Alberto Acerbi 利維坦

? Youtube

利維坦按：

盛行一種說法，稱：人類歡樂總是相似的，而悲傷各不相同。但是換個角度思考，悲傷的情緒似乎又比快樂更能引起共鳴，這或許會是題設所示問題的某個可能答案。因此，相較于積極情緒走向的音樂，在社交媒體上分享一首悲傷的歌，似乎有著更切實際的潛在可能動因：引發同情與關注——這好像是我們的本能行為，就像小孩子的哭泣。

但是按這樣的方式去附會解釋，避不開一個邏輯上的遺憾，即從結果推論原因。這樣的做法往往難以判斷“原因”的真實情況與可信程度，但聊勝于無。

比起半個世紀以前的流行歌曲，今天的流行歌曲到底是更歡快了，還是更悲傷了呢？

借助近年來的技術進步，特別是在線處理海量數據集（Datasets）成為可能，以及處理這些數據的難度不斷降低，今天的我們可以給出更精準、更有根據的答案。至于如何評定一段文本所包含的情感，最為直接的方法就是測算文本中包含的情感詞語數量。

換句話說，包含負面情感的詞語“痛苦”、“憎恨”、“悲傷”出現了多少次？與歡快情緒相關的詞匯“愛”、“喜悅”、“快樂”又出現了多少次？

雖然聽起來很簡單，但是在特定條件下，這樣的方法極為有效——比如需要被評估的文本越長，這類測評方法就越準確。這就是所謂文本情感分析（Sentiment Analysis）的一種實用技巧。這種分析方法通常被用于分析社交媒體信息發布情況，或者分析當今的政治信息。但其實它也適用于時間跨度更長的樣本，比如幾十年之間的新聞報道，或者幾百年間的文學作品。

該技術還可以被用于分析歌詞，在本次研究中，我們用到了兩組數據集。其一囊括了50年之間《公告牌》百強單曲榜（Billboard Hot 100 charts）的年度歌曲。這些都是取得了巨大成功的流行歌曲，至少在美國如此。我們從1965年的榜單開始錄入，截止到2015年的榜單，因此該數據集既包含滾石樂隊（The Rolling Stones）的《(I Can’t Get No) Satisfaction》，也包括馬克·榮森（Mark Ronson）的《Uptown Funk》。

第二組數據集囊括了歌詞記錄網站“Musixmatch”中用戶自發上傳的歌詞。在這一組數據集中，我們分析了15萬首英文歌曲的歌詞。這些歌來自全球每一個角落，因此也就提供了一個更廣泛、更豐富的樣本。在這一組數據集中，我們發現了與第一組數據集相一致的趨勢，因此我們有理由認為這些結論絕對超越了“金曲”范疇，適合幾乎所有的英語流行歌曲。

的確，英語流行歌曲正變得越來越消極。今天歌詞中與負面情緒相關的詞語已經比50年前多了三分之一甚至更多。以《公告牌》百強單曲榜數據集舉例，我們不妨先假設，平均每首歌的歌詞包括300個單詞，那么每年的百大熱門歌曲一共就有30000個單詞。在1965年，當年的歌詞中大約有450個單詞與負面情緒相關，到了2015年，這個數字超過了700個。

不僅如此，與積極情緒相關的單詞也大大減少了。1965年，百大熱門歌曲中一共有1750個單詞與積極情緒有關，到了2015年這個數字縮減到1150個。

請注意，在絕對數量上，與積極情緒相關的單詞總是比消極情緒單詞要多。這是人類語言的一個普遍特征，被稱為波麗安娜效應（Pollyanna Principle），得名于同名小說主人公，一個完美的樂觀主義者。在這次研究中，我們并不期待發現消極情緒單詞的數量反超積極情緒單詞，真正說明問題的是這些詞語的數量變化趨勢。

1965至2015年，《公告牌》百強單曲榜中歷年歌曲所包含的積極詞匯的數量分布（點狀）與變化趨勢（線條）圖。橫軸代表年份，縱軸代表次數。（下同） ? Alberto Acerbi

1965至2015年，《公告牌》百強單曲榜中歷年歌曲所包含的消極詞匯的數量分布（點狀）與變化趨勢（線條）圖。 ? Alberto Acerbi

甚至當我們觀察某個特定單詞時，仍然能發現這一現象：比如“愛”這個單詞，今天它在歌曲中的出現頻率實際上只有50年前的一半，從400多次銳減到200多次。而“恨”這個詞正相反，直到上世紀90年代，在百大熱門歌曲中幾乎都沒有提及這一單詞，但是如今每年的百大歌曲中都會提及20多次甚至30多次。

1965至2015年，《公告牌》百強單曲榜中歷年歌曲所包含“愛”（Love）這一單詞的數量分布（點狀）與變化趨勢（線條）圖。 ? Alberto Acerbi

1965至2015年，《公告牌》百強單曲榜中歷年歌曲所包含“恨”（Hate）這一單詞的數量分布（點狀）與變化趨勢（線條）圖。 ? Alberto Acerbi

我們的分析結果與其他獨立的歌曲情緒分析研究結果一致，這些研究中有些使用了完全不同的分析方法，而且側重于除歌詞以外的其他歌曲特征。比如，一些研究人員分析了英國自1985年至2015年出版發行的超過50萬首歌曲，同樣發現歌曲表現的“幸福”、“歡快”程度在下降，而這些歌曲表現的“悲傷”程度在緩慢上升。

這些結論來自于大量計算，通過計算分析歌曲中某些初級的樂理特征，比如節拍的快慢或者音調。在我們的研究中，我們同樣對歷年“《公告牌》百強單曲”的節拍速度及音調進行了分析——百強單曲的節奏正變得更慢，小調（Minor Scale）的應用更頻繁了。

與大調相比，小調會讓聽眾獲得更陰暗、悲傷的感受。如果想體驗明顯的對比，讀者可以在各大視頻網站上找到大量大調與小調相互轉換的音樂視頻。在Youtube上，每隔幾年就會有那么一個把REM樂隊那首《Losing My Religion》改成大調的視頻被瘋狂轉發，這種修改的結果就是得到一首歡快又詭異的歌。

將涅槃樂隊（Nirvana）的《Smells Like Teen Spirit》整首歌轉變為大調。值得一提的是“Youtube”用戶“Another Guy”對該音頻留言：“Minor: Smells Like Teen Spirit. Major: Smells Like You're Watching Disney Channel.” ? Youtube / Rudie Obias

回到我們今天討論的話題，今天的流行音樂到底發生了什么？盡管發現并描述一個趨勢很重要，也足夠令人滿意，但我們還是要試圖理解、解釋這個現象背后的原因。換句話說，不僅要有大數據，還要有大理論來解釋。

比如，能解釋該現象的一個宏大概念就是文化演化理論（Cultural Evolution）。顧名思義，該理論認為文化會隨著時間的流逝不斷演化，很大程度上就像達爾文提出的自然選擇學說。換句話說，如果文化也會像生物那樣變異、選擇、生殖，那么我們可以認為成功的文化特性會逐漸在人群中扎根，而其他的文化特征會逐漸消亡。

1974年，瑞典流行樂隊ABBA在演唱《滑鐵盧》（Waterloo）。? Redferns / Getty

但是說到文化，我們所指代的是一種通過社會傳播其特性的主體，而非通過基因遺傳來進行傳播。舉個簡單的例子，我們講述的語言取決于我們出生的地理位置，還有我們習慣的烹飪方式，更包括我們喜愛的音樂。這些文化特征是通過社會實現傳播的，身處社會中的個體需要通過觀察、模仿其他個體習得這些文化特征。與之相反的是頭發的顏色、眼睛的顏色，這些特征都是父母通過基因遺傳給后代的。

當然了，人類個體的諸多行為都需要后天從社會中習得，這并不是多么令人驚嘆的絕妙推斷。但別忘了這一點，如果個體希望自身的這種社會學習具備適應性（Adaptive），換句話說，通過這些社會學習提升個體在該社會中的生存、繁殖機會，那么這種社會學習就必須是有選擇性的。就拿做飯來說，比起那些自己還在學習如何做飯的兄弟姐妹，和一位熟練掌握烹飪技巧的長輩學習做飯顯然就合理得多。

在文化演化理論的術語中，優先選擇成功的個體并習得他們的行為，這被稱為“成功偏差傳播”（Success Biased Transmission）。與之相似的還有其他學習偏差影響著個體的社會學習，比如一致性偏差（Conformity Bias）、聲望偏差（Prestige Bias）或者內容偏差（Content Bias）。多年來，學者通過各種學習偏差來理解人類及非人動物族群中的眾多文化特征。而這個概念也為人們理解復雜的文化傳承模式提供了切實可行的研究通道。

因此，為了試圖解釋為什么幾十年間的流行歌詞正在傳遞更多的負面情緒、更少的積極情緒，我們也在研究中引入了文化演化理論中的社會學習偏差概念。

我們考慮到這樣一種可能：如果前幾年榜單上前10名的歌詞中出現了表達消極情緒的歌詞，那么成功偏差是否會促使后續創作的歌曲出現更多的消極詞匯？換句話說，流行歌曲的詞作者是否會被之前的成功歌詞所影響？同理，我們還考察了聲望偏差是否在發揮作用：名望更高的音樂家是否先于其他音樂家發行了包含消極情緒詞匯的歌曲。

? Tenor

在此需要明確我們對“有名的音樂家”如何界定，即該音樂家的作品出現在《公告牌》百強單曲榜的次數明顯不成比例，比如麥當娜（Madonna），她就有36首歌選入百大榜單。（譯注：準確地說，共計57首歌入選歷年《公告牌》百強單曲榜，其中38首進入十強單曲榜、12首奪冠。）不僅如此，通過分析那些包含消極歌詞的歌曲是否真的處于百強單曲榜中更高的排位，我們還考察了內容偏差是否存在——如果分析結果確實如此，那么這說明那些帶有消極歌詞的歌曲傳遞了某些特定內容，從而使得歌曲更容易廣為流傳。

在分析中，我們幾乎沒有發現能證明成功偏差、聲望偏差的證據，但是在上述三個猜測中，內容偏差是最可靠的解釋。這與文化演化理論中的其他研究成果一致，即相較于中性信息以及積極信息，負面信息似乎更容易傳播并被記住。

但是我們也意識到，這次研究過程中使用的分析模型極大地降低了成功偏差、聲望偏差兩種效應的出現概率，特別是我們分析模型中包含的無偏差傳播（Unbiased Transmission）。對于歌詞呈現出的趨勢，也許這才是最可靠的解釋。

所謂無偏差傳播，在這里可以理解為一種類似于基因漂變（Genetic Drift）的文化傳播方式。在基因漂變的過程中，遺傳特征似乎是以隨機性極高的方式被確定下來，而且在遺傳過程中并無明顯的選擇壓力，這種遺傳方式也因此得名“漂”變。

這種隨機性強的文化傳播方式已經被其他的文化學者用于解釋某些文化特征的傳承與流行，從新石器時代的陶器裝飾，到當代嬰兒的乳名命名，甚至是今天人們馴養犬類發展出的犬種文化。

重要的是，找到無偏差傳播的證據并不意味著這些文化傳播模式不可被解釋，也不能說明它是完全隨機發生的。正相反，這意味著很可能存在大量而復雜的中間過程可以解釋這些模式。但在本次研究中，我們檢驗的三種效應都不足以形成足夠強力的證據。

不管怎么說，英語流行歌曲中的負面情緒詞匯正在激增，這是個令人著迷的有趣現象。而我們的研究至少證明了這可能是由于負面內容更容易被廣泛接受，另外，該現象背后還存在一些其他尚未被發現的原因。

除了一句簡單的“大眾總是偏好負面內容”，對于為什么上世紀80年代以前的流行歌曲要比現在的流行歌曲更積極？我們還有更進一步的解釋。

這一時期的唱片行業出現了更為集中化的唱片公司，為了更好地生產和銷售，唱片公司對歌曲的內容也就有了更多的控制權。另外，該時期出現了一種個性化傳播擴散方式，比如可以自行轉錄的空白磁帶，以及聲田公司（Spotify）當年推出的“定制專輯服務”，這些都可能進一步擴大市場反饋對唱片行業的影響。也許還有其他社會變化促使這些包含負面歌詞的歌曲進一步被傳播開來，并最終回饋給唱片公司一個明確的信息：表達負面情緒吧。

以上假設都可以用本文列舉的這種文本情感分析方法進行檢驗，并作為新的研究起點。不管怎么說，意識到某個問題仍然是個謎，仍然需要更多研究才能揭開其面紗，這在科學領域永遠是個好兆頭。這意味著我們還有很多提升空間，無論是微調理論模型，還是改進分析方法，甚至是推翻一切重新回到最初的思維導圖上，然后提出一個全新的問題。

文/Alberto Acerbi

譯/高坂穗乃果

校對/東條希

原文/aeon.co/ideas/why-are-pop-songs-getting-sadder-than-they-used-to-be/

本文基于創作共同協議（BY-NC），由高坂穗乃果在利維坦發布

文章僅為作者觀點，未必代表利維坦立場

原標題：《相比以前，流行樂為什么更喪了？》

閱讀原文