กรุงเทพฯ--14 ส.ค.--มหาวิทยาลัยศรีปทุม
เมื่อกล่าวถึงเรื่องของเทคโนโลยีปัญญาประดิษฐ์แล้ว ในยุคนี้ นับว่าเป็นทิศทางแนวโน้มที่ยังมาแรง การทำนายทิศทางแนวโน้มหรือเทรนด์ (Trends) ของ Gartner ก็ยังได้ระบุเรื่องของ AI Security ไว้สำหรับเทคโนโลยีปี ค.ศ. 2020 ดังนั้น จะเห็นได้ว่าหลายบริษัทยักษ์ใหญ่อย่าง Facebook Google Apple และหลายสถาบัน รวมถึงมหาวิทยาลัยด้วยได้เล็งเห็นความสำคัญของทิศทางแนวโน้มเทคโนโลยีปัญญาประดิษฐ์นี้ แม้แต่ทางคณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยศรีปทุม ก็ได้มีนโยบายเกี่ยวกับเรื่องนี้ด้วยเช่นเดียวกัน โดยทางคณบดีคณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยศรีปทุม ได้จัดแบ่งกลุ่ม (Cluster) ของอาจารย์ในคณะเทคโนโลยีสารสนเทศ ออกเป็น 5 กลุ่ม หรือเรียกชื่อย่อว่า ABCDI ซึ่งก็ย่อมาจาก A คือ AI, B คือ Blockchain, C คือ Cloud Computing, D คือ Big Data และ I คือ Internet of Things ซึ่งในกลุ่มจะมีหัวหน้าทีมรับผิดชอบเป็นหลัก ซึ่งจะได้กล่าวถึงรายละเอียดในแต่ละเรื่องไป ดังนี้ คือ:
ปัญญาประดิษฐ์ (Artificial Intelligence: AI) หรือ เอไอ ในเว็บสารานุกรมเสรีวิกิพีเดียให้ความหมายเอาไว้ว่า หมายถึงความฉลาดเทียมที่สร้างขึ้นให้กับสิ่งที่ไม่มีชีวิต ปัญญาประดิษฐ์เป็นสาขาหนึ่งในด้านวิทยาการคอมพิวเตอร์ และวิศวกรรมเป็นหลัก แต่ยังรวมถึงศาสตร์ในด้านอื่น ๆ ด้วย อย่างจิตวิทยา ปรัชญา หรือชีววิทยา ซึ่งสาขาของปัญญาประดิษฐ์เป็นการเรียนรู้เกี่ยวกับกระบวนการการคิด การกระทำ การให้เหตุผล การปรับตัว หรือการอนุมาน และการทำงานของสมอง ในระยะหลังได้มีการปรับปรุงศาสตร์อื่นๆ รวมเข้าไว้ด้วย คือ (1). การเรียนรู้ของเครื่อง นั้นมีเทคนิคการเรียนรู้ที่เรียกว่า การเรียนรู้ต้นไม้ตัดสินใจ ซึ่งประยุกต์เอาเทคนิคการอุปนัยของจอห์น สจวร์ต มิลล์ นักปรัชญาชื่อดังของอังกฤษ มาใช้ (2). เครือข่ายประสาทเทียม ได้แก่การนำเอาแนวคิดของการทำงานสมองของมนุษย์ มาใช้ในการแก้ปัญหาการแบ่งประเภทของข้อมูล และแก้ปัญหาอื่น ๆ ทางสถิติ เช่น การวิเคราะห์ความถดถอย หรือการปรับเส้นโค้ง เอไอ นี้ บางครั้งเรียกว่า เครื่องจักรที่ชาญฉลาด (Machine Intelligence) หรือความฉลาดที่ถูกแสดงออกมาทางเครื่องจักรกล ตรงกันข้ามกับความฉลาดของมนุษย์และสัตว์ที่แสดงออกมาโดยธรรมชาติ โดยความหมายก็คือ การเลียนแบบพฤติกรรมทางปัญญาของมนุษย์ เช่น การเรียนรู้ และการแก้ปัญหา เมื่อเครื่องจักรเริ่มมีความสามารถเพิ่มมากขึ้น สิ่งอำนวยความสะดวกต่างๆ ในชีวิตประจำวันก็จะดีขึ้นตามไปด้วย ตัวอย่างเช่น การรู้จำอักขระด้วยแสงจะไม่ถูกมองว่าเป็นตัวอย่างของ "ปัญญาประดิษฐ์" อีกต่อไป เพียงแต่มันได้กลายเป็นเทคโนโลยีที่ใช้ในประจำวันเท่านั้นเอง ตัวอย่างการประยุกต์ใช้ของปัญญาประดิษฐ์ เช่น การเข้าใจคำพูดของมนุษย์, การแข่งขันเกมที่ใช้กลยุทธ์ระดับสูง เช่น หมากรุก/โกะ, รถยนต์ที่ไม่มีคนขับขี่, ความสำเร็จในการเดินทางอัจฉริยะที่มีการส่งสิ่งของไปถึงเป้าหมายตามจุดที่ได้กำหนดเอาไว้, การชี้เป้าการจำลองสถานการณ์ทางทหาร, และการตีความข้อมูลที่ซับซ้อน เป็นต้น ส่วนเทคโนโลยีที่สำคัญเกี่ยวกับปัญญาประดิษฐ์ คือ (1).การประมวลผลภาพอัจฉริยะ (Intelligent Image Processing) (2).การประมวลผลภาษาธรรมชาติ (Natural Language) (3).การประมวลผลสัญญาณอัจฉริยะ (Intelligent Signal) (4). การวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data) (5).การควบคุมอย่างชาญฉลาด (Intelligent) และ (6).ส่วนเชื่อมโยงมนุษย์กับคอมพิวเตอร์ (Human Computer Interaction)
สำหรับแนวทางของปัญญาประดิษฐ์ ศ.ดร.ธนารักษ์ ธีระมั่นคง นายกสมาคมปัญญาประดิษฐ์ไทย ได้อธิบายไว้ว่า ปัญญาประดิษฐ์ คือการใช้ความรู้ที่มนุษย์สร้างขึ้นเพื่อเข้าไปแก้ปัญหา (knowledge-Based Approach) กลุ่มนักวิจัยและนักพัฒนาที่เน้นวิธีการใช้ความรู้ที่เป็นรูปธรรม (Explicit Knowledge) นั้น จะพยายามสร้างคลังข้อมูล คลังความรู้ คลังวิธีการ หรืออัลกอริธึม และคลังเครื่องมือ เพื่อแก้ปัญหา หรือโจทย์ต่างๆ ด้วยความรู้ที่ใส่เข้าไปจนกลายเป็นการใส่ความชาญฉลาดให้กับคอมพิวเตอร์ได้ เหล่านี้ จัดอยู่ในหมวดของความรู้, ส่วนการพัฒนาที่ต่อเนื่องในโครงข่ายงานประสาทเทียม (Connectionist Approach) ได้พัฒนาขึ้นมาเป็นอย่างมาก, ในขณะที่กลุ่มนักวิจัยและนักพัฒนาที่เน้นการโครงข่ายงานประสาทเทียมนั้น จะพยายามหาโครงสร้างของโครงข่ายงานประสาทเทียมที่มีลักษณะเป็นกราฟที่มีจุดยอด (Node) และเส้นเชื่อม (Edge) ที่เหมาะสมและอัลกอริธึมที่จะทำให้การหาน้ำหนักที่เหมาะสม โดยเน้นความรู้ที่เก็บอยู่ในรูปแบบนามธรรม (Tacit Knowledge) กลุ่มนี้จัดอยู่ในหมวดของความชำนาญ ในแนวทางลำดับต่อมาคือในอดีตนักวิจัยทั้งสองกลุ่มได้แสดงความเห็นที่แตกต่างกัน และได้วิจารณ์วิธีการของอีกฝ่ายในหลากหลายมิติ โดยเฉพาะนักวิจัยกลุ่มแรก มักจะพูดเสมอว่า สิ่งที่นักวิจัยกลุ่มที่ใช้โครงข่ายงานประสาทเทียมนั้น ไม่สามารถอธิบายผลลัพธ์ที่เป็นโครงข่ายหลังการเรียนรู้ได้ เพราะมันเป็นลักษณะของกราฟที่มีน้ำหนักอยู่ที่จุดยอดและเส้นเชื่อม ในช่วงเดือนพฤษภาคม ปี ค.ศ.1997 โปรแกรมดีปบลู (Deep Blue) ใช้หลักการค้นหาลึก (Deep Search) และฟังก์ชั่นที่ซับซ้อน บนเครื่องคอมพิวเตอร์สมรรถนะสูง สามารถชนะเซียนหมากรุก แกรี คาสปารอฟ (Garry Kasparov) ได้ หลังจากนั้นมีการพัฒนาระบบที่ใช้โครงข่ายงานประสาทเทียมเข้าช่วยจนกลายมาเป็นโปรแกรม อัลฟาโกะ (AlphaGo ) ที่สามารถเล่นเกมหมากล้อมหรือเกมโกะชนะเซียนระดับ 9 ดั้ง อี เซ-ดล (Lee Sedol ) ในเดือนมีนาคม ค.ศ. 2016 โครงข่ายงานประสาทเทียมที่ใช้เป็นโครงข่ายที่สร้างด้วยการเรียนรู้เชิงลึก (Deep Learning) เนื่องจากคอมพิวเตอร์มีประสิทธิภาพสูงขึ้น และมีการใช้จีพียู (GPU) ที่ใช้ในการ์ดจอคอมพิวเตอร์ มาใช้ในการคำนวณเมตริกที่มีขนาดใหญ่ ทำให้สามารถสร้างความรู้ที่มีอยู่ในรูปแบบของน้ำหนักบนเส้นเชื่อมบนเครือข่ายที่เหมาะสมได้ ปัจจุบัน การเรียนรู้เชิงลึกถูกใช้งานต่างๆ ได้อย่างมีประสิทธิภาพ โดยเฉพาะการประมวลผลภาพเพื่อระบุวัตถุมีอยู่ในภาพ การประมวลผลสัญญาณเพื่อจำแนกเหตุการณ์ที่สำคัญ การรู้จำเสียงพูด การรู้จำตัวอักษรเขียน การรู้จำป้ายจราจร การบังคับรถอัตโนมัติ เป็นต้น เป้าหมายของปัญญาประดิษฐ์ คือ การใช้เหตุผล, การแก้ปัญหา, การนำเสนอความรู้, การวางแผน, การเรียนรู้ (Machine Learning ML), การประมวลผลภาษาธรรมชาติและความเข้าใจ, การรับรู้, การเคลื่อนไหวและการจัดการ, ความฉลาดทางสังคมและความฉลาดเฉลียวในการทำงานร่วมกัน, ความคิดสร้างสรรค์, ความสามารถฉลาดทั่วไป ท้ายสุดในเรื่องของปัญญาประดิษฐ์มี 4 ประเภท คือ (1).เน้นกลไกความคิด (2).เน้นผลลัพธ์ที่ได้ ประพฤติถูกต้อง (3).เน้นการได้ผลดีในภาพรวม และ (4).เน้นการมีเหตุผลในทุกขั้นตอน ข้อสังเกต: บางครั้งเราสามารถสร้างเครื่องที่กระทำคล้ายมนุษย์ โดยไม่ต้องคิดเหมือนมนุษย์ และบางครั้งสิ่งที่เราสร้างก็กระทำได้ดีจนหลอกมนุษย์ให้คิดว่ามันเป็นมนุษย์ได้
ในลำดับต่อไปนี้ มาทำความรู้จักกับแพลตฟอร์มของเทคโนโลยีปัญญาประดิษฐ์กัน เนื่องด้วยปัจจุบันมีการนำไปประยุกต์ใช้กันอย่างแพร่หลาย ตัวอย่างเช่น DeepMind ของ Google สามารถเรียนรุ้ได้ด้วยตนเองจากข้อมูลที่มีอยุ่แล้วในหน่วยความจำของคอมพิวเตอร์ โดยไม่ต้องพึ่งพามนุษย์ ในเว็บ techhub.in.th ได้อธิบายเกี่ยวกับแพลตฟอร์มนี้ว่า ระบบ Hybrid System ถือเป็นส่วนหนึ่งของระบบ AI ที่ Google พัฒนาขึ้น ซึ่งเมื่อไม่นานนี้ได้มีการพัฒนาขึ้นขึ้นใหม่ เรียกว่า Differential Neural Computer (DNC) โครงข่ายประสาทเทียมที่สามารถจัดเก็บข้อมูลปริมาณมหาศาลที่มีความซับซ้อน พร้อมทำงานคู่กับระบบ Smart AI หัวใจสำคัญของ DNC คือการควบคุมประสิทธิภาพการเปรียบเทียบผลการดำเนินงานเพื่อให้ได้ผลลัพธ์ที่ถูกต้อง สามารถเรียนรู้การใช้ข้อมูลเพื่อยกระดับประสิทธิภาพเพื่อให้ได้คำตอบที่ถูกต้องมากที่สุด ตัวอย่างของ DNC ที่ช่วยในการทำงาน คือ ระบบรถการขนส่งสาธารณะในกรุงลอนดอน เมื่อมีการเรียนรู้ในระดับพื้นฐานในหน่วยความจำ DNC จะสามารถคำนวณหาความสัมพันธ์ที่ซับซ้อนของเส้นทางได้ด้วยตัวของมันเอง โดยผลลัพธ์ที่ได้อาจออกมาในรูปแบบของตำแหน่งสถานี รวมไปถึงการแสดงข้อมูลใหม่ๆ ที่ได้จากการเรียนรู้ เป็นต้น. ส่วนใน Facebook ได้ใช้ AI ตรวจสอบเนื้อหา (Contents) ที่มีความรุ่นแรง หรือไม่เหมาะสม ในเว็บ www.marketingoops.com ได้รายงานว่า เบื้องหลังการตรวจสอบเนื้อหาบน Facebook ประกอบด้วย 2 ส่วน คือ “พนักงาน” และระบบ “AI” (Artificial Intelligence) ในการตรวจสอบเนื้อหาที่ใช้วาจาสร้างความเกลียดชัง เช่น เกี่ยวข้องกับชาติพันธุ์, ถิ่นกำเนิด, ชนชั้นวรรณะ, อัตลักษณ์ทางเพศ (ความรู้สึกว่าตัวเองบ่งบอกว่าเป็นเพศไหน) โดยปัจจุบันได้เพิ่มพนักงานผู้ตรวจสอบเนื้อหาจาก 10,000 คน เป็น 20,000 คนในปีนี้ กระจายอยู่ทั่วโลก มีหน้าที่รับผิดชอบในการตรวจสอบเนื้อหาที่ถูกรายงานว่าเป็นการฝ่าฝืนกฎ โดยทีมงานเหล่านี้ทำงานครอบคลุมทุกเขตเวลา ตลอด 24 ชั่วโมง 7 วัน และรองรับได้มากกว่า 50 ภาษา รวมถึงภาษาไทยด้วย สำหรับอีกแพลตฟอร์มหนึ่งพัฒนาโดยคนไทยจาก ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ หรือ NECTEC แพลตฟอร์มชื่อ Thai AI Service Platform เป็นแพลตฟอร์มปัญญาประดิษฐ์สัญชาติไทยเพื่อคนไทย Thai AI Service Platform โดดเด่นด้วยขีดความสามารถในการประมวลผลข้อมูลที่ประกอบสร้างขึ้นในบริบทสังคมวัฒนธรรมไทย ถือเป็นอัตลักษณ์สำคัญของปัญญาประดิษฐ์สัญชาติไทยที่เข้าใจบริบทความเป็นไทยได้ดีกว่าใคร นำไปสู่การพัฒนาแพลตฟอร์มปัญญาประดิษฐ์ที่ใช้งานง่าย และเกิดประโยชน์ในมิติที่ตอบโจทย์คนไทยได้ดีที่สุด เช่น มิติด้านการเกษตร ที่สามารถใช้ปัญญาประดิษฐ์คาดการณ์ผลผลิตและคุณภาพความหวานของอ้อย หรือ มิติด้านการแพทย์ ที่นำนวัตกรรมปัญญาประดิษฐ์มาช่วยวินิจฉัยโรคหนอนพยาธิใบไม้ในตับ นอกจากนั้น แพลตฟอร์มนี้ยังมุ่งพัฒนาเทคโนโลยี Machine Learning เสมือนสมองของ AI ให้มีความสามารถในการวิเคราะห์ข้อมูลมหาศาลที่หลั่งไหลอยู่ในประเทศเพื่อตอบโจทย์ผู้ใช้งานในภาคอุตสาหกรรมและการบริการต่าง ๆ เช่น ภาคธุรกิจกลุ่มค้าปลีก (Retail) ใช้ Chatbot ที่มีความเข้าใจในบริบทภาษาไทย สามารถโต้ตอบเพื่อการซื้อขายให้บริการแทนพนักงานได้เป็นอย่างดี หรือภาคโลจิสติกส์ ใช้ Face Recognition เพื่อตรวจจับใบหน้าของพนักงานขับรถเพื่อคาดการณ์ความเสี่ยงอุบัติเหตุ เป็นต้น
ด้วยสาเหตุที่มีหลากหลายบริษัทได้พยายามพัฒนาแพลตฟอร์มขึ้นมาเป็นจำนวนมาก ปัญหาที่อาจตามมาคือเรื่องของความปลอดภัย ดร.ธนชาติ นุ่มนนท์ ผู้อำนวยการสถาบัน IMC Institute ให้ทรรศนะเกี่ยวกับ AI Security ว่า ปัจจุบันมีการนำ AI และ Machine Learning มาประยุกต์ใช้งานที่มากขึ้น ความปลอดภัยที่เกี่ยวข้องกับการใช้งาน AI จึงเป็นเรื่องสำคัญโดยสามารถแบ่งออกเป็นสามด้านคือ 1) การป้องกันระบบ AI ที่พัฒนาขึ้นมา จากความเสี่ยงของการคุกคามข้อมูลหรือโมเดลที่อยู่ในระบบ 2) การนำ AI มาใช้ในการพัฒนาระบบ Cyber Security ให้มีความชาญฉลาดขึ้น และ 3) การป้องกันภัยคุกคามทาง Cyber แบบใหม่ๆ ที่ผู้ร้ายใช้ AI มาทำการพัฒนา ดังนั้น ผู้ใช้งานคอมพิวเตอร์ แพลตฟอร์ม หรือสื่อสังคมออนไลน์ทั้งหลาย ควรใช้เทคโนโลยีด้วยความระมัดระวัง และมีวิจารณญาณที่ดีในการกลั่นกรองข้อมูลให้รอบคอบอย่างละเอียดถี่ถ้วนด้วยสติปัญญาอันชาญฉลาด เพราะถ้าไม่เช่นนั้นแล้วอาจเกิดปัญหาเรื่องความปลอดภัยเรื่องการถูกคุกคามทางข้อมูลตามมาทีหลังได้.
บทความ โดย ผศ.สุพล พรหมมาพันธุ์
อาจารย์ที่ประจำสาขาวิชาคอมพิวเตอร์ธุรกิจ
คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยศรีปทุม