Tócala otra vez, Spotify

Artículo publicado en la Revista Deusto Nº 144 (diciembre 2020).

Hay un concepto que lleva mucho tiempo obsesionándome: el libre albedrío. Se conoce como la creencia según la cual las personas tienen el poder de elegir y tomar sus propias decisiones. Y lleva tiempo obsesionándome porque los últimos avances de la Inteligencia Artificial creo que lo están erosionando sobremanera. Podría poner infinitos ejemplos de cómo los algoritmos intervienen en nuestro día a día “empujándonos” a la toma de decisiones bajo una falsa premisa de libertad, pero voy a centrarme en una plataforma que casi todas las personas conocemos y utilizamos: Spotify y sus ya famosas listas automáticas de recomendación. Todos los lunes, desde 2015, nos regalan una lista de descubrimientos (Discover Weekly) personalizada y ajustada a nuestros gustos. Y cada vez aciertan más y mejor (al menos en mi caso). Pero, ¿qué se esconde tras el truco del prestidigitador? Vamos a analizar la tecnología que hace realidad esta “informagia”.

Modelos de filtrado colaborativo

Esta técnica la adoptaron de una plataforma más antigua y que sigue en funcionamiento (aunque ya somos pocas las personas que la seguimos usando): Last.fm. Esta herramienta nos ofrecía un plugin para instalar en nuestro ordenador y móvil de manera que recogía todas las canciones que pasaban por el reproductor. ¿Y para qué? Porque en base a nuestros gustos y los de usuarios parecidos a nosotros, nos mostraba artistas o canciones que no conocíamos. Por ejemplo, si al usuario 1 le gustan las canciones A, B y C y al usuario 2 le gustan la A, B, C y D, es altamente probable que al 1 le guste también la D. ¿Y cómo sabe Spotify qué canciones nos gustan? Pues gracias a todos los datos que recoge de nuestra actividad como, por ejemplo, canciones que reproducimos, número de veces que las escuchamos, si las guardamos en listas personales, si visitamos la página del artista… Como vemos, el filtrado colaborativo hace un trabajo bastante bueno, pero Spotify quiso hacerlo aún mejor y agregó otro sistema.

Modelos de procesamiento de lenguaje natural (NLP)

Estos modelos, como su propio nombre indica, funcionan analizando texto. Espera, estamos hablando de una plataforma de música, ¿y analiza precisamente texto? Así es. Spotify rastrea la web constantemente en busca de publicaciones de blogs y otros textos escritos sobre música para descubrir lo que la gente dice sobre artistas y canciones: qué adjetivos y lenguaje se utilizan con frecuencia en esas sintonías y qué otros artistas y melodías también se comentan junto con ellas. Cada cantante y canción tiene miles de términos principales que cambian a diario y son utilizados para determinar si dos piezas musicales son similares. Con estos dos modelos ya sería suficiente, ¿no? Bueno… nos falta una parte clave: ¿cómo conseguir que las canciones nuevas apenas reproducidas entren también en estas listas? Aquí saltamos al siguiente punto.

Modelos de audio

Estos modelos funcionan analizando las propias pistas de audio en bruto para comprender las similitudes fundamentales entre canciones (el tempo, el volumen, si es acústica o no…). Utilizan un tipo de red neuronal muy similar a la usada en ámbitos como el análisis de imágenes o de vídeo, pero en vez de comparar píxeles, comparan espectrogramas. Y con esto tenemos la Santísima Trinidad de la comparación.

Como en otras muchas plataformas digitales, Spotify te quiere dentro el máximo tiempo posible para poder mostrarte su publicidad. Y como en otras muchas plataformas digitales, usan el truco del filtro burbuja, un concepto acuñado por Eli Pariser. Como resultado de la personalización, pudiera parecer que no hay nada más allá de nuestros intereses limitados. Por eso os recomiendo de vez en cuando evadiros de estas listas recomendadas para salir del aislamiento cultural. Larga vida a la música y a la diversidad.

Publicaciones relacionadas:

Alarga el brazo y hazte un selfie E-memoria El derecho al olvido en internet. Ese derecho olvidado Y éstos, ¿de qué viven? Modelos de negocio en Internet