Hitting the Books: So erstellen Sie eine Musikempfehlung „Information-Space-Beast“

EINs OktoberSänger, Songwriter und Musikschaffende laden hoch Täglich 100.000 neue Songs zu Streaming-Diensten wie Spotify. Das ist zu viel Musik. Es gibt keine andere oder andere Realität, in der sich jemand das alles auch nur in tausend Leben anhören könnte. Ob Sie in sind Japanischer Lärm, Russischer Hardcore, Senegalesischer Afro-House, Schwedischer Doom-Metaloder Bay-Area-Hip-Hop, das schiere Ausmaß der verfügbaren Höroptionen ist lähmend. Es ist ein monumentales Problem, an dessen Lösung der Datenwissenschaftler Glenn McDonald arbeitet. Im folgenden Auszug aus Computing Taste: Algorithmen und die Makers of Music EmpfehlungAutor und Anthropologe der Tuft’s University, Nick Seaver, erforscht die einzigartige landschaftsbasierte Methodik von McDonald’s, um all die Spuren an die Oberfläche zu bringen, von denen Sie nie wussten, dass Sie ohne sie nicht leben könnten.

Nachdruck mit freundlicher Genehmigung von Computing Taste: Algorithmen und die Makers of Music Empfehlung von Nick Seaver, herausgegeben von The University of Chicago Press. © 2022 von der University of Chicago. Alle Rechte vorbehalten.

Die Welt der Musik

„Wir stehen jetzt am Beginn des Zeitalters der unendlich vernetzten Musik“, verkündete der Datenalchemist unter der Space Needle. Glenn McDonald hatte seinen Titel selbst gewählt und zog die „Alchemie“ mit ihren esoterischen Assoziationen der heute üblichen „Datenwissenschaft“ vor. Seine Aufgabe, wie er es von der Bühne aus beschrieb, bestand darin, „Mathematik, Tippen und Computer einzusetzen, um Menschen dabei zu helfen, Musik zu verstehen und zu entdecken“.

McDonald praktizierte seine Alchemie für den Musik-Streaming-Dienst Spotify, wo er daran arbeitete, die Basisdaten von Big Data – Protokolle von Hörerinteraktionen, Teile digitaler Audiodateien und was er sonst noch in die Finger bekommen konnte – in wertvolles Gold umzuwandeln: Produkte, die könnte zahlende Kunden anziehen und halten. Die mysteriöse Kraft der McDonald’s-Alchemie lag in der Art und Weise, wie sich gewöhnliche Daten bei richtiger Verarbeitung von dünnen Interaktionsspuren in dicke kulturelle Bedeutung zu verwandeln schienen.

Es war 2014, und McDonald präsentierte auf der Pop Conference, einem jährlichen Treffen von Musikkritikern und Akademikern, das in einem zerknitterten, von Frank Gehry entworfenen Haufen eines Gebäudes im Zentrum von Seattle stattfand. Ich war auf der anderen Seite des Landes und habe online mitverfolgt. In diesem Jahr war das Thema der Konferenz „Musik und Mobilität“, und Mc Donald begann seinen Vortrag, indem er seine persönliche musikalische Reise erzählte und dabei Samples spielte. „Als ich ein Kind war“, begann er, „entdeckte man die Musik, indem man stillhielt und wartete.“ Als Kind hörte er zu Hause die Volksmusik seiner Eltern auf der Stereoanlage. Aber als er aufwuchs, erweiterte sich sein Hörvermögen: Das Autoradio bot Heavy Metal und New Wave; Das Internet offenbarte eine Welt voller neuer und obskurer Genres, die es zu entdecken gilt. Wo er einst feststeckte, ein passiver Beobachter der zufällig vorbeiziehenden Musik, würde er schließlich den Fortschritt seines Lebens an seinem sich ständig erweiternden musikalischen Horizont messen. McDonald hatte es geschafft, diese Leidenschaft zum Beruf zu machen, indem er daran arbeitete, anderen dabei zu helfen, das zu entdecken, was er „die Welt der Musik“ nannte, die durch On-Demand-Streaming-Dienste zugänglicher als je zuvor geworden war.

An anderer Stelle würde McDonald (2013) die Welt der Musik beschreiben, als wäre sie eine Landschaft: „Folge jedem Pfad, egal wie unwahrscheinlich und unbetreten er erscheint, und du wirst ein verstecktes Tal mit hundert Bands finden, die dort gelebt haben Jahrelang die Musikwelt in methodisch und eigenwillig veränderter Miniatur rekonstruiert, wie im australischen Hip-Hop, ungarischen Pop, Microhouse oder Viking Metal.“

Reisende durch die Welt der Musik würden Vertrautheit und Überraschung finden – Klänge, die sie sich nie vorgestellt hätten, und Lieder, die sie verehrten. McDonald staunte über diese neue Möglichkeit, Musik aus der ganzen Welt zu hören, aus Schottland, Australien oder Malawi. „Die perfekte Musik für Sie kommt vielleicht von der anderen Seite des Planeten“, sagte er, aber das war kein Problem: „In der Musik haben wir den Teleporter.“ On-Demand-Streaming bot eine Art musikalische Mobilität, die es den Zuhörern ermöglichte, augenblicklich durch die Welt der Musik zu reisen.

Er schlug jedoch vor, indem er den üblichen Refrain wiederholte, dass das Ausmaß dieser Welt überwältigend und schwer zu navigieren sein könnte. „Damit diese neue Welt wirklich wahrnehmbar ist“, sagte McDonald, „müssen wir Wege finden, diesen Raum zu kartieren und dann Maschinen bauen, die Sie auf interessanten Pfaden durch ihn führen.“ Die von Unternehmen wie Spotify angebotenen Empfehlungssysteme waren die Maschinen. McDonald’s jüngste Arbeit hatte sich auf die Karten konzentriert, oder wie er sie in einem anderen Vortrag beschrieb: „eine Art dünne Schicht vage verständlicher Ordnung über dem sich windenden, wogenden, unersättlich expandierenden Informationsraum-Biest der gesamten Musik der Welt“.

Obwohl seine Sprache ungewöhnlich poetisch gewesen sein mag, drückte McDonald ein Verständnis von musikalischer Vielfalt aus, das unter den Machern von Musikempfehlungen weit verbreitet ist: Musik existiert in einer Art Raum. Dieser Raum ist in gewisser Weise ziemlich gewöhnlich – wie eine Landschaft, durch die Sie vielleicht gehen und dabei auf neue Dinge stoßen. Aber in einem anderen Sinne ist dieser Raum zutiefst seltsam: Hinter den Tälern und Hügeln gibt es ein sich windendes, wogendes Tier, das ständig wächst und Punkte im Raum miteinander verbindet, unendlich verbunden. Der Musikraum kann so natürlich erscheinen wie die Berge, die von der Spitze der Space Needle aus sichtbar sind; aber es kann auch wie das menschengemachte topologische Durcheinander an seiner Basis erscheinen. Es ist organisch und intuitiv; es ist technologisch und chaotisch.

Räumliche Metaphern bieten eine vorherrschende Sprache, um über Unterschiede zwischen den Machern von Musikempfehlungen nachzudenken, wie sie es beim maschinellen Lernen und allgemein zwischen europäisch-amerikanischen Kulturen tun. Innerhalb dieser Kontexte ist es leicht, sich bestimmte, ähnliche Dinge als gesammelt vorzustellen hier drübenwährend andere, verschiedene Dinge gruppieren da drüben. In Gesprächen mit Ingenieuren ist es nicht ungewöhnlich, dass der Musikraum durch Gesten ins Leben gerufen wird, die die Lautsprecher in eine imaginäre Umgebung einhüllen, die durch kurze Luftdrücke bevölkert und durch Handbewegungen organisiert wird. Ein Genre befindet sich zu Ihrer Linken, ein anderes zu Ihrer Rechten. Auf Whiteboards und Fenstern, die im Büro verstreut sind, finden Sie möglicherweise den Musikraum in zwei Dimensionen gerendert, der eine Reihe von Punkten enthält, die sich über die Ebene häufen und verteilen.

Im Musikraum ist ähnliche Musik in der Nähe. Wenn Sie sich in einem solchen Raum befinden, sollten Sie von Musik umgeben sein, die Ihnen gefällt. Um mehr davon zu finden, brauchen Sie sich nur umzusehen und sich zu bewegen. Im Musikbereich sind Genres wie Regionen, Playlists wie Pfade und Geschmäcker wie treibende Archipelgebiete. Ihr neuer Lieblingssong liegt vielleicht direkt hinter dem Horizont.

Doch trotz ihrer Vertrautheit sind solche Räume fremd: Ähnlichkeiten lassen sich überall finden, und Punkte, die weit voneinander entfernt zu sein schienen, könnten plötzlich benachbart sein. Wenn Sie fragen, werden Sie erfahren, dass all diese räumlichen Darstellungen bloße Reduktionen von etwas viel Komplexerem sind, von einem Raum, der nicht zwei oder drei Dimensionen umfasst, sondern möglicherweise Tausende von Dimensionen. Dies ist McDonald’s Information-Space-Beast, eine mathematische Abstraktion, die die menschliche räumliche Intuition über ihre Belastungsgrenze hinaus dehnt.

Räume wie diese, die allgemein als „Ähnlichkeitsräume“ bezeichnet werden, sind das symbolische Terrain, auf dem die meisten maschinellen Lernverfahren arbeiten. Um Datenpunkte zu klassifizieren oder Artikel zu empfehlen, lokalisieren maschinelle Lernsysteme sie normalerweise in Räumen, sammeln sie in Clustern, messen Entfernungen zwischen ihnen und ziehen Grenzen zwischen ihnen. Maschinelles Lernen, wie der Kulturtheoretiker Adrian Mackenzie (2017, 63) argumentiert, „gibt alle Unterschiede als Entfernungen und Bewegungsrichtungen wieder“. Während also der Musikraum in einem Sinne eine informelle Metapher ist (die Landschaft der musikalischen Variation), ist er in einem anderen Sinne ein hochtechnisches formales Objekt (das mathematische Substrat der algorithmischen Empfehlung).

Räumliches Verständnis der Datenreise durch technische Infrastrukturen und Alltagsgespräche; sie sind gleichzeitig eine Form des metaphorischen Ausdrucks und eine konkrete Berechnungspraxis. Mit anderen Worten, „Raum“ ist hier sowohl ein Formalismus – ein eingeschränktes, technisches Konzept, das Präzision durch Abstraktion ermöglicht – als auch das, was der Anthropologe Stefan Helmreich (2016, 468) einen Informalismus nennt – eine weniger disziplinierte Metapher, die sich neben formalen Techniken bewegt. In der Praxis ist es oft schwierig oder unmöglich, die technische Spezifität von ihrer metaphorischen Begleitung zu trennen. Wenn die Macher von Musikempfehlungen von Raum sprechen, sprechen sie gleichzeitig bildlich und technisch.

Für viele Kritiker macht diese „geometrische Rationalität“ (Blanke 2018) des maschinellen Lernens es zu einem Gräuel für „Kultur“ per se: Es quantifiziert Qualitäten, rationalisiert Leidenschaften und holt kulturelle Objekte aus ihren alltäglichen sozialen Kontexten, um sie in die sterile Isolation von zu verlagern ein Rechengitter. Die etablierte Kulturanthropologie zum Beispiel hat sich lange gegen Formalismen wie diese definiert, denen anscheinend die Tiefe, Sensibilität oder Angemessenheit für gelebte Erfahrung fehlt, die wir durch Ethnographie suchen. Wie die Politiktheoretiker Louise Amoore und Volha Piotukh (2015, 361) andeuten, reduzieren solche Analysen „heterogene Lebensformen und Daten auf homogene Rechenräume“.

Um die Begriffe des Geographen Henri Lefebvre (1992) zu verwenden, sind Ähnlichkeitsräume klare Beispiele für „abstrakten Raum“ – eine Art Repräsentationsraum, in dem alles messbar und quantifizierbar ist, kontrolliert von zentralen Autoritäten im Dienste des Kapitals. Der Medientheoretiker Robert Prey (2015, 16), der Lefebvres Rahmen auf Streaming-Musik anwendet, legt nahe, dass Menschen wie McDonald – „Datenanalysten, Programmierer und Ingenieure“ – sich hauptsächlich mit dem abstrakten, gedachten Raum der Berechnung und Messung befassen. Der konzipierte Raum ist im Lefebvschen Denken parasitär für den sozialen, gelebten Raum, den Prey mit den Zuhörern in Verbindung bringt, die sich der Arbeit von Technologen widersetzen und sie neu interpretieren. Die Ausbreitung des abstrakten Raums im Kapitalismus deutet in diesem Rahmen auf „die verheerende Eroberung des Gelebten durch das Gedachte“ (Wilson 2013) hin.

Aber für die Menschen, die damit arbeiten, fühlt sich der Musikraum nicht wie ein steriles Raster an, selbst in seiner mathematischsten Form. Die Macher der Musikempfehlung beschränken sich nicht auf die raffinierte Abstraktion des gedachten Raums. Im Laufe ihrer Ausbildung lernen sie, den Musikraum trotz seiner unterschwelligen Fremdartigkeit als alltäglich und bewohnbar zu erleben. Der Musikraum ist so intuitiv wie eine begehbare Landschaft und so fremdartig wie ein komplexes, hochdimensionales Ingenieursobjekt. Um eine oft problematische Unterscheidung zur Kulturgeographie zu verwenden, behandeln sie „Raum“ wie „Ort“, als ob das abstrakte, homogene Raster eine Art bewohnbare lokale Umgebung wäre.

Ähnlichkeitsräume sind das Ergebnis vieler Entscheidungen; sie sind keineswegs „natürlich“, und Menschen wie McDonald sind sich bewusst, dass die Entscheidungen, die sie treffen, sie grundlegend verändern können. Doch räumliche Metaphorisierung, die sich über Sprache, Gesten, Illustration und Berechnung bewegt, trägt dazu bei, dass sich die Muster in kulturellen Daten real anfühlen. Eine Verwirrung zwischen Karten und Territorien – zwischen formbaren Repräsentationen und objektiven Terrains – ist produktiv für Menschen, die gleichzeitig daran interessiert sind, objektives Wissen zu schaffen, und sich gleichzeitig damit befassen, ihren eigenen subjektiven Einfluss auf den Prozess zu berücksichtigen. Dieses räumliche Verständnis verändert die Bedeutung musikalischer Konzepte wie Genre oder sozialer Phänomene wie Geschmack und macht sie zu Formen der Anhäufung.