推薦をやめて、
地図にした

ジャンルは、木にしかならなかった

音楽を整理する方法は、ずっと分類でした。ロックがあって、その下にオルタナがあって、さらに下に……という木構造です。 これは検索には便利ですが、実際の音楽の似かたを表せません。 あるバンドは民謡とノイズの両方に近いのに、木は一箇所にしか置けない。

では距離を測ればいい、と誰でも思います。問題はコストでした。 「AとBは似ているか」を人が判断するなら、2万組では約2億通り。ライターを何人雇っても終わりません。 だから実際に世に出たのは、プレイリストという名の小さな手作業と、 推薦という名のブラックボックスの2つだけでした。

推薦は「正解を1つ出す」装置です。
地図は「迷わせる」装置です。この2つは、体験としてまったく別物です。

AIが下げたのは「似ているを測る単価」

ここでもAIがしてくれたことは一点だけです。大量のタグ付けと、その埋め込み（数値化）が自動になった。 音楽そのものを理解したわけではありません。しかし、 「このアーティストを説明する言葉の集合」を2万組ぶん作れるようになった。

言葉の集合が全員ぶんあれば、距離は計算で出ます。2億通りでも機械なら数分です。 人手では不可能だった密度の関係グラフが、個人の手に落ちてきた——これが解除された制約です。

音楽の星座 — 歩ける音楽

座標が出るなら、リストに戻す必要はありません。そのまま星図にできます。定義は3つです。

1. 全アーティストが同時に見えている（検索窓の向こうに隠れていない）
2. 近さが目に見える（説明されなくても、隣が似ていると分かる）
3. 目的地を決めずに動ける（推薦は目的地を決めてしまう）

3番目が体験の核です。推薦に慣れた耳は、「次の1曲」を待つ姿勢になります。 地図は逆に、「この辺に何かありそうだ」という探索の姿勢を作る。 同じデータでも、渡し方で聴く態度が変わります。

設計で効いたこと

• 14ジャンルの二重リング配置 — 完全な機械配置は綺麗すぎて手がかりが消える。大枠だけ人が決めて、中は機械に任せる
• 背景で鳴らす — 地図を歩きながら音が続く。止まると探索が切れる
• お気に入りから寄せる — 推薦を消すのではなく、地図の見え方に混ぜる
• ゲーム要素 — スコアと実績。迷うことに報酬をつけないと、人は検索窓に戻る

実際に歩けます

同じことをやるなら

順番

1. 単一の情報源に頼らない。1つのAPIだけだと、そのサービスの偏りがそのまま地図の形になります
2. タグを集めてから距離を出す。いきなり座標を作らない（あとで理由を説明できなくなります）
3. 大枠の配置だけ人が決める（完全自動配置は、均質すぎて手がかりが消えます）
4. 歩く操作を先に作る。データが揃ってからUIを考えると、結局リスト表示に戻ります

詰まりやすい所

大量のデータを持てるようになった時、最初に決めるべきはアルゴリズムではなく「渡し方」です。 同じ距離データが、推薦にも地図にもなります。そして体験は正反対になります。

他の型は 新しい形の研究 に置いています。