เชื่อว่าวันนี้หลายๆคนน่าจะคุ้นเคยกับ AI และ Machine Learning กันมากขึ้นแล้ว แต่ที่ยังไม่สามารถใช้งานกันได้อย่างแพร่หลายเพราะเทคโนโลยีดังกล่าวนั้นมีราคาใช้จ่ายในการลงทุนที่ค่อนสูง อีกทั้งยังไม่รู้จะเริ่มต้นอย่างไร อย่างไรก็ดีล่าสุด AWS ได้ออกมาแนะนำองค์กรต่างๆที่ต้องการใช้เทคโนโลยีดังกล่าว ว่าสามารถเลือกใช้ แฟลตฟอร์มของที่ทางเตรียมไว้ให้ได้ และยังมีราคาที่เหมาะสมอีกด้วย
AWS แนะองค์กรสามารถก้าวสู่ยุคของปัญญาประดิษฐ์ที่สามารถเรียนรู้ได้เพียงแค่เข้าใจ
สุรวุฐิ์ พรทาบทอง AWS Solution Architect กล่าวว่า ปัญญาประดิษฐ์ (AI) เกิดขึ้นจากความคิดที่มีมายาวนานว่า เครื่องจักรนั้นสามารถทำสิ่งต่าง ๆ ที่มนุษย์ทำได้ ซึ่งมีการนำเทคโนโลยีนี้ไปประยุกต์ใช้งานด้านต่าง ๆ มากมายในช่วยหลายทศวรรษที่ผ่านมา ซึ่งรวมถึงกิจกรรมในชีวิตประจำวัน เช่น การกรองข่าวขยะ (spam filtering) และการแนะนำสินค้าต่าง ๆ
การเรียนรู้ด้วยเครื่องหรือ แมชชีน เลิร์นนิ่ง (ML) เป็นส่วนหนึ่งของปัญญาประดิษฐ์ (AI) เกิดขึ้นจากการนำข้อมูลมหาศาลมาใช้ประโยชน์ กลายเป็นข้อมูลเชิงลึกสำหรับการพยากรณ์ หากจะอธิบายง่าย ๆ คือ เป็นการระบุรูปแบบต่าง ๆ ที่ซ่อนอยู่ในข้อมูลขนาดใหญ่
จากนั้นจึงใช้รูปแบบเหล่านั้นประเมินว่าจะเกิดอะไรขึ้นในอนาคต และเหตุใดจึงจะมีโอกาสเกิดขึ้น แมชชีน เลิร์นนิ่ง มีการนำอัลกอริทึมเฉพาะไปใช้กับข้อมูลขนาดใหญ่ ทั้งในเชิงกว้างและเชิงลึก และทำให้เกิดผลลัพธ์เฉพาะขึ้นมา ซึ่งข้อมูลเหล่านั้น
ยากเกินกว่าที่มนุษย์จะสามารถทำความเข้าใจได้ด้วยตัวเอง ตัวอย่างการประยุกต์ใช้งาน เช่น การพยากรณ์ว่าลูกค้ามีแนวโน้มจะยกเลิกบริการโทรศัพท์มือถือเมื่อไร หรือพยากรณ์เกี่ยวกับความเสี่ยงที่บุคคลจะมีแนวโน้มเป็นเบาหวาน
AI และ ML มีประโยชน์อย่างไร
ระบบอัตโนมัติ (Automation) ที่เกิดขึ้นด้วยพลังของปัญญาประดิษฐ์ (AI) และ แมชชีน เลิร์นนิ่ง (ML) นับเป็นประโยชน์ที่สำคัญต่อลูกค้า กระบวนการง่าย ๆ อย่างการค้นหารูปภาพ โดยใช้คำค้นจากหัวเรื่อง แต่เดิมต้องใช้คนค้นหาเองด้วยมือ
แต่ปัจจุบันองค์กรต่างๆสามารถใช้ระบบ AI/ML ทำให้กระบวนการนี้ทำได้โดยอัตโนมัติแบบเรียลไทม์ และปรับสเกลการทำงานได้ตามต้องการ เราสามารถดูได้จากกรณีขององค์กร CSPAN ซึ่งเป็นเครือข่ายโทรทัศน์ของสหรัฐฯ เป็นตัวอย่างที่ดีของระบบอัตโนมัติที่ทำงานด้วยปัญญาประดิษฐ์ สามารถปรับปรุงกระบวนการทำงาน ขณะเดียวกันก็ปรับปรุงคุณภาพ และลดต้นทุนได้ด้วย
โดยระบบ AI/ML ของ Amazon Web Services ได้ง่ายมากขึ้นผ่านทาง API ที่ง่าย และสะดวก ซึ่งแบ่งออกเป็น 2 รูปแบบการใช้งาน คือการใช้แบบ Application Services และการใช้แบบ AI Platform & Engine อาทิ องค์กร CSPAN จัดเรียงดัชนีของฟุตเทจวิดีโอด้วยมือ
โดย CSPAN ใช้ระบบ AWS AI/ML (โดยเฉพาะการรู้จำรูปภาพ หรือ AWS Rekognition Image) ช่วยให้ CSPAN ใช้เวลาเพียง 3 สัปดาห์ในการพัฒนาโซลูชั่นช่วยจัดเรียงดัชนีคอนเทนต์ต่าง ๆ ได้ทั้ง 100% สามารถระบุมีใครอยู่ในกล้องใด ณ เวลาใด ในแต่ละเครือข่ายของ C-SPAN ที่มีอยู่ 8 เครือข่าย
ซึ่งปัจจุบันนี้ C-SPAN สามารถค้นหาวิดีโอที่บันทึกไว้ได้ทั้งหมด เพราะมีการจัดเรียงเป็นดัชนี 99,000 รายการบนฐานข้อมูลของ C-SPAN ซึ่งช่วยประหยัดเวลาในการคัดสรร ได้มากถึง 9,000 ชั่วโมงต่อปี
ประโยชน์อย่างที่สองคือ การเสริมประสิทธิภาพ (enrichment) สามารถช่วยให้ลูกค้านำผลิตภัณฑ์ต่าง ๆ ที่มีอยู่มาใช้และได้ประโยชน์หรือประสิทธิภาพเพิ่มขึ้น ช่วยให้ลูกค้าเราพัฒนาการมีส่วนร่วมกับผู้บริโภคของพวกเขา ขยายฐานลูกค้าของเขาด้วยการยกระดับประสบการณ์
ตัวอย่างเช่น Stitch Fix ซึ่งเป็นกิจการค้าปลีกแฟชั่นทางออนไลน์ ที่ได้พัฒนาอัลกอริทึมกว่า 50 แบบเพื่อการเรียนรู้เชิงลึก และนำมาใช้คำแนะนำเสื้อผ้าให้เหมาะกับลูกค้า ระบุได้ว่าชิ้นใดกำลังเป็นที่ต้องการของตลาด และพยากรณ์แนวโน้มแฟชั่นได้ด้วย บริษัทยังได้พัฒนาอัลกอริทึมที่ซับซ้อนเพื่อประเมินว่า
ลูกค้าจะชอบเสื้อผ้ามากหรือน้อยเพียงใด การพัฒนาประสบการณ์ของลูกค้า จึงทำได้โดยการสร้างประสบการณ์การช้อปปิ้งที่ตอบโจทย์ความต้องการของแต่ละคนได้ดีขึ้น
ประโยชน์อย่างที่สามคือ การคิดค้น (Invention) ที่ช่วยให้ลูกค้าของเราเปลี่ยนจากการพัฒนาอย่างค่อยเป็นค่อยไป (evolutionary improvement) ไปสู่การคิดค้นสิ่งใหม่อย่างพลิกโฉม (revolutionary innovation) ซึ่งจะเกิดขึ้นได้ต่อเมื่อลูกค้าสามารถใช้ประโยชน์จากความรู้ในด้านอุตสาหกรรมที่มีอยู่มากมาย
มาผนวกกับเทคโนโลยี AI/ML เพื่อคิดค้นแนวทางใหม่ในการเจาะตลาดผลิตภัณฑ์หรือบริการ ตัวอย่างเช่น บริษัท Philips Healthcare ได้พัฒนาระบบตรวจสอบยันความถูกต้องของข้อมูลคนไข้ที่หลากหลายในโรงพยาบาลต่าง ๆ ที่เปลี่ยนไปจากเดิมโดยสิ้นเชิง ภาพต่าง ๆ ในระบบดิจิทัล
ผนวกกับเทคโนโลยีเอไอและความเชี่ยวชาญด้านรังสี ช่วยให้แพทย์สามารถตัดสินใจได้ในการบ่งชี้ประเภทเฉพาะของเนื้อร้ายหรืออาการบาดเจ็บ โดยสรุปแล้ว ระบบแบบนี้จะช่วยให้ผู้ประกอบวิชาชีพแพทย์มีแนวทางรักษาผู้ป่วยได้ในแบบที่ไม่เคยทำได้มาก่อน
การทำงานภายใน AWS นั้น จะเน้นดึงเอาความรู้และความสามารถดังข้างต้นออกมา ทำให้เกิดประโยชน์ต่อลูกค้า ซึ่งจะมองระบบแมชชีน เลิร์นนิ่งเป็น 3 ระดับหรือเลย์เยอร์
บริการด้านแอปพลิเคชั่น
ที่ช่วยให้นักพัฒนาสามารถนำแอปฯ เข้ามาปลั๊กอิน ทำงานกับ API ของ AI/ML ที่มีอยู่ได้เลย ซึ่งบริการทั้งหมดของ AWS เป็นแบบ API-enabled การเรียนรู้เชิงลึกและการเรียนรู้ของเครื่องจะเป็นบริการสำหรับนักวิทยาศาสตร์ข้อมูลและนักพัฒนาแอปฯ
ให้สามารถเอาระบบไปผนวกกับกระบวนการและระบบวิเคราะห์ของพวกเขาได้ เมื่อลูกค้าต้องการรู้ว่า attribute อะไรอยู่ในภาพ บริษัทก็มีบริการให้ได้ หากต้องการสร้างแชตบอท บริษัทก็มีบริการให้เช่นกัน บริษัทได้จัดการในส่วนที่จัดการยากให้แทนและเปิดเป็นบริการให้ลูกค้าเข้าถึงระบบ
ซึ่งบริการในเลย์เยอร์ระดับบนนี้ ได้แก่ Amazon Rekognition Image & Video for vision, Amazon Lex สำหรับการทำแชตบอทและอินเทอร์เฟซการสนทนา และบริการ Amazon Polly ถอดภาษา แปลภาษา และทำความเข้าใจภาษา
บริการด้านแพลตฟอร์ม
ที่ช่วยให้นักพัฒนาทำงานง่าย ทั้งช่วงเริ่มต้นและช่วงที่ใช้ ML มาก ๆ บริการในชั้นนี้ เป็นบริการครบวงจรสำหรับนักวิทยาศาสตร์ข้อมูล มุ่งช่วยแก้ปัญหาทั่วไปและปัญหาด้าน ML ที่ท้าทาย สามารถปรับสเกลได้อัตโนมัติ ช่วยให้นักวิทยาศาสตร์ข้อมูลใช้เวลาไปกับการพัฒนาโมเดลและผลลัพธ์ให้ตอบโจทย์
เช่น คำแนะนำและการพยากรณ์ต่าง ๆ แพลตฟอร์ม SageMaker สามารถขจัดปัญหาการตั้งค่าและการจัดการโครงสร้างพื้นฐานให้แก่นักวิทยาศาสตร์ข้อมูล เพื่อให้ใช้เวลาให้คุ้มค่าที่สุด บริการในขั้นนี้ มีหลายหน่วยงานใช้บริการ อาทิ Zillow, ZipRecruiter และ Netflix ที่ได้สร้างเอ็นจินที่ใช้พลังงานสูง
เฟรมเวิร์กและอินเทอร์เฟซสำหรับวงการแมชชีน เลิร์นนิ่ง
โดยเป็นบริการสำหรับผู้ที่สามารถสร้างโมเดลการเรียนรู้เชิงลึก ผู้ที่ทำงานกับเฟรมเวิร์กการเรียนรู้เชิงลึก หรือสร้างคลัสเตอร์ ฯลฯ
ด้าน ดร.วิชญ์ เนียรนาทตระกูล กรรมการผู้จัดการ Dailitech กล่าวว่า เราสามารถนำนวัตกรรมเหล่านั้นมาตอบโจทย์ให้ลูกค้าในองค์กรประเทศไทยได้ โดยเริ่มมีให้เห็นแล้ว อย่าง แสนสิริ ที่นำเอา AI มาทำเป็นผู้ช่วยในการสร้างระบบบ้านอัตโนมัติ (Home Automation) ในชื่อ “แสนสิริ A.I. Box”
หรือ Amazon Go ซูปเปร์มาร์เก็ตที่ไม่ต้องมีพนักงานคิดเงินแต่ใช้เรียนรู้พฤติกรรมเชิงลึก (Deep Learning) ผสมกับ การประมวลผลภาพ (Computer Vision) ของผู้ใช้บริการ ตรวจจับการเคลื่อนไหวได้อย่างแม่นยำ ทำให้สามารถให้บริการได้อย่างถูกต้อง และรวดเร็วมากขึ้น
แต่อย่างไรก็ดี บริษัทที่ต้องการใช้งาน AI หรือ ML ไปใช้ในองค์กรควรจะเริ่มต้นจากการเตรียมความพร้อมก่อนเป็นสิ่งแรก โดยแปลงข้อมูลที่มีอยู่ให้อยู่ในรูปแบบของดิจิทัล ตรวจสอบความถูกต้อง วางแผนในส่วนของพื้นที่ที่จะใช้เก็บข้อมูล และสุดท้ายคือต้องเตรียมความพร้อมของทีมงาน หรือต้องสร้างทีมที่จะมาดูแลเรื่องนี้ให้ได้โดยเฉพาะเสียก่อน
โซลูชั่น และความสามารถของ AWS AIML
Amazon Rekognition สามารถทำการตรวจจับวัตถุในภาพว่าคืออะไร ซึ่งสามารถค้นเนื้อหาในวิดีโอทั้งแบบ Online และ Store, Amazon Lex Chatbot ที่สามารถให้บริการได้ทั้ง ข้อความ และเสียง ทำให้ธุรกิจสามารถบริการได้อย่างทันสมัย
Amazon Polly ความสามารถในการแปลงภาษา จากข้อตวาม ให้อ่านออกเสียงได้, Amazon Transcribe ความสามารถในการแปลงเสียงเป็นข้อความ, Amazon Translate ความสามารถในการแปลงภาษา (ยังไม่รองรับภาษาไทย อยู่ในระหว่างพัฒนาร่วมกับ บริษัท เดลิเทค (ประเทศไทย) จำกัด)
และสุดท้าย Amazon Comprehend ความสามารถในการ อ่านจับใจความสำคัญ หรือความสัมพันธ์ภายในข้อความ (Natural Language Processing (NLP) โดยใช้ ML
ส่วนขยาย
* บทความนี้เรียบเรียงขึ้นเพื่อวิเคราะห์ในแง่มุมที่น่าสนใจ ไม่มีวัตถุมุ่งเพื่อโจมตี หน่วยงานใดหน่วยงานหนึ่ง
** Compose : ชลัมพ์ ศุภวาที (Editors and Reporters)
สามารถกดติดตาม ข่าวสาร และบทความทางด้านเทคโนโลยี ของเราได้ที่
