Uutiset

Tutkijat kehittivät koneoppimisalgoritmin, joka oppi räppäämään

Kun verrattiin räppiriimien pituuksia ja esiintymistiheyttä, rap-lyriikkaa tuottava algoritmi DeepBeat oli 21% tehokkaampi kuin ihmisräppärit.

Algoritmia arvioitiin kvantitatiivisesti kahdella tavalla. Ensimmäisenä arvioitiin algoritmin ennakointikykyä  mittaamalla kuinka hyvin algoritmi ennustaa seuraavan lauseen olemassa olevasta rap-kappaleesta. Tämä onnistui yllättävän hyvin.

– 82%:n tarkkuudella pystyttiin erottamaan oikea lause sattumanvaraisesti valituista, kertoo tutkija Eric Malmi.

Tämän jälkeen mitattiin riimien esiintymistiheyttä. Kun verrattiin tuotettujen räppiriimien pituuksia ja esiintymistiheyttä, rap-lyriikkaa tuottava algoritmi DeepBeat oli 21% tehokkaampi kuin ihmisräppärit.

Räppiriimien esiintymistiheydelle kehitettyä mittaria arvioitiin rap-artistin avulla. Kokeen tulos osoitti, että mittaustapa korreloi räppärin oman mielipiteen kanssa siitä mikä on teknisesti hyvä sanoitus.

Tässä on DeepBeatin tuottama rap-säkeistö rakkaus-teemasta:

For a chance at romance I would love to enhance
But everything I love has turned to a tedious task
One day we gonna have to leave our love in the past
I love my fans but no one ever puts a grasp
I love you momma I love my momma – I love you momma
And I would love to have a thing like you on my team you take care
I love it when it’s sunny Sonny girl you could be my Cher
I’m in a love affair I can’t share it ain’t fair
Haha I’m just playin’ ladies you know I love you.
I know my love is true and I know you love me too
Girl I’m down for whatever cause my love is true
This one goes to my man old dirty one love we be swigging brew
My brother I love you Be encouraged man And just know
When you done let me know cause my love make you be like WHOA
If I can’t do it for the love then do it I won’t
All I know is I love you too much to walk away though

Jatkotutkimus keskittyy räppisanoitusten hiomiseen. Lopulta tarkoituksena olisi ottaa mukaan puhesyntetisaattori, joka antaa DeepBeatille äänen.

Tutkijat Eric Malmi ja Pyry Takala, professorit Tapani Raiko ja Aristides Gionis Aalto-yliopiston Tietotekniikan laitokselta, sekä professori Hannu Toivonen Helsingin yliopistosta ja HIITistä kehittivät koneoppivan algoritmin, joka oppi räppäämään.  Koneoppimisalgoritmin kouluttamisessa tutkijat käyttivät tietokantaa, jossa on yli 10 000 kappaletta yli sadalta rap-artistilta.

Lisätietoja:

Eric Malmi, [email protected]

DopeLearning: A Computational Approach to Rap Lyrics Generation

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

vaping
Tiedotteet, Tutkimus ja taide Julkaistu:

Tekoälyn avulla tehty tutkimus osoitti: Instagram tulvii nuoria houkuttelevaa sähkötupakkamainontaa

Sadoista tuhansista sähkötupakkajulkaisuista yli 60 prosenttia oli peräisin yritystileiltä. Nuorille mainostetaan muun muassa sähkötupakan makutiivisteitä.
Tutkimus ja taide Julkaistu:

Lähes puolet pienistä ja keskisuurista yrityksistä on hakenut koronakriisissä julkista tukea, vain alle kuudesosa pankkilainaa

Aalto-yliopiston, Erasmus-yliopiston (Hollanti) ja St. Gallenin yliopiston (Sveitsi) tutkijaryhmä on selvittänyt suomalaisten pienten ja keskisuurten yritysten rahoitusvaihtoehtoja ja tulevaisuudennäkymiä koronakriisissä.
Aivokuori seuraa äänen piirteitä hyvin täsmällisesti ymmärtääkseen puhetta. Kuva: Aalto-yliopisto
Tiedotteet, Tutkimus ja taide Julkaistu:

Ihmisaivot seuraavat puhetta ajallisesti tarkemmin kuin muita ääniä

Tuore tutkimus osoittaa, että sanojen ymmärtäminen on aivoille millisekuntipeliä, mutta ympäristön ääniä ne tulkitsevat kokonaisuuksina. Tuloksista voi olla hyötyä, kun tutkitaan häiriöitä puheen käsittelyssä.
hukka-rakentamisessa-1
Tutkimus ja taide Julkaistu:

Hukan mittaaminen paljastaa rakentamisen tuottavuuskehityksen pullonkaulat

Rakentamiselle tyypillinen projektikohtainen vaihtelu ja systemaattisuuden puute haastavat tuottavuuskehityksen. Aalto-yliopiston tutkimushanke kehitti menetelmiä niistä periytyvän hukan mittaamiseen sekä suunnittelussa että toteutuksessa. Mittarit osoittivat, että suurin osa työajasta on hukaksi luokiteltavaa tekemistä, joten hukkaa minimoimalla tuottavuuden kehityspotentiaalikin on huikea.