ขุมพลังในการคำนวณและสภาพแวดล้อมที่เลวร้าย – AI ที่ล้ำสมัยอาจต้องใช้ขุมพลังในการคำนวณอย่างมากเพื่อรับประกันว่ามีจะสมรรถนะที่ดีเพียงพอ

Share

Loading

ในขณะที่เรากำลังก้าวเข้าสู่ยุคใหม่ที่เต็มไปด้วยนวัตกรรมทางด้านเทคโนโลยี แนวคิดอินเตอร์เน็ตในทุกสิ่งหรือที่เรียกว่า IoT ซึ่งมีมานานแล้วโดยเฉพาะอย่างยิ่งในยุคที่มีการพัฒนาเทคโนโลยีอย่างรวดเร็ว IoT ได้นำพาให้จิตวิญญาณของการมีอยู่ทางกายภาพและดิจิทัลมาบรรจบกันทำให้การเก็บรวบรวมข้อมูลจากอุปกรณ์ต่างๆ มีจำนวนเพิ่มมากขึ้นเรื่อยๆ อย่างมากมายมหาศาลเพื่อให้รวมกันเป็นสิ่งที่เรียกกันโดยทั่วไปว่า Big Data โดยที่จำนวนของอุปกรณ์เหล่านี้จะยังคงเพิ่มขึ้นเรื่อยๆ ในทุกๆ วันและคาดว่าจะมีจำนวนถึงเกือบ 5 หมื่นล้านภายในปี 2020

            ข้อมูลที่เก็บรวบรวมจากอุปกรณ์เหล่านี้จะประสบปัญหาอย่างหนึ่งก็คือ เวลาที่ใช้ในการพยายามส่งต่อข้อมูลไปยังตำแหน่งที่ตั้งศูนย์กลาง เช่น ระบบคลาวด์ (Cloud System) ปัญหานี้เรียกว่า เวลาหน่วง หรือ “Time Delay” ถึงแม้ว่าความเร็วในการเชื่อมต่อจะเพิ่มสูงขึ้นอย่างสม่ำเสมอแต่ก็ไม่มีทางทันกับปริมาณข้อมูลที่เพิ่มขึ้นอย่างรวดเร็วอยู่เรื่อยๆ หากไม่มีผู้ใดจัดการกับปัญหานี้เวลาหน่วงก็จะเพิ่มขึ้นและจะกระทบต่อประสิทธิภาพการทำงานโดยรวมของระบบ และนี่คือหนึ่งในจุดที่ AI สามารถเข้ามาช่วยพัฒนาได้เป็นอย่างมาก ยิ่งไปกว่านั้นยังเป็นการเปิดโอกาสให้มีนวัตกรรมด้านเทคโนโลยีใหม่ๆ เช่น การเพิ่มความคล่องตัวให้การจราจรในเมืองไปจนถึงความมั่นคงของรัฐและบริการทางการเงินที่ดียิ่งขึ้น

โซลูชั่นหน่วยความจำและการจัดเก็บข้อมูลล้ำสมัยสำหรับ AI

            เมื่อปัญญาประดิษฐ์ (AI หรือ Artificial Intelligence) และ อินเตอร์เน็ตในทุกสิ่ง (IoT หรือ Internet of Things) ผสานรวมกันจนกลายเป็น “AIoT” ทำให้ขุมพลังการคำนวณย้ายไปสู่ความล้ำสมัยและเป็นที่ๆ ซึ่งอุปกรณ์ IoT ใช้รวบรวมข้อมูลเพื่อประมวลผล AI กับระบบการจัดการข้อมูลอัจฉริยะ จึงเป็นขั้นตอนถัดไปสำหรับใช้ในการจัดการข้อมูลเพื่อลดเวลาหน่วงลงอย่างมีประสิทธิภาพไปพร้อมๆ กับการเปิดโอกาสให้มีโซลูชั่นที่แปลกใหม่และล้ำสมัย

Innodisk_SATA_III 2

นิยามแนวคิด IoT, AI และ Edge Computing

            IoT – “Internet of Things” หรือ อินเตอร์เน็ตในทุกสิ่งเป็นวลีที่หมายถึงแนวโน้มของ “สิ่งต่างๆ (Things)” ที่จะเชื่อมโยงถึงกันและกันผ่านเครือข่าย (ปกติจะเป็นอินเทอร์เน็ต) โดยที่ “สิ่งต่างๆ (Things)” ในกรณีนี้ไม่จำเป็นต้องหมายถึงอุปกรณ์อิเล็กทรอนิกส์เป็นชิ้นๆ แต่อาจจะหมายถึงสิ่งต่างๆ เช่น เสื้อผ้าอิเล็กทรอนิกส์ก็ได้หรือแม้กระทั่งคนที่มีหรือฝังอุปกรณ์ทางการแพทย์ไว้ในร่างกาย พูดง่ายๆ “สิ่งต่างๆ (Things)” ในที่นี้หมายถึงอุปกรณ์อะไรก็ได้ที่สามารถถ่ายโอนข้อมูลภายในเครือข่ายได้ไม่ว่าจะในแง่มุมใดก็ตาม

            AI – “Artificial Intelligence” ที่เรากำลังพูดถึงตรงกับแนวคิด “AI แบบแคบ (Narrow AI)” ซึ่งก็คือ โปรแกรมหรือระบบที่สามารถทำงานเฉพาะได้โดยไม่ต้องรับข้อมูลหรือวิธีทำงานจากมนุษโดยตรง AI ประเภทนี้แตกต่างอย่างมากจาก “AI แบบทั่วไป” ซึ่งเป็น AI ที่เราเคยเห็นในภาพยนตร์หรือซีรีส์ซึ่งมีความสามารถเป็นของตัวเองเหมือนมนุษย์ ตัวอย่างปัจจุบันของ AI แบบแคบ ได้แก่ ระบบการจดจำข้อความ รูปภาพ และเสียงที่เราสามารถสร้างขึ้นมาผ่านโครงข่ายประสาทและการเรียนรู้ของเครื่อง AI ประเภทนี้ผ่านการทำซ้ำข้อมูลเป็นพันๆ หรืออาจจะเป็นล้านๆ ครั้งก็ได้ และจะสอนให้ตัวเองรู้จักและสามารถระบุรูปภาพหรือวัตถุใกล้ตัวได้อย่างถูกต้อง แต่ไม่ว่าการคาดการณ์ของ AI ประเภทนี้จะซับซ้อนมากขึ้นเท่าใดก็ยังทำงานได้แค่ฟังก์ชันที่รับการเรียนรู้มาเท่านั้น หากสิ่งใดสิ่งหนึ่งไม่ตรงตามขอบเขตที่กำหนด AI ประเภทนี้ก็แทบจะไร้ประโยชน์เลยทีเดียว AI ที่ถูกฝึกให้ระบุเลขที่เขียนด้วยลายมือสามารถเรียนรู้งานของตัวเองได้ และจะมีความสามารถเหนือกว่ามนุษย์ได้ง่ายๆ แต่ก็จะไร้ประโยชน์ไปเลยหากได้รับมอบหมายให้ทำงานอื่น เช่น ระบุตัวอักษร

            Edge Computing แนวคิดดั้งเดิมของ IoT มีการส่งข้อมูลไปยังตำแหน่งที่ตั้งศูนย์กลางหรือระบบคลาวด์ (Cloud System) เพื่อดำเนินการประมวลผลและวิเคราะห์ อย่างไรก็ตามเนื่่องจากจำนวนของอุปกรณ์เพิ่มสูงขึ้นอย่างรวดเร็ว ในที่สุดแอปพลิเคชั่นจำนวนมากก็มาถึงทางตัน เนื่องจากข้อมูลจำนวนมหาศาลที่ส่งกันไปมาทำให้เกิดปัญหาเวลาหน่วงอย่างรุนแรง Edge Computing จึงถูกสร้างขึ้นมาเพื่อจัดการกับปัญหานี้ด้วยการจัดการกับข้อมูลที่มีจำนวนมากขึ้นอย่างมากมายมหาศาลด้วยวิธีการที่ล้ำสมัย และด้วยวิธีการนี้จึงทำให้อุปกรณ์นั้นๆ สามารถกำหนดได้ด้วยตัวเองว่าจะต้องส่งหรือไม่ส่งอะไรไปยังระบบคลาวด์บ้าง

Innodisk_SATA_III 3

ความท้าทาย

            ขีดจำกัดของ IoT – จริงๆ แล้ว IoT มีหน้าที่เพียงแค่รวบรวมข้อมูลโดยมีการคำนวณเล็กน้อยเท่านั้นหรืออาจไม่มีเลย นั่นหมายความว่าปริมาณข้อมูลที่จะถูกส่งไปวิเคราะห์บนระบบคลาวด์จะมีปริมาณมากมายมหาศาล อย่างไรก็ตามข้อมูลทุกประเภทไม่ได้มีค่าเท่ากันทั้งหมด เช่น ภาพถ่ายจากกล้องวงจรปิด ส่วนที่น่าสนใจก็คือช่วงเวลาที่ผู้คนหรือวัตถุเคลื่อนไหว ส่วนภาพนิ่งที่ฉากหลังไม่เปลี่ยนแปลงอะไรก็มีความน่าสนใจน้อยกว่า ในกรณีนี้การส่งข้อมูลทั้งหมดไปวิเคราะห์บนระบบคลาวด์จะทำให้เปลืองแบนด์วิดธ์ไปอย่างมากซึ่งน่าจะนำไปใช้ประโยชน์ในงานด้านอื่นๆ มากกว่า

            ขุมพลังในการคำนวณและสภาพแวดล้อมที่เลวร้าย AI ที่ล้ำสมัยอาจต้องใช้ขุมพลังในการคำนวณอย่างมากเพื่อรับประกันว่าจะมีสมรรถนะที่ดีเพียงพอ อย่างไรก็ตามชิ้นส่วนการจัดเก็บข้อมูลและหน่วยความจำมาตรฐานอาจจะทำให้เราได้สมรรถนะตามที่ต้องการ แต่อาจจะไม่เพียงพอและเหมาะสมกับการรับมือกับสภาวะที่เลวร้ายในตำแหน่งที่ตั้งเพื่อการทำงานนั้นๆ เช่น การติดตามดูสภาพการจราจรริมถนนอาจจะต้องพบเจอกับอุณหภูมิที่ไม่เหมือนกันในช่วงเวลากลางวันและกลางคืน และในช่วงฤดูร้อนและฤดูหนาว ระบบที่อยู่ในยานพาหนะอาจจะต้องโดนแรงสั่นสะเทือนหรือถูกกระแทก และในสภาพแวดล้อมแบบอุตสาหกรรมก็จะมีระดับมลพิษที่มากขึ้นด้วย ฯลฯ

โซลูชั่น

            แพลตฟอร์มของ AI – เวลาที่พูดถึง AIoT เรามักจะพูดถึงแพลตฟอร์มของ AI ที่ล้ำสมัย ซึ่งโดยปกติมักจะอยู่ในรูปแบบของ IPC (Industrial PC) ขนาดเล็กที่มี CPU เกรดอุตสาหกรรมในตัว โดยที่การวิเคราะห์ข้อมูลแบบเรียลไทม์ของ CPU ตัวนี้จำเป็นอย่างยิ่งที่จะต้องได้รับการสนับสนุนอย่างดีเพียงพอจากหน่วยความจำแบบแฟลช (Flash Memory) และ DRAM

            หน่วยความจำและอุปกรณ์จัดเก็บข้อมูลเกรดอุตสาหกรรมอุปกรณ์จัดเก็บข้อมูลและหน่วยความจำเกรดอุตสาหกรรมจำเป็นแก่การแก้ไขปัญหาในการนำ AI ไปใช้อย่างล้ำสมัย ปัญหาหลักๆ ที่ต้องแก้ไขก็คือการสำรวจและการระบุความเสี่ยงในแต่ละตำแหน่งที่ตั้งที่มีการรวบรวมข้อมูลแล้วจึงจะสามารถปรับแต่งส่วนประกอบต่างๆ ให้เหมาะกับความต้องการของการใช้งานนั้นๆ โดยเฉพาะได้ เรามาลองดูตัวอย่างว่าในสถานการณ์จริงจะทำงานกันอย่างไร

ระบบเฝ้าสังเกตการณ์สภาพจราจรในเมือง

            ในขณะที่เมืองของเรามีการเจริญเติบโตแบบ 3 มิติ ทั้งในแง่ของขนาดความกว้างของพื้นที่ในแนวราบ ความสูงในแนวตั้ง และจำนวนประชากร แต่ถนนส่วนใหญ่กลับขยายตัวได้แค่ 2 มิติ จึงทำให้การจราจรติดขัดเพิ่มมากขึ้นในขณะที่เมืองขยายตัวมากขึ้นเรื่อยๆ การเฝ้าติดตามการเปลี่ยนแปลงสภาพคล่องของจราจรโดยใช้ข้อมูลแบบเรียลไทม์เพื่อเพิ่มประสิทธิภาพการจราจรอย่างมีนัยสำคัญสามารถทำได้ด้วยการติดตั้งอุปกรณ์เฝ้าสังเกตการณ์ทั่วเมืองอย่างมียุทธศาสตร์ แพลตฟอร์มของ AI ท้องถิ่นที่ล้ำสมัยจะดำเนินการวิเคราะห์ในขั้นตอนแรกซึ่งรวมถึงการจดจำยานพาหนะและการประเมินสภาพคล่องของการจราจร อุปกรณ์ที่ติดตั้งแต่ละอุปกรณ์จะสามารถจัดการกับข้อมูลด้วยตัวเองจากการวิเคราะห์ว่า มียานพาหนะเพิ่มมากขึ้นและมีความเสี่ยงที่การจราจรจะติดขัดหรือไม่ จากนั้นก็สามารถส่งข้อมูลที่จำเป็นไปยังแพลตฟอร์มกลาง (ระบบคลาวด์) ที่ซึ่งมาตรการต่างๆ เช่น การเปลี่ยนเส้นทางของยานพาหนะ การปรับเปลี่ยนขีดจำกัดความเร็ว และการปรับไฟจราจรได้ถูกกำหนดไว้

Innodisk_SATA_III 4

ระบบการจัดการยานพาหนะและ AI

            AI สามารถปรับปรุงประสิทธิภาพการจัดการยานพาหนะให้ได้มากที่สุดอย่างมีนัยสำคัญ การเฝ้าติดตามยานพาหนะจำนวนมากอาจเป็นเรื่องยาก แต่ก็มีวิธีลดความซับซ้อนของการดำเนินงานมากมาย ไม่ว่าจะเป็นการลดค่าเชื้อเพลิง การบำรุงรักษายานพาหนะ การลดพฤติกรรมการขับขี่ที่ไม่ปลอดภัย ฯลฯ ระบบกำหนดตำแหน่งที่ใช้อยู่ในปัจจุบันพึ่งพา GPS เป็นหลัก ซึ่งก็ไม่สามารถจัดการกับปัญหาบางอย่างได้ เช่น การขับขี่ในอุโมงค์ซึ่ง GPS แทบจะทำงานไม่ได้เลยและระบบก็จะไม่รู้ตำแหน่งของยานพาหนะนั้น ซึ่งเรื่องแบบนี้ก็จะเกิดขึ้นในเมืองเช่นกันเมื่อมีการขับขี่ภายในอาคารหรือบริเวณอื่นๆ ที่สัญญาณดาวเทียมไม่ครอบคลุม นอกจากนี้ระบบยังระบุความสูงของยานพาหนะได้อย่างลำบากอีกด้วย อย่างไรก็ตามก็ยังมีแหล่งข้อมูลอื่นๆ ที่ทำให้เราพอจะประเมินตำแหน่งของยานพาหนะได้ เช่น การติดตามดูและบันทึกความเร็วรวมถึงอัตราการเลี้ยวของยานพาหนะอย่างต่อเนื่อง ซึ่งจะทำให้แพลตฟอร์มของ AI ที่ติดตั้งอยู่ก็สามารถคำนวณตำแหน่งของยานพาหนะได้อยู่ตลอดเวลาโดยใช้พารามิเตอร์เหล่านี้แทนข้อมูล GPS ที่ไม่ครบถ้วน เทคโนโลยีนี้เรียกว่าการคำนวณยานยนต์ที่หยุดนิ่ง (Automotive Dead Reckoning หรือ DR) ซึ่งในที่สุดระบบก็สามารถถ่ายโอนข้อมูลผ่านเครือข่ายไร้สายกลับไปยังผู้ควบคุมได้

หุ่นยนต์จัดส่งสินค้าด้วยตนเอง

            เมื่อเราไม่ต้องการให้มนุษย์ควบคุมยานพาหนะ ปัญหาหลักที่ต้องเผชิญก็คือการจราจรที่เปลี่ยนแปลงอยู่ตลอดเวลาซึ่งเต็มไปด้วยปัจจัยที่เราไม่คาดคิด ด้วยเหตุนี้รถยนต์ไร้คนขับจึงต้องสามารถตัดสินใจได้ภายในเสี้ยววินาทีโดยไม่มีการเปลี่ยนแปลงเส้นทางอย่างทันทีทันใด ในขณะที่มนุษย์ใช้ประสาทสัมผัสหุ่นยนต์ก็มีเซ็นเซอร์จำนวนมากที่รวบรวมข้อมูลทุกประเภทที่จำเป็นเพื่อทำการประมวลผลให้เป็นภาพรวมสถานการณ์ที่เชื่อมโยงกันได้ในทุกขณะ ในกรณีนี้การอาศัยระบบคลาวด์ไม่ได้ผลเนื่องจากเวลาหน่วงจะทำการตัดสินใจทำได้ช้าเกินไป แพลตฟอร์มของ AI ที่ติดตั้งและจัดการกับการคำนวณอันซับซ้อนต้องอาศัยส่วนประกอบที่ทำงานได้ในทุกสภาพอากาศและสถานการณ์โดยที่สมรรถนะต้องไม่ลดลงเลยแม้แต่น้อย และเพื่อหลีกเลี่ยงอุบัติเหตุที่อาจเกิดจากรถไร้คนขับจึงควรที่จะต้องใช้อุปกรณ์ที่มีประสิทธิภาพการทำงานสูงสุดและมีอัตราความล้มเหลวในการทำงานทำงานต่ำสุด รวมถึงมีสิ่งที่คอยสนับสนุนและช่วยเหลือไว้อย่างเพียงพอ

ข้อสรุป

            AI จะมีที่ยืนในด้านนี้อย่างแน่นอน ในขณะที่บทบาทด้าน IoT ของ AI ก็จะเพิ่มมากขึ้นเรื่อยๆ ทำให้เราจำเป็นต้องมองหาโซลูชั่นอัจฉริยะเพื่อทำให้การเปลี่ยนผ่านในครั้งนี้เป็นไปอย่างราบรื่น นอกจากนี้ AI ซึ่งกำลังเตรียมความพร้อมในการที่จะเข้ามาทำงานแทนที่มนุษย์ในหลากหลายสถานการณ์ก็ยิ่งตอกย้ำถึงความจำเป็นในการที่จะต้องมีระบบที่ทนทานต่อทุกสภาพแวดล้อมที่รุนแรงได้ การขับเคลื่อนแพลตฟอร์มของ AI ด้วยหน่วยความจำและอุปกรณ์จัดเก็บข้อมูลเกรดอุตสาหกรรมเป็นวิธีที่จะรับประกันว่า ฮาร์ดแวร์จะพร้อมรับสถานการณ์และเป็นหนึ่งในองค์ประกอบสำคัญในการสร้าง IoT เพื่อวันพรุ่งนี้

Cybertracx

บริษัท ไซเบอร์แทรคซ์ จำกัด
ห้องเลขที่ 2731 ชั้น 27 อาคาร คิว เฮาส์ ลุมพินี เลขที่ 1 ถนนสาทรใต้
แขวงทุ่งมหาเมฆ เขตสาทร กรุงเทพมหานคร 10120
โทร:  083-055-5503

www.cybertracx.com