จรัล งามวิโรจน์เจริญ บริษัท เซอร์ทิส จำกัด
สวัสดีครับคุณผู้อ่านทุกท่าน วันนี้ผมจะขอพูดถึงสิ่งหนึ่งที่ผมสนใจและชื่นชอบมาตั้งแต่สมัยผมเป็นเด็ก และผมก็เชื่อว่ามีคนจำนวนมากบนโลกใบนี้ที่หลงใหลมันมากพอๆ กับผม สิ่งนั้นก็คือ “ดนตรี” ครับ ส่วนตัวผมชอบเรียนรู้เกี่ยวกับองค์ประกอบของดนตรี ไม่ว่าจะเป็นเสียงประสาน (Harmony) หรือท่วงทำนองและการเรียบเรียงเป็นอย่างมาก เพราะมันทำให้ดนตรีมีโครงสร้างที่ช่วยให้คนเข้าถึงและมีส่วนร่วมไปกับมันได้ พูดมาถึงตอนนี้ หลายคนอาจจะสงสัยว่าดนตรีมีความเกี่ยวข้องกันอย่างไรกับศาสตร์ Data Science กันแน่ เรามาลองศึกษากันดูเลยครับ
สิ่งที่ผมอยากนำเสนอกับคุณผู้อ่านก็คือกระบวนการในการนำสิ่งที่เราคิดว่าไม่ใช่ข้อมูลมาใช้ โดยผมขอพูดว่าองค์ประกอบสำคัญของดนตรีหรือบทเพลงต่างๆ ไม่ว่าจะเป็นท่วงทำนอง จังหวะ การเรียบเรียง ฯลฯ ต่างก็เป็นข้อมูลแบบ Unstructured Data หรือ ข้อมูลที่เราไม่สามารถเก็บในรูปแบบตารางได้ ซึ่งหากเราต้องการบันทึกข้อมูลของดนตรี เราก็ต้องนำข้อมูลเหล่านั้นมาแปลง (Transform) ให้อยู่ในรูปแบบโครงสร้างก่อน ตัวอย่างเช่น หากเราต้องการแปลงเสียงจากคำพูด ก็จะสามารถทำได้ด้วยวิธีการพื้นฐานเลยครับ คือการให้คนนั่งฟังและแกะคำพูดทุกคำออกมาเป็นตัวหนังสือ สำหรับผมมองว่าเป็นวิธีการที่ค่อนข้างลำบากและใช้เวลาพอสมควร
แต่หากเรามองหาวิธีการที่ไฮเทคขึ้นมาอีกสักหน่อย ก็อาจจะเป็นการใช้ Speech to Text โดยการนำ Machine Learning มาช่วยแปลงและถอดเสียงคำพูดต่างๆ ให้ออกมาเป็นข้อความในรูปแบบตัวหนังสือ (Text) จากนั้นเราก็จะสามารถนำข้อมูลที่แปลงเสร็จเรียบร้อยมาวิเคราะห์และใช้ประโยชน์ต่อไปได้ ยกตัวอย่างเช่น ในงานด้าน Call Center เราสามารถจัดหมวดหมู่และคัดกรองประเภทกลุ่มคำต่างๆ ของคำถามที่มักจะถูกถามหรือพูดถึงบ่อยๆ จากไฟล์เสียงบทสนทนาที่บันทึกไว้ เพื่อนำไปปรับปรุงหรือพัฒนาการบริการในด้านนั้นๆ อย่างเฉพาะเจาะจงให้ดียิ่งขึ้นต่อไป เป็นต้น
ในทำนองเดียวกัน อุตสาหกรรมดนตรีก็มีการพัฒนาเทคโนโลยี Audio Analysis เช่น Spotify API ที่สามารถใช้บอกคุณลักษณะของเพลงจาก Metadata ที่ช่วยอธิบายลักษณะหรือคุณสมบัติของข้อมูล ซึ่งบทเพลงต่างๆ ก็เป็นข้อมูลประเภทหนึ่งที่ Metadata อาจจะหมายรวมไปถึงการระบุชื่อเพลง ศิลปิน ประเภทของเพลง ความยาว ความเร็ว และวันที่ออกขายสู่ท้องตลาด เป็นต้น
ยิ่งไปกว่านั้น Metadata ที่ได้มาจาก Spotify ยังสามารถอธิบายไปถึงคุณลักษณะเฉพาะของเพลง เช่น ระดับความดัง (loudness) ความน่าเต้น (danceability) พลังของบทเพลง (energy) ความเร็ว (tempo) รวมถึงลักษณะการเป็นเพลงบรรเลง (instrumentalness) หรือเพลงที่มีคำพูดหรือเนื้อร้องเยอะ (speechiness) โดย website ต่างๆ เช่น Lyricwiki ก็มีการต่อยอดด้วยการเพิ่มเติมข้อมูล (augment) เนื้อเพลงลงไปเพิ่มให้ข้อมูล Metadata มีความสมบูรณ์มากยิ่งขึ้นได้เช่นกัน
ดังนั้น ประโยชน์ของ Metadata ก็คือ ความสามารถในการวิเคราะห์ว่าคนชอบฟังเพลงลักษณะใด และการใช้คุณลักษณะของเพลงเชื่อมโยงกับระบบ recommendation engine เพื่อแนะนำให้กับกลุ่มคนที่ฟังแนวเพลงคล้ายๆ กัน นั่นเอง
ด้านการวางแผนจัดเก็บ Metadata นั้น ควรมีมาตรฐานและมีการบริหารจัดการที่ดี โดยสามารถทำควบคู่กันไประหว่างการจัดเก็บข้อมูล ซึ่งจะช่วยเอื้อประโยชน์ให้การค้นหาข้อมูลและการต่อยอดเพื่อวิเคราะห์เป็นไปอย่างสะดวกและรวดเร็วมากยิ่งขึ้น เช่น การวิเคราะห์ลักษณะเพลงยอดนิยมและการนำข้อมูลมาใช้เพื่อแผนการโปรโมท เป็นต้น กล่าวคือการสร้างหรือเก็บ Metadata นั้น ยิ่งมีรายละเอียดและยิ่งลงลึกเท่าไรก็ยิ่งดี
สำหรับการนำ Metadata มาใช้ประโยชน์ก็มีตัวอย่างการทำงานที่น่าสนใจออกมาให้เห็นแล้วเช่นกัน โดยมีงานวิจัยที่นำเพลงติด Billboard Top 100 ในรอบ 50 ปี ในช่วง ค.ศ. 1960 – 2010 มาศึกษาเพื่อดูพัฒนาการของแนวเพลงที่เกิดขึ้น 13 ประเภท ซึ่งนักวิจัยด้านพฤติกรรมศาสตร์ (Behavioral Science) คาดว่าจะสามารถนำข้อมูลลักษณะของเพลงและพฤติกรรมของผู้ฟังที่ใช้บริการผ่าน Music Streaming เข้ามาใช้งานร่วมกับแอพพลิเคชั่น health sensor บนมือถือ เพื่อนำมาใช้ประโยชน์ทางการแพทย์ เช่น การใช้ดนตรีบำบัด (music therapy) เป็นต้น
อีกมุมหนึ่งคือประโยชน์ด้านการสร้างสรรค์ผลงานเพลงด้วยวิธี Data (Music) Generation สำหรับงานเพลงที่อยู่ในรูปแบบข้อมูล MIDI ที่เป็นการควบคุมเครื่องดนตรีที่เป็นระบบดิจิทัล ให้สามารถเล่นตัวโน้ตเสียงต่างๆ ทั้งสั้นและยาวในตำแหน่งที่ต่างกันออกไป รวมถึงระดับความดัง-เบา และการออกเสียง ตัวอย่างเช่น ผลงาน Deepjazz โดยนักศึกษาสาขาวิทยาศาสตร์คอมพิวเตอร์ที่นำข้อมูลนี้ไปป้อนให้ Machine Learning ประเภท Deep Learning แบบ Long Short-Term Memory (LSTM) เพื่อเรียนรู้เพลง Jazz ต้นฉบับ แล้วนำไปสู่การสร้างบทเพลงใหม่ๆ ที่มีความน่าสนใจและแปลกใหม่ให้แก่วงการเพลง
สิ่งเหล่านี้เป็นตัวอย่างของการนำเอา Unstructured Data มาใช้ประโยชน์อย่างเป็นรูปธรรมในวงการเพลงและเสียงดนตรีที่หลายๆ คนอาจจะยังคิดไม่ถึง คราวนี้ก็เป็นโอกาสสำคัญของคุณผู้อ่านแล้วนะครับว่าคุณจะเอากระบวนการเหล่านี้มาใช้ประโยชน์อย่างไรต่อไปในงานของพวกคุณ และหากว่าคุณเป็นผู้ที่มีความคิดสร้างสรรค์และเป็นนักสะสมข้อมูลที่กำลังมองหาสิ่งใหม่ๆ ที่จะมาช่วยเพิ่มมิติในการตอบโจทย์ที่มีอยู่ ผมคิดว่ากระบวนการนี้ก็อาจจะทำให้คุณได้เห็น insight ใหม่ๆ ที่สามารถสร้างคุณค่าให้กับงานของคุณได้มากขึ้น ผมขอให้ทุกท่านสนุกไปกับมันนะครับ หาสิ่งที่เรารักและเชื่อมโยงมันเข้ากับการทำงาน และชีวิตการทำงานของเราก็จะมีความสุขมากขึ้นครับ
ข่าวหรือบทความที่เกี่ยวข้อง
