¿Cómo tendría que ser un algoritmo de recomendación musical “genderfriendly”?

Share This Post

El pasado 16 de noviembre de 2023, la Sala P62 acogió un evento único que fusionó la música contemporánea con la inteligencia artificial, ofreciendo una experiencia enriquecedora para los asistentes.

Con la colaboración de MusicData UPC, EinESS, Digitalfems e Intacta music, el programa incluyó tres propuestas diferentes: una clase magistral sobre los metadatos musicales, a cargo de Gonçal Calvo, Head Innovation BMAT; una mini hackatón para aprender cómo debería ser un algoritmo de recomendación musical “gender friendly” con expertas de la música y la tecnología y un concierto experimental de AnnaOtta con La.Fumero, donde presentaron su último trabajo.

A continuación, se explican las conclusiones de la emocionante hackatón donde expertas en música y tecnología exploraron cómo debería ser un algoritmo de recomendación musical “gender friendly”. Mediante la colaboración y la creatividad, los participantes se dividieron entre artistas y tecnólogas para debatir y responder a diversas preguntas sobre cómo mejorar los sistemas actuales para que sean más inclusivos y respetuosos con la diversidad de género en la música.

Desde la identificación del género de las obras hasta la mejora de los procesos de automatización mediante la inteligencia artificial, se propusieron soluciones innovadoras para promover una industria musical más equitativa y diversa. Algunas conclusiones:

Lista de artistas musicales de sexo femenino y no binarios:

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

Algunas recomendaciones para comenzar:

  • Clasificaciones por género de elección: Sugieren clasificar a los artistas por género elegido, no basado en sexo biológico. Esta inclusión contempla los espectros cis y trans.
  • Artistas del pasado: ¿Cómo abordar la clasificación de los artistas pasados, ya que no podemos consultar directamente su identidad de género?
  • Grupos sociales: Se insta a explorar más la identificación por grupos sociales para evitar un abordaje excesivamente directo de la identidad.

Stakeholders que operan en el entramado de la información

  • Asociaciones editoriales: Como SGAE, Unison, etc.
  • Asociaciones de fonogramas: Entidades que gestionan los derechos de grabación.
  • Plataformas de streaming: Estas dependen de la información proporcionada por las agregadoras.
  • Plataformas que recopilan datos: Como Chartmetric, que incluyen metadatos de género para artistas y músicas.

¿Cómo automatizar la creación de datos relacionados con el género y sexo biológico?

  • Flujo de datos: Se explora la procedencia de la información de género, incluyendo redes sociales, noticias, bases de datos como MusicBrainz y Wikipedia.
  • Automatización: Se plantea el uso de tecnologías como ChatGPT con un fine-tuning específico para optimizar la recopilación de género, con restricciones que permitan la expresión de preferencias de las personas o bandas, y evitando la exploración indiscriminada de la web por motivos de evitar información no verificada o tóxica.

More To Explore

Musica AI Debates Matinales

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

El objetivo principal del control de la IA es garantizar un uso ético, responsable y seguro de esta tecnología, reduciendo al mínimo los riesgos y