คลังเก็บหมวดหมู่: Education

พูดคุยเกี่ยวกับการศึกษาทางด้านหลักสูตรคอมพิวเตอร์ การประชุมวิชาการด้านคอมพิวเตอร์ แนวโน้มการวิจัยด้านคอมพิวเตอร์ในเมืองไทย

งานวิจัยทางด้านควอนตัมคอมพิวเตอร์

เข้าใจว่าตอนนี้หลาย ๆ คนในวงการคอมพิวเตอร์คงจะรู้จักควอนตัมคอมพิวเตอร์กันแล้ว ซึ่งคนที่รู้จักก็น่าจะแบ่งได้เป็น 3 กลุ่มใหญ่ ๆ

1. กลุ่มรู้ทั่วไป คือ กลุ่มที่ตามข่าวของควอนตัมคอมพิวเตอร์ จึงรู้จักคิวบิตและสภาวะ Superposition ของมัน รู้จักความพัวพันเชิงควอนตัม รู้จักการประมวลผลขนานแบบควอนตัม และรู้จักควอนตัมคอมพิวเตอร์ยี่ห้อต่าง ๆ ที่ถูกผลิตโดยบริษัทชั้นนำของโลก

2.  กลุ่มรู้เยอะ คือ กลุ่มที่อ่านเปเปอร์ด้านควอนตัมคอมพิวเตอร์มาแล้วหลายฉบับ มีความรู้ในการคำนวณสภาวะ Superposition ของคิวบิต รู้วิธีการออกแบบควอนตัมเกต รู้อัลกอริทึมทางควอนตัมแบบต่าง ๆ รู้จักทฤษฎีความซับซ้อนในการคำนวณเชิงควอนตัม

3.  กลุ่มลงมือทำ คือ กลุ่มที่ทำวิจัยด้านควอนตัมคอมพิวเตอร์โดยตรง คนพวกนี้รู้ทุกอย่างที่คนกลุ่มที่ 1 และ 2 รู้ และพวกเขาก็ไม่หยุดที่จะลงมือทำ

พวกเราส่วนใหญ่คงเป็นคนกลุ่มที่ 1 และมีน้อยคนที่เป็นคนกลุ่มที่ 2 แต่ถ้าเกิดว่าเราอยากเป็นคนกลุ่มที่ 3 ล่ะ เราจะทำยังไง? หลายคนอาจจะมองว่าควอนตัมคอมพิวเตอร์เป็นเรื่องที่เกินเอื้อม เป็นเรื่องของบริษัทชั้นนำของโลก สถาบันการศึกษาชั้นนำของโลก หรือประเทศชั้นนำของโลก ซึ่งนั่นก็จริงแหล่ะ แต่ทุกอย่างมีช่องว่างของมัน ถึงช่องว่างมันจะเล็ก แต่มันก็กว้างพอให้คนตัวเล็ก ๆ อย่างพวกเราลอดผ่านไปได้

สมมติว่าผมชวนให้พวกเรามาเป็นคนกลุ่มที่ 3 กลุ่มคนที่คิดจะทำวิจัยด้านควอนตัมคอมพิวเตอร์ งั้นเราก็ต้องมาหาช่องว่างกัน ว่ามันมีช่องว่างเล็ก ๆ ตรงไหนบ้างที่พวกเราจะไปเติมเต็มได้ ซึ่งผมก็คงต้องชี้แจงก่อนว่า ตอนนี้งานวิจัยทางด้านควอนตัมคอมพิวเตอร์ มันมีขอบเขตแค่ไหน โดยขออ้างอิงจากบทความของ Rodney Van Meter และ Clare Horsman เรื่อง A Blueprint for Building a Quantum Computer ซึ่งตีพิมพ์ใน Communication of the ACM ฉบับที่ 56 ลำดับที่ 10 ประจำเดือนตุลาคม ค.ศ. 2013 นะครับ

A blueprint for building a quantum computer
A blueprint for building a quantum computer

จากภาพจะเห็นว่า การจะสร้างควอนตัมคอมพิวเตอร์ได้ซักเครื่องนึง มันมีปัญหาหลายระดับและแต่ล่ะระดับก็มีปัญหาหลายส่วน ดังนั้น แค่เพียงคิวบิตอย่างเดียวมันไม่พอจะทำให้เกิดเป็นควอนตัมคอมพิวเตอร์ได้ มันยังต้องทำโน่นทำนี่อีกเยอะแยะเพื่อให้เกิดเป็นจริงขึ้นมา

ส่วนตัวผมมองว่า ถ้าคนไทยเราจะทำวิจัยทางด้านควอนตัมคอมพิวเตอร์ เราคงมีโอกาสน้อยมากในการทำวิจัยในระดับของสถาปัตยกรรมควอนตัมคอมพิวเตอร์ และระดับของโครงสร้างพื้นฐานเพื่อรองรับสถาปัตยกรรมควอนตัมคอมพิวเตอร์ เพราะมันต้องจ่ายเยอะมากเพื่อลองผิดลองถูก ใกล้เคียงที่สุดที่เป็นไปได้ คือ คนไทยเราน่าจะหันไปวิจัยในระดับของทฤษฎีการคำนวณทางควอนตัม หรือ ระดับของการโปรแกรมเชิงควอนตัมแทน เพราะมันเป็นงานทางทฤษฎี ไม่ต้องมีของก็ยังพอจะทำได้บนพื้นฐานของคณิตศาสตร์และวิทยาการคอมพิวเตอร์

ปัจจุบัน ผมเริ่มเห็นมหาวิทยาลัยชั้นนำของเมืองไทย บรรจุวิชา Quantum Computing ในหลักสูตรปริญญาบัตรและบัณฑิตศึกษากันบ้างแล้ว และเริ่มเห็นว่าคนไทยเราก็เริ่มทำวิจัยในระดับของทฤษฎีการคำนวณทางควอนตัมแล้วเช่นกัน (ลองอ่านงานวิจัย การลดรูปของ Genetic Algorithm บนควอนตัมคอมพิวเตอร์ และ การเร่งวงจรบนควอนตัมคอมพิวเตอร์)

จริง ๆ ผมก็เข้าใจนะ ว่าการลงลึกในความรู้แบบนี้มันยาก และบางคนก็มองว่า มันอาจจะไม่ได้ช่วยให้เรามั่งคั่งได้ในเวลาอันใกล้ แต่ไม่แน่ว่าด้วยความชำนาญทางด้านควอนตัมคอมพิวเตอร์ อาจจะทำให้เรากลายเป็นคนที่มีค่าตัวแพงมาก ๆ ในอนาคตข้างหน้าก็ได้ ใครจะรู้?

หลักสูตรคอมพิวเตอร์ในเมืองไทย (ปรับปรุงใหม่)

ผมเคยเขียนเรื่องหลักสูตรคอมพิวเตอร์ในเมืองไทยเอาไว้ จุดประสงค์เพื่อเรียบเรียงว่าตอนนี้มหาวิทยาลัยในเมืองไทย เปิดหลักสูตรที่เกี่ยวข้องกับคอมพิวเตอร์ในระดับปริญญาและบัณฑิตศึกษากี่หลักสูตรบ้าง

ตอนนี้ผมเลยคิดว่าผมต้องมาปรับปรุงมันใหม่อีกครั้ง เพราะโลกมันเปลี่ยน มันมีวิทยาการใหม่ ๆ เกิดขึ้นมา หลักสูตรทางคอมพิวเตอร์มันก็เปลี่ยนตาม แถมคราวที่แล้วผมก็ไม่ได้อธิบายไว้อย่างชัดเจนมากนัก ว่าแต่ล่ะหลักสูตรเขามีจุดประสงค์ในการเปิดการเรียนการสอนเพื่ออะไรบ้าง ในหัวข้อนี้เลยจะมาเล่าให้อ่านกันสั้น ๆ

ผมสรุปแล้ว (สรุปเอง) ว่าเราสามารถจัดหลักสูตรคอมพิวเตอร์ในเมืองไทยได้ 10 หลักสูตรใน 4 วุฒิการศึกษาครับ ตามรายการด้านล่างนี้

วุฒิวิทยาศาสตร์

  • วิทยาการคอมพิวเตอร์ (Computer Science) มุ่งเน้นการเรียนรู้ทฤษฎีการคำนวณสำหรับคอมพิวเตอร์ และ ทฤษฎีการประมวลผลสารสนเทศ
  • วิศวกรรมซอฟต์แวร์ (Software Engineering) มุ่งเน้นการเรียนรู้ทฤษฎีการพัฒนาซอฟต์แวร์ และกระบวนการพัฒนาซอฟต์แวร์อย่างเป็นระบบ
  • เทคโนโลยีสารสนเทศ (Information Technology) มุ่งเน้นการประยุกต์ทฤษฎีทางคอมพิวเตอร์ให้เกิดประโยชน์และใช้ได้จริง
  • ระบบสารสนเทศเพื่อการจัดการ (Management Information System) มุ่งเน้นการเรียนรู้ทฤษฎีการค้นหา วิเคราะห์ สังเคราะห์ข้อมูลด้วยคอมพิวเตอร์ เพื่อสกัดสารสนเทศและตกผลึกสารสนเทศ สำหรับนำเสนอ ตัดสินใจ และบริหารจัดการ
  • เทคโนโลยีมัลติมีเดียและแอนิเมชั่น (Multimedia Technology and Animation) มุ่งเน้นการเรียนรู้การใช้คอมพิวเตอร์เพื่อประมวลผลสัญญาณภาพดิจิทัล ผสานสื่อผสม สร้างเกมคอมพิวเตอร์ และประสานงานด้านนิเทศศาสตร์
  • เทคโนโลยีคอมพิวเตอร์อุตสาหกรรม (Industrial Computer Technology) มุ่งเน้นการประยุกต์ใช้คอมพิวเตอร์ เพื่อตอบสนองต่องานช่างอุตสาหกรรม และพัฒนาระบบในงานอุตสาหกรรม

วุฒิวิศวกรรมศาสตร์

  • วิศวกรรมคอมพิวเตอร์ (Computer Engineering) มุ่งเน้นการเรียนรู้กระบวนวิธีเพื่อสั่งการคอมพิวเตอร์ในระดับล่างเชิงลึก และการสั่งการฮาร์ดแวร์ที่ต่อเชื่อมกับคอมพิวเตอร์ การสั่งการระบบฝังตัวและระบบไมโครคอนโทรลเลอร์
  • วิศวกรรมข้อมูลขนาดใหญ่ (Big Data Engineering) มุ่งเน้นการเรียนรู้ทฤษฎีการบริหารจัดการข้อมูลขนาดใหญ่ การเรียนรู้โดยเครื่องจักร และการสกัดความรู้จากข้อมูลขนาดใหญ่

วุฒิบริหารธุรกิจ

  • คอมพิวเตอร์ธุรกิจ (Business Computer) มุ่งเน้นเรียนรู้การประยุกต์ใช้คอมพิวเตอร์ในด้านฐานข้อมูล สินค้าคงคลัง ค้าปลีก ค้าส่ง การเงิน บัญชี ทรัพยากรบุคคล เพื่อตอบสนองทางธุรกิจ

วุฒิครุศาสตร์อุตสาหกรรม

  • เทคโนโลยีคอมพิวเตอร์ (Computer Technology) มุ่งเน้นเรียนรู้เทคโนโลยีทางคอมพิวเตอร์ และเรียนรู้ขั้นตอนวิธีการถ่ายทอดความรู้ เพื่อเป็นผู้ถ่ายทอดความรู้ทางคอมพิวเตอร์ให้ผู้อื่นอย่างเป็นระบบ

คอมพิวเตอร์

และทั้งหมดนี้ก็คือหลักสูตรคอมพิวเตอร์ในเมืองไทย ที่เปิดสอนในระดับปริญญาและบัณฑิตศึกษาตามมหาวิทยาลัยหรือสถาบันต่าง ๆ ที่ผมสรุปได้ครับ โดยวุฒิใหม่ล่าสุดที่มีการเปิดการเรียนการสอน และผมได้เพิ่มเข้าไปในหัวข้อนี้ คือ วุฒิวิศวกรรมศาสตร์ สาขาวิศวกรรมข้อมูลขนาดใหญ่นั่นเอง

ถ้าใครอยากรู้ว่าวิศวกรรมข้อมูลขนาดใหญ่ มันมีความสำคัญยังไงต่ออนาคต อยากให้ไปลองอ่านหัวข้อ Data Science คืออะไร และ Data Scientist คืออะไร ที่ผมเคยเขียนไว้ครับ เพื่อจะได้เข้าใจว่าปฐมบทแห่งวิศวกรรมข้อมูลขนาดใหญ่ มันมีต้นกำเนิดมาจากอะไร

Data Science คืออะไร และ Data Scientist คืออะไร

ภายในข้อมูลมักมีความรู้ซ่อนอยู่ครับ ยิ่งความรู้ถูกกองเอาไว้เป็นภูเขาเลากา ถูกระดมกันสร้างขึ้นมาอย่างมากมาย ยังไงมันก็ต้องมีความรู้เจ๋ง ๆ ซ่อนอยู่แน่ ๆ

งาน Data Science จึงเป็นการรวมสรรพวิชา สรรพเทคโนโลยี เพื่อการนำเอาความรู้จากข้อมูลออกมาใช้งานครับ

คำว่า Data Science หรือแปลเป็นไทยว่า วิทยาศาสตร์ข้อมูล หรือ วิทยาการข้อมูล จึงไม่ใช่เรื่องใหม่ มันเป็นเรื่องเก่าที่ถูกเอามาปัดฝุ่นใหม่ มันเป็นเหล้าเก่าในขวดใหม่ เพราะโดยบริบทแล้วคอมพิวเตอร์ก็เป็นที่เก็บข้อมูล และก็มีอัลกอริทึม สมการ ขั้นตอนวิธีตั้งหลายอย่าง ที่ถูกคิดค้นขึ้นในสาขา Computer Science หรือ Information Technology เพื่อบริหารจัดการข้อมูล สกัดสารสนเทศจากข้อมูล และสกัดความรู้จากข้อมูลอยู่แล้ว

แต่เนื่องจากสรรพวิชา สรรพเทคโนโลยีทั้งหลายทั้งปวงเหล่านั้น มันอยู่กระจัดกระจายเป็นสมาชิกกันอยู่ในโดเมนต่าง ๆ ก็เลยคิดกันว่าน่าจะจับเอามารวมอยู่ด้วยกัน แล้วเรียกเป็นชื่อเก๋ ๆ ว่า Data Science ดีกว่า ซึ่งสิ่งเหล่านั้นก็ประกอบไปด้วยรายการทางด้านเทคโนโลยีดังนี้ครับ

1. Cloud Computing

ข้อมูลต้องมีพื้นที่บนโครงสร้างพื้นฐานเพื่อจัดเก็บครับ มันต้องเป็นพื้นที่ ๆ มีความจุมาก ๆ เข้าถึงได้อย่างสะดวก และการติดต่อใช้งานไม่ยุ่งยากซับซ้อน ซึ่ง Cloud Computing เป็นปัจจัยสำคัญในเรื่องนี้ และบริการบนอินเทอร์เน็ตทุกวันนี้ ก็ขี่ควบอยู่บน Cloud Computing กันทั้งนั้น ซึ่งบริการแบบนี้มีอยู่หลายเจ้าที่ให้บริการ ทั้งแบบเอามาติดตั้งใช้แบบส่วนตัว หรือไปเช่าใช้บนพื้นที่ส่วนรวม อันนี้สุดแล้วแต่

2.  Big Data

ข้อมูลขนาดใหญ่โตมโหฬารที่ถูกจัดเก็บไว้ นอกจากจะต้องอยู่บนโครงสร้างพื้นฐานอย่าง Cloud Computing แล้ว ตัวมันก็ควรจะถูกจัดเก็บ บริหารจัดการ และสืบค้นได้อย่างง่ายดาย อีกทั้งต้องมีโครงสร้างที่เรียบง่าย ซึ่งทำให้การเชื่อมสัมพันธ์ข้อมูลไม่มีความซับซ้อนอีกด้วย ซึ่ง Big Data ก็เป็นคำกว้าง ๆ ที่หมายถึงอะไรเหล่านี้ มันจะเป็น Platform ก็ได้ จะเป็นกลไกกลวิธีก็ได้ หรือจะเป็นโครงสร้างข้อมูลก็ได้ ขอให้มันตอบโจทย์เรื่องการจัดเก็บข้อมูลขนาดใหญ่ได้ก็เพียงพอในขั้นต้นแล้ว

3.  Machine Learning

เราตัดสินข้อมูลเองไม่ได้ทั้งหมดครับ มันเยอะ ตัดสินเองแล้วตาลาย ดังนั้น เราก็ต้องสอนให้คอมพิวเตอร์ตัดสินข้อมูลแทนเราในระดับหนึ่งนั่นแหล่ะ แล้วที่เหลือเราก็มาตัดสินเองอีกทีนึง ซึ่งไอ้การตัดสินใจโดยคอมพิวเตอร์นี่ก็คือ Machine Learning เนี่ยแหล่ะครับ ซึ่งอัลกอริทึมที่เกี่ยวข้องกับมันมีเยอะ เล่ายาวครับ ไม่เล่าแล้วกันนะ

4.  Data Mining

บางทีเราไม่ได้อยากให้คอมพิวเตอร์ตัดสินใจให้เราครับ แต่เราอยากให้มันค้นหาความรู้ออกมาให้ ความรู้สำคัญที่ซ่อนอยู่ โดยความรู้ดังกล่าวอาจจะอยู่ในรูปของความสัมพันธ์ของข้อมูล ซึ่งเราดูด้วยตาเปล่าไม่รู้ นับเองด้วยนิ้วมือที่เรามีก็ไม่พอเพราะมันเยอะ เอากระดาษมานั่งจดก็ไม่ไหวตาลาย ดังนั้น ถ้าเรามองว่าข้อมูลมันอยู่ในเหมือง เราก็ต้องขุดมันออกมาครับ โดยใช้อัลกอริทึมที่มีประสิทธิภาพ ซึ่งมันก็มีหลายวิธีครับ แต่ล่ะวิธีก็แตกต่างกันไป ยากบ้างง่ายบ้าง แต่เดี๋ยวนี้มีเครื่องมือช่วยเยอะครับ มีคนสร้างเอาไว้ให้เยอะ

5.  Statistics

ก็สถิตินี่แหล่ะครับ จำเป็นพอควร บางทีเราก็ต้องตั้งสมมติฐานจากข้อมูลที่ได้มา ว่าเราจะยอมรับสมมติฐาน หรือปฏิเสธสมมติฐาน มันต้องมีเรื่องของความน่าจะเป็นเข้ามาเกี่ยวข้อง เพราะมันไม่มีอะไรเป๊ะ ๆ มันต้องกะ ๆ เอาว่าจะใช่หรือไม่ใช่ จะจริงหรือไม่จริง แล้วก็เอาตัวชี้วัดหลาย ๆ ตัวมาวัดมัน แล้วก็เชื่อมัน

6.  Internet of Things (IoT)

การที่หน่วยประมวลผลและหน่วยควบคุมมีขนาดเล็กลงเรื่อย ๆ มีระบบปฏิบัติการในตัวเอง สามารถสื่อสารผ่านเครือข่ายไร้สายได้ด้วยตัวเอง และมีหมายเลขไอพีในตัวเอง มันทำให้การที่เราจะเอาหน่วยประมวลผลหรือหน่วยควบคุมเหล่านั้น ฝังเอาไว้บนอุปกรณ์ทุกสิ่งอย่างซึ่งอยู่รอบ ๆ ตัวเรา มีความเป็นไปได้มากขึ้น ไม่ว่าจะฝังเอาไว้ในเครื่องปรับอากาศ ตู้เย็น โทรทัศน์ วิทยุ พัดลม เตาอบไมโครเวฟ กล้องวงจรปิด ตู้เสื้อผ้า หม้อหุงข้าว ซึ่งอุปกรณ์เหล่านี้ก็ล้วนมีกิจกรรมที่ก่อให้เกิดข้อมูลมากมายออกมาได้ และมีขั้นตอนการทำงานหลายอย่างที่สามารถควบคุมจากระยะไกลได้

ลองคิดเล่น ๆ ดูว่าเดิมเราสร้างข้อมูลมหาศาลขึ้นมา เพื่อนำเข้าสูระบบคอมพิวเตอร์สำหรับประมวลผล โดยใช้แป้นพิมพ์ เมาส์ ไมโครโฟน กล้องถ่ายรูป กล้องถ่ายวีดีโอ แต่ด้วย Internet of Things นั่นหมายความว่าข้อมูลนำเข้าจะถูกสร้างขึ้นมาอย่างมากมายมหาศาลเป็นเท่าตัวผ่านอุปกรณ์ต่าง ๆ ที่ถูกฝังหน่วยประมวลผลหรือหน่วยควบคุมเอาไว้

ipad-407799_640

สรุปง่าย ๆ ก็คือ Data Science คือการรวมวิชาและเทคโนโลยีทางด้าน Cloud Computing, Big Data, Machine Learning, Data Mining, Statistics และ Internet of Things เข้าไว้ด้วยกัน จุดประสงค์เพื่อบริหารจัดการข้อมูลขนาดใหญ่ และสกัดความรู้จากข้อมูลขนาดใหญ่ ซึ่งมีลำดับขั้นตอนประกอบด้วย

  • การนำเข้าข้อมูลจาก Input หลาย ๆ อย่างรวมทั้งจากอุปกรณ์ตามนิยามของ Internet of Things
  • ข้อมูลถูกจัดเก็บเอาไว้บน Cloud Computing ซึ่งบริหารจัดการตามนิยามของ Big Data
  • ข้อมูลจะถูกนำมาตัดสินใจด้วย Machine Learning ถูกนำมาค้นหาความรู้ด้วย Data Mining และถูกนำมาชี้วัดสมมติฐานด้วย Statistics

ส่วน Data Scientist ก็คือบุคลากรที่มีความรู้ในวิชาและเทคโนโลยีในย่อหน้าข้างบน เพื่อประกอบวิชาชีพตามจุดประสงค์ในย่อหน้าข้างบนนั่นแหล่ะครับ โดยบุคลากรเหล่านี้ก็ต้องรู้จักใช้เครื่องมือ เช่น

  • รู้จักใช้ Amazon Web Services เพื่อบริหารจัดการ Public Cloud Computing หรือรู้จักการติดตั้งปรับแต่ง Hadoop เพื่อบริหารจัดการ Distributed Computing ให้อยู่ในรูปของ Private Cloud Computing
  • รู้จักนิยาม NoSQL เพื่อจัดหาฐานข้อมูลสำหรับบริหารจัดการ Big Data
  • รู้จักใช้ Matlab หรือ ภาษา R หรือ Weka หรือ RapidMiner เพื่อทำ Machine Learning หรือ Data Mining
  • รู้จักใช้ SPSS เพื่อวิเคราะห์ Statistics เป็นต้น
  • รู้จักการปรับแต่งและสั่งงานหน่วยประมวลผล เช่น Raspberry Pi หรือหน่วยควบคุม เช่น Arduino เป็นต้น

จะเห็นว่างานของ Data Scientist จะเป็นอะไรที่หยินหยางมาก เพราะแตะทั้งของที่จับต้องได้และของที่จับต้องไม่ได้ แต่ก็นั่นแหล่ะครับท่านผู้ชม เพราะมันข้ามสายกันแบบนี้นั่นแหล่ะครับ มันเลยเป็นอาชีพที่เป็นที่นิยมในขณะนี้นั่นเอง

 

SIGs ACM กับ IEEE Transaction

พวกเราทราบกันใช่มั้ยครับว่า งานวิจัยทางคอมพิวเตอร์ที่มีคุณภาพดี มักจะถูกตีพิมพ์อยู่ในวารสารวิจัยหรือในประชุมวิชาการของ ACM หรือ IEEE?

ACM ย่อมาจาก Association for Computing Machinery แปลเป็นภาษาไทยแบบทื่อ ๆ ว่า สมาคมสำหรับการคำนวณเครื่องจักร แต่ถ้าอธิบายเป็นความหมายก็หมายถึง สมาคมของผู้ที่มีความสนใจในการคำนวณโดยใช้เครื่องจักร ซึ่งสำหรับในปัจจุบันก็หมายถึงการคำนวณโดยใช้คอมพิวเตอร์นั่นเอง

ผมเคยถามอาจารย์ที่ปรึกษางานวิจัยของผม รวมทั้งเคยถามอาจารย์หัวหน้าหลักสูตรที่ร่างหลักสูตรให้ผมเรียนว่า ระหว่างงานวิจัยทางคอมพิวเตอร์ที่ตีพิมพ์ใน ACM กับ IEEE อันไหนมีภาษีมากกว่ากัน?

IEEE ย่อมาจาก Institue of Electrical and Electronics Engineers แปลว่า สถาบันวิศวกรไฟฟ้าและอิเลกทรอนิกส์ แต่ถ้าอธิบายเป็นความหมายก็หมายถึง สมาคมของเหล่าบรรดาวิศวกรไฟฟ้าและอิเลกทรอนิกส์ (จริง ๆ ไม่ต้องอธิบายเลยนะ เพราะคำแปลมันตรงตัว)

อาจารย์ทั้งสองบอกผมตรงกันว่า งานวิจัยถ้าเป็นทางคอมพิวเตอร์ อันที่ตีพิมพ์ใน ACM จะมีภาษีมากกว่า IEEE สาเหตุเป็นเพราะ ACM เน้นเรื่องการคำนวณโดยเครื่องจักร หรือก็คือการคำนวณโดยคอมพิวเตอร์ ซึ่งถือว่าเป็นเครื่องจักรคำนวณโดยใช้สัญญาณไฟฟ้าแบบหนึ่ง ในขณะที่ IEEE มีขอบเขตกว้างกว่านั้น เพราะครอบคลุมในทุกสิ่งที่เกี่ยวกับไฟฟ้า ดังนั้น ไม่ว่าจะเป็นการใช้กำลังไฟฟ้า หรือ การใช้สัญญาณไฟฟ้า เช่น อิเลกทรอนิกส์ โทรคมนาคม หรือแม้แต่คอมพิวเตอร์ ก็ล้วนถูกครอบคลุมด้วยทั้งสิ้น ดังนั้น อะไรที่มันกว้างกว่าก็ย่อมเจือจางกว่าเป็นธรรมดา

books-408220_640

ถึงแม้ว่างานวิจัยทางคอมพิวเตอร์คุณภาพดีจะถูกตีพิมพ์อยู่ใน ACM และ IEEE เป็นจำนวนมากก็ตาม แต่เหนือฟ้าก็ยังมีฟ้า เพราะงานวิจัยที่ใหม่สุดยอด หรืองานวิจัยที่มีผลปฏิวัติวงการ จะถูกจัดให้ตีพิมพ์อยู่ในฐานันดรที่เหนือกว่านั้น เป็นฐานันดรที่อยู่บนสุดของยอดพีระมิด นักวิจัยคนไหนก็ตามที่ได้ตีพิมพ์ในฐานันดรนี้ จะมีเกียรติยศอย่างมากมาย เหมือนกับการตีบอสใหญ่เพื่อชนะเกมได้เลยทีเดียว

เหนือ ACM ยังมี SIGs ACM และเหนือ IEEE ยังมี IEEE Transaction!!!

SIGs ย่อมาจาก Special Interest Groups เป็นกลุ่มที่มีความสนใจในการคำนวณโดยใช้คอมพิวเตอร์ในเรื่องใดเรื่องหนึ่งโดยเฉพาะ ปัจจุบันแบ่งได้เป็น 37 กลุ่ม อยากรู้รายละเอียดจิ้มตรงนี้

โดยส่วนตัวผมไม่สนใจ IEEE Transaction ขอลำเอียงข้ามเลย ขอคุยแต่ของ SIGs ACM ก็แล้วกัน ซึ่งในนั้นผมจะสนใจงานวิจัยที่ตีพิมพ์อยู่ใน 3 กลุ่มประกอบด้วย

  • SIGAI เป็นกลุ่มที่เน้นทางด้านปัญญาประดิษฐ์ โดยเน้นเกี่ยวกับการทำให้เครื่องจักรเป็นตัวแทนของมนุษย์ และเป็นตัวแทนที่ทำงานได้หลาย ๆ อย่างพร้อม ๆ กันหรือที่เรียกว่า Multi Agent
  • SIGKDD เป็นกลุ่มที่เน้นเกี่ยวกับการทำนายผลเฉลยโดยใช้ข้อมูลที่เคยถูกสอนเอาไว้ก่อน ที่เรียกเป็นศัพท์ทางเทคนิคว่า Machine Learning และกลุ่มนี้ก็ยังเน้นเกี่ยวกับการค้นหาความรู้จากข้อมูลขนาดใหญ่ที่ไม่เคยรู้จักมาก่อน ที่เรียกเป็นศัพท์ทางเทคนิคว่า Data Mining
  • SIGEVO เป็นกลุ่มที่เน้นการเลียนแบบธรรมชาติ เลียนแบบสัตว์ เลียนแบบแมลง เลียนแบบพืช เพื่อการเพิ่มประสิทธิภาพในการคำนวณ โดยจุดมุ่งหมายคือการเอาชนะปัญหา Non-Deterministic Polynomial Time ด้วยการ Optimization เพื่อหาคำตอบที่เป็น Local Optimum ที่มีความใกล้เคียงกับ Global Optimum มากที่สุด และด้วยการเลียนแบบดังกล่าวนี้เอง ทำให้ดูเหมือนว่าคอมพิวเตอร์มันจะมีความคิดที่คาดเดาไม่ได้ และดูมีชีิวิตจิตใจขึ้นมา

งานวิจัยที่ถูกตีพิมพ์ใน ACM หรือ IEEE ล้วนเป็นงานวิจัยในระดับที่ 1 คือการวิจัยทฤษฎี และระดับที่ 2 คือการวิจัยเพื่อนำทฤษฎีไปประยุกต์ใช้ให้เกิดประโยชน์ (ผมเคยเขียนอธิบายระดับเอาไว้ สนใจอ่านเพิ่มเติมกดตรงนี้) ดังนั้น มันจึงเป็นงานเขียนที่อ่านยาก ถ้าไปเทียบกับการอ่านหนังสือสอนเขียนโปรแกรมคอมพิวเตอร์ หรืออ่านคู่มือการใช้งานโปรแกรมคอมพิวเตอร์ อันนั้นก็คนล่ะเรื่องกันเลยครับ

รีวิว หลักสูตรปริญญาโท วิทยาศาสตรมหาบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์

ผมเพิ่งเรียนจบหลักสูตรปริญญาโท วิทยาศาสตรมหาบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ แขนงวิชาวิทยาการคอมพิวเตอร์ประยุกต์ เมื่อวันที่ 14 ส.ค. 2558 ที่ผ่านมานี้เองครับ เป็นการจบภายใน 2 ปีการศึกษาคนแรกของรุ่น และจบภายใน 2 ปีการศึกษาคนที่ 2 ของหลักสูตร

หลักสูตรที่ผมเรียนเป็นหลักสูตรที่อนุมัติเมื่อปี พ.ศ. 2553 ครับ ดังนั้น จึงยังเป็นหลักสูตรที่ทันโลกอยู่ ซึ่งการปรับปรุงหลักสูตรของมหาวิทยาลัย ก็มักจะถูกกระทำทุก ๆ 5 ปี เพื่อให้หลักสูตรมีความทันสมัยอยู่เสมอ ดังนั้น ก่อนที่ผมจะจบการศึกษา ทางสภามหาวิทยาลัยก็ได้มีการประกาศหลักสูตรใหม่ของปี พ.ศ. 2557 ออกมาเป็นที่เรียบร้อยแล้ว

หลายคนอาจจะมีความสับสนเล็ก ๆ ว่า หลักสูตรวิทยาการคอมพิวเตอร์นั้น ต่างกับหลักสูตรเทคโนโลยีสารสนเทศ หรือต่างกับหลักสูตรการจัดการระบบสารสนเทศยังไง ซึ่งสำหรับรีวิวนี้คงไม่อธิบายเปรียบเทียบให้เห็นทีล่ะตัว แต่จะเน้นอธิบายอย่างชัดเจนในหลักสูตรวิทยาการคอมพิวเตอร์ ว่าเป็นหลักสูตรที่มุ่งหวังเพื่อผลิตบุคลากรที่มีความรู้ความสามารถในทฤษฎีการคำนวณสำหรับคอมพิวเตอร์และทฤษฎีการประมวลผลสารสนเทศ ดังนั้น ผู้ที่จบในหลักสูตรนี้ จึงมีความเข้าอกเข้าใจอย่างยิ่ง ในการใช้คณิตศาสตร์เพื่อช่วยแก้ปัญหาทางคอมพิวเตอร์!!!

สำหรับรายวิชาที่ผมเรียนในหลักสูตรวิทยาการคอมพิวเตอร์ มีทั้งหมด 10 วิชาประกอบด้วย

1.  Design & Analysis of Algorithm

วิชานี้ไม่ได้สอนให้ผมนั่งท่องโครงสร้างข้อมูล ท่องวิธีการจัดเรียง หรือท่องวิธีการค้นหาข้อมูล แต่เป็นวิชาที่สอนให้ผมรู้จักคำนวณประสิทธิภาพในการจัดเรียง ประสิทธิภาพในการค้นหา และประสิทธิภาพในการทำงานของอัลกอริทึมต่าง ๆ มันทำให้ผมเกิดความเข้าใจอย่างถ่องแท้ว่า ถึงแม้ว่าคอมพิวเตอร์มันจะทำงานแบบอนุกรมได้อย่างรวดเร็ว แต่หากต้องเผชิญกับปัญหาที่ต้องวนรอบการทำงานหลายชั้น มันก็มีสิทธิ์ตายห่าได้เหมือนกัน

นอกจากนี้ วิชานี้ยังสอนให้ผมรู้จักคัดเลือกเทคนิค อัลกอริทึม และขั้นตอนวิธีต่าง ๆ เพื่อให้เหมาะสมกับปัญหาที่จะต้องแก้ไข โดยมีจุดประสงค์สูงสุดคือทำให้เกิดประสิทธิภาพมากที่สุดในการทำงานของคอมพิวเตอร์

2.  Computer Architecture

หลายคนอาจจะเข้าใจว่าวิชา Computer Architecture หรือเรียกเป็นภาษาไทยว่าวิชาสถาปัตยกรรมคอมพิวเตอร์ คือ วิชาที่สอนให้เราท่อง ๆ ๆ ๆ อะไรหลาย ๆ อย่างเกี่ยวกับคอมพิวเตอร์ ซึ่งผมขอบอกว่าไม่จริงครับ เพราะจริง ๆ แล้ววิชานี้สอนให้ผมรู้วิธีการคำนวณทางคณิตศาสตร์ในระดับบิตของข้อมูล สอนให้ผมได้รู้วิธีการคำนวณทางคณิตศาสตร์ในสถาปัตยกรรมคอมพิวเตอร์หลาย ๆ รูปแบบ และทำให้ผมเข้าใจว่าในโลกนี้มันมีสถาปัตยกรรมคอมพิวเตอร์มากมายหลายแบบเหลือเกิน

3.  Principle of Programming

คนที่จะเรียนหลักสูตรวิทยาการคอมพิวเตอร์ได้ มีความจำเป็นอย่างที่สุดที่จะต้องเขียนโปรแกรมคอมพิวเตอร์เป็นครับ แต่ว่าวิชานี้ไม่ได้สอนให้ผมเสาะแสวงหาภาษาคอมพิวเตอร์ใหม่ ๆ มาทดลองเขียนโปรแกรมคอมพิวเตอร์ เพื่อให้ผมเป็นผู้สันทัดกรณีและมีทักษะสูงส่งในการเขียนโปรแกรมคอมพิวเตอร์ที่หลากหลายแต่ประการใด หากแต่วิชานี้กลับสอนให้ผมเข้าใจหัวใจและจิตวิญาณของการเขียนโปรแกรมคอมพิวเตอร์ และสอนให้ผมสามารถบรรยายพรรณาเหตุผลในทางไวยากรณ์และวากยสัมพันธ์ของภาษาคอมพิวเตอร์ได้

ซึ่งจุดมุ่งหมายสูงสุดของวิชานี้คือการปูพื้นฐานที่แน่นหนา เพื่อต่อยอดไปยังวิชา Compiler ซึ่งเป็นวิชาที่ศึกษาวิธีการแปลภาษาคอมพิวเตอร์ที่มนุษย์อ่านเข้าใจได้ ไปเป็นภาษาคอมพิวเตอร์ที่คอมพิวเตอร์อ่านเข้าใจได้นั่นเอง

4.  Semantic Web & Ontology

ข้อมูลที่ถูกบรรยายด้วยข้อมูล อ่านแล้วไม่งงใช่มั้ย? ตอนแรกผมเองก็งงนั่นแหล่ะ และวิชานี้ก็ช่วยให้ผมหายงง เพราะวิชานี้ได้สอนให้ผมเกิดความเข้าใจว่า ข้อมูลนั้นมันสามารถถูกบรรยายด้วยข้อมูลได้ โดยวิธีการอธิบายจะต้องมีการตกลงกัน เช่น ตกลงกันในระดับหน่วยงาน ระดับชุมชน หรือ ระดับโลก จุดประสงค์ของการบรรยายและการตกลงกัน ก็เพื่อให้เกิดการแลกเปลี่ยนข้อมูลกันได้อย่างมีมาตรฐาน และทำให้คอมพิวเตอร์มันเข้าใจสิ่งที่บรรยายได้

และนอกจากจะสอนให้ผมสามารถออกแบบโมเดลการบรรยายข้อมูลได้แล้ว วิชานี้ยังสอนให้ผมออกแบบโมเดลความสัมพันธ์ให้กับข้อมูลได้ด้วย โดยมีจุดประสงค์เพื่อผลการอนุมานข้อมูลในอนาคต ยกตัวอย่างเช่น เรากำหนดว่า กรุงเทพมหานคร คือ เมืองหลวงของประเทศไทย และ บางกอก ก็คือ เมืองหลวงของประเทศไทย ดังนั้น คอมพิวเตอร์ก็จะอนุมานตามสิ่งที่บรรยายไว้ว่า ที่แท้แล้ว กรุงเทพมหานคร กับ บางกอก น่าจะเป็นสิ่งเดียวกันนั่นเอง!!!

โดยส่วนตัวแล้วผมจัดวิชานี้อยู่ในกลุ่มวิชาปัญญาประดิษฐ์ครับ และยังมีอีก 4 วิชาที่ยังอยู่ในกลุ่มนี้เช่นกัน ซึ่งผมจะได้เล่าต่อไป

5.  Machine Learning

ผมได้เรียนเกี่ยวกับ Neural Network รูปแบบต่าง ๆ ทั้งแบบ Supervised Learning และ Unsupervised Learning จากวิชานี้ครับ โดยสิ่งที่ผมเรียนไม่ใช่การออกแบบ Neural Network เพราะมันธรรมดาไป แต่เป็นการเรียนวิธีการคำนวณของ Neural Network ครับ และยังเรียนวิธีการเพิ่มประสิทธิภาพในการคำนวณของ Neural Network ด้วย

นอกจากนี้ ผมยังได้เรียนเกี่ยวกับ  Fuzzy Logic และ Centroid-based clustering แบบ Fuzzy C Means ซึ่งไม่ใช่การเรียนออกแบบหรือใช้งานเช่นเคยครับ แต่เป็นการเรียนวิธีการคำนวณล้วน ๆ โดยเฉพาะไอ้เจ้า Fuzzy C Means นี่ถ้าใช้วิธีคำนวณด้วยมือจะต้องทำหลายรอบมากจนปวดหัวไปหมดเลย

สำหรับวิชานี้นะครับ ก็จัดได้ว่าอยู่ในกลุ่มวิชาปัญญาประดิษฐ์เช่นกัน

6.  Data Mining

วิชานี้ผมคิดว่าเป็นวิชาที่เหมาะกับยุคสมัยนี้มาก เพราะยุคสมัยนี้เป็นยุคที่ข้อมูลเยอะเท่าภูเขาเลากา ดังนั้น มันจะเป็นการดีกว่าถ้าเราสามารถสกัด “ความรู้” จาก “ข้อมูลมหาศาล” ได้

วิชานี้ใช้การคำนวณทั้งด้านพีชคณิต เมตริกซ์กับเวกเตอร์ และสถิติ หลายอย่างมาก!!!

ผมได้เรียนการคำนวณเพื่อเกลี่ยข้อมูลให้ค่ามีความใกล้เคียงกัน ได้เรียนการคำนวณ Entropy, Information Gain, Chi Square เพื่อการเลือกคุณลักษณะเด่นของข้อมูล ได้เรียนการคำนวณ Principle Component Analysis เพื่อการลดมิติของข้อมูลและสกัดคุณลักษณะเด่นของข้อมูล

ได้เรียนการคำนวณ Superivised Learning ของ Naive Bayes, Decision Tree และ Support Vector Machine และได้เรียนการคำนวณ Unsupervised Learning ของ Density-based Clustering

นอกจากนี้ผมยังได้เรียนกลไกการทำงานและวิธีการคำนวณของวิธี Association Rule Learning ด้วยเทคนิค Apriori และ FP-Growth อีกด้วย (วิชานี้มีประโยชน์มากในทางธุรกิจนะเออ)

สุดท้าย วิชานี้ยังได้สอนให้ผมรู้ว่า ทุกสิ่งที่หาคำตอบมาได้มันต้องมีการประเมินผล ดังนั้น ผมจึงได้เรียนการคำนวณเพื่อประเมินผลคำตอบด้วยตัวชี้วัดแบบต่าง ๆ ซึ่งก็มีทั้ง Precision, Recall, True Positive Rate และ False Positive Rate

สำหรับวิชานี้นะครับ ก็จัดได้ว่าอยู่ในกลุ่มวิชาปัญญาประดิษฐ์เช่นกัน

7.  Bioinformatics

วิชานี้เป็นวิชาที่ใหม่มากครับ และหากใครทำวิจัยในแวดวงของวิชานี้ จะได้รับคะแนนในการวิจัยสูงมาก เนื่องจากเป็นงานวิจัยที่มีผลกระทบในวงกว้าง!!!

การเรียนวิชานี้จำเป็นที่จะต้องมีพื้นฐานความรู้ทางชีววิทยาพอสมควร เพราะวิชานี้เป็นวิชาที่รวมเอา ชีววิทยา คณิตศาสตร์ และ คอมพิวเตอร์เข้าไว้ด้วยกัน โดยจะเน้นลงไปถึงระดับของ เซล โครโมโซม ดีเอ็นเอ อาร์เอ็นเอ จีโนไทป์ ฟีโนไทป์ และ โปรตีน ครับ

ผมได้เรียนอัลกอริทึมในการจับคู่ดีเอนเอแบบต่าง ๆ จากวิชานี้ โดยอัลกอริทึมที่เรียนจะมีพื้นฐานจากอัลกอริทึม Longest Common Subsequence ได้เรียนวิธีการอนุมานดีเอนเอ โดยใช้วิธีการคำนวณ Hidden Markov Model ได้เรียนการค้นหาคำตอบแบบ Optimization ด้วย Genetic Algorithm ได้เรียนการจัดกลุ่มของจีโนไทป์และฟีโนไทป์ และได้เรียนการคำนวณเพื่อทำ Hierarchical-based Clustering ครับ

สำหรับวิชานี้นะครับ ก็จัดได้ว่าอยู่ในกลุ่มวิชาปัญญาประดิษฐ์เช่นกัน เพราะจุดมุ่งหมายของวิชานี้คือการทำให้คอมพิวเตอร์สามารถเรียนรู้และระบุความแตกต่างของดีเอ็นเอ เพื่อนำไปสู่การรักษาโรคได้นั่นเอง

8.  Image Processing

ต้องบอกเลยว่าวิชานี้เป็นวิชาที่ผมต้องเรียนคำนวณมากที่สุดเลยก็ว่าได้ เพราะการขยายภาพ ย่อภาพ บิดภาพ เติมภาพ กร่อนภาพ เน้นภาพ เปลี่ยนความสว่างความมืด หาเส้นขอบของวัตถุในภาพ กำจัดสิ่งรบกวนในภาพ เติมภาพที่หายไป ฯลฯ ทั้งหลายทั้งปวง ล้วนใช้คณิตศาสตร์ด้วยกันทั้งนั้น และเป็นคณิตศาสตร์แบบยากซะด้วย ดังนั้น สำหรับคนที่อยากจะรู้ว่าโปรแกรม Photoshop มันทำงานยังไง ก็จะได้รู้กันเลยล่ะครับจากวิชานี้

วิชานี้มันถูกจัดอยู่ในกลุ่มปัญญาประดิษฐ์ก็เพราะว่า วิธีการคำนวณและอัลกอริทึมที่คิดค้นขึ้น มันเป็นตัวผลักดันให้คอมพิวเตอร์รู้จักที่จะตัดสินใจว่ามันควรจะจัดการกับภาพยังไงถึงจะเหมาะสมที่สุดครับ และที่สำคัญวิธีการคำนวณและอัลกอริทึม ต้องสามารถนำไปใช้ได้กับทุกภาพครับ ถึงจะถือว่าเลิศที่สุด จะมาบอกว่าใช้ได้กับภาพหน้าคนแต่ใช้กับภาพสิ่งของสถานที่ไม่ได้ แบบนี้ไม่ได้ครับ

9.  Computer Security

ความมั่นคงทางคอมพิวเตอร์เป็นเรื่องที่กว้างมากครับ กินอาณาบริเวณครอบคลุมทั้งฮาร์ดแวร์ มิดเดิ้ลแวร์ ซอฟต์แวร์ ข้อมูล ฐานข้อมูล ผู้ใช้งาน และ เครือข่าย เป็นเรื่องของความละเอียดอ่อน ช่องโหว่ ภัยคุกคาม

ด้วยวิชานี้จึงทำให้ผมได้เกิดความเข้าใจและแยกแยะได้ว่า ช่องโหว่ของคอมพิวเตอร์มันมีอยู่ที่ตรงไหนบ้าง ภัยคุกคามของคอมพิวเตอร์มันเป็นอะไรได้บ้าง แล้วเราจะอุดช่องโหว่ได้อย่างไร จะตรวจพบช่องโหว่ได้ด้วยวิธีใด และจะรับมือกับภัยคุกคามอย่างมีประสิทธิภาพได้ยังไง

เพราะเหตุนี้ วิชานี้จึงไม่ใช่วิชาท่องจำ มันเป็นวิชาสืบสวนสอบสวน ดังนั้น การจะเรียนวิชานี้ได้จึงมีความจำเป็นจะต้องเข้าอกเข้าใจใน ฮาร์ดแวร์ มิดเดิ้ลแวร์ ซอฟต์แวร์ ข้อมูล ฐานข้อมูล ผู้ใช้งาน และ เครือข่าย ในระดับหนึ่งเลยทีเดียว และสำหรับผมแล้ว วิชานี้ถึงแม้ว่าจะไม่มีการคำนวณเข้ามาเกี่ยวข้อง แต่มันก็ยังคงต้องมีการวิเคราะห์เข้ามาเกี่ยวข้องอยู่ดี

10.  Research Method

วิชานี้ถือว่าเป็นวิชาตกผลึก เพราะวิชานี้สอนให้ผมเข้าใจขั้นตอนการทำงานวิจัยอย่างถูกต้อง วิชานี้ได้สอนให้ผมรู้ว่าจุดสำคัญของงานวิจัยคืออะไร การทบทวนวรรณกรรมสำคัญไฉน (ป.ล. วรรณกรรมที่ว่าก็คืองานวิจัยนั่นแหล่ะ) จะไปหาวรรณกรรมจากที่ไหนมาทบทวนได้บ้าง และจะไปแสวงหาวิธีการแก้ปัญหาได้จากแหล่งไหนได้บ้าง

ผมได้ลองเขียนเอกสารทบทวนวรรณกรรมครั้งแรกก็เพราะวิชานี้ ซึ่งมันทำให้ผมได้เข้าใจว่า การบรรยายว่าเรารู้อะไรมาบ้างอย่างเป็นลำดับขั้นตอน มันเป็นสิ่งที่สำคัญมาก มันเหมือนกับว่าเราต้องแก้ปัญหาอะไรซักอย่างนึง เราต้องอธิบายให้ใคร ๆ เข้าใจได้ว่าปัญหามันคืออะไร มีใครเคยแก้ปัญหานี้บ้าง แล้วเขาแก้ปัญหาด้วยวิธีไหนกันบ้าง และเราจะแก้ปัญหาด้วยวิธีไหน แล้ววิธีที่เราจะแก้มันวิเศษกว่าวิธีของคนที่เคยแก้มาก่อนยังไง แล้วไอ้ทั้งหมดที่สาธยายมา คือจะต้องถูกเขียนลงไปในรูปแบบเอกสาร แทนที่จะเป็นการมาพูด ๆ ๆ เพื่ออธิบาย มันจึงไม่ง่ายเลยสำหรับคนทางคอมพิวเตอร์ ที่จะมาอธิบายอะไรแบบยืด ๆ ยาว ๆ และเป็นเชิงระบบแบบนี้

ทั้ง 10 วิชาที่ผมรีวิวไปแล้วทั้งหมด จะเห็นว่ามีถึง 5 วิชา คือ Semantic Web & Ontology, Machine Learning, Data Mining, Bioinformatics และ Image Processing ที่จัดอยู่ในกลุ่มปัญญาประดิษฐ์ ซึ่งมันสะท้อนให้เห็นว่า โดยข้อเท็จจริงแล้วหลักสูตรวิทยาการคอมพิวเตอร์ กำลังจะนำพาเราไปสู่เส้นทางที่ถูกจับตามองด้วยความวิตกกังวล มันคือเส้นทางของการทำให้เครื่องจักรมีความคิด มีจิตใจ มีวิจารณญาณ และมีจินตนาการ

มันอาจจะเป็นข้อเท็จจริงแบบนั้นจริง ๆ ก็ได้ เพราะไม่ใช่มีเพียงสาขาวิชาวิทยาการคอมพิวเตอร์เท่านั้น ที่กำลังมุ่งไปสู่เส้นทางดังกล่าว ทางสาขาวิชาวิศวกรรมไฟฟ้าและสาขาวิชาวิศวกรรมเครื่องกลเอง ก็ไม่มีความแตกต่างกัน เพราะพวกเขาก็เพียรพยายามที่จะตกผลึกสรรพวิชาในสาขาของตนเอง เพื่อจะสร้างหุ่นยนต์ที่ประสิทธิภาพสูงและหวังผลในประสิทธิผลได้

ผมว่านะ เมื่อใดก็ตามที่ถึงจุด ๆ หนึ่งที่นักวิทยาศาสตร์คอมพิวเตอร์ สามารถพัฒนาปัญญาประดิษฐ์จนกระทั่งบรรจุเป็นสมองของหุ่นยนต์ได้ และวิศวกรไฟฟ้ากับวิศวกรเครื่องกลสามารถพัฒนาสรีรวิทยาทั้งภายในและภายนอกของหุ่นยนตจนเหมือนมนุษย์ได้ เมื่อนั้นก็คงค่อยมาว่ากันอีกทีครับ ว่าเราจะจัดการกับความสำเร็จนี้ของมนุษย์กันยังไงดี

วกกลับมาเรื่องของเรานิดนึง สำหรับใครที่อยากจะเรียนหลักสูตรวิทยาการคอมพิวเตอร์นะครับ ก็จะเป็นประมาณที่ผมรีวิวนั่นแหล่ะ ผมคิดว่าทุกมหาวิทยาลัยที่มีสอนหลักสูตรวิทยาการคอมพิวเตอร์ในระดับปริญญาโท ก็คงจะจัดรายวิชาให้เรียนคล้าย ๆ แบบที่ผมเรียนเนี่ยแหล่ะ ดังนั้น ใครที่คิดจะเรียนหลักสูตรนี้ในระดับปริญญาโท ก็คงต้องขยันให้มาก ๆ นะครับ เพราะมันต้องเน้นคำนวณเยอะจริง ๆ

สุดท้าย และท้ายที่สุด ผมลืมเล่าไป ลืมได้ไง คือ หลังจากเรียนทั้ง 10 วิชาครบแล้ว ผมยังต้องทำงานวิจัยหนึ่งชิ้นเพื่อจะจบการศึกษาด้วยครับ โดยงานวิจัยที่ผมทำ คือ การวิเคราะห์ภาพสมอง จุดประสงค์เพื่อสกัดหรือเลือกคุณลักษณะเด่นจากภาพสมอง สำหรับทำนายความคิด เพื่อนำความคิดของเจ้าของสมอง ไปสั่งการคอมพิวเตอร์ต่อไปครับ

นับเบ็ดเสร็จแล้ว เพื่อจะให้จบหลักสูตรนี้ได้ ก็ต้องลงเรียน 10 วิชา และทำงานวิจัย 1 ชิ้นนั่นเองครับ!!!

ป.ล. จริง ๆ มันมีอีกนิดหน่อย คือ ต้องสอบผ่านภาษาอังกฤษ และ สอบประมวลความรู้ผ่านด้วย แต่ผมไม่นับครับ มันเป็นเรื่องปลีกย่อย