最近のテストで、Apple の人工知能がアプリ内でプレイリストを作成する際に間違いを犯していることが明らかになりました

クパチーノの巨人のオーディオ エコシステムに新技術を統合することで、加入者がその膨大な音楽カタログを操作する方法に革命が起こることが約束されました。モバイル オペレーティング システムのテスト バージョンで新たに開始された機能では、自然言語処理を使用してリスナーの要望を解釈し、単純なテキスト コマンドからプレイリストを作成できます。

この機能は、高度な機械学習アルゴリズムに基づいて、メイン インターフェイスでユーザーが提供した説明に従って音楽トラックを選択します。このプロジェクトの中心的な提案は、高度にパーソナライズされたセレクションを数秒で提供することで構成されており、1 億曲を超えるコレクション内で特定のアーティストやアルバムを手動で検索する必要がなくなります。

しかし、公開実験の初期段階では、このツールはより複雑で詳細なコマンドを解釈することが一貫して困難であることが実証されました。テスターからの技術レポートによると、ニッチな音楽サブジャンル、正確な時間枠、アーティストの出生地の地理的位置、歌詞のテーマ内容など、特定の要素を処理しようとするとシステムが頻繁に失敗することが示されています。テクノロジー市場の期待は、新しいアップデートが、仮想アシスタントが他の日常的なアプリケーションで一般的なテキストデータを処理するのと同じ精度で文化的なニュアンスやサウンドの好みを理解できる、洗練された結果を提供することでした。

自動化されたプロセスにより、プラットフォーム自体によって動的に生成されたタイトルが付いた約 25 曲のブロックが配信されます。このメカニズムは、個人プロファイルの再生履歴と世界的なリスニング傾向を横断させますが、多くの場合、加入者に配信される最終的なキュレーションの品質を損なう意味論的な制限に遭遇します。

特定の音楽スタイルを区別するのが難しい

技術的な評価によると、人工知能には、同じ音楽の傘の中でバリエーションを分離するのに大きな障壁があることがわかっています。集中力を目的とした重厚で雰囲気のあるスタイルのインストゥルメンタルトラックを要求するリクエストに提出された場合、プラットフォームには、ボーカルが目立つ曲や、ユーザーが要求したリズム構造から完全に逸脱したフィールドレコーディングさえも含まれていました。

アルゴリズムの混乱は、今日の音楽業界では実質的な相関関係がほとんどないサウンド カテゴリのミキシングにまで及びます。このシステムは、元のリクエストに厳密に焦点を当てるのではなく、最初のテキスト コマンドで要求される技術的な精度よりも、会社のサーバー上の人気の高いトラックを優先して、現代ジャズやアンビエント電子音楽の作品でギャップを埋めます。

指標分類および適切性フィルターの失敗

使い慣れたサウンド環境を作成することを目的としたリクエストにより、アプリのコンテンツ管理システムの脆弱性が明らかになりました。子どもたちに適した現代的な都会的なリズムのセレクションをリクエストすると、プラットフォームは現在の文脈を無視して、1990 年代後半にリリースされた露骨なトラックの検閲済みバージョンを提供しました。

冒涜的な表現を単に隠すだけでは、多くの作品の成人向けのテーマは変わりません。これは、言語モデルによる歌詞の文脈の分析が失敗していることを示しています。年齢フィルターは表面的に機能し、処理された歌詞の実際の意味を解釈するのではなく、スタジオのマークのみに依存していました。

ニュートラルなサウンドトラックが求められる日常の状況では、リスナーにとって予想通りで刺激のないサウンドトラックが選択される結果になりました。人工知能が独立系アーティストや新進気鋭のアーティストを提案することはほとんどなく、すでに世界的なチャートで徹底的に再生されている商業的ヒット曲を再利用することを選択します。

業界の競合他社と比較してパフォーマンスが低い

テキスト コマンドに基づいたジェネレーターを実装しているライバル プラットフォームは、自然言語理解においてより高いレベルの成熟度を持っています。まったく同じフレーズを使用した比較テストでは、加入者に配信される最終結果に顕著な差異が見られました。

たとえば、Google のオーディオ サービスと統合されたシステムは、より一貫性のある方法で、ジャンル、雰囲気、時代の要件に合わせて、提案されたトラックを調整することができました。スタイルの逸脱は最小限に抑えられ、トラック間の移行は明確で流動的な音楽ロジックを維持しました。

一方、ベータ機能では、テクノロジ専門家によって汎用的でばらばらであると評されるビルドが生成されました。実験的または工業的なサウンドを要求するリストに世界的に有名なアーティストを含めることに固執することで、新しいキュレーション ツールが提案する没入感が損なわれます。

コマンドが同じ文内で複数の属性を同時に組み合わせた場合、品質の違いはさらに顕著になります。ボーカルの不在と特定の年代からの影響を組み合わせたリクエストでは、ユーザーが設定したパラメーターの少なくとも 1 つが無視されるリストが生成されます。

新しい作成インターフェイスの仕組み

ジェネレーターへのアクセスは、アプリケーションのライブラリのメイン タブから、新しいメディアの追加専用のボタンを介して直接行われます。加入者は、フリー テキスト ボックスを使用して、毎日のリスニング セッションの気分、身体活動、ペース、またはその他の希望する特性を説明します。

初期処理の後、インターフェイスにより、リストを永続的に保存したり、手動で編集したり、元のコマンドを書き換えて検索を絞り込んだりすることができます。このリソースのアーキテクチャは、企業のクラウド サーバー上で情報を直接処理することで、幅広く機能するように設計されています。

地理的および時間的データの処理における障壁

アーティストの地理的な出身地や作品がリリースされた年に関連するメタデータの解釈は、システムの現在のテスト バージョンにおける最大の技術的ボトルネックの 1 つです。ユーザーが米国南部発祥の特定の文化運動の作品をリクエストすると、データベースはリクエストの歴史的ルーツを無視して、アメリカ中西部や他の大陸など、まったく異なる地域のアーティストを返すことがよくあります。同様に、過去 10 年間のリリースと 30 年前のクラシックを混合すると、データベース内で同じメイン ジャンル タグを共有しているという理由だけでタイムスタンプが失敗します。この時空の座標を越えることができないため、本格的な文化体験を求める音楽研究者、キュレーター、またはリスナーにとってこのツールの有用性は大幅に低下し、高度な研究であるべきものが、すでに一般大衆に知られている商業的ヒット曲の単なるランダムなプレーヤーに変わってしまいます。

改善のためのテスト期間の重要性

限定されたユーザー グループ向けの早期提供には、これらのデータ処理の不一致をマッピングして修正するという正確な目的があります。日々のやり取りによって生成される情報量は、企業の機械学習モデルの継続的なトレーニングの基本的な基盤として機能します。

ソフトウェア エンジニアは、詳細なエラー レポートを利用して、数百万トラックのカタログをスキャンするときにアルゴリズムが使用する重みと測定値を調整します。開発部門の期待は、サーバー上のサイレント アップデートにより、配信される応答の精度が徐々に向上することです。

オペレーティング システムの最終バージョンの見通し

デバイス エコシステムとの緊密な統合により、人工知能によって作成されたリストがスマートフォン、スマート ウォッチ、ブランドのコンピューター間で瞬時に同期されることが保証されます。今後数週間の開発の焦点は、自動化によって約束される利便性が、音楽レパートリーを選択する際の技術的な不正確さによって覆い隠されないように、意味論的な理解を洗練することにあります。