Artificial Intelligence is Already Here – สมองกลอยู่รอบตัวเรา

PIN

“Artificial Intelligence” หรือที่เราเรียกกันสั้นๆว่า “AI” นั้น มีความหมายในภาษาไทยว่า “ปัญญาประดิษฐ์” แปลตามพจนานุกรมคำศัพท์คอมพิวเตอร์ ว่า “แขนงการศึกษาทางวิทยาการคอมพิวเตอร์แขนงหนึ่งที่พยายามจะทำให้คอมพิวเตอร์สามารถคิดหาเหตุผลได้ เรียนรู้ได้ ทำงานได้เหมือนสมองมนุษย์” หรือที่เราเรียกกันว่า “สมองกล” นั้นอาจเป็นสิ่งที่หลายๆคนอาจจะเคยรู้จักจากภาพยนตร์อิงนวนิยายวิทยาศาสตร์อย่าง “I, Robot”, “A.I. Artificial Intelligence”, “Bicentennial Man”, หรือแม้กระทั่ง “Minority Report” และ “The Matrix”

เรื่องราวเหล่านี้สะท้อนทั้งความสนใจและความหวั่นกลัวของมนุษย์ที่มีต่อการพัฒนาคอมพิวเตอร์ให้มีความรู้สึกนึกคิดและการทำงานได้เหมือนกับมนุษย์ที่มีมานาน แต่ในขณะที่ “AI” ในเนื้อเรื่องเหล่านี้อาจดูเป็นเรื่องไกลตัวและอยู่ในอนาคตอันไกลโพ้น แท้จริงแล้ว ในปัจจุบัน “AI” ได้อยู่รอบตัวเราเป็นที่เรียบร้อยแล้ว แฝงอยู่ตามผลิตภัณฑ์และบริการที่บริษัทเทคโนโลยีหรือ Startup ต่างๆได้นำเสนอออกมาให้เราใช้งาน

ผู้ช่วยส่วนตัว (Personal Assistant)

ตัวอย่างการทำงานของ AI ในเครื่องมือเทคโนโลยีใหม่ๆที่เราสามารถเห็นได้ชัด คงจะหนีไม่พ้นเครื่องมือดังอย่าง “Siri” ของ Apple, “Google Voice” ของ Google, “Cortana” ของ Microsoft, หรือแม้กระทั่ง “Alexa” ของ Amazon ที่ทำหน้าที่เป็นผู้ช่วยในการค้นหาข้อมูลหรือเชื่อมต่อแอปพลิเคชันต่างๆในโทรศัพท์มือถือหรือบริการอื่นๆบนอินเทอร์เน็ต ผ่านการพูดคุยที่คล้ายกับการพูดคุยกับเลขาส่วนตัว

ที่ผ่านมา การทำงานของระบบการแปลภาษาเหล่านี้แบบนี้ จะมีเป็นการเรียนรู้แบบ “ตื้น” เพราะเปรียบเสมือนการประมวลความต้องการของผู้ใช้ไว้เพียงชั้นเดียว โดยจะอาศัยการแปลงประโยคที่ได้ยินหรือรับมาจากการพิมพ์ออกมาเป็นคำพูดต่างๆ พร้อมแปลงเป็นรหัสตัวเลขตามหลักการของ “Natural Language Processing” หรือ “NLP” เพื่อทำการเชื่อมโยงเข้าสู่ระบบตรรกะทางคอมพิวเตอร์ที่ถูกเขียนคำสั่งไว้ว่า “ถ้ารับสิ่งนี้มา ให้ทำสิ่งนี้” (“If…Then”) อีกที ซึ่งจะมีข้อจำกัดในการแยกแยะระหว่างการใช้งานของคำที่มีหลายความหมายตามสถานการณ์การใช้งาน อย่างเช่นคำว่า “เรา” ในภาษาไทย ที่ถูกใช้ทั้งในความหมายว่า “ฉัน” หรือ “พวกเราหลายคน” ก็ได้ รวมไปถึงศัพท์ใหม่ๆที่เกิดขึ้นอยู่ตลอดเวลาอย่าง “เด็กแนว” หรือแม้กระทั่งการทำความเข้าใจเจตนาของคำว่า “แท็กซี่” ในประโยคของ “ฉันต้องการแท็กซี่” หรือ “ไม่อยากนั่งแท็กซี่”

แต่ในปัจจุบัน มีการก้าวหน้าของเทคโนโลยีการเรียนรู้ของสมองกลที่เรียกว่า “Deep Learning” ซึ่งเป็นการเชื่อมโยงคำพูดและสถานการณ์ในการใช้งานของมนุษย์ในเชิงลึก ผ่านเครือข่ายที่เรียกว่า “Neural Network” ที่ล้อเลียนการทำงานของเซลล์สมองของมนุษย์มากขึ้น รวมถึงอาศัยการเรียนรู้แอปพลิเคชันต่างๆที่เราใช้ พร้อมศัพท์คำพูดที่เราใช้ในการสนทนา จนสามารถเชื่อมโยงตัวแปรต่างๆเข้าด้วยกันในระดับหลายชั้น เพื่อที่จะทำความเข้าใจเจตนาของผู้ใช้ในการป้อนคำสั่งต่างๆได้ดียิ่งขึ้น

ซึ่งการเรียนรู้เหล่านี้ยังมีการใช้ในระบบ AI อื่นๆอีก เช่น ระบบการแปลตัวใหม่ของ Google Translate ที่กำลังทดลองใช้อยู่กับภาษาที่ยากที่สุดอย่างภาษาจีน รวมไปถึง Facebook เอง ที่นำการเรียนรู้นี้มาปรับใช้กับระบบของตัวเองอยู่เช่นกัน เช่น การแสดงคอมเม้นท์ใต้ภาพที่มีการคอมเม้นท์จำนวนมาก หรือการแสดงโพสท์ใน Newsfeed ที่ผู้ใช้จะอยากรู้มากที่สุด ไม่ว่าสิ่งนั้นจะเป็นข่าว รูปภาพของเพื่อนที่เราจะอยากเห็น หรือวิดีโอที่จะสร้างความบันเทิงให้กับเราก็ตาม เป็นต้น

รถยนต์ขับเคลื่อนอัจฉริยะ (Self-driving Cars)

Freightliner; Daimler Trucks; Daimler; Daimler Trucks North America; DTNA; autonomous driving; autonomous; autonomous vehicle; licensed; street legal; autonomes Fahren; autonom; zugelassen; Nevada; Las Vegas; USA; Inspiration Truck; Inspiration

รูปภาพรถบรรทุกขับเคลื่อนอัตโนมัติคันแรก จาก wired.com

ในปัจจุบัน รถยนต์ขับเคลื่อนด้วยตนเอง เริ่มมีใช้งานจริงแล้วในบางรัฐฯในประเทศสหรัฐอเมริกา ผ่านบริการของบริษัทเทคโนโลยีอย่าง Google ผู้บุกเบิกและทำให้เทคโนโลยีนี้ได้รับความสนใจในตอนต้น บริษัท Tesla ผู้ผลิตรถยนต์ผู้โดยสารพลังงานไฟฟ้าที่ขึ้นชื่อเรื่องการเพิ่มความสามารถของรถยนต์ผ่านการอัพเดทซอฟท์แวร์ของตัวรถราวกับเวลาเราอัพเดทแอปพลิเคชันในโทรศัพท์มือถือ Uber ผู้เห็นภาพของระบบโลจิสติกและการขนส่งที่ใช้ซอฟท์แวร์เป็นผู้ขับเคลื่อนโดยสมบูรณ์

รถยนต์อัจฉริยะเหล่านี้ มีความสามารถในการขับเคลื่อนด้วยตัวเองผ่านการใช้อุปกรณ์เซ็นเซอร์ต่างๆและสมองกลที่ฝังอยู่ในตัวรถ เพื่อเรียนรู้ความแตกต่างระหว่างไฟแดงกับไฟเขียว อุปกรณ์ที่ขวางทาง หรือคาดเดาการเคลื่อนไหวของคนหรือรถยนต์รอบข้างว่ามีแนวโน้มที่จะเคลื่อนไหวมาขวางทางหรือไม่

และอีกหลายๆบริษัทที่เริ่มเจาะตลาดผ่านการให้บริการ “รถบรรทุกไร้คนขับ” เพราะมีประโยชน์ในการใช้งานที่ชัดเจนเพราะสามารถขับได้โดยไม่มีความอันตรายจากความเหนื่อยล้าหรือง่วงนอนของผู้ขับที่เป็นมนุษย์ พร้อมมีบริษัทอุตสาหกรรมที่เห็นคุณค่าและมีกำลังทรัพย์ที่จะลงทุนและทดลองใช้งานบริการเหล่านี้ได้เลย

การคาดเดาการเคลื่อนไหวของมนุษย์

อีกหนึ่งตัวอย่างที่อาจใกล้ตัวเราโดยไม่รู้ตัวก็คืออุปกรณ์เครื่อง Kinect ของ Microsoft ที่มาพร้อมกับทั้งเครื่องเล่นเกม Xbox ที่ทำหน้าที่ในการดักการเคลื่อนไหวของร่างกายเราผ่านอุณหภูมิของร่างกาย โดยเราอาจจะเคยใช้ Kinect ในที่สถานที่ต่างๆแล้วโดยไม่รู้ตัว ผ่านเครื่องเล่นหรือหน้าจอตามห้างสรรพสินค้าที่มีเกมหรือการเคลื่อนไหวตอบโต้กับเราเวลาเราเดินผ่าน เช่น การโยนลูกโบว์ลิ่งผ่านหน้าจอบนกำแพงโดยไม่ต้องใช้เครื่องมือใดๆ การพาเราไปอยู่ในฉากต่างประเทศ หรือภาพลูกโป่งบนพื้น ที่เด้งตอบสนองการเคลื่อนไหวของเด็กที่วิ่งไล่ไปมาโดยไม่ได้อาศัยการกดปุ่มบนอุปกรณ์ใดๆเลย

โดยเหตุผลที่เครื่องมือเหล่านั้นนิยมใช้เครื่อง Kinect ที่คนทั่วไปอาจจะเข้าใจว่าเป็นเพียงแค่เครื่องเล่นเกมนั้น เป็นเพราะว่า Kinect สามารถทำงานได้เหนือว่าอุปกรณ์อื่นๆที่เคยมีมา ไม่ใช่เพียงเพราะวิธีการจับความเคลื่อนไหว แต่เป็นเพราะสมองกลที่มีการเรียนรู้วิธีการเคลื่อนไหวของมนุษย์เพื่อทำการคาดเดาล่วงหน้าว่าส่วนต่างๆของร่างกายเราจะเคลื่อนไหวไปทางไหนอีกด้วยนั่นเอง

แอปสามัญประจำเครื่องอื่นๆอีกมากมาย


รูปภาพจากแอปพลิเคชัน Oldify

นอกจากรถยนต์ที่ขับเคลื่อนได้ด้วยตนเอง หรือผู้ช่วยส่วนตัวแบบจาร์วิสจากภาพยนตร์เรื่อง Iron Man ที่แฝงอยู่ในโทรศัพท์มือถือสมาร์ทโฟนและคอมพิวเตอร์ของเราแล้ว ยังมีอุปกรณ์และแอปพลิเคชันอื่นๆที่เราอาจจะนึกไม่ถึงอีกมากมาย อย่างเช่น แอปตกแต่งรูป ที่สามารถเพิ่มความขาว ลดความเรียวบนใบหน้า ทำให้เราดูมีอายุ ผ่านการเพิ่มริ้วรอยและเปลี่ยนสีผม หรือตกแต่งหูและจมูกของสัตว์บนใบหน้าของเรา ซึ่งเหตุผลที่แอปเหล่านี้สามารถทำงานได้ ก็เพราะมีการเรียนรู้อยู่ตลอดเวลาว่ารูปร่างตัวแปรใดๆในรูปภาพ คือผิว ตา จมูก หู หรือผมของมนุษย์ และเปรียบเทียบกับเป้าหมายปลายทางในการแปลงสภาพ ว่ามีความแตกต่างกันอย่างไร

หรือหากคุณใช้ iPhone แล้วเคยทำการเลื่อนหน้าจอลงเพื่อเข้าสู่ระบบการค้นหาแอปพลิเคชัน แต่กลับพบว่าระบบได้ทำการแนะนำแอปที่ต้องการไว้แล้วในช่องใต้กล่องค้นหา หรือเคยเปิดแอป Google ขึ้นมาแล้วเห็นว่าเขาสามารถบอกได้ว่าคุณจอดรถยนตร์ไว้ที่ใด รวมไปถึงแอปรูปภาพของ Apple, Google และ Facebook ที่คุณอาจจะเคยเห็นว่าบริการเหล่านี้ สามารถบอกได้ว่าคนในรูปภาพของคุณคือใคร รูปภาพนี้ถ่ายที่ไหน อยู่ในงานแต่งงานหรือปาร์ตี้กลางคืน

เหตุผลที่บริการเหล่านี้สามารถทำงานเช่นนี้ได้ ก็เพราะการเรียนรู้ของสมองกลของแต่ละบริการ ที่ผ่านการแปลงสภาพรูปภาพออกมาเป็นข้อมูลดิจิตอลแล้ว และทำการจับคู่กันกับหลายพันล้านรูปที่ผู้ใช้บริการทั่วโลกได้ทำการป้อนข้อมูลไปให้บริการเหล่านี้ไว้เรียบร้อยแล้วนั่นเอง

ยิ่งใช้งาน ยิ่งเรียนรู้…โดยอัตโนมัติ (Machine Learning)

หลักการทำงานของเหล่า AI ในปัจจุบันจะอาศัยการเรียนรู้จากข้อมูลจำนวนมาก ไม่ว่าจะเป็นบทสนทนา รูปภาพ หรือข้อมูลการใช้งานมดๆก็แล้วแต่ เมื่อมีการป้อนข้อมูลมาจากผู้ใช้ สมองกลก็จะทำการประมวลผลจากการหาการเชื่อมโยงหรือรูปแบบการใช้งานที่มีความเหมือนหรือคล้ายกัน (pattern) จากข้อมูลที่เคยเก็บและประมวลผลไว้ แล้วทำการเสนอว่าสิ่งใดคือสิ่งที่ผู้ใช้ต้องการจริงๆมาให้ผู้ใช้เลือก โดยหากผู้ใช้เลือกคำตอบที่ถูกต้อง หรือไม่เลือกอะไรเลย ซึ่งเปรียบเสมือนการเป็นการบอกระบบว่าสิ่งที่เสนอมานั้นผิด ทางระบบก็จะเรียนรู้และทำการเสนอตัวเลือกที่มีโอกาสจะถูกเลือกมากขึ้นในครั้งถัดไป

การเรียนรู้แบบนี้อาจเรียกได้ว่า “Machine Learning” เพราะเป็นการเรียนรู้โดยอัตโนมัติของคอมพิวเตอร์ ซึ่งหมายความว่า แทนที่ผู้เขียนโปรแกรมจะเขียนตรรกะว่าโปรแกรมคอมพิวเตอร์ควรจะทำงานแบบไหน แต่กลับเขียนตรรกะการเรียนรู้ให้เกิดมาเป็นสมองกลอย่างแท้จริงมากขึ้น


รูปภาพจาก “Ignite Seoul: Machine Learning” ของนาย Michael Shilman

หนึ่งในสิ่งสำคัญที่ผมเองก็ได้เรียนรู้จากการเป็นผู้ประกอบการซอฟท์แวร์ก็คือ อะไรก็ตามที่ยิ่งใช้ง่าย มักจะยิ่งมีเบื้องหลังที่ซับซ้อน เพราะ ซอฟท์แวร์ เว็บไซท์ แอปพลิเคชัน หรือเครื่องมือการใช้งานต่างๆที่ “ใช้ง่าย” นั้น มักจะต้องมีการ “คิด” หรือ “เลือก” แทนผู้ใช้ไว้แล้ว ผ่านข้อมูลที่ผู้ใช้เคยกรอกเอง หรือการดึงเอาข้อมูลจากสภาพแวดล้อมที่เครื่องมือเหล่านั้นสามารถเข้าถึงได้นั่นเอง

หลักการของการสร้าง “การทำงานที่ซับซ้อน” เพื่อมาทำให้ผู้ใช้ “ใช้งานง่าย” นี้ จะสามารถเห็นได้ชัดมากเมื่อเราเริ่มมาสังเกตว่าจริงๆแล้ว “AI” มันได้อยู่รอบๆตัวเรามานานแล้วโดยเราไม่รู้ตัว

อนาคตของ มนุษย์ vs. สมองกล

ในโลกที่เครื่องกลและสมองกลมีพัฒนาการอย่างรวดเร็วจนสามารถทำงานทดแทนและเหนือกว่ามนุษย์ได้ในหลายๆด้านมากขึ้นเรื่อยๆ จึงไม่ใช่เรื่องแปลกที่จะมีภาพยนตร์ นิยาย และคำถามที่เกี่ยวข้องกับคำถามที่ว่า แล้วในอนาคต จะมีจำนวน “งาน” สำหรับมนุษย์น้อยลงไปเรื่อยๆ จนก่อให้เกิดอัตราการว่างงานและความยากจนแทนที่จะเกิดประสิทธิภาพในเศรษฐกิจหรือไม่

หากมองในเชิงสร้างสรรค์ จะพบว่าในอดีตที่ผ่านมา ทุกงานที่เทคโนโลยีทดแทน ก็มักที่จะสร้างให้เกิดอาชีพใหม่ๆที่อาศัยความคิดสร้างสรรค์และการประยุกต์ของมนุษย์ในการดำเนินงานขึ้นมาจากประสิทธิภาพใหม่ๆที่เกิดขึ้นไปด้วย และเป็นสิ่งที่เกิดขึ้นมานานแล้วก่อนที่จะมีพัฒนาการทาง AI ที่เราเห็นอยู่ในปัจจุบัน ยกตัวอย่างเช่น การจากไปของนักวางแป้นพิมพ์ในเครื่องพิมพ์หนังสือพิมพ์ ที่ถูกทดแทนด้วยการอ่านบนคอมพิวเตอร์ กับการเกิดขึ้นของอาชีพนักออกแบบกราฟฟิก ที่เติบโตขึ้น เพราะการแพร่หลายของคอมพิวเตอร์เช่นกัน

รูปภาพจาก HBR.org

 

ซึ่งหากเทียบกับปัจจุบันที่มีอาชีพของนักพัฒนาแอพพลิเคชัน นักการตลาดดิจิตอล คนขับรถโดยสาร Uber หรือ GrabCar ล้วนก็เกิดขึ้นมาเมื่อมีเทคโนโลยีใหม่ๆมาทดแทนสิ่งเดิมๆอยู่เช่นกัน

แต่หากเรามองลึกลงไป ก็จะค้นพบว่างานที่เกิดขึ้นมาใหม่นั้น มักจะถูกทำโดยคนที่มีโอกาสทางสังคมและการศึกษาที่สูงกว่าคนกลุ่มเดิมที่ถูกทดแทนด้วยเทคโนโลยี และไม่ใช่เรื่องง่ายที่คนที่ถูกทดแทนเหล่านั้นจะสามารถเรียนรู้ทักษะใหม่ๆได้ในเวลาอันรวดเร็ว หรือทำได้ดีกว่าคนกลุ่มใหม่ที่โตมากับเทคโนโลยีใหม่ๆนั้น

อย่างไรก็ตาม ในความเป็นจริงแล้ว เราไม่สามารถห้ามการเกิดขึ้นของเทคโนโลยีใหม่ๆในระดับโลกได้ ต่อให้เราพยายามชะลอมันเท่าไหร่ก็ตาม ความสงสัยและความต้องการในการพัฒนาอันเป็นธรรมชาติของมนุษย์มันก็จะคอยพัฒนาสิ่งใหม่ๆให้เกิดขึ้นอยู่เสมอ

ดังนั้น แทนที่จะตั้งคำถามว่าทำอย่างไรเราจึงจะห้ามไม่ให้เทคโนโลยีมาทดแทนมนุษย์ได้ แต่อาจจะเป็น ทำอย่างไรที่จะพัฒนาขีดความสามารถของมนุษย์ให้มีทักษะการคิดเชิงวิพากษ์หรือการคิดสร้างสรรค์ให้มากขึ้น ในระดับที่ทั่วถึง เพื่อให้เราพร้อมกับการเปลี่ยนแปลงที่เกิดขึ้นได้ตลอดเวลา รวมถึงการกระจายการศึกษาและการสอนทักษะใหม่ๆสำหรับยุคเศรษฐกิจใหม่ที่กำลังจะเกิดขึ้น

หากใครรู้ตัวว่างานที่ตนเองทำ ยังเป็นสิ่งที่อาศัยความจำเจ หรือใช้แรงงานของตนเองเป็นหลัก โดยไม่ต้องใช้ความคิดประติดประต่อ การสื่อสารโน้มน้าว หรือสิ่งต่างๆที่คอมพิวเตอร์ไม่สามารถทำแทนมนุษย์ได้

อาจจะถึงเวลาที่จะเริ่มฝึกทักษะใหม่ๆขึ้นมาแล้วนะครับ


เลอทัด ศุภดิลก
กรรมการผู้จัดการ บริษัท เซลสุกิ จำกัด
www.sellsuki.co.th

บทความอ้างอิง:
https://hbr.org/2016/03/computers-dont-kill-jobs-but-do-increase-inequality
https://www.wired.com/2014/10/future-of-artificial-intelligence/
https://backchannel.com/an-exclusive-look-at-how-ai-and-machine-learning-work-at-apple-8dbfb131932b#.az3054x8a

ที่มาของรูปภาพ:
https://hbr.org/2016/03/computers-dont-kill-jobs-but-do-increase-inequality
https://backchannel.com/an-exclusive-look-at-how-ai-and-machine-learning-work-at-apple-8dbfb131932b#.az3054x8a


คอลัมน์นี้ตีพิมพ์ครั้งแรกในนิตยสาร SM Magazine ฉบับ กันยายน พศ. 2559 ภายใต้คอลัมน์ “STARTUP MARKUP”

 

Hi, I'm Lertad Supadhiloke

เลอทัด ศุภดิลก ปัจจุบันดำรงตำแหน่งเป็นผู้ร่วมก่อตั้งและประธานบริหารจัดการบริษัท Sellsuki จำกัด

http://www.lertad.com