Come liberarsi dall’algoritmo di Spotify

Fornendo ciò che la gente sembra volere, Spotify ha ucciso il piacere della scoperta musicale?

di Tiffany Ng

Dai tempi d’oro della radio, dei dischi, delle musicassette e dei lettori MP3, il marchio del suono si è evoluto da generi ampi come il rock e l’hip-hop a “paranormale dark cabaret pomeridiano” e “synth space”, e lo streaming è diventato l’abitudine. I DJ radiofonici sono stati sostituiti dall’intelligenza artificiale e il rituale della scoperta di qualcosa di nuovo è stato confezionato in una playlist di 30 canzoni, aggiornata settimanalmente. L’unica regola dello streaming musicale, come di qualsiasi altro settore al giorno d’oggi, è la personalizzazione.

Ma ciò che abbiamo guadagnato in comodità, lo abbiamo perso in curiosità. Certo, il nostro accesso illimitato ci permette di ascoltare la tropical house svedese o l’hardcore del New Jersey, ma questa abbondanza di scelta rende la nostra esperienza di ascolto meno ampia o eclettica.

La maggior parte di noi accede alla musica attraverso i servizi di streaming: per l’esattezza, oltre 600 milioni di persone in tutto il mondo. E a detenere oltre il 30,5% di questa popolazione, quasi il doppio di qualsiasi altro servizio di streaming sul mercato, è Spotify. Con il lancio nel 2015 di Discover Weekly, una playlist generata che adatta la selezione dei brani alle abitudini di ascolto dell’utente, Spotify ha presentato la personalizzazione come il rimedio alla nostra sovrabbondanza di opzioni.

Ma nel fornire in modo efficiente ciò che le persone sembrano volere, ha di fatto eliminato la possibilità di scelta e rimosso l’umanità dall’intera esperienza di ascolto e scoperta della musica. Secondo un rapporto del 2022 pubblicato da Distribution Strategy Group, almeno il 30% delle canzoni ascoltate in streaming su Spotify sono consigliate dall’intelligenza artificiale. Il successo di Discover Weekly ha poi ispirato playlist dipendenti dall’umore che cambiano nel corso della giornata e letture psichiche basate sulle abitudini di ascolto delle persone. Altre piattaforme di streaming, come Apple Music e Amazon Music, hanno seguito l’esempio. Tutte queste iniziative di personalizzazione hanno un difetto comune: le playlist si assomigliano troppo spesso tra loro, riempiendosi di canzoni che offrono diverse varianti dello stesso suono.

Glenn McDonald, ex ingegnere di Spotify e autodefinitosi “alchimista dei dati”, in gran parte responsabile dello sviluppo dell’enciclopedia dei generi dell’azienda, ritiene che, sebbene accedere a nuova musica sia tecnicamente facile, molti di noi non lo fanno, soprattutto perché non sanno da dove cominciare a cercare.

Abituati alla comodità di scorrere una playlist generata, dimentichiamo che scoprire la musica è un esercizio attivo.

Ci aspettiamo troppo dall’algoritmo

Per Spotify, spiega McDonald, la personalizzazione inizia con la scomposizione dei brani attraverso una piattaforma di intelligenza dei dati che prima dell’acquisizione da parte dell’azienda era nota come Echo Nest. Grazie a una combinazione di elaborazione del segnale e di ascolto umano da parte di musicologi, Spotify assegna circa 10 diversi attributi alle canzoni (ad esempio, firma in chiave, ballabilità) prima di raggrupparle in librerie. I programmi basati sull’intelligenza artificiale attingono poi da questi gruppi di suoni per generare playlist personalizzate, con parametri adattati alle abitudini di ciascun utente. Il modo in cui Spotify categorizza la musica determina ciò che ci viene reso visibile. Inoltre, determina le nicchie in cui gli artisti si inseriscono e la quantità di esposizione che ottengono.

McDonald suddivide le nostre abitudini di ascolto in tre gruppi concentrici: le cose che ascoltiamo ogni giorno, quelle che sembrano le nostre cose e tutto il resto in cui ci imbattiamo. Le playlist generate automaticamente da Spotify si attengono per lo più al primo gruppo, ma occasionalmente si avventurano nel secondo. Il terzo è accidentale. Il servizio non offre mai qualcosa di strettamente diverso.

Spotify pensa che, anche se diciamo di voler ascoltare qualcosa di nuovo, torniamo sempre a ciò che ci è familiare, spiega McDonald. Sostiene che, in pratica, infilare un brano reggae in una playlist di “bedroom pop” (un genere che presenta principalmente melodie sognanti e voci sommesse) spesso crea un’esperienza di ascolto scomoda: “Se ti viene proposto qualcosa di nuovo, è strano, allo stesso modo in cui essere teletrasportati in posti a caso del mondo per tre minuti alla volta non sarebbe un’esperienza turistica piacevole”.

Per costruire i 6.291 microgeneri del suo database, spiega McDonald, Spotify utilizza i dati sociali: come gli ascoltatori degli stessi artisti classificano le canzoni di questi ultimi e chi altro ascoltano. McDonald chiarisce che i generi di Spotify non hanno confini assoluti, ma riflettono un consenso lasco e dinamico sul modo in cui gli utenti ascoltano la musica. Piccoli gruppi di abitudini di ascolto che si sovrappongono definiscono queste categorie libere, mentre la costante impollinazione incrociata crea variazioni su di esse. “Tutti capivano dov’era il centro del villaggio, e più ci si allontanava, più diventava soggettivo”, dice McDonald del processo che ricorda. McDonald ha mappato questo paesaggio musicale sul suo sito personale, Everynoise.com.

Abituati alla comodità di scorrere una playlist generata, dimentichiamo che scoprire la musica è un esercizio attivo.

Le nostre rispettive abitudini di ascolto, se considerate insieme, formano una rete dinamica che rivela il modo in cui comprendiamo collettivamente la musica. È un peccato che l’attuale utilizzo di Spotify ci confini in bolle algoritmiche isolate.

Contesto e comunità

La personalizzazione, in generale, ha reso incredibilmente comoda la navigazione nell’infinito bacino di contenuti di Internet. Ci viene servito ciò che ci piace, ci viene detto cosa comprare, ci viene suggerito cosa dire. Non sorprende che ci aspettiamo che le nostre app di streaming musicale facciano lo stesso. Tuttavia, l’impiego di algoritmi per ottimizzare la scoperta della musica richiede la definizione esplicita di ciò che vogliamo e il problema è che ciò che vogliamo potrebbe essere facilmente plasmato da ciò che incontriamo. Chiedere a un algoritmo di ampliare i nostri orizzonti è come pranzare con un amico che sostiene di essere aperto a tutto, ma che mette il veto su tutto ciò che gli viene proposto. “La curiosità è una modalità attiva”, dice McDonald. Sta a noi uscire dalla nostra bolla.

Gli appassionati di musica stanno creando nuovi modi per rinvigorire questo senso di curiosità, costruendo qualsiasi cosa, dalle leghe di raccomandazione competitive alle mappe musicali interattive. Prima dello streaming, la scoperta della musica era un lavoro che portava con sé una ricompensa decisamente emotiva. “Ai tempi dell’università, ascoltavo tutto quello che ascoltavano i miei amici”, ricorda Zack O’Malley Greenburg, ex redattore musicale senior di Forbes. Descrive lo scambio di CD con gli amici, passando ore a decidere quali canzoni gli piacevano e quali no. In seguito, l’acquisizione di nuova musica è diventata un esercizio di selezione di file audio su chiavette e di download (illegale) di MP3 da siti web discutibili. Condividere la musica era un esercizio molto più personale, peer-to-peer, e creare un mixtape per una cotta era un vero e proprio lavoro d’amore. I sistemi di raccomandazione automatizzati hanno sostituito questa cultura sociale della condivisione della musica. Le playlist anonime in cui ci imbattiamo oggi possono essere modificate e persino condivise, ma la posta in gioco emotiva è molto più bassa.

Poiché consigliare personalmente le canzoni rivelava i nostri gusti, avevamo un interesse personale in ciò che consigliavamo. Ma l’algoritmo non si assume alcun rischio, offrendo semplicemente ciò che è matematicamente valido.

“Quello che secondo me manca nello streaming musicale è il motivo per cui qualcuno pensa che una certa canzone dovrebbe piacermi”, dice Alex Keller, uno dei cofondatori di Music League, una piattaforma online che permette alle persone di inserire canzoni in playlist che si adattano a un determinato tema. Dall’anno scorso la piattaforma ha raddoppiato la sua base di utenti, raggiungendo circa 130.000 utenti mensili.

Music League ha costruito questa comunità fedele rendendo più divertente l’esperienza di consigliare musica. Gli utenti possono unirsi a leghe pubbliche o crearne di private con temi che vanno da “Miglior canzone rap” a “Crimine a cavallo”. Ogni lega ospita più turni, in cui i partecipanti competono presentando e votando le canzoni che ritengono più adatte a un tema. Una parte importante dell’esperienza, dice Keller, è la conversazione intorno a ciascuna canzone presentata. Descrive come la sua esperienza di ogni canzone cambi quando gli utenti sono spinti a difendere le loro scelte.

A differenza della miriade di playlist personalizzate di Spotify che si aggiornano istantaneamente su richiesta, i campionati possono rimanere aperti per mesi. Può esserci un lungo intervallo tra la ricezione di una richiesta e l’invio di un brano, o tra l’ascolto e la votazione. Le persone sono incoraggiate non solo ad ascoltare le canzoni dall’inizio alla fine (una pratica sempre più rara), ma anche a includere note di copertina accanto ai brani inviati. Rendere più lento il processo di scoperta della musica può favorire un ascolto più mirato.

“Da adulti, la musica passa in secondo piano nella propria vita”, dice Keller. Per lui, l’attenzione sociale di Music League la riporta al centro della scena. Il processo di raccomandazione collaborativa conferisce a ogni canzone un peso emotivo e offre un distacco rinfrescante dai flussi di playlist generati che scorriamo per l’atmosfera.

Simile a Music League è una comunità privata di Facebook chiamata Oddly Specific Playlists, un gruppo che mette in contatto utenti di ogni angolo di Internet con playlist ispirate (come suggerisce il nome) a cose molto specifiche. Con oltre 364.000 membri, il gruppo è inondato di richieste ogni giorno; gli utenti postano brani di ispirazione e allegano una breve spiegazione del loro interesse per il tema. Altri condividono canzoni pertinenti e offrono aneddoti personali per colorare le loro raccomandazioni. Richieste come “Mascolinità forte; sana, non tossica; non misogina; punti bonus per la queerness” generano discussioni. Come potrebbe essere una forte mascolinità? Cosa comporta una canzone sana?

Spesso le richieste di playlist si sono avventurate in argomenti più cupi, come il cuore spezzato e il lutto. Quando gli utenti condividono storie profondamente intime sul loro rapporto con determinate canzoni, si sviluppano conversazioni e le comunità guariscono. Il fatto che i membri non si siano mai incontrati può rendere l’esperienza ancora più significativa. Connettersi con persone sconosciute in tutto il mondo rivela l’universalità anche delle esperienze apparentemente più specifiche e offre una forma unica di convalida. Le discussioni possono anche dare nuova vita a vecchie canzoni; una richiesta di canzoni con il suono “oh”, da parte di un membro il cui bambino di due anni era ossessionato dalla lettera O, ha fatto emergere “Oh! Darling'” dei Beatles.

Piuttosto che sfidare i vostri gusti, gli algoritmi forniscono solo versioni rimescolate di ciò che già vi piace.

Questa attenzione alla promozione dell’interazione umana organica non è nuova. Fino al 2017, Spotify aveva una funzione di chat, ma non era abbastanza utilizzata (e non produceva abbastanza flussi) da giustificare le risorse necessarie per mantenerla. L’azienda si è quindi orientata verso l’ottimizzazione della personalizzazione.

Mentre la piattaforma di Spotify si è evoluta per rendere la scelta della musica il più semplice possibile, il formato poco curato delle Playlist Stranamente Specifiche è rimasto in gran parte lo stesso. I commenti sono ancora difficili da tenere sotto controllo e gli utenti devono setacciare montagne di post per trovare raccomandazioni pertinenti. Nonostante  l’esperienza poco lineare, la comunità è fiorente dal 2019.

“Se un social network è valido, deve avere persone che inseriscono nuovi contenuti nell’ecosistema e li organizzano in modo coerente, come qualcuno che crea una playlist curata a mano”, afferma Kyle Chayka, scrittore del New Yorker e autore di Filterworld: How Algorithms Flatten Culture. È proprio quello che fanno i membri di Oddly Specific Playlists, anche se i risultati possono essere difficili da gestire.

Nel suo libro, Chayka racconta le molte ore passate a navigare in forum musicali come AntsMarching.org e UFCK.org (siti di fan dedicati rispettivamente a tutto ciò che riguarda la Dave Matthews Band e i Pearl Jam), trovando compagnia in altri post che condividevano nastri a bassa fedeltà di vecchi concerti e fatti divertenti sulla formazione di una band. Secondo Chayka, queste tane culturali offrono una forma di “apprendimento reciproco” che ci aiuta a capire meglio ciò che stiamo consumando. Se sappiamo come è nato lo stile di un artista, per esempio, siamo più capaci di plasmare intenzionalmente i nostri gusti.

Rallentare con la curatela

In Filterworld, Chayka descrive anche come gli algoritmi abbiano preso il posto dei redattori delle riviste e dei curatori dei musei come custodi della cultura. “Penso che la curatela sia un modo per resistere all’appiattimento di Internet”, afferma, pur riconoscendo che il termine stesso è stato annacquato nell’ultimo decennio.

Chayka inquadra la curatela come intenzionale, ardua e finita, caratteristiche che ritiene antitetiche al nostro rapporto con gli algoritmi. Mentre un curatore dà voce a prospettive che accolgono il discorso e il disagio, gli algoritmi sono scritti nel timore di offendere. “Quando un essere umano interpreta un’opera d’arte, aggiunge valore anziché toglierlo. Un algoritmo non ha la capacità di interpretare”, aggiunge.

Prima dello streaming, il profilo di una rivista su un artista emergente o la rubrica “Songs I’m listening to” di un blogger facevano entrare i musicisti nel vostro radar, ispirandovi ad approfondire la loro discografia. Anche pubblicazioni musicali come Blender, NME e The Source hanno avuto una grande influenza; quest’ultima ha scoperto Notorious B.I.G. e lo ha messo in evidenza nella sua rubrica “Unsigned Hype”. Ma, come spiega Greenburg, “i servizi di streaming fanno un passo indietro”. Piuttosto che sfidare i vostri gusti, gli algoritmi forniscono solo versioni rimescolate di ciò che già vi piace. Come i frullati Soylent, popolari a metà degli anni 2010 perché si supponeva che offrissero tutti i nutrienti di cui si ha bisogno in un pasto, queste playlist personali possono soddisfare, ma non possono mai saziare.

In Filterworld, Chayka propone i DJ radiofonici indipendenti come antidoto all’acquisizione algoritmica. L’atto vagamente fisico di sintonizzarsi su una stazione radio, come entrare in una sala da concerto, restituisce una qualità tattile alla nostra esperienza musicale. Quando c’è una voce dietro la selezione dei brani, siamo più propensi a prestare attenzione, insiste Chayka. Egli descrive come questi DJ “utilizzino tutte le loro conoscenze, competenze ed esperienze per determinare cosa mostrarci e come farlo”.

“Quando un essere umano interpreta un’opera d’arte, aggiunge valore anziché toglierlo. Un algoritmo non ha la capacità di interpretare”.

Kyle Chayka, New Yorker

La musicista di Hong Kong nota come Cehryl, che conduce il programma Mystery Train su Eaton Radio, struttura i suoi spettacoli intorno a delle narrazioni. “Penso ai miei spettacoli nello stesso modo in cui penso a una performance”, dice. “C’è un arco emotivo”. Mette i suoi gusti al primo posto, sperando di esprimere un punto di vista unico che porti qualcosa di nuovo ai suoi ascoltatori.

In un mondo di musica on-demand, il formato in tempo reale della radio indipendente impone una sequenza specifica di ascolti ininterrotti. Senza salti, rimescolamenti o la possibilità di mettere in pausa, offre ai curatori l’opportunità di spingere i limiti dei loro ascoltatori.

Creare con “ansia da algoritmo”

Per Cehryl, una parte importante dell’essere musicista oggi consiste nel confrontarsi con la domanda esistenziale se fare musica per l’algoritmo. Dalla diffusione dello streaming (e dall’ascesa di TikTok), la durata media di una canzone è scesa da quattro minuti a circa tre. Gli artisti sono incoraggiati a pubblicare singoli o EP anziché concept album. Nel 2023, Spotify ha lanciato la funzione Anteprima, un feed musicale a scorrimento infinito simile a TikTok che mostra i “migliori” secondi di ogni canzone a ogni passaggio. L’algoritmo premia la rilevanza e la gratificazione immediata. “Niente canzoni lunghe. Niente canzoni lunghe e pazienti. Si vuole l’aggancio già dopo 15 secondi, se non prima”, dice Cehryl.

Sperimentando quella che Chayka chiama “ansia da algoritmo”, Cehryl descrive il bisogno di alimentare la percezione che l’algoritmo ha di lei: “Sono stata spesso inserita nella playlist come pop da cameretta. Ma non credo di fare pop da cameretta”. Per gli artisti, la suddivisione in generi di Spotify gioca un ruolo complicato nel loro processo creativo.

L’algoritmo di Spotify offre categorizzazioni non rigide per identificare i generi emergenti o rimodellare quelli già noti, ma la promozione della piattaforma di generi più ampi e riconoscibili fa sì che alcuni artisti si sentano etichettati e spinge gli altri a conformarsi. Rientrare nelle categorie di Spotify aumenta le possibilità di un artista di diventare virale sulla piattaforma, anche se ogni stream produce solo 0,003 dollari per il creatore.

Alex Antenna, che ha creato un sito web chiamato Unchartify per offrire un modo più manuale di navigare nel database di Spotify, attribuisce queste classificazioni alla spinta di Spotify verso la personalizzazione. Ha costruito il suo sito per aggirare la pletora di playlist “fatte per te” e mettere in evidenza gli angoli meno conosciuti del database di Spotify.

“Il database musicale di Spotify ha una serie molto ricca di parametri, markup e categorie per classificare la musica in modo molto dettagliato. Questo semplicemente non è esposto nell’app ufficiale”, afferma. Egli ritiene che, pur disponendo di un modo sofisticato di classificare la musica, Spotify semplifichi intenzionalmente in modo eccessivo: La sua libreria offre principalmente playlist personalizzate basate su categorie ampie come “metal” o “party”, molte delle quali presentano per lo più “artisti popolari o canzoni che hai sentito 1.000 volte”.

Antenna fa notare che oltre a generi come il bedroom pop o l’indie folk, Spotify offre una pletora di microgeneri (come “reminimal” e “sky room”) accessibili solo per nome attraverso le sue API. Spera che, facendo emergere generi che rappresentano più accuratamente il suono di un artista, un sistema così granulare come Unchartify possa combattere l’ansia da algoritmo.

Unchartify riorganizza il database di Spotify ordinando tutti i generi in ordine alfabetico – cosa inaudita nel mondo attuale dell’ottimizzazione del coinvolgimento – e mappandoli in modo che ogni album sia un nodo che si collega a un elenco di album simili. A differenza della funzione “Piace anche ai fan” di Spotify, che consiglia artisti simili senza suggerire dove sta la somiglianza, Unchartify offre un quadro preciso della posizione musicale di un album rispetto agli altri.

A meno che non venga richiesto espressamente, Unchartify non cerca di indovinare cosa si sta cercando. Al contrario, fornisce gli strumenti per navigare nel database di Spotify in modo sistematico, come si potrebbe fare con gli archivi di una biblioteca pubblica. La posizione di Antenna rivela un’importante fonte di tensione nel mondo della musica on-demand: Rendere digeribile l’abbondanza di contenuti online richiede una semplificazione, ma la semplificazione spesso rinuncia alle sfumature.

Battere l’algoritmo

Un passo avanti rispetto all’arcaica decisione di Antenna di elencare i generi in ordine alfabetico è rappresentato da Radiooooo, una macchina del tempo musicale autodefinita che randomizza il processo di scoperta eliminando completamente i generi.

Fondata nel 2012 da un gruppo di quattro DJ, Radioooooo cura una selezione di brani per ogni decennio a partire dal 1900 per ogni Paese del mondo. Gli utenti sono invitati a selezionare la musica in base ai periodi e alle località geografiche, piuttosto che ai generi o agli artisti, eliminando ogni parvenza dell’attuale esperienza di streaming e ispirando un nuovo modo di pensare alla musica. Radiooooo aggiunge anche una componente sociale, accreditando i membri che hanno scoperto il brano, unendosi a comunità come Music League e Oddly Specific Playlists nell’incoraggiare una forma di raccomandazione in crowdsourcing che invita alla conversazione e al disaccordo, ben lontano dalla visione di Spotify di un ascolto ottimizzato e senza ostacoli.

Forse l’unico modo per sfuggire alle nostre bolle algoritmiche è costruire una comunità. Quando accogliamo modelli diversi di consumo musicale, siamo sfidati a considerare la musica da prospettive diverse, nello stesso modo in cui le stazioni radio indipendenti curano per raccontare una storia piuttosto che per soddisfare un gruppo demografico. Non c’è nulla da ottimizzare in una comunità e, a sua volta, nulla da semplificare eccessivamente.

Nonostante siano in contraddizione funzionale con la filosofia di Spotify, piattaforme come Radiooooo, Music League, Oddly Specific Playlists e le radio indipendenti completano l’uso di queste piattaforme. Agiscono come un trampolino di lancio per il nostro processo di scoperta, aiutandoci a superare l’insistenza di Spotify sulla personalizzazione, indicandoci dove cercare e, soprattutto, rendendolo divertente.

McDonald paragona le funzioni di Spotify a quelle di Google Maps. “Google Maps non fa l’esplorazione per me, ma è utile se vado da qualche parte”, dice. Piuttosto che accompagnarci in visite guidate, ci fornisce gli strumenti per orientarci in un posto nuovo. Così come ci mostra cosa c’è nelle vicinanze e come arrivarci, e segnala i punti di riferimento degni di nota che altri hanno visitato, Spotify ci aiuta ad accedere alla maggior parte della musica, elenca le tendenze di ascolto globali e ci presenta artisti simili a quelli che già conosciamo. Ma sono le comunità che ci aiutano a individuare una destinazione che Spotify può aiutarci a esplorare.

Rage against the Machine

Quattro servizi di scoperta musicale per aiutarvi a esplorare oltre le playlist generate dall’intelligenza artificiale di Spotify

Tiffany Ng è una scrittrice freelance che esplora il rapporto tra arte, tecnologia e cultura.