机器学习可以充当“个性化DJ”，创建超个性化的音乐播放列表，并随每位用户不断变化的情绪而调整，研究人员报告称。
其目标是通过根据人们的情绪变化调整播放列表，超越流媒体音乐服务。
“无论你是在一整天开会之后上车，还是在周末早晨起床，它都应根据你不断变化的情绪调整推荐内容，”德克萨斯大学奥斯汀分校麦库姆斯商学院信息、风险与运营管理教授Maytal Saar-Tsechansky说。
该项目最初由Elad Liebman构想。Liebman是计算机科学博士生，同时拥有音乐作曲学位。他与Saar-Tsechansky以及计算机科学教授Peter Stone共同设计的程序会运行一系列反馈循环：先试播一首歌曲，听众对其打分，程序再根据该评分选择下一首歌曲。“然后你再相应地调整模型，”Liebman说。
该程序会适应听众的情绪，不仅考虑听众会喜欢哪些歌曲，还考虑这些歌曲的播放顺序。歌曲经过智能编排，形成富有表现力、“类似DJ”的顺序，而非随机、听起来杂乱无章的排列。
与国际象棋棋手一样，它会提前规划10首歌曲的走向。在一首歌曲播放的同时，它会生成数以万计的可能顺序，并预测哪一种顺序最能令听众满意。随后它会播放该播放列表中的下一首歌曲，而在该曲播放期间，它又会生成并测试新的顺序。
在机器学习中，该机制被称为蒙特卡洛搜索，这也启发了该程序的名称：DJ-MC。
研究人员可以将这一个性化DJ程序应用于其他类型的媒体，从新闻报道到视频皆可。
“学习算法没有品味，它们只有数据，”Liebman说。“只要人们以类似方式消费某类内容，你就可以用任何内容替换数据集。”
Saar-Tsechansky则更进一步。“只要你向人们推荐按顺序体验的事物，它就能适用于任何情况，”她说，“甚至可以用于食品。”
该论文发表于MIS Quarterly。
