Cyber-physical system อีกก้าวสู่สังคมปัญญาประดิษฐ์

อัปเดตล่าสุด 7 มิ.ย. 2562
  • Share :
  • 680 Reads   

อย่างที่ทราบกันดีว่า การนำปัญญาประดิษฐ์ (Artificial Intelligence : AI) มาใช้งานจริงนั้น สิ่งสำคัญที่ขาดไม่ได้คือข้อมูล และ “Cyber-Physical System (CPS)” หรือการพัฒนาพื้นที่จริงไปพร้อมกับขุมข้อมูล ยกตัวอย่างเช่น หากจะใช้หุ่นยนต์อุตสาหกรรม ก็ต้องมีโรงงานที่สามารถติดตั้งหุ่นยนต์ และเซ็นเซอร์ พร้อมพื้นที่ที่หุ่นยนต์สามารถทำงานได้ง่ายเสียก่อน และเป็นสิ่งที่จำเป็นต้องคำนึงเป็นอย่างยิ่งในการนำหุ่นยนต์มาใช้ในพื้นที่จำกัด ซึ่งไม่เพียงแต่โรงงาน หรือสายการผลิตเท่านั้น แต่ยังรวมไปถึงการนำหุ่นยนต์ และ AI มาใช้ในสังคมอีกด้วย


วงจรการเรียนรู้ และ Cyber-physical system

มีผู้เปรียบเทียบไว้ว่า สำหรับ AI แล้ว ข้อมูลก็เปรียบเหมือนเชื้อเพลิง ที่จะทำให้ AI สามารถทำงานได้ หากมีข้อมูลมาก AI ก็ยิ่งทำงานได้อย่างมีประสิทธิภาพมากขึ้น ซึ่งปัจจุบัน มีผู้ใช้หลายรายที่นำ AI ไปใช้ในการวิเคราะห์ข้อมูลเพื่อยกระดับงานบริการ ซึ่งเป็นแนวทางที่มีประสิทธิภาพมาก เนื่องจากเมื่อจำนวนลูกค้าเพิ่มขึ้น ความต้องการของลูกค้าก็จะยิ่งหลากหลาย และเมื่อความต้องการหลากหลายมากขึ้น AI ก็จะมีส่วนช่วยในการบริหารจัดการได้ และผู้ที่เข้าสู่อุตสาหกรรมในภายหลังก็จะยิ่งเสียเปรียบ ด้วยเหตุนี้เอง บริษัท IT หลายราย จึงยกธุรกิจด้าน AI สำหรับงานบริการให้เป็นหนึ่งในแหล่งรายได้ของบริษัท และทุ่มเทงบวิจัย และพัฒนาเป็นเม็ดเงินมหาศาล อย่างไรก็ตาม ในกรณีเช่นนี้ AI สามารถทำงานได้เพียงแค่ส่วนของข้อมูล หรือ “Cyber” เท่านั้น

ด้วยเหตุนี้เอง การที่จะให้ AI ถูกนำมาใช้ในสังคมแพร่หลายขึ้น อีกสิ่งที่จำเป็นคือการรวบรวมข้อมูลแบบ “Physical” เช่น การติดตั้งเซ็นเซอร์ และมาตรวัดตามแนวคิด IoT เพื่อรวบรวมข้อมูลจากสายการผลิต โดย Dr. Junichi Tsujii หัวหน้าศูนย์วิจัยปัญญาประดิษฐ์แห่ง National Institute of Advanced Industrial Science and Technology (AIST) ประเทศญี่ปุ่น กล่าวแสดงความเห็นว่า “การใช้ AI ในอุตสาหกรรมการผลิต การพยาบาล และการแพทย์นี้เอง ที่จะมีบทบาทต่อการพัฒนา AI ให้เข้าสู่สังคมได้”

โรงงาน สนามทดลอง AI ก่อนเข้าสู่สังคม

การพัฒนาโครงสร้างเซ็นเซอร์ เพื่อรวบรวมข้อมูลในโรงงาน สายการผลิต หรือสถานที่ทำงานต่าง ๆ เป็นสิ่งที่ส่งผลต่อข้อมูลที่ได้ และประสิทธิภาพที่จะตามมาหลังการติดตั้ง AI เป็นอย่างมาก ด้วยเหตุนี้เอง Ministry of Economy, Trade and Industry (METI) ประเทศญี่ปุ่น จึงใช้ศูนย์ทดลองของ AIST เป็นเป้าหมายในการทดลองวางโครงสร้าง เพื่อทดสอบหาโครงสร้างการติดตั้งเซ็นเซอร์ที่เหมาะสมกับโรงงานประกอบเครื่องจักร โรงงานผลิตเซมิคอนดักเตอร์ ร้านสะดวกซื้อ และศูนย์วิจัย เพื่อนำข้อมูลที่ได้มาวิเคราะห์ว่า คนจะต้องทำงานกับเครื่องจักรเช่นไร จึงจะเกิดประสิทธิภาพสูงสุด

ซึ่งจุดที่แตกต่างจากไลน์ผลิตทั่วไป คือ ในการทดลองนี้ จะไม่ได้วัดค่าแค่การทำงานของเครื่องจักร แต่รวมไปถึงการเคลื่อนไหว และภาระของพนักงานด้วย AI โดยใช้กล้อง, Wearble Sensor, และอื่น ๆ เพื่อให้ได้ข้อมูลที่แม่นยำขึ้น โดยมีกำหนดการดำเนินโครงการนี้เป็นระยะเวลาหนึ่ง เพื่อนำข้อมูลที่ได้มาให้ AI เรียนรู้ เพื่อให้ได้เป็น AI ที่สามารถใช้งานได้ง่ายขึ้นออกมา

อย่างไรก็ตามในปัจจุบัน โรงงาน หรือสถานที่ทำงานนั้น พนักงานคนหนึ่งจำเป็นต้องทำหน้าที่หลากหลายมากขึ้น และมีความเปลี่ยนแปลงเกิดขึ้นอย่างต่อเนื่อง จึงมีความเป็นไปได้สูงมากว่า หลังจาก AI วิเคราะห์รูปแบบการทำงานที่เหมาะสมออกมาได้แล้ว สภาพแวดล้อมการทำงานก็จะเปลี่ยนไปจากเมื่อครั้งรวบรวมข้อมูล ซึ่งแค่ครึ่งปี รูปแบบการทำงานก็อาจต่างไปจากเดิมโดยสิ้นเชิงได้ ซึ่งในจุดนี้ สิ่งที่จะสามารถช่วยลดช่องว่างในส่วนนี้ได้ คืออุปกรณ์รวบรวมข้อมูลที่มีประสิทธิภาพมากยิ่งขึ้น

 

อุปสรรคใหญ่ในการนำ AI มาใช้ในสังคม คือการใช้ในสถานที่โล่งแจ้ง เช่น ภายนอกอาคาร ซึ่งมีความซับซ้อนกว่าสายการผลิต และต้องใช้งบประมาณสูงมาก จึงจะสามารถติดตั้งเซ็นเซอร์ให้ทั่วถึง จึงมีผู้ลงทุนเพียงน้อยราย อีกทั้งยังมีปัญหาในแง่ความเป็นส่วนตัวด้วย เช่น การติดตั้งกล้อง อาจนำมาซึ่งการจับภาพโดยไม่ได้รับความยินยอม

ในเชิงเทคโนโลยีนั้น มีการพัฒนาเซ็นเซอร์รูปภาพที่ AI จะวิเคราะห์ข้อมูล และลบภาพทิ้งทันทีที่แล้วเสร็จ โดยจะเก็บข้อบูลแค่จำนวนคน เพศ และอายุเท่านั้น โดยจะทำการจับภาพเฉพาะบุคคล เช่น ผู้ขับขี่จักรยานยนต์โดยไม่สวมหมวกกันน็อก ผู้สูบบุหรี่ในที่สาธารณะ และอื่น ๆ

ซึ่งการนำมาใช้เช่นนี้ จะช่วยยกระดับการจราจรให้มีประสิทธิภาพมากขึ้นได้ ซึ่งเป็นสิ่งที่จำเป็นอย่างยิ่งในอนาคตที่ผู้สูงอายุมีจำนวนเพิ่มขึ้น และอยู่ระหว่างการพัฒนาให้สามารถทำได้หลายหน้าที่ด้วยกล้องตัวเดียว ซึ่งในกรณีเช่นนี้ หากกล้องตัวเดียวสามารถจับภาพสวนสาธารณะได้อย่างทั่วถึงแล้ว ก็จะสามารถนำไปใช้งานได้ในหลายด้าน เช่น การคำนวนค่าที่จอดรถ การเรียกตำรวจโดยอัตโนมัติ และอื่น ๆ

อีกอุปสรรคหนึ่ง คือการพัฒนา AI ให้สามารถทำงานแบบอเนกประสงค์ เนื่องจากหากยิ่งต้องการความสามารถในการทำงานหลายอย่าง ความแม่นยำของ AI ก็จะยิ่งลดลง อีกทั้งยังจำเป็นต้องเรียนรู้ข้อมูลใหม่ทุกครั้งที่สภาพแวดล้อมการทำงานเกิดความเปลี่ยนแปลง หรือหากข้อมูลตั้งต้นไม่ได้มาตรฐาน ก็จะทำให้ไม่สามารถแน่ใจในผลลัพธ์ของ AI ได้ ยกตัวอย่างเช่นในกรณีของสหรัฐ ซึ่งทำให้เกิดข้อสงสัยว่า AI วิเคราะห์โดยมีการเอนเอียงตามชาติพันธุ์ และอื่น ๆ ซึ่ง Dr. Junichi Tsujii แสดงความเห็นว่า “ในการนำ AI มาใช้จริง ปัญหาทางสังคม คือสิ่งที่น่ากังวลกว่าปัญหาทางเทคนิคเสียอีก”


ที่มา : Nikkan Kogyo Shimbun