Com hauria de ser un algorisme de recomanació musical “gender friendly”?

Share This Post

El passat 16 de novembre de 2023, la Sala P62 va acollir un esdeveniment únic que va fusionar la música contemporània amb la intel·ligència artificial, oferint una experiència enriquidora per a les persones assistents.

Amb la col·laboració de MusicData UPC, EinESS, Digitalfems i Intacta music, el programa va incloure tres propostes diferents: una classe magistral sobre les metadades musicals, a càrrec de Gonçal Calvo, Head Innovation BMAT; una mini hackaton per aprendre com hauria de ser un algorisme de recomanació musical «gender friendly» amb expertes de la música i la tecnologia i un concert experimental d’AnnaOtta amb La.Fumero, on van presentar el seu darrer treball.

A continuació, s’expliquen les conclusions de l’emocionant hackaton on expertes en música i tecnologia van explorar com hauria de ser un algorisme de recomanació musical “gender friendly”. Mitjançant la col·laboració i la creativitat, els i les participants es van dividir entre artistes i tecnòlogues per debatre i respondre a diverses preguntes sobre com millorar els sistemes actuals perquè siguin més inclusius i respectuosos amb la diversitat de gènere en la música.

Des de la identificació del gènere de les obres fins a la millora dels processos d’automatització mitjançant la intel·ligència artificial, es van proposar solucions innovadores per promoure una indústria musical més equitativa i diversa. Algunes conclusions:

Llista d’artistes musicals de sexe femení i no binàris:

  • Kate Tempest
  • Angel Olsen
  • Guineu
  • Blessed Madonna
  • Adam (tercer espirit)
  • Dorian Electra
  • Shibo

Algunes recomanacions per començar

  1. Classificacions per gènere d’elecció: Suggereixen classificar els artistes per gènere triat, no basat en sexe biològic. Aquesta inclusió contempla els espectres cis i trans.
  2. Artistes del passat: Com abordar la classificació dels artistes passats, ja que no podem consultar directament la seva identitat de gènere?
  3. Grups socials: S’insta a explorar més la identificació per grups socials per evitar un abordatge excessivament directe de la identitat.

Stakeholders que operen en l’entramat de la informació

  • Associacions editorials: Com SGAE, Unison, etc.
  • Associacions de fonogrames: Entitats que gestionen els drets de gravació.
  • Plataformes de streaming: Aquestes dependents de la informació proporcionada per les agregadores.
  • Plataformes que recopilen dades: Com Chartmetric, que inclouen metadades de gènere per a artistes i músiques.

Com automatitzar la creació de dades relacionades amb el gènere i sexe biològic?

  • Flux de dades: S’explora la procedència de la informació de gènere, incloent-hi xarxes socials, notícies, bases de dades com MusicBrainz i Wikipedia.
  • Automatització: Es planteja l’ús de tecnologies com ChatGPT amb un fine-tuning específic per optimitzar la recopilació de gènere, amb restriccions que permetin l’expressió de preferències de les persones o bandes, i evitant l’exploració indiscriminada de la web per motius d’evitar informació no verificada o tòxica.

More To Explore

Musica AI Debats Matinals

29/05 El CONTROL DE LA IA + LZZTTO DJ Set

L’objectiu principal del control de la IA és garantir un ús ètic, responsable i segur d’aquesta tecnologia, reduint al mínim els riscos i els efectes