จักรกลพยากรณ์ Prediction Machines

สรุปหนังสือ จักรกลพยากรณ์ Prediction Machines เศรษฐศาสตร์แบบง่ายๆ ของเอไอ ของสำนักพิมพ์ซีเอ็ดเล่มนี้บอกได้เลยว่าเป็นหนังสือเกี่ยวกับ AI ที่อ่านง่ายมาก แถมยังได้เห็นตัวอย่างการใช้งาน AI ในหลายๆ แง่มุม บางแง่มุมเราก็นึกไม่ถึง หรือในบางแง่มุมก็อยู่ใกล้ตัวเรามานานแต่เรากลับไม่เคยรู้มาก่อน

ดังนั้นถ้าใครที่เป็นสาย Data หรือชื่นชอบเรื่อง AI และ Machine Learning คุณไม่ควรพลาดหนังสือ จักรกลพยากรณ์ Prediction Machines เล่มนี้ด้วยประการทั้งปวงครับ

หนังสือจักรกลพยากรณ์เล่มนี้ให้คำนิยามถึง AI ไว้ในอีกหนึ่งแง่มุมที่น่าสนใจและเข้าใจได้ง่ายขึ้นมาก นั่นก็คือ “เทคโนโลยีแห่งการพยากรณ์” ถ้าหรือพูดให้ง่ายคือเครื่องไม้เครื่องมืออีกหน่อยที่มี AI มันจะเดาได้เก่งมาก มากจนเหมือนมีตาทิพย์เห็นล่วงหน้า หรือแม้แต่ว่าเดาใจเราได้แม่นยำมากจนไม่น่าเชื่อครับ

เพราะการพยาการณ์ก็คือการคาดการณ์ล่วงหน้าถึงสิ่งที่ยังไม่เกิด อย่างเมื่อเราถาม Alexa หรือลำโพงอัจฉริยะในเรื่องอะไรสักอย่างแล้วมันสามารถตอบได้ถูกต้องแม่นยำ สิ่งสำคัญคือไม่ใช่ว่า AI รู้ว่าคำตอบของคำถามนั้นคืออะไร แต่ AI จะรู้ว่าคำตอบนี้จะต้องมาจากคำถามแบบไหนบ้างครับ

เช่น ถ้าเราถาม Siri ว่า “เมืองหลวงของประเทศไทยชื่ออะไร?” เจ้า Siri ที่เป็น AI ของ Apple จะไม่รู้หรอกครับว่าประเทศไทยมีเมืองหลวงชื่ออะไร แต่จะคาดการณ์ว่าคำถามแบบไหนบ้างที่จะต้องใช้คำตอบว่า “กรุงเทพ” อย่างไรล่ะครับ

ด้วยความสามารถในการณ์คาดเดาพยากรณ์ล่วงหน้าของ AI ผ่าน Alpha Go ที่สามารถเล่นหมากล้อมหรือโกะชนะแชมป์โลก 9 สมัยอย่างขาดลอย เหตุการณ์นี้เองที่ทำให้จีนมุ่งมั่นจะเป็นชาติมหาอำนาจด้าน AI โลกให้เร็วที่สุด เพื่อก้าวขึ้นเป็นผู้นำโลกอีกครั้งจากพลังในการคาดการณ์อนาคตที่ยังไม่เกิด แต่กำลังจะเกิดได้แม่นยำกว่าใครอย่างไรล่ะครับ

แม้วันนี้เทคโนโลยี AI จะมีราคาแพงอยู่ แต่ถ้าเมื่อไหร่ที่เทคโนโลยีนี้ถูกลงมันก็จะเข้ามาเปลี่ยนสังคมไปทุกด้าน เหมือนที่ Google ทำให้การค้นหาหรือการเข้าถึงข้อมูลถูกลงมาก จนทำให้ธุรกิจที่เคยเป็นเจ้าของข้อมูลต้องล้มหายตายจากไป แต่ในขณะเดียวกันก็ทำให้ธุรกิจน้องใหม่ลืมตาอ้าปากได้มากมายจากการที่ลูกค้าสามารถค้นหาเจอตัวเองได้ตรงๆ ครับ

ถ้าถามว่าการคาดการณ์คืออะไร มันก็คือการเอาข้อมูลดิบในปัจจุบันไปสร้างเป็นข้อมูลใหม่ที่ยังไม่มีขึ้นมาแต่น่าจะเกิดขึ้น เช่น ถ้าเราเห็นข้อมูลว่าเมฆดำเริ่มมา ได้ข้อมูลเสียงฟ้าร้องเพิ่มขึ้นมา เราก็จะคาดการณ์ว่าฝนน่าจะต้องตกแน่ๆ ซึ่งข้อมูลที่ยังไม่เกิดอย่างฝนตกนั่นเองที่จะส่งผลให้เราทำอะไรหลายอย่างล่วงหน้า ไม่ว่าจะรีบเก็บของกลับบ้าน หรือถ้าอยู่บ้านก็จะรีบไปเก็บผ้าที่ตากหรือปิดประตูหน้าต่างให้มิดชิดครับ

บางคนอาจจะยังไม่รู้ว่า Amazon.com กำลังพยายามคาดคะเนว่าลูกค้าคนไหนกำลังจะต้องการอะไร แล้วก็รีบเอาสินค้านั้นส่งให้ก่อนที่ลูกค้าจะกดสั่งซื้อเสียด้วยซ้ำ นั่นหมายความว่าจากเดิมต้องรอลูกค้ากดสั่งถึงค่อยส่ง แต่รูปแบบธุรกิจของ Amazon.com กำลังจะเปลี่ยนไปเป็นส่งก่อนแล้วค่อยจ่าย แต่ถ้าไม่เอาก็ไม่เป็นไร เอาทิ้งไว้หน้าบ้านแบบนั้นแหละ เดี๋ยวเราจะไปเก็บคืนเองครับ

หรือการคาดคะเนของ AI ใกล้ตัวเรากว่านั้นอีกนิดก็ให้หยิบโทรศัพท์มือถืออย่าง iPhone ขึ้นมาเปิด Photo Album ดูก็ได้ครับ แล้วคุณจะเห็นว่าใน iPhone จะมีการแยกหมวดหมู่ของคนในรูปออกมาอัตโนมัติ โดยเฉพาะรูปภาพของคุณหรือคนที่เป็นเจ้าของเครื่อง มันจะแยกออกมาให้เราเป็นอัลบัมพิเศษที่ดีมาก จากเดิมเราต้องมานั่งแยกเอาว่าภาพไหนเป็นภาพใคร มาวันนี้ AI มันคาดคะเนได้เองว่าภาพไหนน่าจะมีเราอยู่ในภาพครับ

อย่างบริษัทบัตรเครดิตเองที่ก็พยายามคาดคะเนว่าเมื่อไหร่ที่การรูดใช้เงินในครั้งนั้นจะมาจากการถูกขโมยบัตรไป เพื่อจะได้ทำการระงับการใช้เงิน และอาญัติบัตรเครดิตของลูกค้าให้โดยอัตโนมัติ

ในปี 1990 ระบบป้องกันการขโมยบัตรเครดิตแม่นยำแค่ 80% แต่ปัจจุบันระบบนี้แม่นยำถึง 99.9% แล้วครับ

หรืออีกหนึ่งตัวอย่างการคาดคะเนด้วย AI ที่ใกล้ตัวเราทุกคนมากอย่าง Google Translator

หลายคนที่เคยใช้ Google Translator แปลภาษาเมื่อก่อนจะรู้ว่าต้องใช้เครื่องมือนี้แปลเป็นคำๆ แล้วอย่าได้เผลอใส่เป็นประโยคเข้าไป เพราะการแปลที่ได้มาจะมั่วซั่วมากจนไม่สามารถใช้งานได้เลย

นั่นก็เพราะ Google Translator พยายามใช้การแปลที่แม่นยำทีละคำ แต่ในชีวิตจริงเราไม่ได้ใช้ภาษาเป็นคำๆ แต่เราใช้เป็นประโยค จนเมื่อทาง Google เริ่มเปลี่ยนวิธีการแปลใหม่โดยหันมาใช้หลักสถิติในการแปล ด้วยการที่ AI พยายามคาดเดาว่าประโยคแบบนี้นักแปลมืออาชีพจะแปลออกมาเป็นแบบไหน

จากนั้นก็เข้าไปดูในฐานข้อมูลการแปลทั้งหมดที่มีเพื่อหารูปแบบการแปลของประโยคนี้ที่ถูกใช้งานบ่อยที่สุด แล้วก็เอาตรงนั้นมาเป็นผลลัพธ์สำหรับการแปลเป็นประโยคของ Google Translator ทุกวันนี้ ดังนั้นจะเห็นว่าวันนี้ Google Translator นั้นแปลได้ดีขึ้นมาก และที่สำคัญคือแปลได้ดีมากขึ้นทุกวันๆ อีกด้วย

เพราะ Machine learning อยู่ตลอดเวลาอย่างไรล่ะครับ

เกร็ดความรู้เพิ่มเติม AI นั้นมี Data อยู่ 3 แบบสำคัญ ประกอบด้วย Input data, Training data และ feedback data ครับ

แต่ก็ใช่ว่า AI จะเก่งไปทุกอย่าง ยังมีรูปแบบงานอีกอย่างที่ AI ไม่สามารถสู้มนุษย์ได้ในเร็ววัน นั่นก็คือการคาดคะเนจาก Data ที่น้อยเกินไป เช่น ถ้าคนเราเห็นหน้าเพื่อนแค่หนึ่งครั้ง ในครั้งหน้าถ้าเห็นอีกก็สามารถจำได้ไม่ยาก (ถ้าคนนั้นไม่เป็นคนที่ความจำแย่เกินไปนะครับ) หรือถ้าเราเพื่อนเราคนหนึ่งไม่ได้เจอกันมา 10 ปี เราก็ยังจะจำหน้าเพื่อนเราคนนั้นได้ทันทีที่ได้เจอกันอีกครั้งนึงเป็นส่วนใหญ่ แต่กลับ AI นั้นไม่ใช่ครับ

เพราะถ้ามี Data ให้น้อยเกินไป มันก็จะไม่สามารถคาดคะเนใดๆ ได้พอจะเทียบเคียงมนุษย์แม้แต่น้อยเลย

เห็นประโยชน์ของความเป็นมนุษย์ที่ AI เอาชนะไม่ได้ข้อแรกหรือยังครับ

แต่แม้ว่าเมื่อ AI มี Data มากกว่าจะเทียบเคียงหรือแม้แต่กระทั่งเอาชนะมนุษย์ได้ แต่ในขณะเดียวกันถ้ามนุษย์กับ AI ทำงานร่วมกันจะยิ่งยากจะมีใครหรือ AI ที่ไหนเอาชนะได้ครับ

จากการทดลองให้ AI กับ มนุษย์แข่งขันกันในการหาการแพร่กระจายของมะเร็งทรวงอกจากข้อมูลในคอมพิวเตอร์ Deep learning ทำได้ 92.5% ในขณะที่มนุษย์ทำได้ 96.6% แต่พอทั้งคู่ทำงานร่วมกันผลปรากฏออกมาสูงถึง 99.5% เห็นหรือยังครับแนวทางทำงานแบบใหม่ในอนาคตอันใกล้ นั่นก็คือมนุษย์ต้องทำงานกับ AI เหมือนที่เราทำงานกับคอมพิวเตอร์และเทคโนโลยีดิจิทัลทุกวันนี้เลยครับ

แต่แน่นอนว่าเทคโนโลยีอย่าง Data และ AI ก็เข้าไปทำลายความรู้เดิมมนุษย์เราที่ครั้งนึงเคยมีค่ามากให้กลายเป็นไร้ค่าได้เหมือนกัน ตัวอย่างที่เกิดขึ้นกับคนขับแท็กซี่ในกรุงลอนดอน

เดิมทีการจะสอบให้ได้ใบอนุญาตขับแท็กซี่ในลอนดอนนั้นยากมาก เพราะต้องใช้ความสามารถในการจำเส้นทางที่แสนจะซับซ้อนไม่น้อยกว่ากรุงเทพให้เข้าหัวและขึ้นใจ เพื่อที่จะมั่นใจได้ว่าถ้าผู้โดยสารจะเดินทางจากไหนไปไหนก็สามารถพาไปได้อย่างรวดเร็วและไม่หลงทาง ดังนั้นความสามารถในการจดจำถนนหนทางในกรุงลอนดอนได้เลยมีราคาที่แพงมาก

แต่พอเมื่อ Google Maps เข้ามาก็ทำให้ทุกอย่างง่ายขึ้นมากจนการจำแผนที่ที่ซับซ้อนไม่จำเป็นอีกต่อไป ทำให้ใครๆ ก็สามารถขับรถในกรุงลอนดอนได้อย่างเป็นเรื่องง่ายโดยไม่ต้องกังวลว่าจะหลงทาง

แน่นอนว่า Google Maps ทำให้คนขับ Taxi นั้นง่ายขึ้น แต่ในขณะเดียวกันการเข้ามาจับแท็กซี่ในลอนดอนก็ไม่ใช่เรื่องยากอีกต่อไป

ในอีกแง่มุมหนึ่งที่น่าสนใจของ AI คือบางครั้งมันไม่จำเป็นต้องเรียนรู้คำตอบที่ถูกที่สุด แต่เรียนรู้ที่จะตัดสินใจเหมือนมนุษย์มากที่สุดก็เพียงพอ ไม่ว่าจะด้วยจากการสังเกตว่ามนุษย์นั้นทำอย่างไรในสถานการณ์นั้น จากนั้นก็ตัดสินใจทำตามนั้นเพราะ AI เรียนรู้จากมนุษย์มาก ระบบขับเคลื่อนเองของรถยนต์ก็ใช้เทคนิคการสอน AI ให้เรียนรู้แบบนี้ครับ

ดังนั้น AI แต่ละตัวก็จะมีความฉลาดไม่เหมือนกัน ขึ้นอยู่กับว่าใครสอน สอนให้คิดและทำอย่างไรในแต่ละสถานการณ์นั่นเองครับ

แต่อย่างไรก็ตามยังมี Data ลับที่ AI ไม่อาจเข้าถึงได้โดยง่าย นั่นก็คือารมณ์ ความคิด ความรู้สึก และโดยเฉพาะเมื่อมนุษย์เราหวงแหนความลับมากยิ่งขึ้น ก็ยิ่งเป็นการปิดกั้น AI จาก Data ที่จะทำให้มันเข้าใจมนุษย์เราได้ลึกซึ้งขึ้น

แต่นั่นก็เป็นแค่เรื่องในวันนี้ แต่ถ้าวันนึงมีใครพิสูจน์ให้เห็นว่าการมอบ Data ทุกแง่มุมให้ AI แล้วชีวิตจะสะดวกสบายยิ่งขึ้น แน่นอนว่าคนส่วนใหญ่จะต้องเต็มใจมอบ Data ทั้งชีวิตให้ AI ก็เป็นได้ครับ

มีอีกหนึ่งแง่มุมของการเอา Data มาประยุกต์ใช้กับของในชีวิตประจำวันได้อย่างน่าสนใจ นั่นก็คือระบบแป้นพิมพ์ของ iPhone ที่ครั้งนึงเคยพิมพ์ยากเพราะหน้าจอเล็กและทุกตัวอักษรทั้งคีย์บอร์ดก็วางเรียงอยู่เต็มหน้าจอไปหมด

ในช่วงแรกการพิมพ์ให้ถูกต้องบนหน้าจอ iPhone นั้นไม่ใช่เรื่องง่าย แต่นานวันเข้าทีมงานก็ให้ AI ช่วยออกแบบคีย์บอร์ดบนหน้าจอใหม่โดยเรียนรู้จาก Data ว่า มนุษย์เรามีพฤติกรรมการพิมพ์แบบไหน จนให้ AI คาดการณ์ว่าถ้าเราพิมพ์ตัวอักษรนี้ตัวต่อไปน่าจะเป็นอะไร จากนั้นก็จะทำให้ปุ่มที่คาดการณ์ว่าจะพิมพ์ต่อไปนั้นใหญ่ขึ้นอีกหน่อย ผลคือการพิมพ์บนหน้าจอเล็กๆ ของ iPhone นั้นง่ายขึ้นมาก

และความฉลาดของ AI ใน iPhone ก็ยังก้าวไปไกลจนถึงขั้นคาดเดาคำที่เราจะพิมพ์ จนกลายเป็นระบบแนะนำคำล่วงหน้าทำให้การพิมพ์ยาวๆ บนหน้าจอ iPhone นั้นไม่ใช่อุปสรรคอีกต่อไปครับ

เช่นเดียวกับระบบค้นหาของ Google ที่มันจะคาดเดาว่าเราน่าจะอยากค้นหาอะไร บางครั้งเราพิมพ์ยังไม่จบประโยคมันก็ขึ้นประโยคที่เราน่าจะค้นหามารอไว้แล้ว เช่นเดียวกับเฟซบุ๊กที่พบว่าในวันนี้มี Content มากมายเกินไป ระบบ AI ของ Facebook ก็ต้องพยายามคาดเดาว่าเนื้อหาแบบไหนที่เราอยากจะเห็นในฟีดถัดไป เพราะถ้ามันยิ่งทำให้เราเพลิดเพลินกับการเล่น Facebook มากเท่าไหร่ ทาง Facebook ก็จะยิ่งมีข้อมูลเราไปขายโฆษณาหรือแม้แต่ปรับปรุงฟีดให้ตรงใจเรามากยิ่งขึ้นนั่นเองครับ

ในอีกแง่มุมหนึ่งจากความแสนฉลาดของ AI ก็ทำให้หลายคนกังวลว่าตัวเองจะถูก AI แย่งงานไป ตัวอย่างระบบขับเคลื่อนเองอัตโนมัติหาวันหนึ่งมันทำงานได้สมบูรณ์แบบ แล้วคนที่เคยต้องขับรถนักเรียนจะต้องตกงานแน่ๆ

แต่ถ้ามองอีกแง่มุมหนึ่งตัวงานจะไม่ได้หายไปไหน เพียงแต่ตัวงานต้องพัฒนาไปสู่งานที่มีคุณค่าที่ AI ยังไม่ได้สามารถทำได้มากขึ้น เช่น อย่างคนขับรถนักเรียนต้องย้อนกลับไปดูว่าจริงๆ แล้วคุณค่าของงานนี้คืออะไร คือการดูแลเด็กๆ บนรถนักเรียนให้ปลอดภัยระหว่างการเดินทาง ดังนั้นคนขับรถนักเรียนอาจจะต้องเปลี่ยนมาทำหน้าที่ดูแลความปลอดภัยและเรียบร้อยของเด็กๆ ระหว่างอยู่บนรถนักเรียนแทน อาจจะต้องพาเด็กลงจากรถให้ปลอดภัย ให้เด็กไม่ทะเลาะกันบนรถ ส่วนหน้าที่ขับรถก็ปล่อยให้ AI ทำไป

เห็นมั้ยครับว่างานไม่ได้หายไปไหน แต่เราต้องพัฒนาตัวเองไปให้มีคุณค่ามากขึ้นครับ

เรื่องนี้ก็เหมือนกับตอนที่ธุรกิจธนาคารเอา ATM มาให้บริการเบิกถอนเงินสดกับลูกค้าแทนพนักงาน บรรดาพนักงานที่ทำหน้าที่เดิมก็ไม่ได้หายไปไหน แค่ย้ายไปทำหน้าที่ดูแลลูกค้าในแง่มุมที่ลึกซึ้งขึ้นแทน ดังนั้นถ้าคุณยังหวังว่าจะทำงานแบบเดิมๆ แล้วสามารถหากินได้ตลอดชีวิต ผมว่าคุณคิดผิดครั้งใหญ่แล้วครับ

แต่ความน่ากังวลของ AI ในวันนี้ก็มีไม่น้อย ตัวอย่างเช่นถ้า AI ถูกสอนให้มีอคติต่อคนบางกลุ่มก็จะส่งผลเสียมหาศาล เหมือนกับที่เกิดขึ้นกับระบบเสิร์ชของ Google ที่ถ้าเสิร์ชหาชื่อคนดำจะพบเนื้อหาประเภทประกาศจับของบุคคลนั้นขึ้นมาก่อน เมื่อเทียบกับการเสิร์ชหาชื่อคนผิวขาวอย่างเห็นได้ชัด

สาเหตที่เป็นแบบนั้นก็เพราะ Training data ที่ใช้สอน AI นั้นคนที่เสิร์ชหาชื่อคนผิวสีกลุ่มแรกๆ มักจะเลือกกดดูประวัติอาชญากรรมของคนดำก่อน และข้อมูลนั้นเองก็ถูกเอากลับไปสอน AI ว่าถ้าเป็นชื่อคนผิวดำให้แสดงผลลัพธ์ประเภทที่คนชอบกดดูก่อน กลายเป็นปัญหา Algorithm bias โดยไม่ตั้งใจครับ

หรือถ้า AI เห็นจากข้อมูลว่าปลูกข้าวโพดสายพันธุ์นี้แล้วจะรวย มันก็เลยเอาข้อมูลนี้ไปบอกกับเกษตรกรทุกคนที่ต้องการ จากนั้นเมื่อทุกคนหันมาปลูกข้าวโพดสายพันธุ์เดียวกันหมด ปัญหาที่อาจจะเกิดขึ้นครั้งใหญ่คือถ้ามีโรคระบาดข้าวโพดทั้งหมดจะตายและเศรษฐกิจจะเสียหายมหาศาล

ดังนั้นอีกหนึ่งปัญหาของ AI คือทำให้ความหลากหลายของมนุษย์และสังคมหายไปได้เหมือนกันครับ

และนี่ก็คือสรุปเนื้อหาในเล่มบางส่วนของหนังสือเล่มนี้ที่ผมเห็นว่าน่าสนใจ กับหนังสือที่พูดเรื่อง AI แบบอ่านสนุกเข้าใจง่าย แถมยังเต็มไปด้วยเคสจริงมากมายครับ

อ่านแล้วเล่า เล่มที่ 7 ของปี 2020

สรุปหนังสือ จักรกลพยากรณ์
Prediction Machines
เศรษฐศาสตร์แบบง่ายๆ ของเอไอ
Ajay Agrawal, Joshua Gans และ Avi Goldfarb เขียน
สรศักดิ์ สุบงกช แปล
สำนักพิมพ์ซีเอ็ด

20200207

อ่านสรุปหนังสือแนว AI ต่อ > https://summaread.net/category/ai/

สนใจสั่งซื้อได้ที่ > http://bit.ly/2SyZSKp

• Facebook
• X
• Line