Föreställ dig att ha en discjockey i din dator som matchar musiken som spelas till din nuvarande sinnesstämning. Enligt ny forskning från University of Texas i Austin, maskininlärning kan uppskatta den upplevelsen av att skapa ultrapersonliga musikspellistor som anpassar sig till varje användares skiftande humör.

Maytal Saar-Tsechansky, professor i information, Risk, och Operations Management vid McCombs School of Business, tillsammans med ett par datavetenskapsforskare vid universitetet, skapade en "personlig DJ". Med deras nya tidning, "Rätt musik vid rätt tidpunkt:Adaptiva personliga spellistor baserade på sekvensmodellering, " publicerad i MIS kvartalsvis , deras mål är att överträffa strömmande musiktjänster genom att skapa spellistor som förändras beroende på varje individs förändringar i känslor.

"Oavsett om du sätter dig i bilen efter en lång dag av möten, eller så går du upp ur sängen på en helgmorgon, den bör skräddarsy sina rekommendationer till ditt föränderliga humör, säger Saar-Tsechansky.

Projektet startade som idén till Elad Liebman, en Ph.D. student i datavetenskap vid UT Austin som också har en examen i musikkomposition. Programmet som han, Saar-Tsechansky, och UT datavetenskap professor Peter Stone designade kör en serie feedback loopar. Den provar en låt, lyssnaren betygsätter det, och programmet tar hänsyn till det betyget när de väljer nästa låt. "Då ändrar du modellen därefter, säger Liebman.

Programmet anpassar sig efter lyssnarens humör, inte bara med tanke på vilka låtar han eller hon kommer att gilla, men också i vilken ordning. Låtar är organiserade intelligent, leder till en uttrycksfull, "Dj-liknande" sekvens, istället för en slumpmässig, godtyckligt klingande.

Som en schackspelare, den planerar sina drag 10 låtar framåt. Medan en låt spelas, den genererar tiotusentals möjliga sekvenser, och den förutsäger vilken som kommer att glädja lyssnaren mest. Den serverar nästa låt på den spellistan – och medan den låten spelas, den skapar och testar nya sekvenser.

I maskininlärning, mekanismen är känd som en Monte Carlo-sökning – vilket inspirerade programmets namn:DJ-MC.

Programmet skulle kunna anpassas till andra typer av media, från nyheter till videor.

"Inlärningsalgoritmer har inte smak, de har bara data, " säger Liebman. "Du kan ersätta datamängden med vad som helst, så länge som folk konsumerar det på ett liknande sätt."

Saar-Tsechansky går längre. "Det kan fungera i alla fall där du rekommenderar saker till människor, upplevt i en sekvens, " säger hon. "Det kan till och med vara mat."