Artificial Intelligence (AI) หรือปัญญาประดิษฐ์เป็นศาสตร์ที่ว่าด้วยการสร้างความฉลาดให้กับเครื่องจักร โดยเฉพาะอย่างยิ่งกับระบบคอมพิวเตอร์ เพื่อให้สามารถคำนวณ คิดหาเหตุผล มีการเรียนรู้ได้เสมือนกับสมองมนุษย์ และตอบสนองต่อสถานการณ์ต่างๆ ได้ ซึ่งปัญญาประดิษฐ์ หรือ AI เป็นคำที่ถูกพูดถึงมากที่สุดในยุคนี้ ในฐานะเทคโนโลยีที่จะเข้ามาเปลี่ยนแปลงกิจกรรมทางสังคมและเศรษฐกิจของโลกและประเทศไทยในอนาคต
แต่องค์ประกอบหนึ่งของ AI ที่เป็นองค์ประกอบที่สำคัญในการช่วยพัฒนาและสร้างความฉลาดให้แก่ AI ที่จะไม่พูดถึงมิได้คือ Machine Learning ซึ่งถือเป็นส่วนการเรียนรู้ของ AI โดยหากเปรียบ Machine Learning เป็นอวัยวะส่วนหนึ่งของมนุษย์ ก็คงจะสามารถเปรียบ Machine Learning เป็นสมอง เพราะหน้าที่หลักของ Machine Learning คือการสร้างความฉลาด โดย Machine Learning จะเรียนรู้จากสิ่งที่มนุษย์ส่งข้อมูลเข้าไปกระตุ้น แล้วจดจำเอาไว้เป็นมันสมอง และทำการวิเคราะห์ข้อมูลแล้วส่งผลลัพธ์ออกมาเป็นตัวเลข หรือ code ที่ส่งต่อไปยังส่วนแสดงผล หรือให้เจ้าตัว AI นำไปแสดงการกระทำ
โดยหากพิจารณา Machine Learning เทียบกับการเขียนโปรแกรมในสมัยก่อนจะค้นพบว่า Machine Learning นั้นมีความแตกต่างจากการเขียนโปรแกรมในสมัยก่อนเป็นอย่างมาก โดยการเขียนโปรแกรมในสมัยก่อนนั้นคำสั่งโปรแกรมทั้งหมดจะต้องถูกกำหนดแนวทางไว้ชัดเจนจากผู้เชี่ยวชาญที่ต้องการจะพัฒนาซอฟต์แวร์นั้นๆ โดยความซับซ้อนของแต่ละชุดคำสั่งนั้นขึ้นอยู่กับความรู้ความสามารถของผู้พัฒนาระบบ และเมื่อระบบเริ่มซับซ้อนมากขึ้น ยิ่งจำเป็นต้องมีชุดคำสั่งที่ถูกเขียนเพิ่มขึ้น ทำให้การบำรุงรักษาระบบจะไม่เสถียร โดย Machine Learning จะเรียนรู้ว่าข้อมูลขาเข้าและข้อมูลขาออกที่ได้รับมามีความเกี่ยวข้องกันอย่างไร และระบบจะทำการวิเคราะห์ถึงความสัมพันธ์ของข้อมูล เพื่อเขียนชุดคำสั่งขึ้นมาใหม่โดยที่โปรแกรมเมอร์ไม่จำเป็นต้องเขียนกฎใหม่ทุกครั้งที่มีข้อมูลใหม่
โดย Machine Learning นั้นจำแนกออกได้เป็นสามรูปแบบคือ
- การเรียนรู้โดยมีผู้สอน (Supervised Learning) เป็นการเรียนรู้ที่เครื่องจักรจะต้องอาศัยข้อมูลใน การฝึกฝน เปรียบเสมือนกับการเรียนการสอนของเด็กเล็ก โดยจำเป็นจะต้องอาศัยชุดข้อมูลต่างๆ ซึ่งประกอบไปด้วยชุดของข้อมูลและชุดผลลัพธ์ของข้อมูลที่ต้องการ โดยผลที่ได้จากการเรียนรู้คือ Machine Learning สามารถคาดคะเนผลลัพธ์ที่เกิดขึ้นจากการได้รับข้อมูล ตัวอย่างที่เห็นได้ชัดของ Machine Learning ในกลุ่ม Supervised Learning ที่ถูกนำมาประยุกต์ใช้งานในเชิงธุรกิจ คือ การคำนวณราคาบ้านหรือการวิเคราะห์ผลฟุตบอล
- การเรียนรู้โดยไม่มีผู้สอน (Unsupervised Learning) เป็นการเรียนรู้ที่ให้เครื่องจักรนั้นสามารถเรียนรู้ได้ด้วยตนเอง โดยไม่ต้องมีค่าเป้าหมายของแต่ละข้อมูล ซึ่งวิธีการคือมนุษย์จะเป็นผู้ใส่ข้อมูลต่างๆ และกำหนดสิ่งที่ต้องการจากข้อมูลเหล่านั้น โดยให้เครื่องจักรวิเคราะห์จากการจำแนกและสร้างแบบแผนจากข้อมูลที่ได้รับมา โดยตัวอย่างที่เห็นได้ชัดของ Machine Learning ในกลุ่ม Unsupervised Learning ที่ถูกนำมาประยุกต์ใช้งานในเชิงธุรกิจ คือ ระบบแนะนำผลิตภัณฑ์ ยกตัวอย่างเช่นการแนะนำคลิปวิดีโอใน YouTube ที่ทำการแบ่งหมวดหมู่ของคลิปวีดีโอต่างๆ
- การเรียนแบบเสริมกำลัง (Reinforcement Learning) เป็นการเรียนรู้สิ่งต่างๆ จากการลองผิดลองถูก ภายใต้แนวคิดที่ว่าจะเลือกกระทำสิ่งที่ทำให้ได้ผลลัพธ์มากที่สุด โดยทำการเรียนรู้จากการลองผิดลองถูกในสถานการณ์ในอดีตหรือระบบจำลองและพยายามที่จะพัฒนาระบบการตัดสินใจของตัวเองให้ดีขึ้นเรื่อยๆ โดยที่อาจจะพัฒนาด้วยการพยายามสร้างแบบจำลองสถานการณ์ต่างๆ โดยตัวอย่างที่เห็นได้ชัดของ Machine Learning ในกลุ่ม Reinforcement Learning ที่ถูกนำมาประยุกต์ใช้งานในเชิงธุรกิจ คือ AlphaGo ที่สามารถเล่นเกมโกะให้ชนะผู้เล่นระดับโลก ระบบการจัดการ Portfolio ให้ตัดสินใจเลือกอัตราส่วนของสินทรัพย์
ถึงแม้ว่ามนุษย์จะมีความสามารถมากเพียงใด แต่สิ่งหนึ่งที่มนุษย์ไม่สามารถสู้เครื่องคอมพิวเตอร์ได้ คือ การคำนวณ ทั้งในเรื่องของความเร็ว ความแม่นยำ และโอกาสผิดพลาด ดังนั้นเมื่อมีข้อมูลเป็นจำนวนมาก จึงทำให้การคำนวณข้อมูลเหล่านี้โดยใช้มนุษย์เป็นสิ่งที่ยากลำบาก ประกอบกับเทคโนโลยีในปัจจุบันนั้นช่วยลดความซับซ้อนในการทำโปรแกรมประเภทนี้ จึงทำให้แนวคิดของ Machine Learning ถูกนำไปประยุกต์ใช้อย่างแพร่หลาย และ เป็นพื้นฐานต่อยอดให้กับแนวคิดระบบโปรแกรมใหม่ๆ มากมาย
ซึ่งในปัจจุบันเทคโนโลยี Machine Learning ถูกพัฒนาจนสามารถนำมาประยุกต์ใช้งานได้ในชีวิตประจำวัน ไม่ว่าจะเป็นการแพทย์ การตลาด การกีฬา การสื่อการมวลชน อุตสาหกรรมทั้งหนักและเบา โดยมีตัวอย่างเทคโนโลยีที่ถูกพัฒนามาใช้งานในปัจจุบันอย่างมากมาย ไม่ว่าจะเป็น ทางการแพทย์ที่ใช้เทคโนโลยี Machine Learning เพื่อช่วยวินิจฉัยโรคต่างๆ รวมถึงคาดเดาความเสี่ยงในการเกิดโรค รถไร้คนขับ ระบบการสรรหาพนักงานอัตโนมัติ การวิเคราะห์ยอดขายล่วงหน้า การตรวจสอบความผิดพลาดของสายการผลิต ระบบจดจำใบหน้า Machine Learning จึงเป็นเครื่องมือที่ดีที่สุดที่ถูกพัฒนาให้สามารถทำงานในส่วนที่มนุษย์ทำได้ไม่ดีพอหรือแม้แต่งานที่เป็นไปไม่ได้สำหรับที่มนุษย์จะทำ
ดังนั้น Machine Learning เป็นสิ่งที่มนุษย์ในปัจจุบันทุกคนควรรับรู้ ถึงแม้จะไม่ได้ทำงานสายเทคโนโลยีก็ตาม เพราะในอนาคตเราจะได้เห็นเทคโนโลยีเหล่านี้ขยับเข้ามาใกล้ตัวเรามากขึ้นๆ ทั้งในชีวิตส่วนตัว และชีวิตการทำงาน ที่อาจจะเห็น Machine Learning เข้ามาทำงานทดแทนมนุษย์ โดยเฉพาะงาน Routine อาชีพที่ใช้แรงงาน ไม่ได้ใช้ความรู้ในระดับเชี่ยวชาญและเฉพาะทางจริงๆ เช่น Cashier, Telephone salesperson, คนงานในโรงงาน, คนขับรถแท็กซี่ และในอุตสาหกรรมการเงินที่ถือว่ามีแนวโน้มสูง เนื่องจาก Machine Learning สามารถวิเคราะห์ข้อมูลด้านการเงินและเตรียมข้อมูลบัญชี ได้อย่างแม่นยำ โดยไม่ต้องอาศัยนักบัญชี ที่มีโอกาสคำนวณพลาดอีกต่อไป
Dr. Anima Anandkumar หัวหน้าฝ่าย Machine Learning ของ Nvidia กล่าวคำปราศรัยในงาน TED Talk x Indiana University ความว่า ในปัจจุบันพนักงานทุกคนควรประเมินหน้าที่ที่ตนได้รับมอบหมายในการทำงาน ด้วย 3 คำถามสำคัญ คือ งานที่ทำอยู่เป็นงานที่ทำซ้ำซากหรือไม่ งานที่ตนทำอยู่มีรูปแบบการประเมินผลงานที่ชัดเจนหรือไม่ และงานที่ทำเกี่ยวข้องกับข้อมูลมหาศาลเพื่อใช้ในการฝึกฝน Machine Learning ด้วยหรือไม่ ถ้าคำตอบทั้งหมดคือ “ใช่” ก็สามารถยืนยันได้เลยว่าในอีกไม่กี่สิบปีข้างหน้า Machine Learning จะเข้ามาทำงานทดแทนคุณอย่างแน่นอน ซึ่งทางออกสำหรับพนักงานที่เสี่ยงต่อการถูก AI แย่งงาน คือการมุ่งเป้าไปที่ตำแหน่งงานที่ต้องใช้ความคิดสร้างสรรค์และหมั่นเพิ่มทักษะแบบ Soft Skill ในด้านเทคโนโลยีซึ่งให้รู้เท่าทัน AI ขณะเดียวกันต้องมี Growth Mindset ในแง่ของการยอมรับและปรับเพิ่มการเรียนรู้ทักษะใหม่ เพื่อเปิดประตูแห่งโอกาสที่จะเข้ามาในอนาคต
แต่ถึงอย่างไรก็ตามมนุษย์ยังต้องใช้เวลาอีกนานในการพัฒนาและทดสอบจนมั่นใจว่า Machine Learning นั้นสามารถแทนที่มนุษย์ได้จริง ๆ ดังนั้นมนุษย์จึงไม่จำเป็นต้องกลัวหุ่นยนต์ ในปัจจุบันให้ปรับมุมมองว่า Machine Learning เข้ามาหย่อนแรง และร่นเวลา เพราะอย่างไรก็ตามหุ่นยนต์ก็ถูกสร้างขึ้นมาโดยมนุษย์ ต่อให้หุ่นยนต์ฉลาดแค่ไหน ยังไงก็อยู่ในกรอบโปรแกรมที่ถูกใส่เข้าไป
ดังคำกล่าวของ Albert Einstein “จิตนาการสำคัญกว่าความรู้” หากเรานำความคิดสร้างสรรค์มาใช้ในชีวิตประจำวันในทุกสายอาชีพ และสร้างแนวคิดใหม่ ไม่ว่าจะอาชีพไหนก็สามารถหยิบเอาความถนัดของตัวเองมาทำงานร่วมกับความคิดสร้างสรรค์ได้ เพียงแค่นี้ Machine Learning ก็จะไม่สามารถเข้ามาทดแทนมนุษย์ได้เช่นกัน เช่น ด้านการตลาดและการโฆษณา (Marketing and Advertising) ซึ่งเป็นที่รู้กันอยู่แล้วว่าในอินเตอร์เน็ทปัจจุบันมีข้อมูลมหาศาลและเปลี่ยนแปลงทุกวัน จะให้นักการตลาดมาวิเคราะห์ทุกวันมันคงเป็นไปไม่ได้ แต่เราสามารถใช้ Machine learning ติดตามพฤติกรรมผู้บริโภคแบบทันที เป็นเครื่องมือช่วยนักการตลาดวิเคราะห์ให้ถูกจุดขึ้นได้ Machine learning อาจจะจดจำข้อมูลได้แบบไร้ขอบเขต แต่ก็ยังไม่มีทักษะทางสังคมและความคิดสร้างสรรค์อยู่ดี ยังคงต้องอาศัยทักษะด้านการพูดโน้มน้าวในการขาย การดีไซน์ และการคิดนอกกรอบให้แตกต่างเพื่อถึงความสนใจจากลูกค้านั่นเอง ซึ่งถ้าคุณยังไม่รู้จักปรับตัวให้ทัน หุ่นยนต์จะแย่งงานคุณไปอย่างแน่นอน
บทความโดย :
นายพิพัฒน์ สมโลก
ฝ่ายนโยบายและยุทธศาสตร์ สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa)
ขอขอบคุณแหล่งที่มา :