为什么音乐让我们感受到 - 基于AI的新的学习具有答案

你的心跳得更快，棕榈汗水和你大脑的一部分叫做Heschl的回形星像一棵圣诞树一样亮起。机会是，当你以这种详细的方式听音乐时，你从未想过大脑和身体发生的事情。

但这是几十年来困扰科学家的问题：为什么像音乐挑起这样一贯的回应一样摘要是摘要的？

在一项新的研究中，南加州大学（USC）研究人员在人工智能的帮助下调查了音乐如何影响听众的大脑，身体和情绪。

研究团队看着一群志愿者的心率，电流皮肤响应（或汗腺腺体活动），大脑活动和主观感受，因为他们听取了三件陌生的音乐。

在检查的74个音乐特征中，研究人员发现动态，登记，节奏和和谐特别有助于预测听众的回应。

“利用各种不同种类的音乐预测因子来追求音乐感知的全面看法，让我们对自己的身体和大脑如何应对音乐，”这项研究的领先作者蒂姆格里尔，计算机科学博士学生和一名成员来说，这是一个前所未有的洞察力。“ USC信号分析和解释实验室（帆）。

对比度至关重要

在他们的研究表中，研究人员指出，音乐在听觉复合物中有力地影响了大脑的部分，称为Heschls的回归和优越的颞克鲁斯（复数：吉尔）。

具体地，大脑响应脉冲清晰度，或节拍的强度;简而言之：在听夫人的糟糕的浪漫时，你的吉利会活泼。

他们还发现，改变动态，节奏和Timbre或新仪器的引入，带来了响应的上升。换句话说，对比度至关重要。例如，当动态变化或“响度”时，Gyri激活。

“如果一首歌在整个歌曲中，那么没有大量的动态变异性，而且这种体验不会那么强大，好像作曲家使用响度的变化，”格里尔，自己是播放萨克斯和键盘的作曲家。

“这是歌曲作者的工作，在三分钟内接受了一个洛杉矶的情绪，而动态变异性是实现这一目标的一种方式。”

所以，如果你正在听一张黑金金属，这一点响亮，你可能不会看到回应。但是，如果你正在听尼鲁纳的闻到青少年精神，那么从一个安静的诗歌再次回到喧嚣，它是一个不同的故事。

该团队还发现了电流皮肤响应 - 基本上，在新仪器的入口或音乐曲范围内的开始之后增加了汗水的量度。

“当每个新仪器进入时，您可以在皮肤的集体响应中看到尖峰，”格里尔说。

此外，最刺激的音乐时刻是歌曲复杂程度的增加。从本质上讲，歌曲中的乐器越多，人就越受到回应。（想：Mike Oldfield的管状钟声的第一部分，因为歌曲通过添加更多乐器来到Crescendo。）

和最悲伤的注意事项？该奖项达到了小规模的提高七。该研究发现，G小调键中的歌曲中的音符F＃与高悲伤评级正相关。

这可能是叙述者痛苦的原因在于冉冉升起的太阳的动物房屋几乎是明显的，这利用筹集的少数尺度升级到每个越来越情绪化的诗歌中。

新领土

对于这个实验，团队选择了三个没有包含歌词的音乐情绪，并不高度熟悉，因此没有内存的因素被附加到听众的情绪反应。（例如，听到在智齿提取期间在背景中发挥的歌曲，可能会歪斜你的感知。）

在神经影像学实验中，40名志愿者倾听了一系列悲伤或幸福的音乐摘录，而他们的大脑使用MRI扫描。这是由USC Habibi的USC的大脑和创意学院进行，苏联Dornsife的心理学助理教授和她的团队，包括哥伦比亚大学的博士学位学者在内的Matthew Sachs。

为了测量体力反应，60人在耳机上听音乐，而他们的心脏活动和皮肤传导是测量的。同一组也在听音乐时从1到10的情绪（快乐或悲伤）的强度评定。

然后，计算机科学家使用AI算法巩固了数据，以确定人们始终如一地回复的耳道。

在过去，神经科学家试图更好地了解音乐对身体的影响，大脑和情绪已经分析了MRI大脑在非常短的时间段内扫描 - 例如，看大脑对两秒的音乐作出反应。

相比之下，在本研究中，使用算法分析实验室中收集的数据，科学家们能够查看人们在较长时间听到音乐的同时感受到的时间，而不仅仅是从大脑扫描，而且将数据组合在一起，还可以将数据与其他模式相结合。

“新型多式化计算方法不仅仅是照亮大脑和身体水平的人类对音乐的影响，而且在将它们连接到如何实际上逃避感受和阐明他们的经历，”学习合作社，Niki和Cl Max教授说尼基斯工程与计算机工程和计算机科学教授椅子。

“这是新领域，”哈比比补充道。

感觉好

除了帮助研究人员识别完美锻炼，学习或睡眠播放列表的歌曲之外，该研究还具有治疗应用 - 音乐已被证明可以平静焦虑，缓解疼痛，帮助残疾人或痴呆症。

“从疗法的角度来看，音乐是一个非常好的工具，可以诱导情感并啮合更好的心情，”Habibi说。

“使用这项研究，我们可以设计抑郁症和其他情绪障碍的治疗的音乐刺激。它还有助于我们了解大脑中如何处理情绪。“

据研究人员介绍，未来的研究可以看出不同类型的音乐如何积极地操纵我们的情感反应以及作曲家的意图是否与听众对一段音乐的看法相匹配。

本文在10月22日，ACM多媒体呈现了对音乐对人类神经，生理和情感经验的影响的多模式观点。研究团队还包括Ben Ma，USC Viterbi本科计算机科学本科和USC航行成员。