งานวิจัยล่าสุด อ้างว่า แพลตฟอร์มสตรีมมิ่งสามารถใช้ AI เพื่อโปรโมตเพลงยอดนิยม และทำนายว่าเพลงใดจะดัง
Artificial intelligence is capable of writing novels explaining each word of your favourite song, but it has yet to answer a vital question: is it a banger?
AI สแกนสมองของคุณ เพื่อหาเพลงฮิตเพลงต่อไป ได้หรือไม่?
ด้วยการใช้แมชชีนเลิร์นนิง (ML) การสแกนสมอง เพื่อจัดเพลย์ลิสต์เพลงที่จะฮิต งานวิจัยใหม่ที่ศึกษาโดย Claremont Graduate University อ้างว่าสามารถใช้ AI เพื่อระบุเพลงฮิตหรือทำนายอันดับเพลงฮิตในอนาคตได้ด้วยความแม่นยำ 97%
การวิจัยซึ่งตีพิมพ์ใน Frontiers in Artificial Intelligence เกี่ยวข้องกับผู้เข้าร่วม 33 คน ที่มีอายุระหว่าง 18 ถึง 57 ปี ซึ่งติดตั้งเซ็นเซอร์ตรวจจับคลื่นสมอง และบันทึกการเก็บข้อมูลจากการทดลองฟังเพลงหนึ่งชั่วโมง ในช่วงหกเดือนที่ผ่านมา
Professor Paul Zak ผู้เขียนอาวุโสของการศึกษากล่าวว่า สัญญาณสมองที่รวบรวมได้ “สะท้อนกิจกรรมของเครือข่ายสมองที่เกี่ยวข้องกับอารมณ์และระดับพลังงาน” และข้อมูลสามารถใช้เพื่อทำนายผลลัพธ์ของตลาดและจำนวนการสตรีมเพลงหนึ่งเพลง
จากนั้น แบบจำลอง ML ได้รับการฝึกฝนให้แปลข้อมูลการสแกนสมองเป็นผลลัพธ์เชิงพาณิชย์ในโลกแห่งความเป็นจริง ท้ายที่สุดแล้ว ผลการศึกษาพบว่า การคาดการณ์ที่มีความแม่นยำ 97% เทียบกับ 67% เมื่อแบบจำลองทางสถิติที่ไม่ใช่ AI ใช้ข้อมูลเดียวกัน
Zak บอกว่าเมื่อโมเดลสมบูรณ์แบบแล้ว แพลตฟอร์มสตรีมมิ่งสามารถใช้โมเดลนั้น เพื่อโฆษณาเพลงใหม่ที่มีแนวโน้มว่าผู้ฟังจะมีความนิยม
“นั่นหมายความว่าบริการสตรีมสามารถระบุเพลงใหม่ที่น่าจะฮิตสำหรับเพลย์ลิสต์ของผู้คนได้อย่างมีประสิทธิภาพมากขึ้น ทำให้งานของบริการสตรีมง่ายขึ้นและทำให้ผู้ฟังเพลิดเพลิน”
Albert Bifet ผู้อำนวยการสถาบันปัญญาประดิษฐ์แห่งมหาวิทยาลัย Waikato รู้สึกประทับใจกับการค้นพบนี้ แต่กล่าวว่าจำเป็นต้องมีการวิจัยเพิ่มเติม (Source: Albert Bifet)
‘เราต้องระวังที่จะด่วนสรุป’ – ผู้เชี่ยวชาญของนิวซีแลนด์
แม้ว่า Zak จะรับทราบถึงข้อจำกัดของการศึกษา เช่น รายชื่อเพลงสั้นๆ และกลุ่มชาติพันธุ์ที่ขาดหายไป แต่ผู้เชี่ยวชาญด้าน AI ในนิวซีแลนด์ระบุว่าจำเป็นต้องดำเนินการมากกว่านี้เพื่อให้การวิจัยเป็นรูปธรรม
Albert Bifet ผู้อำนวยการสถาบันปัญญาประดิษฐ์แห่งมหาวิทยาลัย Waikato บอกว่า กลุ่มตัวอย่างที่เล็กของการศึกษา ทำให้การค้นพบนี้ ยังไม่น่าเชื่อถือ
“มันน่าสนใจมากและฟังดูน่าประทับใจมาก ดังนั้นนี่คือเหตุผลที่ผมคิดว่าเราต้องรอดูว่าผลลัพธ์จะสามารถทำซ้ำได้หรือไม่” เขากล่าว
“จากงานวิจัย กลุ่มตัวอย่างผู้ฟังเพลงมีจำนวนไม่มากนัก ฉันจึงอยากรู้ว่าจะเกิดอะไรขึ้น เมื่อเราศึกษากลุ่มตัวอย่างขนาดใหญ่ ฉันคิดว่าเราต้องระวังที่จะสรุปผล”
Bifet ตั้งข้อสังเกตว่าการศึกษาใช้ “การคาดการณ์ทางประสาท (neuroforecasting)” ซึ่งเป็นวิธีการรวบรวมข้อมูลที่กิจกรรมของระบบประสาทจากคนกลุ่มเล็ก ๆ ใช้เพื่อทำนายผลกระทบในระดับประชากร โดยแย้งว่าจำเป็นต้องมีข้อมูลจำนวนมากมากขึ้น – ในรูปแบบของผู้เข้าร่วมฝึกฝนโมเดล AI
“แมชชีนเลิร์นนิงจะทำงาน ก็ต่อเมื่อมันใช้งานได้เมื่อสามารถใช้ข้อมูลจำนวนมากได้”
“ฉันไม่ได้บอกว่า [การศึกษา] ไม่เป็นข้อเท็จจริง แต่น่าสงสัยว่าพวกเขาทำสิ่งนี้โดยไม่มีข้อมูลมากนัก ฉันอยากเห็นการทดลองจำลองและดูว่าผลการวิจัยนั้นยั่งยืนหรือไม่”
ในแง่ของรูปแบบที่พยายามคาดเดาสิ่งที่ผู้ฟังต้องการได้ยิน และหากมันกลายเป็นเรื่องธรรมดาบนแพลตฟอร์มสตรีมมิ่ง Bifet มองว่าประเด็นดังกล่าวเป็นเรื่องการเมืองมากกว่าเรื่องจริยธรรม
โดยเฉพาะอย่างยิ่งในสถานการณ์ที่มีการเปิดเผยข้อมูลที่รวบรวมได้ และศิลปินสามารถสร้างเสียงที่อัลกอริทึมคิดว่าจะได้รับความนิยม
“แต่ละประเทศจะมีกฎที่แตกต่างกัน สิ่งที่ถูกกฎหมายภายใต้กฎหมายลิขสิทธิ์ในประเทศหนึ่งจะแตกต่างกันในอีกประเทศหนึ่ง” เขากล่าว
“มันขึ้นอยู่กับว่า [AI] ได้รับอนุญาตให้ทำอะไรและอะไรไม่ได้รับอนุญาตให้ทำ… [แต่] หากโมเดลใช้งานได้ มันจะเปลี่ยนแปลงหลายสิ่งหลายอย่าง”
Elton Noyer หรือที่รู้จักกันในชื่อ Scizzorhands กังวลเกี่ยวกับการใช้ AI ทำนายความนิยมของเพลง แต่เห็นว่าเทคโนโลยีสามารถช่วยเหลือผู้ฟัง ที่มีรสนิยมเฉพาะกลุ่ม (ที่มา: Elton Noyer/Scizzorhands)
ภัยคุกคามต่อความคิดสร้างสรรค์ในอุตสาหกรรมดนตรี
Elton Noyer โปรดิวเซอร์เพลงและวิศวกรในโอ๊คแลนด์ซึ่งรู้จักกันดีในชื่อดีเจของเขานามแฝงว่า Scizzorhands
Noyer กังวลกับการวิจัย โดยมองว่ามันเป็นภัยคุกคามต่อความคิดสร้างสรรค์ในอุตสาหกรรมดนตรี แต่เขาก็ยังเห็นว่ามันส่งเสริมเสียงอันเดอร์กราวด์ขึ้นอยู่กับวิธีการควบคุมเทคโนโลยี
เขาตั้งคำถามว่า banger-predicting AI จะสามารถทำนาย “เพลงฮิตที่คาดไม่ถึง (unexpected hits)” ซึ่งแตกต่างจากเพลงยอดนิยมอื่น ๆ ได้อย่างไร โดยใช้ตัวอย่างเพลง Royals ที่ประสบความสำเร็จในปี 2013 ของ Lorde เป็นตัวอย่าง
“มันแตกต่างกับทุกสิ่งที่อยู่รอบ ๆ ในช่วงเวลานั้นมาก … ความคิดของฉันคือการทำนายสิ่งต่าง ๆ เหล่านั้นแม่นยำเพียงใด คุณรู้ไหม การระเบิดที่ไม่คาดคิดของสิ่งต่าง ๆ ที่แตกต่างจากสิ่งอื่น ๆ ” เขาครุ่นคิด
Noyer ยังกล่าวถึง A Tribe Called Quest ซึ่งเป็นกลุ่มฮิปฮอปที่มีชื่อเสียงในยุค 90 ซึ่งเขาทำเพลงจากเพลงที่ไม่นิยม ไม่มีใครสนใจแล้ว
เขาเชื่อว่าเพลงยอดนิยมมีวิวัฒนาการตั้งแต่นั้นมาและตอนนี้ถือเป็นเพลงฮิตที่ได้รับความนิยมสูงสุดในช่วงเวลาสั้นๆ และจับกระแสความนิยมในช่วงเวลานั้น ซึ่งเป็นปรากฏการณ์ที่เขากังวลว่า AI จะยิ่งทำให้รุนแรงขึ้น
“ถ้าคุณพยายามทำเพลง ด้วยเหตุผลที่ ต้องการให้เป็นที่นิยม [อัลกอริทึมนี้] จะทำให้เพลงเลียนแบบกันมากขึ้น ใช้จังหวะกลองที่เป็นที่นิยม ใช้เมโลดี้ที่เป็นที่นิยม
“เราปรับเปลี่ยนไปตามกาลเวลา และไม่เพียงแค่ไล่ล่าอะไรก็ตาม ที่เป็นที่นิยมในขณะนี้ ด้วย AI เราจะเห็นอะไรอีกมาก”
อย่างไรก็ตาม หากใช้อย่าง “ถูกต้อง” Noyer สามารถเห็นอัลกอริทึมที่ใช้เพื่อสนับสนุนผู้ฟังที่มีรสนิยมเฉพาะกลุ่มมากขึ้นและมีความนิยมน้อยกว่า
“ในขณะนี้ สิ่งที่ [การศึกษา] พูดโดยทั่วไปคือพวกเขากำลังพยายามค้นหาว่าเพลงฮิตใดที่ฮิตที่สุดสำหรับผู้คนในวงกว้าง” เขากล่าว
“แต่หากพวกเขาสามารถใช้เทคโนโลยีเดียวกันนั้นเพื่อเข้าถึงคนแบบเดียวกับผมมากขึ้น ซึ่งไม่นิยมเพลงป๊อปเช่นนี้ มันอาจจะดีสำหรับการค้นพบสิ่งใหม่ๆ
“หากพวกเขาใช้เทคโนโลยีเดียวกันนั้นและทำการสแกนสมองกับผู้คนที่ไม่ใช่ผู้ฟังทั่วไป คงจะน่าสนใจกว่านี้หากเห็นว่าผลลัพธ์จะเป็นอย่างไร”
หากในที่สุดแพลตฟอร์มการสตรีมก็หันมาใช้อัลกอริทึมที่เน้น AI เป็นหลัก Noyer หวังเป็นอย่างยิ่งว่า Noyer จะพิจารณามากกว่าแค่เพลงที่ขายดี และไม่ขัดขวางผู้ฟังจากการขยายขอบเขตทางดนตรีของพวกเขา