البحث الموسيقي في NEWAVE: لماذا لن تعود قوائم التشغيل الخاصة بك كما كانت

ظل البحث عن الموسيقى في خدمات البث لوقت طويل أشبه بالعمل في قسم الأرشيف بإحدى المكتبات: إن لم تكن تعرف العنوان بدقة، أو على الأقل النوع الموسيقي، فإن فرصك في العثور على «تلك الأغنية بالذات» تكاد تنعدم. اعتدنا على مدى سنوات على مرشحات صارمة ووسوم وتصنيفات ابتكرها خبراء التسويق، لا المستمعون. لكن فريق NEWAVE قرر أن الوقت قد حان لإنهاء هذا النهج البيروقراطي في التعامل مع الفن، وتعليم الآلات فهم الموسيقى كما نفهمها نحن: عبر الصور والمشاعر والسياق. وبدلًا من إجبار المستخدم على الضغط على أزرار «روك» أو «العقد الثاني من الألفية»، ابتكر المطورون نظام استرجاع ذكيًا (intelligent retrieval) يكاد «يسمع» حرفيًا ما تكتبه في شريط البحث.

يقوم المشروع على فكرة أنيقة لكنها معقدة تقنيًا، هي الشبكات العصبية ثنائية المشفّر (dual-encoder). ولشرحها دون الغوص في تفاصيل الشيفرة، تخيّل مترجمَين اثنين. الأول يستمع إلى المسار الصوتي ويحوّله إلى مجموعة من الإحداثيات الرياضية، والثاني يفعل الأمر نفسه مع استعلامك النصي. وهدف التدريب هنا هو أن تقع عبارة «كمان حزين» في النص والتسجيل الصوتي الفعلي للكمان في النقطة ذاتها من هذا الفضاء الرياضي. ولتحقيق ذلك استخدمت NEWAVE التعلّم التبايني (contrastive learning): فلم يُطلب من النموذج التعرّف على الأشياء المتشابهة فحسب، بل أيضًا دفع الأشياء غير المتشابهة بعيدًا عن بعضها بفاعلية. وقد مكّن ذلك النظام من التقاط أدق الفروق التي عادة ما تضيع عند الاكتفاء بالوسم البسيط.

تكمن مشكلة معظم الحلول القائمة في محدوديتها: فهي إما تفهم النص جيدًا لكنها ضعيفة في فهم الصوت، أو العكس. ولتجنب هذا الفخ، استعان المطورون بعشر مجموعات بيانات مختلفة دفعة واحدة. والمسألة هنا ليست حجم البيانات فحسب، بل تنوّعها. فقد تكون إحدى المجموعات غنية بالأوصاف التقنية للإيقاع والآلات، وأخرى بالتقييمات العاطفية للمستمعين. وبدمجها علّمت NEWAVE نظامها أن «موسيقى لرحلة في مدينة ليلية» ليست مجرد قيمة محددة من BPM، بل مزيج خاص من المُركِّبات الصوتية والصدى (reverb) والنمط الإيقاعي.

ويستحق استخدام آلية الدمج المتأخر (late fusion) اهتمامًا خاصًا. ففي عالم ML كثيرًا ما يكون هذا العامل الفارق بين «يعمل فحسب» و«يعمل على أكمل وجه». فبدلًا من خلط جميع السمات معًا في البداية، يحلّل النظام البيانات عبر قنوات منفصلة ثم يدمج نتائجها في مرحلة اتخاذ القرار النهائية. وهذا يحافظ على نقاء سمات كل مجال، النص والصوت على حد سواء، ويتيح تقديم نتيجة شديدة الصلة بالاستعلام. وبذلك نحصل على بحث يفهم استعلامًا مثل «شيء على طريقة Radiohead في بداياتهم، لكن بجهير أكثر حدّة» دون الحاجة إلى وسم ملايين المقطوعات يدويًا.

ما حاجة الصناعة إلى كل هذا؟ الإجابة واضحة: نموذج التوصيات الحالي في الخدمات الكبرى بدأ يفقد فاعليته. فالخوارزميات كثيرًا ما تدور حول فنانين متشابهين، فتخلق غرف صدى يصعب على المستمع الخروج منها. ويفتح نظام الاسترجاع الذكي من NEWAVE الباب أمام ما يُسمّى «البحث من الصفر»، حيث لا تحتاج إلى معرفة اسم الفنان للعثور على أغنيتك المفضلة الجديدة. وهذا يغيّر قواعد اللعبة، لا للمستمعين فحسب، بل أيضًا للموسيقيين المستقلين، إذ بات من الممكن العثور على أعمالهم بوصف أجوائها، لا بفضل ميزانيات تسويقية بملايين الدولارات والوصول إلى قوائم التشغيل الرسمية فقط.

بالطبع، ما زلنا في بداية الطريق، حيث يحاول الذكاء الاصطناعي تفسير المشاعر الإنسانية عبر المتجهات والمصفوفات. لكن تقدّم NEWAVE يُظهر أن الحدّ الفاصل بين الوصف التقني للملف ومحتواه العاطفي يزداد ضبابية. فبعد أن كنا نتكيّف مع واجهات محركات البحث، بدأت الآلات أخيرًا تتكيّف مع لغتنا. وهذا ربما يكون أكثر مسارات تطور التقنية منطقية في عصر أصبح فيه المحتوى أكثر مما ينبغي، والوقت المتاح لفرزه يدويًا أقل مما ينبغي.

الخلاصة: أثبتت NEWAVE أن البحث الموسيقي يمكن أن يكون أكثر إنسانية. فهل يعني ذلك نهاية عصر قوائم التشغيل التي يُعدّها القيّمون البشر، أم أن الذكاء الاصطناعي سيصبح ببساطة مساعدهم المثالي؟