《我是歌手》奪冠的技術派」撩點」

《我是歌手》的盛宴結束了,不管是『搖滾的半壁江山向過去致敬』,還是『幫唱嘉賓反客為主「黑」了主角』,抑或是『新生代徐佳瑩崛起』,再則『黃致列歐巴IP達成』……一切都已經塵埃落定,最終李玟身著紅色『月光愛人』戰袍,奪得了第四季的歌王稱號。

小郝子在湖南廣電的媒體間,看著大屏幕和阿里人工智慧小Ai的預測,瞄著技術派『殺器』對演唱競技的直觀預測,冠軍的產生絕非偶然,但也絕非必然。

一開始走進媒體間,大家剛剛落座,小Ai的預測屏就擺在那裡,從開唱前到『明星幫幫唱』結束,容祖兒第7名的位置未變,小Ai顯示其奪冠可能性為7%;而老狼和徐佳瑩則在5、6位輪換;黃致列、李克勤以超過10%的可能在3、4位輾轉;而冠亞軍則是在李玟和張信哲之間交替,奪冠可能均超過20%,最高達25%。

而到了第二輪各位獨唱,名次1、6 / 2、5 / 3、4兩兩PK的階段,小Ai預測李玟、張信哲、黃致列的勝出均無誤,且在容祖兒返場開始表演前(頒獎6分鐘以前),小Ai已經預測出冠軍為李玟。

其實,小Ai並不神秘,與大勝圍棋高手李世石的AlphaGo一樣,都是用機器模仿人類思維模式、進而判斷和預測。不同的是,AlphaGo是在圍棋既定規則下尋求最優決策的方法,相對簡單,關鍵看計算能力;但小Ai是要模擬樂曲對右腦帶來的多巴胺分泌,以此做判斷,明確大量神經元與其締合分子的生理化學反應,『理解』情感、情懷、調性,這樣的預測可要比AlphaGo大數據挖掘難上N個維度。

所以,小Ai在進入《我是歌手》現場之前,在高曉松等音樂高手的指導下,『學習』了數百萬首歌曲,了解演奏、曲調、不同頻率的音階對不同人群的影響力,逐漸將其中眾多因素標籤化、離散『思維』化,形成『自有』判斷,這是音樂基本功,小Ai強於效率,可以10個小時,學習常人學習10萬小時的東西。

在此基礎上,到《我是歌手》節目中,小Ai更須了解從10歲+到50歲+大眾評審們的特點(因為他們才有直接投票權),別忘記他們在報名時都證明了自己的『音樂審美能力』,對其品味喜好進行數據化挖掘。同時,也要總結之前各期歌手表現對大眾評審的聽、觀感影響,如此之後,小Ai可以結合自己的音樂基本功,進行高維數據挖掘,最終形成對歌手的名次預測。

這兩段結束,還覺得像看亂碼童鞋,小郝子只能再感性地科普一下。

比如『天生歌姬』徐佳瑩,她強於氣聲的感染力,在演唱過程中,對原有音階連貫性進行解構,加入更多氣聲『尾巴』,虛實聲多變的切分音,如此重構,建立自有風格,使得情歌有強烈代入感,『悲而不苦,哀而不傷』,小Ai對此已有基本適配性判斷,那麼當她選擇與林俊傑一起演唱《不為誰而作的歌》、《突然好想你》時,就註定了現場各年齡段大眾評審可能為其『買單』的可能性就是在6%-8%之間。

再比如,進入第二輪1V1 的PK,起初李克勤與黃致列的勝率,在小Ai看來,伯仲之間。可是當黃致列帶著舞群剛開腔,黃致列的勝率突然開始上漲5%,直到後來他秀出肌肉,小Ai排盤的勝率終於穩定在超過李克勤5%以上。最終黃致列順利勝出。可見黃氏舞蹈在台上的聲光電、勁歌勁舞結合帶來影響力非凡。

可見小Ai作為機器人程序是冷冰冰的,但做擬人化預測時,卻也是『帶著』溫度、情感和調性的,這樣才能成為預測冠軍的技術派殺器。

通過《我是歌手》決賽和小Ai預測的結合,小郝子對參與這個節目的歌手也有些更理性的建議:

1、更好地設置合聲、幫唱——比如張信哲最後一首《天空之城》前奏的童聲一起,小Ai的勝率版就發生了較大的變盤,增加了至少5個百分點的勝率。而老狼搖滾致敬的《禮物》,因幫唱部分人的『失誤』使其從第5滑落第6,險些低於容祖兒,因此,心機的、有把握地做好合聲、幫唱極為重要。

2、向黃致列學習——有肌肉秀肌肉,有勁舞跳勁舞,更懂得充分利用當下大熱IP《太陽的後裔》造勢,才能堅定固化自己的名次。對於初到中國的他,決賽日穩定與3、4名,並最後沖入三甲,便是製造奇蹟。

3、懂得利用樂器——最後李玟的《月光愛人》中,以洞簫開場,加入古琴、大鼓等傳統樂器,滿滿的中國力,實力霸佔大眾評審的思維心智,這才是高手最後的大招所為(去年韓紅也用過這招),由此,她與張信哲最初第1、第2之間膠著的爭霸豁然開朗,最終順利封王。所以,將來空喉、陶笛、愛爾蘭哨笛、卡洪箱、西塔琴……更多稀有樂器好好利用,找到甜蜜點才是王道。

是的,這就是《我是歌手》的現實,簡單,也不那麼簡單。倒是小Ai的未來讓小郝子更有興趣,即將到來的奧運會,它又將如何預測體育賽事的勝負輸贏呢?我們是否能借它的力,從概率上戰勝博彩公司外圍盤口的賠率?這樣的『撩』法似乎更值得期待,不是么?

————————————

作者:小郝子 / 微信公眾號-->>郝聞郝看(ID:haowenhaokan),混混9年時光,一隻互聯網商業模式的思考喵……互聯網的幸福就在這裡


推薦閱讀:

機器學習進階筆記之七 | MXnet初體驗
關於情感討論的結語
怎樣通過神經網路學習語義?
機器學習與微博:TensorFlow在微博的大規模應用與實踐

TAG:机器学习 | 人工智能 | 阿里巴巴集团 |