如何打破音乐软件的反馈循环来发现新音乐
投稿：Neil
来源：https://www.wired.co.uk/article/spotify-feedback-loop-new-music
如果你正在听音乐，很可能正在播放的并不是你自己选择的：你把选择权外包给了音乐软件的算法。主流的音乐软件都在使用个性化推荐算法来为你推荐歌单或是音乐。
大多数情况下，这些推荐都不错。但问题是，对有些人来说，它们可能做得有点太好了。它们搞清楚了你的喜好，明白你爱听些什么，然后推荐更多类似的音乐，直到你被无穷无尽的同类音乐困住。但是如果你这次想尝试点新的呢？能否训练，或是欺骗算法来推荐更不同的音乐？
“有点棘手，”维也纳工业大学助理教授Peter Knees说。“可能你需要非常直接地告诉(算法)你可能感兴趣的类型。”
当你的歌单越依赖于算法推荐，这个问题越严重。“当你一直在听算法推荐的音乐，你会陷入一个反馈循环中。正因为你在听，所以你爱听，所以就会推荐更多“你在听”的音乐，因为“你爱听”。这种正向的强化只会给你推荐更相似的音乐。为了打破这个循环，你就必须刻意去听一些不同的。”
像Spotify这样的音乐软件对他们的推荐算法是如何工作的讳莫如深(他们也拒绝对本文评论算法的细节)，但是Knees表示他们中的绝大多数都依赖于协同过滤(Collaborative filtering)：对你的喜好的推测基于那些与你有相似听歌习惯的人的喜好。你可能认为自己的喜好与众不同，但事实上也没那么不同。协同过滤系统能够编织出“喜好的集群(taste clusters)”：一群人共同喜爱的艺术家或者音乐。实际上，这与你在流媒体出现以前，问那些喜欢同样乐队的人有什么可推荐的没什么不同。“只是在算法的支持下，这种推荐有了连贯性。”
问题出在，你有时就想离开你平常喜欢的风格，时代或是品味，来点不一样的。这套推荐系统显然不是为这个设计的。“老实讲，创个新号，听点新歌就完事了。”林茨大学教授Markus Schedl说。 如果你不想这样做，那可以使用其他方式找些新的推荐，再使用音乐软件搜索。Schedl同时建议你可以使用“电台”功能：Spotify基于一首歌来推荐一个歌单的功能(虽然这个功能也可能会受到你整体的听歌习惯的影响)。
Knees建议听新发行的专辑或时不时地听最流行的歌曲。“说不定下一次流行的正合你的口味。”但与此同时如果想远离“主流”就更难了。你可能发现即使你努力地搜索新风格，你还是会被推荐“拽回”更流行的音乐或音乐人。这很合理，但是却让“发掘宝藏”更难了。
因此Knees建议发掘“长尾”：少有听众的大多数音乐人，却有可能有你的心头好。“当然，即使你一直点“下一页”，算法仍会努力把你拽回头部的音乐，因为在这部分算法是表现最稳定的。”
当你在努力创建自己更多样的歌单的同时，你也可以试试关注其他用户的歌单。“但是如果让平台为你推荐其他用户的歌单，你就跟听电台没什么两样了。”
你也可以试试“音乐内容推荐”来打破反馈循环。这种推荐方法会取决于音乐本身而不是其他用户的播放习惯。系统会量化音乐本身的特性：节奏、“舞蹈”性或者使用的乐器，来得到其他音乐的相关性。这也会抹去作品带有的文化属性。你甚至可以通过调整这些量化的性质来得到不一样的推荐。很难说使用这种方法的有多少，毕竟如果推荐的太相似会无聊，过于远离舒适圈的推荐又令人生畏。
“你需要平衡基于你的品味的推荐和基于音乐本身的推荐，这可能会给你惊喜(或惊吓)。”
2021年你可能想要走出推荐范围来发现更多音乐，但实际上，流媒体已经让你比以往探索过了更多。也许在过去，需要付出更多努力来发现新音乐这个过程令人感到更加弥足珍贵。