บทความนี้เป็นส่วนหนึ่งของการประกวด Tech Saucier of The Year 2018 โดย คุณ สรวิศ แสงนาค

ปฏิเสธไม่ได้เลยว่าเทคโนโลยีเข้ามาเป็นส่วนหนึ่งของชีวิตเรา บางสิ่งที่ดูเป็นศิลป์ เช่น โปรแกรมแต่งภาพ ก็สร้างมาจากเทคโนโลยีซึ่งมีพื้นฐานมาจากความเป็นเหตุเป็นผล และคณิตศาสตร์ หรือแม้แต่งานศิลป์อย่างดนตรี ก็นำเทคโนโลยีเข้ามาเกี่ยวข้องอย่างมากมาย หากพูดถึงเทคโนโลยีดนตรี ภาพที่ลอยเข้าหัวทุกคนคงเป็นโปรแกรมทำเพลง อัดเสียง ตัดต่อเสียง หรือถ้านึกเป็นอาชีพ ก็ปฏิเสธไม่ได้เลยว่าอาชีพ Sound Engineer คืออาชีพแรกที่ผู้คนจะนึกถึง และอาจเป็นอาชีพที่นึกออกของใครหลายๆคนด้วยซ้ำ

ภาพโดย James Owen จาก Unsplash

อ่านมาถึงตรงนี้ ผู้อ่านหลายคนอาจตั้งคำถามกับผู้เขียนว่า แล้วเทคโนโลยีดนตรีมันมีอาชีพอะไรอีกล่ะ ?

หากผู้เขียนจะตอบคำถามนี้ต้องบอกก่อนเลยว่า เทคโนโลยีดนตรีในนิยามของผู้เขียนนั้น มองเป็นวิทยาศาสตร์มากกว่าศิลปะ ดังนั้นความรู้ด้านวิศวกรรมศาสตร์ วิทยาศาสตร์ จึงเป็นส่วนสำคัญอันดับหนึ่งในคำตอบของผู้เขียน

ก่อนตอบคำถามขอพูดถึง Music Streaming ซึ่งเป็นช่องทางยอดนิยมในการฟังเพลงทุกวันนี้ เหตุที่นิยมก็คงเป็นเพราะว่า ผู้ฟังสามารถฟังเพลงได้หลายสิบล้านเพลงในราคาไม่แพง สะดวกสบายในการใช้งาน เพราะแค่มีสมาร์ทโฟนและอินเทอร์เน็ต ก็สามารถใช้งานได้ทุกที่ ผู้ให้บริการในไทยที่ได้รับความนิยมก็คงเป็น Joox และ Spotify รายละเอียดความแตกต่างด้านธุรกิจของสองผู้ให้บริการคงไม่พูดถึง แต่จุดขายที่เหมือนกันและแตกต่างกันของ Music Streaming ก็คือ Music Recommendation System หรือ ระบบแนะนำเพลง นั่นเอง

ระบบแนะนำแบบทั่วไป ผู้อ่านคงคุ้นเคยและพบเจอกันมามากมายในหลาย Applications แต่สิ่งที่พิเศษในระบบแนะนำเพลงนั้น ไม่ใช่แค่เก็บข้อมูลผู้ใช้ต่างๆ แต่ลึกไปถึงวิเคราะห์โครงสร้างเพลง ทฤษฎีดนตรี ด้วยความรู้วิทยาศาสตร์อย่างลึกซึ้ง แน่นอนว่าผู้ที่จะทำด้านนี้นอกจากจะต้องมีความรู้ด้าน Signal Processing, Machine Learning และอื่น ๆ แล้ว ยังต้องมีความรู้ทฤษฎีดนตรีด้วย

ในตอนต้นได้เกริ่นไว้เกี่ยวกับอาชีพด้านเทคโนโลยีดนตรี หากจะให้ผู้เขียนตอบเป็นชื่ออาชีพที่แน่ชัดคงยากเพราะฉะนั้น ขอตอบเป็นหัวข้อหลักที่ผู้อ่านสามารถนำไปค้นหาข้อมูลและงานวิจัยเพื่อศึกษาต่อได้ หากอ่านบทความนี้จบแล้ว นำคำว่า “Music Information Retrieval” ไปค้นหาต่อได้เลยครับ

ภาพจาก CinscoDias

 Music Information Retrieval ถ้าแปลแบบตรงตัว ก็คือการดึงข้อมูลทางดนตรีเพื่อมาวิเคราะห์ในด้านต่างๆ อาทิ เช่น วิเคราะห์แนวเพลง ซึ่งไม่ใช่แค่วิเคราะห์จากการติดแท็ก พฤติกรรม ประวัติการกดฟังของผู้ใช้เท่านั้นแต่วิเคราะห์เจาะลึกไปถึงแต่ละส่วนของดนตรี ไม่ว่าจะเป็นเครื่องดนตรี โครงสร้างดนตรี เสียงร้อง เนื้อร้อง จังหวะและอื่นๆ ซึ่งเมื่อนำผลลัพธ์แต่ละส่วนมารวมกัน ก็จะนำมาสร้างระบบ Playlist ให้ผู้ฟังนั่นเองโดย Playlist ของ Music Streaming แต่ละแบรนด์ก็จะมีความหลากหลายให้เลือกฟัง ผู้ฟังสามารถเลือกฟังได้ตามแนวเพลงศิลปิน สถานการณ์รวมไปถึงอารมณ์

ใช่ครับ อารมณ์เพลงก็ถูกนำมาวิเคราะห์ด้วยศาสตร์ Music Information Retrieval ซึ่งไม่ใช่แค่ความรู้สึกของผู้ฟังแล้ว แต่เทคโนโลยีจะวิเคราะห์อารมณ์เพลงออกมา โดยอ้างอิงจากการทดลองกับมนุษย์จริงๆนี่แหละ ซึ่งโมเดลในปัจจุบันยังคงไม่มีที่ดีที่สุดและก็คงยากที่จะบอกว่าโมเดลไหนคือดีที่สุด เพราะอารมณ์จากการฟังเพลงมันยากเหลือเกินที่จะนิยาม แต่ทุกโมเดลที่สร้างขึ้นมานั้นสามารถเปลี่ยนเป็น Playlist ให้ผู้ฟังได้ อย่างที่เห็นว่า Playlist อารมณ์เศร้า ก็มีเศร้าหลายแบบ อารมณ์สุขก็สุขหลายแบบ ยิ่งมีให้เลือกฟังมากผู้ฟังยิ่งชอบ ดังนั้นถึงจะไม่มีโมเดลที่ดีที่สุด แต่โมเดลที่มีประสิทธิภาพที่สุดตรงตามธีมของ Playlist และอารมณ์ของผู้ฟังในขณะนั้นๆ ต้องมีแน่นอน

ในปัจจุบันงานวิจัยด้าน Music Information Retrieval กำลังเติบโตขึ้นอย่างรวดเร็ว ตามกระแสของ Music Streaming นักวิจัยด้านนี้เริ่มเป็นที่ต้องการอย่างมากในต่างประเทศ มีงานประชุมวิชาการด้านนี้โดยเฉพาะตั้งแต่ ปี2000 หากใครอ่านมาถึงตรงนี้แล้วคิดว่าการที่วิทยาศาสตร์มากลืนกินความเป็นดนตรีนั่นไม่ถูกต้อง ก็คงต้องคิดใหม่เพราะงานวิจัยด้านนี้ เป็นตัวช่วยที่ดีในการวิเคราะห์แนวโน้มธุรกิจเพลงแน่นอน

ขอขอบคุณผู้อ่านทุกท่านที่สนใจในบทความนี้ หากท่านใดต้องการศึกษาต่อ นำสิ่งที่ผมบอกไปค้นหาต่อได้เลย และผู้อ่านจะเจออีกหลายคีย์เวิร์ดเลยครับ สุดท้ายนี้ขอทิ้งท้ายไว้ว่า

Spotify กลายเป็น Music Streaming ยอดนิยมที่สุดในโลกก็เพราะมีระบบ Playlist ที่โดนใจผู้ฟังที่สุดนี่แหละครับ

 

Cover photo by Vladimir Proskurovskiy On Unsplash

อ้างอิง

https://en.wikipedia.org/wiki/Music_information_retrieval

https://www.ismir.net/

https://www.youtube.com/watch?v=TjqtotTdlgY

https://transactions.ismir.net/

RELATED ARTICLE

Responsive image

รถไฟใต้ดินในโอซาก้า เปิดตัวประตูกั้นเข้าชานชาลาโดยใช้เทคโนโลยีจดจำใบหน้า

บริษัท Osaka Metro ได้ทำการเริ่มทดสอบระบบตรวจตั๋วอัตโนมัติที่ใช้เทคโนโลยีระบบจดจำใบหน้า โดยผู้ประกอบการรถไฟใต้ดินมีเป้าหมายที่จะนำเทคโนโลยีนี้ไปใช้กับสถานีทั้งหมดภายในปีงบประมาณ 20...

Responsive image

บริษัทในอังกฤษออกนโยบายให้พนักงานทำงานที่บ้านได้ ถ้าเกิดอาการ 'เมาค้าง'

The Audit Lab บริษัท ดิจิตอล เอเจนซี่ ของอังกฤษ ออกนโยบายให้พนักงานสามารถทำงานที่บ้านได้ หากพวกเขาเกิดอาการเมาค้าง...

Responsive image

ศึกษาจากรัฐบาลเกาหลี ทำอย่างไรถึงสร้าง Unicorn ได้มากถึง 11 ราย?

ศึกษา startup ecosystem เกาหลี ทำอย่างไรถึงสร้าง Unicorn ได้มากถึง 11 ราย?...