Στον κόσμο των υπηρεσιών streaming, η μάχη για την κυριαρχία δεν κρίνεται πλέον μόνο από το μέγεθος της μουσικής βιβλιοθήκης άλλωστε, σχεδόν όλες οι πλατφόρμες προσφέρουν τα ίδια 100 εκατομμύρια τραγούδια. Η μάχη κρίνεται στην «ανακάλυψη» και στην ικανότητα του αλγορίθμου να προβλέψει τι θέλει να ακούσει ο χρήστης, προτού καν το συνειδητοποιήσει ο ίδιος. Η Google, εκμεταλλευόμενη την υπεροχή της στον τομέα των Μεγάλων Γλωσσικών Μοντέλων, κάνει την επόμενη κίνηση ματ στο YouTube Music. Η νέα λειτουργία που επιτρέπει στους χρήστες να μετατρέπουν αφηρημένες σκέψεις, συναισθήματα ή περιγραφές σε άμεσα εκτελέσιμες λίστες αναπαραγωγής, υπόσχεται να αλλάξει ριζικά τη σχέση μας με τις ψηφιακές δισκοθήκες.
Η νέα αυτή δυνατότητα, η οποία σταδιακά γίνεται διαθέσιμη στους συνδρομητές Premium (ξεκινώντας από την αγορά των ΗΠΑ), βασίζεται στην τεχνολογία του Gemini, του προηγμένου μοντέλου τεχνητής νοημοσύνης της Google. Αντί ο χρήστης να ψάχνει με βάση τον καλλιτέχνη, το είδος ή τον τίτλο, μπορεί πλέον να συνομιλήσει με την εφαρμογή, ζητώντας κάτι τόσο συγκεκριμένο ή τόσο αόριστο όσο επιθυμεί.
https://twitter.com/UpdatesFromYT/status/2020909475264332211
📍 Η εξέλιξη της είδησης: PLAYLIST
Από τις λέξεις-κλειδιά στη φυσική γλώσσα
Μέχρι σήμερα, η αναζήτηση μουσικής βασιζόταν σε “tags” (ετικέτες). Αν θέλατε μουσική για διάβασμα, επιλέγατε την κατηγορία “Focus” ή “Study”. Αν θέλατε κάτι χαλαρό, πηγαίνατε στο “Chill”. Η νέα προσέγγιση του YouTube Music καταργεί αυτούς τους περιορισμούς.
Ο χρήστης βλέπει πλέον μια κάρτα στην αρχική οθόνη με την προτροπή “Ask for music any way you like” (Ζήτα μουσική όπως θέλεις). Πατώντας την, ανοίγει ένα πεδίο κειμένου όπου μπορεί να πληκτρολογήσει ή να εκφωνήσει εντολές φυσικής γλώσσας (prompts). Μερικά παραδείγματα που αναδεικνύουν τη δύναμη του εργαλείου είναι:
- «Ποπ τραγούδια της δεκαετίας του 2000 με ρεφρέν που φωνάζεις δυνατά».
- «Μουσική για να νιώσω σαν ο πρωταγωνιστής σε ταινία τρόμου».
- «Γρήγορο, αισιόδοξο ηλεκτρονικό beat για τρέξιμο σε βροχερή μέρα».
- «Τραγούδια που θα έπαιζε ένα καφέ στο Παρίσι το 1950».
Η Τεχνητή Νοημοσύνη αναλύει το αίτημα, κατανοεί το σημασιολογικό περιεχόμενο και όχι απλώς τις λέξεις, και δημιουργεί έναν προσαρμοσμένο «ραδιοφωνικό σταθμό». Αυτό σημαίνει ότι η λίστα είναι δυναμική και ατελείωτη, προσαρμοσμένη απόλυτα στην περιγραφή που δόθηκε.
Η τεχνολογία πίσω από τη μαγεία
Η καινοτομία αυτή δεν θα ήταν εφικτή χωρίς τη μετάβαση από την παραδοσιακή αναζήτηση στη «σημασιολογική αναζήτηση». Η Google έχει το μοναδικό πλεονέκτημα να διαθέτει δεδομένα όχι μόνο από το YouTube Music, αλλά και από το κυρίως YouTube.
Κάθε βίντεο στο YouTube συνοδεύεται από περιγραφές, σχόλια χρηστών και μεταδεδομένα που συνδέουν τη μουσική με συγκεκριμένες καταστάσεις. Για παράδειγμα, αν χιλιάδες χρήστες έχουν σχολιάσει κάτω από ένα τραγούδι ότι «αυτό μου θυμίζει καλοκαιρινές διακοπές», το μοντέλο AI εκπαιδεύεται να συνδέει αυτό το κομμάτι με την έννοια «καλοκαίρι», ακόμα κι αν η λέξη δεν υπάρχει στον τίτλο ή στους στίχους. Το Gemini συνθέτει αυτές τις πληροφορίες για να κατανοήσει πολύπλοκα αιτήματα που συνδυάζουν διάθεση, εποχή, δραστηριότητα και μουσικό είδος.
Ο ανταγωνισμός: Spotify, Amazon και η μάχη του AI DJ
Η κίνηση της Google έρχεται ως άμεση απάντηση στις καινοτομίες των ανταγωνιστών της. Το Spotify έχει ήδη λανσάρει τον “AI DJ”, μια λειτουργία που χρησιμοποιεί μια συνθετική φωνή για να παρουσιάζει τραγούδια που πιστεύει ότι θα αρέσουν στον χρήστη, καθώς και τα “Daylists”, τα οποία αλλάζουν τίτλο και περιεχόμενο ανάλογα με την ώρα της ημέρας. Η Amazon Music, από την πλευρά της, δοκιμάζει τη λειτουργία “Maestro”, η οποία λειτουργεί με παρόμοιο τρόπο γενετικής τεχνητής νοημοσύνης.
Ωστόσο, η προσέγγιση του YouTube Music φαίνεται να εστιάζει περισσότερο στην «πρόθεση» του χρήστη. Ενώ ο AI DJ του Spotify είναι μια παθητική εμπειρία (πατάς play και ακούς ό,τι σου πει), η λειτουργία του YouTube Music είναι ενεργητική. Δίνει τον έλεγχο στον χρήστη να γίνει ο «σκηνοθέτης» της ακουστικής του εμπειρίας, επιτρέποντας έναν βαθμό ακρίβειας που οι αλγόριθμοι αυτόματης πρότασης συχνά αδυνατούν να επιτύχουν.
Το πρόβλημα της «Παράλυσης της Απόφασης»
Ένα από τα μεγαλύτερα προβλήματα που αντιμετωπίζουν οι σύγχρονες πλατφόρμες περιεχομένου είναι το λεγόμενο “Decision Paralysis” ή “Choice Overload”. Όταν ένας χρήστης έρχεται αντιμέτωπος με εκατομμύρια επιλογές, συχνά καταλήγει να μην επιλέγει τίποτα ή να επιστρέφει στα ίδια και τα ίδια τραγούδια που γνωρίζει ήδη.
Η εισαγωγή των prompts λειτουργεί ως θεραπεία σε αυτό το πρόβλημα. Μετατοπίζει το βάρος της επιλογής από τον χρήστη στην Τεχνητή Νοημοσύνη, αλλά με έναν τρόπο που ο χρήστης νιώθει ότι συμμετέχει στη διαδικασία. Αντί να ψάχνει λίστες με τίτλους όπως “Summer Hits 2024”, μπορεί να ζητήσει “Τραγούδια που δεν έχω ακούσει ποτέ αλλά μοιάζουν με αυτά που άκουγα στο λύκειο”. Η νοσταλγία, το συναίσθημα και η ανάμνηση γίνονται κριτήρια αναζήτησης.
Περιορισμοί και το μέλλον
Φυσικά, η τεχνολογία βρίσκεται ακόμα σε αρχικά στάδια. Όπως συμβαίνει με όλα τα μοντέλα Generative AI, υπάρχει πάντα ο κίνδυνος των «παραισθήσεων» , δηλαδή το σύστημα να συμπεριλάβει τραγούδια που δεν ταιριάζουν καθόλου με την περιγραφή, απλώς επειδή βρήκε κάποια χαλαρή σύνδεση στα δεδομένα του. Επίσης, η λειτουργία είναι προς το παρόν διαθέσιμη κυρίως στην αγγλική γλώσσα, με την υποστήριξη για άλλες γλώσσες, όπως τα Ελληνικά να αναμένεται στο μέλλον, καθώς το Gemini βελτιώνει τις πολυγλωσσικές του ικανότητες.
Επιπλέον, τίθεται το ζήτημα της «ηχούς». Αν ζητάμε συνεχώς από την AI να μας δίνει ακριβώς αυτό που περιγράφουμε, κινδυνεύουμε να χάσουμε την τυχαία χαρά της ανακάλυψης κάτι εντελώς διαφορετικού και απροσδόκητου, που ήταν πάντα μέρος της μαγείας του ραδιοφώνου.
Συμπέρασμα
Η ενσωμάτωση της Generative AI στο YouTube Music σηματοδοτεί μια σημαντική καμπή στην εξέλιξη του music streaming. Μετατρέπει την εφαρμογή από μια απλή βιβλιοθήκη αρχείων σε έναν έξυπνο σύντροφο που καταλαβαίνει την ανθρώπινη ψυχολογία και τη γλώσσα.
Για τον μέσο ακροατή, αυτό σημαίνει λιγότερο χρόνο ψαξίματος και περισσότερο χρόνο απόλαυσης. Για τη βιομηχανία, σημαίνει ότι τα δεδομένα συμπεριφοράς και η φυσική γλώσσα γίνονται το νέο πετρέλαιο. Το αν αυτή η λειτουργία θα καταφέρει να εκθρονίσει το Spotify από την κορυφή της προτίμησης των χρηστών μένει να φανεί, αλλά σίγουρα θέτει έναν νέο πήχη για το τι σημαίνει «εξατομίκευση» στον 21ο αιώνα. Η μουσική ήταν πάντα μια γλώσσα από μόνη της· τώρα, μπορούμε επιτέλους να της μιλήσουμε στη δική μας.
