AI-nyhederAnurag Sharma kortlægger ESC-vindere med nye diagrammer
Forskeren Anurag Sharma har udviklet en AI-metode, der afslører mønstre bag Eurovision-vindere gennem nestede diagrammer.
Det nye værktøj
Anurag Sharma har lavet et AI-værktøj, der bruger nestede diagrammer til at analysere Eurovision-vindere. I stedet for at se på sange som isolerede enheder, kortlægger metoden sammenhænge mellem musik, tekst og optræden. Det giver et helt nyt blik på, hvad der kendetegner de sange, der vinder.
Hvad viser analysen?
Ved at sammenligne vindere gennem årene finder forskeren typiske træk, som går igen. Det kan være alt fra sangens opbygning til kunstnernes scenepræsentation. Netop disse mønstre er svære at få øje på med traditionelle analysemetoder, men de nestede diagrammer gør dem synlige på en overskuelig måde.
Sådan kan det bruges
Metoden kan hjælpe musikbranchen med at forstå, hvilke elementer der historisk har ført til sejr. Den kan også bruges af fans, der vil dykke dybere ned i konkurrencens historie. Og så er teknikken ikke låst til Eurovision – den kan overføres til andre konkurrencer og kreative områder.
- Forskeren Anurag Sharma står bag projektet sammen med to kolleger.
- Metoden bygger på nestede diagrammer, der viser komplekse sammenhænge.
- Analysen fokuserer på mønstre i ESC-vindernes musik, tekst og optræden.
- Værktøjet er præsenteret på platformen arXiv.
- Teknikken kan bruges på andre områder end musik, som for eksempel andre konkurrencer.
Du får et nyt værktøj til at forstå, hvorfor nogle sange vinder – og det kan hjælpe dig med at spotte fremtidens vindere, før de bliver kåret.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.