Deras robotar vet mer om din musiksmak än du själv

Det var februari 2016 och Kanye West hade just släppt ”Life of Pablo”. Men inte överallt – den gick bara att höra på musiktjänsten Tidal och hölls borta från konkurrenterna. Ändå började Spotify direkt få uppskattande meddelanden från Kanye-fans.

Smart, tyckte fansen, att Spotify i brist på albumet hade letat upp varje låt som rapparen hade samplat och lagt dem i deras spellistor. Nu kunde de fördjupa sig i vad som hade inspirerat produktionen. Många av låtarna var flera decennier gamla. Bland samplingarna hörs Nina Simone, Arthur Russel och ledmotivet till datorspelet ”Street Fighter 2”. Det såg ut som en storsint hyllning från Spotifys sida, trots att de hade snuvats på albumet.

Saken var bara att ingen människa på Spotify hade gjort det. Det var en märklig effekt av den artificiella intelligens som styr över vilken musik som lyfts fram.

Varje söndagskväll tuggar ett maskineri igång, långt inne i Spotifys serversystem. Från ena hållet stoppas råvaror in: Dels smakprofiler som Spotify har för alla sina lyssnare, uppbyggda under nästan ett årtionde. Dels lärdomar från de två miljarder spellistor som Spotifyanvändare har komponerat.

En algoritm slår ihop dem och spottar ur sig resultatet: Upp mot 100 miljoner nya spellistor, skräddarsydda för var och en av användarna väntar på måndagsmorgonen. Det fungerar förbluffande bra.

– Ingen har måndag som favoritdag, så vi valde den, säger Matthew Ogle, arkitekten bakom veckospellistorna.

– I branschen finns en myt att det är en hipstergrej att vilja hitta ny musik, men jag är övertygad om att alla som bryr sig det minsta om musik älskar att hitta ett nytt band eller en ny artist.

Jag möter honom och hans kollega Brian Whitman på Spotifys New York-kontor. På två våningar mitt på Manhattan, bakom en diskret entré helt utan skyltar på artonde gatan, sitter ett par hundra anställda. Det gör kontoret till det största näst efter det i Stockholm. ”Make playlists matter” står skrivet med stora bokstäver på en whiteboard. I ett rum sitter två tekniker och mumlar om analys av ljudfiler och antecknar kryptiska formler. Som på alla Spotifykontor ska omgivningarna påminna om musiken. Mötesrum är döpta efter band och låtar; vid en vägg står en trave Marshallförstärkare.

Förmodligen har du aldrig hört talas om Matthew Ogle eller Brian Whitman. Få skulle känna igen dem, oavsett om de gick nere på Manhattans avenyer eller Stockholms gator. Men deras makt över musiken är enorm. Inte för att de är dj:s, musikskribenter eller skivbolagschefer.

Nej, båda är ingenjörer med examen i datavetenskap. I allt väsentligt är de avancerade programmerare, och det är de som skapar algoritmerna som styr vilken musik som presenteras för dig på Spotify.

Spotifys kontor har en avslappnad inredning. Som på företagets alla kontor vill man att omgivningarna ska påminna om musiken. Foto: Axel Öberg.

De 100 miljonerna spellistor som Matthew Ogles algoritm spottar ur sig är en av de viktigaste. De kallas Discover weekly och har blivit hysteriskt populära. 40 miljoner användare har använt dem. Tillsammans har de spelat fem miljarder låtar.

Kortfattat skapas de så här: Spotify har byggt upp smakprofiler för tjänstens samtliga användare, en slags skiss över vilka genrer, band och låtar en viss person lyssnar på mest. Profilerna är komplexa datasamlingar, men kan ritas som en karta med olika ansamlingar av band och stilar. Många profiler har en mindre del som sticker ut – kanske låtar man då och då spelar för sina barn eller ett insomningsband man använder om kvällarna.

Poängen med att skilja ut dem är att maskineriet bakom Discover weekly ska förstå när det ska bortse från dem. Samma sak gäller plötsliga smakmässiga krumbukter en enskild vecka. En fest med 20-talstema och tillhörande musik ska inte rubba en smakprofil som annars byggs av black metal.

Spotify är långt ifrån först med att automatisera musikrekommendationer. Det mest klassiska exemplet är Amazon, som byggde mycket av sin tidiga framgång på tipsfunktionen. I grunden var den mycket enkel: Jag har köpt produkt X. Många som har köpt produkt X köpte också produkt Y. Därför antas jag vilja ha produkt Y.

Då var det smått revolutionerande. Jämfört med dagens system är det hopplöst trubbigt. Framför allt har Spotify en guldgruva av information som andra saknar: De vet hur låtar har lagts i spellistor.

Vi kallar det den musikaliska hjärnan. Det är en stor databas med allt man kan veta om musik. Vi försökte läsa av hela webben.

Det går knappt att överdriva informationsmängden. Sedan Spotify startades har två miljarder listor skapats. Ur detta sållas data om vilken musik som står vilken nära. Det är inte så enkelt som att de tillhör samma genre, listor skapas för en rad syften. En för tidiga morgnar, en för ledsna dagar och en för efterfester.

– Varje söndag letar vi efter den felande länken, låtar vi vet att du inte har spelat än men som andra har lagt i spellistor tillsammans med musik du gillar, säger Matthew Ogle.

Är det en skapelse av robotar eller av människor? Både och. Inte en enda låt på listorna har manuellt valts ut av en människa. Samtidigt har alla valts av människor, bara inte anställda på Spotify utan av alla användare som skapar spellistor och lyssnar på musik.

– Jag brukar bli inbjuden till panelsamtal som heter saker som ”Folk eller algoritmer” eller ”Människan mot robotar”. Men jag tror inte på att använda en algoritm om den inte känns mänsklig.

– Några gånger har vi inte fått ut listan i tid på måndagar. Folk har inte reagerat som att en robot missat att spotta ur sig en lista, utan som att en vän varit sen med en utlovad mixtape.

Där finns förklaringen till att Kanye West-fans en vecka i februari fick listor fyllda med en Arthur Russel-låt från 1986 och Nina Simones ”Do what you gotta do”. Andra fans hade börjat kartlägga samplingarna på ”Life of Pablo”, hittat låtarna de kom från och skapat egna listor med dem.

Tillräckligt många gjorde det för att Spotifys artificiella intelligens skulle se ett nytt mönster. Låtar som hade fört en tynande tillvaro i databasen registrerades som plötsligt populära och kopplades genom dataanalys till folk som gillar Kanye West.

Utan ett enda beslut av någon på Spotify försågs de med konnässörsmaterial, just som albumet var som hetast.

– Vi kallar det den musikaliska hjärnan. Det är en stor databas med allt man kan veta om musik. Vi försökte läsa av hela webben och lyssna på varje låt vi kom över, säger Brian Whitman om informationen på hans hårddiskar.

37 miljoner låtar. 3,4 miljoner artister. Sammanlagt 1,2 miljarder små loggade informationsbitar som berättar någonting om världens musik. Spotify betalade 800 miljoner kronor för att komma över databasen och tekniken som byggde den, enligt medieuppgifter. Så mycket var köpesumman när Spotify köpte Echo nests, ett högteknologiskt företag vars hela verksamhet bygger på maskiner som förstår musik. Brian Whitman, ingenjör från Massachusetts institute of technology, var en av grundarna.

Matt Ogle och hans kollega Brian Whitman på Spotify. Foto: Axel Öberg.

När de drog i gång fanns det redan flera företag som analyserade lyssnarvanor för att förstå trender. De flesta byggde på information från stora skaror lyssnare. Ju fler, desto mer trovärdiga data.

– Men de riktigt nya låtarna lyssnar ju ingen på. Inte än. Hur får vi veta något om dem?

I dag styr tekniken som Brian Whitman var med att skapa en serie spellistor som Spotify presenterar. Fresh finds, som de kallas, är till skillnad från Discover weekly inte personligt anpassade. De är fem vanliga spellistor som veckovis fylls på med nysläppt musik, som ett blandband från en vän med sällsynt god smak och bra koll.

Men sättet som låtarna väljs ut på är allt annat än vanligt. Metoden kan närmast beskrivas som en artificiell hipster.

Först skickas Echo nests maskiner ut på nätet för att läsa om ny musik. Mellan 20 000 och 30 000 webbsidor skannas av. Det är musikbloggar, recensionssajter och tidningar där det skrivs om ny musik. Texterna från webben slungas in i en mjukvara som – åtminstone till viss mån – kan tolka mänskligt språk. Allt den lär sig registreras, den noterar vilka låtar det talas om och vad som sägs om dem.

Artister har gått från några dussin lyssnare till hundratusentals efter att ha hamnat på listan. Det händer hela tiden.

Sedan vänder den sig inåt, mot Spotifys enorma användarskara och frågar: Vem lyssnar på det här? Vem är först med ny musik innan den slår igenom? 50 000 väljs ut. ”Anonyma hipsters”, kallades de av sajten Quartz, och det är en slående beskrivning. De är de okända smakdomare vars lyssning automatiskt utformar Fresh finds-listorna.

Själva får dessa anonyma aldrig veta att de har valts ut.

– De har ingen aning om det, säger Brian Whitman.

Kommer ni någonsin berätta det för dem?

– Vi har diskuterat det. Jag kan inte säga något än, men visst skulle vi vilja hitta ett sätt att berätta för dem att de har god smak. Grejen är bara att när de väl vet att de är trendsättare så kan de börja bete sig annorlunda. Det vi skulle hoppas på är att de skulle lyssna på ännu mer musik och ta det på större allvar. Men vi är inte säkra på hur de reagerar.

Om de utvalda visste vad de bidrog till skulle de snart förstå sin makt. För en liten artist kan betydelsen av att hamna på en Fresh finds-lista vara enorm.

– Artister har gått från några dussin lyssnare till hundratusentals efter att ha hamnat på listan. Det händer hela tiden.

Inte ens låtarnas ordning lämnas till slumpen eller till helt mänsklig hand. Spotify har också teknik för att analysera själva ljudfilerna för att förstå dem.

– Vi hugger upp en låt i tusen bitar. Varje bit säger något om hur den låter: Vilka instrument hörs, vilket tonläge har den, i vilken rytm går den. Vi använder det för att sortera låtarna i  rätt genre. Det är så vi skiljer ett technospår från en poplåt.

Hur bra funkar det?

– Jag tror vi kan avgöra genre med över 90 procents säkerhet, säger Brian Whitman.

Siffran gäller en grövre sortering, i tio stora genrer. Det är en början, men det räcker inte. Spotifys låtar, och de är över 30 miljoner stycken, sorteras i 1446 genrer. Listan rymmer ”kinesisk opera” och ”psykadelisk bluesrock”, ”klassisk peruansk pop” och ”goregrind”.

En gång i tiden bröt Spotify ny mark med strömmad musik. Men det är länge sedan. I dag finns en rad konkurrenter som alla erbjuder i stora drag samma sak: Omkring 30 miljoner låtar som kan spelas för en knapp hundralapp i månaden. Strömmad musik har blivit en stapelvara.

Det har fått två effekter. Dels har det blivit vanligare att artister skriver exklusiva avtal med den ena eller andra tjänsten – som när ”Life of Pablo” inte fanns på Spotify de första veckorna. Dels så blir skräddarsydda rekommendationer viktigare.

Det är lätt att byta Spotify mot Apples musiktjänst, men bytet blir svårare om de nya listorna som dyker upp varje vecka har blivit en del av ens vardag. Företagets framtid avgörs till stor del av hur robotarna sköter sina jobb.

Å andra sidan vore listorna en strålande plats att marknadsföra ny musik. Att manipulera systemet måste locka musiker och skivbolag. De senare skulle säkert betala bra för att deras artister skulle synas bättre. Manipulationen är inget problem, intygar både Brian Whitman och Matthew Ogle. De har mekanismer som förhindrar det.

Men jag måste ställa frågan:

Om Universal, ett av världens största skivbolag, kommer med en stor påse pengar och begär att få sina artister i fler av spellistorna, vad skulle ni säga?

– Det finns så många andra ställen att marknadsföra den, säger Matthew Ogle. Det vore onödigt.

Brian Whitman är mer rättfram. Algoritmen tycks nästan vara helig för honom.

– Jag skulle hata det. Jag skulle säga nej. Och jag skulle troligtvis säga upp mig från Spotify om någon tvingade mig att göra det. Vi tar det här med ny musik på stort allvar, säger han.

– Så länge vi jobbar kvar här kan du räkna med att ingen har mutat oss.