Share This Article
Musica Eterea. Una storia d’amore, streaming e distrazioni
Un libro sullo streaming pubblicato a puntate ogni martedì qui su Kalporz. Questa è la sedicesima puntata, primo paragrafo all’interno del 3° capitolo, “L’ALGORITMO, IL FLUSSO COSTANTE CHE NON HA UNA FINE“.
Recap delle puntate precedenti
Primo Capitolo – “DALLA MUSICA LIQUIDA ALLA MUSICA ETEREA”
1.1. Ci sono troppi panini nel deserto
1.2. Ascoltatori Interessati
1.3. Cinema e libri, la mancata “spotifizzazione”
1.4. Lo streaming ci sarà per sempre?
1.5. Il completismo dello streaming ha resuscitato la musica vecchia
1.6. L’immaterialità della musica contagia le copertine
Secondo Capitolo – “L’ECONOMIA MUSICALE AI TEMPI DELLO STREAMING“
2.1. L’illegalità precede la legalità
2.2. “The Winner Takes It All”
2.3. L’Europa vuole regolamentare lo streaming
2.4. Oltre il “payola”
2.5. Nel sistema di ripartizione dei ricavi gli ascoltatori contano poco
2.6. La vendita dei cataloghi: il lato finanziario dello streaming
2.7. I provider di streaming diventeranno delle case discografiche?
2.8. Perché i musicisti non scioperano?
2.9. L’illusione della sostenibilità dello streaming
3.1. L’algoritmo ci risparmia il fardello della scelta
Sono un uomo old style,e quando vado ad acquistare i vestiti nei negozi sono sempre di fretta e non ci provo un particolare gusto. Sto migliorando ma difficilmente è unpiacere. Per questo ho sempre pensato che le vetrine siano utili, anzi indispensabili. Quando devo scegliere da tutto l’armamentario di quello che c’è in negozio, è difficilissimo. Se invece vedo qualcosa che mi piace in vetrina, entro, lo provo e il gioco è fatto. Le vetrine risparmiano la fatica della scelta e semplificano. Non rappresentano l’intero, ma bastano.
Solo più tardi ho scoperto che quella sensazione di difficoltà nella scelta è un meccanismo psicologico con una vera e propria definizione: “il paradosso della scelta”, o, come l’ha definito Barry Schwartz, “la tirannia della libertà”66. Se c’è troppa scelta, potremmo stressarci e quindi quell’esperienza non sarebbe positiva. La mente umana, dice Schwartz, non è progettata per fronteggiare l’eccesso di opzioni: più aumentano, più cresce la paura di sbagliare. È l’ansia da decisione che ci accompagna quando passiamo mezza serata a (cercare di) scegliere quale film vedere su Netflix, per poi abbandonare perché abbiamo già perso mezz’ora. Se invece avevamo in mente un consiglio di un amico oppure un lungometraggio consigliato da un sito, allora andiamo a botta sicura e scegliamo.
Perché scegliere in fondo non è più un gesto neutro: è un gesto identitario. Sono quello che scelgo e alle volte potrei non essere così sicuro di chi (voglio) essere: posso permettermi di essere veramente quello che desidero oppure devo accettare dei compromessi con la società e con la mia storia? Messa così la libertà di scelta può diventare anche un fardello, non credete? Certo, vedere un film piuttosto che un altro non è una scelta che viene incisa sulla nostra carta d’identità, ma alla lunga, alla fine, influenzerà il nostro essere, perché sarà quello di cui potremo discutere quando siamo con gli amici, si porterà dietro successive decisioni, come ad esempio andare a riprendere precedenti film dello stesso regista, definirà un poco chi siamo. Ogni scelta, tra l’altro, implica la rinuncia a tutto il resto, e questo potrebbe pesarci. Dopo aver deciso, potremmo rimpiangere di non aver scelto altre opzioni possibili e scoprire così che non siamo soddisfatti della nostra autonoma volontà. In questo senso l’omnicomprensività dello streaming musicale, che ci promette accesso illimitato a tutto, potrebbe essere per certi versi anche considerato un fardello, perché potremmo trovarci inerti rispetto a tutto questo mare magnum infinito. E allora potremmo correre il rischio opposto: davanti a milioni di canzoni, una soluzione potrebbe essere quella di rifugiarci in quello che è “tranquillizzante”, conosciuto, e perciò finire ad ascoltare sempre gli stessi artisti o album o canzoni. È l’illusione dell’abbondanza: abbiamo a disposizione tutto, ma finiamo per frequentare sempre gli stessi “luoghi sonori”. L’oceano dello streaming diventa una pozza d’acqua tiepida, rassicurante e familiare.
Ecco allora che entra in scena l’algoritmo. Continuando con il parallelismo con i vestiti, l’algoritmo è la nostra vetrina digitale: non ci mostra tutto, ma porta alla nostra attenzione ciò che dovrebbe piacerci. È il commesso ideale e zelante che ci conosce benissimo e che ci propone i perfetti capi secondo il nostro stile. Non ci chiede quali sono i nostri gusti, perché li conosce già. Non ci lascia il tempo di pensare, perché teme che nell’attesa potremmo cambiare idea e non comprare nulla. Chiaramente c’è, in questo rapporto, qualcosa di seducente e inquietante insieme.
Seduce perché semplifica: ci libera dal peso della decisione. Inquieta perché, a forza di liberarci dal peso della scelta, rischia di liberarci anche dal piacere della scoperta o comunque dell’autonomia. L’algoritmo ci studia e continua a consolidare i nostri gusti sulla base di quello che abbiamo già scelto in passato, agisce come meccanismo di conferma piuttosto che di motore di curiosità. Ma questa considerazione “scontata” è la conclusione o è solo l’incipit da cui dobbiamo partire per analizzarlo?
Innanzitutto, domandiamoci: come funziona l’algoritmo di Spotify? Nessuno chiaramente lo sa con certezza, l’algoritmo di una piattaforma è ciò che le permette di competere rispetto ad altri, è una sorta di “segreto industriale”. Però qualche informazione la conosciamo: l’algoritmo di Spotify è un sistema complesso che combina machine learning, analisi comportamentale e modellazione del gusto musicale67. In pratica, non è un unico algoritmo, ma un insieme di modelli che lavorano insieme per capire cosa potremmo voler ascoltare.
Il primo livello è quello generale (definito “collaborative filtering”) che si basa sui big data: analizza le abitudini di milioni di utenti e cerca somiglianze. Se due persone ascoltano spesso gli stessi brani, e una di loro scopre un artista nuovo, Spotify lo proporrà anche all’altra. È lo stesso principio che usa Netflix per i film o Amazon per i libri: “chi ha ascoltato questo ha ascoltato anche quello”.
Il secondo livello è content-based, basato cioè sulle caratteristiche del brano stesso. Spotify scompone ogni canzone in centinaia di parametri — tempo, tonalità, energia, danzabilità, timbro, frequenze — e crea una sorta di identikit numerico, perché gli algoritmi capiscono solo di numeri. In pratica, dei tag con una quantificazione. Queste informazioni vengono analizzate da un modello neurale che impara a riconoscere le affinità tra canzoni.
Il terzo livello, più recente, è quello contestuale. Spotify non si limita più a considerare cosa ascoltiamo, ma anche quando, come e dove. E questo è tremendamente perturbante. Tiene conto dell’ora del giorno, del dispositivo utilizzato, del volume medio, persino di quanto spesso interrompiamo un brano68. Tutto serve per intuire il nostro “stato d’animo algoritmico” e proporre musica in sintonia con esso.
Sulla base di questi tre livelli, il sistema costruisce le playlist personalizzate come la Discover Weekly o Release Radar. Il loro successo è dovuto alla capacità di fondere dati oggettivi e intuizioni probabilistiche: ogni settimana l’algoritmo testa nuove tracce, osserva come reagiamo e adatta il modello in tempo reale. Del resto l’algoritmo è statistica, è probabilità, allo stesso modo dell’intelligenza artificiale.
A dirla tutta, oggi non potremmo più fare a meno dell’algoritmo. Il Release Radar delle nuove uscite degli artisti che si sono segnati come preferiti è oramai fondamentale, in quanto la capacità conoscitiva e informativa in questo mondo di uscite massive non sarà mai totale, nemmeno per un addetto ai lavori. Pochi giorni fa (rispetto a quando sto scrivendo questo paragrafo) ho scoperto che era uscita una outtake dei Suede (gruppo che mi piace molto e che dunque monitoro) da “Autofiction” (2022), e non l’ho scoperto da Pitchfork o da un’altra fonte giornalistica, ma dal Release Radar.
Stessa cosa per la compilazione dei migliori singoli di gennaio 2024 per Kalporz: dopo essere stato attento a tutta la critica online del mese, ho compilato la top 7 e poi, a metà febbraio, ho scoperto dal mio Release Radar (che non verifico tutte le settimane) che c’era un nuovo brano dei Chastity, gruppo canadese non molto conosciuto ma che amo, che l’algoritmo metteva a quel punto al 20° posto della playlist, dunque piuttosto in basso. Con l’attuale produzione ipertrofica forse il Release Radar è proprio necessario.
Quindi, a guardar bene, qualche aspetto oggettivamente e indubbiamente positivo c’è nello streaming. Aggiungiamone un altro: la cessione dei nostri dati alle piattaforme è controbilanciata dai vantaggi di quando l’algoritmo funziona davvero, ad esempio se ci fa conoscere band nuove interessanti perché similia quelle che ci piacciono, e fa centro. In questo senso, sinceramente, non trovo differenza tra un consiglio di un amico e quello di una piattaforma. Sì, certo, la persona in carne ed ossa potrebbe aggiungere contorni esperienziali che creano un ecosistema fascinoso a quell’album, ma in fondo – se vogliamo essere piuttosto asciutti in una logica di “scoperta personale” – possiamo anche accettare i suggerimenti digitali. Una considerazione empirica: l’algoritmo di YouTube è più orientato alla scoperta rispetto a quello di Spotify e delle altre piattaforme di streaming. Sarà che è dal 2006 che lo alleno, negli anni ho potuto verificare che propone (a me) video di gruppi sconosciuti (con poche centinaia o migliaia di visualizzazioni) che incontrano quasi sempre il mio gusto. Non mi appare in timeline roba di artisti che ho già ascoltato, va sempre alla ricerca di qualcosa di nuovo. Evidentemente è programmato per fare quello. È una buona cosa, è un algoritmo che “interpella” di più di altri. È una bella sensazione quando sembra che sia tu a sfruttare l’algoritmo invece che essere tu quello sfruttato da lui.
Il prossimo martedì la 17a puntata di “Musica Eterea”, all’interno del 3° capitolo, dal titolo “I corollari della produzione infinita“
(Paolo Bardelli)
Note:
66 B. Schwartz, The Paradox of Choice: Why More Is Less, HarperCollins, 2004.
67 Il WSJournal e qualche esperto di datascience ci aiutano a spiegare il vero algoritmo di Spotify, FM‑World.it, 21 Aprile 2023, https://www.fm-world.it/news/il-wsjournal-e-qualche-esperto-di-datascience-ci-aiutano-a-spiegare-il-vero-algoritmo-di-spotify/
68 Machine Learning di Spotify: come funziona l’algoritmo di raccomandazione, DataDrivenAnalytics.it, https://datadrivenanalytics.it/machine-learning-di-spotify-come-funziona-algoritmo-di-raccomandazione/
