也许你今天还在为应该听什么歌而发愁，但是不久的将来互联网音乐工业将采用更先进的方式来为你解决这个问题。谷歌、百度和Spotify还没有完全向外界 展示该方法的全貌，但他们都努力在用一种叫做“深度学习（deep learning）”的人工智能系统为用户提供更好的音乐播放列表。
“深度学习”是人工智能的的一个培训系统分支，称为“人工神经网络”。目前，所有这些公司都聘请了“深度学习”专家。包括谷歌、百度在内的公司把“深度学习”工具用于各种目的-广告、语音识别、图像识别甚至是数据中心优化。有一家创业公司甚至打算用“深度学习”识别医学图像的模式。
现在，这些公司正在转向音乐工业。基于音乐流媒体服务的神经网络，无需音乐家的指点，就可以识别音乐的和弦模式。然后推荐符合用户喜好的歌曲、专辑或艺术家。把这些复杂的系统投入实际应用不是一朝一夕的事情。但是，一旦该技术变得成熟，“深度学习”可能让用户未来对于音乐流媒体服务无法割舍。
音乐流媒体神经网络起源
人们开始关注音乐流媒体神经网络起源于比利时根特大学去年的学术论文。该大学的电子和信息系统部门发表了名为《存续计算》的论文。该论文说明了使用卷积神经网络（细胞神经网络）选择歌曲属性的方法。而不是像工程师以前那样利用神经网络来观察图像的特征。
该论文发现，他们的方法可以“产生合理的建议”。更重要的是，他们的实验表明，该系统“显著优于传统的做法”。微软的研究人员最近甚至引用该论文作为“深度学习”领域的概述。该论文也引起了Spotify的注意。论文作者Dieleman表示，“他们邀请我们去Spotify的办公室谈了谈相关内容，我想我们的论文是非常有帮助的。”
业界广为接受
“深度学习”首先从Spotify的系统中脱颖而出。目前，Spotify采用较为传统的数据分析方法，对特定的音乐在互联网上的文本内容进行分析，以及对歌曲本身进行声学分析。声学分析基于歌曲的某些特质，比如节奏、音量和按键。该系统需要大量特定领域的信息输入。但比利时人所创造的“深度学习”方法，则完全不同。
“深度学习”分析的是声音波形，并假定我们不知道歌曲的内容。然后机器就可以自动分析出一切结果。它是一个非常通用的模型，有很大的潜力。该系统没有采样Spotify的数据，只是根据歌曲的相似性提供播放列表。目前该系统并不是Spotify所使用的选歌方法的完美替代。但该公司认为这是值得进一步研究的东西。
同时，“深度学习”已经在谷歌派上了各种各样的用场，并且其员工肯定正在调查该理论在音乐流媒体方面的应用可能。谷歌一名专注于音乐技术的科学家道格·埃克认为，“令人激动的‘深度学习’代表了一个完整的革命，绝对的革命。”
不过麻烦的是，“深度学习”可能在检测歌曲相似性方面做的很好，但优化选择结果可能意味着多种数据的检测，这并不容易。所以“深度学习”可能并不是一个音乐分析软件的简易替换。它可能是另一种工具，也许不仅可以用于确定播放列表，它的潜力不止这些。道格·埃克表示“我所看到的是，‘深度学习’使我们能够更好地理解音乐，使我们能够真正更好地了解音乐是什么。谷歌可以利用它打造更好的产品，一个更好的流媒体服务。”
未来无限可能
最重要的是，“深度学习”可能帮助人们发现新的音乐。这些音乐可能目前不受欢迎，但用户听过之后却可能会喜欢。但从根本上说，对于那些介绍给听众新音乐的分析系统，未来仍然是一个挑战。很多流媒体播放服务虽然已经积累了丰富的音乐数据。但不幸的是，总是有新的音乐，因此流媒体音乐服务还是要一种通用的分析方法。
另外，“深度学习”不只是为音乐爱好者准备。对于艺术家，“深度学习”也可以帮助他们。不基于销量名气，而只关心音乐本身的分析方法，可以更好的帮助那些独立音乐人以及新人歌手及时的被听众发现。
