitos.