/ Artificial Intelligence

สัญญาณส่อเค้าว่าโครงการด้าน AI ที่เลือกอาจล้มเหลว

เนื่องด้วยเทคโนโลยีก้าวหน้าขึ้น ผู้คนจำนวนมากพยายามริเริ่มโครงการที่ใช้ความรู้ทางด้าน AI โดยหวังจะดึงศักยภาพของเทคโนโลยีสมัยใหม่มาพัฒนาสินค้า บริการ หรือองค์กรของตน

แต่ AI ไม่ใช่คำตอบของทุกปัญหาในโลก

เทคโนโลยีแต่ละอย่างล้วนมีจุดที่เหมาะสมในการใช้งาน วันนี้เราจึงมาแนะนำวิธีสังเกตสัญญาณอันตราย ที่บ่งชี้ว่าโครงการด้าน AI ที่วาดฝันไว้มีแนวโน้มจะไม่ประสบความสำเร็จ

สัญญาณที่ 1 สร้าง AI ขึ้นมาเพื่อทำงานที่มนุษย์ทำไม่ได้

โดยปกติ เราสร้าง AI ขึ้นจากการเลียนแบบความฉลาดของมนุษย์ เพื่อให้ทำงานที่คนสามารภทำได้อยู่แล้ว แต่ AI ทำได้มีประสิทธิภาพมากกว่า เช่น การอ่านป้ายทะเบียนรถยนต์จากกล้องวงจรปิด หรือการสร้าง Chatbot เพื่อตอบคำถามบางอย่างให้กับผู้ใช้บริการ

ทว่า ในโลกนี้มีงานหลายอย่าง ที่แม้จะเป็นผู้เชี่ยวชาญเฉพาะทางยังทำไม่ได้หรือทำได้ยาก (คือทำได้ในระดับหนึ่ง แต่ไม่น่าเชื่อถือ) เช่น

คาดการณ์ว่าราคาหุ้นจะขึ้นหรือลงในระยะสั้น จากข้อมูลปริมาณจำกัด

เช่น ใช้ข้อมูลเกี่ยวกับการซื้อขายหุ้นในระยะเวลา 15 นาทีที่ผ่านมา คาดเดาราคาหุ้นในอีก 5 นาทีข้างหน้า ผู้เชี่ยวชาญบางท่านอาจคิดว่าเป็นไปได้ แต่เมื่อลองวัดผลจริงๆ จะพบว่าได้ผลต่างจากการสุ่มอย่างไม่มีนัยยะสำคัญ

แยกเชื้อชาติจากใบหน้า

เช่น คาดเดาว่ามนุษย์ที่เห็นเป็นคนไทย จีน เกาหลี มาเลเซีย พม่า ลาว หรือกัมพูชา โดยพิจารณาจากใบหน้าเพียงอย่างเดียว บางคนอาจคิดว่าตนเองสามารถแยกแยะได้ แต่อันที่จริงเราไม่เคยตรวจสอบอย่างจริงจังว่าที่เราเดาไปนั้นมีความถูกต้องกี่เปอร์เซ็นต์ ส่วนใหญ่คือคิดไปเองว่าเดาถูก

จากอิทธิพลของข่าวด้าน AI ที่บางครั้งก็เขียนเกินจริง เรามักมีความเชื่อว่า AI ฉลาดกว่าคน จึงคิดจะใช้ AI ทำงานที่มนุษย์ทำไม่ได้ จริงอยู่ว่าในบางมุม เราสามารถมองว่า AI ฉลาดกว่าคนได้ แต่ไม่ได้หมายความว่า AI จะแก้ทุกปัญหาที่มนุษย์ไม่สามารถทำได้

เราต้องมาดูต่อไปว่า สาเหตุที่คนไม่สามารถทำงานบางอย่างที่กำหนดมาได้นั้นเกิดจากอะไร ในบางกรณีอาจเกิดจากการมีข้อมูลที่ซับซ้อนเกินไป ทำให้เกินขีดความสามารถของคนในการวิเคราะห์ได้ (กรณีนี้ AI ช่วยได้) แต่ในหลายกรณีเกิดจากการที่เราใช้ข้อมูลที่ไม่สัมพันธ์กับคำตอบที่ต้องการ

ตัวอย่างเช่น ทำนายรายได้ของคนๆ หนึ่งจากรูป Profile ในโซเชียลมีเดีย หรือทำนายว่าพรุ่งนี้ฝนจะตกหรือเปล่าจากจำนวนเสียงร้องของแมวที่บ้าน อันนี้เห็นได้ชัดว่าข้อมูลกับคำตอบไม่สัมพันธ์กัน เป็นเหตุให้คนตอบไม่ได้ ซึ่งในกรณีนี้ AI ก็ทำไม่ได้เช่นกัน ในความเป็นจริง มีหลายกรณีดูยากว่าคำตอบสัมพันธ์กับข้อมูลหรือไม่ เช่น การคาดเดาราคาหุ้น

งานที่คนไม่สามารถทำได้ จึงเป็นสัญญาณที่ไม่ดี เพราะอาจสื่อถึงข้อมูลที่ไม่สัมพันธ์กับคำตอบ ซึ่งไม่อาจนำมาใช้ในการสร้าง AI ได้

สัญญาณที่ 2 มีข้อมูลสอน AI ไม่เพียงพอ

การสร้าง AI โดยทั่วไปมักใช้เทคนิคที่เรียกว่า Supervised Learning นั่นคือการใช้ข้อมูลเพื่อสอน AI ดังนั้นเราจำเป็นต้องมีข้อมูลที่เพียงพอ

คำว่า “ข้อมูลที่เพียงพอ” นั้นไม่ได้พิจารณาจากปริมาณเพียงอย่างเดียว แต่ต้องพิจารณาลักษณะของข้อมูลด้วย ดังนั้น แม้จะมีข้อมูลจำนวนมาก เมื่อนำมาใช้จริงอาจไม่พออยู่ดีด้วยหลายเหตุผล ได้แก่

ข้อมูลไม่สมดุล

กล่าวคือมีข้อมูลของบางประเภทน้อยเกินไป ยกตัวอย่างเช่น เราต้องการให้ AI แยกประเภทกฎหมายที่แบ่งได้เป็น 50 ประเภท โดยพิจารณาจากเนื้อความในข้อกฎหมาย เรามีตัวอย่างข้อมูลมากกว่า 100,000 ชุด แต่กว่า 97% ของชุดข้อมูลจัดอยู่ในกฎหมาย 10 ประเภทที่ออกบ่อย อีก 3% เป็นกฎหมาย 40 ประเภทที่เหลือ ซึ่งมีตัวอย่างในแต่ละประเภทน้อยมาก

ข้อมูลไม่สอดคล้องกับสภาพแวดล้อมในการใช้งานจริง

เช่น ต้องการแยกเพศชายและเพศหญิงจากใบหน้าที่ได้จากกล้องวงจรปิด เรามีรูปอยู่ 50,000 รูป เป็นรูปผู้ชายและผู้หญิงอย่างละ 25,000 รูป แต่รูปส่วนใหญ่เป็นรูปที่ถ่ายโดยช่างภาพมืออาชีพที่ค้นมาจาก internet ความคมชัดของภาพ มุม องศากล้องจึงแตกต่างจากรูปภาพที่ได้จากกล้องวงจรปิด

เช่นนี้ ถึงแม้จะมีข้อมูลที่ใช้สอน AI อยู่จำนวนมาก ก็ไม่สามารถสร้าง AI ที่ทำงานได้อย่างแม่นยำ

สัญญาณที่ 3 ผลประโยชน์ไม่คุ้มค่าการลงทุน

งาน AI หลายอย่างต้องใช้ต้นทุนในการคำนวณสูง เช่น งานประมวลผลวิดีโอ เพื่อหาวัตถุบางอย่าง (Object Detection) บางครั้งผู้ทำโครงการไม่ได้คำนวณว่าผลประโยชน์ต่อธุรกิจมีมูลค่าเท่าไหร่ และค่าใช้จ่ายที่ต้องเสียเป็นเท่าไหร่ ซึ่งอาจนำไปสู่โครงการที่ไม่สามารถทำได้จริงเพราะประโยชน์ที่ได้ไม่คุ้มค่าใช้จ่าย

ยกตัวอย่างเช่น ร้านขายของร้านหนึ่ง ต้องการรู้รายละเอียดของลูกค้าทุกคนที่เข้าร้านว่ามีพฤติกรรมอย่างไร และใช้เวลาในร้านเท่าไหร่ โดยใช้เทคนิคการจดจำใบหน้า (Facial Recognition) เพื่อให้สามารถเก็บข้อมูลลูกค้าเป็นรายคนได้

เทคโนโลยีปัจจุบันสามารถทำสิ่งที่กล่าวมาได้ แต่มีค่าใช้จ่ายค่อนข้างมาก เนื่องจากต้องใช้เครื่องประสิทธิภาพสูงสำหรับประมวลผลวิดีโอจากกล้องวงจรปิดหลายตัว ตลอดทั้งวัน เพื่อค้นหาใบหน้าของลูกค้า

ดังนั้น จำเป็นอย่างยิ่งที่ต้องคำนวณเบื้องต้นว่าการมีข้อมูลเหล่านี้จะสร้างรายได้ให้ธุรกิจเพิ่มขึ้นเท่าไหร่ และค่าใช้จ่ายที่เกิดจากการใช้งาน AI คิดเป็นเท่าไหร่ ซึ่งทำให้เราหลีกเลี่ยงโครงการที่ไม่คุ้มทุนได้ตั้งแต่ก่อนเริ่มลงทุนจริงๆ

ส่งท้าย

เทคโนโลยีทางด้าน AI จะช่วยแก้ปัญหาจำนวนมากบนโลกใบนี้ได้ แต่ไม่ได้หมายความว่าทุกอย่างต้องแก้โดยใช้ AI เราควรจะศึกษาเทคโนโลยีให้หลากหลาย เพื่อนำมาปรับใช้ในชีวิตจริงอย่างเหมาะสม

สัญญาณส่อเค้าว่าโครงการด้าน AI ที่เลือกอาจล้มเหลว
Share this

Subscribe to Code on the Hill