11月12日動靜，據國外媒體報道，也許你今天還在為應該聽什么歌而發愁，但是不久的將來互聯網音樂產業將采用更提高前輩的方式來為你解決這個題目。谷歌、百度和Spotify還沒有徹底向外界展現該辦法的全貌，但他們都盡力在用一種叫做“深度學習（deep learning）”的人工智能體系為用戶供給非常好的音樂播放列表。

“深度學習”是人工智能的的一個訓練體系分支，稱為“人工神經網絡”。目前，所有這些公司都禮聘了“深度學習”專家。包括谷歌、baidu在內的公司把“深度學習”工具用于各種意圖-廣告、語音辨認、圖像辨認乃至是數據中心優化。有一家創業公司甚至打算用“深度學習”識別醫學圖像的模式。

現在，這些公司正在轉向音樂產業。根據音樂流媒體服務的神經網絡，無需音樂家的點撥，就可以識別音樂的和弦形式。然后推薦符適用戶喜好的歌曲、專輯或藝術家。把這些雜亂的體系投入實踐使用不是一朝一夕的工作。可是，一旦該技能變得老練，“深度學習”可能讓用戶未來對于音樂流媒體服務無法割舍。

音樂流媒體神經網絡發源

人們開始關注音樂流媒體神經網絡發源于比利時根特大學去年的學術論文。該大學的電子和信息系統有些發表了名為《存續核算》的論文。該論文說明晰運用卷積神經網絡（細胞神經網絡）挑選歌曲特點的辦法。而不是像工程師曾經那樣使用神經網絡來觀察圖畫的特征。

該論文發現，他們的方法可以“產生公道的建議”。更重要的是，他們的實驗表明，該系統“明顯優于傳統的做法”。微軟的研究職員最近甚至引用該論文作為“深度學習”領域的概述。該論文也引起了Spotify的留意。論文作者Dieleman表明，“他們約請咱們去Spotify的單位談了談相關內容，我想我們的論文長短常有匡助的。”

業界廣為接受

“深度學習”首先從Spotify的系統中脫穎而出。目前，Spotify采用較為傳統的數據分析方法，對特定的音樂在互聯網上的文本內容進行剖析，以及對歌曲自身進行聲學剖析。聲學剖析根據歌曲的某些特質，好比節奏、音量和按鍵。該體系需求很多特定范疇的信息輸入。但比利時人所發明的“深度學習”辦法，則徹底不同。

“深度學習”分析的是聲響波形，并假定我們不知道歌曲的內容。然后機器就可以主動分分出全部成果。它是一個非常通用的模型，有很大的潛力。該系統沒有采樣Spotify的數據，只是依據歌曲的相似性供給播放列表。當前該體系并不是Spotify所運用的選歌方法的完滿替換。但該公司以為這是值得進一步研究的東西。

同時，“深度學習”已經在谷歌派上了各種各樣的用場，而且其職工必定正在查詢該理論在音樂流媒體方面的應用也許。google一名專心于音樂技術的科學家道格·埃克以為，“令人激動的‘深度學習’代表了一個完整的革命，絕對的革命。”

不外麻煩的是，“深度學習”也許在檢查歌曲相似性方面做的極好，但優化挑選結果也許意味著多種數據的檢查，這并不輕易。所以“深度學習”可能并不是一個音樂分析軟件的簡易替代。它可能是另一種東西，或許不只可以用于確定播放列表，它的潛力不止這些。道格·�？吮砻�“我所看到的是，‘深度學習’使咱們可以非常好地輿解音樂，使我們能夠真正更好地了解音樂是什么。谷歌可以利用它打造更好的產品，一個更好的流媒體服務。”

未來無窮可能

最重要的是，“深度學習”可能匡助人們發現新的音樂。這些音樂也許當前不受期待，但用戶聽過以后卻也許會喜愛。但從底子上說，關于那些介紹給聽眾新音樂的剖析體系，未來仍舊是一個挑戰。良多流媒體播放服務固然已經積累了豐碩的音樂數據。但不幸的是，老是有新的音樂，因此流媒體音樂服務仍是要一種通用的分析方法。

另外，“深度學習”不只是為音樂興趣者預備。對于藝術家，“深度學習”也可以匡助他們。不基于銷量名氣，而只關心音樂本身的分析方法，可以更好的匡助那些獨立音樂人以及新人歌手及時的被聽眾發現。