อนาคตของ Machine Learning As-A-Service (MLaaS)

แมชชีนเลิร์นนิงในฐานะบริการ (MLaaS) เป็นเทคโนโลยีที่เกิดขึ้นใหม่ซึ่งประกอบด้วยการพัฒนาแอปพลิเคชันที่ใช้การเรียนรู้ของเครื่อง การพัฒนาบริการ MLaaS โดยทั่วไปประกอบด้วยสามขั้นตอนหลัก ในการเริ่มต้น องค์กรจำเป็นต้องพัฒนาอัลกอริธึมการเรียนรู้ของเครื่องและฝึกอบรมพวกเขาด้วยข้อมูลการฝึกอบรมที่เหมาะสม จากนั้นจึงปรับใช้อัลกอริทึมเหล่านี้กับโครงสร้างพื้นฐานระบบคลาวด์ที่คุ้มค่าใช้จ่าย โดยสามารถทำงานพร้อมกันบนโหนดจำนวนมากและใช้พลังการประมวลผลของผู้ให้บริการระบบคลาวด์

Machine Learning as a Service (MLaaS) คือการใช้เทคโนโลยีการเรียนรู้ของเครื่องตามความต้องการ ช่วยให้องค์กรนำไปใช้และปรับขนาดโมเดลการเรียนรู้ของเครื่องได้อย่างมีประสิทธิภาพและคุ้มค่า

เมื่อการเรียนรู้ของเครื่องเร็วขึ้น ความต้องการโซลูชัน MLaaS ก็จะเพิ่มขึ้นตามไปด้วย

ตามรายงานของ prnewswire.com ภายในปี 2030 ขนาดตลาดของแมชชีนเลิร์นนิงคาดว่าจะเติบโต 39.8% ต่อปีในช่วง 10 ปีข้างหน้า โดยเริ่มจากตัวเลขที่มีแนวโน้มว่าจะมีส่วนแบ่งการตลาดมูลค่า 2.2 พันล้านดอลลาร์สหรัฐในปี 2564

แมชชีนเลิร์นนิงถูกใช้ในหลายอุตสาหกรรม เนื่องจากช่วยให้ธุรกิจได้เปรียบในการแข่งขันโดยการปรับปรุงประสิทธิภาพและตอบสนองต่อความต้องการของลูกค้าได้ดียิ่งขึ้น ในความเป็นจริง เมื่อบริษัทต่างๆ เริ่มรับรู้ถึงศักยภาพ ความพร้อมใช้งานจะเพิ่มขึ้นเมื่อเวลาผ่านไป

ตลาดสำหรับแมชชีนเลิร์นนิงในฐานะบริการ (MLaaS) คาดว่าจะทรงตัวตลอดระยะเวลาคาดการณ์ อย่างไรก็ตาม อัตราการยอมรับเทคโนโลยีนี้ในหมู่ผู้บริโภคคาดว่าจะเพิ่มขึ้น บริษัทต่างๆ กำลังใช้เทคโนโลยีนี้เนื่องจากมีประโยชน์มากมาย เช่น ประสิทธิภาพที่เพิ่มขึ้น ต้นทุนที่ลดลง และการมีส่วนร่วมของลูกค้าที่ดีขึ้น

เหตุใด Machine Learning as-a-Service (MLaaS) จึงแพร่หลายมาก

แมชชีนเลิร์นนิงเป็นบริการ (MLaaS) เป็นที่นิยมในปัจจุบัน โดยบริษัทต่างๆ เช่น Amazon Web Services, Microsoft Azure และ Google Cloud Platform เสนอบริการ MLaaS อย่างไรก็ตาม MLaaS ไม่ใช่เรื่องใหม่ มันมีมาระยะหนึ่งแล้วและยังคงพัฒนาต่อไปอย่างน่าประทับใจ การใช้โมเดลแมชชีนเลิร์นนิงในอุตสาหกรรมต่างๆ มีการเติบโตอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา การเติบโตอย่างรวดเร็วนี้เป็นผลมาจากความก้าวหน้าทางเทคโนโลยี ซึ่งรวมถึงความพร้อมใช้งานของข้อมูลที่เพิ่มขึ้นและพลังการประมวลผล ควบคู่ไปกับอัลกอริธึมการเรียนรู้ของเครื่องอันทรงพลังที่พร้อมใช้งานผ่านแพ็คเกจซอฟต์แวร์โอเพ่นซอร์สหรือโซลูชันระบบคลาวด์

ตัวอย่างเช่น จากผู้ให้บริการระบบคลาวด์ทั้งหมด AWS ได้เพิ่มความสามารถใหม่ๆ ให้กับ Amazon SageMaker อย่างต่อเนื่องตั้งแต่เปิดตัว คุณสมบัติเพิ่มเติมรวมถึง Amazon SageMaker Ground Truth ซึ่งช่วยให้นักพัฒนาสร้างชุดข้อมูลการฝึกอบรมที่มีคำอธิบายประกอบที่มีความแม่นยำสูง Amazon SageMaker เป็นบริการแมชชีนเลิร์นนิงบนคลาวด์ที่ช่วยให้ผู้ใช้สร้างชุดข้อมูลการฝึกอบรมที่มีคำอธิบายประกอบที่มีความแม่นยำสูงโดยการอ่านข้อความของเนื้อหาเว็บ

ในอดีต แมชชีนเลิร์นนิงได้ถูกนำมาใช้เป็นโซลูชันที่พัฒนาขึ้นอย่างเต็มรูปแบบเป็นหลัก อย่างไรก็ตาม ความก้าวหน้าทำให้อุตสาหกรรมเริ่มใช้ซอฟต์แวร์เป็นโซลูชันบริการ (Saas) ได้

สำรวจภูมิทัศน์ทั่วโลกของการเรียนรู้ด้วยเครื่องเป็นบริการ (MLaaS)

Machine Learning as-a-service เป็นเทรนด์ใหม่ที่ได้รับความนิยมอย่างรวดเร็วในอุตสาหกรรม MLaaS มอบสภาพแวดล้อมที่นักพัฒนามืออาชีพ นักวิทยาศาสตร์ข้อมูล และนักวิเคราะห์สามารถใช้แอปพลิเคชันการเรียนรู้ของเครื่องตามต้องการ โดยใช้ความพยายามและการลงทุนเพียงเล็กน้อย

แมชชีนเลิร์นนิงเป็นสาขาที่กว้างขวางและเติบโตอย่างรวดเร็ว ซึ่งสามารถใช้ได้กับหลากหลายแอปพลิเคชัน สามารถใช้สำหรับการตัดสินใจ การประมวลผลข้อมูลแบบเรียลไทม์ การจัดการข้อมูล และการเรียนรู้ของเครื่อง Machine Learning as-a-service (MLaaS) หมายถึงการใช้ ML เพื่อสร้างบริการอัตโนมัติที่พร้อมใช้งานบนอินเทอร์เน็ต การเพิ่มจำนวนขึ้นของ MLaaS และความสามารถในการปรับขยายได้นั้นเกิดจากปัจจัยภายใน เช่น ความพร้อมใช้งานของข้อมูลและทรัพยากรการคำนวณที่มีอยู่ พร้อมกับข้อเท็จจริงที่ว่าอินเทอร์เน็ตได้กลายเป็นแพลตฟอร์มที่จำเป็นสำหรับการใช้บริการ MLaaS

เมื่อ MLaaS ได้รับความนิยมมากขึ้นในแนวดิ่งต่างๆ เราจึงสำรวจขอบเขตของ Machine Learning As-A-Service (MLaaS) สิ่งที่ผลักดันความต้องการ MLaaS ทั่วโลกในช่วงที่ผ่านมา และอะไรคือช่องโหว่ที่สำคัญสำหรับการนำไปใช้

1. ผู้เล่นคลาวด์เกิดใหม่ได้นำไปสู่การเน้นย้ำของตลาด MLaaS

แมชชีนเลิร์นนิงเป็นบริการ (MLaaS) เป็นที่นิยมในปัจจุบัน โดยบริษัทต่างๆ เช่น Amazon Web Services, Microsoft Azure และ Google Cloud Platform เสนอบริการ MLaaS อย่างไรก็ตาม MLaaS ไม่ใช่เรื่องใหม่ มันมีมาระยะหนึ่งแล้วและยังคงพัฒนาต่อไปอย่างน่าประทับใจ การใช้โมเดลแมชชีนเลิร์นนิงในอุตสาหกรรมต่างๆ มีการเติบโตอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา การเติบโตอย่างรวดเร็วนี้เป็นผลมาจากความก้าวหน้าทางเทคโนโลยี ซึ่งรวมถึงความพร้อมใช้งานของข้อมูลที่เพิ่มขึ้นและพลังการประมวลผล ควบคู่ไปกับอัลกอริธึมการเรียนรู้ของเครื่องอันทรงพลังที่พร้อมใช้งานผ่านแพ็คเกจซอฟต์แวร์โอเพ่นซอร์สหรือโซลูชันระบบคลาวด์

ตัวอย่างเช่น จากผู้ให้บริการระบบคลาวด์ทั้งหมด AWS ได้เพิ่มความสามารถใหม่ๆ ให้กับ Amazon SageMaker อย่างต่อเนื่องตั้งแต่เปิดตัว คุณสมบัติเพิ่มเติมรวมถึง Amazon SageMaker Ground Truth ซึ่งช่วยให้นักพัฒนาสร้างชุดข้อมูลการฝึกอบรมที่มีคำอธิบายประกอบที่มีความแม่นยำสูง Amazon SageMaker เป็นบริการแมชชีนเลิร์นนิงบนคลาวด์ที่ช่วยให้ผู้ใช้สร้างชุดข้อมูลการฝึกอบรมที่มีคำอธิบายประกอบที่มีความแม่นยำสูงโดยการอ่านข้อความของเนื้อหาเว็บ

ในอดีต แมชชีนเลิร์นนิงได้ถูกนำมาใช้เป็นโซลูชันที่พัฒนาขึ้นอย่างเต็มรูปแบบเป็นหลัก อย่างไรก็ตาม ความก้าวหน้าทำให้อุตสาหกรรมเริ่มใช้ซอฟต์แวร์เป็นโซลูชันบริการ (SaaS) ได้

2.   โควิด-19 ได้ขยายขอบเขต การเรียนรู้ของแมชชีนเลิร์นนิงเป็นบริการ (MLaaS) Dominion

การต่อสู้กับโควิด-19 ทำให้การใช้แมชชีนเลิร์นนิงเป็นบริการ (MLaaS) เพิ่มขึ้นอย่างทวีคูณ ซึ่งกำลังเปลี่ยนแปลงวิธีการจัดการการระบาดของไวรัสทั่วโลก ผลกระทบจากโควิด-19 ได้สัมผัสไปทั่วโลก มันทำให้เกิดความปั่นป่วนครั้งใหญ่ในระบบเศรษฐกิจ และบริษัทเอกชนต่างพยายามสร้างโซลูชั่นใหม่ๆ เพื่อรับมือกับความท้าทายที่เกิดจากโควิด-19 แมชชีนเลิร์นนิงได้ให้ความช่วยเหลืออย่างมากในการจัดหาโซลูชั่นสำหรับความท้าทายดังกล่าว

แมชชีนเลิร์นนิงช่วยตรวจจับและติดตามโรคโควิด-19 ได้อย่างมีประสิทธิภาพ ด้วยการเปิดตัวการค้นหา Cordova-19 ใครๆ ก็สามารถเข้าถึงโลกทั้งใบของเอกสารการวิจัยบนโทรศัพท์ของตนได้ ฐานข้อมูลขับเคลื่อนโดย ML และสามารถเข้าถึงได้ผ่านการสืบค้นภาษาธรรมชาติ

Machine Learning as-a-Service (MLaaS) เป็นบริการคลาวด์ที่ช่วยให้ผู้คนในอุตสาหกรรมต่างๆ ทำการวิเคราะห์และคาดการณ์ข้อมูลแบบเรียลไทม์ MLaaS ยังมอบวิธีใหม่ๆ ในการโต้ตอบกับชุดข้อมูลเดียวกันโดยใช้เทคนิคการสร้างแบบจำลองขั้นสูง เช่น การเรียนรู้เชิงลึก โครงข่ายประสาทเทียม และการเรียนรู้ภายใต้การดูแล

3. การขยายตัวของ IoT และการทำงานอัตโนมัติได้กระตุ้นความต้องการ Machine Learning-as-a-Service

การขยายตัวของ IoT และการทำงานอัตโนมัติทำให้เกิดความต้องการ MLaaS การวิเคราะห์ข้อมูลที่ซับซ้อนสามารถประหยัดเงินให้กับองค์กร IoT ได้เป็นจำนวนมาก องค์กรสมัยใหม่อาศัยข้อมูลในการจัดการธุรกิจ แต่เมื่อรวบรวมข้อมูลแล้ว จะต้องได้รับการวิเคราะห์เพื่อเพิ่มประสิทธิภาพกระบวนการภายในองค์กร หากการดำเนินงาน IoT ไม่ได้รับการจัดการอย่างเหมาะสม ผลกระทบอาจเป็นหายนะได้ องค์กรต่างๆ ต้องสูญเสียเงินหลายล้านดอลลาร์เนื่องจากกระบวนการทางธุรกิจที่ผิดพลาด แมชชีนเลิร์นนิงสามารถใช้ในการปรับปรุงประสิทธิภาพการดำเนินงานโดยคาดการณ์ผลลัพธ์ของกระบวนการ ปรับปรุงคุณภาพการผลิตและความพึงพอใจของลูกค้า ทำให้เวิร์กโฟลว์เป็นอัตโนมัติ และปรับปรุงความปลอดภัย

การเรียนรู้ของเครื่องเป็นมากกว่าคำศัพท์ในโลกข้อมูลองค์กรในขณะนี้ มันได้กลายเป็นทางเลือกที่มีเทคโนโลยีสูงสำหรับโครงการ ETL ที่เน้นแรงงานและการสร้างแบบจำลองข้อมูล เนื่องจาก ML สามารถดึงรูปแบบที่ซ่อนอยู่จากข้อมูลปริมาณมหาศาลได้อย่างรวดเร็ว นอกจากนี้ แมชชีนเลิร์นนิงยังช่วยให้ตัดสินใจได้ง่ายขึ้นกว่าเดิมด้วยการแทรกแซงของมนุษย์น้อยลง

แอปพลิเคชันที่ใหญ่ที่สุดของการเรียนรู้ด้วยเครื่องเป็นบริการคาดว่าจะเป็นส่วนหนึ่งของการตลาดและการโฆษณา

คาดว่าการประยุกต์ใช้แมชชีนเลิร์นนิงจะเป็นส่วนที่ใหญ่ที่สุดในตลาด โดยเฉพาะอย่างยิ่งในด้านการตลาดและการโฆษณา การใช้อัลกอริธึม ML ยังช่วยนักการตลาดในการแบ่งกลุ่มลูกค้าและการกำหนดเป้าหมายที่ดีขึ้นโดยอิงจากข้อมูลในอดีตและการตั้งค่าที่ผู้ซื้อที่มีศักยภาพแสดงผ่านช่องทางการตลาดและการโฆษณาที่หลากหลาย

องค์กรการตลาดมีโอกาสที่จะวางแผนล่วงหน้าข้อความที่เหมาะสมสำหรับผู้บริโภคที่เหมาะสม และให้พื้นที่เพียงเล็กน้อยสำหรับการปรับตัวที่เรียนรู้ผ่านแคมเปญของพวกเขาเมื่อครบกำหนด

แมชชีนเลิร์นนิง (ML) ได้รับการพิสูจน์แล้วว่าเป็นเครื่องมือที่ประสบความสำเร็จมากที่สุดในอุตสาหกรรมการตลาดและการโฆษณา เปิดโอกาสให้บริษัทการตลาดทำการตัดสินใจที่สำคัญและรวดเร็วโดยอิงจากข้อมูลขนาดใหญ่ การใช้ Machine-learning as-a-service (MLaaS) ช่วยให้องค์กรการตลาดตอบสนองต่อการเปลี่ยนแปลงคุณภาพของการรับส่งข้อมูลที่เกิดจากแคมเปญโฆษณาได้เร็วขึ้น

การสำรวจโซลูชัน – ความกังวลเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูลยังคงเป็นข้อจำกัดหลักในการปรับใช้แบบจำลอง MLaaS

การใช้แมชชีนเลิร์นนิงเป็นบริการ (MLaaS) ทำให้เกิดความท้าทายสำหรับเจ้าของข้อมูลและเจ้าของแพลตฟอร์ม เจ้าของข้อมูลมีความกังวลเกี่ยวกับความเป็นส่วนตัวและความปลอดภัยของข้อมูลบนแพลตฟอร์ม MLaaS ในทางตรงกันข้าม เจ้าของแพลตฟอร์ม MLaaS กังวลว่าโมเดลของพวกเขาอาจถูกขโมยโดยฝ่ายตรงข้ามที่แอบอ้างเป็นลูกค้า

การใช้ MLaaS ช่วยให้เจ้าของโมเดล ML สามารถใช้ประโยชน์จากแพลตฟอร์ม ML ที่เจ้าของข้อมูลเป็นเจ้าของได้ อย่างไรก็ตาม ผู้ให้บริการโมเดล AI เหล่านี้จำเป็นต้องจัดเตรียมข้อตกลงในการไม่เปิดเผยข้อมูลหรือปฏิบัติตามโปรโตคอลอื่นๆ เพื่อให้มั่นใจในความเป็นส่วนตัวและความปลอดภัยของแบบจำลองของตน

ทั้งสองฝ่ายที่ดำเนินการและจัดหา MLaaS จำเป็นต้องพัฒนาอย่างเข้มงวดเพื่อแก้ปัญหาการขโมยแบบจำลองและความเป็นส่วนตัวของข้อมูล แนวคิดหลักคือการมีทั้งเจ้าของแพลตฟอร์ม MLaaS และเจ้าของโมเดลทำงานร่วมกันเพื่อสร้างกลไกความน่าเชื่อถือในสภาพแวดล้อม MLaaS ด้วยวิธีนี้ ทั้งสองฝ่ายจะได้รับประโยชน์จากการซื้อขายข้อมูลของตน จากนั้นเรานำเสนอสถาปัตยกรรมที่เกี่ยวข้องสามแบบ: โมเดลความปลอดภัยที่ช่วยให้ผู้ใช้ MLaaS สามารถแลกเปลี่ยนข้อมูลที่ละเอียดอ่อนโดยไม่ต้องเปิดเผย โมเดลที่เปิดใช้งานความเป็นส่วนตัวที่ช่วยให้ลูกค้าสามารถรักษาความเป็นส่วนตัวเมื่อให้ข้อมูลโมเดลของพวกเขา และโซลูชันการตรวจสอบที่รวบรวมข้อมูลจากนักแสดงหลักเกี่ยวกับวิธีที่ผู้ใช้โต้ตอบกันในสภาพแวดล้อม MLaaS

คำพูดสุดท้าย

ตลาด Machine Learning-as-a-service (MLaaS) คาดว่าจะเติบโตอย่างทวีคูณในทศวรรษหน้า ทั้งนี้เนื่องมาจากความสามารถในการเข้าถึงโมเดลจำนวนมากที่มีความแม่นยำสูง ซึ่งสามารถปรับใช้ในลักษณะที่ไม่ยุ่งยาก ผู้ใช้สามารถเข้าถึงบริการได้ด้วยต้นทุนที่ต่ำ เมื่อเทียบกับการจ้างบุคลากรเพื่อรวบรวมข้อมูล ฝึกอบรมโมเดล แล้วปรับใช้

นักการตลาดทั่วโลกสามารถใช้ Machine Learning-as-a-Service (MLaaS) เพื่อระบุที่มาของข้อมูล ฝึกโมเดล และปรับใช้ในระบบคลาวด์ ในสถานการณ์เช่นนี้ เราสามารถประหยัดเงินได้มากโดยการจ้างพนักงานเพียงครั้งเดียวแล้วใช้บริการแทนการจ้างซ้ำแล้วซ้ำอีกในหลายขั้นตอน

MLaaS ได้รับความนิยมเนื่องจากมีความสามารถในการปรับขนาด ประสิทธิภาพ และความถูกต้องสูง คุณสมบัติเหล่านี้รวมกับรูปแบบการกำหนดราคาที่แข่งขันได้ทำให้นักการตลาดทั่วโลกสามารถใช้บริการเพื่อประโยชน์ของตนได้ สามารถเข้าถึงข้อมูลแบบเรียลไทม์ได้ในราคาประหยัด พลังของอัลกอริธึมการเรียนรู้ของเครื่องสามารถใช้ประโยชน์ได้อย่างกว้างขวาง ดังนั้น ธุรกิจจึงได้รับประโยชน์จากการปรับปรุงผลิตภาพและประสิทธิภาพด้วยต้นทุนที่ต่ำลง

แม้ว่าตลาดจะยังเพิ่งเกิดขึ้นได้เท่าที่มีความกังวลในการรับเลี้ยงบุตรบุญธรรมเนื่องจากบริการเหล่านี้มีการปรับปรุง แต่ก็จะมีการนำมาใช้บ่อยขึ้นในอนาคตอันใกล้

วัตถุประสงค์หลักของการซื้อแมชชีนเลิร์นนิงในฐานะบริการคือการใช้บริการในลักษณะที่ไม่ยุ่งยาก ผู้ใช้สามารถเข้าถึงบริการได้ด้วยต้นทุนที่ต่ำ เมื่อเทียบกับการจ้างบุคลากรเพื่อรวบรวมข้อมูล ฝึกอบรมโมเดล แล้วปรับใช้

โดยสรุป เราสามารถสรุปได้ว่าแมชชีนเลิร์นนิงในฐานะบริการเป็นฟังก์ชันที่สำคัญสำหรับนักการตลาดในโลกที่เปลี่ยนแปลงตลอดเวลา ตลาดแมชชีนเลิร์นนิงในฐานะบริการนั้นมีความเข้มข้นเพียงเล็กน้อย โดยมีผู้เล่นระดับโลกเพียงไม่กี่รายที่ดำเนินงานในตลาด เช่น Microsoft Corporation, SAS Institute Inc., Fair Isaac Corporation (FICO), Google LLC, IBM Corporation, Hewlett Packard Enterprise Company, Yottamine Analytics LLC และ BigML Inc. ทุกบริษัทปฏิบัติตามกลยุทธ์ทางธุรกิจของตนเองเพื่อเพิ่มส่วนแบ่งการตลาดให้สูงสุด และบรรลุวัตถุประสงค์ทางธุรกิจหลักโดยใช้ประโยชน์จาก MLaaS

Valasys Media เป็นบริษัทเผยแพร่สื่อ B2B ที่ได้รับความนิยม โดยให้อำนาจแก่นักการตลาดด้วยข้อมูลความตั้งใจแบบเรียลไทม์เพื่อเพิ่มประสิทธิภาพการตลาดและความพยายามในการโฆษณา และให้บริการที่เปิดใช้งานข้อมูลทั้งหมดเพื่อเพิ่มผลกำไรทางธุรกิจสูงสุด

ผู้เขียน Bio

ปรียามีประสบการณ์ด้านการวิจัยตลาดประมาณ 7 ปี ปัจจุบัน เธอทำงานให้กับ Valasys Media ในตำแหน่ง Assistant Manager – Content Strategist ซึ่งเป็นหนึ่งในผู้เผยแพร่สื่อ B2B ชั้นนำทั่วโลก เธอได้เตรียมรายงานส่วนบุคคลหลายฉบับสำหรับลูกค้าของเรา & ได้ทำการวิจัยมากมายเกี่ยวกับการแบ่งส่วนตลาด การวิเคราะห์กลุ่มผู้ชม และวิธีการขาเข้า เธอเคยร่วมงานกับสถาบันของรัฐและองค์กรต่างๆ ในหลายโครงการ เธอมีความสนใจที่หลากหลายและเชื่อมั่นในแนวทางการแก้ปัญหาโดยใช้ข้อมูลเป็นหลัก เธอสำเร็จการศึกษาระดับปริญญาโทด้านวิทยาศาสตร์ และยังเขียนเกี่ยวกับทุกสิ่งที่เกี่ยวกับชีวิตอย่างกว้างขวาง นอกเหนือจากการตลาด วิทยาศาสตร์ วิทยาศาสตร์ข้อมูล และสถิติ เธอเชื่อมั่นในความจริงที่สูงขึ้น และชีวิตจะมีอะไรมากกว่าที่เราเข้าใจเสมอ เธอเป็นนักบำบัดทางจิตและผู้ฝึกไพ่ทาโรต์ที่เชื่อในวิถีชีวิตทางจิตวิญญาณและฝึกโยคะและการทำสมาธิ เมื่อไม่ได้เขียน คุณจะพบว่าเธอเพลิดเพลินกับเสียงเพลงหรือทำอาหาร