Ze huizen in een oud pand aan het Schuitendiep, maar na een stap over de drempel is het stoffige er snel af. In de modern ingerichte ruimte zitten drie jongens geconcentreerd naar hun beeldscherm te staren. Verspreid door het pand liggen legorobots, kleine computertjes en 3d-printers. Een beamer ligt verdwaald naast een tafel op de grond. Van HitWizard ontbreekt nog elk spoor.
Aan de lange vergadertafel achter het raam klapt Ard Boer, die in een ver verleden kunsten, cultuur & media studeerde zonder dat af te maken, zijn laptop open. ‘Kijk, zo ziet HitWizard eruit.’ Op een wit scherm verschijnt een invoerveld met daaronder een genereerknop. Het stelt weinig voor, zo op het eerste gezicht. Maar met het ontwikkelen van het achterliggende algoritme zijn Boer en zijn collega Zakarias Nordfält-Laws drie maanden bezig geweest.
Eerder bedacht Boer ‘Radio Radar’, een programma dat in kaart brengt wanneer en hoe vaak tracks op de verschillende Nederlandse radiostations uitgezonden werden. ‘Dat was de basis van HitWizard’, legt Boer uit. ‘Zakarias heeft veel verstand van kunstmatige intelligentie, ik had door Radio Radar de beschikking over airplaydata. Samen dachten we: hoe kunnen we die data inzetten om een computer te leren wanneer iets een hit wordt en wanneer niet?’
Neuraal netwerk
De airplaygegevens die Radio Radar aanlevert, zijn leidend in het algoritme. Maar in de optelsom misten nog muzikale eigenschappen. Die vroegen de ontwikkelaars met behulp van software op bij Spotify. ‘We werken bij de gratie van Spotify’, lacht Boer. De streamingdienst houdt de muzikale data, veelal gebaseerd op eigen algoritmes, bij. ‘Van elke track weten we hoe lang het nummer is, wat het tempo en de toonsoort zijn, maar ook hoe energiek een nummer is’, legt Boer uit. Maar met de data alleen is een computeralgoritme nog niet compleet. Er komt ook – menselijk – denkwerk aan te pas.
‘Je moet bijvoorbeeld bepalen welke mechanismen je gebruikt’, vertelt Boer. De ontwikkelaars kozen voor een kunstmatig neuraal netwerk, wat betekent dat verschillende waarden elkaar beïnvloeden en informeren. Vervolgens traint de computer zichzelf om de onderlinge verbanden tussen de parameters te ontdekken en die vervolgens aan een controlewaarde te koppelen, de definitie van wanneer iets een hit is. In het geval van HitWizard geldt: een nummer is een hit, wanneer het is opgenomen in de lijst van de 200 meest gedraaide tracks op Spotify.
Hoe leer je een computer leren?
‘Een goed voorbeeld om uit te leggen hoe een algoritme werkt, vind ik dat van honden- en kattenplaatjes: als je een computer duizend plaatjes van een kat laat zien en duizend van een hond, dan is de kans groot dat de computer bij het duizendeneende plaatje weet wat ie ziet. De computer heeft in de tussentijd leren kijken naar de verschillende kenmerken van de dieren. Of een dier vier poten heeft, is in dit geval geen relevante waarde en wordt daarom uitgesloten. Maar kenmerken als een vacht, de grootte van de neus, de afstand tussen bek en ogen zijn dat wel. Zo hebben we dat ook gedaan met HitWizard’, legt Boer het principe van een algoritme uit.
Bèta
HitWizard draait nu nog in een bètaversie. Als het algoritme voorspelt dat een nummer een hit wordt, komt die voorspelling in 60 procent van de gevallen uit. Bij tracks die volgens HitWizard géén hit worden, komt de voorspelling in 99,3 procent van de gevallen uit. ‘Voor nu is dat het meest optimale resultaat’, vertelt Boer. In de toekomst hoopt hij de prestaties van het algoritme verder te kunnen verbeteren. Maar welke kenmerken er precies toe doen in het voorspellen van hitpotentie, weten de mannen niet precies. ‘Wat voor ons interessanter is, is dat we erachter kwamen dat bijvoorbeeld SlamFM en Radio538 erg goed zijn in het voorspellen van hitpotentie. Van een ander radiostation waarvan je dat misschien ook zou verwachten, 3FM, viel dat tegen.’
Boer en Nordfält-Laws hopen op een brede markt voor hun product. ‘Wij proberen gewoon te kijken of een computer net zo goed als mensen kan voorspellen of iets een hit wordt of niet. Uiteindelijk is dat waar de muziekindustrie zich altijd mee bezighoudt. Het enige waar dat oordeel nu op gebaseerd wordt, is een onderbuikgevoel. En of je het nou leuk vindt of niet, machine learning gaat een steeds grotere plek innemen in ons leven.’
Frisse dingen
Als HitWizard succesvol wordt, betekent dat dan de ondergang van de muziek? Boer beantwoordt de vraag met een brede grijns. ‘Een vriend vroeg dat ook al via Twitter. Maar ik denk dat het binnen nu en honderd jaar onmogelijk is om een computer alle parameters te laten meenemen die nodig zijn om te bepalen of iets een hit wordt of niet. Omdat we van veel parameters simpelweg niet weten of ze van invloed zijn. Daarnaast zal er altijd behoefte blijven aan nieuwe, frisse dingen.’