Blir crate digging dödat av streamingalgoritmer?

I början upptäckte människan att vi var kroppar och ben och celler som delades till nya celler om och om igen tills döden inträffade. Detta var det första av många slag mot vårt ego, som ständigt försöker frigöra oss från de naturlagar till vilka vi är bundna. Den senaste insikten att svälja är att människor är data: våra upplevda erfarenheter formas av statistik som hjärtslag per dag, tvivel per minut och medianlängden på en existentiell panikattack.

Men en sådan insikt tillåter oss att göra uppror mot de institutioner som skördar vår data. Du kan förfalska en onlineundersökning som en piss på företags tankesmedjor, eller ge en tumme ner på en lysande Youtube-video bara för att se betyget gå ner till 69. Precis som data nu är inbäddat i mänsklig diskurs, så är även en persons behov av att trotsa logik och förväntningar bara för att de kan.

Det är därför så oroande att se media hylla datagenererade musikspellistor som en räddning från valfrihetens monotoni. Spotifys Discover Weekly har hyllats av både teknikanhängare och musikälskare som den första tjänsten att ”knäcka koden” av mänsklig kuratering genom att producera spellistor baserade på användardata.

”Det är bra. Det är bättre än jag trodde att det skulle vara. De är lika bra som DJs — i stor skala.” Denna blurp från teknikpionjären Amil Dash träffar oavsiktligt Discover Weeklys kontrovers - det implicerar att AI-kuratorer inte bara är ute efter att överträffa mänskliga DJs, utan att deras slutmål är förortsifiering av mänsklig smak: en punkt där en individ är en datafierad nod för ett homogeniserat nätverk ”i stor skala”. Så i en era där konstnärlig smak är nästa gräns för Silicon Valleys reglering och datifiering, blir personlig upptäckt och val nödvändiga upprorshandlingar.

Discover Weekly påstår sig vara “mänsklig från topp till botten,” vilket delvis är sant - deras data kommer från både en individs smak och kollektiva vanor hos deras massiva användarbas, som de syntetiserar till en spellista med sånger riktad mot personlig stil och godkänd av tusentals andra lyssnare. På detta sätt används mänsklig data för att underlätta upptäcktsprocessen och eliminera arbetet med att sålla genom oönskade innan man snubblar över något speciellt.

Men som historien gång på gång har visat, är förgodkännande skadligt för kulturell utveckling. Det är anledningen till att punk började sitt liv slemmigt och hånfullt mot sina glamoriserade föregångare, och varför många ungdomar är skeptiska till sina föräldrars musiksmak. Discover Weeklys framgång är rotad i antagandet att dess lyssnare är nöjda med sin nuvarande musikpalett, och att ljud som utmanar denna synvinkel skulle orsaka oönskad oro. På detta sätt delar algorithmdrivna kuratorer samma ideologi som din konservativa farförälder: ”Varför ändra något när allt redan är så bra nu?”

Spotify ändrar sig ibland - listan över genrer som de använder för att kategorisera musik växer ständigt och innehåller för närvarande över 1400, från djup discofox till horrorcore. En algoritm analyserar lyssnarvanor hos de som både är genrens lyssnare och Spotify-användare för att dra slutsatser om hur en genre kan passa in i musikens större historiska sammanhang.

Det är ett imponerande system utvecklat av Glenn McDonald, en förespråkare för algoritmisk upptäckt och den självutnämnda ”djurvaktaren” av Spotifys playlistfunktionalitet. Han verkar verkligen dedikerad till att erbjuda en verklig upptäcktsupplevelse för Spotifys användarbas. ”Om människor ska ge upp minuter av sina begränsade liv för att lyssna på något som de annars aldrig hade besvärits med, borde det ha potentialen, hur vag eller undvikande den än är, att förändra deras liv,” läser ett utdrag från ett tal han höll vid EMP Pop Conference.

Och även om hans mål är ädelt, kan simulerad upptäckt missa märket som Columbus försökte nå Indien men hamnade i Amerika istället. Spotifys algoritmer genererar också speciella spellistor, kallade ”The Needle,” som söker efter fringe-ljud (ofta lokala ljud från en uppfattad ”exotisk” plats, såsom Baile Funk från Sao Paulo) för att placera på lyssnarens tröskel. ”Konst och glädje rör sig alltid snabbare än lagen. Men till slut kommer vi alltid ikapp. Överallt kan vara här nu,” säger McDonald om systemet. Så innan artister i Sao Paulo ens kan börja deklarera hur de vill att deras musik ska tolkas av världen, har algoritmer beslagtagit, kategoriserat och placerat ett ljud på en specifik plats för att passa en specifik lyssnares världsbild.

McDonald är förmodligen upprörd över att hans system skulle kunna uppfattas som skadligt. ”Musikrekommendationer är maskiner 'mot' människor på samma sätt som omeletter är stekspadar 'mot' ägg,” säger han under sitt konferenstal. Men han spelar med en farlig jämförelse - vem som helst kan förstöra ett över-lätt ägg med en felaktig vändning, eller till och med krossa ett ägg innan det är redo att kokas eller säljas, vilket perfekt förkroppsligar världen av algoritmer: en där matematik har konstruerat vår framtid innan vi själva är kapabla att göra det.

Som beskrivs av post-samtida tänkare som Armen Avanessian i Dis Magazine, “Nuet kan inte längre främst härledas från det förflutna… det formas av framtiden.” Förutsägande analys av marknader, krig och sociala nätverk leder till en existens förutbestämd av metadata och algoritmiskt tänkande. De som förlitar sig på sina Discover Weeklys kommer snart att fullfölja detta utfall; genom att bo i genrebubblor och humörmoln, är de för alltid drivande mot en identitet definierad av maskiners tysta inflytande och ett mångmiljon starkt neutralt nätverk.

Så det verkar som om lösningen är att sparka, att dyka och dyka ut ur analysens öga och bete sig så irrationellt att vårt beteende överträffar en dators förmåga att identifiera vårt mentala tillstånd.

YouTube-videor är en utmärkt plats att börja - det är löjligt enkelt att snubbla in i ett samhälle av drum’n’bass-huvuden som delar vinylrippar från de lyckliga dagarna av raving, eller en Youtube-kanal dedikerad till det bästa och sämsta av Italo-disco. Just nu använder Youtubes rekommendationsalgoritm en blandning av data som relaterar till användarintresse, video kvalitet och nyckelord till den punkt att videor som rekommenderas verkar ”matcha” vad som ses med godtyckliga mått. ”Tittar du på en radiosändning från 1994? Här är 20 andra radiosändningar från 1994 (oroa dig inte för genre).” Men dessa godtyckliga urval ger så många intressanta, orelaterade videor till den punkt att Youtubes brister är mer älskade än dess framgångar.

För en mer mänsklig upplevelse har internetradio förbättrats enormt de senaste åren och drivs överväldigande av mänskliga gemenskaper och talang. Apple Music leder fältet med sina inbyggda plattformar som Beats1 och OVO Sound. En lyssning på dessa stationer och det blir tydligt hur mycket trevligare det är att höra Kodak Black komma från Drakes iPod än från spår 23 av Discover Weekly. Förutom större institutionella radioplattformar har oberoende strömningstjänster blivit nya heta platser för att dela ljud och idéer; stationer som Radar Radio, NTS och The Lot ser fortfarande programmets DJ:s som mer än skickliga yrkesutövare. Deras värdar har makten att skicka lyssnare på narrativa resor genom förlorade kassettband och direkta musikscener från forum världen över.

Mest arkaisk av alla är den fysiska skivbutiken, även känd som platsen där de ovannämnda radioprogrammens DJ:s upptäcker det mesta av sina skatter. Dessa institutioner innehåller mängder av musik som kanske aldrig hamnar på en strömmande plattform, bedjande att bli upptäckta av någon med ingen intention att hitta musik i relation till deras egna smak. Att upptäcka ett mästerverk inom brasiliansk funk i ett hav av ett-dollars korgar kan ge en känsla av prestation och dum tur som ingen algoritm någonsin skulle vara skamlös nog att tillåta sig själv.

Det är alltid den överhängande möjligheten att en verkligt känslomässig artificiell rekommendationsintelligens är på horisonten, och att till och med den mest personliga mänskliga erfarenheten aldrig kommer att matcha komplexiteten hos framtida maskininlärning. Körning, manuellt arbete och andra frätande aspekter av mänsklig fel kan för alltid förbättras tack vare framsteg inom AI, och det är inte orimligt att föreställa sig att denna revolution också kan påverka våra känslor. Ofullkomlighet kan snart vara en relik från det förflutna, men åtminstone tog det oss hit - vart det tar oss ligger i händerna på de som hanterar det med samma respekt som vi visar våra rynkiga kött och avslutna ben. Det är inte perfekt, men det är vi.