การเรียนรู้เทคโนโลยีเอไอ สำหรับคนทุกวัย ทุกอาชีพ เพื่อการทำงานและใช้ชีวิตในอนาคต

67355715_1443528119127857_3949384357528993792_n

เมื่อเช้านี้ผมดูสารคดีของ CNA (Channel News Asia) เรื่อง US-China Tech Rivalry ซึ่งมีการแสดงให้เห็นว่าในปัจจุบันประเทศจีนมีความก้าวหน้าในเรื่องของเทคโนโลยีเป็นอย่างมากโดยเฉพาะเรื่องของเอไอที่แฝงเข้ามาในชีวิตประจำวันตั้งแต่ การใช้ Facial Recognition ในการจดจำใบหน้า, การทำ Social Credit Scoring, การมีวัดที่ใช้มีระบบเอไอในด้านต่างๆ และการไปสวนสาธารณะที่มีระบบเอไอ

รัฐบาลจีนตั้งเป้าว่าจะเป็นผู้นำด้านเทคโนโลยีเอไอของโลก นอกจากจะพยายามดึงผู้เชี่ยวชาญทางด้านนี้เข้ามาทำงานและเรียนแล้ว ก็ยังเร่งพัฒนาบุคลากรทั้งที่เกี่ยวข้องโดยตรง และก็ให้ความรู้กับประชาชนทั่วไปเพื่อทำความเข้าใจกับเทคโนโลยีเอไอ ให้คนในทุกวิชาชีพได้เรียนเรื่องของเอไอ เข้าใจเรื่องเหล่านี้ตั้งแต่ระดับการศึกษาขึ้นพื้นฐาน เพื่อที่จะเข้าใจผลกระทบของเอไอ สามารถจะทำงานและใช้ชีวิตอยู่ร่วมกับเทคโนโลยีเอไอได้

การศึกษาเรื่องเอไอจึงมีความจำเป็นสำหรับผู้คนทุกเพศ ทุกวัย ทุกวิชาชีพ ไม่ใช่เฉพาะคนในวิชาชีพไอทีซึ่งกลุ่มนั้นควรจะต้องเรียนแบบเจาะลึกในด้านการวิจัยและพัฒนาเทคโนโลยีเอไอ ซึ่งอาจต้องเน้นเรื่องของคณิตศาสตร์ อัลกอริทึม และการเขียนโปรแกรม แต่คนทั่วไปควรที่จะเข้าใจความหมายของเอไอ เข้าใจความก้าวหน้าของเทคโนโลยี ผลกระทบการงานและสังคม ตลอดจนรู้จักการใช้เครื่องมือเอไอในชีวิตประจำวัน

ผมเองพยายามจะพัฒนาหลักสูตร “AI สำหรับคนทุกคน” และก็ได้ไปเจอหลักสูตร AI for everyone ของ Andrew Ng ก็เลยเป็นแนวทางส่วนหนึ่งในการทำสไลด์ แต่ก็ใช้ตำราอีกหลายเล่ม และข้อมูลที่ค้นคว้ามาเพื่อที่จะทำ Presentation ให้คนทั่วไปได้เข้าใจอย่างง่ายๆว่า เอไอคืออะไรและจะมีผลกระทบกับเราอย่างไร โดย Slides มีทั้งหมด 337 หน้าซึ่งแบ่งออกเป็นหัวข้อต่างๆดังนี้

  • Mega Trends:  เพื่อให้เห็นแนวโน้มของเทคโนโลยีที่มีผลกระทบต่อโลก
  • 5G: เทคโนโลยีในการสื่อสารที่จะมีผลกระทบกับเอไอ
  • Understanding AI: อธิบายความหมายของเอไอในด้านต่างๆพร้อมกับ คลิปสาธิตต่างๆ
  • ML vs. DL vs. DS: อธิบายความหมายของ Machine Learning, Deep Learning และ Data Science
  • AI Activities of Big Technology Companies: นวัตกรรมด้านเอไอของบริษัทเทคโนโลยีขนาดใหญ่อย่าง Google, Microsoft, Amazon หรือ Alibaba
  • AI Use Cases: ตัวอย่างการใช้เอไอของหน่วยงานต่างๆ
  • AI Demo: การสาธิตการใช้เอไอกับชีวิตประจำวัน
  • Big Data: อธิบายความหมายของ Big data และความสัมพันธ์กับเอไอ
  • AI Tools: ตัวอย่างเครื่องมือในการพัฒนาเอไอ
  • Building AI Company: แนวทางการพัฒนาองค์กรเข้าสู่ยุคเอไอ
  • AI Transformation Playbook: คู่มือการทำ AI Transformation  ของ  Andrew Ng
  • AI & Society: เอไอกับผลกระทบทางสังคม และยุทธศาสตร์ของประเทศต่างๆ

Screenshot 2019-06-30 16.35.55

นอกจากนี้ผมได้ให้ทีมงาน IMC Institute จัดทำวิดีโอที่ผมสอนในหลักสูตร Basic AI for Everyone  เมื่อปลายเดือนพฤษภาคมที่ผ่านและเผยแพร่ลงบน YouTube Channel ของ IMC Institute โดยมีตัวอย่างวิดีโอในหัวข้อต่างๆดังนี้

สุดท้ายนี้ในวันที่ 24-25 กรกฎาคมนี้ ทาง IMC Institute จะจัดงงานสัมมนา 2 วัน ที่จะทำให้คนเข้าฟังเข้าใจพลังมหาศาลของ AI และ Big Data ในองค์กร เห็นตัวอย่างจริง ของการทำ AI แบบง่ายๆ ด้วยเทคโนโลยี ที่เพิ่มมูลค่าให้กับธุรกิจ ในวันแรกที่จะเน้นเรื่องราววิวัฒนาการของ AI ความหมายของ AI ประโยชน์ของ AI และความสัมพันธ์กับ Big Data รวมถึงแนวทางการเปลี่ยนองค์กรเข้าสู่ยุค AI ซึ่งเป็นการบรรยาย กึ่งอบรม พร้อมทั้งมีการสาธิตระบบ AI ต่างๆประกอบ จากนั้นในวันที่สองจะแบ่งเป็น 2 ห้อง โดยห้องแรกจะเป็นการบรรยายในหัวข้อต่างๆทั้งด้าน AI และ Big Data และห้องที่สองจะเป็นการบรรยายกึ่งปฎิบัติการในการสร้างระบบ AI ต่างๆในองค์กร ที่จะแสดงให้เห็นว่าการทำ AI ในปัจจุบันง่ายมากๆจนใครๆ ก็ทำได้ ซึ่งผู้สนใจสามารถดูรายละเอียดเพิ่มเติมได้ที่ www.imcinstitute.com/ai2019

ธนชาติ นุ่มนนท์

สถาบันไอเอ็มซี

การเริ่มต้นใช้ AI ในชีวิตประจำวัน

67355715_1443528119127857_3949384357528993792_n

(เอกสารนี้ส่วนหนึ่งผมเขียนโดยการสั่งงานด้วยเสียงผ่าน Voice typing ของ Google doc)

ทุกวันนี้ AI เข้ามามีบทบาทในชีวิตประจำวันของผู้คนอย่างมาก เครื่องมือจำนวนมากที่เราใช้ในชีวิตประจำวันก็อาจมีระบบอัจฉริยะที่ใช้เทคโนโลยีปัญญาประดิษฐ์หรือ AI ฝังอยู่ ซึ่งบางทีเราก็อาจไม่ได้ใช้ฟังก์ชั่นเหล่านั้นเต็มที่หรือบางทีก็อาจไม่ทราบว่ามันคือเอไอที่แทรกซึมมาในชีวิตประจำวันเรียบร้อยแล้ว เช่น Google Map ที่นอกจากจะบอกเส้นทางเรา ยังสามารถคาดการณ์เวลาในการถึงที่หมาย การใช้ระบบอีเมล์ที่อาจคาดการณ์ Spam email ให้เราหรือตอบอีเมลให้เราอัตโนมัติ หรือการดูหนังผ่าน NetFlix ที่อาจแนะนำหนังที่เราชื่นชอบได้อย่างที่เราไม่คาดคิดว่าทราบได้อย่างไร

ในเมื่อ AI เริ่มเข้ามาในชีวิตประจำวันเรา และในอนาคตจะมีผลต่อการทำงาน ผมจึงอยากแนะนำให้เราใช้เครื่องมือเหล่านี้เพื่อให้ได้ประสบการณ์และคุ้นเคยกับการใช้ AI โดยวิธีการง่ายๆก็อาจใช้โปรแกรมต่างๆในมือถือ  smartphone หรือเครื่องคอมพิวเตอร์ของท่านโดยใชโปรแกรมที่มีฟังก์ชั่น AI ต่างๆ

ตัวผมเองใช้มือถือ  iPhone แต่ก็มักจะโหลดโปรแกรม AI ของค่ายอื่นๆอาทิเช่น Google หรือ Xiaomi หลายๆตัวมาใช้อาทิเช่น Google Assistant, Google Home, Google Lens, Google Map, Mii Home เป็นต้น

ผมมีข้อแนะนำให้กับคนที่สนใจจะใช้ AI ว่าเราจะสัมผัสกับ AI ในชีวิตประจำวันได้อย่างไร โดยอาจเริ่มทดลองการใช้โปรแกรมต่างๆดังนี้

  • Google Assistant หรือ Siri โดย เราอาจทดลองใช้ คำสั่งง่ายๆในการสั่งงานด้วยเสียงเช่น “OK Google, what is the weather today?” หรือ “OK Google, say ‘I love you’ in Thai” หรือ “OK Google, shows my photos of animal” โดยเราอาจดูตัวอย่างการใช้ Google Assistant ได้จากคลิปนี้
  • Google Map จริงๆแล้วผมก็เชื่อว่าหลายคนได้เคยใช้ Google Map แต่บางคนอาจเพียงแค่ต้องการทราบเส้นทาง แต่แท้จริงแล้ว Google Map มีฟังก์ชั่นของ AI อยู่มากมายอาทิเช่นเราสามารถใช้ในการหาระยะเวลาที่จะไปถึงเป้าหมาย หรือเลือกเส้นทางที่ดีที่สุด หรือหาร้านอาหารใกล้ตัว แม้บางครั้ง Google Map ไม่ได้บอกได้ถูกต้อง 100% แต่การที่เราใช้เป็นประจำก็จะทำให้เราเข้าใจชีวิตประจําวันการใช้ AI มากขึ้น
  • การใช้ Gmail หรือ Google Calendarโปรแกรมเหล่านี้มีระบบ AI ที่ทำให้ได้มากกว่าการแค่ส่งอีเมลหรือตั้งเวลาปฏิทิน มันสามารถที่จะให้เราเลือกวันเวลานัดหมายได้อัตโนมัติ มี AI ในการที่จะตอบอีเมล์หรือเรื่องต่างๆได้ หรือเลือกให้นัดเวลาหลายๆคนที่ว่างพร้อมกันได้อัตโนมัติ นอกจากนี้ยังสามารถเชื่อมโยงกับ Google Assistantให้เรา ตรวจสอบ ตั้ง หรือลบปฎิทิน โดยสั่งงานด้วยเสียงได้
  • ทดลองใช้ ChatBot ของที่ต่างๆ เราจะพบว่าทุกวันนี้นี่หลายๆองค์กรมีการนำแชทบอทมาใช้ดังนั้นประสบการณ์ของการใช้แชทบอทก็จะทำให้เราเข้าใจเรื่องของ AI มากขึ้น
  • การใช้ Google Translator ในการแปลภาษาต่างๆอาทิเช่นการพูดแล้วให้แปลๆสดหรือการถ่ายรูปแล้วให้แปลอัตโนมัติ วิธีการนี้ผมใช้บ่อยเวลาเดินทางไปต่างประเทศหรือเจอคนต่างชาติที่พูดภาษาอังกฤษไม่ได้ บางครั้งเวลาเข้าไปร้านค้าเห็นข้อความภาษาต่างประเทศที่ไม่เข้าใจก็จะใช้กล้องส่องแลัวใช้ Google Translator แปลสดๆ
  • ทดลองใช้ Voice typing แทนที่จะใช้คีย์บอร์ดในการพิมพ์เอกสารโดยเปิดใช้โปรแกรม Google doc อย่างนม แม้ในบางครั้งอาจจะพิมพ์ไม่ถูกต้อง 100% แต่ประสบการณ์การใช้งานจะทำให้เราเห็นประโยชน์ของ AI มากขึ้นและในอนาคตผมเชื่อว่า Voice typing จะเก่งกว่านี้อีกมากจนเราอาจไม่ต้องพิมพ์เอง

Screenshot 2019-06-24 08.48.14

รูปที่ 1: ตัวอย่างการทำ  Voice Typing โดยใช้ Google Doc

  • การใช้ Google Lens เป็นโปรแกรมที่เราสามารถใช้ในการหาได้ว่ารูปนั้นคืออะไร อาจเป็นสถานที่ ต้นไม่ ร้านค้า หรือสินค้าต่างๆ โปรแกรมก็จะสามารถและค้นหาความหมายให้เราได้

Screenshot 2019-06-24 17.29.20

รูปที่ 2: ตัวอย่างการใช้ Google Lens เพื่อแปลเอกสารสดๆจากกล้อง

Screenshot 2019-06-24 17.35.00

รูปที่ 3: ตัวอย่างการใช้ Google Lens เพื่อค้นหาสินค้าจากรูป

  • ติดตั้ง App ใหม่ๆที่มีระบบ AI เพื่อทดลองเล่นเช่นโปรแกรมการแต่งภาพอย่าง FaceApp หรือโปรแกรมสั่งงานด้วยเสียงต่างๆ

การเริ่มต้นใช้ AI จากโปรแกรมเหล่านี้จะทำให้เราคุ้นเคยกับระบบ AI มากขึ้น และก็เป็นการเตรียมความพร้อมของตัวเองสู่การใช้ชีวิตในโลกของอุตสาหกรรม 4.0 และอาจขยายต่อไปใช้ในเรื่องอื่นๆเช่นการใช้ Smart home หรือการทำงานโดยใช้เครื่องมือที่มีระบบ AI มาเสริม

ธนชาติ นุ่มนนท์

สถาบัน

การประยุกต์ใช้ปัญญาประดิษฐ์ในบ้านเรา

ปัจจุบันธุรกิจต่างๆ ในบ้านเราเริ่มนำระบบเอไอเข้ามาใช้เป็นจำนวนมากขึ้น หากแบ่งตามสาขาของเอไอ กลุ่มที่พบมากที่สุดสาขาหนึ่ง คือ แมชชีน เลิร์นนิ่ง

Screenshot 2019-06-24 07.49.47

ทุกวันนี้ผู้คนต่างพูดถึงเทคโนโลยีเอไอหรือปัญญาประดิษฐ์ นั่นคือ คอมพิวเตอร์สามารถทำงานได้เสมือนมนุษย์ และคาดการณ์ว่าเอไอจะเข้ามาทำงานแทนที่มนุษย์ในงานหลายๆ ตำแหน่ง รวมถึงมองว่าเอไอจะเป็นปัจจัยหลักที่ทำให้เกิดการเปลี่ยนแปลงสู่อุตสาหกรรม 4.0 และเป็นผลทำให้เกิด Digital Disruption ในหลายอุตสาหกรรม

แต่เมื่อกล่าวถึงเทคโนโลยีเอไอ หลายคนจินตนาการไปถึงภาพของหุ่นยนต์ในบทภาพยนตร์ต่างๆ แล้วเริ่มตั้งคำถามว่า ทุกวันนี้ก็ไม่เห็นหุ่นยนต์ที่เป็นตัวๆ มาทำงานแทนที่มนุษย์ในงานต่างๆ มากมายเหมือนในภาพยนตร์ จึงคงอีกนานกว่า เทคโนโลยีนี้จะมีผลกระทบต่อเรา แต่ในความเป็นจริงแล้ว เอไออาจไม่ได้มีลักษณะเป็นตัวหุ่นยนต์เท่านั้น แต่รวมไปถึงระบบซอฟต์แวร์ที่ติดตั้งลงไปในอุปกรณ์ต่างๆ เช่นโทรศัพท์มือถือ รถยนต์ เครื่องใช้ไฟฟ้า และก็เริ่มมีการใช้งานแพร่หลายแล้ว

ปัจจุบันธุรกิจต่างๆ ในบ้านเราเริ่มนำเอไอเข้ามาใช้เป็นจำนวนมากขึ้น หากแบ่งตามสาขาของเอไอ กลุ่มที่พบมากที่สุดสาขาหนึ่ง คือ Machine Learning กล่าวคือ การใช้อัลกอริธึ่มมาทำให้คอมพิวเตอร์เรียนรู้เองในงานเฉพาะจากการป้อนข้อมูลจำนวนมาก ซึ่งพบว่า ธนาคาร โทรคมนาคม ธุรกิจค้าปลีก หรือการแพทย์ มีการนำ Machine Learning มาใช้เป็นประจำโดยเฉพาะในด้านการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data Analytic) เช่น วิเคราะห์พฤติกรรมลูกค้า การแนะนำสินค้าให้กับลูกค้า ตรวจสอบการฉ้อโกงทางการเงิน การทำ Robo-advisor เพื่อแนะนำการลงทุนในสถาบันการเงิน และการวิเคราะห์ข้อมูลทางการแพทย์ เป็นต้น

เอไอ ด้าน Natural Language Processing (NLP) เริ่มใช้แพร่หลายในประเทศไทย เป็นกระบวนการประมวลผลทางภาษาที่ทำให้คอมพิวเตอร์สามารถเข้าใจภาษาเหมือนมนุษย์ ปัจจุบันความสามารถทางด้านภาษาไทยของคอมพิวเตอร์ดีขึ้นเรื่อยๆ จนสามารถแปลจากภาษาต่างๆ มาเป็นภาษาไทยได้ถูกต้องมากขึ้น มีการใช้ในอุตสาหกรรมการท่องเที่ยวเพิ่มขึ้น ขณะที่การตลาดก็เป็นอีกกลุ่มหนึ่งที่นำเทคโนโลยี NLP เข้ามาใช้ในการประมวลผลคำวิเคราะห์ความเห็นของผู้คนจากโลกออนไลน์เช่นข้อความในเฟซบุ๊ค หรืออินสตาแกรม

นอกจากนี้ก็เริ่มมีการใช้ Chatbotในหน่วยงานต่างๆ มากขึ้น โดยระบบแชทบอทสามารถประมวลผลภาษาไทยแล้วโต้ตอบกับคนได้ หลายหน่วยงานเริ่มนำมาใช้เพื่อแทนที่พนักงานคอล เซ็นเตอร์ในการตอบคำถามลูกค้า

Machine Vision ซึ่งเป็นสาขาของเทคโนโลยีเอไอในด้านการมองเห็น หรือการจดจำใบหน้า (Facial Recognition) ที่กล่าวกันว่าทุกวันนี้คอมพิวเตอร์สามารถแยกแยะใบหน้าผู้คนได้ดีกว่ามนุษย์ จึงเป็นหนึ่งในวิธีที่ถูกนำมาใช้ในการพิสูจน์ตัวตนของหลายหน่วยงานในประเทศไทย โดยเฉพาะสถาบันการเงินที่เริ่มใช้ในการเปิดบัญชี หรือทำธุรกรรมทางการเงินต่างๆทั้งที่สาขาหรือผ่านโมบาย แบงก์กิ้ง

เอไอในด้าน Robotic Process Automation (RPA) เป็นซอฟต์แวร์ทำหน้าที่แทนคนในกระบวนการช่วยบันทึกหรือคีย์ข้อมูลเข้าระบบอัตโนมัติ RPA จะช่วยลดเวลาทำงานกระบวนการซ้ำๆ และสามารถทำงานได้อย่างรวดเร็ว เพราะเป็นสื่อสารระหว่างคอมพิวเตอร์กับคอมพิวเตอร์โดยตรง และไม่มีข้อผิดพลาดในการทำงาน จึงทำให้หน่วยงานที่มีงานธุรกรรมจำนวนมากโดยเฉพาะสถาบันการเงิน สายการบิน หรือบริษัทขนาดใหญ่เริ่มนำมาใช้งาน

เอไอกับการใช้งานในบ้าน บริษัทสร้างบ้านจัดสรรหรือคอนโดหลายแห่งเริ่มนำอุปกรณ์อัจฉริยะมาติดตั้งเพื่อสร้างบ้านอัจฉริยะ

สุดท้ายเอไอกับการใช้งานในโรงงานอุตสาหกรรม ซึ่งมีการนำหุ่นยนต์เข้ามาใช้ในกระบวนการผลิตมากขึ้น เพื่อเพิ่มประสิทธิภาพ และทำงานได้ตลอดเวลา ทำให้มีการลดการจ้างงานพนักงาน

จากที่กล่าวมาทั้งหมดจะเห็นได้ว่าเทคโนโลยีเอไอได้ก้าวสู่อุตสาหกรรมด้านต่างๆ ในบ้านเราแล้ว เริ่มเข้ามาทำงานแทนคน ส่งผลกระทบกับการจ้างงานในบางประเภทแล้ว สิ่งที่น่าสนใจคือ เอไอจะเก่งขึ้นเรื่อยๆ ทำให้งานลดลงเรื่อยๆ ดังนั้นคนในยุคนี้ต้องรู้เท่าทันเทคโนโลยีให้มากขึ้นและพร้อมที่จะปรับตัวรองรับการเปลี่ยนแปลงครั้งใหญ่

(บทความนี้นำมาจากคอลัมน์ประจำทุกวันศุกร์ที่ผมเขียนในกรุงเทพธุรกิจ https://tinyurl.com/bkk-biznews)

ธนชาติ นุ่มนนท์

สถาบันไอเอ็มซี

ยุทธศาสตร์ด้านเอไอการแข่งขันกันระหว่างสหรัฐอเมริกาและจีน กับนานาชาติ

67355715_1443528119127857_3949384357528993792_n

เมื่อกลางเดือน ก.พ.ปีนี้ ประธานาธิบดีโดนัลด์ ทรัมป์ ของสหรัฐอเมริกาลงนามในคำสั่งพิเศษของผู้บริหารเพื่อกระตุ้นการพัฒนาและกฎระเบียบของเทคโนโลยีปัญญาประดิษฐ์ (AI) ในชื่อ ‘American AI Initiative’ ซึ่งรัฐบาลกลางให้ความสำคัญกับเทคโนโลยีเอไอ โดยคำสั่งมีองค์ประกอบหลักอยู่ 5 ด้านคือ

  1. เน้นทำวิจัยและพัฒนาเทคโนโลยีเอไอ ทั้งนี้สหรัฐอเมริกาได้กำหนดให้เป็นยุทธศาสตร์สำคัญอันดับสองรองจากด้านความมั่นคงของประเทศ
  2. เร่งพัฒนาทรัพยากรด้านเอไอ ทั้งเรื่องข้อมูล ระบบประมวลผล และอัลกอริธึมต่างๆ เพื่อให้ผู้เชี่ยวชาญและภาคอุตสาหกรรมสามารถประยุกต์ใช้เอไอได้อย่างรวดเร็ว
  3. เร่งกำหนดมาตรฐานกลางด้านต่างๆ ของเอไอ
  4. เร่งพัฒนากำลังคนด้านเอไอ ตลอดจนเตรียมกำลังคนให้พร้อม มีทักษะการใช้เอไอเพื่องานในอนาคต รวมทั้งสนับสนุนการศึกษา STEM (วิทยาศาสตร์, เทคโนโลยี, วิศวกรรม และคณิตศาสตร์) ในภาคการศึกษา
  5. ส่งเสริมความร่วมมือกับนานาชาติในด้านการวิจัยและพัฒนาทางด้านเอไอ โดยในขณะเดียวกันก็ต้องปกป้องความได้เปรียบด้านเทคโนโลยีเอไอของสหรัฐอเมริกาให้คงอยู่ท่ามกลางการแข่งขันหรือภัยคุกคามจากประเทศอื่น

สหรัฐอเมริกาไม่ได้เป็นประเทศเดียวที่กำหนดกลยุทธ์ทางด้านเอไอ ก่อนหน้านี้เมื่อเดือนกรกฎาคม ปี 2017 ประเทศจีนก็ได้ประกาศยุทธศาสตร์เทคโนโลยีเอไอที่เรียกว่า “แผนพัฒนาเอไอในยุคใหม่” โดยจีนต้องการจะสร้างอุตสาหกรรมนี้ให้มีมูลค่าถึง 150 ล้านล้านดอลลาร์ สำหรับแผนยุทธศาสตร์เอไอของประเทศจีนนั้นได้ตั้งเป้าหมายไว้ 3 ขั้นคือ

  • ในช่วงแรกจนถึงปี 2020 จะเน้นเรื่องความชาญฉลาดด้านบิ๊กดาต้า และทฤษฎีพื้นฐานด้านเอไอ
  • ช่วงที่สอง มุ่งเน้นประยุกต์ใช้งานเอไอในด้านต่างๆ ทั้งการแพทย์ เมืองอัจฉริยะ โรงงานอุตสาหกรรม เกษตรกรรม รวมถึงการป้องกันประเทศ โดยมีเป้าหมายภายในปี 2025
  • ช่วงสุดท้ายมุ่งเน้นที่จะเป็นผู้นำของโลกทางด้านเอไอภายในปี 2030

นอกจากสหรัฐอเมริกาและจีนแล้วหลายๆ ประเทศในโลกอย่างเกาหลีใต้ ฝรั่งเศส แคนาดา สหราชอาณาจักร หรือแม้แต่เคนย่า ต่างก็ประกาศยุทธศาสตร์ชาติด้านเทคโนโลยีเอไอ เพราะหลายประเทศตระหนักดีว่าการปฎิวัติอุตสาหกรรม 4.0 จะมีผลผลิตที่โตขึ้นจากการนำหุ่นยนต์และปัญญาประดิษฐ์ (AI) มาใช้อย่างมากมาย จึงจำเป็นต้องมุ่งเน้นแข่งขันในการทำวิจัยและพัฒนาเทคโนโลยีเอไอ เหมือนกับในอดีตเมื่อ 30-40 ปีก่อนที่ประเทศมหาอำนาจมุ่งเน้นพัฒนาเทคโนโลยีแข่งกันไปอวกาศ

ยุทธศาสตร์เอไอของหลายประเทศมีการกำหนดงบประมาณจำนวนมาก เพื่องานวิจัยและการพัฒนาบุคลากร อาทิ ประเทศจีนตั้งงบประมาณไว้ถึง 7 พันล้านดอลลาร์ แบ่งเงิน 2.1 พันล้านเหรียญสหรัฐในการตั้งเอไอพาร์คที่นครปักกิ่ง ขณะที่เกาหลีใต้ใช้งบประมาณจำนวน 2 พันล้านดอลลาร์ในแผนงานเอไอจนถึงปี 2022 ส่วนรัฐบาลฝรั่งเศสได้ตั้งงบประมาณไว้ถึง 1.5 พันล้านยูโรจนถึงปี 2022 ด้วยงบประมาณจำนวนมหาศาลจะทำให้สถาบันการศึกษาและวิจัยของประเทศต่างเหล่านี้ต่างมุ่งเน้นมาทำวิจัยและการสอนทางด้านเอไอและดึงบุคลากรเก่งๆ จากทั่วโลกมาศึกษาและทำงาน

นอกจากนี้ยังมียุทธศาสตร์เอไอที่เป็นความร่วมมือของนานาชาติ เช่น สหภาพยุโรปมีแผนที่จะระดมเงินงบประมาณทางด้านนี้ 20,000 ล้านยูโร และได้จัดสรรงบประมาณวิจัยปีละ 1.5 พันล้านยูโรจนถึงปี 2020 นอกจากนี้สหประชาชาติที่เปิดศูนย์กลางทางด้านเอไอและหุ่นยนต์ในประเทศเนเธอร์แลนด์ เป็นต้น

แม้หลายประเทศจะมีความก้าวหน้าทางด้านเทคโนโลยีเอไอไปอย่างมากและมีการกำหนดยุทธศาสตร์มาหลายปีแล้ว แต่ประเทศไทยก็ยังมีความหวังที่จะแข่งขันทางด้านเอไอได้ถ้ามีการกำหนดยุทธศาสตร์ที่ดี โดยเราอาจต้องมุ่งเน้นการทำวิจัยและพัฒนาในเฉพาะอุตสาหกรรมที่เป็นจุดเด่นของประเทศ เช่น การนำเอไอมาใช้ในด้านการท่องเที่ยว การเกษตร ตลอดจนเน้นการพัฒนาเอไอในด้านภาษาไทยและท้องถิ่นของเรา

ทั้งนี้ในยุทธศาสตร์ควรเน้นใช้ความร่วมมือระหว่างภาครัฐกับภาคเอกชน และสำคัญที่สุด คือ ต้องลงทุนกับการศึกษาทางด้านนี้ ทั้งการพัฒนาบุคลากรที่มีความเชี่ยวชาญทางด้านเอไอ ตลอดจนพัฒนาประชาชนให้มีทักษะการใช้เอไอเพื่องานในอนาคตต่อไป

อนึ่งผมเองได้ทำสไลด์หัวข้อ AI national and international strategies ที่ได้รวบรวมและทำการสรุปยุทธศาสตร์ของประเทศต่างๆที่สำคัญทั่วโลกเอาไว้ให้อ่าน ผมสนใจสามารถเข้าไปดูเนื้อหาได้ที่

https://docs.google.com/presentation/d/1wq5Pgl1EfrR194KN0IqnhhjIUg9HtgA_lHYgyhHzvsg

ธนชาติ นุ่มนนท์

สถาบันไอเอ็มซี

กลยุทธ์เปลี่ยนแปลงบริษัทสู่ยุค AI

edm_sep

ช่วงสัปดาห์ที่ผ่านมาผมได้เรียนหลักสูตรออนไลน์ของ Andrew Ng เรื่อง AI for Everyoneใน Coursera และได้อ่านหนังสือ AI Transformation Playbook ของเขา ผมว่าเขากล่าวได้ดีในเรื่องที่น่าสนใจเกี่ยวกับการเปลี่ยนแปลงบริษัทใดๆให้เป็นบริษัทปัญญาประดิษฐ์ (AI Company) โดยกล่าวว่าทุกบริษัทสามารถที่จะปรับเปลี่ยนได้ในยุคของ  AI โดยควรคำนึงถึงด้านต่างๆดังนี้

  • ต้องมีกลยุทธ์ในการเก็บข้อมูลจำนวนมากเข้ามากโดยอาจผ่านสินค้าหรือบริการที่บางอย่างอาจไม่ได้สร้างรายได้ให้กับบริษัทโดยตรงเช่น Google ได้พัฒนา Gmail หรือ Fitbit ได้พัฒนา Wearable Device
  • ต้องมีการพัฒนา Data Warehouse ที่เป็นศูนย์กลางหนึ่งเดียวในการเก็บข้อมูลของทั้งบริษัทจากแหล่งต่างๆ หรืออาจสร้าง Data Lake ในการเก็บข้อมูลดิบ
  • ให้ความสำคัญและมองเห็นโอกาสในการทำระบบ automation ในบริษัท
  • มีแผนกและตำแหน่งใหม่ๆในบริษัทเช่น วิศวกรด้าน Machine Learning, นักวิทยาศาสตร์ข้อมูล หรือแผนก AI

ซึ่งทาง Andrew Ng ก็ได้ระบุขั้นตอนในการเปลี่ยนแปลงบริษัทในยุค AI ไว้ 5 ขั้นตอน โดยเขาได้บอกว่าเราไม่จำเป็นต้องทำตามลำดับนี้ทุกขั้นตอน แต่ก็ควรที่จะเริ่มต้นจากการทำขั้นตอนแรก (ทำ AI Pilot Project) เสมอ โดยมีขั้นตอนดังนี้

  • ขั้นตอนที่ 1 ทดลองทำ AI pilot project เพื่อสร้างแรงกระตุ้นให้กับบริษัท โดยเน้นให้เลือกโปรเจ็คที่น่าจะทำสำเร็จมากกว่าโปรเจ็คที่อาจสร้างผลกำไรให้กับบริษัทโดยตรง โดยโปรเจ็คอาจมีระยะเวลา 6-12 เดือน ซึ่งอาจเป็นการพัฒนาโดยทีมภายในหรือจ้างข้างนอกทำ ทั้งนี้เพื่อที่จะให้บริษัทเห็นผลสัมฤทธิ์ของการทำ AI และมีแรงกระตุ้นและความเข้าใจในการพัฒนาโปรเจ็ค AI อื่นๆต่อไป
  • ขั้นตอนที่ 2 สร้างทีมงาน In-house AI โดยเป็นทีมงานกลางที่จะช่วยสนับสนุนการทำ AI ให้กับแผนกต่างๆของบริษัท ทั้งนี้บริษัทอาจจะมี AI Platform ที่ทุกแผนกสามารถใช้งานได้และทีมงานนี้จะมาช่วยในการพัฒนา โดยทีมงานอาจอยู่ภายใต้  CEO, Chief Information Officer,  Chief Technology Officer หรือ Chief Data Officer ก็ได้ดังรูปที่ 1

Screenshot 2019-04-06 15.35.14

รูปที่  1 โครงสร้างทีมงาน In-house AI [จาก AI Transformation Playbook]

  • ขั้นตอนที่ 3 ทำการอบรม  AI ให้กับบุคลากรทุกฝ่ายในบริษัท โดย Andrew Ng ได้สรุปให้เห็นว่าในแต่ละตำแหน่งควรจะอบรมด้านใด ดังตารางนี้

56433434_366038604252091_2339677683534790656_n

ตารางที่  1 การอบรม  AI [จาก เอกสารอบรม AI for Everyone ของ Andrew Ng]

  • ขั้นตอนที่ 4 การกำหนดกลยุทธ์ด้าน AI ทั้งนี้ Andrew Ng ได้แนะนำว่าเราไม่ควรกำหนดกลยุทธ์ไว้ขั้นตอนแรก เพราะเราควรจะมีการทำ Pilot Project ก่อนเพื่อทำความเข้าใจด้าน AI และเน้นการกำหนดกลยุทธ์ที่จะทำให้บริษัทมีข้อได้เปรียบเหนือคู่แข่งในอุตสาหกรรม และกลยุทธ์ควรสอดคล้องกับสิ่งที่เรียกว่า Virtuous cycle of AI  ดังรูปที่ 2 กล่าวคือถ้าบริษัทมีข้อมูลมากขึ้นก็จะสามารถทำ AI ได้ดีขึ้นก็สร้าง Product ที่ดีขึ้นและมีลูกค้ามากขึ้นตามลำดับ (ดังที่ผมเคยเขียนไว้เรื่องวัฎจักรของข้อมูล AI และรายได้ในบทความ Data is the new oil: มาวิเคราะห์กันว่าอุตสาหกรรมใดมีข้อมูลขนาดใหญ่)

Screenshot 2019-04-06 15.56.21

รูปที่  2 Virtuous cycle of AI  [จาก AI Transformation Playbook]

นอกจากนี้บริษัทควรจะมีกลยุทธ์ด้านข้อมูล (Data Strategy) โดยเฉพาะเรื่องของการเก็บและดึงข้อมูล, การพัฒนา Data Lake และ การเข้าใจถึงคุณค่าของข้อมูลต่างๆ

  • ขั้นตอนที่ 5 ทำการสื่อสารทั้งภายในและภายนอกบริษัท เพื่อให้ทราบว่าบริษัทกำลังพัฒนาด้าน AI ทำการสื่อสารกับนักลงทุน ทำการสื่อสารกับหน่วยงานภาครัฐที่ AI อาจไปกระทบกับกฎระเบียบต่างๆ ทำการสื่อสารกับลูกค้าและผู้ใช่ถ้ามีการนำ AI เข้ามาใช้งาน และทำการสื่อสารกับบุคลากรภายในเพื่อให้เข้าใจการเปลี่ยนแปลง

ธนชาติ นุ่มนนท์

IMC Institute

AI คือหัวใจสำคัญของการทำ Digital Transform และข้อมูลคือองค์ประกอบหลักของ AI

69265373_300445684132982_1512539807790661632_n

วันก่อนผมไปเวทีเสวนาในงานประชุมของกลุ่ม DTGO ในหัวข้อ AI in the new era ร่วมกับกูรูหลายๆท่านในวงการไอทีเมืองไทย เราทุกคนเห็นพ้องต้องกันว่ายุคนี้เป็นยุคของปัญญาประดิษฐ์ (AI) และ AI จะเข้ามาเปลี่ยนแปลงองค์กรในหลายๆด้าน แต่ปัญหาหนึ่งที่เป็นคำถามน่าสนใจก็คือว่าอะไรที่อาจเป็นอุปสรรคทำให้ AI  ไม่เป็นไปตามที่คาดหวัง คำตอบที่ผมให้ก็คือการขาดข้อมูลขนาดใหญ่

อย่างที่ผมเคยเขียนไว้ในบทความก่อนว่า องค์ประกอบสำคัญของ AI ก็คือการที่จะต้องมีข้อมูลขนาดใหญ่ (Big Data) แล้วใช้ Machine Learning มาเป็นอัลกอริทึมในการวิเคราะห์ข้อมูล (ดูบทความได้ที่ การเตรียมเทคโนโลยีและโครงสร้างพื้นฐานขององค์กรเพื่อรองรับ AI) ซึ่งความถูกต้องของ AI อยู่ที่การมีข้อมูลที่มากพอ และการใช้อัลกอริทึมอย่าง Deep Learning ที่สามารถจะจำลองโมเดลของ Neural Networks ที่ใหญ่ขึ้นได้  (โดยต้องมีระบบประมวลผลที่มีประสิทธิภาพที่มากขึ้น) ดังแสดงในรูปที่ 1 ซึ่งถึงแม้ว่าเราจะสามารถพัฒนาโมเดลที่ซับซ้อนขึ้น แต่หากยังขาดข้อมูลที่มากพอหรือไม่มีระบบประมวลขนาดใหญ่ก็ยากที่จะได้ AI  ที่มีความถูกต้องที่ดีพอใช้งาน

Screenshot 2019-02-06 09.53.29

รูปที่ 1 แสดงความสัมพันธ์ของขนาดข้อมูล ขนาดของโมเดล กับความถูกต้องของ AI [จาก Data Analytics and Artificial Intelligence in the era of Digital Transformation, Google]

และถ้าเราพิจารณาการทำ AI ในช่วงเวลาต่างๆ ที่ทาง Dr. Kai-Fu Lee  ได้เขียนไว้ในหนังสือ AI Superpowers: China, Silicon Valley, and the New World Order ว่าแบ่งออกเป็น  4 คลื่นดังรูปที่ 2 กล่าวคือ

  • คลื่นที่ 1 เริ่มต้นในปี 1998 ยุคของ  Internet AI คือการทำ AI จากข้อมูลที่อยู่ในบริษัทอินเตอร์เน็ตต่างๆเช่น Google, Amazon, Facebook, Alibaba ซึ่งในกลุ่มบริษัทที่มีผู้ใช้งานมากกว่าก็จะมีข้อมูลมากกว่าจะได้เปรียบ และก้มีแนวโน้มที่ให้เห็นว่าบริษัทในประเทศจีนที่มีผู้ใช้จำนวนมากเช่นการใช้มือถือ การใช้  E-commerce เริ่มจะมีความแม่นยำที่ดีกว่าบริษัทในประเทศอื่นๆ
  • คลื่นที่ 2  เริ่มต้นในปี 2004 ยุคของ  Business AI คือการทำ AI จากข้อมูลบริษัทที่ทำธุรกิจทั่วไปเช่น บริษัทด้านการเงิน ร้านค้าปลีก หน่วยงานภาครัฐ ซึงกรณีนี้บริษัทจะต้องมีข้อมูลของธุรกรรมต่างๆที่สะสมมามากพอ และความแม่นยำในการทำ AI ก็อาจยังมี Factor อื่นๆจากภายนอกที่ต้องเข้ามาพิจารณาอีกมากมายนอกเหนือจากข้อมูลภายในองค์กร เช่นด้านการเมือง ด้านสังคม ด้านเศรษฐกิจ
  • คลื่นที่ 3  เริ่มต้นในปี 2011 ยุคของ  Perception AI คือการทำให้ AI มองเห็น ได้ยิน หรือพูดได้ เช่นการทำ Face recognition, speech recognition หรือ Natural language processing ซึ่งความถูกต้องของ AI จะใช้ข้อมูลมาตรฐานที่มีขนาดใหญ่ และความสามารถในการสร้างอัลกอริทึมที่มีโมเดลที่ดีและมีขนาดใหญ่ ซึ่งในปัจจุบันบริษัทที่มีระบบประมวลผลขนาดใหญ่อย่าง Google, Amazon, Microsoft,  Alibaba หรือ Huawei สามารถที่จะพัฒนาทำให้ AI ทำเรื่องเหล่านี้ได้ดีขึ้นมากจนบางครั้งเก่งกว่ามนุษย์
  • คลื่นที่ 4  เริ่มต้นในปี 2015 ยุคของ  Autonomous AI คือการทำให้ AI เคลื่อนที่ได้โดยอัตโนมัติ เช่นรถยนต์ไร้คนขับ หรือโดรนอัตโนมัติ ซึ่งบริษัทต่างๆเช่น Teslo, Uber หรือ Waymo ต่างๆก็เร่งพัฒนาโดยการสร้างฐานข้อมูลขนาดใหญ่และพัฒนาอัลกอริทึมโมเดลแข่งกัน ซึ่งในอนาคตก็จะเห็นระบบนี้ที่ดีขึ้นเรื่อยๆ

Screenshot 2019-02-06 10.02.53

รูปที่ 2 ยุคต่างๆของ AI [จาก AI Frontiers : The Era of Artificial Intelligence, Dr. Kai-Fu Lee]

จากที่กล่าวมาจะเห็นว่าถ้าธุรกิจอยากจะทำ AI ซึ่งก็เป็นปัจจัยที่สำคัญที่สุดในการทำ Digital Transformation  ธุรกิจเหล่านั้นก็จะต้องมีข้อมูลขนาดใหญ่ ถึงจะได้เปรียบคู่แข่ง บริษัทอย่าง Netflix, Uber, Agoda หรือ Alibaba มีจุดเด่นคือเป็นบริษัทที่มีข้อมูลขนาดใหญ่ และสามารถนำข้อมูลเหล่านั้นมาเพื่อที่จะทำปัญญาประดิษฐ์ มาทำ Data Analytics เพื่อให้เข้าใจลูกค้าและแนวโน้มต่างๆได้ดีขึ้น ดังนั้นก่อนที่บริษัทจะคิดว่าเราจะทำ AI  อะไร สิ่งแรกที่จำเป็นอย่างยิ่งคือการมีกลยุทธ์ด้านข้อมูล การรวบรวมข้อมูลจากแหล่งต่างๆเพื่อมาสร้าง Data Platform ที่สามารถนำไปวิเคราะห์ต่อไปได้ ซึ่งผมจะเขียนเพิ่มเติมในตอนถัดไปว่าเราจะเอาข้อมูลมาจากไหน

Screenshot 2019-02-06 10.26.29

รูปที่  3 การรวบรวมข้อมูลสร้าง Data Platform [จาก Data Analytics and Artificial Intelligence in the era of Digital Transformation, Google]

ธนชาติ นุ่มนนท์

IMC Institute

 

การเตรียมเทคโนโลยีและโครงสร้างพื้นฐานขององค์กรเพื่อรองรับ AI

ทุกองค์กรพูดถึง AI (ปัญญาประดิษฐ์) ว่าเป็นแนวโน้มเทคโนโลยีที่จะเข้ามาเปลี่ยนโลกและธุรกิจ บ้างก็เป็นกังวลกับอนาคตของธุรกิจและอุตสาหกรรม บางหน่วยงานที่มีศักยภาพก็เริ่มเตรียมตัวทั้งการเตรียมโครงสร้างพื้นฐานและบุคลากร AI เป็นเรื่องของการนำข้อมูลมาใช้ในการวิเคราะห์ คาดการณ์และพยากรณ์ในเรื่องต่างๆ ซึ่งก็เป็นสิ่งที่มนุษย์ทำอยู่เป็นประจำ แต่ด้วยความสามารถของคอมพิวเตอร์ประกอบกับการใช้ข้อมูลขนาดใหญ่ก็เลยทำให้ทำได้รวดเร็วและมีความแม่นยำกว่ามนุษย์ ดังนั้นงานยากๆที่แต่ก่อนทำไม่ได้จึงสามารถทำได้ดีขึ้นในวันนี้ การประบุกต์ใช้ AI จะประกอบด้วยหลายๆด้านทั้งการวิเคราะห์ข้อมูล ด้านการฟัง ด้านการมองเห็น ด้านภาษา หรือด้านระบบผู้เชี่ยวชาญ ซึ่งองค์ประกอบสำคัญของ AI ก็คือการที่จะต้องมีข้อมูลขนาดใหญ่ (Big Data) แล้วใช้ Machine Learning มาเป็นอัลกอริทึมในการวิเคราะห์ข้อมูลแล้ว ยังต้องมีคอมพิวเตอร์ที่สามารถประมวลผลข้อมูลได้อย่างรวดเร็วด้วย โดยรูปที่ 1 ได้แสดงให้เห็นถึงความสัมพันธ์ของ AI, Big Data และ Machine Learning

 

screenshot 2019-01-14 13.34.15

รูปที่  1 ความสัมพันธ์ของ AI, Big Data และ Machine Learning

จริงๆแล้ว AI ไม่ใช่เรื่องใหม่แต่ที่เริ่มมากล่าวถึงมากขึ้นในตอนนี้ก็เพราะว่าเทคโนโลยีอย่าง Mobile, Social Media และ Internet of Things  (IoT) ทำให้เราสามารถเก็บข้อมูลได้มากขึ้น ทุกที่ ทุกเวลา และทุกอุปกรณ์ ข้อมูลก็มีขนาดใหญ่ขึ้นก็ยิ่งทำให้ AI มีความแม่นยำขึ้น ประกอบกับการมีระบบ Cloud computing ทำให้เราสามารถหาทรัพยากรคอมพิวเตอร์ขนาดใหญ่มาประมวลผลข้อมูลมหาศาลได้ง่ายขึ้น

การเตรียมตัวสำหรับการทำ AI องค์กรจะต้องพิจารณาเริ่มต้นจากความต้องการธุรกืจ ไม่ใช่เริ่มจากด้านเทคโนโลยี  ต้องเข้าใจวัตถุประสงค์และประโยชน์ที่จะนำ AI มาประยุกต์ใช้ในองค์กร หลังจากนั้นจึงพิจารณาด้านโครงสร้างพิ้นฐานสำหรับการทำ AI ซึ่งองค์ประกอบด้านเทคโนโลยีที่สำคัญมีสองส่วนคือ ด้านโครงสร้างพื้นฐานด้านข้อมูลขนาดใหญ่ และเทคโนโลยีด้านการวิเคราะห์ข้อมูลอย่าง Machine Learning และ Deep Learning  การเตรียมโครงสร้างพิ้นฐาน Big Data ผมก็คงจะไม่กล่าวถึงในบทความนี้เพราะได้เขียนไว้บ่อยๆในเรื่องของ Data Lake, Hadoop และ  Cloud Storage

อัลกอริทึมที่ใช้ใน AI ที่มักจะกล่าวถึงคือ Machine Learning ซึ่งก็มีการพัฒนามายาวนานโดยมีการประยุกต์ใช้ในด้านต่างๆอาทิเช่น การทำ Classification, Clustering, Recomendation, Personalization หรือ การทำ Fraud detection นอกจากนี้ยังมีอัลกอริทึมอีกกลุ่มหนึ่งคือ Deep Learningโที่มีความสามารถดีกว่า Machine Learning แบบเดิมๆดยได้ตัดเรื่องของการทำ Feature Engineer ออกเลยทำให้ AI สามารถเรียนรู้จากข้อมูลขนาดใหญ่ได้ดีขึ้นและมีประสิทธิภาพมากขึ้น เลยทำให้ในปัจจุบันมีการนำ Deep learning ในการประยุกต์ใช้งานด้านต่างๆอาทิเช่น Image recognition, Speech Recognition, Language หรือ  Self driving car

การเตรียมเทคโนโลยีด้านอัลกอริทีมเหล่านี้จะต้องเลือกเครื่องมือในการพัฒนา (Toolkit) และเตรียมระบบคอมพิวเตอร์ขนาดใหญ่สำหรับการประมวลผล ซึ่งเมื่อพูดถึงเครื่องมือในการพัฒนาเราอาจต้องใช้เครื่องมือต่างๆอาทิเช่น

  • Machine Learning Toolkit
    • SAS, R, MATLAB, Python (scikit-learn), Spark, Anaconda
  • Deep Learning Toolkit
    • TensorFlow, MXNet, PyTorch, Caffe, CTNK

นอกจากนี้การใช้อัลกอรึทีมโดยเฉพาะในขั้นตอนการทำ Data Training จำเป็นต้องมีระบบคอมพิวเตอร์ขนาดใหญ่ในการประมวลผล ซึ่งองค์กรอาจจำเป็นต้องเตรียมเครื่องคอมพิวเตอร์ในระบบ On-Premise หรืออาจใช้เครื่อง Virtual Server บนระบบ Public cloud เพื่อลดค่าใช้จ่ายในการลงทุนเบื้องต้น แต่หากโจทย์ AI เป็นปัญหาทั่วๆไปที่มีการทำ Data Training มาแล้ว เช่นการทำ Face Recognition, Speech Recognition หรือ Chat Bot องค์กรก็อาจสามารถที่จะใช้ APIs สำเร็จรูปที่ผู้ให้บริการ Public Cloud ค่ายต่างๆได้จัดเตรียมไว้เช่น Vision API ของ Google Cloud Platform  หรือ Recommendation API ของ Microsoft Azure ดังแสดงในรูปที่ 2 ที่เป็นการสรุปเปรียบเทียบบริการ AI Cloud  ของค่ายต่างๆ แต่การใช้ API เหล่านี้ก็อาจมีจุดด้อยในเรื่องของ Vendor Lock-in

49938364_2261204387459828_3708624111711289344_n

รูปที่ 2 เปรียบเทียบ API Services ของ Public Cloud Provider ต่างๆ

กล่าวโดยสรุปการเตรียมโครงสร้างพื้นฐานสำหรับองค์กรในการทำ AI อาจจะต้องครอบคลุมถึงเทคโนโลยีในการเก็บข้อมูลอย่าง Data Lake, Toolkit ในการพัฒนาอัลกอริทึมทางด้าน Machine Learning หรือ Deep Learning  และระบบคอมพิวเตอร์ขนาดใหญ่สำหรับการประมวลผล ซึ่งทั้งหมดที่กล่าวมาอาจใช้บริการของ  Public cloud เพื่อลดค่าใช้จ่ายในการลงทุนเบื้องต้น

ธนชาติ นุ่มนนท์

IMC Institute