Algunas estrellas del pop en ciernes podrían garantizar su éxito si cambiaran el teclado del piano por el de un ordenador. Sólo tienen que seguir los consejos de un grupo de investigadores de la Universidad de Bristol, que afirma haber desarrollado un software que, mediante algoritmos, puede detectar si una canción tendrá éxito potencial, con un 60 por ciento de precisión.
 |
| A más volumen, más probabilidad de éxito. |
La fórmula ideada reúne características generales, como el ritmo, tiempo, duración e intensidad de la música, así como información más detallada, como son los acordes y la complejidad armónica. La investigación también descubrió una relación entre intensidad y éxito, ya que las posibilidades de éxito aumentaban en las canciones que tenían el volumen más alto.
Los científicos utilizaron un software para analizar 50 años de canciones que habían estado en lo más alto de las listas de ventas, en busca de las características que las distinguieran de otras que habían fracasado.
La "ecuación de éxito potencial' resultante puso de manifiesto que se podía clasificar una canción en un 'hit' o 'no hit' en función del análisis de los parámetros anteriormente reseñados, y también que los factores que indican el éxito cambian con el tiempo. Por ejemplo, antes de la década de 1980, los estilos musicales más lentos, como baladas, eran los más propensos a escalar las listas. Pero después, las canciones bailables eran las más propensas a convertirse en hits.
El líder del equipo de investigación, el profesor titular de inteligencia artificial en la Universidad de Bristol Tijl De Bie, explicó al respecto que "los gustos musicales evolucionan, lo que significa que necesitábamos una ecuación potencial que evolucionara también. De hecho, hemos encontrado el éxito potencial de una canción dependiendo de la época, que puede deberse a los diferentes estilos dominantes de música, la cultura y el medio ambiente. "
 |
| Katy Perry, durante un concierto celebrado este año. |
Los resultados de esta fórmula difieren de investigaciones anteriores, que hasta ahora no han podido predecir los posibles resultados. La diferencia cualitativa importante, posiblemente, es el uso del parámetro temporal para dar cuenta de la evolución de los gustos musicales.
El estudio se ha hecho público en el Taller Internacional sobre Aprendizaje Automático y Música celebrado, conjuntamente con la 25 ª Conferencia Anual de Información de Sistemas de procesamiento neural, el pasado sábado en Sierra Nevada.
.jpg)
