Karthik Yadati

Hij kwam op Oudejaarsdag 2013 naar Nederland, verbaasde zich de eerste dagen over de vuurwerkresten en de verlaten straten (waarom blijft iedereen binnen?) maar vond al gauw z’n draai binnen de Multimedia Computing group van EWI. Onder toeziend oog van Alan Hanjalic en Cynthia Liem ging PhD’er Karthik Yadati de afgelopen jaren na wat muziek nu precies met de luisteraar doet. ‘Er was nog maar weinig onderzoek gedaan naar hoe muziek de luisteraar raakt of beïnvloedt in zijn of haar werkzaamheden. Daar wil ik verandering in brengen...’

Mensen beter maken met muziek, ja, dat zou ik écht geweldig vinden.

Karthik Yadati

Nog niet zo heel lang geleden verdedigde je je proefschrift Music in Use: Novel perspectives on content-based music Retrieval succesvol. Vertel eens, wat heb je precies onderzocht?

Als je aan het werk bent, luister je naar muziek, nietwaar? Maar soms komt het voor dat een nummer je afleidt van je werkzaamheden. Je grijpt naar je telefoon, pakt je afspeellijst erbij en klikt door naar het volgende nummer. Je baalt, want door dat ene lied ben je uit je work flow gehaald. Heel vervelend natuurlijk! Wat ik heb geprobeerd te doen, is een algoritme bouwen. Een algoritme dat gemakkelijk en automatisch detecteert op welk punt in een lied je afgeleid raakt. Dus, geef me een lied, en we kunnen precies detecteren waar in het lied je work flow in gevaar komt.

Hoe ben je erin geslaagd de juiste data te verzamelen?

Om te onderzoeken wat tijdens het luisteren naar muziek afleidt, heb ik data verzameld via gebruikers van Amazon Mechanical Turk: een crowdsouring platform dat particulieren of bedrijven in de gelegenheid stelt menselijke intelligentie te gebruiken om taken uit te voeren die computers momenteel nog niet kunnen uitvoeren. Om te voorkomen dat ik me blind zou staren op subjectieve componenten, ben ik juist op zoek gegaan naar universele aspecten. Aan de hand daarvan probeerde ik antwoord te krijgen op vragen als welke muziek ondersteunt je tijdens het werk? en welke muziek leidt juist af? en op basis daarvan heb ik dus dat algoritme gebouwd.

Noem eens een aantal voorbeelden van wat er als storend wordt ervaren?

Een plotselinge muzikale versnelling wordt vaak als storend ervaren. En wat als er opeens – uit het niets – vocals opduiken terwijl het lied al enige tijd instrumentaal is? En dan heb je bijvoorbeeld ook nog zo iets als een drop: het moment waarop alle muzikale spanning wordt losgelaten en de beat z’n werk begint te doen. Zomaar een paar voorbeelden die ik in mijn modellen verwerkt heb. Als je kijkt naar de afspeellijsten die nu online terug te vinden zijn, dan zie je dat het merendeel handmatig samengesteld is. De streamingdienst die ik ontwikkel, moet iets toevoegen aan het streamingslandschap: dat je door het analyseren van een nummer automatisch een lijst genereert.

Je schijnt zelf ook een muzikale achtergrond te hebben, klopt dat?

Ja, dat klopt. Al vanaf mijn kindertijd ben ik geïnteresseerd in muziek. Toen ik in Nederland kwam, heb ik contact opgenomen met de Indiase zangeres Samhita Mundkur. Zij heeft Zangam opgericht – het eerste koor in Nederland dat een repertoire van Indiase liederen brengt. Ik heb mij bij het koor aangesloten waardoor ik opeens meewerkte aan de uitvoering van de eerste akte van Satyagraha van Philip Glass en ook traden wij op tijdens het Koninklijk Korenfestival in het Amsterdamse Concertgebouw. Hoewel ik deze zomer naar Toulouse verhuis, om daar voor Airbus te werken aan een hele andere tak van signal progressing and machine learning, hoop ik dat mijn algoritme ooit nog eens voor therapeutische doeleinden gebruikt zal worden. Is bepaalde muziek aan te bevelen in medische situaties? Mensen beter maken met muziek, ja, dat zou ik écht geweldig vinden.

/* */