MusicStrands

Hace unos cuantos meses salió a la luz MusicStrands, una nueva iniciativa empresarial surgida del IIIA-CSIC, el instituto de investigación en Inteligencia Artificial del CSIC en la Universidad Autónoma de Barcelona, cuna de otros spin-offs como Isoco.

MusicStrands es un sistema inteligente que recomienda música a los usuarios a partir de sus preferencias y gustos, y además lo hace dentro de un “contexto musical”, ya que las canciones que se recomiendan no son más o menos adecuadas “porque sí”, sino que ello depende de lo que se está escuchando en un momento dado. Para ello, aparte de las técnicas de recomendación basadas en filtrado colaborativo convencional, MusicStrands aporta los playlists, que listan canciones que a los usuarios les gusta escuchar de forma secuencial.

Este es un concepto muy interesante que no está suficientemente explotado en otros sistemas de recomendación similares, como es el caso del LaunchCast de Yahoo, que aunque tiene el concepto de “mood” (estado de ánimo), se queda a medias en cuanto a su utilidad para mejorar las recomendaciones.

En su puesta de largo ante los medios, MusicStrands obtuvo bastante notoriedad, con apariciones en El País, El Mundo, La Vanguardia, Expansión y Cinco Días. Además, el equipo gestor es de impresión:

[...] recommender systems pioneer Jon Herlocker (among the top 1% of most quoted scientists of the last decade); Derek Reisfield, youngest president ever of CBS New Media; Tom Dietterich, the president of Machine Learning Society and the most renowned scientist in statistical machine learning; Javier Etxebeste, formerly Managing Director of Search and Marketplace of Yahoo Europe; and Andreas Weigend, recently Chief Scientist at Amazon.
(ver nota de prensa completa)

Sin embargo no he vuelto a encontrar noticias de esta compañía en medios de difusión masiva.
(Corrección: acabo de ver en el centro de prensa de su web que el pasado 10 de mayo les hicieron un mini-reportaje en el Telediario 1 de TVE)

Sé que siguen en marcha, que pretenden tener beneficios en 2007, y que la iniciativa tiene un horizonte puesto a largo plazo. De hecho, me llegó una oferta de beca de Doctorado que publicaron en el BOE allá por febrero.

Como iniciativa académica estoy convencido de que la investigación generada en esta empresa va a permitir perfeccionar las técnicas de filtrado colaborativo y va a conseguir mejorar su eficiencia en varios órdenes, pero como iniciativa empresarial no estoy tan seguro de su viabilidad, al menos con el modelo actual.

Para que un sistema así funcione es necesario conseguir una masa crítica de usuarios que creen un efecto red de modo que el sistema de recomendaciones pueda proporcionar buenos resultados.

El gran problema que yo veo es que no sé cómo van a conseguir esa masa crítica con un interfaz web como el que tienen ahora. La gente no está dispuesta a introducir en una web listas interminables de canciones favoritas en forma de playlists. Esta información debería extraerla el sistema de forma automática a partir del comportamiento de los usuarios. Yo estoy convencido de que el sistema de recomendación “rompedor” que sin duda está por llegar no estará centralizado en una web, sino distribuido en los PCs de todos los usuarios e integrado en el reproductor de música habitual.

La “killer application” de los sistemas de recomendación será un sistema distribuído basado en una red peer to peer. Estoy convencido.

¿Y cómo se obtendrán en ese caso las recomendaciones?
¡Gracias a las propiedades emergentes del sistema!

Cuando dudo de por qué llamé a este blog Sistemas Emergentes, no sé lo que me digo…