Nylige test afslører, at Apples kunstige intelligens laver fejl, når de opretter spillelister i appen

Integrationen af ​​nye teknologier i Cupertino-gigantens lydøkosystem lovede at revolutionere den måde, abonnenter interagerer på med dets enorme musikkataloger. Den nyligt lancerede funktion i testversionen af ​​det mobile operativsystem tillader oprettelsen af ​​afspilningslister ud fra simple tekstkommandoer, ved hjælp af naturlig sprogbehandling til at fortolke lytternes ønsker.

Baseret på avancerede maskinlæringsalgoritmer, vælger funktionen musiknumre i henhold til beskrivelser leveret af brugere i hovedgrænsefladen. Projektets centrale forslag består i at levere meget personlige udvalg på få sekunder, hvilket eliminerer behovet for manuelt at søge efter specifikke kunstnere eller album inden for en samling, der overstiger mærket på hundrede millioner sange.

Under de indledende faser af offentlige eksperimenter viste værktøjet imidlertid konsekvente vanskeligheder med at fortolke mere komplekse og detaljerede kommandoer. Relatos tekniske testere indikerer, at systemet ofte fejler, når det forsøger at behandle specifikke elementer, såsom nichemusikalske undergenrer, nøjagtige tidsrammer, geografiske oprindelsessteder for kunstnere og det tematiske indhold af tekster. Teknologimarkedets forventning var, at den nye opdatering ville tilbyde raffinerede resultater, der er i stand til at forstå kulturelle nuancer og lydpræferencer med samme præcision, som virtuelle assistenter behandler almindelige tekstdata i andre hverdagsapplikationer.

Den automatiserede proces leverer blokke på cirka femogtyve sange ledsaget af en titel, der dynamisk genereres af platformen selv. Mekanismen krydser den enkelte profils reproduktionshistorie med globale lyttetrends, men løber ofte ind i semantiske begrænsninger, der kompromitterer kvaliteten af ​​den endelige kuration leveret til abonnenten.

Vanskeligheder med at skelne specifikke musikalske stilarter

Tekniske evalueringer har vist, at kunstig intelligens har betydelige barrierer for at adskille variationer inden for den samme musikalske paraply. Quando forelagde anmodninger, der krævede instrumentale numre med tunge og atmosfæriske stilarter rettet mod koncentration, platformen inkluderede sange med fremtrædende vokal og endda feltoptagelser, der fuldstændig afviger fra den rytmiske struktur, brugeren anmoder om.

Den algoritmiske forvirring strækker sig til blandingen af ​​lydkategorier, der har ringe praktisk sammenhæng i nutidens musikindustri. I stedet for at fokusere strengt på den originale anmodning, udfylder systemet hullerne med værker af moderne jazz eller ambient elektronisk musik, og prioriterer meget populære numre på virksomhedens servere frem for den tekniske præcision, der kræves af den indledende tekstkommando.

Fejl i de vejledende klassifikations- og tilstrækkelighedsfiltre

Forespørgsler rettet mod at skabe velkendte lydmiljøer afslørede sårbarheder i appens indholdsmodereringssystem. Da platformen anmodede om udvalg af moderne urbane rytmer, der var egnet til børn, leverede platformen censurerede versioner af eksplicitte numre udgivet i slutningen af ​​1990’erne, og ignorerede den aktuelle kontekst.

Det simple skjule af bandeord ændrer ikke det voksne tema i mange kompositioner, hvilket demonstrerer en fiasko i analysen af ​​den lyriske kontekst ved hjælp af sprogmodellen. Aldersfilteret fungerede overfladisk, idet det udelukkende var afhængigt af studiemarkeringer i stedet for at fortolke den faktiske betydning af de behandlede tekster.

Hverdagssituationer, der kræver neutrale lydspor, resulterede også i forudsigelige og uinspirerede valg for lytterne. Kunstig intelligens foreslår sjældent uafhængige eller stigende kunstnere, og vælger at genbruge kommercielle hits, der allerede er blevet udtømmende spillet på globale hitlister.

Underperformance sammenlignet med branchens konkurrenter

Rivaliserende platforme, der har implementeret generatorer baseret på tekstkommandoer, har et højere niveau af modenhed i naturlig sprogforståelse. Testes sammenligninger med nøjagtig de samme sætninger viste bemærkelsesværdige uoverensstemmelser i de endelige resultater leveret til abonnenter.

Systemet integreret i Google-lydtjenesten formåede for eksempel at tilpasse de foreslåede numre til kravene om genre, stemning og periode på en meget mere sammenhængende måde. Stilafvigelser var minimale, og overgangen mellem numrene bibeholdt en klar og flydende musikalsk logik.

Beta-funktionen har på den anden side genereret builds beskrevet af teknologieksperter som generiske og usammenhængende. Insisteren på at inkludere verdenskendte kunstnere på lister, der anmodede om eksperimentelle eller industrielle lyde, bryder den fordybelse, som det nye kurationsværktøj foreslår.

Forskellen i kvalitet bliver endnu mere tydelig, når kommandoer kombinerer flere attributter samtidigt i samme sætning. Pedidos, der kombinerer fraværet af vokal med påvirkninger fra et bestemt årti, resulterer i lister, der ignorerer mindst én af de parametre, der er oprettet af brugeren.

Sådan fungerer den nye oprettelsesgrænseflade

Adgang til generatoren sker direkte gennem hovedfanen i applikationens bibliotek, gennem en knap dedikeret til at tilføje nye medier. Abonnenten bruger en gratis tekstboks til at beskrive humøret, den fysiske aktivitet, tempoet eller enhver anden ønsket egenskab ved den daglige lyttesession.

Efter indledende behandling tillader grænsefladen, at listen gemmes permanent, redigeres manuelt eller den originale kommando omskrives for at forfine søgningen. Ressourcens arkitektur er designet til at fungere på en bred måde og behandle information direkte på virksomhedens cloud-servere.

Barrierer i behandlingen af ​​geografiske og tidsmæssige data

Fortolkningen af ​​metadata relateret til kunstnernes geografiske oprindelse og det år, værkerne blev udgivet, repræsenterer en af ​​de største teknologiske flaskehalse i den nuværende testversion af systemet. Quando en bruger anmoder om kompositioner fra en specifik kulturel bevægelse med oprindelse i den sydlige del af Estados Unidos, databasen returnerer ofte kunstnere fra helt andre regioner, såsom det amerikanske midtvest eller endda andre kontinenter, og ignorerer den historiske rod af anmodningen. Da Ligeledes mislykkes tidsstempling, når man blander udgivelser fra det sidste årti med klassikere fra tredive år siden, simpelthen fordi de deler det samme hovedgenre-tag i databasen. Essa manglende evne til at krydse rum- og tidskoordinater reducerer drastisk anvendeligheden af ​​værktøjet for musikforskere, kuratorer eller lyttere, der søger autentisk kulturel fordybelse, og transformerer, hvad der burde være avanceret forskning, til en ren tilfældig afspiller af kommercielle hits, der allerede er kendt af den brede offentlighed.

Testperiodens betydning for forbedring

Tidlig tilgængelighed for en begrænset gruppe af brugere har det nøjagtige formål at kortlægge og korrigere disse databehandlingsinkonsekvenser. Mængden af ​​information, der genereres af daglige interaktioner, tjener som et grundlæggende grundlag for den kontinuerlige træning af virksomhedens maskinlæringsmodeller.

Softwareingeniører er afhængige af detaljerede fejlrapporter for at justere vægten og målene, som algoritmen bruger, når de scanner kataloget med millioner af spor. Udviklingssektorens forventning er, at lydløse opdateringer på serverne gradvist vil forbedre nøjagtigheden af ​​de leverede svar.

Udsigter for den endelige version af operativsystemet

Dyb integration med enhedens økosystem sikrer, at lister skabt af kunstig intelligens synkroniseres øjeblikkeligt mellem smartphones, smarture og brandede computere. Fokus i de næste par ugers udvikling vil være på at forfine semantisk forståelse for at sikre, at den bekvemmelighed, som automatiseringen lover, ikke overskygges af teknisk unøjagtighed i udvælgelsen af ​​musikalsk repertoire.