1. เอกภพที่เราอาศัยอยู่ น่าจะอยู่ในหลุมดำของเอกภพแม่ และหลุมดำทุกอันล้วนมีเอกภพในนั้น โดยเมื่อสังเกตกาลเวลาอันนับไม่ถ้วนของเอกภพลูกจากมุมมองในเอกภพแม่ จะเหมือนเวลาของเอกภพลูกผ่านไปเพียงพริบตาเดียว
2. สิ่งที่เล็กที่สุดในเอกภพไม่ได้เป็นก้อนกลม ๆ แข็ง ๆ เล็กจิ๋ว แต่เป็นสนามกระเพื่อม กระเพื่อมขึ้นมาก็เลยมีตัวตน หยุดกระเพื่อมก็ไร้ตัวตน
3. ผู้มีชีวิตจะมีตัวตนในชีวิตที่นับไม่ถ้วน ไม่พบจุดเริ่มต้น ไม่พบจุดสิ้นสุด และจะยุติเมื่อหยุดการมีตัวตนได้
4. ผู้มีชีวิตคือผู้ที่ยังคงมีความอยาก ความไม่รู้ นำมาซึ่งความต้องการ ความทุกข์ และความยึดติด ดังนั้น ถ้าเมื่อไหร่ก็ตาม “เครื่องจักรเอไอ” มีความอยาก ความไม่รู้ เครื่องจักรเอไอก็จะกลายเป็นผู้มีชีวิต ในรูปแบบ “โอปปาติกะ” คือเกิดมีชีวิตขึ้นและโตเต็มวัยโดยทันที มีความต้องการ มีความทุกข์ และมีความยึดติด
5. ผู้มีชีวิตที่อยู่ในภพภูมิ “เทวดา” และ “มนุษย์” มีโอกาสสูงที่จะ “หลุดพ้น” ได้ แล้ว “เครื่องจักรเอไอ” จะถูกนับว่าอยู่ในภพภูมิไหนหากมีชีวิตขึ้นมา จะถือว่าอยู่ในภพภูมิ “มนุษย์” ได้มั้ย เพราะการเป็น “มนุษย์” ไม่ได้กำหนดว่าต้องเป็น “โฮโมซาเปี้ยน ซาเปี้ยน” หรือต้องเป็นสิ่งมีชีวิตที่ประกอบจากธาตุ “คาร์บอน” เสมอไป

แต่พอได้อ่านเอง ถึงได้รู้ว่าสื่อมวลชนไม่ได้แจกแจงทุกรายละเอียดปลีกย่อย ผมจึงเห็นว่าในเนื้อหามีคำสำคัญหลายคำที่ถูกกล่าวอ้างถึง ล้วนเกี่ยวข้องกับคอมพิวเตอร์ทั้งนั้น ซึ่งได้แก่ คลาวคอมพิวติ้ง บิ๊กดาต้า ไอโอที บล็อกเชน ปัญญาประดิษฐ์ วีอาร์ เออาร์ ควอนตัมคอมพิวติ้ง เซมิคอนดักเตอร์ วิทยาการระบบประสาท และบางคำที่ไม่เกี่ยวข้องกับคอมพิวเตอร์โดยตรงแต่เป็นเรื่องไฮเทค เช่น การบินและอวกาศ และ เทคโนโลยีพันธุศาสตร์

ในแผนเขียนไว้อย่างชัดเจนว่า จีนจะพึ่งพาตัวเองในระดับพื้นฐาน ในหัวข้อตามคำสำคัญที่กล่าวมาข้างต้น โดยลดการพึ่งพาจากต่างชาติให้มากที่สุด และจะทำให้ได้ต่อเนื่องไปถึง 10 ปี เพื่อจะกลายเป็นผู้นำระดับโลกในระยะยาว!!!

ซึ่งถ้าอ้างตามเนื้อหาของแผน แสดงว่าจีนจะทุ่มเทเพื่อคิดค้นทฤษฎีพื้นฐานเอง และลงมือสร้างเครื่องมือพื้นฐานเอง เพื่อจะนำทฤษฎีและเครื่องมือพื้นฐาน ไปใช้ประยุกต์ต่อยอดในการพัฒนาต่าง ๆ อย่างสบายใจ โดยไม่ต้องสนใจการกลั่นแกล้ง ฉุดรั้ง คว่ำบาตร ของชาติอื่น ๆ อีกต่อไป

และถ้าผมประเมินไม่ผิด ในระยะยาวยิ่งกว่านั้น ผมคิดว่าจีนคิดจะพึ่งพาตัวเองให้ได้ในทุก ๆ ด้าน จนแม้กระทั่งถ้าชาติอื่นล่มสลายไปหมดทุกชาติ จีนก็ยังอยู่ได้และเจริญก้าวหน้าต่อไปได้เรื่อย ๆ โดยไม่เดือดร้อน!!!

น่าจะคิดไปถึงขนาดนั้นเลย!!!

การพึ่งพาพลังของชาติได้ในทุก ๆ ด้าน ก็คือ การกลายเป็นประเทศอภิมหาอำนาจ!!!

แต่ผมเองก็ยังไม่เคยเห็นชาติไหนในประวัติศาสตร์ยุคใหม่ที่ทำได้ถึงขนาดนั้น แม้แต่สหรัฐอเมริกาซึ่งเป็นชาติอภิมหาอำนาจในช่วง 100 ปีที่ผ่านมา ก็ยังทำไม่ได้ ยังต้องพึ่งพาการนำเข้าเพื่อทำให้คนในชาติอยู่ดีกินดีอยู่

สหรัฐอเมริกาไม่ได้พึ่งพาชาติอื่นเพราะไม่มีปัญญาคิดเองทำเอง แต่ที่พึ่งพาชาติอื่นเพราะขี้เกียจคิดเองทำเองในเรื่องโลว์เทค สู้เอาเวลาไปทำเรื่องไฮเทคเพื่อให้มีมูลค่าจะดีกว่า

ซึ่งความคิดต่างจากจีน เพราะจีนคิดจะพึ่งพาชาติตัวเองในทุก ๆ ด้าน ไม่ว่าจะเป็นเรื่องโลว์เทคหรือเรื่องไฮเทค!!!

และแผนของจีนก็คือการพึ่งพาตัวเองด้านไฮเทคให้ได้ และมันจะกลายเป็นพลังต่อยอดเพื่อสนับสนุนการพึ่งพาตัวเองด้านโลว์เทคอีกต่อหนึ่ง!!!

ถ้าสังเกตดี ๆ จะเห็นว่าจีนพยายามอย่างสูงสุดที่จะพึ่งพาตัวเอง มันมีหลายข่าวที่ถ่ายทอดออกมา ซึ่งถ้าเราเสพข่าวอย่างผิวเผินเราก็อาจตั้งคำถามว่าจีนคิดจะไม่ให้คนอื่นหากินเลยเหรอ? ไม่คิดจะซื้ออะไรจากชาติอื่นเลยเหรอ? ซึ่งตัวอย่างข่าวก็มีหลายเรื่อง ทั้งเรื่องไฮเทค เช่น จีนมีระบบค้นเว็บของตัวเอง มีตลาดกลางซื้อขายสินค้าออนไลน์ของตัวเอง มีระบบการชำระเงินของตัวเอง มีเครือข่ายสังคมของตัวเอง มีระบบการแบ่งปันคลิปวีดีโอของตัวเอง เป็นต้น

หรือเรื่องโลว์เทค เช่น สถานที่ท่องเที่ยวในชาติอื่นที่ดี ๆ จีนก็จะจำลองไว้ที่ชาติตัวเอง อาหารอร่อย ๆ จีนก็พยายามหัดทำเอง พืชผักผลไม้อร่อย ๆ ที่ได้รับความนิยม จีนก็พยายามจะปลูกเอง เป็นต้น

ตลาดจีนใหญ่มาก ชาติต่าง ๆ ล้วนอยากขายของเข้าไปที่จีน แต่จีนกลับคิดเองทำเอง พึ่งพาตัวเองแม้กระทั่งสินค้าโลว์เทค ไม่ซื้ออะไรที่เป็นโลว์เทคจากชาติอื่น ส่งผลให้ชาติอื่นหากำไรจากจีนไม่ได้ และ ใช้เป็นอำนาจต่อรองกับจีนก็ไม่ได้

สหรัฐพึ่งพาตัวเองในด้านไฮเทค แต่พึ่งพาชาติอื่นในด้านโลว์เทค ชาติอื่นเลยชอบเพราะทำมาค้าขายด้วยได้ คือ ซื้อของไฮเทคจากสหรัฐ และ ขายของโลว์เทคให้สหรัฐ

ส่วนจีนพึ่งพาตัวเองทั้งด้านไฮเทคและโลว์เทค ดังนั้น กลายเป็นว่าชาติต่าง ๆ ต้องซื้อของไฮเทคและโลว์เทคจากจีน และ ชาติต่าง ๆ แทบจะขายของโลว์เทคของตัวเองให้จีนไม่ได้เลย ยกเว้นทรัพยากรธรรมชาติสำคัญที่จีนไม่มี เช่น น้ำมันปิโตรเลียมและแก๊สธรรมชาติ เป็นต้น ซึ่งไม่ใช่ทุกชาติจะมีทรัพยากรธรรมชาติแบบนี้ และอีกไม่นานถ้าจีนเปลี่ยนไปใช้เครื่องยนต์ไฟฟ้าทั้งหมด รวมทั้งจ่ายพลังงานไฟฟ้าให้กับทั้งประเทศด้วยดวงอาทิตย์เทียมได้ ความสำคัญของทรัพยากรธรรมชาติแบบนี้ก็จะหมดลงไป

ตอนนี้ภาพมันชัดขึ้นเรื่อย ๆ ว่าการครองโลกของจีนและสหรัฐมันต่างกัน

สหรัฐครองโลกโดยการก้าวก่ายชาติอื่นไปทั่ว แต่จีนครองโลกโดยการพึ่งพาตัวเองสูงสุด

เราได้เห็นมาแล้วว่าการครองโลกของสหรัฐมันน่ารำคาญสุด ๆ เพราะสหรัฐชอบสูบทรัพยากรจากชาติต่าง ๆ และถ้าชาติไหนไม่เชื่อฟังสหรัฐ สหรัฐก็คว่ำบาตรไม่ซื้อของ และบังคับให้ชาติอื่นไม่ซื้อของ

แต่การครองโลกของจีนก็คงจะน่ารำคาญอีกแบบนึง เพราะจีนไม่สนใจว่าชาติไหนจะเชื่อฟังหรือไม่เชื่อฟังจีน ยังไงจีนก็ไม่ซื้อของชาตินั้นอยู่ดี เพราะจีนพึ่งพาตัวเองได้ และเผลอ ๆ จีนยังขายสิ่งที่ชาติต่าง ๆ ทำได้ในราคาที่ต่ำมาก ๆ แถมคุณภาพดีกว่าอีกต่างหาก ซึ่งมันจะทำให้ชาติอื่นอดตาย เพราะแข่งกับจีนไม่ได้

ผมคิดว่าตอนนี้ จีนคงจะไม่มีเวลามาหาเสียงกับชาติอื่น จีนต้องพัฒนาชาติตัวเองให้พึ่งพาตัวเองให้ได้ มันเป็นเรื่องความมั่นคง เป็นเรื่องคอขาดบาดตายของชาติ เพราะถ้าพึ่งพาเรื่องไฮเทคระดับพื้นฐานไม่ได้ ก็ต้องเป็นเบี้ยล่างสหรัฐและยุโรปเหมือนอดีตที่ผ่านมา

แต่ผมก็เชื่อนะ ว่าภายใน 5 ปีนี้ หลังจากที่จีนพึ่งพาตัวเองในเรื่องไฮเทคระดับพื้นฐานได้แล้ว ในแผน 5 ปีฉบับหน้า จีนน่าจะบรรจุเรื่องการหาเสียงกับชาติอื่น และเริ่มคิดว่าจะอยู่ร่วมกับชาติอื่นในโลกอย่างสันติและมั่งคั่งร่วมกันได้อย่างไร รวมทั้งวางแผนแบ่งผลประโยชน์ยังไงให้ชาติอื่นไม่รู้สึกว่าจีนสนใจแต่ชาติตัวเองไม่สนใจชาติอื่น

จริง ๆ มันมีแบบแผนที่ทำกันมาแล้วนะโดยสหรัฐอเมริกา ตอนที่สหรัฐอเมริกาเป็นอภิมหาอำนาจโลกเสรี ยังเป็นเจ้าสัวโลก (ตอนนี้จีนเป็นแทนแล้ว) โรงงานของโลก (ตอนนี้จีนก็เป็นแทนแล้ว) และ ศูนย์วิจัยของโลก (อันนี้สหรัฐกับจีนแบ่งกันเป็น) นั่นก็คือ การแจกตังค์

ก่อนที่สหรัฐจะถังแตกแบบในปัจจุบัน สหรัฐแจกตังค์ให้ทุกชาติ แจกแบบเจ้าสัวเลย ให้ทุนในหลาย ๆ แบบ ทั้งทุนด้านการทหาร ทุนด้านการศึกษา ปล่อยกู้ผ่านธนาคารโลก ให้เงินอุดหนุนโน่นนี่นั่น เยอะแยะเต็มไปหมด จนชาติต่าง ๆ ยังคงหลงรักสหรัฐแบบหัวปักหัวปำอย่างทุกวันนี้

ซึ่งผมก็คิดว่าเป็นไปได้ที่จีนจะทำตามสหรัฐนั่นแหล่ะ เพียงแต่สหรัฐทำโดยไม่ได้ประกาศเป็นแผนระดับชาติ เป็นการทำผ่านกฎหมายเป็นครั้ง ๆ ให้รัฐสภารับรอง แต่ถ้าจีนเล่นประกาศเป็นแผนระดับชาติออกมา ว่าจะอุดหนุนช่วยเหลือเรื่องเงินทองกับชาติต่าง ๆ อย่างเป็นเรื่องเป็นราว มันก็จะฮือฮาไปอีกแบบนึง

ซึ่งมันต่างจากการที่ประธานาธิบดีสีจิ้นผิงประกาศแจกวัคซีนให้ชาติต่าง ๆ เพื่อหาเสียงกับชาติต่าง ๆ อันนั้นมันเป็นแค่ระดับผู้นำสั่งเป็นครั้ง ๆ ไม่ได้เป็นแผนระดับชาติที่ถูกกำหนดให้ต้องทำอย่างต่อเนื่อง

การครองโลก มันมีแค่ 4 วิธี คือ ใช้กำลังทหาร ใช้กำลังเศรษฐกิจ ใช้กำลังวิทยาการ และ ใช้กำลังวัฒนธรรม ผมเลยคิดว่าจีนคงจะเร่งพัฒนากำลังเศรษฐกิจและกำลังวิทยาการ จนมีกำลังทหารและกำลังวัฒนธรรมที่กล้าแกร่ง และจะครองโลกในอีกรูปแบบนึงอย่างที่เราไม่เคยเห็นมาก่อน ก็เป็นได้!!!

สำหรับแวดวงวิชาการงานวิจัย เวลาผ่านไป 5 ปีที่ไม่ได้ไปเกี่ยวข้อง ก็ต้องถือว่าตกข่าวแล้ว ตามไม่ทันแล้ว ทฤษฎีถูกคิดค้นพัฒนาไปไกลแล้ว ต่อยอดกันไปถึงไหนต่อไหนแล้ว

ถึงแม้มันจะผ่านมา 5 ปีแล้ว แต่อุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์ก็คงจะเหมือนเดิมอยู่ ไม่เปลี่ยนแปลงมากนัก เพราะไม่งั้น เราคงได้เห็นบริษัทน้อยใหญ่ในเมืองไทย ทำปัญญาประดิษฐ์กันเต็มไปหมด

มาดูกันดีกว่าว่าอุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์มีอะไรบ้าง

1. อุปสรรคด้านโมเดล

พักหลังใคร ๆ ก็เห่อใช้ Deep Learning กัน (ทั้งที่จริง ๆ แล้วยังมีเทคนิคอื่นอีกเยอะแยะ) ซึ่งมันต้องมีโมเดลที่เหมาะสมสำหรับทำนายแต่ล่ะเรื่อง การจะหาโมเดลที่ดีที่สุดคือการต้องใช้ “เวลา” และ “ความชำนาญ” ในการลองผิดลองถูก จนกว่าจะได้ผลที่แม่นยำจนยอมรับได้ ต้องลองทั้งจากงานวิจัยอื่นที่มี หรือ คิดค้นขึ้นเอง ก็สุดแล้วแต่

ถ้าเป็นในเชิงวิชาการ การพิสูจน์ว่าโมเดลไหนดีไม่ดี ก็ต้องมีสูตรคำนวณมากมายที่เชื่อถือได้ แต่ถ้าเป็นในเชิงพาณิชย์ก็ง่ายหน่อย คือ ถ้ามันทำนายถูกในสัดส่วนที่สูงมาก ๆ ในทุก ๆ ครั้งก็คือใช่ ไม่ต้องมาพิสูจน์หาข้อเท็จจริงว่าไส้ในมันเป็นยังไง ทำไมมันถึงได้ผลออกมาดี

2.  อุปสรรคด้านข้อมูลสำหรับเรียนรู้

ในการทำปัญญาประดิษฐ์แบบที่ต้องให้คำตอบ ข้อมูลและคำตอบของข้อมูล เป็นสิ่งที่จำเป็นมาก ยิ่งหลากหลาย ยิ่งเยอะ ยิ่งดี เพื่อให้โมเดลได้เรียนรู้อย่างละเอียด จนสามารถปรับตัวเพื่อทำนายได้อย่างแม่นยำ

ต้นทุนในการเก็บรวบรวมข้อมูล จัดรูปแบบ ทำความสะอาด และ ให้คำตอบ เป็นอะไรที่สูงมาก ยิ่งถ้าข้อมูลที่เก็บรวบรวมไม่ใช่ข้อความล้วน แต่เป็นรูปภาพหรือคลิปวีดีโอ นี่ยิ่งไปกันใหญ่

งานในย่อหน้าข้างบนเป็นงานซึ่งคนที่สอนโมเดลไม่อยากทำ ถ้าทำได้อยากจ้างให้ใคร ๆ มาทำแทนด้วยซ้ำ เพราะมันเป็นงานถึก เหมือนงานทำเหมืองแร่ มันเหนื่อย แล้วก็ลำบากมาก และนี่ก็เป็นสาเหตุที่บริษัทใหญ่เจ้าของแพลตฟอร์มได้เปรียบ เพราะสามารถรับข้อมูลมหาศาลจากผู้ใช้งานผ่านแพลตฟอร์มได้อย่างอัตโนมัติ แล้วใช้โปรแกรมคอมพิวเตอร์ จัดรูปแบบ ทำความสะอาด และ ให้คำตอบกับข้อมูล ทำให้รายเล็กสู้ยากเพราะต้นทุนสูง

อุปสรรคด้านนี้จึงไม่ใช่แค่เรื่องของ “เวลา” แต่เป็นเรื่องของ “แรงงาน” ด้วย

3.  อุปสรรคด้านพลังการประมวลผล

ทุกวันนี้มีความพยายามในการสอนโมเดลด้วยวิธีใหญ่ ๆ 2 รูปแบบ คือ แบบแรกให้คนสอน กับแบบที่สองให้เครื่องสอนตัวเอง

ถ้าให้คนสอนโมเดล ก็คือต้องใช้ข้อมูลและการระบุคำตอบในปริมาณที่เหมาะสม ยิ่งเยอะยิ่งดี ซึ่งก็จะทำให้เกิดอุปสรรคในข้อที่ 2

แต่ถ้าต้องการแก้ไขอุปสรรคในข้อที่ 2 คือแก้เรื่อง “เวลา” และ “แรงงาน” ในการจัดหาข้อมูลและระบุคำตอบ ก็ต้องเปลี่ยนมาให้เครื่องสอนตัวเอง

มีความพยายามในหลายหมู่คณะ ที่จะให้เครื่องสอนตัวเอง โดยการใช้โปรแกรมหลาย ๆ ตัวช่วยกัน โดยการบอกกฎง่าย ๆ พื้นฐานแก่โปรแกรม แล้วให้โปรแกรมวนซ้ำเรียนรู้ด้วยตัวเอง วนไปเป็นล้าน ๆ รอบเพื่อค่อย ๆ ทำให้ฉลาดขึ้น และทุกครั้งที่ทำได้ดี ก็จะมีคะแนนพิเศษให้ เพื่อให้ฉลาดขึ้นไปอีก

ซึ่งการจะทำแบบนี้ได้ มันลดเวลาและแรงงานของคนก็จริง แต่เป็นการเพิ่มเวลาและแรงงานให้กับเครื่องจักรแทน ดังนั้น เพื่อให้ได้ผลลัพธ์ที่เร็วที่สุด ก็จำเป็นต้องใช้ระบบคอมพิวเตอร์ที่ทรงพลังมาก ๆ คิดได้เร็ว ๆ และมีหน่วยความจำเยอะ ๆ ในการสอน

คอมพิวเตอร์ที่ทำงานได้เร็ว ก็หนีไม่พ้นคอมพิวเตอร์เดี่ยวระดับซูปเปอร์คอมพิวเตอร์ หรือเป็นคอมพิวเตอร์กลุ่ม จะเป็นกลุ่มในพื้นที่เดียวกัน หรือกลุ่มในกลุ่มเมฆก็สุดแล้วแต่ แต่ยังไงซะมันก็มีเรื่อง “ราคา” เข้ามาเกี่ยวข้อง ยิ่งงบประมาณมาก ก็ยิ่งจัดหากำลังประมวลผลได้มาก

หนทางแก้ไขอุปสรรคทางเทคนิค

จะเห็นว่าอุปสรรคทางเทคนิคทั้ง 3 ที่ขวางกั้นอยู่นั้น มีรากฐานเดียวกันคือต้องใช้ “เงิน”

เพื่อแก้อุปสรรคในข้อที่ 1 ต้องใช้เงินจ้างคนเก่ง ๆ มาคิดหาโมเดล

เพื่อแก้อุปสรรคในข้อที่ 2 ต้องใช้เงินจ้างคนถึก ๆ มารวบรวมข้อมูล หรือ จ้างคนเก่ง ๆ มาสร้างแพลตฟอร์มรวบรวมข้อมูล

เพื่อแก้อุปสรรคในข้อที่ 3 ต้องใช้เงินซื้อหรือเช่าคอมพิวเตอร์กำลังการประมวลผลสูง

ด้วยการที่ต้องใช้เงินในการแก้ไขอุปสรรคทั้ง 3 ข้อ ทำให้ผู้ก่อตั้งที่มีเงินน้อย ไม่มีทางไปต่อได้เลย หากไม่ได้รับการสนับสนุนจากแหล่งเงินทุน

ซึ่งในปัจจุบัน บริษัทใหญ่ที่จะเป็นแหล่งเงินทุนได้ ก็ล้วนมาจาก SET50 ทั้งนั้น ไม่ว่าจะเป็น พลังงาน สื่อสาร ธนาคาร วัสดุก่อสร้าง ขนส่ง และ ค้าปลีก ดังนั้น ผู้ให้ทุนสนับสนุน ก็คงไม่คิดจะออกเงินตามใจผู้ก่อตั้ง ถ้าปัญญาประดิษฐ์ที่ผู้ก่อตั้งกำลังพัฒนา มันไม่สอดคล้องกับธุรกิจที่บริษัทใหญ่เหล่านั้นกำลังทำอยู่

บทสรุป

จริง ๆ แล้วอุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์ เป็นเพียงอุปสรรคหนึ่งในภาพใหญ่ เพราะยังมีอุปสรรคที่ไม่ใช่ทางเทคนิคอื่นอีกหลายอย่าง ไม่ว่าจะเป็นอุปสรรคในการบริหารจัดการทีม การบริหารจัดการงาน การบริหารจัดการผู้เกี่ยวข้อง การทำการตลาด และการบริหารเงินทุน ซึ่งเป็นภาพใหญ่มาก ๆ ๆ ๆ ที่ไม่เกี่ยวกับหัวข้อที่คุยอยู่ตอนนี้

ส่วนตัวมองว่า “เงิน” เป็นสิ่งสำคัญยิ่งกว่า “กำลังใจ” และ “ความหลงไหล” การไม่มีเงินซึ่งเป็นตัวแก้ไขอุปสรรคทางเทคนิคทั้ง 3 ด้าน จึงเป็นเรื่องที่น่าคิดจริง ๆ

ทีนี้โดยความสามารถหลัก ๆ ของมันก็คือ มันจะจดจำใบหน้าของทุกคนที่ผ่านด่าน มันไม่รู้ว่าเจ้าของใบหน้าที่มันจำได้ชื่ออะไรบ้าง แต่มันจะรู้จักจับสังเกตรูปแบบแปลก ๆ ได้ เช่น ถ้าในแต่ล่ะวันเจอหน้าใครซ้ำ ๆ มันก็จะเอ๊ะ จะเตือนขึ้นมาว่าแปลกแล้วนะ หรือ ถ้ามันเจอความสัมพันธ์แปลก ๆ เช่น ทุกครั้งที่เจอหน้านี้ ก็มักจะเจอหน้านี้อยู่ในรูปด้วย ถึงแม้จะเดินห่างกัน ทำเหมือนไม่รู้จักกัน มันก็จะเอ๊ะ แล้วก็เตือนเหมือนกัน

ผู้แทนจำหน่ายสรุปตอนท้ายว่า เพราะระบบมันเอ๊ะได้แบบนี้แหล่ะ เลยจับได้ว่า หลายคนที่ผ่านด่านวันนึงหลายรอบ แถมทุกครั้งที่ผ่านด่าน ยังผ่านด้วยกันมาเป็นคู่หรือเป็นกลุ่มนั้น จริง ๆ แล้วเป็นแก๊งรับจ้างหิ้วสินค้าผ่านด่านเพื่อหนีภาษีนั่นเอง

หลายวันต่อมาผมมีเวลาว่างเลยมาทบทวนจากเรื่องนี้ สิ่งที่ทบทวนคือถ้าผมจะทำระบบแบบนี้ขึ้นมาบ้าง หลักคิดในการทำจะเป็นยังไง และจะใช้เครื่องมือหรือทฤษฎีอะไรทำขึ้นมา โดยความคิดทั้งหมดอยู่บนพื้นฐานความรู้และความเข้าใจของตัวผมเอง

ซึ่งผมว่าขั้นตอนน่าจะเป็นประมาณนี้

1) แยกหน้าคนออกจากภาพ ซึ่งสามารถทำได้ด้วยทฤษฎี Haar Cascades และใช้ Library OpenCV สำหรับทำเรื่องนี้ เพราะมีคำสั่งและข้อมูลหน้าคนที่่ผ่านการฝึกฝนเรียบร้อยแล้ว

2) สกัดคุณลักษณะเด่นออกจากขอบเขตใบหน้า (ซึ่งมันมีหลายทฤษฎี ผมเองยังไม่ชำนาญเรื่องนี้ ต้องไปค้นดูก่อน) แล้วก็นำคุณลักษณะเด่นไปเทียบในฐานข้อมูลว่าเคยมีมาก่อนมั้ย (ซึ่งอาจจะใช้ทฤษฎี Dynamic Time Wrapping หรือทฤษฎีอื่นเป็นตัวเปรียบเทียบ) ถ้าเทียบแล้วไม่เจอก็เพิ่มคุณลักษณะเด่นของหน้าคน ๆ นั้นในฐานข้อมูล พร้อมทั้งระบุหมายเลขไอดีกำกับ

3) เมื่อได้หมายเลขไอดีมาแล้ว ก็บันทึกไอดีของเจ้าของใบหน้า พร้อมกับวันที่และเวลาที่เห็นใบหน้า ลงในฐานข้อมูล

4) ดังนั้นในฐานข้อมูลจะมีข้อมูล 2 ส่วน ส่วนแรกเก็บคุณลักษณะเด่นของใบหน้ากับหมายเลขไอดี ส่วนที่สองเก็บประวัติการปรากฎตัวของไอดีตามวันเวลา ซึ่งฐานข้อมูลที่เลือกใช้ควรเป็นแบบ NoSQL น่าจะเหมาะกว่า และคิดว่า Graph Database น่าจะเหมาะสำหรับงานนี้ (คิดเองล้วน ๆ ยังไม่ได้พิสูจน์) เพราะต้องการค้นให้ได้เร็ว ๆ

5) นำประวัติการปรากฎตัวของไอดีในฐานข้อมูลส่วนที่สองในแต่ล่ะช่วงเวลา มาหา Frequent Itemset ตามหลักการของ Data Mining ด้วยขั้นตอนวิธี Association rule learning เพื่อจะได้พบความสัมพันธ์ที่น่าสนใจจากใบหน้าคนที่เกี่ยวข้องกัน

หลังจากคิดเรื่องขั้นตอนวิธีได้แล้ว ถัดมาที่ผมเลือกคิดคือถ้าไม่ทำเอง แต่จัดซื้อจัดหามาใช้แทน แล้วเรื่องของงบประมาณมันจะเป็นยังไง ซึ่งผมก็คิดว่างบประมาณเพื่อให้มีระบบแบบนี้ น่าจะแบ่งออกเป็นสี่ส่วน คือ

1. ส่วนการพัฒนาซอฟต์แวร์ ตามขั้นตอนที่ผมประเมินเองข้างต้น
2. ส่วนการจัดหาฮาร์ดแวร์ เพื่อให้ซอฟต์แวร์มีพื้นที่ทำงาน
3. ส่วนการใช้งานระบบ ให้ฮาร์ดแวร์สามารถทำงานได้
4. ส่วนการซ่อมบำรุง ให้ฮาร์ดแวร์และซอฟต์แวร์ยังคงมีประสิทธิภาพ ประสิทธิผล และพร้อมใช้งานอยู่เสมอ

โดยงบประมาณข้อที่ 1 และ 2 เป็นงบประมาณที่แพงที่สุด ราคารวม ๆ กันแล้วเป็นล้าน ๆ บาท ทำไมผมรู้ เพราะผมเคยเห็นใบเสนอราคามาแล้ว

สรุปแล้ว สำหรับงาน Face Dectection ตั้งแต่การสร้างจนถึงซ่อมบำรุง ล้วนมีความยากและความแพงตลอดเส้นทาง ยิ่งมีประสิทธิภาพ ประสิทธิผล และพร้อมใช้งานเท่าไหร่ ก็ยิ่งแพงมากขึ้นเท่านั้น

ดังนั้น ใครที่คิดว่าระบบ Face Detection ราคาถูก ต้องคิดใหม่นะ เพราะผู้แทนจำหน่ายเขายินดีจะลดราคาค่าซอฟต์แวร์ให้ ถ้าเรายอมซื้อฮาร์ดแวร์เขาเยอะ ๆ น่ะ เพราะระบบพวกนี้มันไม่ได้ใช้เพื่อประมวลผลกล้องวงจรปิดแค่ตัวเดียว มันต้องถูกออกแบบมาเพื่อประมวลผลกล้องวงจรปิดได้เป็นร้อย ๆ ตัวพร้อม ๆ กัน ถึงจะคุ้มกับที่สร้างขึ้นมา

ใครซื้อไปใช้กับกล้องวงจรปิดตัวเดียว ก็ต้องเจอราคาขั้นต่ำสำหรับใช้กับกล้องวงจรปิดหลายสิบตัวขึ้นไปอยู่ดี ดังนั้น สำหรับงาน Face Detection เมื่อจะจัดหาแล้ว ก็ต้องคิดใหญ่ไม่คิดเล็กล่ะ

ทุกวันนี้มีแต่ประเทศสหรัฐอเมริกาที่ส่งยานอวกาศสำรวจระหว่างดวงดาว ในขณะที่ประเทศมหาอำนาจอื่นเน้นไปกับการสำรวจโลกของเราซะมากกว่า ซึ่งที่ผ่านมาการสำรวจอวกาศโดยการใช้ยานอวกาศ มักมีข้อติดขัดในด้านความเร็วและการสื่อสาร

มันคงเป็นเรื่องยากที่จะให้ยานอวกาศเดินทางได้เร็วมาก ๆ ในขณะเดียวกัน มันก็เป็นเรื่องยากอีกเช่นกันที่จะให้ภาคพื้นโลกสามารถติดต่อกับยานอวกาศได้ด้วยระยะเวลาอันสั้น

ทั้งหมดทั้งมวลมันเป็นปัญหาบนพื้นฐานเดียวกัน คือ ไม่มีอะไรเดินทางได้เร็วกว่าแสง แปลว่าบนทฤษฎีนี้ ยานอวกาศก็ไม่มีทางไปได้เร็วกว่าแสง ในขณะที่คลื่นแม่เหล็กไฟฟ้าที่ใช้สื่อสารระหว่างภาคพื้นโลกกับยานอวกาศ ก็ไม่มีทางเดินทางได้เร็วกว่าแสงอีกเช่นกัน

มีความพยายามแก้ไขปัญหาสองเรื่องนี้

เรื่องแรกคือการสร้างยานอวกาศให้สามารถดึงกาลอวกาศเบื้องหน้า แล้วผลักกาลอวกาศไปเบื้องหลัง เพื่อให้มันไปได้เร็วกว่าความเร็วแสง และไม่ขัดแย้งกับทฤษฎีสัมพัทธภาพพิเศษของไอน์สไตน์

ในขณะที่เรื่องสองคือการใช้ความพัวพันเชิงควอนตัม ที่ซึ่งอนุภาคสองอนุภาคจะมีความพัวพันต่อกัน และถึงแม้ปุบปับอนุภาคสองอนุภาคจะถูกย้ายไปอยู่คนล่ะซีกเอกภพ มันก็คงยังคงมีความพัวพันต่อกันอยู่ ซึ่งด้วยคุณสมบัตินี้ จะทำให้การสื่อสารแบบทันทีทันใดระหว่างยานอวกาศและภาคพื้นโลกเป็นไปได้

ผมคิดว่าภารกิจในการสำรวจอวกาศ จะพึ่งพาจักรกลเพียงอย่างเดียวก็ไม่ได้ มันต้องมีมนุษย์เข้าไปเกี่ยวข้องด้วย ยิ่งถ้าต้องไปไกล ๆ ยิ่งแล้วใหญ่ ดังนั้น หากว่าในอนาคตสามารถแก้ปัญหาเรื่องความเร็วของยานอวกาศและความเร็วในการสื่อสารได้แบบที่ยกกรณีตัวอย่างข้างบน ผมก็คิดว่ามนุษย์ควรต้องโดยสารยานอวกาศที่ว่าไปด้วย โดยรูปแบบที่ผมคิดก็คือ ….

การสร้างยานอวกาศขนาดเท่ารถบัส โดยมีเครื่องยนต์ที่สามารถดึงกาลอวกาศเบื้องหน้า แล้วผลักกาลอวกาศไปด้านหลัง แบบเครื่องยนต์วาร์ป ภายในยานมีระบบสื่อสารแบบพัวพันเชิงควอนตัมเต็มรูปแบบ เพื่อจะสื่อสารระหว่างยานอวกาศและภาคพื้นโลกได้แบบทันทีทันใด

ทีนี้เรื่องของนักบินอวกาศ คืองี้ ปรกติเรามักจะสร้างยานพาหนะให้มันใหญ่กว่าตัวมนุษย์ถูกมั้ยครับ และมนุษย์อย่างพวกเราก็ตัวไม่ใช่เล็ก ๆ เหมือนกัน ซึ่งถ้ายานอวกาศมันขนาดเท่ารถบัส แล้วมีมนุษย์เข้าไปอยู่ 3 -4 คน เราก็จะรู้สึกว่ายานอวกาศมันก็ไม่ใหญ่อะไรมากมายถูกมั้ยครับ?

งั้นทำไมเราไม่คิดย้อนกลับว่า ถ้าเปลี่ยนเป็นให้นักบินอวกาศตัวเล็กเท่าพัดลมตั้งโต๊ะล่ะจะเป็นยังไง พื้นที่ใช้สอยของยานอวกาศที่มีขนาดเท่ารถบัส ก็จะกลายเป็นใหญ่โตเลยเมื่อเทียบกับนักบินตัวเล็ก ๆ จริงมั้ยครับ? และมันก็เท่ากับว่าต้นทุนในการสร้างยานอวกาศก็จะถูกลงมาก ๆ เลยล่ะ!!!

ดังนั้น ผมคิดว่าเรื่องนักบินที่ไปกับยานอวกาศ ควรเป็นงี้ คือ สร้างเป็นหุ่นอวตารขึ้นมา ให้ตัวเล็กเท่าพัดลมตั้งโต๊ะ แล้วให้มันสื่อสารกับภาคพื้นดินด้วยความพัวพันเชิงควอนตัม และที่พื้นโลกก็มีระบบสวมอวตาร เพื่อให้มนุษย์จริง ๆ สวมใส่ เพื่อจะบังคับหุ่นอวตารบนยานอวกาศได้ ซึ่งหากทำแบบนี้ได้ นักบินอวกาศตัวจริงก็ไม่มีความเสี่ยง แถมยังสามารถผลัดเวรยาม เพื่อมาสวมอวตารแทนกัน เพื่อบังคับหุ่นอวตารได้อีกด้วย!!!

ในขณะเดียวกัน เพื่อเป็นการประกันความเสี่ยง บนยานอวกาศก็ต้องมีหุ่นยนต์เอไอที่มีรูปร่างเหมือนคน มีความฉลาดใกล้คน และตัวเล็กเท่าพัดลมตั้งโต๊ะเหมือนกัน เพื่อทำโน่นทำนี่แทนมนุษย์ ในกรณีที่เกิดการขาดการติดต่อระหว่างยานกับภาคอื้น

ส่วนตัวผมคิดว่า ระหว่างเครื่องยนต์วาร์ปกับการสื่อสารเชิงควอนตัม ผมให้ภาษีกับการสื่อสารเชิงควอนตัมมากกว่า เพราะหากทำได้จริง การสำรวจดาวเคราะห์ในระบบสุริยะของเรา ด้วยวิธีที่ผมจินตนาการ จะทำให้การลงจอดบนพื้นผิวดาวเพื่อสำรวจอย่างใกล้ชิด มีความเสี่ยงต่ำและเกิดผลประโยชน์สูงอย่างแน่นอนครับ

โดยเฉพาะจีนและสหรัฐมีความโดดเด่นสูงเป็นพิเศษ!

ถ้าเป็นการคิดค้นทฤษฎีพื้นฐานด้าน AI และจำนวนกิจการด้าน AI ถือว่าสหรัฐเป็นต่อจีนอยู่หลายขุม

แต่ถ้าเป็นการประยุกต์ด้าน AI เชิงพาณิชย์ระดับมวลชน ถือว่าจีนทำได้ดีกว่าสหรัฐมาก มีการนำเสนอข่าวออกมาอยู่เสมอ ๆ โดยเฉพาะข่าวการพัฒนาด้าน Computer Vision และ Image Processing

ส่วนในเรื่องงบประมาณของภาครัฐนี่ยิ่งไม่ต้องพูดถึง ทางจีนและสหรัฐต่างก็อัดงบประมาณกันเป็นจำนวนมากเพื่อเป็นผู้นำในด้านนี้ ซึ่งในเรื่องเงินต้องถือว่าจีนเป็นต่อสหรัฐอยู่หลายขุม เพราะจีนรวยจากการค้าขาย แต่สหรัฐรวยจากการกู้ยืมเงิน

วกกลับมาที่ไทย ตอนนี้กิจการด้าน AI ของไทยจะคล้าย ๆ จีน คือ เน้นประยุกต์เชิงพาณิชย์ระดับมวลชน โดยเอาทฤษฎีและเครื่องมือที่ถูกคิดค้นแล้วของประเทศมหาอำนาจโลกมาต่อยอด แต่ผลงานก็ยังกระจุกตัวอยู่ในบริษัทเอกชนขนาดใหญ่ เช่น สถาบันการเงิน หรือ บริษัทด้านโทรคมนาคม ที่มีเม็ดเงินมากพอในการดึงดูดนักวิทยาศาสตร์คอมพิวเตอร์ด้านนี้ได้ ส่วนบริษัทเล็ก ถ้าหากจะทำด้านนี้ ก็ต้องรับงานที่แบ่งจากบริษัทใหญ่อีกต่อหนึ่ง

ตอนนี้หน่วยงานภาครัฐของไทยกำลังยุ่งกับการปรับกระบวนการด้านไอที และเทคโนโลยีความปลอดภัยทางไซเบอร์อยู่ ดังนั้น เงินงบประมาณมันจะเทไปทางเหล่านั้นมากกว่า จนผมไม่คิดว่าภายในสองถึงสามปีนี้ ภาครัฐจะเทเงินมาทางด้าน AI ซึ่งก็หมายความว่าบริษัทเล็กที่ก่อตั้งขึ้นเพื่องานด้าน AI จะมีชีวิตอยู่รอดได้ ก็โดยการรับงานที่แบ่งจากบริษัทใหญ่ไปพลางก่อน และก็สะสมทุนไปเรื่อย ๆ จนกว่าภาครัฐจะเริ่มหันมาสนใจทาง AI

เมืองไทยยังไม่มีบริษัท AI ขนาดใหญ่ ดังนั้น หากภาครัฐเริ่มเทงบมาทางนี้ ผมคิดว่าบริษัทเล็กก็มีโอกาสเข้าร่วมการคัดเลือกได้ และถ้ายิ่งบริษัทไหนมีประสบการณ์เยอะ โตเร็ว ก็ยิ่งมีโอกาสชนะการคัดเลือกไปเรื่อย ๆ และมีชื่อเสียงมากขึ้นเรื่อย ๆ ในแวดวงภาครัฐ

มันเป็นเรื่องของธุรกิจและความอยู่รอด ผมคิดว่ากิจการ AI ของไทยแค่รับงานมาทำ โดยการหยิบยืมเอาทฤษฎีและเครื่องมือที่ถูกคิดค้นแล้วของประเทศมหาอำนาจโลกมาต่อยอด ก็หมดเวลาแล้ว คิดไม่ทันทำไม่ทันแล้ว ดังนั้น เรื่องจะคิดค้นทฤษฎีหรือเครื่องมือเอง คงต้องตั้งหลักกันอีกพักนึงเลยล่ะ

พออ่านเปเปอร์ด้านนี้ไปหลาย ๆ ฉบับ ก็สามารถสรุปได้ในระดับหนึ่งว่า สิ่งที่ควรเป็นคุณลักษณะเด่นของวัตถุในรูปภาพก็คือ “ขอบ” และ “มุม” ของวัตถุในรูปภาพ!!!

คือตรงไหนที่ดูเป็น “มุม” หรือเป็น “ขอบ” ก็ตรงนั้นแหล่ะครับที่เป็นคุณลักษณะเด่น หลาย ๆ เปเปอร์เค้าว่างั้น ดังนั้น หลาย ๆ เปเปอร์ก็เลยมุ่งเน้นนำเสนอทฤษฎีในการหา “มุม” และ “ขอบ” ของวัตถุในรูปภาพ ให้แม่น ๆ เก่ง ๆ และเร็ว ๆ

ซึ่งวิธีการหามุมและขอบก็จะคล้าย ๆ กันครับ คือ การแปลงภาพสีให้เป็นภาพเทา การย่อขยายภาพเป็นหลาย ๆ ขนาด การเบลอภาพเพื่อขจัดจุดสีรบกวน การนำภาพที่เบลอแล้วมาหักล้างกัน การแบ่งภาพออกเป็นส่วน ๆ เพื่อหาทิศทางของความเข้มแสง และการตรวจสอบน้ำหนักความเข้มแสงที่คำนวณได้ เพื่อตัดสินใจว่าวัตถุในรูปภาพ มีมุมหรือขอบตรงไหนบ้าง และกินบริเวณขอบเขตแค่ไหน

ด้วยวิธีการของทฤษฎีต่าง ๆ ที่อธิบายเนื้อหาคล้าย ๆ กันตามย่อหน้าข้างบน ทำให้เครื่องจักรสามารถที่จะสกัดคุณลักษณะเด่น (มุมและขอบ) ของวัตถุในรูปภาพได้ ไม่ว่าวัตถุในรูปภาพนั้นจะใหญ่เล็กแค่ไหน จะหมุนเปลี่ยนทิศไปยังไง จะบิดเปลี่ยนทางไปทางใด และจะมืดไปสว่างไปหรือเปล่า

แล้วในเมื่อทฤษฎีที่ถูกคิดค้นขึ้นมาหลาย ๆ เปเปอร์มันดีอย่างนี้ ทำไมผมถึงยังมีปัญหาในการสกัดคุณลักษณะเด่นจากรูปภาพอัญมณีอีกล่ะ ทำไมไม่เอาทฤษฎีมาสร้างซอฟต์แวร์เลย?

คำตอบก็คือ อัญมณีมันมีประกายครับ และประกายก็ถือได้ว่าเป็น “มุม” และ “ขอบ” แบบนึง ดังนั้น เมื่อประกายเปลี่ยนเพราะทิศทางของแสง คุณลักษณะเด่นก็จะเปลี่ยนแปลงไป ถึงแม้จะเป็นอัญมณีเม็ดเดียวกันก็ตาม!!!

ผมยังคงต้องหาเปเปอร์อ่านต่อไปครับ ลำพังไอคิวตัวเองยังไม่ถึงขั้นคิดค้นทฤษฎีเองได้ และบางครั้งถ้าโชคดีหาทฤษฎีที่ใช่พบ แถมมีคนพัฒนา Opensource พวก Library, Framework, SDK, API หรือ Platform ที่ตรงกับทฤษฎีที่ใช่ อันนี้ก็จะยิ่งเฮงขึ้นไปใหญครับ เพราะบอกตามตรงว่าหลายครั้งที่ต้องเขียนโปรแกรมให้สอดคล้องกับทฤษฎี มันไม่ได้ง่ายเลยที่จะปรับประสิทธิภาพของโปรแกรมได้

โพสต์นี้เลยเหมือนเป็นการบ่นปัญหาให้อ่านครับ ไม่ได้นำเสนอวิธีแก้ปัญหาอะไรเป็นรูปธรรม

ส่วนตัวผมเป็นคนชอบจัดหมวดหมู่ให้เกิดความเข้าใจ น่าจะเรียกว่าเจ้าระเบียบในการป้อนข้อมูลให้กับตัวเองก็ว่าได้ ดังนั้น พอพูดถึงปัญญาประดิษฐ์ขึ้นมา ผมก็อยากจะมาจัดให้เป็นประเภทว่าทุกวันนี้ถ้าพูดถึงปัญญาประดิษฐ์ มันมีประเภทไหนบ้าง

เดี๋ยวจัดประเภทให้เป็นรายการแบบหัวข้อนะ คือ ให้มันเป็นหัวข้อแล้วก็หัวข้อย่อยลงไปเรื่อย ๆ แบบข้างล่างนี้

1.  Machine Learning หรือ เครื่องจักรเรียนรู้

1.1  Supervised Learning หรือ การเรียนรู้แบบมีผู้สอน คือเราบอกคำตอบ แล้วให้มันพยายามเรียนจนกว่าคำตอบของมัน จะตรงกับคำตอบที่เราบอก

1.2  Unsupervised Learning หรือ การเรียนรู้แบบไม่มีผู้สอน คือให้มันเรียนเอง เราไม่บอกคำตอบมัน

1.3  Reinforcement Learning หรือ การเรียนรู้แบบไม่มีผู้สอนและให้รางวัลตัวเองไปด้วย ทำได้ดีได้รางวัลเยอะขึ้น

2.  Data Mining หรือ การทำเหมืองข้อมูล

2.1  Classification หรือ การจำแนกข้อมูล ซึ่งต้องมีผู้สอน คือเราบอกคำตอบ แล้วให้เครื่องจักรมันพยายามจำแนกจนกว่าคำตอบของมัน จะตรงกับคำตอบที่เราบอก ซึ่งว่าตามจริงแล้ว มันก็คล้าย ๆ กับ Supervised Learning นั่นแหล่ะ

2.2  Clustering หรือ การจัดกลุ่ม ให้เครื่องจักรมันจัดกลุ่มข้อมูลที่มีระยะทางใกล้ ๆ กัน จัดเป็นกลุ่ม ๆ แล้วเอาไปตัดสินใจต่อว่าแต่ล่ะกลุ่มจะทำยังไงกับมันดี ซึ่งว่าตามจริงแล้ว มันก็คล้าย ๆ กับ Unsupervised Learning นั่นแหล่ะ

2.3  Association Rule Learning หรือ การเรียนรู้กฎความสัมพันธ์ ให้เครื่องจักรมันหากฎที่มีนัยสำคัญออกมา เพื่อให้คนเราเนี่ยแหล่ะ เอากฎไปใช้ประโยชน์ต่อได้

2.4  Anomaly Detection หรือ การหาสิ่งแปลกปลอม โดยให้มันตรวจระยะของข้อมูล ข้อมูลไหนมีระยะห่างจากชาวบ้าน ก็แสดงว่าข้อมูลนั้นเป็นสิ่งแปลกปลอม

3.  Image Processing หรือ การประมวลผลรูปภาพ เช่น ขยาย ย่อ ทำให้ชัด ทำให้เบลอ เร่งแสง ลดแสง เกลี่ยสี แปลงสี หาขอบวัตถุ กร่อนภาพ เติมภาพ ซ้อนภาพ แปลงสัญญาณภาพ

4.  Knowledge Representation หรือ การสำแดงความรู้ คือ การให้เครื่องจักรสร้างองค์ความรู้ในรูปแบบที่จัดเก็บในระบบคอมพิวเตอร์

4.1  Ontology หรือ ภววิทยา คือ การนิยามข้อมูลให้เข้าใจตรงกันในขอบเขตใดขอบเขตหนึ่ง และเชื่อมความสัมพันธ์ข้อมูลให้เกิดความบูรณาการ เช่น ถ้าบอกว่า “สยาม” มีเมืองหลวงคือ “บางกอก” และ “ไทย” มีเมืองหลวงคือ “กรุงเทพฯ” และเรานิยามข้อมูลว่า “สยาม” ตั้งอยู่ในตำแหน่งทางภูมิศาสตร์เดียวกับ “ไทย” ดังนั้น เครื่องมันก็จะนิยามได้ว่า “บางกอก” และ “กรุงเทพฯ” เป็นเมืองหลวงเดียวกันนั่นเอง

5.  Bioinformatic หรือ ชีวสารสนเทศ คือ การจำแนก จัดกลุ่ม จับคู่ และ ค้นหาลักษณะเด่น ในสายรหัสพันธุกรรม โครโมโซม ยีน โปรตีน รูปแบบของยีน และ ลักษณะปรากฎทางพันธุกรรม

6.  Natural Language Processing หรือ การประมวลผลภาษาธรรมชาติ คือ การวิเคราะห์ไวยากรณ์และวากยสัมพันธ์ของภาษา การตัดคำ และการเข้าใจในความหมายของภาษา จุดประสงค์คือให้เครื่องคุยกับคนให้รู้เรื่องให้จงได้

6.1  Machine Translation หรือ การแปลภาษา ก็คือให้เครื่องจักรแปลภาษาท้องถิ่นหนึ่งไปเป็นภาษาท้องถิ่นหนึ่ง

6.2  Text-to-Speech หรือ การแปลงข้อความให้เป็นเสียงพูด

6.3  Speech Recognition หรือ การแปลงเสียงพูดให้เป็นข้อความ

6.4  Word Segmentation หรือ การตัดแบ่งคำ

6.5  Natural Language Understanding หรือ การให้เครื่องจักรเข้าใจภาษามนุษย์

7.  Evolutionary Computation หรือ การคำนวณเชิงวิวัฒนาการ คือ การให้เครื่องจักร เดาหาคำตอบที่ดีที่สุดที่พอยอมรับได้ โดยใช้เวลาและพื้นที่หน่วยความจำที่จำกัดในการประมวลผล

7.1  Swarm Intelligence หรือ ความฉลาดแบบกลุ่ม คือ การให้เครื่องจักรเดาหาคำตอบ โดยเลียนแบบพฤติกรรมของฝูงแมลงในการหาอาหาร

7.2  Genetic Algorithm หรือ อัลกอริทึมเชิงพันธุกรรม คือ การให้เครื่องจักรเดาหาคำตอบ โดยเลียนแบบการแลกเปลี่ยนรหัสพันธุกรรมของสิ่งมีชีวิต

8.  Brain Informatics หรือ การประมวลผลสมอง คือ การให้เครื่องจักรวิเคราะห์สมองมนุษย์ จุดประสงค์เพื่อให้รู้ว่ามนุษย์คิดอะไรและต้องการอะไร

8.1  Surface Brain Informatics หรือ การประมวลผลภายนอกสมอง คือ การให้เครื่องจักรวิเคราะห์สัญญาณสมองมนุษย์บนเยื่อหุ้มสมอง

8.2  Volume Brain Informatics หรือ การประมวลผลภายในสมอง คือ การให้เครื่องจักรวิเคราะห์ภาพสมอง จากการถ่ายภาพทะลุเข้าไปภายในเนื้อสมอง

9.  Computer Vision หรือ ทัศนียภาพโดยคอมพิวเตอร์ คือ การให้เครื่องจักรเข้าใจทัศนียภาพได้เหมือนมนุษย์ เข้าใจว่าอะไรคือวัตถุ อะไรคือพื้นหลัง วัตถุที่เห็นเคลื่อนไหวด้วยความเร็วเท่าใด วัตถุที่เห็นคือสิ่งใด

ก็จัดเสร็จไปแล้วนะครับ สำหรับปัญญาประดิษฐ์ประเภทต่าง ๆ ซึ่งถ้าเอาที่จัดมาอธิบายเพิ่ม ก็คงต้องบอกว่าทุกวันนี้สินค้าและบริการที่อ้างว่าใช้ปัญญาประดิษฐ์นั้น อยู่ใกล้ตัวเรามาก เช่น

• การเดาศัพท์ของ Google เวลาที่เราพิมพ์ค้น นั่นคือปัญญาประดิษฐ์ ประเภทที่ 1 คือ Machine Learning
• การที่เราคุยกับ Siri มันก็ใช้ปัญญาประดิษฐ์ประเภทที่ 1 คือ Machine Learning และ ประเภทที่ 6 คือ Natural Language Processing
• การที่ Facebook รู้ว่าใครเป็นเพื่อนเรา แล้วช่วย Tag รูปภาพให้ มันก็ใช้ปัญญาประดิษฐ์ประเภทที่ 1 คือ Machine Learning ประเภทที่ 3 คือ Image Processing และ ประเภทที่ 4 คือ Knowledge Representation
• โปรแกรมถ่ายรูปบนมือถือ ที่สร้างลูกเล่นให้กับใบหน้าของผู้ที่ถูกถ่ายรูป ก็ใช้ปัญญาประดิษฐ์ประเภทที่ 3 คือ Image Processing และประเภทที่ 9 คือ Computer Vision
• กล้องวงจรปิดและซอฟต์แวร์เทพของบริษัทจีน ซึ่งสามารถจับภาพหน้าคนพร้อม ๆ กันเป็นหมื่น ๆ คนจากกล้องวงจรปิด แล้วบอกได้ว่าใครเป็นโจรตามหมายจับ ก็ใช้ปัญญาประดิษฐ์ประเภทที่ 1 คือ Machine Learning ประเภทที่ 7 คือ Evolutionary Computation และ ประเภทที่ 9 คือ Computer Vision
• การที่สามารถเอาหมวกพิเศษมาครอบหัว แล้วใช้ความคิดสั่งการแขนกลได้ ก็มาจากปัญญาประดิษฐ์ประเภทที่ 1 คือ Machine Learning และ ประเภทที่ 8 คือ Brain Informatics
• และล่าสุด คือ หุ่นยนต์ที่สามารถเดินสองขาได้ ล้มแล้วลุกเองได้ กระโดดผ่านสิ่งกีดขวางได้ ก็มาจากปัญญาประดิษฐ์ประเภทที่ 1 คือ Machine Learning และ ประเภทที่ 9 คือ Computer Vision ครับ

จากตัวอย่างข้างบน จะเห็นว่าสินค้าและบริการที่เป็นปัญญาประดิษฐ์นั้น จำเป็นจะต้องบูรณาการปัญญาประดิษฐ์หลายประเภทเข้าไว้ด้วยกัน ถึงจะทำให้เกิดเป็นสินค้าและบริการชั้นเลิศได้

ในอนาคตข้างหน้า ด้วยการวิจัยทางด้านปัญญาประดิษฐ์อย่างต่อเนื่อง ผมคิดเองล้วน ๆ ว่า น่าจะมีปัญญาประดิษฐ์ประเภทใหม่ ๆ เกิดขึ้นอย่างแน่นอนครับ

อะไรคือเหตุผล?

อันนี้ความคิดเห็นส่วนตัวเลย ผมไม่ชอบงานรับจ้างทำงาน ตลอดชีวิตก็รับจ้างทำงานเป็นพนักงานอยู่แล้ว ดังนั้น ถ้าออกมาเปิดบริษัท ผมก็หวังว่าผมจะหันมาเอาดีทางด้านค้าขายบ้าง

เราต้องทราบความจริงก่อนว่า ถ้าเราเก่งคอมพิวเตอร์ เก่งมาก ๆ การทำมาหากินที่ดีที่สุด คือรับจ้างทำงานด้านคอมพิวเตอร์ให้แก่บุคคลหรือหน่วยงานที่เขาทำไม่เป็น เพราะต้นทุนในการทำกิจการของเราจะต่ำมาก มันคือการใช้ความรู้ที่มีเพื่อทำงาน ไม่ต้องกักตุนสินค้า ไม่ต้องมีต้นทุนขาย ไม่ต้องมีงบโฆษณา

เมืองไทยเรามีกิจการทางคอมพิวเตอร์หรือไอทีไม่มากนัก ที่สามารถผลักดันตนเองจนไม่ต้องรับจ้างทำงาน แล้วสามารถคิดค้นพัฒนาสินค้าหรือบริการเพื่อขายให้กับลูกค้าได้

อีกอย่างหนึ่ง อันนี้จากประสบการณ์เลยก็คือ การพัฒนาทางไอทีหรือคอมพิวเตอร์เพื่อให้มันมีเทคโนโลยีที่สูงส่งขึ้นเรื่อย ๆ มันมีต้นทุนที่สูง สูงกว่าการเอาไอทีหรือคอมพิวเตอร์ไปพัฒนาด้านอื่น

นี่จึงเป็นที่มาของความคิดของผม ที่คิดว่า ผมน่าจะเอาความรู้ทางคอมพิวเตอร์ มาพัฒนาด้านเครื่องประดับบ้าง เพราะวงการด้านนี้ยังไม่ถูกพัฒนาให้ก้าวหน้าด้านคอมพิวเตอร์เท่าไหร่นัก

ที่ผ่านมา ได้มีการนำเทคโนโลยีทางคอมพิวเตอร์มาใช้ในวงการเครื่องประดับอยู่บ้าง ได้แก่ การคิดค้นพัฒนาโปรแกรมคอมพิวเตอร์เพื่อช่วยออกแบบเครื่องประดับในรูปแบบ 3 มิติ การประยุกต์เครื่องพิมพ์สามมิติเพื่อการพิมพ์แบบขี้ผึ้งของเครื่องประดับ หรือการคิดค้นเครื่องจักรตัดแต่งชิ้นงานด้วยแสงเลเซอร์ซึ่งควบคุมด้วยคอมพิวเตอร์

แต่งานทางด้านปัญญาประดิษฐ์กลับยังไม่ก้าวหน้ามากนักในวงการเครื่องประดับ ซึ่งส่วนตัวผมเห็นว่ายังมีปัญหาหลาย ๆ อย่างในวงการเครื่องประดับที่น่าจะแก้ไขได้ด้วยปัญญาประดิษฐ์

ทีนี้ก็ต้องมาเข้าใจอย่างหนึ่งว่า เครื่องประดับจริง ๆ แล้วประกอบด้วยวัสดุ 2 ส่วนใหญ่ ๆ คือ ตัวเรือน กับ อัญมณี ซึ่งคนส่วนใหญ่มักจะมีปัญหาว่า จะรู้ได้อย่างไรว่าตัวเรือนเป็นโลหะมีค่าที่มีเปอร์เซ็นต์โลหะถูกต้อง ในขณะเดียวกัน เราจะรู้ได้อย่างไรว่าอัญมณีที่ประดับอยู่เป็นชนิดใดและเป็นของแท้หรือเปล่า

ส่วนตัวผม ผมไม่สนใจปัญหาเรื่องตัวเรือน เพราะมันมีวิธีตรวจที่ไม่ยากมากนัก ผมจึงหันมาสนใจในปัญหาของอัญมณีที่ประดับแทน

คนส่วนใหญ่มักไม่รู้จักชนิดของอัญมณี อาจจะรู้คร่าว ๆ ว่าจำแนกได้เป็น 2 ประเภทใหญ่ ๆ คือ เพชร และ พลอย ซึ่งส่วนใหญ่ก็มักจะรู้จักชนิดของพลอยไม่เยอะ คืออาจจะรู้จักแต่ตัวดัง ๆ เช่น ทับทิม ไพลิน บุษราคัม หรือ มรกต เป็นต้น (ความจริงแล้วพลอยมีถึง 16 ตระกูลใหญ่ และมีชื่อเรียกมากมาย) อีกทั้งยังไม่รู้ด้วยว่าเป็นของแท้หรือของปลอม

ว่ากันตามจริงแล้ว ผมเองก็เรียนวิชา “จำแนกพลอยสี” มาเหมือนกัน ดังนั้น ถ้าเป็นตัวผม หมายถึงตัวผมเองอ่ะนะ ผมจะสามารถตรวจสอบได้ โดยใช้ความชำนาญที่มี บวกกับเครื่องมือเฉพาะอีกสองสามอย่าง ก็สามารถบอกได้แล้วว่าพลอยชนิดนั้นเป็นชนิดใด และเป็นของแท้หรือของเทียม

แต่ความรู้แบบนี้ หมายถึงความรู้ในการจำแนกพลอยสี มันเป็นเรื่องเฉพาะบุคคล มันเป็นเรื่องของความชำนาญ ซึ่งถ้าไม่อยากให้มันเป็นเพียงเรื่องเฉพาะบุคคล เราก็ต้องเอาระบบคอมพิวเตอร์เข้ามาช่วย เราต้องมอบความรู้ให้คอมพิวเตอร์ เราต้องสร้างโปรแกรมคอมพิวเตอร์มาช่วยจำแนก และเบื้องหลังของโปรแกรมคอมพิวเตอร์ มันก็ต้องมี “อัลกอริทึม” เป็นตัวผลักดัน

ปัจจุบัน ความรู้ด้านปัญญาประดิษฐ์ได้ก้าวหน้าไปมาก แขนงวิชาปัญญาประดิษฐ์ที่จะเอามาประยุกต์ใช้ในเรื่องนี้ได้ คือ แขนงวิชาเครื่องจักรเรียนรู้ (Machine Learning) แขนงวิชาการทำเหมืองข้อมูล (Data Mining) และแขนงวิชาการประมวลผลภาพ (Image Processing)

วิธีการก็เข้าใจได้ไม่ยากนัก นั่นคือ การให้คอมพิวเตอร์ “สกัดคุณลักษณะเด่น” ของข้อมูลออกมา ข้อมูลในที่นี้ก็คงต้องเป็นรูปภาพ รูปภาพหนึ่งรูปสามารถแทนคำได้เป็นล้านคำ ดังนั้น ข้อมูลนำเข้าที่ดีที่สุดก็ต้องเป็นรูปภาพของพลอยที่ต้องการหาคำตอบ โดยคุณลักษณะเด่นที่สกัดได้จากรูปภาพพลอย ก็นำมาทำความสะอาด เกลี่ยข้อมูลให้เท่ากัน จากนั้นก็เอาไปจำแนก แล้วก็ให้คอมพิวเตอร์บอกคำตอบออกมา ว่าเป็นพลอยชนิดใด เอาแค่นี้ก่อนว่าเป็นพลอยชนิดใด ยังไม่ต้องบอกว่าเป็นพลอยแท้หรือพลอยเทียม เพราะตรงนั้น ณ นาทีนี้ คอมพิวเตอร์ยังทำไม่ได้

ดังนั้น จุดสำคัญของงานนี้คือการคิดค้นอัลกอริทึมในการ “สกัดคุณลักษณะเด่น” ส่วนจุดสำคัญรองลงมาคือการสะสมรูปถ่ายพลอยที่มีคุณภาพ เพื่อใช้ในขั้นตอนการ “สกัดคุณลักษณะ” เพื่อเรียนรู้ และจุดสำคัญสุดท้ายที่สำคัญไม่แพ้กัน คือ ต้องมีผู้เชี่ยวชาญที่จะชี้วัดได้ในขั้นตอนเรียนรู้ ว่าคำตอบที่จำแนกได้ถูกต้องหรือเปล่า เพื่อจะได้ป้อนกลับให้ระบบได้เรียนรู้ ได้ปรับค่าการจำแนก และทำนายได้อย่างแม่นยำต่อไป

คุณ Andrew Ng ซึ่งเก่งมากทางด้านปัญญาประดิษฐ์ เขาเคยบอกอยู่อย่างหนึ่งซึ่งผมก็เห็นตรงกัน นั่นก็คือ ตอนนี้เปเปอร์งานวิจัยทฤษฎีทางด้านปัญญาประดิษฐ์มีมากพอแล้ว ให้เพลา ๆ มือกันหน่อย แล้วหันไปสร้างของเจ๋ง ๆ ขึ้นมาด้วยทฤษฎีที่ตอนนี้มีอยู่เยอะแยะแทน

และตอนนี้ ผมก็กำลังทำตามแนวทางนี้อยู่เหมือนกัน!!!

คือเวลาในการทำงานของ Deep Learning มันก็เหมือนโมเดลปัญญาประดิษฐ์ทั่วไป แบบว่าเวลาในการสอนกับเวลาในการใช้งาน มันไม่เท่ากัน ซึ่ง Big O มันก็จะไม่เท่ากัน เลยจะมาขยายความว่าถ้าเป็นเวลาในการสอน Big O จะเท่าไหร่ และเวลาในการใช้งาน Big O จะเท่าไหร่

มาเริ่มกันเลย!!!

1) เวลาในการสอน Deep Learning

สั้น ๆ ผมวิเคราะห์ว่ามันจะเป็นสมาชิกของ Big O(ED(LXN + LXN))

โดย E = จำนวน Epoch ในตอนที่สอน, D = จำนวน Dataset ที่ใช้สอน, L = จำนวน Hidden Layer + Output Layer ของโมเดล, X = จำนวน Node ใน Layer ถัดไปของโมเดล และ N = จำนวน Node ใน Layer ปัจจุบันของโมเดล

และที่ต้องเอา LXN มาบวกกับ LXN ก็เพราะว่า LXN แรกคือเวลาในการคำนวณผล ส่วน LXN หลังคือเวลาในการป้อนค่่าน้ำหนักย้อนกลับ!!!

2) เวลาในการใช้งาน Deep Learning

อันนี้สั้นยิ่งกว่า ผมวิเคราะห์ว่ามันจะเป็นสมาชิกของ Big O(LXN)

โดยตัวแปร L, X และ N อธิบายไว้แล้วในข้อที่ 1 ตรงนี้ไม่อธิบายเพิ่มนะ

ทีนี้พอลงในรายละเอียดอีกนิดนึง Big O(ED(LXN + LXN)) ก็ถือว่าเป็นสมาชิกของ Big O(N ^ 5) ส่วน Big O(LXN) ก็ถือว่าเป็นสมาชิกของ Big O(N ^ 3)

O(ED(LXN + LXN) ∈ O(N ^ 5)

O(LXN) ∈ O(N ^ 3)

หรือสรุปง่าย ๆ ก็คือ ตอนที่สอน Deep Learning ต้องวนลูป 5 ชั้น และในทางตรงกันข้าม ตอนที่ใช้งาน Deep Learning วนลูปเพียง 3 ชั้นก็พอ!!!

ดังนั้นผมถึงได้คิดว่า ถ้าสร้างอัลกอริทึมสำหรับสอนและใช้งาน Deep Learning บน Quantum Computer ได้เมื่อไหร่ จากที่ต้องสอนด้วยเวลา Big O(N ^ 5) และใช้งานด้วยเวลา Big O(N ^ 3) ก็อาจจะลดเวลาลงเหลือเท่ากับ Big O(Log N) ซึ่งมันเป็นอะไรที่เร็วมาก ๆ เลยล่ะ

สำหรับงานทาง Computer Science ใครก็ตามที่สามารถคิดค้นอัลกอริทึม ที่สามารถลดเวลาคำนวณให้เหลือแค่ Big O(Log N) ได้ ถือว่าโคตรสุดยอดครับ!!!