唱盘挖掘正被流媒体算法所扼杀吗？

在开始时，人类发现我们是肠子、骨头和细胞，细胞不断分裂直至死亡。这是对我们自我意识的第一次重创，我们的自我意识不断试图将我们从与生俱来的自然法则中解放出来。最近让人难以接受的事实是，人类是数据：我们的生活经历由统计数据塑造，例如每天的心跳次数、每分钟的疑惑和存在性恐慌发作的中位持续时间。

但这样的接受使我们能够反抗那些收集我们数据的机构。你可以伪造在线调查以向企业智囊团示威，或者不喜欢一个精彩的Youtube视频，只是为了看到评分达到69。就像数据现在嵌入在人类话语中一样，一个人需要无视所有逻辑和期望，仅仅是因为他们可以。

因此，看到媒体赞美计算机策划的音乐播放列表作为从单调选择中解脱的希望令人感到困扰。Spotify的Discover Weekly被科技达人和音乐爱好者同时盛赞为首个“破解了人类策划的代码”的服务，它根据用户的元数据生成播放列表。

“这很好，效果超出我的期待。他们和DJ一样出色——而且规模更大。”这段来自科技先锋Amil Dash的引言无意中触碰了Discover Weekly的争议——这意味着AI策展者不仅试图超越人类DJ，更最终目标是使人类品味趋同：一个个体成为一个统一网络中的数据节点，“大规模”地共存。因此，在艺术品味成为硅谷的监管和数据化习惯的下一个前沿时代，个人发现与选择则成为必要的反抗行为。

Discover Weekly声称是“自上而下的人性化策划”，部分是正确的——它们的数据来源于个体的品味和其庞大用户基础的集体习惯，进而汇总成针对个人风格的歌曲播放列表，且获得成千上万同伴听众的认可。这样一来，人类数据被用来简化发现过程，消除在找到特别内容之前筛选不良内容的劳动。

但是，正如历史反复证明的那样，预先审查对文化进步是有害的。这也是朋克音乐为何低贱地蔑视其光鲜前人，以及许多年轻人对父辈音乐品味持怀疑态度的原因。Discover Weekly的成功建立在观众对当前音乐口味不满的假设之上，而挑战这一观点的声音可能会造成不必要的心理困境。从这个意义上看，算法驱动的策展者与保守的祖父母持有同样的意识形态：“为什么要改变，现状如此美好？”

Spotify确实会有所改变——有时—— 用于分类音乐的流派列表不断增加，目前拥有超过1400种，从深迪斯科到恐怖核心应有尽有。一个算法分析那些既是该流派听众又是Spotify用户的听众习惯，以推测该流派可能在音乐历史的更大格局中适应的方式。

这是一个出色的系统，由算法发现的倡导者、被称为Spotify播放列表功能“动物园管理员”的Glenn McDonald开发。他确实致力于为Spotify用户提供真实的发现体验。“如果人们要把有限的生命时光投入到听一些他们本来不会被负担的东西中，那么它必须具有改变他们生活的潜力，无论这个潜力多么模糊或难以捉摸，”这段引言摘自他在EMP流行会议上的一场演讲。

尽管他的目标是崇高的，但模拟发现有可能会偏离方向，就像哥伦布试图到达印度却撞上了美国一样。Spotify的算法还生成特别播放列表，名为“针”，这些播放列表试图寻找边缘音效（通常是来自被认为“异域”的地方的本地声响，比如来自圣保罗的Baile Funk），将它们放到听众的门前。“艺术和欢乐总是比法律运动更快，但最终我们总会追上。任何地方现在都可以成为这里，”McDonald在系统上说。因此，在圣保罗的艺术家们甚至还没开始宣称他们想要世界如何解读他们的音乐时，算法已经抓取、分类并将某个声音安排在特定位置，以适应特定听众的世界观。

可以理解，McDonald对于自己的系统可能被视为恶意感到不满。“音乐推荐就像是机器与人类的对抗，就像煎蛋器与鸡蛋的较量一样，”他在会议演讲中表示。但他的比喻有些危险——任何人都可以因为翻转不当而毁掉一个过生的鸡蛋，甚至在鸡蛋还没准备好被煮或出售之前就将其打碎，这完美体现了算法构建的世界：在我们能够自己做到之前，数学就已经构筑了我们的未来。

正如后现代思想家Armen Avanessian在Dis Magazine中描述的那样，“现在无法再主要从过去推导出来……它是由未来塑造的。”对市场、战争和社交网络的预测分析正在导致一种由元数据和算法思维预设的存在。那些依赖Discover Weekly的人很快将会实现这种结果；他们在流派泡沫和情绪云中筑巢，永远漂向一个由机器的微弱影响和数百万庞大的神经网络定义的身份。

因此，解决方案似乎是肆意挣扎，频繁躲避分析的视线，以一种极其不规律的方式行事，以超越计算机识别我们心理状态的能力。

YouTube视频是一个不错的起点——很容易意外发现一个充满来至曾经狂欢的鼓与低音发烧友分享黑胶的社区，或者一个专门为意大利迪斯科的最佳与最差而设的YouTube频道。目前，YouTube的推荐算法使用与用户兴趣、视频质量和关键词相关的数据杂烩，以至于推荐的视频似乎“匹配”所观看的内容，使用任意的标准。“正在观看1994年的广播混音？这里是1994年的其他20个广播混音（不必担心流派）。”然而这些任意选择的推荐视频所产生的有趣无关视频数量，使得YouTube的缺陷比成功更为珍贵。

为了获得更人性化的体验，互联网广播在过去几年取得了巨大的进步，主要由人类社区和人才驱动。Apple Music在其内部平台如Beats1和OVO Sound中处于领先地位。听一听这些电台，就会发觉从Drake的iPod中传出的Kodak Black要比Discover Weekly的第23首曲目悦耳得多。除了大型的机构广播平台，独立流媒体服务成为了分享声音和理念的新热点；像Radar Radio、NTS和The Lot这样的电台仍然将DJ视为不仅仅是专业技艺人。他们的主持人有能力引导听众踏上一段旅程，通过遗失的录音带和来自全球的论坛音乐场景。

最古老的地方莫过于实体唱片店，这里被认为是前述电台DJ发现其大部分宝藏的所在。这些机构收藏着可能永远不会出现在流媒体平台上的音乐，等待着那些并无寻找与自己口味相关音乐意图的人去发现。在一堆美元角落中发现一首巴西放克杰作，常常会带来一种成就感和纯粹的运气，连算法都不会羞愧于允许。

总是悬而未决的是，真正具情感的人工推荐智能似乎就在前方，甚至是最个人化的人类经历也永远无法超越未来深度学习的复杂性。驾驶、体力劳动及其他刻板的人为错误因AI的进步而得到改善，而想象这种同样的革命可能冲击我们的情感并不稀奇。缺陷或许很快就会成为过去的遗物，但至少它把我们带到这里——未来的方向掌握在那些怀着我们对皱纹皮肤和枯萎骨骼一样的尊重行使其权力之人手中。虽然这并不完美，但这正是我们。