12月4日，CNET對人工智慧聊天機器人和人類專家進行了「最朗朗上口歌曲」的調查。在此之前，英國曼徹斯特科學與工業博物館在2014年對超過12,000人進行的一項調查發現，辣妹組合的《Wannabe》是最廣為人知的歌曲，其次是盧·貝加的《Mambo No. 5》。這次，ChatGPT、Gemini和Copilot被要求列出歌單。這三款人工智慧都選擇了《Wannabe》，其中一些歌單有所重疊。 ChatGPT分析認為，每分鐘100到120拍的節奏適合人類。同時，來自新澤西州的35年資深DJ馬克·波默羅伊選擇了邦·喬維的《Livin' on a Prayer》，而來自亞特蘭大的斯隆·李則選擇了弗利特伍德·麥克的《Dreams》，這首歌在TikTok上再次走紅，尤其註重用戶即時的反應。
從： 
人工智慧正式解決了史上最洗腦歌曲的爭論
【社論】
乍一看，這條新聞似乎是一個娛樂話題：“人工智慧挑選歌單”，但我認為應該將其放在“情感量化”和“計算音樂學”的背景下看待。曼徹斯特科學與工業博物館2014年的一項研究僅僅測量了人類「識別」音樂的速度，而生成式人工智慧則從海量的音樂數據中反向計算出「熱門歌曲的規則」 。
人工智慧在定義「朗朗上口」的歌曲時，主要分析諸如BPM（節拍速度）、音質清晰度、歌詞重複頻率以及和弦進行的可預測性等參數。正如Spotify等串流服務已經應用的那樣，人工智慧已經能夠根據我們的收聽歷史，極其精準地預測我們接下來想聽的歌曲。這意味著演算法開始識別人類大腦在聆聽音樂時釋放的多巴胺觸發因素。
然而，這篇文章最有趣的地方在於人工智慧和人類DJ之間仍然存在的「差距」。雖然人工智慧可以根據數據推導出辣妹組合的《Wannabe》（這是「正確」答案），但它無法完全理解現場氛圍的動態變化，也無法掌握當下的社群媒體趨勢（例如TikTok上的熱門內容）。正如文章中提到的人類DJ所說，音樂的魅力與「記憶」和「體驗」緊密相連，而這些方面仍然無法透過簡單的波形分析來捕捉。
我們也不應忘記版權問題。如原文所述，截至2025年底，人工智慧訓練資料的合法性仍是爭論的焦點，CNET的母公司Ziff Davis於2025年4月對OpenAI提起版權侵權訴訟便印證了這一點。當人工智慧學習「朗朗上口的歌曲」並透過模仿自動產生新的熱門歌曲時，誰將擁有這些創意的版權？
那些令我們人類感到驚喜和著迷的體驗，蘊含著數據無法捕捉的「噪音」和「意外」。矛盾的是，科技越進步，我們或許越能重新發現「難以估量的熱情」的價值。這項消息引發了一個問題：隨著人工智慧入侵藝術領域，我們該如何掌控自己的「情感」？
[術語]
耳蟲：一種音樂在腦海中反覆播放的現象。也稱為“認知搔癢”，它往往發生在旋律簡單或重複性高的歌曲上。
計算音樂學：音樂學和資訊科學的交叉學科領域。此研究領域利用電腦對音樂的結構、認知和歷史變遷進行定量分析。
BPM（每分鐘節拍數） ：音樂節奏單位，以每分鐘的節拍數來衡量。接近人類心率（60-100 BPM）或步行節奏（100-120 BPM）的歌曲被認為具有較高的親和力。
[參考連結]
心理學家確定耳蟲（外部）的關鍵特徵
美國心理學會進行了一項關於「耳蟲」現象科學本質的研究，分析了哪些歌曲更容易讓人記住。
麻省理工學院開放課程：計算音樂理論（外部）
麻省理工學院計算音樂理論講義。將音樂視為數據的基礎知識。
耳蟲的科學－新南威爾斯大學雪梨分校（外部連結）
雪梨大學的一篇文章解釋了為什麼某些歌曲會讓我們印象深刻，背後的神經科學機制，以及重複的重要性。
[參考影片]
[參考文章]
OpenAI因版權侵權被Ziff Davis起訴（外部連結）
The Verge 報導了 Ziff Davis 將於 2025 年對 OpenAI 提起的訴訟。
[編者註]
人工智慧分析的熱門歌曲規律固然引人入勝，但那首點亮你人生某個瞬間的歌曲背後的故事，也是數據無法取代的珍貴寶藏。你「最抓耳的歌曲」以及與之相關的回憶。看來，我們或許很快就能分析人工智慧目前尚無法解讀的「人類思維」之謎。
