Spotify的音乐推荐系统已经成为智能，感谢在幕后发生的机器学习。但是一名在公司纽约办事处一直花时间的学术研究员一直在寻找基于其内容来利用深度学习的方法。

如果Spotify Puts Carchener Sander Dieleman的工作，该公司可能会在改善用户体验时拍摄，以帮助它脱离RDIO，Songza和Beats等竞争对手。而不是仅仅播放人们可能已经熟悉的音乐，Spotify可能会成为人们发现新的或不受欢迎的音乐的工具。

“我们希望能够在发布时推荐新音乐，我们希望告诉听众，了解他们从未听说过的令人敬畏的乐队，”Dieleman在他的研究中昨天写下了昨天。“为了实现这些目标，我们需要使用不同的方法。”

深度学习是一种专业的机器学习，涉及培训系统，培训系统在许多来自音频，图像和其他输入的许多信息上，然后用新信息呈现系统并以响应地接收关于它的推断。

在过去的几年里，科技巨头像谷歌，微软和百度都致力于它的资源。最近，Facebook，Netflix和Twitter等网页公司已经损失了收购，重大招聘和早期研究的地区。现在我们可以将Spotify添加到有兴趣改善其服务深入学习的公司列表。

在Spotify，Dieleman正在建立卷积神经网络，这是一种深入学习的技术，即Facebook的Yann Lecun普及，特别是与图像相关联。Dieleman在短片歌曲上培训了他的神经网络，然后根据他们在音频中观察到的某些功能创建播放列表。

播放列表在其他特质中拿起低音鼓，颤音歌唱和氛围。但Dieleman进一步甚至聚集了具有类似的音高，吉他扭曲和其他品质的歌曲。

Dieleman认为神经网络可能开始拾取音乐中的某些特征，如某些类型的和弦进展的外观。如果这实际发生，那就太迷人了。想象一下，听起来有多么乐趣，用和弦进展，与谁一样，说，“巴巴奥里莱斯”是谁。

Dieleman写道，系统甚至可能正在挑选歌曲歌词的语言。

他认为，神经网络有自己的问题，虽然他们不错，但考虑到他们只考虑音乐本身 - 以及歌曲的样本。

现在，它取决于决定将基于深度学习的推荐系统置于生产，即使只是杂草的不良建议。

“Spotify已经在其推荐管道中使用了一堆不同的信息来源和算法，因此我的工作中最明显的应用只是将其作为额外的信号，”Dieleman写道。

当然，这可能对Dieleman有用，他自己是渐进式金属的追随者。

“我与这项工作的主要目标之一是可以推荐新的和不受欢迎的音乐。我希望这将有助于较低的已知和上升和即将到来的乐队，并且它将通过使Spotify推荐他们的音乐向正确的受众推荐他们的音乐来稍微达到竞争领域。“