ผมต้องการติดตั้งเพื่อใช้งาน Tensorflow บน Microsoft Windows ครับ และหลังจากใช้ความพยายามหลาย ๆ ๆ ๆ ๆ ครั้ง ผิดโน่นนี่นั่นครั้งแล้วครั้งเล่า ก็ได้ทำให้ผมสามารถวาดสิ่งที่เรียกว่า Prerequisite หรือก็คือสิ่งที่จะต้องมีมาก่อน ก่อนที่เราจะติดตั้ง Tensorflow บน Microsoft Windows ได้ โดยมีแผนภาพตามภาพข้างล่างนี้ครับ

ณ ปัจจุบันนี้ ผมยังติดตั้ง Tensorflow บน Microsoft Windows ไม่สำเร็จครับ เพราะเครื่องของผมมันไม่ได้ติดตั้ง Microsoft Windows 64 บิต

ก็เขียนแปะไว้ก่อนครับ เผื่อมีตังค์ซื้อเครื่องที่มี CPU 64 บิตและลง Microsoft Windows 64 บิต ผมก็จะได้เอาบันทึกช่วยจำชิ้นนี้ มาทวนการติดตั้ง Tensorflow อีกครั้ง

มีหลายภาษาคอมพิวเตอร์ที่ผมยังชำนาญอยู่ แต่ก็มีอีกหลายภาษาคอมพิวเตอร์ที่ผมเคยจับ เคยทำ พอผ่านไปแล้ว ก็ไม่ได้กลับไปทบทวน ซึ่งผมก็เชื่อว่า ถ้าต้องย้อนกลับไปทำ ก็น่าจะยังทำได้อยู่บ้าง (เหรอ จริงเหรอ?)

แย่หน่อย ที่เดี๋ยวนี้ผมจำได้แต่หลักการ โครงสร้าง นิพจน์ และคำสงวนของภาษาคอมพิวเตอร์เท่านั้น ส่วนคำสั่งยิบย่อยนี่จำไม่ได้เลย ต้องเปิดคู่มือ ถ้าไม่มีคู่มือ ผมก็เขียนภาษาคอมพิวเตอร์นั้น ๆ อย่างสมบูรณ์ไม่ได้เหมือนกัน

มันเป็นเรื่องช่วยไม่ได้ เพราะเรามีเรื่องอื่นต้องจำอีกเยอะ!!!

ใน IEEE Spectrum ได้แบ่งประเภทของแพลตฟอร์มไว้ 4 ประเภท คือ Enterprise, Web, Mobile และ Embedded System ซึ่งแพลตฟอร์มเหล่านั้น ก็ล้วนทำงานอยู่บนเครื่องจักรประมวลผล ที่มีพฤติกรรมแบบคอมพิวเตอร์ทั้งนั้น ดังนั้น มันก็ต้องมีช่องทางให้สั่งงานมันได้ผ่านภาษาคอมพิวเตอร์ ไม่ว่าทางใดก็ทางนึง

ผมพยายามทบทวนว่าผมทำอะไรได้บ้าง มันสำคัญนะ คนเราต้องคิดเป็น ทำเป็น ถึงจะมีคุณค่า ดังนั้น ถ้าเป็นการสั่งคอมพิวเตอร์ด้วยภาษาคอมพิวเตอร์ ผมก็ต้องลองทบทวนว่าผมสั่งคอมพิวเตอร์บนแพลตฟอร์มแบบไหนได้บ้าง

ภาพข้างบนคือภาษาคอมพิวเตอร์และเครื่องไม้เครื่องมือที่ผมทำเป็น จะเห็นว่าผมไร้ทักษะในแพลตฟอร์ม Mobile และ Embedded อย่างเห็นได้ชัด!!!

คือคิดไม่เป็น ทำไม่เป็นเลยแหล่ะ ไม่ได้ไปเรียนรู้อะไรเลย และแพลตฟอร์มเหล่านั้นเป็นอนาคตซะด้วย!!!

มันเลยเหมือนผมเป็นคนเก่าแก่ในแพลตฟอร์มเก่า แต่เป็นเด็กใหม่ในแพลตฟอร์มใหม่ อะไรประมาณนั้น

ในขณะเดียวกัน บนแพลตฟอร์ม Enterprise หรือ Web เอง ทุกวันนี้ก็มีสิ่งใหม่ ๆ ปรากฎขึ้นมาให้ใช้งานมากมาย ไม่ว่าจะเป็นภาษา Python เอย Ruby เอย หรือเครื่องมือ เช่น Ruby on Rails, AngularJS, Node.js, Express.js แต่ผมก็ไม่ได้ไปต่อในเรื่องเหล่านี้เหมือนกัน

ทีนี้ย้อนกลับมาดูหลักคิดกันนิดนึง จะเห็นว่าผมใช้ตารางสองมิติเพื่อช่วยในการทบทวนตัวเอง โดยผมใช้การแจกแจกสิ่งที่ทำเป็นในด้านคอลัมน์ ในขณะที่ผมใช้การแจกแจงแพลตฟอร์มในด้านแถว จากนั้นก็บรรจุสิ่งที่ทำเป็นลงไปในนั้น ให้มันสอดคล้องกับด้านแถวและด้านคอลัมน์ แล้วมันก็ออกมาเป็นภาพข้างบน

ด้วยวิธีการนี้ทำให้ผมมองเห็นได้ง่าย ว่าผมอ่อนด้อยและไร้ทักษะในด้านไหนบ้าง และถ้ามันจำเป็น ผมหมายถึงจำเป็นจริง ๆ นะ ผมก็จะไปพัฒนาในด้านนั้น

อย่างเช่นตอนนี้ การพัฒนา Mobile Application เป็นเรื่องสำคัญ เพราะใคร ๆ ก็ใช้โทรศัพท์ฉลาดกันหมดแล้ว สัดส่วนการใช้คอมพิวเตอร์ตั้งโต๊ะและโน๊ตบุ๊คมันก็น้อยลงเรื่อย ๆ ถ้าผมต้องการ Mobile Application ของตัวเองซักตัวนึง ผมก็อาจไปจ้างให้ใครเขียนให้ก็ได้

อ้าวไม่ใช่ล่ะ!!!

โดยสรุปแล้ว สำหรับผมนะ ตัวผมนั่นแหล่ะ ผมเห็นว่าการเรียนรู้ภาษาคอมพิวเตอร์ให้หลากหลายแพลตฟอร์ม มันก็สำคัญจริง ๆ เพียงแต่ว่าเราจะเลือกเรียนเพื่อเขียนเอง หรือจะเลือกเรียน เพื่อกำกับดูแลคนที่เขียนภาษาคอมพิวเตอร์เหล่านั้นอีกที อันนี้ก็แล้วแต่

เวลาแต่ล่ะคนมีจำกัด ก็ต้องเก็ง ๆ กันไปครับ

ผมคิดว่าคนที่ตั้งกระทู้ถาม น่าจะเป็นคนรุ่นใหม่ ผมเองเห็นใจคนรุ่นใหม่มาก เพราะพวกเขาอยู่ในยุคสมัยที่ช่องว่างระหว่างเทคโนโลยีต้นน้ำกับเทคโนโลยีปลายน้ำมันห่างออกไปทุกที พวกเขากำลังถูกผลักให้กลายเป็นผู้ใช้งาน มากกว่าเป็นผู้คิดค้นวิจัยพัฒนา พวกเขาถูกสิ่งกีดกันที่เรียกว่าเวลาในการเรียนรู้มาขวางทางเขาเอาไว้ พวกเขาต้องมีเวลามากพอในการเรียนรู้ย้อนกลับจากเทคโนโลยีปลายน้ำไปหาเทคโนโลยีต้นน้ำ เพื่อทำความเข้าใจที่มาที่ไป เพื่อจะได้สร้างเทคโนโลยีปลายน้ำใหม่ ๆ หรือตั้งต้นสร้างเทคโนโลยีต้นน้ำใหม่ได้

เมืองไทยเรานับคนได้เลย ที่คิดจะคิดภาษาคอมพิวเตอร์ชั้นสูง ผมเคยเห็นมีอยู่คนนึงนานแล้ว ชื่อ อาจหาญ สัตยารักษ์ เคยคิดค้นภาษาคอมพิวเตอร์ที่มีไวยากรณ์เป็นภาษาไทย จุดประสงค์เพื่อสั่งให้คอมพิวเตอร์รับข้อมูลเข้าเป็นภาษาไทย และแสดงผลเป็นภาษาไทยได้ แต่เรื่องมันก็นานมาแล้ว ภาษาคอมพิวเตอร์นี้ก็ถูกลืมเลือนหายไป

จริง ๆ แล้วภาษาคอมพิวเตอร์เป็นสินค้าแฟชั่นนะครับ มันมักจะมีดีของมันตามยุคตามสมัย บ้างก็ดีเพราะไวยากรณ์ของมันทำให้คนเขียนโปรแกรมชีวิตดี๊ดี บ้างก็ดีเพราะพอแปลเป็นภาษาเครื่องแล้วมันมีขนาดเล็กกระทัดรัดทำงานเร็วจี๊ด

โดยองค์ประกอบหลัก ๆ ของการเกิดขึ้นและตั้งอยู่ของภาษาทางคอมพิวเตอร์ก็มีอยู่ 2 ประการคือ หนึ่งไวยากรณ์ของภาษา และ สองโปรแกรมที่จะแปลไวยากรณ์ของภาษาให้เป็นภาษาเครื่อง

เห็นมั้ยครับ? จริง ๆ ไม่มีอะไรเลย แค่คิดค้นภาษาและตัวแปลมันเท่านั้นเอง และส่วนใหญ่คนหรือกลุ่มคนที่คิดค้นภาษาทางคอมพิวเตอร์ใหม่ ๆ ก็มักจะต้องรับผิดชอบในการสร้างโปรแกรมเพื่อแปลภาษาที่คิดค้นให้เป็นภาษาเครื่องด้วย อันนี้เป็นข้อเท็จจริง ใครคิดคนนั้นทำ

งั้นเรามาสมมติว่าเราเป็นผู้ที่สามารถคิดค้นหน่วยประมวลผลแบบดิจิทัลขนาดเล็กที่ใช้พลังงานน้อย มีพื้นที่จัดเก็บข้อมูลและชุดคำสั่งขนาดเล็กแต่ความจุสูง และสามารถป้อนชุดคำสั่งได้ 3,000 ชุดคำสั่งใน 1 วินาที โดยหน่วยประมวลผลถูกติดตั้งอยู่ในหุ่นยนต์สูง 50 เซ็นติเมตร มีกำลัง 1 แรงม้า นะครับ

และสมมติว่าหน่วยประมวลผลที่คิดค้นขึ้น มันรู้จักชุดคำสั่งภาษาเครื่องหลายร้อยคำสั่งเลยนะครับ ดังนั้น เริ่มแรกถ้าเราจะสั่งให้มันทำงาน สมมติว่าจะสั่งให้หุ่นยนต์กระพริบตา เราก็ต้องสั่งมันด้วยภาษาเครื่องถูกมั้ยครับ ตามรูปข้างล่างนี้

ดิบมากครับ ถ้าเราสั่งให้หุ่นยนต์กระพริบตา เราก็คงต้องใช้ภาษาเครื่องหลาย ๆ บรรทัด ค่อย ๆ สั่งคำนวณบวกลบคูณหาร สั่งย้ายค่าเข้าออกที่เก็บข้อมูล สั่งให้ทดสัญญาณดิจิทัล เพื่อเพิ่มลดกระแสไฟฟ้า เพิ่มลดความต้านทานไฟฟ้า เพิ่มลดแรงดันไฟฟ้า วนรอบรอจังหวะ บลา ๆ ๆ กว่าจะสั่งให้หุ่นยนต์กระพริบตาสำเร็จหนึ่งที

มันด้อยประสิทธิภาพมากเลยใช่มั้ยครับ คนที่จะสั่งเครื่องจักรก็ต้องเหนื่อยน่าดู กว่าจะเขียนคำสั่งจำนวนหลาย ๆ บรรทัด โดยจะต้องจดจำคำสั่งภาษาเครื่อง หรือดีหน่อยก็ชำเลืองมองคู่มือภาษาเครื่องไปพลาง เขียนคำสั่งไปพลาง เพื่อสั่งให้เครื่องจักรทำงานให้ ซึ่งได้ผลนิดเดียว!

ทีนี้เพื่อความง่ายขึ้น เราก็น่าจะเพิ่มประสิทธิภาพ โดยการคิดค้นภาษาระดับล่างขึ้นมา เพื่อทดแทนภาษาเครื่องดีกว่า ซึ่งองค์ประกอบมันก็ต้องมี 2 อย่างแบบที่บอกไว้ คือ ต้องมีไวยากรณ์ และต้องมีตัวแปลภาษา ดังนั้น ก็ต้องคิดค้นไวยากรณ์ขึ้นมา จากนั้นก็ใช้ภาษาเครื่องที่มีนั่นแหล่ะครับ มาสร้างตัวแปลภาษา เพื่อแปลภาษาระดับล่าง ให้กลายเป็นภาษาเครื่อง แล้วก็เอาไปสั่งเครื่องจักรให้มันทำงานต่อไปได้

ดังนั้น ด้วยการเสียสละเวลาเพื่อคิดค้นพัฒนา ก็จะทำให้การสั่งเครื่องจักรในครั้งต่อ ๆ ไป ไม่ต้องใช้ภาษาเครื่อง แต่ใช้ภาษาระดับล่างแทน ดังรูปด้านล่าง

แบบนี้คือชีวิตดีขึ้นมั้ย? ก็ยังไม่ได้ดีขึ้นอะไรมากมายครับ เพราะภาษาระดับล่าง ยังไงก็ทำงานแบบ 1 ต่อ 1 กับภาษาเครื่องอยู่แล้ว มันไม่ได้ช่วยทำให้เขียนน้อยลง แต่มันช่วยเรื่องไวยากรณ์ จากเดิมที่เคยต้องเขียนสั่งด้วยภาษาเครื่องที่เป็นเลขฐานสอง ก็เปลี่ยนมาเป็นภาษาระดับล่างซึ่งมีคำสั่งแบบข้อความสั้น ๆ หรือคำย่อแทน

คนเรามักจะคิดคล้าย ๆ กันครับ คือถ้าสั่งอะไรให้ใครทำ ก็หวังจะสั่งด้วยคำสั่งที่ง่าย ๆ และสั่งแค่คำสั่งไม่กี่คำสั่ง ที่เหลือก็ให้ไปคิดเองว่าจะต้องไปทำอะไรบ้าง ดังนั้น ถ้าเราคิดจะสั่งให้หุ่นยนต์กระพริบตา จะดีกว่ามั้ยถ้าไม่ต้องมาเขียนภาษาเครื่องหลาย ๆ บรรทัด หรือเขียนภาษาระดับล่าง ๆ หลาย ๆ บรรทัดเพื่อสั่งมัน?

งั้นเรามาคิดค้นภาษาระดับสูงกันดีกว่า ซึ่งจะมีความยากขึ้นทั้งการออกแบบไวยากรณ์และการสร้างตัวแปลภาษา แต่พอทำสำเร็จชีวิตเราจะดีขึ้นเพราะในการสั่งงานเครื่องจักรครั้งถัด ๆ ไป แทนที่เราจะต้องเขียนภาษาระดับล่างเพื่อสั่งเครื่องจักร ก็เปลี่ยนเป็นเขียนด้วยภาษาระดับสูงเพื่อสั่งเครื่องจักรแทน

และเนื่องจากเราเคยสร้างภาษาระดับล่างไว้แล้ว มันก็จะเป็นการลดขั้นตอนในการสร้างตัวแปลภาษา เพราะแทนที่เราจะต้องเขียนตัวแปลภาษาด้วยภาษาเครื่อง เพื่อแปลภาษาระดับสูงให้เป็นภาษาเครื่อง เราก็เปลี่ยนเป็นเขียนตัวแปลภาษาด้วยภาษาระดับล่าง เพื่อแปลภาษาระดับสูงเป็นภาษาเครื่องแทน เบาแรงขึ้นเยอะ ดังรูปด้านล่างนี้

พอมาถึงตรงนี้จะเริ่มงงล่ะ ไอ้นั่นแปลเป็นไอ้นี่ ไอ้นี่แปลเป็นไอ้นั่น อย่าไปงงครับ จริง ๆ แล้วหลักการมันไม่มีอะไรมาก มันคือการสร้างเครื่องมือ เพื่อเอาไปสร้างเครื่องมือ ต่อ ๆ ไปเรื่อย ๆ ครับ โดยเครื่องมือที่ถูกสร้างในแต่ล่ะขั้นตอน ก็อาจจะเอาไปสร้างอย่างอื่นที่ไม่ใช่เครื่องมือ อะไรประมาณนั้น

จะเห็นว่าด้วยกระบวนการแบบนี้ เราก็จะสามารถสร้างภาษาชั้นสูงให้มันสูงขึ้นไปได้เรื่อย ๆ สร้างให้มันมีไวยากรณ์เข้าใกล้ภาษามนุษย์ไปเรื่อย ๆ จนอาจจะเปลี่ยนจากภาษาไปเป็นอย่างอื่นที่ไม่ใช่ภาษาเพื่อสั่งงานเครื่องจักรก็ได้

จากที่อธิบายและสมมติให้ดู ก็สามารถย้ำได้อีกครั้งนะครับว่า จริง ๆ แล้วกระบวนการแปลภาษาทางคอมพิวเตอร์ มันเกี่ยวกับ ไวยากรณ์ของภาษา และ ตัวแปลภาษา เท่านั้นเอง ดังนั้น ถ้าจากตัวอย่างข้างบน เรากำหนดให้ไวยากรณ์ของภาษาระดับล่างคือภาษาแอสเซมบลี้ และภาษาระดับสูงคือภาษาซี งั้นเพื่อจะสั่งหุ่นยนต์ให้กระพริบตา เราก็ทำแค่ตัวแปลภาษาก็พอ ไม่ต้องมาเมื่อยตุ้มคิดค้นไวยากรณ์ของภาษาเอง เป็นการทุ่นแรงลงไปอีกต่อหนึ่ง เพราะงานแบบนี้มันเป็นการทำเพราะความจำเป็นไม่ใช่ทำเพราะแฟชั่น

แต่ถ้าเราจะสร้างภาษาระดับสูงด้วยเหตุผลทางแฟชั่น อันนี้ก็ต้องคิดค้นไวยากรณ์ขึ้นมาใหม่ และรับผิดชอบสร้างตัวแปลภาษาเองครับ ซึ่งแฟชั่นที่ว่าก็เช่น ถ้าช่วงนี้ใคร ๆ ก็อยากจะสั่งเครื่องจักรให้ทำงานด้าน Machine Learning หรือ Data Mining หรือ Data Science หรือ 3D Printing และภาษาชั้นสูงที่มีในปัจจุบัน มันไม่เอื้อต่องานด้านนี้ ก็สามารถสร้างกันขึ้นมาใหม่ได้ครับ ตามแฟชั่นกันไป

โดยหน้าตาของสมการตามทฤษฎีบทของเบย์ก็เป็นแบบข้างล่างนี้

จริง ๆ แล้วทฤษฎีบทของเบย์ก็สืบต่อมาจากทฤษฎีความน่าจะเป็นแบบมีเงื่อนไขอีกทีนึงน่ะครับ เป็นโมเดลที่อธิบายว่าความน่าจะเป็นในลำดับถัดไปจะขึ้นกับความน่าจะเป็นของลำดับก่อนหน้า อะไรประมาณนั้น

ซึ่งถ้าจะคำนวณความน่าจะเป็นของลำดับถัดไปโดยขึ้นกับความน่าจะเป็นของลำดับก่อนหน้า ก็สามารถทำได้ง่าย ๆ ตามสมการข้างล่างนี้ครับ

แล้วในเมื่อมันมีสมการง่าย ๆ อยู่ก่อนแล้ว ทำไมเรายังต้องคำนวณโดยใช้ทฤษฎีบทของเบย์อีก???

คำตอบคือ บางครั้งการคำนวณความน่าจะเป็นของลำดับถัดไป โดยขึ้นกับความน่าจะเป็นของลำดับก่อนหน้า มันทำแบบตรงไปตรงมาไม่ได้ครับ มันต้องทำแบบอ้อม ๆ ดังนั้น ทฤษฎีบทของเบย์เลยเป็นสิ่งที่แก้ปัญหาในเรื่องนี้ไปโดยปริยาย

ก่อนอื่น ยกตัวอย่างข้อมูลให้ดูแล้วกันครับ ตามตารางด้านล่างนี้ เป็นข้อมูลคุณสมบัติของบุคคลที่มีเพียง 5 คนเท่านั้น โดยคุณสมบัติของคนเหล่านั้นก็คือ หน้าตา รูปร่าง เส้นเสียง การแสดง และ อาชีพ ครับ

ทีนี้จะตั้งโจทย์ครับ โจทย์คือให้หาว่าความน่าจะเป็นที่บุคคลในข้อมูลตัวอย่างจะเป็นนักแสดงและเป็นคนรูปร่างผอม ซึ่งถ้าหาโดยใช้สมการตามความน่าจะเป็นแบบมีเงื่อนไข ก็จะได้ตามสมการด้านล่างนี้

คำตอบคือ 1 ส่วน 2 ซึ่งแบบข้างบนนี้ตรงไปตรงมา แต่ถ้าหาโดยใช้ทฤษฎีบทของเบย์บ้างล่ะจะเป็นยังไง? ซึ่งก็เป็นไปตามด้านล่างนี้

จะเห็นว่าคำตอบที่คำนวณได้ตามทฤษฎีบทของเบย์ มันก็เหมือน ๆ กับคำตอบที่คำนวณได้ตามทฤษฎีความน่าจะเป็นแบบมีเงื่อนไขนั่นแหล่ะครับ แล้วในเมื่อคำตอบมันเหมือนกัน แล้วเราจะไปใช้ทฤษฎีบทของเบย์ทำไมอีก???

คำตอบก็เพราะว่า ในสถานการณ์จริง เราอาจไม่สามารถหาความน่าจะเป็นแบบมีเงื่อนไขอย่างตรงไปตรงมาได้ครับ บางครั้งมันยอกย้อน มันต้องอ้างอิงกลับไปกลับมาถึงจะหาคำตอบได้ ดังนั้น ด้วยคุณสมบัติของทฤษฎีบทของเบย์ ก็เลยทำให้มันกลายเป็นเครื่องมือที่นิยม สำหรับงาน Machine Learning, Data Mining หรือ Quantum Computing ไปโดยปริยายนั่นเอง

การดูแลเงินทองข้าวของและการดูแลลูกค้าก็เลยเป็นปัจจัยสำคัญในการทำธุรกิจไป ดังนั้น ระบบคอมพิวเตอร์จึงมักถูกติดตั้งและพัฒนาเพื่อการดูแลเงินทองและดูแลลูกค้าตามที่กล่าวมา

ระบบคอมพิวเตอร์ที่เอาไว้ดูแลเงินทองข้าวของ ในภาพใหญ่สุดจะเรียกว่า Enterprise Resource Planning ส่วนภาพที่เล็กลงมาก็แบ่งได้เป็น ระบบขาย ระบบจัดซื้อ ระบบพัสดุ ระบบต้นทุน ระบบการเงิน ระบบทรัพยากรบุคคล ระบบบัญชี เป็นต้น

เมื่อมันเกี่ยวข้องกับระบบบัญชี บางทีคนทางคอมพิวเตอร์ก็อาจจะต้องรู้บัญชีไปโดยปริยาย ดังนั้น ผมจึงขอนำเสนอรูปแบบการลงบัญชีที่ง่ายที่สุด เพื่อให้เข้าใจตามภาพข้างล่างนี้ครับ

จากตัวอย่างข้างบน คือการลงบัญชีเพื่อค้าขายในแบบที่ง่ายที่สุดแล้วครับ โดยผมได้แสดงให้เห็นการเคลื่อนไหวของทั้ง บัญชีรายวันทั่วไป งบกำไรขาดทุน และ งบดุล

คนทางคอมพิวเตอร์บางทีพอมาเจอกับบัญชี ก็ไม่ใช่ว่าจะเข้าใจได้ง่าย ๆ ครับ ก็ลองหัด ๆ ดูแล้วกันครับ

ทีนี้ผมเลยคิดว่าปรากฎการณ์แบบนี้มันน่าสนใจ น่าจะอธิบายได้ด้วยทฤษฎีกราฟในทางคณิตศาสตร์หรือวิทยาการคอมพิวเตอร์ โดยย่อ ๆ ก็คือทฤษฎีกราฟเป็นทฤษฎีที่อธิบายถึงความสัมพันธ์ระหว่างวัตถุ โดยการเชื่อมโยงกันระหว่างวัตถุ (vertex) ด้วยเส้นเชื่อม (edge) ซึ่ง edge เป็นได้ทั้งแบบมีทิศทางและไม่มีทิศทาง และเป็นได้ทั้งมีค่าน้ำหนักหรือไม่มีค่าน้ำหนัก

โดยสมมติฐานส่วนตัวของผมคิดว่า เราสามารถใช้ทฤษฎีกราฟเพื่ออธิบายปรากฎการณ์ในภาพยนต์เรื่อง “อาบรักทะลุมิติ” ได้ โดยการเขียนเป็นกราฟแบบภาพข้างล่างนี้

ผมมีความเชืื่อส่วนตัวว่าในเรื่อง “อาบรักทะลุมิติ” กายหยาบของพระเอก ผู้ติดตาม และโจร ไม่ได้ไปที่โลกคู่ขนาน หากแต่มีเพียง “จิตรับรู้” เท่านั้นที่กระโดดไปยังโลกคู่ขนาน ทีนี้พอพระเอกซึ่งอยู่ใน vertex T5 ของโลกคู่ขนานตัดสินใจว่าจะกลับโลกจริง จึงเกิด edge แบบมีทิศทางเชื่อมจาก vertex T5 ของโลกคู่ขนานไปยัง vertex T1 ของโลกจริง ซึ่งทำให้กายหยาบของพระเอกในโลกจริงเกิดการรับรู้เรื่องราวจากโลกคู่ขนาน และดำเนินชีวิตนับจาก vertex T1 ในโลกจริงต่อไป

ส่วนจิตรับรู้ของผู้ติดตามและโจร ไม่ได้กลับจาก vertex T5 ของโลกคู่ขนานไปยัง vertex T1 ของโลกจริง จึงทำให้กายหยาบของผู้ติดตามและโจร ณ vertex T1 ในโลกจริงไม่ได้รับรู้เรื่องราวจากโลกคู่ขนานเลย และยังคงดำเนินชีวิตนับจาก vertex T1 ในโลกจริงต่อไป ในขณะที่จิตรับรู้ซึ่งแบ่งไปอยู่ในโลกคู่ขนาน ก็ยังคงดำเนินชีวิตนับจาก vertex T5 ในโลกคู่ขนานต่อไปเช่นกัน

ทีนี้ผมเลยคิดว่าน่าจะสามารสร้างโมเดลเพื่ออธิบายโลกคู่ขนานได้ โดยผมตั้งสมมติฐานว่าจริง ๆ แล้วมนุษย์ทุกคนล้วนมีโอกาสแบ่งจิตรับรู้ของตัวเอง แล้วปล่อยจิตรับรู้ที่แบ่งออกมาไปยังโลกคู่ขนานได้ เพียงแต่มีไม่กี่คนเท่านั้นที่จิตรับรู้ที่แบ่งออกไปจะกลับจากโลกคู่ขนานมายังโลกจริง เพื่อจะทำให้กายหยาบในโลกจริงเกิดการรับรู้เรื่องราวในโลกคู่ขนาน ซึ่งจริง ๆ แล้วปรากฎการณ์แบบนี้เกิดได้เยอะแยะ มีคนเล่าเยอะ เช่น บอกว่ารู้สึกเหมือนเดจาวู หรือ รู้สึกว่ายืนเดินอยู่ดี ๆ ก็วูบไปยังอีกที่หนึ่ง จากนั้นก็วูบกลับมาที่เดิม เป็นต้น

จากภาพโมเดลโลกคู่ขนาน ผมตั้งข้อสังเกตจากสมมติฐานที่ผมตั้งขึ้นเองได้ 4 อย่างคือ

1. เป็นไปได้ที่มนุษย์เราจะแบ่งจิตและปล่อยจิตไปยังโลกคู่ขนานได้แทบจะตลอดเวลา ซึ่งแทนได้ด้วย edge แบบมีทิศทางและมีค่าน้ำหนัก Wa0 ขนาด 100%
2. เป็นไปได้ที่จิตที่ปล่อยออกไปยังโลกคู่ขนาน จะกลับมาบางส่วนในโลกจริง เพื่อทำให้กายหยาบในโลกจริงรับรู้เรื่องราวในโลกคู่ขนานได้บางส่วน โดยที่จิตในโลกคู่ขนานจะยังคงดำเนินต่อไป ซึ่งแทนได้ด้วย edge แบบมีทิศทางและมีค่าน้ำหนัก Wb0 ขนาดไม่เกิน 50%
3. เป็นไปได้ที่จิตที่ปล่อยออกไปยังโลกคู่ขนาน จะกลับมาเต็มจำนวนในโลกจริง เพื่อทำให้กายหยาบในโลกจริงรับรู้เรื่องราวในโลกคู่ขนาน และไม่มีจิตหลงเหลือในโลกคู่ขนานอีกต่อไป ซึ่งแทนได้ด้วย edge แบบมีทิศทางและมีค่าน้ำหนัก Wb0 ขนาด 100%
4. เป็นไปได้ที่จิตที่ปล่อยออกไปยังโลกคู่ขนาน จะไม่กลับมายังโลกจริงอีกเลย และยังคงดำเนินต่อไปในโลกคู่ขนาน โดยที่กายหยาบในโลกจริงไม่ได้รับรู้แต่ประการใด ซึ่งแทนได้ด้วย vertex T5 ถึง T10 ในโลกคู่ขนาน

ผมคิดว่าเรื่องเหนือธรรมชาติแบบนี้ จะมาอธิบายอะไรที่มันเป็นวิทยาศาสตร์คงยาก แต่ถ้าจะให้ตั้งสมมติฐานก็คงจะได้ประมาณนี้แหล่ะครับ

ทุกวันนี้มีเทคโนโลยีในการถ่ายภาพสมองอยู่หลายแบบครับ ซึ่งทั้งหมดล้วนใช้คลื่นแม่เหล็กไฟฟ้าความเข้มสูงในการถ่ายภาพ โดยหลักการคือการปล่อยให้คลื่นแม่เหล็กไฟฟ้าผ่านปริมาตรสมอง แล้วตรวจสอบการดูดกลืนหรือสะท้อนกลับของคลื่นแม่เหล็กไฟฟ้า เพื่อแสดงออกมาเป็นภาพสามมิติ แล้วตรวจวิเคราะห์บริเวณที่มีการตอบสนองเป็นพิเศษ ซึ่งการตอบสนองอาจจะอยู่ในรูปของบริเวณที่มีความแตกต่างเชิงพื้นที่หรือเชิงเวลา คือแบบว่าตรงไหนมันดูเด่นกว่าใคร ๆ ก็ตรงนั้นแหล่ะเป็นลักษณะพิเศษ

งานวิจัยด้านนี้มีการพัฒนามาเป็นสิบปีแล้วในเมืองนอก แต่ถ้าเป็นเมืองไทยเรายังไม่มีใครทำกัน ผมก็เลยได้โครงการมาทำครับ ก็คือต้องวิเคราะห์ภาพสมองนั่นแหล่ะ โดยวิเคราะห์ในแง่ของการทำนายด้วย Machine Learning ทีนี้ผมก็ไม่อยากจะวิเคราะห์แบบทั่ว ๆ ไปไง คือส่วนใหญ่งานวิจัยจะนำเสนอแต่ของใหม่ เสนอแต่ความก้าวหน้า เสนอแต่ความสำเร็จ ทีนี้ผมอินดี้ ผมเลยเสนอในด้านที่ไม่มีคนทำ ซึ่งผมก็รู้แหล่ะว่าด้านนั้นมันไม่โอเค แต่ผมอยากจะนำเสนอไงว่าทำไมมันถึงไม่โอเค ทำไมถึงไม่มีคนทำมานำเสนอกัน ซึ่งเนื้อหาเปเปอร์ก็เป็นตามด้านล่างนี่แหล่ะ ลองอ่านดู

—

ConXsense – Automated Context Classification for Context-Aware Access Control

ปัจจุบัน โทรศัพท์มือถือได้กลายเป็นส่วนหนึ่งในชีวิตประจำวันของประชาชน และถูกพัฒนาให้ทันสมัยโดยผู้ผลิตชั้นนำอยู่อย่างต่อเนื่อง โทรศัพท์มือถือที่ทันสมัยจะมีคุณสมบัติเอนกประสงค์หลายประการนอกเหนือจากการใช้เป็นอุปกรณ์ติดต่อสื่อสารพูดคุย ซึ่งความทันสมัยเพิ่มเติมมีอยู่ทั้งในด้านฮาร์ดแวร์และซอฟต์แวร์ โดยในด้านฮาร์ดแวร์ โทรศัพท์มือถือสามารถรับข้อมูลได้หลายช่องทาง เช่น รับคลื่นแม่เหล็กโลกได้ รับรู้ทิศทางได้ สามารถแลกเปลี่ยนข้อมูลโดยใช้สัญญาณเครือข่ายไร้สาย สัญญาณอินเทอร์เน็ต หรือ สัญญาณบลูทูธ สามารถถ่ายรูปหรือถ่ายคลิปวีดีโอได้ ส่วนในด้านซอฟต์แวร์ โทรศัพท์มือถือมีระบบปฏิบัติการที่ใช้ควบคุมการทำงานของเครื่อง ทำหน้าที่ประสานระหว่างฮาร์ดแวร์กับโปรแกรมเข้าไว้ด้วยกัน มีพื้นที่ความจุสูงซึ่งสามารถจัดเก็บข้อมูลขนาดใหญ่ ทั้งภาพ เสียง และคลิปวีดีโอ และมีโปรแกรมต่าง ๆ ที่ช่วยสนับสนุนการออนไลน์เข้าสู่โลกอินเทอร์เน็ตและเครือข่ายสังคม

การที่โทรศัพท์มือถือมีคุณสมบัติในการออนไลน์เข้าสู่โลกอินเทอร์เน็ตได้ อีกทั้งยังมีช่องทางรับข้อมูลหลายช่องทาง นอกจากจะมีประโยชน์ในด้านการสื่อสารตอบโต้ที่หลากหลายมิติแล้ว ยังนำมาซึ่งปัญหาในด้านความปลอดภัยของข้อมูลและความเป็นส่วนตัวด้วย เนื่องจากโปรแกรมต่าง ๆ ที่ถูกติดตั้งอยู่ในโทรศัพท์มือถือ อาจจะเป็นโปรแกรมที่ประสงค์ร้าย มีจุดประสงค์ขโมยข้อมูลภายในโทรศัพท์มือถือ หรือตรวจจับสภาพแวดล้อมผ่านช่องทางรับข้อมูลต่าง ๆ ของโทรศัพท์มือถือ และอาศัยคุณสมบัติในการออนไลน์ออกสู่โลกอินเทอร์เน็ตของโทรศัพท์มือถือ ในการส่งข้อมูลไปยังผู้ประสงค์ร้าย หรือในบางครั้ง โปรแกรมสำหรับใช้งานเครือข่ายสังคม อาจทำเกินหน้าที่ นำข้อมูลที่มีความลับภายในโทรศัพท์มือถือเปิดเผยออกสู่เครือข่ายสังคม ทำให้เจ้าของโทรศัพท์มือถือเกิดความเสียหาย เสียชื่อเสียง และ เสียความเป็นส่วนตัวได้

การสร้างระบบกำหนดสิทธิ์โดยผู้ผลิตระบบปฏิบัติการและผู้ผลิตโปรแกรม ถือเป็นวิธีการแก้ปัญหาที่มีประสิทธิภาพในการรักษาความปลอดภัยและความเป็นส่วนตัว เนื่องจากเป็นการเปิดโอกาสให้ผู้ใช้งานโทรศัพท์มือถือ ได้กำหนดสิทธิ์การเข้าใช้งานข้อมูลและสิทธิ์การเข้าถึงอุปกรณ์นำเข้าข้อมูลให้กับโปรแกรมต่าง ๆ ได้ด้วยตัวเอง แต่เนื่องจากการกำหนดสิทธิ์โดยผู้ใช้งานได้สร้างปัญหาใหม่ นั่นคือปัญหาภาระของผู้ใช้งาน เนื่องจากความหลากหลายของโปรแกรม ความหลากหลายของอุปกรณ์นำเข้าข้อมูล และ ระดับความสำคัญของข้อมูลในแต่ล่ะเวลาและสถานที่ ซึ่งมีความละเอียดซับซ้อน ทำให้ผู้ใช้งานต้องกำหนดสิทธิ์ในทุกรายละเอียด เพื่อให้มั่นใจได้ว่าจะได้รับความปลอดภัยและมีความเป็นส่วนตัวอย่างสมบูรณ์ ซึ่งด้วยภาระเช่นนี้ จึงทำให้ผู้ใช้งานละเลยการกำหนดสิทธิ์ และทำให้ไม่สามารถแก้ปัญหาในด้านความปลอดภัยของข้อมูลและความเป็นส่วนตัวอย่างเบ็ดเสร็จได้

ดังนั้น จึงมีงานวิจัย [1] ที่นำเสนอวิธีการแก้ปัญหาภาระของผู้ใช้งาน โดยการผนวกรวมเอาวิธีในด้านความปลอดภัยเข้ากับวิธีทางด้านปัญญาประดิษฐ์ นำมาสร้างเป็นโครงร่างซอฟต์แวร์พื้นฐานเพื่อการพัฒนาต่อยอด ในชื่อเรียกว่า ConXsense โดยมีจุดประสงค์เพื่อทดแทนภาระงานในการกำหนดสิทธิ์ของผู้ใช้งาน ด้วยการให้ ConXsense เป็นตัวกำหนดสิทธิ์แทน โดยใช้วิธีการเรียนรู้พฤติกรรมของผู้ใช้งานโทรศัพท์มือถือในสภาพแวดล้อมต่าง ๆ แบบอัตโนมัติ แล้วนำผลการวิเคราะห์ที่ได้มาปรับปรุงสิทธิ์การเข้าใช้งานให้กับโปรแกรมในโทรศัพท์มือถือ ให้มีความเหมาะสมตามเวลาและสถานที่ต่อไป

โครงร่างซอฟต์แวร์ ConXsense ถูกสร้างขึ้นโดยผนวกรวมเข้ากับ FlaskDroid [2] ซึ่งเป็นสถาปัตยกรรมความปลอดภัยที่ถูกคิดค้นขึ้นเพื่อระบบปฏิบัติการ Android โดยโครงร่างซอฟต์แวร์ ConXsense เน้นแก้ปัญหาที่มีความสำคัญ 2 ประการ คือ หนึ่งปัญหาการใช้งานโทรศัพท์มือถือในทางที่ผิด และ สองปัญหาความลับและความเป็นส่วนตัว

ในงานวิจัยได้อธิบายถึงปัญหาการใช้งานโทรศัพท์มือถือในทางที่ผิดไว้ว่า สามารถเกิดได้จากการที่เจ้าของโทรศัพท์มือถือวางโทรศัพท์มือถือไว้ห่างตัว จนทำให้ถูกผู้อื่นหยิบฉวยไปใช้งานในทางที่ผิดได้ ซึ่งผู้อื่นที่กล่าวถึงแบ่งได้เป็น 3 ประเภท ได้แก่ โจร คนใกล้ชิดที่ซื่อสัตย์แต่อยากรู้อยากเห็น หรือ เด็กเล็ก โดยวิธีแก้ปัญหาที่ถูกนำเสนอในงานวิจัยคือการให้ ConXsense ตรวจสอบสภาพแวดล้อมผ่านช่องนำเข้าข้อมูลของโทรศัพท์มือถือ จากนั้นก็ให้ ConXsense วิเคราะห์บริบทเพื่อตัดสินใจปิดล็อกหน้าจอโทรศัพท์มือถือไม่ให้ผู้อื่นใช้งานโทรศัพท์มือถือในทางที่ผิดได้

สำหรับปัญหาความลับและความเป็นส่วนตัว ในงานวิจัยได้อธิบายถึงสาเหตุของปัญหาซึ่งเกิดจากโปรแกรมประสงค์ร้ายที่ถูกติดตั้งโดยผู้ใช้งานเอง โดยโปรแกรมเหล่านั้นมีคุณสมบัติแอบแฝง ที่สามารถตรวจจับและเก็บเกี่ยวข้อมูลจากช่องทางนำเข้าข้อมูลต่าง ๆ ของโทรศัพท์มือถือ ไม่ว่าจะเป็น การดักจับภาพผ่านกล้อง การดักจับเสียงผ่านไมโครโฟน การดักจับตำแหน่งผ่าน GPS การดักจับความเคลื่อนไหวผ่าน Accelerometer และ การดักจับทิศทางผ่านตัววัดแม่เหล็กโลกแล้วนำข้อมูลเหล่านั้นส่งผ่านเครือข่ายอินเทอร์เน็ตไปยังผู้ประสงค์ร้าย เพื่อให้ผู้ประสงค์ร้ายนำไปใช้ประโยชน์ต่อไปได้โดยวิธีแก้ปัญหาที่ถูกนำเสนอในงานวิจัยคือการให้ ConXsense ตรวจสอบสภาพแวดล้อมผ่านช่องนำเข้าข้อมูลของโทรศัพท์มือถือ จากนั้นก็ให้ ConXsense วิเคราะห์บริบทเพื่อตัดสินใจปิดกั้นการส่งข้อมูลที่โทรศัพท์มือถือได้รับผ่านตัว Sensor ไม่ให้ออกไปสู่ภายนอก โดยในขั้นตอนการปิดกั้นจะต้องกระทำผ่าน FrankDroid [2] อีกต่อหนึ่ง

ในงานวิจัย [1] ได้แบ่งบริบทซึ่งมีความเสี่ยงต่อความมั่นคงของข้อมูลออกเป็น 3 บริบทได้แก่ บ้าน ที่ทำงาน และที่สาธารณะ และออกแบบให้ ConXsense มีสถาปัตยกรรมดังภาพที่ 1 โดยขั้นตอนการทำงานสามารถสรุปย่อได้ว่ากลไกการตัดสินใจจะเกิดจากการเก็บสะสมความรู้ที่ได้จากสภาพแวดล้อมรอบ ๆ โทรศัพท์มือถือ (ซึ่งก็คือ Context Feature) ผนวกกับการแสดงแบบสอบถามที่หน้าจอโทรศัพท์มือถือเป็นระยะ เพื่อให้เจ้าของโทรศัพท์มือถือตอบแบบสอบถามตามระดับความเสี่ยงในบริบทนั้น ๆ (ซึ่งก็คือ Label) จากนั้นนำข้อมูลที่ได้ไปทำการ Classifier เพื่อเป็นเกณฑ์ในการตัดสินใจปิดล็อกหน้าจอหรือปิดกั้นการส่งข้อมูลต่อไป

โดยความรู้ที่ได้จากสภาพแวดล้อมรอบ ๆ โทรศัพท์มือถือ ก็คือ Context Feature ที่เก็บได้จาก 3 แหล่งได้แก่ตำแหน่งที่ตั้งผ่านแหล่งกำเนิดสัญญาณ WiFi ตำแหน่งที่ตั้งผ่าน GPS และ ตำแหน่งอุปกรณ์ปล่อยสัญญาณ Bluetooth ของคนที่รู้จักกันซึ่งอยู่รอบตัว โดย ContextFeature ประกอบด้วย เวลานานที่สุดที่อยู่ในตำแหน่ง WiFi/GPS  ความถี่ในการเข้าไปในบริเวณตำแหน่ง WiFi/GPS เมื่อใช้เวลานานที่สุดที่อยู่ในตำแหน่ง WiFi/GPS และ เวลากับจำนวนครั้งเฉลี่ยเมื่อตรวจพบสัญญาณ Bluetooth ของอุปกรณ์ของคนรู้จัก

สำหรับแบบสอบถามจะเป็นดังภาพที่ 2 โดยให้ผู้ทดสอบตอบตามความเป็นจริงในบริบท โดยมีคำตอบ 2 หมวดหมู่ให้ผู้ทดสอบเลือก ได้แก่ หมวดหมู่แรก คือ บ้าน ที่ทำงาน และ ที่สาธารณะ จัดหมู่กับหมวดหมู่ที่สอง คือ ปลอดภัย และ ไม่ปลอดภัย

สำหรับการ Classifier ในงานวิจัย [1] ได้เลือกใช้ 3 วิธี ได้แก่ k-NN Random Forest และ Naïve Bayes เพื่อสร้างเป็นผลลัพธ์สำหรับเก็บลงใน Enforcement Model เพื่อไปต่อเชื่อมสั่งการผ่าน System API อีกทอดหนึ่ง

ผู้วิจัยได้ทดลองการทำงานของ ConXsense โดยติดตั้งลงในโทรศัพท์มือถือรุ่น Samsung Galaxy Nexus และ Samsun Galaxy Nexus S แล้วคัดเลือกผู้ทดสอบจำนวน 15 คน แบ่งผู้ทดสอบเป็นสองกลุ่ม คือ กลุ่มที่มีความรู้ทางเทคนิค และ กลุ่มที่ไม่มีความรู้ทางเทคนิค ให้กลุ่มที่มีความรู้ทางเทคนิคพกโทรศัพท์มือถือเป็นเวลา 68 วัน และให้กลุ่มที่ไม่มีความรู้ทางเทคนิคพกโทรศัพท์มือถือเป็นเวลา 56 วัน ซึ่งผู้ทดสอบจะต้องรายงานสภาพแวดล้อมอย่างสม่ำเสมอเป็นระยะตามความเป็นจริง ด้วยการเปิดหน้าจอแบบสอบถามในภาพที่ 2 เพื่อตอบคำถาม หรือถ้าผู้ทดสอบลืม ทุก ๆ 2 ชั่วโมงก็จะมีการแจ้งเตือนให้ผู้ใช้งานเปิดหน้าจอแบบสอบถาม โดยการเตือนจะมีทั้งการเปิดเสียงเรียก การสั่น และการแสดงแสงวาบที่หน้าจอ ในขณะเดียวกัน โปรแกรมฝังตัวซึ่งทำหน้าที่เก็บ Context Feature ในโทรศัพท์มือถือของผู้ทดสอบ ก็จะทำงานอัตโนมัติทุก ๆ 60 วินาทีเพื่อเก็บข้อมูล และเนื่องจากการประเมินผลการ Classifier แบบออนไลน์บนโทรศัพท์มือถือเป็นเรื่องไม่สะดวกนัก เพราะผู้วิจัยต้องการประเมินด้วย Classifier หลายแบบ ดังนั้น ผู้วิจัยจึงจำเป็นต้องนำ Context Feature และ Label ที่ได้ออกมาประเมินแบบออฟไลน์ในโปรแกรม Weka ส่วนการทดสอบการปิดหน้าจอและการปิดกั้น Sensor ยังคงทดสอบแบบออนไลน์บนโทรศัพท์มือถือโดยตรงเหมือนเดิม

ผู้วิจัยได้ทำการประเมินผลการปิดล็อกหน้าจอ โดยเลือกเอาเฉพาะสภาพแวดล้อมที่มีความเสี่ยงต่ำมาเป็นเกณฑ์ตรวจสอบ ซึ่งได้ผลตามภาพที่ 3 โดยเทียบจาก Naïve Bayes พบว่าระบบมี True Positive Rate ประมาณ 70% และมี False Positive Rate ประมาณ 10% ซึ่งสรุปได้ว่าระบบทายถูก 70% ว่าสภาพแวดล้อมมีความเสี่ยงต่ำ จึงไม่ได้สั่งปิดหน้าจออัตโนมัติ ซึ่งช่วยลดภาระให้กับผู้ใช้งาน 70% ไม่ต้องมาเสียเวลาปิดหน้าจอเอง และในขณะเดียวกันหากอยู่ในสภาพแวดล้อมที่มีความเสี่ยงสูง ก็จะมีโอกาสเพียงไม่เกิน 10% ที่โจรหรือผู้ไม่มีสิทธิ์ จะนำโทรศัพท์มือถือของผู้ทดสอบซึ่งไม่ได้ถูกปิดหน้าจอไปใช้ในทางที่ผิด

สำหรับการประเมินผลการปิดกั้นข้อมูล Sensor ผู้วิจัยได้เลือกเอาเฉพาะสภาพแวดล้อมที่มีความเสี่ยงต่ำมาเป็นเกณฑ์ตรวจสอบ ซึ่งได้ผลตามภาพที่ 4 พบว่าในกรณีนี้ตัว Classifier คือ kNN และ Random Forest ให้ผลดีทัดเทียมกัน คือ True Positive Rate 70% และ False Positive Rate 2-3.5% ซึ่งสรุปได้ว่าระบบทายถูก 70% ว่าสภาพแวดล้อมมีความเสี่ยงต่ำ จึงไม่ได้สั่งปิดกั้นตัว Sensor ซึ่งช่วยลดภาระให้กับผู้ใช้งาน 70% ไม่ต้องมาเสียเวลา Configure การปิด Sensor เอง (ส่วนอีก 30% ผู้ใช้งานยังต้องไป Configure เองอยู่) และในขณะเดียวกันหากอยู่ในสภาพแวดล้อมที่มีความเสี่ยงสูง ก็จะมีโอกาสเพียงไม่เกิน 3.5% ที่โปรแกรมประสงค์ร้ายจะเข้าถึงตัว Sensor แล้วนำข้อมูลส่งออกไปยังเครือข่ายอินเทอร์เน็ตภายนอก

เอกสารอ้างอิง

1. M. Miettinen et al. “ConXsense – Automated Context Classification for Context-Aware Access Control.” Proceeding ASIA CCS ’14. (June 2014) : 293-304.
2. S. Bugiel, S. Heuser, and A.-R Sadeghi. “Flexible and fine-grained mandatory access control on Android for diverse security and privacy policies.” USENIX Security’13.

—

สรุปก็ประมาณนี้อ่ะครับ สำหรับใครที่อ่าน ROC Curve ไม่เป็นก็ไม่เป็นไรนะครับ ก็อ่านเอาจากที่บรรยายแล้วกัน ผลมันก็มีอธิบายไว้ในนั้นแล้วครับ

งานวิจัยทางวิทยาการคอมพิวเตอร์มีมากมายหลายแบบ ตั้งแต่แบบที่จับต้องไม่ได้ไปจนถึงแบบที่จับต้องได้ แบบที่เน้นทฤษฎีไปจนถึงเน้นปฏิบัติ แบบที่ใช้วิธีการคำนวณเป๊ะ ๆ ไปจนถึงแบบที่ใช้วิธีการคำนวณสุ่ม ๆ และอื่น ๆ

แต่โดยส่วนตัวแล้วผมมองว่างานวิจัยทางวิทยาการคอมพิวเตอร์ มันแบ่งได้เป็น 2 มิติดังภาพข้างล่างนี้

นิยามงานวิจัย High Level ของผมคืองานวิจัยที่ใช้เทคนิค อัลกอริทึม หรือ วิธีการทางคอมพิวเตอร์ เพื่อแก้ปัญหาที่ส่งผลต่อชีวิตประจำวันของเรา ในขณะที่งานวิจัย Low Level คืองานวิจัยที่ใช้เทคนิค อัลกอริทึม หรือ วิธีการทางคอมพิวเตอร์ เพื่อแก้ปัญหาของเทคนิค อัลกอริทึม หรือ วิธีการทางคอมพิวเตอร์ อีกทีนึง (งงมั้ย? คงไม่นะ)

ส่วนนิยามงานวิจัย Hard ของผมคืองานเชิงรุก ที่เป็นการคิดค้นสิ่งใหม่ ๆ มาแก้ปัญหา ส่วนงานวิจัย Soft คืองานเชิงประยุกต์ ที่ใช้สิ่งที่มีคนคิดค้นขึ้นแล้ว มาแก้ปัญหา

เมืองไทยเรามีงานวิจัย Hard แบบ Low Level ไม่ค่อยมาก คงต้องพยายามกันต่อไปครับ

ดังนั้น ผมก็เลยทำแผนภาพอธิบายให้เข้าใจครับ ว่าเมืองไทยเรามันมีวุฒิคอมพิวเตอร์กี่วุฒิกันแน่ แถมผมยังทำอนุกรมวิธานให้ดูเล็ก ๆ ด้วย ว่าหลักสูตรเหล่านั้นโดยพื้นเพแล้วเกิดจากมีหลักสูตรใดมาก่อน ดังภาพข้างล่างครับ

สีส้มคือหลักสูตรคอมพิวเตอร์นะครับ จะเห็นว่าเปิดกระจายกันหลายวุฒิเลย และแต่ล่ะหลักสูตรก็สืบสายกันมาเป็นรุ่น ๆ ด้วย เอาเป็นว่าชอบใจอันไหนก็เรียนกันไปก็แล้วกันครับ เพราะโดยเนื้อหาของหลักสูตรแล้ว มันก็จะมีวิชาบังคับเหมือน ๆ กัน และวิชาเลือกคล้าย ๆ กันครับ จะต่างกันก็แต่หลักสูตรไหนจะไปเน้นอะไรมากกว่ากันเท่านั้นเอง

ป.ล. ถ้าเป็นวิทย์คอมนี่เน้นคำนวณทางคณิตศาสตร์นะครับ ส่วนวิศวะคอมนี่เน้นคำนวณทางไฟฟ้าครับ