Algoritmenes tidsalder:
Spotifys makt over dine lyttervaner

Med over 286 millioner månedlige brukere har Spotify jobbet seg opp en stor makt over lyttervanene til deres brukere.

Publisert Sist oppdatert

Helt siden musikkstrømming tok av på 2000-tallet, har industrien vært ute etter å finne bedre måter å anbefale musikk. Blant annet ble Pandora store i USA med sine personaliserte radiokanaler, der deres egne musikkeksperter foreslo hva slags musikk som passet brukerens preferanser. Spotify har løst dette på en enklere måte: å 100% automatisere musikkanbefalingen.

LES OGSÅ: Anmeldelse: Batmans nye hovedkontor i Trondheim

Det gamle og det nye

Professor Helge Langseth fra Institutt for datateknologi og informatikk er ekspert på kunstig intelligens. Han forklarer hvordan automatiske anbefalingsalgoritmer fungerer og om hvordan vår brukerdata blir brukt av store selskaper som Spotify.

– Den gammeldagse måten man gjorde anbefaling på, var å ha kurerte lister fra eksperter. Amazon var først ute med å implementere et automatisk anbefalingssystem som fungerer mye bedre på salg av varer. 15 år senere har det gitt verdens rikeste mann, forteller Langseth.

En typisk anbefalingsalgoritme er collaborative filtering, hvor hver bruker blir sammenlignet mot alle andre brukere. Brukerne blir klassifisert etter musikksmak, og forskjellen mellom musikksmak brukes til å anbefale hva som kan passe for en bruker.

– Det personer med lignende musikksmak liker, vil du mest sannsynlig også like. Og det personer med annen musikksmak ikke liker, er det en sjanse for at du vil like, forklarer Langseth.

En annen måte å anbefale musikk på, er å analysere innholdet i alle låtene, kategorisere sangene, og sjekke igjen om disse kategoriene passer for deg. Liker du rolige sanger, vil en algoritme finne lignende rolige sanger og anbefale disse.

– Fordelen med å gjøre alt automatisk er at det skaleres mye bedre. Med kurerte lister vil behovet for eksperter øke mer, men det er ingen forskjell på om et dataprogram har fem eller fem millioner brukere, forklarer Langseth.

LES OGSÅ: Si det med blomster!

Dine anbefalinger, din data

Kurering av lister skjer så og si helt automatisk i dag, uten noen som helst menneskelig innblanding. En slik løsning krever store mengder brukerdata. I Spotify finnes det ingen direkte måte for deg som bruker å fortelle om du liker noe eller ikke. Liker-knappen lagrer sanger du liker i en liste, men du kan fortsatt like låter som ikke er i denne lista. En løsning Spotify har, er å analysere enda mer data om deg og dine lyttevaner.

– Søker du etter ny musikk mens en låt står på, gir det et dårlig inntrykk. Hører du på samme låt flere ganger, gir det et positivt inntrykk, fortsetter Langseth.

Det kan virke hensiktsmessig å bare anbefale låter du allerede liker hver gang, men likevel kommer det nye låter fra ukjente artister på listene som er generert for deg. Mange vil jo oppdage ny musikk, og det å anbefale samme låter om igjen gir en kortsiktig fortjeneste til du blir lei. De små, ukjente artistene kommer seg inn i listene av en annen grunn.

Systemet er automatisert, så det er ingen nepotisme involvert. Algoritmene er laget slik at ting du ikke visste at du liker blir anbefalt. Hvis den klarer å anbefale noe du liker, vil du også mer sannsynlig danne et forhold til anbefalingen og være åpen for flere låter av samme sjanger eller artist.

– Dette er et vanlig mål på kvaliteten av anbefalingsalgoritmer. Hvis den klarer å anbefale noe du ikke visste du ville ha, er det et kvalitetstegn og gir en fordel over eventuelle konkurrerende programmer med samme hensikt, forklarer Langseth.

Alle de små detaljene ved lyttevanene dine tas opp for å danne et bedre bilde av hva du liker, når på døgnet du liker forskjellige sjangere og hvordan du liker å lytte til musikk best.

LES OGSÅ: Foreslår å fjerne studentprester fra campus

Bedre resultat, mindre personvern

Likevel er ikke dette nok informasjon for Spotify. I januar 2021 fikk de godkjent en patent som lar dem ta opp data om hjerterytme, stressnivå og stemmeintonasjon. Dette kan brukes til å finne ut hvilket kjønn du er, om du er lei deg, glad, stressa, avslappet, om du er alene eller sammen med andre og til og med hvilken dialekt du har.

– Hvis du er sint, vil du kanskje høre på heavy metal for å få ut energi. Er du fornøyd og happy, vil du kanskje høre på Billie Eilish eller noe rolig som du liker. Det er for å forstå din kontekst og for å kunne anbefale musikk bedre, sier Langseth.

Denne funksjonaliteten er ikke implementert ennå i dagens versjon av Spotify, men muligheten for å innføre det ligger klart. Og for hvert sekund du hører på musikk, kjenner denne funksjonaliteten deg bedre og vil kunne forutsi hva du ønsker. Selv om dataen ikke har noen direkte hensikt for Spotify sin del etter at den prosesseres en gang, vil den sannsynligvis likevel lagres.

– Data lagres over lengre tid fordi det er billig, og man kan tjene penger på den. Og kanskje det er nyttig i framtiden hvis man skal teste ut nye algoritmer. Hvis noe er gratis, er det du som er produktet, sier Langseth.

LES OGSÅ: Framing Britney Spears gir et bilde av tidlig 2000-tallet, men sier også noe om vår egen samtid

Prisen på informasjon

Musikk er for de fleste en emosjonell opplevelse. Den påvirker følelseslivet vårt, og kan igjen forandre oppførselen vår. Er du trist kan du lete etter trøst på nett. Å foreslå musikk som sender deg inn i et visst humør og deretter sende reklame skreddersydd for ditt humør kan være en gullgruve for både reklameselskaper og Spotify selv.

– Det har vært ville vesten, men det prøves nå å regulere hvor lenge man kan lagre brukerdata og hvordan den kan deles. GDPR for eksempel, og IOS skal i neste oppdatering be brukere eksplisitt om lov til å dele data mellom apper, forteller Langseth.

Data lagres også over lengre tid for å analysere hvordan brukernes smak utvikler seg over tid. Selv om ingen mennesker er like, er det likevel distinkte karaktertrekk som er gjenkjennelig hos mange. Disse trekkene kan gi indikasjoner på om utviklingen av menneskers smak og preferanser er like, og på denne måten forutsi hva en person vil like om ett, to eller ti år. Med tilgang på så store mengder data over flere år, kan man i teorien gjette hva forbrukeren vil like. Om dette høres skummelt ut, mener Langseth man må vurdere om risikoen er verdt det.

– Vurder kostnaden ved bruk av hvert enkelt sosiale medium og produkt. Jeg bruker Google maps fordi det er såpass bra, selv om Google da vet hvor jeg bor og jobber. Gjør likevel et forsøk på å holde deg i mørket, anbefaler Langseth.

GDPR skal gi muligheten til å spørre hvert selskap om å få tilgang på all informasjon de sitter på om brukeren. Likevel er det vanskelig å få tilgang på de beste tjenestene uten å gi bort noe informasjon. Som Langseth sier, må man selv veie opp om hver enkel tjeneste er verdt det. Før sa man: «There is no such thing as a free lunch», men nå sier heller Langseth: «Hvis du ikke betaler for noe, er det du som er betalingen».

Det har ikke lykkes Under Dusken å få tak i Spotify for å kommentere saken.