Denne teksten, originalt fra tidsskriftet Ballade, publiseres her i Morgenbladets tidsskriftportal. Her kan du lese det beste fra norske tidsskrifter.
Les også Øgrims tekst om artister som betaler seg inn på digitale spillelister.
I fjor lanserte Spotify; verdens ledende strømmetjeneste (når vi ser bort fra YouTube) Discover Weekly, en ukentlig liste med anbefalte låter, tilpasset akkurat deg. I følge Spotifys egne tall har lista hittil vært utgangspunkt for fem milliarder avspilte låter.
Dessuten har Discover Weekly begynt å få betydning for mange artisters inntekter, i hvert fall hvis vi skal tro Matthey Ogle, ansvarlig for tjenesten internt i Spotify. Under Sónar+D-konferansen i Barcelona i juni sa han i følge Forbes.com at 8000 artister p.t. får over halvparten av sine strømmeinntekter fra Discover Weekly. Det kan være at det handler 8 kroner og 50 øre til hver, men det er i hvert fall (kanskje) en start.
Forrige uke kom lista Release Radar, programmert over nesten samme lest. Forskjellen er at Release Radar serverer nye låter, mens Discover Weekly ikke tar samme hensyn til utgivelsesdato.
Det amerikanske businessnettstedet Quartz.com hevder i sin analyse av Spotifys nye anbefalingsmaskin at den er en sammenstilling av to milliarder brukerspillelister og hver enkelts lytte-, lagre og avspillingsprofil. Et eksempel på utvelgelseskriterium skal være at dersom to av dine favorittsanger viser tendens til å dukke opp i andre brukeres spillelister sammen med en tredje sang, vil denne tredje sangen bli anbefalt for deg.
Dessuten er det lagt inn en grad av overraskelse i regelsettet for at listene ikke skal bli blasse bekreftelser av din eksisterende smak. Matthew Ogle, som også Quartz-artikkelen referer til, forklarer at “vi har bygget modell med all musikken vi kjenner basert på den kurateringen som foregår når brukerne lager spillelister. Dette kombineres med din smak. Vi jobber bevisst med å overraske slik at resultatet ikke blir fargeløst”.
Utgangspunktet for løsningen er den betydelige spredningen vi har sett av spillelister i strømmeuniverset.
Det kan være at noen tenker “nå skal vi kanskje endelig slippe unna bedreviterne, som elsker å få oppmerksomhet for sine lister over verdenshistoriens beste utgivelser”.
På den andre siden er det ikke langt mellom de som tviholder på at subjektive musikkvurderinger har sin opplagte plass også i et gjennomdigitalisert musikkmarked.
Det er ikke langt mellom de som tviholder på at subjektive musikkvurderinger har sin opplagte plass også i et gjennomdigitalisert musikkmarked.
Supplement. Medieforsker Yngvar Kjus (UiO) peker på prosjektet Sky og scene, der fokusgruppeintervjuer viste at konserter, venner, festivaler og redaksjonelle medier fortsatt var essensielle kilder til å oppdage ny musikk, og at de nye strømmetjenestene (både de som tilbyr algoritmebasert og kuratorbasert oppdagelse) i stor grad har kommet som et supplement til disse.
– På dette grunnlaget er jeg tvilende til at algoritmer, i hvert foreløpig, har tatt en så sentral rolle i oppdagelsen av musikk at de truer vår selvstendige mulighet til å oppdage musikk og å diskutere musikkoppdagelsene, sier Kjus.
– Intervjuene i forbindelse med Sky og scene stammer fra 2010-2013. Spotifys egne tall tyder på at en økende grad av strømmebruk i dag foregår med utgangspunkt i algoritmespillelister, som Discover Weekly. Ser vi en utvikling mot sentrale algoritmegenererte lister siden forskningen du refererer til?
– Discover Weekly er et interessant uttrykk for at algoritmenes potensial stadig utforskes, både av strømmetjenestene og brukerne. Det kan godt være at strømmetjenestenes algoritmer blir enda viktigere verktøy for å oppdage musikk, men enerådende blir de nok ikke. Når nye formidlingsformer kommer, annonseres gjerne de gamles død. For eksempel trodde man at det ville bli færre konserter når folk fikk seg radio og platespiller, svarer han.
– Representerer algoritmene en demokratisering av kurateringen, ved at menneskelige smaksdommere får mindre betydning til fordel for dataprogrammer som baserer seg på musikken folk faktisk hører på?
– Algoritmer kan sikkert bidra til dette, men det vil være avhengig av programmeringen av dem. Hvis en algoritme er programmert til å formidle de 50 mest pålyttede sangene i verden, så åpner den mindre opp, både for artister og publikum, enn en redaksjon med mål om å løfte fram 500 nye artister på tvers av sjangre – satt på spissen.
Dette, hvordan algoritmene programmeres, har det ifølge Kjus foreløpig vært vanskelig å få innsikt i.
– Programmeringen foregår gjerne i store teknologiselskaper som ikke er lett å komme på innsiden av og som dessuten ofte drives på andre siden av jorda.
Han etterlyser derfor mer åpenhet i måten algoritmene utvikles og brukes på.
– Først da kan vi forsøke oss på en vurdering av eventuelle demokratiserende virkninger. Dessuten trengs et mangfold av typer algoritmer for å oppnå demokratisering i musikkformidlingen.
Her finnes det i følge Kjus en parallell til utviklingen av musikkformidling i radio, der f.eks. underskogen av lokalstasjoner og studentkanaler fra tidlig 80-tall bidro til mangfold og demokratisering av hva som formidles.
Folk er de beste kuratorene. Det institusjonaliserte produktet av det musikalske radiofrislippet Kjus referer til finnes i NRK, i form av P3. Derfra vurderer musikksjef Mats Borch Bugge både nye formidlingsverktøy og distribusjonskanaler.
– De automatisk genererte spillelistene er verktøy som teknisk kan guide oss til musikk som likner på musikken vi allerede liker. De bør derfor være et supplement til den gleden som ligger i å oppsøke ny musikk og innhold via andre kanaler. Den beste kurateringen gjøres av mennesker. Det vil alltid være behov for et samspill mellom hjerte og hjerne når man skal velge musikk for andre.
– Hvordan er balansen mellom de to variantene hos dere?
-Vi er per i dag syv mennesker som plukker ut musikken som skal spilles på NRK P3 og mP3. Vi er selvsagt opptatt av hva vår målgruppe synes å sette pris på, og den informasjonen innhenter vi fra faktisk bruk, både i kvalitative og kvantitative analyser. Den eksakte vektingen mellom informasjonen vi innhenter og personlig smak, er det vanskeligere å definere.
– Det er en produsents jobb å finne ny musikk og å sloss for den.
– I hvilken grad er det en musikkprodusents oppgave å sloss for ukjent musikk han/hun liker?
– Det er en produsents jobb å finne ny musikk og å sloss for den. Parallelt kreves det at vedkommende til enhver tid vet hva folk ideelt sett kan tenke seg å høre.
– Men så handler det vel også om å finne ut hva folk vil ha?
– Ja, det blir gruppas jobb å sørge for at disse ofte motstridende interessene samspiller på en ålreit måte.
– Når dere lager lister, hvor stor vekt legger dere på målet om høye lyttertall?
– Antall lyttere er ikke nødvendigvis det vi mener er viktigst. Vi ønsker å være de foretrukne og viktigste kanalene for unge folk i Norge. For å være det, må vi tørre å spille ny musikk. Det skal vi fortsette med.
I den nevnte Forbes-artikkelen hevder Jeff Smith, som er musikksjef hos BBC, at låta Paranoid Android (Radiohead, OK Computer 1997) er et godt eksempel på musikk som krever backing fra fans av kjøtt og blod for å nå fram. Låta smatt rett inn på radioens spilleliste utelukkende fordi den falt i smak, og ville ikke vært i nærheten av lista kun med datametoder, hevder Smith.
Borch Bugge nøler ikke med å erklære seg enig.
– Til tross for at Radiohead hadde en sterk stemme blant musikkelskere på midten av 90-tallet, ville singelen og albumet aldri nådd den statusen det har fått uten at mennesker frontet musikken via radio og andre medier.
Slik var det da, og muligens fortsatt. Det er kanskje for tidlig å måle i hvor stor grad Spotifys nye anbefalingsautomatikk vil gi rom også for fremtidens paranoide androider. Men at vi bare har sett starten på utviklingen av roboter, stordatakverning og algoritmer er det ingen tvil om.
Espen Søntvedt i konsulentselskapet id.mngmnt, som nettopp jobber med å samle, analysere og bruke stordata i moderne forretningsdrift, er helt overbevist om algoritmenes endringspotensiale, ikke minst i musikkbransjen.
– Algoritmer vil finne trender og musikalske perler mye raskere enn en redaktør, selv om det selvfølgelig er litt avhengig av hvordan man definerer en perle.
En definisjon kan ifølge Søntvedt eksempelvis være ”det en spesiell målgruppe synes er utrolig bra”.
Han peker på at hver gruppe, og til og med hver person eller bruker, vil ha sin algoritme, som potensielt tar hensyn til alle typer parameter som type artist, låtens sammensetning, sjangeren, følelsesreaksjoner (f.eks. gjennom analyse av sosiale medier), konkurransesituasjon osv.
Sønvedt er ikke med på konklusjonen om at artister som produserer noen nytt, uhørt og originalt nødvendigvis vil falle gjennom i algoritmenes regime.
– Jeg tror på ingen måte at disse er trygge i stolen.
– Algoritmene har tilgang på ulike musikk-kilder der de overvåker det som kommer. Når det kommer et nytt stykke, lades dette på alle algoritmer og man får en score. Så når Radioheads Paranoid Android kommer, vil denne lade på algoritmene. Og siden disse formlene også handler om følelsesreaksjoner, vil man allerede etter at noen få har hørt låten kunne si om låten skaper de rette følelsene.
– En god sjakkrobot vil nesten alltid slå Magnus Carlsen. En algoritme vil også være en langt bedre trendspotter.
I følge Søntvedt – og ikke minst i følge Spotify selv – får vi med andre ord ikke bare reproduksjon av gamle suksesser, men også nyvinning som skaper enda sterkere reaksjoner.
– Algoritmer kan ta hensyn til uendelig mange flere variabler enn musikkredaktører, og derfor teoretisk lage mye bedre spillelister enn en musikkredaktør. Jeg tror på ingen måte at disse er trygge i stolen. En god sjakkrobot vil nesten alltid slå Magnus Carlsen. En algoritme vil også være en langt bedre trendspotter. Den vil i løpet av timer finne ut hvilke låter eller artister som leverer på ulike algoritmer. Men hvor raskt det vil skje? Kanskje fem år?