미국 연구팀이 기계학습(machine learning)을 노래 들을 때 나타나는 뇌신경 반응 데이터에 적용해 히트할 노래인지 아닌지를 선별해내는 인공지능(AI) 히트곡 예측기를 개발했다.
클레어몬트대학원대학교 폴 잭 교수팀은 20일 과학저널 ‘인공지능 프런티어스'(Frontiers in Artificial Intelligence)에서 노래에 대한 뇌 반응 데이터에 기계학습을 적용, 97% 정확도로 히트 가능성을 예측하는 데 성공했다고 밝혔다.
잭 교수는 “신경생리학 데이터를 이용해 이런 정확도로 히트곡을 식별해낸 사례는 지금까지 없었다”며 “33명의 신경활동 데이터를 통해 노래에 대한 수백만 명의 반응을 예측할 수 있다는 것은 놀라운 일”이라고 말했다.
연구팀은 실험참가자 33명의 머리에 센서를 장착한 다음 스트리밍 서비스가 제공하는 노래 24곡을 들려주면서 뇌의 신경생리학적 반응을 측정했다. 이와 함께 설문을 통해 각 노래에 대한 선호도와 인구통계학적 정보를 조사했다.
잭 교수는 “센서로 수집한 뇌 신호는 실험 참가자의 기분 및 에너지 수준과 관련된 뇌 네트워크의 활동을 반영한다”며 “몇 가지 데이터를 기반으로 노래의 스트리밍 횟수 같은 시장 결과를 예측할 수 있다”고 말했다.
또 이런 접근방식을 ‘신경예측’이라고 한다며 수백 명의 뇌 활동을 측정하지 않고도 소수의 신경활동을 포착해 대중의 반응을 예측할 수 있다고 설명했다.
연구팀은 실험 참가자들의 뇌 활동 데이터를 수집한 뒤 통계적 접근법으로 신경생리학적 변수의 히트 예측 정확도를 평가하고, 가장 높은 정확도에 도달할 수 있도록 기계학습 모델을 훈련했다.
이를 통해 두가지 신경 측정값을 활용해 69%의 정확도로 히트곡을 선별해내는 선형 통계 모델을 찾아냈으며, 수집한 신경생리학적 데이터에 기계학습을 적용해 히트곡 예측 정확도를 97%까지 높이는 데 성공했다.
또 이 AI 히트곡 예측기는 노래의 첫 1분에 대한 신경 반응만으로도 82%의 정확도로 히트곡을 예측할 수 있는 것으로 나타났다.
연구팀은 이 시스템은 예측 정확도가 매우 높지만 실험에 상대적으로 적은 수의 노래가 사용됐고 실험 참가자에 특정 인종 및 연령대가 포함되지 않은 점 등은 연구의 한계점이라고 밝혔다.
잭 교수는 “이 결과는 스트리밍 서비스가 사람들에게 히트할 가능성이 높은 신곡을 효율적으로 식별, 스트리밍 서비스의 업무를 더 쉽게 만들고 청취자에게 즐거움을 줄 수 있다는 것을 의미한다”고 말했다.
이어 “앞으로 이 연구에 사용한 것과 같은 웨어러블 신경과학 기술이 보편화되면 신경생리학에 기반해 사람들에게 적합한 엔터테인먼트를 제공할 수 있을 것”이라며 “이 접근 방식은 구현이 쉬워 영화나 TV 프로그램 같은 다른 분야에서도 사용할 수 있을 것”이라고 덧붙였다.
