Thuật Toán Âm Nhạc Đã Thất Bại

Các thuật toán gợi ý nhạc được cho là sẽ giúp chúng ta vượt qua tiếng ồn, nhưng chúng chỉ phục vụ cho chúng ta những thứ tệ hại.

Đây là The Stepback, một bản tin hàng tuần phân tích một câu chuyện thiết yếu từ thế giới công nghệ. Để biết thêm về cách thoát khỏi thuật toán và khám phá những điều bạn yêu thích, hãy theo dõi Terrence O'Brien. The Stepback được gửi đến hộp thư của người đăng ký vào 8 giờ sáng theo giờ phía Đông. Đăng ký The Stepback tại đây.

Khởi đầu như thế nào

Tôi từng có một nghi lệ. Mỗi thứ Ba, tôi sẽ xuống tàu tại ga 8th Street trên đường về nhà từ nơi làm việc. Tôi sẽ ghé vào Other Music, mua một CD mới (hoặc ba cái...) rồi đi bộ quãng đường còn lại đến phà Staten Island trong khi nghe CD mới của mình. Ngay cả khi không có album mới nào ra mắt trong tuần mà tôi mong đợi, tôi vẫn sẽ mua gì đó. Thường thì, nếu tôi vào mà không có ý tưởng cụ thể, tôi sẽ tham khảo kệ hình kim tự tháp ở cuối lối đi nơi trưng bày những lựa chọn của nhân viên. Tôi sẽ đọc qua những tấm thẻ chỉ mục được dán trên kệ chứa những lời giới thiệu viết tay từ ai đó làm việc ở đó và chọn thứ gì đó nghe có vẻ thú vị.

Có thể có vẻ như thời xa xưa, nhưng cho đến những năm 2010, hầu hết mọi người đều khám phá nhạc mới theo những cách tương tự: duyệt trong cửa hàng đĩa nhạc, bạn bè ở trường, anh chị em lớn tuổi ngầu của ai đó, các CD tuyển tập CMJ New Music Monthly.

Điều đó bắt đầu thay đổi vào những năm 2000 với sự ra đời của các công cụ gợi ý thuật toán đầu tiên. Pandora là người tiên phong lớn với dự án Music Genome của họ. Mục tiêu là phân tích các bài hát thành những đặc điểm dễ định lượng như "giới tính của ca sĩ chính, mức độ méo mó của guitar điện, loại hát bè," và tương tự. Sau đó nó sẽ tìm kiếm những bài hát khác có chung một số đặc điểm nhất định và phát bài đó.

Pandora thành công ban đầu vì cách tiếp cận thuật toán đối với gợi ý nhạc là mới lạ vào thời điểm đó. Nhưng cũng có những dấu hiệu cảnh báo về các vấn đề sắp tới. Bất kỳ ai đã sử dụng Pandora vào giữa đến cuối những năm 2000 chắc chắn sẽ quen thuộc với xu hướng phát lại cùng khoảng 10 bài hát liên tục.

Điều này một phần do nó đi đầu trong streaming trong khi có thư viện nhỏ. Khi Pandora nộp đơn IPO vào tháng 2 năm 2011, nó chỉ có khoảng 800.000 bài hát từ 80.000 nghệ sĩ. So sánh với ngày nay, khi ngay cả những player nhỏ hơn như Qobuz cũng có hơn 100 triệu track.

Chỉ vài tháng sau, vào tháng 7 năm 2011, Spotify đổ bộ vào Mỹ với catalog 15 triệu bài hát và thay đổi mọi thứ. Hầu như ngay từ thời điểm đầu, Spotify đã đặt cược hoàn toàn vào thuật toán. Năm 2015, Spotify ra mắt có lẽ là tính năng mang tính biểu tượng nhất của mình, playlist Discover Weekly, phục vụ những gợi ý thuật toán mới mỗi tuần, như tên gọi.

Discover Weekly tinh vi hơn nhiều so với dự án Music Genome. Nó bắt đầu bằng cách lấy các bài hát từ playlist do người dùng tạo, sau đó khớp chúng với hồ sơ thị hiếu cho từng người dùng cá nhân, sử dụng công nghệ từ một công ty tên The Echo Nest mà họ mua vào năm 2014. Sau đó nó thực hiện điều chỉnh và lọc bổ sung, bao gồm phân tích machine learning dữ liệu âm thanh thô, trước khi xây dựng cho bạn một playlist độc đáo gồm 30 bài hát.

Tình hình hiện tại

Spotify là dịch vụ streaming nhạc phổ biến nhất thế giới. Mặc dù các gợi ý thuật toán của nó không nhất thiết là lý do, nhưng tầm với của nó có nghĩa là hàng trăm triệu người đang được nuôi dưỡng bằng chế độ ăn nhạc đều đặn được quản lý bởi máy móc. Mục tiêu của Spotify là giữ bạn nghe bất kể điều gì. Trong cuốn sách Mood Machine của mình, nhà báo Liz Pelly kể lại một câu chuyện được kể cho cô bởi một cựu nhân viên Spotify trong đó Daniel Ek nói, "đối thủ duy nhất của chúng ta là sự im lặng."

Theo nhân viên này, lãnh đạo Spotify không coi mình là một công ty âm nhạc, mà là một người lấp đầy thời gian. Nhân viên giải thích rằng, "đại đa số người nghe nhạc, họ không thực sự quan tâm đến việc nghe nhạc per se. Họ chỉ cần một soundtrack cho một khoảnh khắc trong ngày của họ."

Đơn giản chỉ cung cấp soundtrack cho ngày của bạn có thể có vẻ vô tội đủ, nhưng nó thông báo cách thuật toán của Spotify hoạt động. Mục tiêu của nó không phải là giúp bạn khám phá nhạc mới, mục tiêu của nó đơn giản là giữ bạn nghe càng lâu càng tốt. Nó phục vụ những bài hát an toàn nhất có thể để giữ bạn không nhấn dừng.

Công ty thậm chí còn đi xa đến mức hợp tác với các dịch vụ thư viện âm nhạc và công ty sản xuất trong một chương trình gọi là Perfect Fit Content, hay PFC. Điều này chứng kiến việc tạo ra các nghệ sĩ giả hoặc "ma" làm ngập Spotify với những bài hát được thiết kế đặc biệt để dễ chịu và có thể bỏ qua. Đó là âm nhạc như nội dung, không phải nghệ thuật.

Các dịch vụ streaming cũng cung cấp cho các hãng thu âm một lượng dữ liệu đáng kinh ngạc về những gì mọi người đang nghe. Và trong một loại vòng lặp phản hồi, các hãng bắt đầu ưu tiên các nghệ sĩ nghe giống như những gì mọi người đã đang nghe. Và những gì mọi người đang nghe là những gì thuật toán gợi ý.

Các nghệ sĩ, đặc biệt là những người mới cố gắng đột phá, thực sự bắt đầu thay đổi cách họ sáng tác để chơi tốt hơn trong kỷ nguyên streaming được điều khiển bởi thuật toán. Các bài hát ngắn hơn, album dài hơn, và phần mở đầu biến mất. Hook được đẩy lên phía trước của bài hát để cố gắng thu hút sự chú ý của người nghe ngay lập tức, và những thứ như guitar solo hầu như biến mất khỏi nhạc pop. Bảng màu âm thanh mà các nghệ sĩ lấy từ đó trở nên nhỏ hơn, các arrangement trở nên đơn giản hóa hơn, nhạc pop trở nên phẳng lặng.

Trong một thế giới nơi hầu hết nội dung được phục vụ cho chúng ta một cách thuật toán, dù đó là trên Spotify, YouTube, hay TikTok, việc khám phá nhạc đã bị ảnh hưởng. Công ty nghiên cứu thị trường MIDiA đã công bố một nghiên cứu đáng báo động vào tháng 9 nói rằng, "người dùng càng phụ thuộc vào thuật toán, họ càng nghe ít nhạc hơn." Nó phát hiện rằng trong khi khám phá nhạc mới theo truyền thống gắn liền với tuổi trẻ, "những người 16-24 tuổi ít có khả năng hơn những người 25-34 tuổi đã khám phá ra một nghệ sĩ họ yêu thích trong năm qua." Gen Z có thể nghe một bài hát họ thích trên TikTok, nhưng họ hiếm khi điều tra xa hơn để nghe thêm nhạc từ nghệ sĩ đó.

Điều gì xảy ra tiếp theo

Sự mệt mỏi với thuật toán đã tích tụ trong một thời gian. Apple đã biến việc quản lý con người thành điểm bán hàng trung tâm của dịch vụ âm nhạc của mình, thu hút những cái tên lớn như Jimmy Iovine và Zane Lowe. Nhưng gần đây, cuộc nổi loạn chống lại thuật toán đã tăng tốc.

Bandcamp Daily đã là nền tảng của việc khám phá nhạc từ năm 2016, và trang web đã ra mắt Bandcamp Clubs vào năm 2025. Những điều này cung cấp một album được con người lựa chọn mỗi tháng, phỏng vấn nghệ sĩ, và các buổi tiệc nghe trực tiếp cho người đăng ký. Qobuz có có một công cụ gợi ý thuật toán, nhưng nó tập trung nhiều hơn vào phía biên tập của mình tại Qobuz Magazine.

Gen Z có thể ít khả năng khám phá một nghệ sĩ mới họ yêu thích hơn một số thế hệ lớn tuổi hơn. Nhưng họ cũng đang dẫn đầu sự hồi sinh trong radio đại học. Radio mặt đất từng có vẻ như một định dạng đang chết, nhưng nhiều trường hiện báo cáo họ không có đủ khung giờ để chứa tất cả các DJ đầy tham vọng.

Ngay cả iPod cũng đang tận hưởng sự phục hưng. Các iPod cổ điển được bán với giá hàng trăm đô la trên eBay, và một toàn bộ subculture, mặc dù nhỏ, đã nảy sinh xung quanh việc mod chúng để kéo dài tuổi thọ pin, tăng dung lượng lưu trữ, và thêm các tiện ích hiện đại như Bluetooth và USB-C.

Ở giai đoạn này, chống thuật toán bản thân nó là một thể loại nội dung hoàn chỉnh. Đặc biệt trên YouTube, nơi các creator tạo video về việc từ bỏ streaming, ngừng doomscrolling, và cách thuật toán đã làm phẳng văn hóa.

Tất nhiên, một khi điều gì đó trở thành xu hướng, chỉ là vấn đề thời gian trước khi các công ty bắt đầu cố gắng tìm ra cách kiếm tiền. Spotify đã giới thiệu các tính năng để cố gắng giải quyết các khiếu nại về thuật toán của mình, bao gồm khả năng loại trừ các bài hát khỏi hồ sơ thị hiếu của bạn. Nhưng nó cũng giới thiệu các tính năng quản lý con người mới.

Nhiều công ty có thể sẽ bắt đầu cung cấp các lối thoát khi sự mệt mỏi với thuật toán tăng lên. Nhưng, cuối cùng, các công ty sẽ tìm ra cách tạo ra ảo tưởng về khám phá tình cờ. Họ sẽ phục vụ các gợi ý thuật toán, nhưng đóng gói chúng theo cách cảm thấy tự nhiên hơn.

Không khó để tưởng tượng một tương lai nơi các playlist được quản lý bởi con người một cách biểu面 được điều chỉnh thuật toán để loại trừ các bài hát không khớp chính xác với lịch sử nghe của bạn. Hoặc một nơi các gợi ý thuật toán được đặt một cách tinh tế ở những nơi dễ khám phá, khiến bạn cảm thấy như mình đã tình cờ bắt gặp một album mới hoàn toàn tự mình. Bạn vẫn sẽ bị thao túng bởi một thuật toán; nó sẽ chỉ khó phát hiện hơn.

Những Điều Thú Vị Bạn Chưa Biết Về Thuật Toán Âm Nhạc

Theo tiêu chuẩn ngày nay, dự án Music Genome khá thô sơ. Nó dựa vào con người gắn thẻ thủ công các bài hát với các "gene" khác nhau. Những người làm công việc này là các nhạc sĩ và nhạc học gia được đào tạo, nhưng cơ sở dữ liệu vẫn chủ yếu để lại cho ý kiến chủ quan của các cá nhân. Ban đầu, chỉ 10 phần trăm bài hát được phân tích bởi nhiều hơn một nhạc sĩ để đảm bảo một mức độ nhất quán nào đó.

Theo cách riêng của nó, sự hồi sinh vinyl là một phần của tình cảm chống thuật toán. Nó có thể đã bắt đầu vào khoảng năm 2007, nhưng đạt đỉnh vào những năm 2020. Người nghe bắt đầu ôm lại phương tiện vật lý và định dạng album. Ban đầu, nó được thúc đẩy bởi các nghệ sĩ độc lập và các cửa hàng nhạc nhỏ, nhưng cuối cùng ngay cả các nghệ sĩ như Taylor Swift cũng tham gia, bán hơn 1,3 triệu bản The Life of a Showgirl trên vinyl trong tuần đầu tiên.

Last.FM là một hệ thống gợi ý nhạc sớm khác dựa vào phân tích dữ liệu. Nó theo dõi những gì bạn nghe và gợi ý các ban nhạc dựa trên những gì người dùng khác có thị hiếu tương tự thích. Mặc dù nó vẫn tồn tại, các gợi ý thuật toán bản địa trong Spotify và tương tự đã làm cho nó trở nên lỗi thời. Mặc dù nó tìm thấy một cuộc sống thứ hai trên Discord, rõ ràng.

Tài Liệu Tham Khảo: Khám Phá Sâu Hơn Về Thuật Toán Âm Nhạc

Cuốn sách Mood Machine của Liz Pelly cung cấp một cái nhìn tổng quan rộng về những hành vi đáng ngờ của Spotify, nhưng đoạn trích này được xuất bản trên Harpers cung cấp cho bạn tất cả các chi tiết quan trọng nhất về chương trình Perfect Fit Content của nó.

Nhà thiết kế UX Lou Millar-MacHugh giải thích tại sao chúng ta không thể có những thứ tốt đẹp trên internet vì các công ty sẽ đơn giản học cách tạo ra sự tình cờ nhân tạo.

Business Insider xem xét cách khách hàng Spotify "đang bị tràn ngập bởi nhạc họ ghét."

Lịch sử hấp dẫn của Fast Company về Pandora từ người tiên phong streaming nhạc đến chú thích lịch sử.