Vlog ของกลุ่ม A2

 Vlog ของกลุ่ม A2

  

แบบฟอร์มของนายสิทธิโชค บุญนารักษ์

 แบบฟอร์มของนายสิทธิโชค บุญนารักษ์

แบบทดสอบวิชาคอมพิวเตอร์ภาคเรียนที่1/2563

 

ฟอร์มของนายเสฏฐวุฒิ ไกรนรา ม.5/1 เลขที่ 14

 

covid-19

 

โควิด 19 คือ ??

COVID-19 คืออะไร

          โรค COVID-19 คือ โรคติดเชื้อจากไวรัสชนิดหนึ่ง ซึ่งพบการระบาดในช่วงปี 2019 ที่เมืองอู่ฮั่น ประเทศจีน โดยในตอนนั้นเราจะรู้จักกันโรคนี้ในชื่อว่า ไวรัสอู่ฮั่น ก่อนที่ภายหลังจะระบุเชื้อก่อโรคได้ว่าเป็นเชื้อในตระกูลโคโรนาไวรัส แต่เป็นสายพันธุ์ใหม่ที่ไม่เคยเกิดขึ้นมาก่อน ดังนั้น ทางองค์การอนามัยโลก จึงได้ตั้งชื่อโรคติดต่อชนิดนี้ใหม่อย่างเป็นทางการ โดยมีชื่อว่า COVID-19  เพื่อไม่ให้เกิดรอยมลทินกับพื้นที่ที่เกิดการระบาดของโรคด้วย

โคโรนาไวรัส สายพันธุ์ใหม่ มีชีวิตอยู่ได้นานแค่ไห

 ข้อมูลจาก ศ. นพ.ธีระรัฒน์ เหมะจุฑา เผยว่า เชื้อโคโรนาไวรัสจะมีชีวิตอยู่ได้ที่อุณหภูมิประมาณ 20-40 องศาเซลเซียส โดยสามารถอยู่บนพื้นผิวได้นานถึง 20 วัน ในสภาพอากาศเย็น และในสภาพอากาศร้อน เชื้อไวรัสจะอยู่ได้ 3-9 วัน

 COVID-19

 

โคโรนาไวรัส สายพันธุ์ใหม่ กลัวอะไร

          เชื้อไวรัสตัวนี้ไม่ทนความร้อน ดังนั้นแค่เจออุณหภูมิ 70 องศาเซลเซียส ก็ทำให้เชื้อตายได้ นอกจากนี้เชื้อไวรัสตัวนี้ยังจะตายได้ง่าย ๆ ด้วยแอลกอฮอล์ที่ความเข้มข้น 70% และการทำความสะอาดด้วยสบู่อย่างเหมาะสม กล่าวคือ ล้างมือด้วยสบู่เป็นระยะเวลา 15-30 วินาที รวมไปถึงสารลดแรงตึงผิวต่าง ๆ เช่น ผงซักฟอก สารฟอกขาว (Sodium hypochlorite) ที่ความเข้มข้น 0.1-0.5% โพวิโด ไอโอดีน 1% หรือไฮโดรเจน เปอร์ออกไซด์ 0.5-7.0% เป็นต้น สิ่งเหล่านี้แหละที่โคโรนาไวรัสจะไม่ทน เพราะไวรัสชนิดนี้มีไขมันหุ้มอยู่ด้านนอก ดังนั้น หากใช้สารลดแรงตึงผิวทำลายไขมันที่หุ้มอยู่ได้ ก็จะฆ่าไวรัสได้

5G/6G, IoT, AI

“5G ยังไม่ทันใช้ อะไรคือ 6G” สำรวจเครือข่ายแห่งอนาคตที่มี AI อยู่เบื้องหลัง

หลายคนคงตาเบิกโพลงและถามด้วยเสียงสองว่า “บ้าเหรอ? 5G ยังไม่ได้ใช้เลย 6G คืออะไรกัน?”

 

แต่นั้นคือสิ่งที่กำลังเกิดขึ้น เมื่อ 5G กำลังจะถูกทยอยนำมาใช้งานมากขึ้นเรื่อยๆ เริ่มต้นตั้งแต่ปีหน้าเป็นต้นไป เหล่าวิศวกรทั้งหลายก็หันมาให้ความสนใจกับขั้นต่อไปของเทคโนโลยีว่าจะออกมาในรูปแบบไหน

คงเป็นเรื่องยากที่จะโต้แย้งว่าเทคโนโลยีสื่อสารไร้สายได้เปลี่ยนวิถีการใช้ชีวิตของมนุษย์ ทั้งการโต้ตอบระหว่างมนุษย์ด้วยกันเองและมนุษย์กับโลกทั้งใบ เมื่อเทียบกับเทคโนโลยีอื่นๆ นี่อาจจะเป็นสิ่งเดียวที่เป็นตัวกำหนดวิถีชีวิตของยุคสมัยศตวรรษที่ 21

โดยเจ้าเทคโนโลยีล่าสุด 5G (ระบบสื่อสารไร้สายยุคที่ 5) นั้น ทั่วโลกเริ่มมีการทดสอบและลองใช้กันบ้างแล้ว (ในงานกีฬาโอลิมปิกฤดูหนาวที่เมืองพย็องชัง ประเทศเกาหลีใต้) ซึ่งก็นำมาสู่คำถามที่ว่าหลังจากนี้จะมีอะไรอีก? 6G จะเป็นแบบไหนกัน? แตกต่างกันยังไง? มีอะไรที่สามารถทำเพิ่มขึ้นมาได้บ้างจาก 5G? 

คำตอบอาจจะยังไม่ชัดเจนเท่าไหร่นัก แต่ก็มีบางอย่างที่พอเป็นเค้าลางให้เห็นว่ามันน่าจะออกมาในรูปแบบไหน เรื่องนี้ต้องขอบคุณผลงานของ Razvan-Andrei Stoica และ Giuseppe Abreu ที่มหาวิทยาลัย Jacobs University Bremen ประเทศเยอรมนี ทั้งสองคนได้นำเอาข้อจำกัดของเทคโนโลยี 5G มาชำแหละและดูว่ามีปัจจัยไหนที่สามารถเป็นตัวขับเคลื่อนให้พัฒนาเทคโนโลยีสื่อสารไร้สาย และ 6G น่าจะเป็นผู้อยู่เบื้องหลังแอพพลิเคชั่นต่างๆ ที่ใช้เทคโนโลยี AI 

ก่อนอื่นต้องปูทางเกี่ยวกับ 5G สักหน่อย อย่างแรกเลยที่ต้องบอกก็คือว่า 5G นั้นพัฒนามาไกลกว่ามาตรฐานของ 4G ที่เราใช้อยู่ตอนนี้เป็นอย่างมาก อย่างแรกคือเรื่องความเร็ว ซึ่งเร็วกว่า 4G อย่างที่เรียกว่าเทียบกันไม่เห็นฝุ่น โดย 5G จะมีความเร็วประมาณ 20Gbps เทียบกับ 4G แล้วจะเร็วกว่า 100-200 เท่า! (4G อยู่ที่ 10-20 Mbps) ถ้าเปรียบเทียบเป็นภาพยนตร์ HD สักเรื่องบน 4G ถ้าไปอยู่บน 5G ก็จะดูหนังแบบ 8K ได้ประมาณ 400 เรื่องในเวลาเดียวกัน และนั้นอาจจะฟังดูน่าทึ่งแล้วในระดับหนึ่ง แต่ยังไม่จบเท่านั้น สิ่งที่ทำให้ 5G นั้นน่าสนใจอีกอย่างคือ Low Latency Rate หรือความไวในการตอบสนองของข้อมูล สามารถสั่งงานควบคุมสิ่งต่างๆ ได้อย่างรวดเร็ว หรือเรียกว่าแทบจะทันที จากตอน 4G เฉลี่ยใช้งานจริงจะอยู่ราว 100-200ms แต่เมื่อเป็น 5G จะลดลงไปถึง 100 เท่า เหลือน้อยกว่า 1ms ทางทฤษฎี

อธิบายให้เข้าใจง่ายขึ้นก็คือทุกอย่างที่อยู่บน 5G

จะสามารถตอบสนองได้แบบ real-time

คุณสามารถที่จะตอบสนอง พูดคุย สั่งงาน ทุกสิ่งที่คุณเชื่อมต่อด้วย

กับคนอื่นๆ แบบไม่มีดีเลย์เลย

สมมติว่าตอนนี้เราใช้เครือข่าย 5G บนสมาร์ตโฟนอยู่ อย่างแรกที่เราจะเห็นได้ชัดๆ เลยคือเรื่องความเร็วที่จะมาช่วยเพื่มอรรถรสในการเสพมีเดียแบบความคมชัดสูง Netflix หรือ YouTube กดเล่นปุ๊บจะไม่มีวงกลมหมุนๆ ที่ต้องรอคอยอีกต่อไป ทุกอย่างจะเป็น HD ทั้งภาพและเสียง สำหรับเหล่าเกมเมอร์สามารถนั่งเล่นเกมส์ออนไลน์ที่เชื่อมต่อกับผู้เล่นมากมายบนโลกใบนี้ด้วย VR Headset หรือ Smartphone แบบ Real-time ไม่มีการกระตุก ไม่มีหน่วง

นอกจากเรื่องความบันเทิงแล้วก็ยังมีเรื่องอุปกรณ์ที่เชื่อมต่อกับอินเตอร์เน็ตทั้งหลายที่จะได้ประโยชน์ ลองคิดถึงหุ่นยนต์ที่ใช้ในการทำการผ่าตัด อุปกรณ์เหล่านี้สามารถถูกควบคุมโดยนายแพทย์อันดับหนึ่งของโลกจากบ้านของตัวเองในอเมริกา โดยมีผู้ช่วยที่กำลังเดินทางอยู่เมืองไทย และการผ่าตัดเกิดขึ้นที่แอฟริกา หรือแม้กระทั่งการทำการเกษตรแบบระบบอัตโนมัติ โดรนที่คอยตรวจตราอยู่บนอากาศคอยพ่นปุ๋ยและยากำจัดศัตรูพืช หุ่นยนต์บนพื้นดินคอยเก็บตัวอย่างดินและปุ๋ยไปวิเคราะห์ หุ่นยนต์ที่เก็บเกี่ยวผลผลิตเมื่อถึงเวลา นี่คือเรื่องของความเป็นความตายและเทคโนโลยีเหล่านี้จะเข้ามาช่วยทำให้ชีวิตของคนบนโลกนี้ดีขึ้น

อีกประเด็นหนึ่งที่คนมักลืมพูดถึงกันเพราะไปจดจ่อเพียงแค่ความเร็วก็คือเรื่องการรองรับผู้ใช้งานที่เพิ่มมากขึ้นในพื้นที่เท่าเดิม เพราะ 5G นั้นมีเสาสัญญาณขนาดเล็ก เนื่องจากมีคลื่นความถี่ที่สั้นกว่า 4G จึงทำให้ต้องมีเสาสัญญาณติดอยู่ทั่วบริเวณ (5G ใช้เทคโนโลยีที่เรียกว่า Millimeter Waves ที่ความถี่สูงและความยาวคลื่นสั้นกว่า 4G ซึ่งปัญหาใหญ่ของมันก็คือมันส่งสัญญาณไปไม่ได้ไกลเท่าไหร่ ในคลื่นของ 4G เราอาจจะห่างจากเสาสัญญาณได้ไกลเกือบ 10 กิโลเมตร ส่วน 5G ไกลสุดได้แค่ประมาณ 300 เมตรเท่านั้น แถมยังผ่านผนังไม่ได้และถ้าอากาศไม่ดีฝนตกก็สัญญาณหายได้เช่นกัน

เพราะฉะนั้นทางแก้ไขปัญหานี้ก็คือการสร้างจุดรับส่งสัญญาณขนาดเล็กที่มีเต็มไปหมดทุกแห่งในพื้นที่) โดยการมีจุดรับส่งสัญญาณมากมายแบบนี้นำมาซึ่งประโยชน์อีกอย่างหนึ่งของ 5G ก็คือสามารถรองรับอุปกรณ์ได้มากขึ้นในขนาดพื้นที่เดียวกัน เมื่อเทียบกับ 4G เพิ่มขึ้น 10 เท่าจากที่สามารถรับคนได้ราว 1 แสนคนต่อพื้นที่ 1 ตร.กม. กลายเป็น 1 ล้านคนต่อพื้นที่ 1 ตร.กม. ซึ่งจะเป็นประโยชน์มากในกรณีที่คนมารวมตัวกันเยอะๆ อย่างงานแข่งขันกีฬาระดับโลก การประชุมขนาดใหญ่ ฯลฯ และนำไปสู่การใช้งานในหลายรูปแบบของอุปกรณ์ Internet of things (IoT) อีกด้วย

แล้ว 6G จะดีกว่ายังไงล่ะ?

ในด้านหนึ่งที่แน่นอนเลยก็คือเรื่องความเร็ว

ซึ่งในตอนนี้มีการคาดการณ์ว่าจะอยู่ที่ราวๆ 1 terabit/second

หรือประมาณ 100 เท่าของ 5G

แต่ข้อมูลอะไรที่กันที่จะสามารถได้รับผลประโยชน์จากสิ่งนี้ จากคำอธิบายของ Stocia และ Abreu พวกเขาบอกว่ามันจะทำให้เหล่า AI นั้นเชื่อมโยงหากันและช่วยกันแก้ไขปัญหาระดับที่ซับซ้อนในทันที ยกตัวอย่างเช่นการขับเคลื่อนรถยนต์ไร้คนขับในเมืองขนาดใหญ่ที่ต้องมีการเชื่อมโยงกันและส่งต่อข้อมูลถึงกันอย่างมหาศาลระหว่างสมองกลที่เกี่ยวข้องในวินาทีนั้น คิดถึงรถยนต์จำนวนเกือบสามล้านคันที่เข้าออกเมืองหลวงอย่างนิวยอร์กทุกวัน นี่จะเป็นปัญหาที่ได้รับการแก้ไขโดยสมองกลที่สื่อสารกันตลอดทุกวินาที

รถยนต์ไร้คนขับคันหนึ่งที่ถูกขับเคลื่อนด้วย AI จะคอยส่งรับส่งสัญญาณจากสิ่งรอบข้างและตอบสนองตามความจำเป็น ตำแหน่งที่ตั้งของรถยนต์จะถูกส่งออกไปสู่พื้นที่โดยรอบ เสาไฟฟ้า พื้นถนน ไฟจราจร ทุกอย่างจะมี AI อยู่ในนั้นเพื่อคอยถ่ายทอดข้อมูลถึงกัน รถจักรยานที่ปั่นบนถนน มอเตอร์ไซค์ ปลอกคอน้องหมา นาฬิกาข้อมือของคนวิ่งออกกำลังกาย ฯลฯ AI เหล่านี้จะคอยบอกว่าให้ระวังอะไร เลี้ยวไปทางไหน ต้องเลี่ยงเส้นทางไหนเพื่อจะให้ถึงปลายทางเร็วที่สุด

สิ่งเหล่านี้ล้วนใช้พลังในการคำนวณอย่างหนักหน่วง สมองกลในรถยนต์แต่ละคันต้องสร้างเครือข่ายกับสิ่งต่างๆ โดยรอบอยู่ตลอดเวลา เมื่อผ่านจุดหนึ่งไปก็ต้องไปสร้างเครือข่ายใหม่เรื่อยๆ จนกว่าจะถึงเป้าหมาย 

Stoica และ Abreu กล่าวว่า

“การที่จะแก้ไขปัญหาที่กระจายตัวในการเชื่อมโยงกัน การสื่อสารด้วยข้อมูลจำนวนมากจะเป็นสิ่งจำเป็น ปริมาณของข้อมูลขนาดใหญ่และความรวดเร็วในการตอบสนองที่มากกว่า 5G จะขาดไม่ได้เลย”

แน่นอนว่านี่เป็นเพียงตัวอย่างเล็กน้อยที่ 6G น่าจะเป็นประโยชน์และสร้างความเปลี่ยนแปลงให้กับสังคม มีความท้าทายอีกหลายอย่างที่สามารถแก้ไขได้ด้วยวิธีที่คล้ายคลึงกันอย่างเช่น การตรวจสอบตลาดและวางแผนการเงิน การตรวจเช็คข้อมูลสุขภาพของคนไข้ การตอบสนองและคาดเดาถึงเหตุการณ์ที่เกิดขึ้นแบบ real-time ซึ่งสิ่งเหล่านี้ล้วนเป็นความก้าวหน้าที่ไม่เคยมีใครคาดเดาว่าจะสามารถทำได้มาก่อน

แต่กว่าจะถึงตอนนั้น (น่าจะสักช่วง 2030 เพราะแต่ละ generation ใช้เวลาประมาณ 10 ปี) ยังมีอะไรอีกมากมายที่จะต้องเกิดขึ้น 6G ยังคงห่างไกลและภาพยังเลือนลาง คงต้องใช้เวลาอีกสักพักกว่าทุกอย่างจะลงตัวและสรุปออกมาให้ทุกคนได้รับรู้ แต่ถ้า Stoica และ Abreu เกิดคาดการณ์ถูกต้องขึ้นมา สมองกลจะกลายเป็นสิ่งที่จำเป็นต่อการพัฒนาโลกของเราต่อไปข้างหน้า เทคโนโลยี AI จะเป็นผู้ที่อยู่เบื้องหลังและกำหนดทิศทางของสิ่งอื่นๆ ที่จะเกิดขึ้นรวมถึง 6G ด้วย

 

เมื่อเราสามารถดึงเอาความสามารถของสมองกลเหล่านี้ที่อยู่ในอุปกรณ์ต่างๆ มาร่วมมือกันแล้ว สิ่งที่เราจะได้คือกุญแจสู่อนาคต และโดยธรรมชาติของสังคมอนาคตไม่มีทางหยุดนิ่ง หนทางเดียวที่สิ่งเหล่านี้จะร่วมมือกันได้ก็คือผ่านเครือข่ายไร้สายที่รวดเร็วตลอดเวลานั่นแหละ

ทำความรู้จักกับ Internet of Things

 

Internet of Things หรือ IoT คืออะไร

 

Internet of Things (IoT) คือ การที่อุปกรณ์อิเล็กทรอนิกส์ต่างๆ สามารถเชื่อมโยงหรือส่งข้อมูลถึงกันได้ด้วยอินเทอร์เน็ต โดยไม่ต้องป้อนข้อมูล การเชื่อมโยงนี้ง่ายจนทำให้เราสามารถสั่งการควบคุมการใช้งานอุปกรณ์อิเล็กทรอนิกส์ต่างๆ ผ่านทางเครือข่ายอินเตอร์เน็ตได้ ไปจนถึงการเชื่อมโยงการใช้งานอุปกรณ์อิเล็กทรอนิกส์ต่างๆ ผ่านทางเครือข่ายอินเตอร์เน็ตเข้ากับการใช้งานอื่นๆ จนเกิดเป็นบรรดา Smart ต่างๆ ได้แก่ Smart Device, Smart Grid, Smart Home, Smart Network, Smart Intelligent Transportation ทั้งหลายที่เราเคยได้ยินนั่นเอง ซึ่งแตกต่างจากในอดีตที่อุปกรณ์อิเล็กทรอนิกส์เป็นเพียงสื่อกลางในการส่งและแสดงข้อมูลเท่านั้น

 

กล่าวได้ว่า Internet of Things นี้ได้แก่การเชื่อมโยงของอุปกรณ์อัจฉริยะทั้งหลายผ่านอินเทอร์เน็ตที่เรานึกออก เช่น แอปพลิเคชัน แว่นตากูเกิลกลาส รองเท้าวิ่งที่สามารถเชื่อมต่อข้อมูลการวิ่ง ทั้งความเร็ว ระยะทาง สถานที่ และสถิติได้

 

นอกจากนั้น Cloud Storage หรือ บริการรับฝากไฟล์และประมวลผลข้อมูลของคุณผ่านทางออนไลน์ หรือเราเรียกอีกอย่างว่า แหล่งเก็บข้อมูลบนก้อนเมฆ เป็นอีกสิ่งหนึ่งที่เราใช้งานบ่อยๆแต่ไม่รู้ว่าเป็นหนึ่งในรูปแบบของ Internet of Things สมัยนี้ผู้ใช้นิยมเก็บข้อมูลไว้ในก้อนเมฆมากขึ้น เนื่องจากมีข้อดีหลายประการ คือ ไม่ต้องกลัวข้อมูลสูญหายหรือถูกโจรกรรม ทั้งยังสามารถกำหนดให้เป็นแบบส่วนตัวหรือสาธารณะก็ได้ เข้าถึงข้อมูลได้ทุกที่ทุกเวลาด้วยอุปกรณ์อิเล็กทรอนิกส์ใดๆผ่านเครือข่ายอินเตอร์เน็ต แถมยังมีพื้นที่ใช้สอยมาก มีให้เลือกหลากหลาย ช่วยเราประหยัดค่าใช้จ่ายได้อีกด้วย เนื่องจากเราไม่ต้องเสียเงินซื้ออุปกรณ์จัดเก็บข้อมูล เช่น ฮาร์ดไดร์ฟ หรือ Flash drive ต่างๆ

 

แนวคิด Internet of Things

 

เดิมมาจาก Kevin Ashton บิดาแห่ง Internet of Things ในปี 1999 ในขณะที่ทำงานวิจัยอยู่ที่มหาวิทยาลัย Massachusetts Institute of Technology หรือ MIT เขาได้ถูกเชิญให้ไปบรรยายเรื่องนี้ให้กับบริษัท Procter & Gamble (P&G)  เขาได้นำเสนอโครงการที่ชื่อว่า  Auto-ID Center ต่อยอดมาจากเทคโนโลยี RFID ที่ในขณะนั้นถือเป็นมาตรฐานโลกสำหรับการจับสัญญาณเซ็นเซอร์ต่างๆ( RFID Sensors) ว่าตัวเซ็นเซอร์เหล่านั้นสามารถทำให้มันพูดคุยเชื่อมต่อกันได้ผ่านระบบ Auto-ID ของเขา โดยการบรรยายให้กับ P&G ในครั้งนั้น Kevin ก็ได้ใช้คำว่า Internet of Things ในสไลด์การบรรยายของเขาเป็นครั้งแรก โดย Kevin นิยามเอาไว้ตอนนั้นว่าอุปกรณ์อิเล็กทรอนิกส์ใดๆก็ตามที่สามารถสื่อสารกันได้ก็ถือเป็น “internet-like” หรือพูดง่ายๆก็คืออุปกรณ์อิเล็กทรอนิกส์ที่สื่อสารแบบเดียวกันกับระบบอินเตอร์เน็ตนั่นเอง โดยคำว่า “Things” ก็คือคำใช้แทนอุปกรณ์อิเล็กทรอนิกส์ต่างๆเหล่านั้น

ต่อมาในยุคหลังปี 2000 มีอุปกรณ์อิเล็กทรอนิกส์ถูกผลิตออกจัดจำหน่ายเป็นจำนวนมากทั่วโลก จึงเริ่มมีการใช้คำว่า Smart ซึ่งในที่นี้คือ Smart Device, Smart Grid, Smart Home, Smart Network, Smart Intelligent Transportation ต่างๆเหล่านี้ ล้วนถูกฝัง RFID Sensors เสมือนกับการเติม ID และสมอง ทำให้มันสามารถเชื่อมต่อกับโลกอินเตอร์เน็ตได้ ซึ่งการเชื่อมต่อเหล่านั้นเองก็เลยมาเป็นแนวคิดที่ว่าอุปกรณ์เหล่านั้นก็ย่อมสามารถสื่อสารกันได้ด้วยเช่นกัน โดยอาศัยตัว Sensor ในการสื่อสารถึงกัน นั่นแปลว่านอกจาก Smart Device ต่างๆจะเชื่อมต่ออินเตอร์เน็ตได้แล้ว ยังสามารถเชื่อมต่อไปยังอุปกรณ์ตัวอื่นได้ด้วย

 

Internet of Things และ Big Data สัมพันธ์กันอย่างไร

 

ปัจจุบัน Internet of Things สามารถตอบสนองความต้องการทางด้านการใช้งานของเราได้มากขึ้น สาเหตุเพราะอุปกรณ์อิเล็กทรอนิกส์ต่างๆมีราคาถูกลง ทำให้เกิดการใช้งานจริงมากขึ้น มีการค้นพบ Use Case ใหม่ๆในธุรกิจ ทำให้ผู้ผลิตได้เรียนรู้และคอยแก้โจทย์ เพื่อเพิ่มประสิทธิภาพให้ตรงใจผู้ใช้ ก่อให้เกิดนวัตกรรมใหม่ๆ ยิ่งไปกว่านั้น Internet of Things มีการเชื่อมโยงกันอย่างเป็นระบบ เราจึงเริ่มเห็นธุรกิจที่หันมาให้ความสนใจ Internet of Things ในแง่ที่มันสามารถช่วยแก้ปัญหาทางธุรกิจ ทางสังคม และช่วยแก้ไขปัญหาชีวิตประจำวันได้ โดยการนำเอาข้อมูลหรือ Big Data เข้ามาใช้ในการพัฒนาเพื่อตอบสนองความต้องการของแต่ละรูปแบบ ถึงตรงนี้แล้วคงจะสงสัยใช่มั้ยคะว่า Big data เกี่ยวข้องอย่างไรกับ Internet of Things

Big Data คือ ข้อมูลขนาดมหาศาลที่เกิดขึ้น ไม่มีโครงสร้างชัดเจน หนึ่งในตัวอย่างที่เราจะเห็นได้ง่ายคือข้อมูลจากยุคโซเชียล ผู้ใช้เป็นคนสร้างขึ้นมา ซึ่งนอกจากเนื้อหาในโลกออนไลน์แล้ว ยังมีข้อมูลอีกประเภทหนึ่งคือ   ข้อมูลจากอุปกรณ์ที่เราใช้หรือสวมใส่ เช่น สายรัดวัดชีพจรตอนออกกำลังกาย ตัวอย่างเช่น แบรนด์ไนกี้ตั้งโจทย์ขึ้นมาว่า เราจะรู้ได้อย่างไรว่าลูกค้าซื้อรองเท้าแล้วนำไปใส่วิ่งจริง แต่ตอนนี้พิสูจน์ได้แล้วเพราะว่าไนกี้ใช้ IoT กับสินค้าของเขา ยิ่งไปกว่านั้นตอนนี้ลูกค้าไม่ได้ผลิตข้อมูลที่นำไปสู่ Big Data จากการโพสต์ คอมเมนต์ กดไลค์ หรือแชร์เพียงอย่างเดียว แต่เกิดจากกิจกรรมในไลฟ์สไตล์ที่ธุรกิจหรือแบรนด์นำไปจับคู่กับสินค้า แล้วสร้างเป็นเนื้อหาที่โดนใจผู้รับสารขึ้นมา สิ่งสำคัญคือ ข้อมูลพวกนี้บอกว่ามีอะไรเกิดขึ้นได้อย่างเดียว สิ่งสำคัญกว่าคือ ธุรกิจ องค์กร และแบรนด์ต่างๆ จะเปลี่ยนข้อมูลพวกนี้เป็นประโยชน์ได้อย่างไร ทำอย่างไรข้อมูลจึงจะสามารถบอกได้ว่า ‘ทำไมสิ่งต่างๆเหล่านั้นถึงเกิดขึ้น’ จุดนี้จึงทำให้เรารู้จักความต้องการที่แท้จริงของผู้บริโภค (Consumer Insight) และรู้ว่าต้องทำอย่างไรให้ธุรกิจหรือบริการของเราจะมีประสิทธิภาพยิ่งขึ้น

 

ประโยชน์และความเสี่ยง

 

เทคโนโลยี Internet of Things มีประโยชน์ในหลายด้านทั้งเรื่องการเก็บข้อมูลที่แม่นยำและเป็นปัจจุบัน ช่วยลดต้นทุน แถมยังช่วยเพิ่มผลผลิตของพนักงานหรือผู้ใช้งานได้ แม้ว่าแนวโน้มของ IoT มีแต่จะเพิ่มขึ้นด้วยคุณาประโยชน์ตามที่ได้กล่าวมาแล้ว แต่ประโยชน์ใดๆนั้นก็มาพร้อมกับความเสี่ยง เพราะความท้าทายในการรักษาความปลอดภัยของเครือข่ายใหม่ที่เกิดขึ้นนั้น จะผลักดันให้ผู้เชี่ยวชาญมีการรับมือทางด้านความปลอดภัยมากขึ้น ในทางตรงกันข้ามแฮกเกอร์หรือผู้ไม่หวังดีก็ทำงานหนักเพื่อที่จะเข้าควบคุม โจมตีเครือข่าย หรือเรียกค่าไถ่ในช่องโหว่ที่ IoT มีอยู่ ฉะนั้นผู้เชี่ยวชาญด้านความปลอดภัยทาง IoT จึงจำเป็นต้องพัฒนามาตรการ และระบบรักษาความปลอดภัยไอทีควบคู่กันไป เพื่อให้ธุรกิจและการใช้งาน IoT สามารถขับเคลื่อนต่อไปได้

เห็นอย่างนี้แล้วในอีกด้านหนึ่ง เราลองคิดเล่นๆว่ายิ่งเกิดการเชื่อมต่อมากขึ้นเท่าไหร่ ก็ก่อให้เกิดสภาวะที่ส่งเสริมการพัฒนานวัตกรรมที่จะส่งผลให้มีโอกาสเติบทางเศรษฐกิจมากขึ้น ภาคธุรกิจและองค์กรจะตามคลื่นแห่งการเปลี่ยนแปลงนี้ได้ดีก็ต่อเมื่อมีระบบรองรับที่เหมาะสม มีประสิทธิภาพ ยิ่งถ้าประเทศไทยมี 5G เข้ามาใช้ร่วมด้วย ทุกอย่างคงเชื่อมต่อรวดเร็วพอๆกับการการใช้จิตสั่งเลยทีเดียว และสุดท้ายนำไปสู่ประโยชน์ที่ผู้บริโภคและเจ้าของธุรกิจจะได้รับทั้งสองฝ่าย จากข้อมูลที่ขับเคลื่อนด้วย IoT ช่วยให้ธุรกิจสามารถทำการตลาดให้ผลิตภัณฑ์ของตนกับลูกค้าที่คาดหวังได้ดียิ่งขึ้น เพราะการเชื่อมต่อของ Internet of Things ถือเป็นตัวกำหนดการเปลี่ยนแปลงของเศรษฐกิจในอนาคตได้ ในที่สุด Internet of Things ส่งผลต่อการค้าและการดำเนินชีวิตทั่วโลก และจะกลายเป็นสิ่งที่ทำให้เทคโนโลยีพัฒนาไปในปี 2018

 

ปัญญาประดิษฐ์ (AI : Artificial Intelligence) คืออะไร ???

 December 15th, 2018  nessessence  Artificial intelligence, Knowledge, Programming Knowledge

ปัญญาประดิษฐ์  (AI : Artificial Intelligence)  คือ

เครื่องจักร(machine) ที่มีฟังก์ชันทีมีความสามารถในการทำความเข้าใจ เรียนรู้องค์ความรู้ต่างๆ อาทิเช่น การรับรู้  การเรียนรู้ การให้เหตุผล และการแก้ปัญหาต่างๆ  เครื่องจักรที่มีความสามารถเหล่านี้ก็ถือว่าเป็น ปัญญาประดิษฐ์  (AI : Artificial Intelligence) นั่นเอง

เพราะฉะนั้นจึงสามารถกล่าวได้ว่า AI ถือกำเนิดขึ้นเมื่อเครื่องจักรมีความสามารถที่จะเรียนรู้นั่นเอง  ซึ่ง AI ก็ถูกแบ่งออกเป็นหลายระดับตามความสามารถหรือความฉลาด  โดยจะวัดจากความสามารถในการ ให้เหตุผล การพูด และทัศนคติของ AI ตัวนั้นๆ เมื่อเปรียบเทียบกับมนุษย์อย่างเราๆ

AI ถูกจำแนกเป็น 3 ระดับตามความสามารถหรือความฉลาดดังนี้

1 ) ปัญญาประดิษฐ์เชิงแคบ (Narrow AI ) หรือ ปัญญาประดิษฐ์แบบอ่อน (Weak AI) : คือ  AI ที่มีความสามารถเฉพาะทางได้ดีกว่ามนุษย์(เป็นที่มาของคำว่า Narrow(แคบ) ก็คือ AI ที่เก่งในเรื่องเเคบๆหรือเรื่องเฉพาะทางนั่นเอง)  อาทิ เช่น AI ที่ช่วยในการผ่าตัด(AI-assisted robotic surgery)  ที่อาจจะเชี่ยวชาญเรื่องการผ่าตัดกว่าคุณหมอยุคปัจจุบัน  แต่แน่นอนว่า AIตัวนี้ไม่สามารถที่จะทำอาหาร ร้องเพลง หรือทำสิ่งอื่นที่นอกเหนือจากการผ่าตัดได้นั่นเอง  ซึ่งผลงานวิจัยด้าน AI ณ ปัจจุบัน ยังอยู่ที่ระดับนี้

2 ) ปัญญาประดิษฐ์ทั่วไป (General AI )  : คือ AI ที่มีความสามารถระดับเดียวกับมนุษย์ สามารถทำทุกๆอย่างที่มนุษย์ทำได้และได้ประสิทธิภาพที่ใกล้เคียงกับมนุษย์

3) ปัญญาประดิษฐ์แบบเข้ม (Strong AI ) : คือ AI ที่มีความสามารถเหนือมนุษย์ในหลายๆด้าน

จะเห็นได้ว่าวิทยาการของมนุษย์ปัจจุบันอยู่ที่จุดเริ่มต้นของ AI เพียงเท่านั้น

ปัจจุบัน ได้มีการนำ AI มาใช้ในอุตสาหกรรมจำนวนมาก  โดย "แมคคินซีย์แอนด์คอมปะนี (McKinsey & Company) "  (บริษัทที่ปรึกษาด้านการบริหารชั้นนำของโลก  )  ได้กล่าวไว้ว่า " AI มีศักยภาพในการทำเงินได้ถึง 600 ล้านดอลล่าร์สหรัฐในการขายปลีก  สร้างรายได้มากขึ้น 50 เปอร์เซนต์ในการธนาคารเมื่อเทียบกับการใช้เทคนิควิเคราะห์เเบบอื่นๆ  และสร้างรายได้มากกว่า 89 เปอร์เซนต์ ในการขนส่งและคมนาคม "

ยิ่งไปกว่านั้น หากฝ่ายการตลาดขององค์กรต่างๆ หันมาใช่ AI จะเป็นการเพิ่มศักยภาพให้กับการทำงานด้านการตลาดอย่างมาก เพราะว่า AI สามารถที่จะทำงานที่ซ้ำซากได้อย่างอัตโนมัติ ส่งผลให้ตัวแทนจำหน่าย สามารถที่จะโฟกัสไปที่การสนทนากับลูกค้า อาทิเช่น บริษัทนามว่า " Gong " มีบริการที่เรียกว่า "conversation intelligence"  , โดยทุกๆครั้งที่ตัวแทนจำหน่ายต่อสายคุยโทรศัพท์กับลูกค้า AIจะทำหน้าที่ในการบันทึกเสียงเเละวิเคราะห์ลูกค้าในขณะเดียวกัน มันสามารถแนะนำได้ว่าลูกค้าต้องการอะไร ควรจะคุยเเบบไหน ถือเป็นการซื้อใจลูกค้าอย่างหนึ่ง

     โดยสรุป , ปัญญาประดิษฐ์หรือ AI เป็นเทคโนโลยีที่ล้ำสมัยที่สามารถรับมือกับปัญหาที่ซับซ้อนเกินกว่าที่มนุษย์จะสามารถรับมือได้  เเละ AI ยังเป็นเครื่องมือที่สามารถทำงานที่ซ้ำซากน่าเบื่อแทนมนุษย์ได้อย่างดีเยี่ยม ช่วยให้เราสามารถมีเวลาไปโฟกัสงานที่สำคัญและสามารถสร้างมูลค่าได้มากกว่า นอกจากนี้การประยุกต์ใช้ AI ในระดับอุตสาหกรรม ยังช่วยลดต้นทุนเเละเพิ่มรายได้มหาศาล

ประวัติย่อของ AI

AI เป็นคำยอดฮิตที่ปัจจุบัน แม้ว่ามันไม่มันจะไม่ใช่คำที่เพิ่งถูกบัญญัติขึ้นมาใหม่แต่อย่างใด ในปี 1956 , กลุ่มของผู้เชี่ยวชาญแนวหน้าจากหลายๆวงการได้ร่วมกันทำงานวิจัยเกี่ยวกับ AI มีผู้นำทีมได้แก่ John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) และ Claude Shannon (Bell Telephone Laboratories) โดยมีจุดประสงค์หลักของงานวิจัย คือ  การค้นหามุมมองและหลักการต่างๆที่ใช้การเรียนรู้อย่างครอบคลุมเพื่อที่จะนำมาประยุกต์ใช้ให้เครื่องจักรสามารถเรียนรู้ได้เช่นกัน

โดยมีเนื้อหาของโครงการมีดังนี้

1.) คอมพิวเตอร์อัตโนมัติ (Automatic Computers)

2.) จะสามารถเขียนโปรเเกรมคอมพิวเตอร์โดยใช้ภาษาคอมพิวเตอร์ได้อย่างไร ( How Can a Computer Be Programmed to Use a Language?)

3.) โครงข่ายประสาทเทียม (Neural Nets )

4.) การพัฒนาด้วยตนเอง (Self-improvement )

องค์ความรู้เหล่านี้เป็นองค์ความรู้พื้นฐานที่ทำให้คอมพิวเตอร์มีความฉลาดมากขึ้น และยังทำให้ความคิดที่จะการสร้าง AI มีความเป็นไปได้มากยิ่งขึ้น

ชนิดของ AI (Type of Artificial Intelligence)                                                                                 AI ถูกแบ่งออกเป็น 3 sub field  ได้แก่

1) ปัญญาประดิษฐ์ (Artificial Intelligence)

2) การเรียนรู้ของเครื่อง (Machine learning)

3) การเรียนรู้เชิงลึก (Deep Learning)

Machine Learning  คือ ศาสตร์ของการศึกษา วิธีการคิด ( algorithm ) ที่ใช้ในการเรียนรู้ (learn) จากตัวอย่าง (example) และ ประสบการณ์ (experience)  โดยมีพื้นฐานมาจากหลักการที่เชื่อว่า ทุกสิ่งอย่างมีรูปแบบหรือแบบแผน ( pattern ) ที่สามารถบ่งบอกความเป็นไปของสิ่งนั้นๆ ซึ่งเราสามารถที่จะนำแบบแผนนี้ มาประยุกต์ใช้เพื่อทำการทำนายถึงความเป็นไปในอนาคตได้ ( prediction ) อาทิเช่น การใช้ machine learning ในการทำนายราคาหุ้นในอนาคต จากข้อมูลกราฟในอดีตและปัจจุบัน

Deep Learning

เป็นซับเซตของ Machine Learning  โดย Deep Learning นั้นไม่ได้หมายความว่า มันคือการทำความเข้าใจองค์ความรู้( knowledge)ในเชิงลึก แต่หมายถึงการที่เครื่องจักร(machine)ใช้หลายๆเลเยอร์(layer)ที่แตกต่างกัน ในการทำความเข้าใจหรือเรียนรู้ข้อมูล โดยความซับซ้อนของโมเดล(model) ก็แปรผันตามจำนวนของเลเยอร์(layer)   ยกตัวอย่างเช่น  บริษัทกูเกิล ใช้ LeNet model ในการวิเคราะห์และทำความเข้าใจภาพ (Image recognition)  โดยมีการใช้เลเยอร์ทั้งหมด 22 เลเยอร์  โดยใน Deep learning , จะมีเฟสของการเรียนรู้ ( learning phase )ที่ถูกสร้างขึ้นโดย Neural Network ซึ่งอาจเรียกได้ว่าเป็นสถาปัตยกรรมของ layer ที่แต่ละ layer ซ้อนทับกันอยู่ ( stack )

AI vs. Machine Learning

ในปัจจุบัน อุปกรณ์(device)ที่เราใช้ในชีวิตประจำวัน ไม่ว่าจะเป็นสมาร์ทโฟน หรือ เเม้กระทั้งอินเทอร์เน็ตก็มีการประยุกต์ใช้ AI  ในหลายครั้งๆ เวลาที่บริษัทใหญ่ๆจะประกาศให้โลกรับรู้ถึงนวัตกรรมใหม่สุดของพวกเขา พวกเขามักจะใช้คำว่า AI หรือ machine learning เสมือนว่ามันเป็นคำที่ใช้เเทนกันได้ แต่อันที่จริงเเล้ว AI กับ machine learning นั้นมีข้อแตกต่างกันบางประการ

" AI- artificial intelligence คือ วิทยาศาสตร์ของการฝึกฝน (train) เครื่องจักร (machine ) โดยมีจุดประสงค์เพื่อแก้ไขปัญหาของมนุษย์  "  ถูกนิยามเมื่อ 1950s  เมื่อเหล่านักวิทยาศาสตร์เริ่มให้ความสนใจกับปัญหาที่ว่า "คอมพิวเตอร์สามารถแก้ไขปัญหาด้วยตัวเองได้อย่างไร" (how computers could solve problems on their own.)

ถ้าจะให้อธิบายอย่างง่ายๆ  AI ก็คือ คอมพิวเตอร์ที่มีคุณสมบัติและความสามารถคล้ายมนุษย์อีกทั้งยังสามารถทำงานได้อย่างลงตัว (seamlessly) หรือ อาจเรียกได้ว่า AI ก็คือ วิทยาศาสตร์ของการเลียนแบบทักษะของมนุษย์

 Machine learning เป็นเพียงซับเซ็ตของ AI ที่จะเจาะจงไปที่การฝึกฝน(train)เครื่องจักร(machine) โดย machine ก็จะพยายามหารูปแบบ(pattern)ต่างๆของข้อมูล(input data )ที่ถูกใส่เข้ามาเพื่อในการ train , กล่าวโดยสรุป เราไม่จำเป็นต้องเขียนโปรแกรมหรือสร้าง modelขึ้นมาเอง สิ่งที่เราต้องทำก็ให้ข้อมูลหรือตัวอย่างกับตัว machine   เพราะว่า machine จะพยายามสร้าง model ที่ใช้วิเคราะห์ pattern ของข้อมูลที่ได้จากการ train โดยตัวของมันเอง ( เป็นที่มาของคำว่า machine learning นั่นเอง )

แล้ว AI ถูกใช้ที่ไหนบ้าง

ปัจจุบัน ได้มีการนำ AI มาประยุกต์ใช้อย่างกว้างขวาง  อาทิเช่น

การนำเอา AI ไปประยุกต์ใช้ในงานที่ซ้ำซ้อน ยกตัวอย่างเช่น AI ในกระบวนการผลิตต่างๆ  ซึ่งเป็นงานต้องใช้ความปราณีต เเละ ทำเหมือนเดิมตลอดเวลา(จนกว่าจะมีการเปลี่ยนแปลงกระบวนการผลิต ) การนำ AI มาประยุกต์ใช้จะช่วยเพิ่มผลผลิต เเละ ยังลดตวามผิดพลาดในการผลิต เพราะว่า AI  ไม่จำเป็นต้องพักและไม่มีความรู้สึกเหนื่อยล้าอีกทั้งยังไม่มีความรู้สึกเบื่อหน่ายต่องานที่ทำ

การนำเอา AI มาพัฒนาผลิตภัณฑ์(product)ที่มีอยู่แล้ว ก่อนจะถึงยุคของ machine learning , product มักจะอยู่ในรูปแบบของโค้ดเเต่เพียงอย่างเดียว อยากได้อะไร มีฟังก์ชันเเบบไหน ก็ต้องลงมือทำขึ้นมาเองทั้งสิ้น ( hard-code rule ) . ลองนึกถึง facebook สมัยก่อน ที่เวลาเราอัพโหลดรูปภาพ เราต้องเสียเวลามานั่งแท็กเพื่อนทีละคนๆ แต่ปัจจุบัน facebook มี AI ที่ช่วยในการแท็กรูปได้อย่างอัตโนมัติ

ปัจจุบัน AI ได้ถูกนำมาประยุกต์ใช้ในเกือบทุกอุตสาหกรรม ตั้งแต่ระดับการตลาด(marketing) ไปถึงระดับห่วงโซ่อุปทาน(supply chain ) , การเงิน (finance ) , การกระบวนการทำอาหาร (food-processing sector )  จากผลสำรวจของบริษัท McKinsey  พบว่า การให้บริการให้การเงิน (financial services ) และการสื่อสารด้วยเทคโนโลยีล้ำสมัย ( high tech communication ) เป็นด้านที่มีการใช้ AI เป็นระดับแนวหน้า เมื่อเทียบกับด้านอื่นๆ

ทำไม AI ถึงเป็นเทรนด์ที่มาแรงในปัจจุบัน

neural network เป็องค์ความรู้ที่เกิดขึ้นตั้งเเต่ปี 1990s จากผลงานวิจัยของคุณ Yann LeCun  แต่อย่างไรก็ตาม neural network ก็เพิ่งมาเป็นที่นิยมเมื่อปี 2012    ทำไมถึงเป็นเช่นนั้น ? เราจะอธิบายให้ฟังถึง 3 ปัจจัย ดังต่อไปนี้

1 ) Hardware

2) Data

3) Algorithm

Machine learning นั้นก็เป็นศาสตร์แห่งการทดลองและลงมือทำศาสตร์ เราจำเป็นต้องหาข้อมูลและวิธีการต่างๆจำนวนมากเพื่อมาทำการ train  หลังจากที่กระแสการใช้งานอินเทอร์เน็ตถูกแผร่หลาย ข้อมูลต่างๆก็สามารถเข้าถึงได้ง่ายขึ้น นอกจากนี้เรื่อง CPU หรือ GPU ที่ใช้ในการประมวลผลก็สำคัญในการใช้ train และ test model ต่างๆ ซึ่งปัจจุบันก็มี GPU gaming  ที่มีเสปคที่สูง วางขายอยู่ตามร้านค้าทั่วไปอีกต่างหาก เช่น GPU gaming ของ NVIDIA และ AMD

Hardware

ตลอด 20 ปีที่ผ่านมา , CPU ของเราสามารถ train  deep-learning model ที่เป็น model ขนาดเล็กๆผ่านlaptop ก็จริง แต่อย่างไรก็ตาม มันไม่เพียงพอต่อการประมวลผลของ deep-learning model  ที่ใช้สำหรับ computer vision หรือ deep learning  ซึ่งต้องยกความดีความชอบแก่ผู้ผลิต GPU อย่าง NVIDIA และ AMD ที่สร้าง GPU รุ่นใหม่ที่สามารถทำการคำนวณหรือประมวลผลแบบคูขนานได้ ( parallel computation ) ซึ่งสามารถช่วยในการยกระดับความเร็วในการประมวลผลอย่างมาก

ตัวอย่างเช่น NVIDIA TITAN X  ใช้เวลาเพียง 2 วันในการ train model " ImageNet " ซึ่ง CPU แบบดั่งเดิมใช้เวลาถึงหลายสัปดาห์  , นอกเหนือจากนี้ บริษัทใหญ่ๆหลายบริษัทเลือกที่จะใช้ cluster of GPU ในการ train deep learning  model โดยใช้เป็น NVIDIA Tesla K80 เพราะว่าจะช่วยลดต้นทุนในการดูแลรักษาศูนย์ข้อมูล (data center ) อีกทั้งยังได้ประสิทธิภาพที่ดียิ่งขึ้น

Data

ถ้าเปรียบ neural network เป็นรถยนต์ (model นั้นๆ)   ข้อมูล(data) ก็เปรียบเสมือนน้ำมันของ model ที่สามารถทำให้มันขับเคลื่อนได้ ปราศจากน้ำมัน (data) รถยนต์ (model )ก็ไม่สามารถทำอะไรได้เลย ปัจจุบัน เทคโนโลยีใหม่ๆได้ทำลายขีดจำกัดของการเก็บข้อมูลแบบเดิมๆ เราไม่จำเป็นต้องเก็บข้อมูลขนาดใหญ่ๆไว้ที่ data center อีกต่อไป

การปฎิวัติอินเทอร์เน็ต (internet revolution ) ทำให้สามารถที่จะเก็บและแจกจ่ายข้อมูลแหล่งข้อมูลมากมายเพื่อนำข้อมูลมาเข้า machine learning algorithm , ถ้าคุณมีประสบการณ์กับแอพลิเคชันที่เกี่ยวข้องกับการจัดการรูปภาพอย่าง Flickr หรือ Instagram  คุณคงจะได้เห็นศักยภาพของ AI มาบ้าง เพราะว่า แอพพลิเคชันเหล่านี้ต้องจัดการกับการรูปภาพที่สามารถแท็กได้เป็นหลายๆล้านรูป ซึ่งรูปๆเหล่านี้ก็สามารถถูกนำมาใช้ในการ train model  เพื่อทำการรับรู้และแยกแยะ  (recognize) วัตถุต่างๆบนรูป ปราศจากการนำข้อมูลมาจัดเก็บก่อนแบบ

การผสมผสานระหว่าง AI และ  ข้อมูลที่ดี (data) ก็เปรียบเสมือนทองคำดีๆนี่เอง เพราะว่า AI เป็นวิธีการใช้ข้อมูลได้อย่างตอบโจทย์ผู้คนได้มากที่สุด แต่ไม่ว่าบริษัทไหนก็สามารถจะมีเทคโนโลยี หรือ AI ที่ความสามารถทัดเทียมกันได้ (เทคโนโลยีเป็นสิ่งที่สามารถซื้อได้) เพราะฉะนั้นเเล้ว ข้อมูลจึงเป็นตัวแปรสำคัญมากๆ เพราะฉะนั้น บริษัทหรือองค์กรที่มีข้อมูลที่เป็นประโยชน์มากกว่าย่อมกุมความได้เปรียบ

เชื่อไหมครับว่า ข้อมูลถูกสร้างขึ้นใหม่โดยเฉลี่ยประมาณ 2.2 exabytes หรือ  2.2ล้าน gigabytes  ในแต่ละวัน  จึงไม่แปลกที่เหล่าบริษัททั้งหลายจะแสวงหาแหล่งข้อมูเหล่านี้มาใช้ให้เกิดประโยชน์  ( นำข้อมูลมา train model เพื่อหา pattern เพื่อ predict เรื่องนั้นๆ )

Algorithm

ถึงแม้ว่า  hardware จะมีประสิทธิภาพดีกว่าเดิมหลายเท่าตัว และข้อมูลก็สามารถเข้าถึงได้ง่าย , อย่างไรก็ตาม machine learning algorithm ก็ยังเป็นสิ่งที่ต้องให้ความสำคัญอย่างมาก ทำไมถึงเป็นเช่นนั้น ? ลองภาพนึกถึง กระบวนการคิดหรือ algorithm ที่ผิดตั้งแต่การใช้ตรรกะ หรือ algorithm ที่ทำงานเเบบซ้ำซ้อนจนเกินไป ต่อให้เรามีข้อมูลหรือ hardware ที่ทรงพลังมากแค่ไหน ก็คงสร้าง model ที่มีความแม่นยำสูงๆไม่ได้ , โดย algorithm ของ neural network ที่ถูกพัฒนาให้แม่นยำมากยิ่งขึ้นนี่แหละเป็นหนึ่งในเหตุผลที่ทำให้ neural network ได้รับการยอมรับ โดย neural network แบบดั่งเดิมนั้นเป็นเพียง algorithm ที่ถูกสร้างจากการคูณ matrix แบบง่ายๆ

ยกตัวอย่าง algorithm ที่มีการใช้ใน AI อย่างแพร่หลายในปัจจุบัน เช่น progressive learning algorithm เป็น algorithm ที่ทำให้คอมพิวเตอร์เรียนรู้อยู่ตลอดเวลา ซึ่งจะช่วยในการรับมือกับปัญหาต่างๆได้อย่างดี เช่น การหาข้อผิดพลาดของระบบ และ การสร้าง chatbot ที่สามารถโต้ตอบกับเราได้ราวกับว่าคุยกับคนจริงๆ  (เพราะมันเรียนรู้วิธีการโต้ตอบมาจากผู้คนที่เคย chat กับมันในอดีต )

สรุป

Artificial intelligence กับ machine learning เป็น 2 คำที่ทำให้คุณอาจสับสนได้ในตอนแรก แต่เราคาดหวังว่าเมื่อคุณได้ทำความเข้าใจเนื่้อหาของบทความ คุณจะสามารถแยกแยะ 2 คำนี้ออกจากกันได้  Artificial intelligence (AI) เป็นวิทยาศาสตร์ในการฝึกฝนเครื่องจักร( train machine )ให้มีทักษะคล้ายคลึงกับมนุษย์ โดยวิธีในการ train machine ก็มีอยู่หลากหลายวิธีการเช่นกัน ในยุคเริ่มต้นของ AI เราใช้วิธีการที่เรียกว่า hard-coded programs หรือ การเขียนโค้ดที่เป็นตรรกะทุกสิ่งอย่างที่คาดว่า machine จะเผชิญกับมัน (ให้ลองนึกภาพถึงหุ่นยนต์ที่ถูกเขียนโปรแกรมมาด้วยการใช้ if-else condition เป็นหลักพัน condition แน่นอนว่าหุ่นยนต์อาจจะสามารถทำงานได้อย่างดีภายใต้คำสั่งนั้นๆ เเต่เมื่อ ระบบมีความซับซ้อนมากขึ้น หรือ เราอยากจะเพิ่มเติมฟังก์ชันไหน ถึงตอนนั้นเราจะสามารถทำได้อย่างยากลำบาก เพราะต้องจัดการกับโค้ดจำนวนมาก ) เพื่อที่จะแก้ปัญหานี้ จึงเกิดเป็นไอเดียของ machine learning หรือก็คือให้ machine เรียนรู้หรือปรับตัว (train) ให้เข้ากับข้อมูลหรือสภาพแวดล้อมที่ได้รับ (input data ) และ feature ที่สำคัญที่สุดที่จะนำมาซึ่ง AI ที่มีประสิทธิภาพ คือการมีข้อมูลที่เพียงพ่อต่อการ train ยกตัวอย่างเช่น AI สามารถเรียนรู้ได้หลากหลายภาษาตราบใดที่มีคำศัพท์ที่เพียงพอที่จะนำมา train

นอกจากนี้ AI ยังเป็นเทคโนโลยีที่ล้ำสมัยที่มีนักลงทุนจำนวนมากยอมที่จะเสี่ยงวางเงินหลักหลายล้านดอลลาร์ในการลงทุนใน startup หรือ project ที่เกี่ยวข้องกับ AI อีกทั้ง McKinsey  ได้ทำการประเมินว่า AI จะทำการขับเคลื่อนทุกๆอุตสาหกรรมให้เติบโตในอัตรา 10 - 99 เปอร์เซนต์ เป็นอย่างน้อย

PRACTICAL AI DEVELOPMENT BOOTCAMP
จะช่วยเปิดมุมมองพัฒนาการของเทคโนโลยีและงานวิจัยที่เกี่ยวข้องกับ AI
ให้แก่ผู้เรียนในหลายๆแง่มุม พร้อมทั้งให้ผู้เรียนได้ฝึกพัฒนา AI เพื่อใช้งานได้จริง
รายละเอียดเพิ่มเติมและสมัครที่นี่
หลักสูตรยาว 12 ครั้ง รวมเวลากว่า 72 ชั่วโมง จบมาทำงานได้จริง
ราคาคุ้มค่าที่สุด ตอนนี้มี promotion มา 2 คนลดเพิ่ม 10% 3 คนลดเพิ่ม 15%
สามารถขอ code ส่วนลดได้ที่ page LEAN upskill

อ้างอิงข้อมูลจาก

www.techinasia.com

www.technologyreview.com

www.networkworld.com