Digital Ventures

Back to blog

3 ขั้นการพัฒนาของ AI ตั้งแต่เริ่มต้นจนทำงานได้จริง

DIGITAL VENTURES June 27, 2019 2:54 PM

1,861

ปัจจุบันเทคโนโลยีปัญญาประดิษฐ์หรือ Artificial Intelligence ถูกพัฒนาไปเป็น Solution ต่าง ๆ ที่ตอบโจทย์ธุรกิจมากมาย หลายๆ Solution ที่เกิดขึ้นก็มีส่วนเข้ามาช่วยเหลืองานของมนุษย์ได้เป็นอย่างดี ซึ่งหากพิจารณาถึงขั้นตอนการพัฒนา จะพบความใกล้เคียงกับพัฒนาการของมนุษย์ไม่น้อยทีเดียว เพราะก่อนที่ AI จะทำงานได้ตามวัตถุประสงค์นั้น ก็ต้องเรียนรู้การจำแนกข้อมูลขนาดใหญ่ การสรุปข้อมูลเป็น Insight แล้วนำมาตัดสินใจในขั้นสุดท้าย Digital Ventures จึงขอพาทุกท่านไปสำรวจรายละเอียดในแต่ละขั้นพัฒนาการของ AI ตั้งแต่แรกเริ่มต้นจนปัจจุบันให้ทุกท่านได้ทราบกัน

 

 

ชั้นอนุบาล: รู้จัก Big Data ผ่านการมองเห็น ได้ยินและอ่านหนังสือ

หากเราแบ่งพัฒนาการของปัญญาประดิษฐ์ตามพัฒนาการของมนุษย์ เราก็จะต้องสอนให้ปัญญาประดิษฐ์รู้จักกับสิ่งต่าง ๆ เสียก่อนผ่านการมองเห็น การได้ยิน และทำความเข้าใจภาษาการสื่อสารที่มนุษย์ใช้กัน อันเป็นพื้นฐานของการทำงานร่วมกับมนุษย์ในด้านต่าง ๆ และเป็นขั้นทำความเข้าใจ Big Data ก่อนจะประมวลผลในอนาคต โดยเราสามารถแบ่งเทคโนโลยีที่เป็น Features ได้ตามเป้าหมายการเรียนรู้ทั้ง 3 ข้อได้ดังนี้

  • การมองเห็น เป็นการสอนให้ AI รู้จักสิ่งที่มองเห็น สามารถจำแนกประเภทไปจนถึงระบุสิ่งที่มองเห็นได้ ไม่ว่าจะเป็นสิ่งของ สถานที่ ตัวอักษร ไปจนถึงจำแนกบุคคลด้วยใบหน้าอย่างแม่นยำ สำหรับเทคโนโลยีที่พัฒนาในส่วนนี้ ได้แก่ Visual Recognition, Face Recognition รวมถึง Micro-Express Recognition
  • การได้ยิน หลังจากสอนภาพไปแล้ว ต่อมาก็สอนให้ AI รู้จักกับเสียงต่างๆ ที่ได้ยิน ไม่ว่าจะเป็นเสียงที่เกิดขึ้นจากวัตถุไปจนถึงเสียงที่เกิดขึ้นจากการพูด ทั้งยังต้องสามารถจำแนกเสียงพูดออกมาเป็นคำเพื่อเป็นพื้นฐานในการเข้าใจภาษาด้วย เทคโนโลยีที่เกี่ยวข้องในส่วนนี้ได้แก่ Voice Recognition, Automatic Speech Recognition และอื่นๆ
  • การเข้าใจภาษาเพื่อสื่อสาร หลังจากที่ AI สามารถจำแนกภาพและเสียงได้แล้ว ต่อไปคือการพยายามเชื่อมโยงและสื่อสารกับมนุษย์ด้วยภาษา ทั้งการรับสารผ่านการอ่านและฟังคำ กับการส่งสารผ่านการเขียนและพูดเป็นคำ โดยเทคโนโลยีที่เกี่ยวข้องกับกระบวนการนี้ ประกอบด้วย Natural Language Process, Text to Speech, Speech to Text เป็นต้น (สามารถอ่านเรื่อง NLP เพิ่มเติมได้ที่ Natural Language Processing เทคโนโลยีเชื่อมโยงปัญญาประดิษฐ์กับมนุษย์ด้วย “ภาษา”)

 

ทั้ง 3 อย่างนี้เป็นพื้นฐานที่ AI จะต้องเชี่ยวชาญและแม่นยำ เพื่อจะนำไปสู่ขั้นต่อไปคือการจัดการกับ Big Data แบบ Machine Learning 

 

ชั้นประถม: จัดการ Big Data และจัดการนำเสนอแบบ Machine Learning

ในขั้นนี้เปรียบเสมือนการพา AI เข้าโรงเรียนประถมศึกษา เป็นการฝึกให้ Algorithm รู้จักการจัดการและประมวลผลชุดข้อมูลเพื่อนำเสนอ Insight ที่ซ่อนอยู่ในข้อมูลในแบบ Machine Learning ซึ่ง Insight ที่ได้จะนำไปใช้ตัดสินใจดำเนินการต่อไป ทั้งนี้ สิ่งที่ AI จะต้องเรียนรู้เพื่อส่งมอบผลลัพธ์ดังกล่าว มีดังนี้

  • Massive Data Arrangement ปัญญาประดิษฐ์จะต้องเก็บข้อมูลจากสื่อรูปแบบต่าง ๆ ทั้งข้อความบนเอกสาร ภาพถ่าย เสียง ไปจนถึงวิดีโอ ตามวัตถุประสงค์ที่ตั้งไว้ได้ เช่น หาก AI ต้องเก็บข้อมูลวิดีโอจากกล้องหน้าประตูของห้างสรรพสินค้า ก็ต้องสามารถระบุได้ว่ามีผู้เดินเข้าออกจำนวนเท่าไร มีชายหรือหญิงเป็นสัดส่วนเท่าไร ไปจนถึงช่วงอายุ หรือหากเป็นข้อมูลจากแบบสอบถาม AI ก็ต้องสามารถรวบรวมข้อมูลบนเอกสารมาสรุปเป็นผลรวมได้โดยอัตโนมัติ
  • Data Visualisation หลังจากได้ข้อมูลทั้งหมดแล้ว AI จะต้องนำข้อมูลเหล่านั้นมาเรียบเรียงเป็นสื่อรูปแบบใหม่เพื่อนำเสนอและสื่อสารกับมนุษย์ได้ โดยอาจสรุปข้อมูลเป็นรูปของแผนภูมิ ตาราง รวมถึงกราฟเส้น ซึ่งทั้งหมดนี้เป็นพื้นฐานในการระบุข้อมูลที่มีนัยยะสำคัญ อันนำไปสู่การใช้งานข้อมูลอย่างเป็นประโยชน์สูงสุด

 

แม้ว่างานในขั้นตอนนี้มนุษย์จะสามารถทำได้ด้วยตัวเอง แต่จุดที่แตกต่างคือ AI สามารถประมวลผลข้อมูลขนาดมหาศาลนับหมื่นหน่วยไปจนถึงล้านหน่วยอย่างแม่นยำ แล้วนำเสนอเป็นแผนภาพที่เราต้องการได้ภายในไม่กี่นาที นี่จึงเป็นเหตุผลหนึ่งที่ AI ถูกนำมาใช้งานในการจัดการข้อมูล

 

 

ชั้นมัธยม: รู้จักการนำความรู้ไปใช้ใน Business Solution

หลังจากที่ AI ผ่านการเรียนรู้วิธีจัดการและนำเสนอข้อมูลแล้ว ก็ถึงช่วงที่จะมาเรียนรู้การผสานแนวคิดกับแต่ละอุตสาหกรรมเพื่อใช้ข้อมูลให้เกิดประโยชน์สูงสุด ซึ่งปัจจุบันมีหลายอุตสาหกรรมที่พัฒนา AI มาถึงจุดนี้แล้ว ตามตัวอย่างดังนี้

  • Financial Service ภาคบริการทางการเงินเป็นอุตสาหกรรมที่มีข้อมูลอยู่แทบทุกจุด และการให้บริการส่วนใหญ่ก็ต้องพึ่งพาข้อมูลด้วย ดังนั้น การผสานปัญญาประดิษฐ์ด้วยแนวคิดและวิธีการของ Financial Service จึงเกิดขึ้นอย่างหลากหลาย คือ การประเมินเครดิตเพื่อปล่อยเงินกู้ยืมด้วยวิธีหรือแหล่งข้อมูลใหม่ที่ไม่เคยมีมาก่อน เช่น ข้อมูลการชำระค่าโทรศัพท์มือถือหรือข้อมูลพฤติกรรมในฐานะผู้ให้บริการบน Gig Economy Platform หรือการให้การคุ้มครองประกันภัยแบบ Real-Time ด้วยข้อมูลจาก Smart Device เป็นต้น
  • Healthcare เป็นอีกภาคอุตสาหกรรมหนึ่งที่ได้รับประโยชน์จากการพัฒนา AI ในวงกว้าง โดยเฉพาะการพยากรณ์โรคภัยไข้เจ็บ เพื่อหาทางรักษาก่อนจะถึงขั้นวิกฤติ ยกตัวอย่างทีมนักวิจัยของ MIT ที่กำลังพัฒนา AI เพื่อคาดการณ์ความเสี่ยงโรคมะเร็งเต้านมจากภาพ X-ray เต้านม ซึ่งมีความแม่นยำในระดับสูง ช่วยให้ผู้ที่มีความเสี่ยงเข้ารับการรักษาตั้งแต่ระยะแรกซึ่งมีค่าใช้จ่ายต่ำกว่าและมีโอกาสหายขาดสูงกว่ามาก
  • Smart City การบริหารเมืองซึ่งเป็นอีกหนึ่งในโครงข่ายอันซับซ้อน หากสามารถนำ AI มาใช้ก็จะช่วยให้การจัดการง่ายขึ้น เช่น การจัดการพลังงานภายในเมือง ที่ปัจจุบันเทคโนโลยีพลังแสงอาทิตย์มีบทบาทมากขึ้น เริ่มมีแนวคิดการผลิตพลังงานโดยผู้ใช้รายย่อย (Producer+Consumer) ทำให้ผู้ใช้ทั้งใช้ไฟฟ้าจากส่วนกลางในบางเวลารวมถึงขายคืนสู่ระบบได้ ความซับซ้อนดังกล่าวจึงต้องมี AI เข้ามาเป็นตัวช่วยจัดระเบียบข้อมูลให้เป็นไปตามมาตรฐานที่กำหนดไว้อย่างรวดเร็วที่สุดนั่นเอง

 

การเข้าใจพัฒนาการของ AI จะช่วยให้เรารู้แนวคิดการพัฒนาตั้งแต่จุดเริ่มต้นจนปัจจุบัน อันจะนำไปสู่นวัตกรรมใหม่ที่เน้นประโยชน์เพื่อใช้งานจริงได้ในอนาคต ทั้งนี้ ผู้ที่สนใจเรื่องราวของเทคโนโลยีปัญญาประดิษฐ์รวมถึง Deep Technology ที่เกี่ยวข้องกับธุรกิจและอุตสาหกรรมต่าง ๆ สามารถติดตามเนื้อหาเหล่านี้ได้ที่ Digital Ventures ในโอกาสต่อไป

ขอขอบคุณข้อมูลจาก mit.edu, supplychaingamechanger.com และ c3.ai