Il WSJournal (e qualche esperto di DataScience) ci aiutano a spiegare il vero algoritmo di Spotify

Si parla di tecnologia e di come funziona l’algoritmo di Spotify, in questo editoriale scritto per FM-world da Marco Barsotti.

Dopo tanti post in cui esperti o presunti tali ci spiegavano l’algoritmo di Spotify (battezzato da alcuni BaRT, Bandits for Recommendations as Treatments, il 15 aprile è stato pubblicato un articolo sullo stesso argomento da parte del Wall Street Journal. Unendo quanto spiegato da questa autorevole fonte ad alcuni interessanti notebook (in Python) di parte di studiosi di DataScience pensiamo di poter raccontare qualcosa di interessante.

Scettici?

Prima di buttarci nei dettagli una spiegazione. Siamo sempre stati scettici degli articoli online che “spiegavano” BaRT in quanto – a differenza di Facebook e di Netflix – il blog dell’engineering di Spotify (che è questo) non ha mai citato nulla di nome BaRT. Abbiamo visto articolo sulle proprietà dell’ algoritmo di Poisson per la stima dei quartili in test A/B o anche una descrizione tutta da leggere (non mancate, qui) sull’aura musicale di ciascuno di noi. Ma di BaRT niente. Ma passiamo all’articolo del Journal.

Echonest

Le basi dell'”algoritmo” vengono dall’acquisizione da parte di Spotify di The Echonest avvenuta nel 2014: si tratta di un’azienda nata come spinoff del MIT Media Lab (quello di Negroponte e del suo One Laptop per Child).

Echonest non analizzava solo i brani in quanto tali: in un post del 2013, subito prima l’acquisizione, veniva spiegato chiaramente: Indicizziamo e analizziamo oltre 10 milioni di nuovi blog post, discussioni sui social media e recensioni musicali quotidiane.
Applichiamo poi tecniche di Machine Learning e Natural Language Processing per contestualizzare queste discussioni e identificare trend musicali”.

Oltre i metadati

Troverete il resto della spiegazione qui.  Ed è quel database, per cosi’ volerlo chiamare, che ha posto le fondamenta per il sistema di raccomandazioni attuale.

Collaborative filtering

Il primo passo oggi è un processo detto “collaborative filtering“. Tra i suoi obiettivi, spiega al WSJ Ziad Sultan “vice presidente della personalizzazione” di Spotify, quello di identificare affinità tra brani e podcast (tra brani e podcast!) osservandone i posizionamenti relativi nelle playlist di milioni di utenti.

Spazio n-dimensionale

Questi oggetti (brani e podcast) sono inseriti nello spazio n-dimensionale che possiamo vedere in versione semplificata (3D) qui sopra: la distanza cartesiana tra i punti rappresenta le affinità.

Interessante notare come questo sia esattamente lo stesso criterio usato dai vari LLM come ChatGPT per clusterizzare i concetti (o meglio, token e parole):

Natale

A Natale siamo tutti più buoni, tranne pero’ questi spazi n-dimensionali che divengono nocivi. Basta pensare al tormentone “All I Want for Christmas Is You” di Carey che a partire da inizio dicembre si trova prossimo a praticamente tutti gli altri brani, tra cui lo scorrelatissimo “Silent Night“. E apparentemente in Italia anche a Quevedo (e agli Wham).

Terremoti

Un effetto poco gradevole già a dicembre, figuriamoci da gennaio in poi. E – detto per inciso – a chi scrive è capitato “su un noto social” di vendere per due settimane una quantità irragionevole di influencer turche musulmane intente (crediamo) a spiegare qualche concetto trascendente.
La spiegazione stava nella “deduzione” del di lui “algoritmo” di un nostro interesse per una religione avendo avuto la colpa di visualizzare un po’ troppi video relativi al terremoto in Turchia.

Content Based Filtering

Andiamo avanti. Il passo successivo è il Content Based Filtering. L’idea è di associare un numero decimale (“float32”) a ciascuno dei seguenti parametri per ogni brano: loudness, tempo, danceability, energy, speechiness, acousticness, instrumentalness, liveness, valence, e durationCon un po’ di passaggi si ottiene un vettore associato a ogni playlist:

 

con il risultato all’immagine seguente (la playlist di base è quella a sinistra, mentre le due a destra sono generate da due differenti algoritmi, il primo dei quali è appunto quello di Spotify). Senza dubbio i tanti lettori di FM-World esperti di clock e playlist potranno darcene un giudizio ragionato.

Non ditelo a nessuno, ma…

…Ma è possibile utilizzare questo sistema anche per creare playlist per le nostre emittenti: è tutto disponibile qui.

SIA vs Avicii

A titolo di curiosità, ecco di seguito i parametri che abbiamo trovato confrontando i parametri di due splendidi ma diversi brani: la versione di SIA di “I Go To Sleep” (a sinistra) con “Seek Bromance” di Avicii/Tin Berg (i parametri sono in stile JSON, dunque nome-parametro : valore). Ad esempio Avicii ha una “danceability” di 0,49 mentre SIA solo di 0,43.

Recensioni

Questi dati, ricavati da un’analisi dei brani stessi, sono poi integrati con attributi e parole chiave utilizzate nelle varie recensioni fatte da critici (siti ufficiali) e normali ascoltatori (blogs e reddit): e qui ritroviamo, appunto, il database di The Echonest.

Politically-Correct-ness

C’era da attenderselo di questi tempi: l’articolo del Journal non poteva esimersi da terminare con una “messa in guardia” contro l’attacco alla “diversità” possibile tramite questi sistemi di IA.

Ecco la spiegazione: “Se un ascoltatore ha nella sua playlist una predominanza di brani cantati da uomini allora le playlist (per terzi) create sulla base di quella rischiano anch’esse di aver un bias “anti-femminile” (!) creando un possibile feedback loop che amplificherà l’aberrazione.

la sede di Capitol Records a Los Angeles

Soul Music

E quindi non possiamo che concludere con una nota positiva: agli esordi di Radio Milano International in tanti ci eravamo appassionati della Motown e della Soul Music: il nostro personale bias era (e in parte è, avendo ancora sull’iPhone alcune compilation dell’epoca) decisamente pro-black (scusate l’inglese), dunque nessuno potrà mai darci dei razzisti.

Orgogliosi possiamo oggi affermarlo: stavamo lodevolmente cercando di costruire un mondo con una maggiore “inclusion. (Marco Barsotti per FM-World)

Il decimo anniversario di Levels di Avicii celebrato su YouTube

Ha appena compiuto 10 anni “Levels”, la celeberrima traccia di Avicii: un autentico inno transgenerazionale, una delle canzoni dance più trasmesse di sempre alle radio di tutto il mondo.

Apple Music, SiriusXM, YouTube, Spotify e One World Radio (quest’ultima la radio ufficiale di Tomorrowland) onorano da sempre questa canzone con una serie di iniziative che non fanno che consacrare il talento straordinario di un artista purtroppo morto troppo presto.

Per ricordare come merita questo anniversario, da giovedì 28 ottobre, la Avicii Music AB ha pubblicato su YouTube “Avicii Live In Ibiza 2016”, la sua ultima performance all’Ushuaïa di Ibiza, svoltasi il 28 agosto 2016: in poche ore sono già state registrate quasi 250mila visualizzazioni.

 

(Servizio a cura di Danceland)

Swedish House Mafia, numeri uno nella Top 100 svedese di Tomorrowland

One World Radio, la radio ufficiale del festival belga Tomorrowland, ha dedicato una settimana del suo palinsesto alle produzioni discografiche svedesi, mettendo in rotazione brani firmati da Adam Beyer, Alesso, Avicii, Dada Life, Eric Prydz, Galantis, Ida Engberg, Otto Knows, Salvatore Ganacci, Swedish House Mafia e tanti altri ancora. Ne è scaturita The Made in Sweden Top 100, una vera propria chart con tanto di conto alla rovescia, che ha accompagnato gli ascoltatori di One World Radio dal 100esimo al primo posto; ‘Don’t You Worry Child’ degli Swedish House Mafia la canzone numero uno, davanti a ‘Levels’ di Avicii e a ‘Reload’ di Sebastian Ingrosso, Tommy Trash, John Martin. Le posizioni della chart sono state ricavate grazie ai voti on line degli ascoltatori di One World Radio.

 

 

Di seguito i primi dieci classificati di The Made In Sweden Top 100. L’intera chart è disponibile su Spotify.

1) Swedish House Mafia ft. John Martin – Don’t You Worry Child
2) Avicii – Levels
3) Sebastian Ingrosso, Tommy Trash, John Martin – Reload
4) Alesso ft. Matthew Koma – Years
5) Axwell & Ingrosso – Sun Is Shining
6) Swedish House Mafia – Save The World
7) Alesso vs OneRepublic – If I Lose Myself
8) Avicii – Wake Me Up
9) Otto Knows – Million Voices
10) Tim Berg – Seek Bromance

 

 

“Levels” di Avicii la canzone più amata di ‘Tomorrowland’

Per il secondo anno consecutivo, “Levels” di Avicii è la canzone leader della ‘Tomorrowland Top 1000’, votata dai fan del festival belga di tutto il mondo e annunciata con un countdown scandito con 100 tracce al giorno da One World Radio, l’emittente di Tomorrowland.

La chart di quest’anno ha registrato 5 nuove entrate nella Top Ten.

Martin Garrix è l’artista con più tracce presenti (35), seguito da Axwell (32), Armin van Buuren e Tiësto (31).

Di seguito i primi dieci classificati di Tomorrowland Top 1000:

1. Avicii – Levels (=)
2. Dimitri Vegas & Like Mike, Moguai – Mammoth (=)
3. Swedish House Mafia ft. John Martin – Don’t You Worry Child (+6)
4. Martin Garrix ft. Bonn – High On Life (+80)
5. Armin van Buuren – Blah Blah Blah (+24)
6. Sebastian Ingrosso & Tommy Trash ft. John Martin – Reload (+1)
7. Dimitri Vegas & Like Mike ft. Martin Garrix – Tremor (+3)
8. Tim Berg – Seek Bromance (+10)
9. Afrojack ft. Martin Garrix – Turn Up The Speakers (-1)
10. Kid Cudi – Pursuit Of Happiness (Steve Aoki Remix) (+1)

(A cura della redazione di Danceland)

* Archivio News –> www.fm-world.it/news

* FM-world –> per contatti e segnalazioni: [email protected]

Tomorrowland ‘Top 1000’: conto alla rovescia

C’è tempo sino a sabato 22 maggio per votare sul sito e sulla app di Tomorrowland le tre proprie tracce preferite nella storia del festival belga.

Si potrà così contribuire alla terza edizione della Top 1000 che sarà trasmessa da lunedì 24 maggio a venerdì 4 giugno (100 brani a puntata) da One World Radio, la radio di Tomorrowland: e per chi partecipa alle votazioni on line, la possibilità di vincere esclusivi altoparlanti griffati Tomorrowland.

Questa la top ten dello scorso anno:

1. Avicii – Levels 
2. Dimitri Vegas & Like Mike, Moguai – Mammoth 
3. David Guetta ft. Sia – Titanium 
4. Swedish House Mafia – One 
5. Martin Garrix – Animals 
6. Armin van Buuren ft. Trevor Guthrie – This Is What It Feels Like 
7. Sebastian Ingrosso & Tommy Trash – Reload 
8. Afrojack ft. Martin Garrix – Turn Up The Speakers 
9. Swedish House Mafia – Don’t You Worry Child 
10. Dimitri Vegas & Like Mike ft. Martin Garrix – Tremor 

A cura di Danceland

* Archivio News –> www.fm-world.it/news

* FM-world –> per contatti e segnalazioni: [email protected]

Le radio ricordano Avicii, scomparso a soli 28 anni

Ha molto colpito l’improvvisa scomparsa di Avicii, nome d’arte di Tim Bergling, uno dei più noti disc jockey e produttori discografici a livello mondiale.

Nato a Stoccolma nel 1989, aveva iniziato ad esprimersi con la musica elettronica già all’età di 18 anni.

Il suo è stato un continuo crescendo, prima col successo di “Levels” che fece anche da colonna sonora alla festa dei trent’anni di Radio Deejay, e poi con il boom di “Wake me up”, il brano cantato da Aloe Blacc e diventato celebre proprio grazie alla versione di Avicii, rendendolo di fatto più popolare dell’originale.

E’ il 2013 e Avicii si posiziona ai vertici delle playlist di tutte le radio.

Le produzioni negli anni sono continuate e proprio negli ultimi tempi, Netflix aveva trasmesso un documentario che ne raccontava il suo percorso artistico, chiamato “Avicii: True Stories”.

Avicii ha perso la vita in Oman il 20 aprile 2018. Profonda l’immediata commozione arrivata da amici, colleghi e dai tantissimi fan, sparsi in tutto il mondo, che hanno ballato la sua musica.

Molte radio, a livello globale, lo hanno ricordato, riproponendo i suoi più grandi successi, già entrati nella storia della dance e dell’elettronica.