Big Data ในวงการยานยนตร์: อนาคตของรถยนต์ไร้คนขับ

เวลาพูดถึงเทคโนโลยีรถยนต์ไร้คนขับหรือ Driverless Car หรือ Self-Driving Car นั้นเรามักจะนึกถึงเรื่องราวของ Sensor, Internet of Things และหน่วยประมวลผลต่างๆ ที่ฝังตัวอยู่บนรถยนต์พร้อมระบบ Artificial Intelligence (AI) กันเสียมากกว่า แต่ในความเป็นจริงนั้นหัวใจหลักอีกห้องหนึ่งที่สำคัญมากสำหรับระบบรถยนต์ไร้คนขับนี้ก็คือ Big Data Analytics

Credit: Tesla

 

สาเหตุที่ Big Data Analytics นั้นได้เข้ามามีบทบาทเป็นอย่างมากในการพัฒนารถยนต์ไร้คนขับนี้ ก็เพราะการออกแบบ Algorithm ในการขับขี่โดยอัตโนมัตินั้นประกอบไปด้วยการรับรู้สภาพแวดล้อมต่างๆ รอบตัวรถในแบบ Real-time ไม่ว่าจะเป็นพื้นถนน, เลน, รถยนต์ที่วิ่งสวน, ไฟเขียวไฟแดง, ทางม้าลาย, คนเดินตัดหน้ารถ และอื่นๆ อีกมากมาย และการรับรู้ว่ามีสิ่งต่างๆ เหล่านี้รอบตัวหรือไม่นั้นก็ต้องอาศัยเทคโนโลยี Computer Vision และ Sensor เข้ามาช่วยเพื่อให้สามารถระบุได้ว่ามีวัตถุใดๆ รอบตัวรถบ้างได้อย่างแม่นยำ

พอพูดถึงความแม่นยำ ความแม่นยำนี้เองเป็นที่เป็นประเด็นที่ต้องนำ Big Data เข้ามาใช้ เพราะหากคิดถึงสภาพความเป็นจริงแล้ว การทำงานของรถยนต์ไร้คนขับนั้นก็ควรจะต้องรองรับได้ทุกที่ทุกเวลาในทุกสภาพอากาศ ดังนั้นการเก็บข้อมูลของการขับขี่และวิดีโอเคลื่อนไหวของวัตถุต่างๆ รอบตัวรถทั้งในเวลากลางวัน, กลางคืน, ฝนตก, แดดออก, มีพายุหิมะ, การขับขี่ในตัวเมือง, การขับขี่นอกตัวเมือง และอื่นๆ อีกมากมายนั้นก็ยิ่งทำให้ข้อมูลที่ต้องใช้ในการเรียนรู้ของ AI เหล่านี้เติบโตขึ้นอย่างมหาศาล ยังไม่นับถึงวันที่เหล่าผู้ผลิตรถยนต์ทั้งหลายจะขยายตลาดรถยนต์ไร้คนขับไปทั่วโลก ซึ่งมีภูมิประเทศ, สภาพแวดล้อม และกฎระเบียบในการขับขี่ที่แตกต่างกันไปเลยด้วยซ้ำ

ไม่เพียงแต่กรณีที่เราคิดออกแต่แรกเท่านั้น แต่ก่อนหน้านี้ที่เคยมีข่าวรถยนต์ไร้คนขับเกิดชนกับรถยนต์คันสีขาวที่อยู่ในทิศทางเดียวกับแสงอาทิตย์อันสว่างจ้าจนทำให้ระบบ Computer Vision มองไม่เห็นรถยนต์คันนั้นก็เป็นประเด็นที่น่าขบคิดเช่นกัน ว่าจะทำอย่างไรให้ AI เรียนรู้ได้มากพอจนสามารถหลีกเลี่ยงอุบัติเหตุหรือกรณีต่างๆ เหล่านี้ได้

Credit: Chrysler

 

ด้วยเหตุนี้ เหล่าผู้พัฒนาเทคโนโลยีรถยนต์ไร้คนขับนี้จึงหลีกเลี่ยงไม่ได้เลยที่จะต้องขับเคี่ยวกันด้วยปริมาณของข้อมูล และพัฒนา AI ที่สามารถเรียนรู้ข้อมูลเหล่านั้นได้อย่างแม่นยำมากที่สุด และการปล่อยรถยนต์ทดสอบในประเทศต่างๆ ลงบนท้องถนนจริงเพื่อจัดเก็บข้อมูลเหล่านี้ก็ถือเป็นอีกสิ่งที่สำคัญไม่แพ้กันเลยทีเดียว

ตัวอย่างของกรณีนี้ก็เช่น Tesla ที่มีการจัดเก็บข้อมูลการขับขี่มาแล้วกว่า 1,300 ล้านไมล์ ในขณะที่ Alphabet Waymo บริษัทรถยนต์ไร้คนขับของ Google นั้นเปิดเผยตัวเลขของข้อมูลในการขับขี่อยู่ที่เพียง 3 ล้านไมล์เท่านั้น สำหรับผู้ผลิตรายอื่นๆ เองนั้นก็ไม่ได้มีการเปิดเผยตัวเลขนี้ออกมาชัดเจนนัก ส่วนก่อนหน้านี้เองก็มีการเปิดเผยข้อมูล Data Set แบบ Open Source สำหรับวิดีโอการขับขี่รถยนต์เป็นเวลา 70 นาทีในขนาด 223GB ออกมาที่ https://medium.com/udacity/open-sourcing-223gb-of-mountain-view-driving-data-f6b5593fbfa5#.kb446y3tn สำหรับใช้ในการศึกษา

 

ไม่ใช่แค่ข้อมูลมีขนาดใหญ่เท่านั้น แต่การประมวลผลเองนั้นก็ต้องมีประสิทธิภาพสูงขึ้นด้วย

 

ลองจินตนาการดูว่าข้อมูลจากการขับขี่รถยนต์ที่ถูกสร้างขึ้นมานี้มีปริมาณมหาศาลเพียงใด? การเรียนรู้เหตุการณ์ต่างๆ จากข้อมูลเหล่านี้เพื่อสร้างระบบ Self-Driving Car จะต้องใช้หน่วยประมวลผลมากขนาดไหน? และหน่วยประมวลผลของระบบ Self-Driving Car ที่ต้องใช้ในการประมวลผลภาพเคลื่อนไหวทั้งหมดนี้ให้ได้แบบ Real-time จะต้องมีประสิทธิภาพเท่าไหร่? เท่านี้ก็น่าจะพอบอกเราได้ค่อนข้างชัดเจนทีเดียวว่า ทำไมวงการยานยนตร์ถึงส่งผลกระทบต่อธุรกิจ IT มากนักขนาดที่ผู้ผลิตรายใหญ่ทุกค่ายต้องลงไปให้ความสำคัญกันทั้งหมด และในทางกลับกันเอง หากไม่ใช่ผู้ผลิต IT รายใหญ่เหล่านี้ลงไปทำ จะมีผู้ผลิตยานยนตร์รายใดที่มีศักยภาพทางด้าน IT มากพอที่จะประมวลผลข้อมูลเหล่านี้ได้?

และแน่นอนว่าเรื่องราวของ Big Data Analytics ในวงการยานยนตร์เองนี้ก็เป็นที่กล่าวขวัญกันถึงค่อนข้างมากในเมืองนอกด้วยเช่นกัน เพราะมีทั้งในแง่มุมของการทำ Video Analytics, Internet of Things (IoT) Analytics และอื่นๆ อีกมากมาย แต่เราเองมักไม่ค่อยได้ข่าวเรื่องเหล่านี้กันมากนัก เพราะนี่ยังคงเป็นตลาดที่เพิ่งเกิดใหม่ และองค์ความรู้เหล่านี้เองก็เป็นสิ่งที่ธุรกิจในวงการรถยนต์ไร้คนขับนี้ใช้แข่งขันกันโดยตรง

ใครยังนึกภาพไม่ออกว่าข้อมูลหน้าตาเป็นอย่างไร ลองดูตัวอย่างคลิปรถยนต์ไร้คนขับของ Tesla ได้ดังนี้เลยครับ (เนื้อหาฉบับเต็มอยู่ที่ https://www.tesla.com/autopilot)

 

เรื่องราวเหล่านี้คือข้อมูล Big Data ในธุรกิจที่เรามองไม่เห็นหรืออาจนึกไม่ถึง แต่แน่นอนว่าถัดจากนี้ไปธุรกิจทั่วโลกก็คงจะต้องเปลี่ยนแปลงมาพึ่งพิงข้อมูลและการประมวลผลกันมากขึ้นเรื่อยๆ อย่างต่อเนื่อง และอุตสาหกรรมยานยนตร์เองก็ไม่ใช่อุตสาหกรรมเดียวหรืออุตสาหกรรมสุดท้ายที่จะมีเรื่องราวเทคโนโลยีเหล่านี้เข้ามาเกี่ยวข้อง แต่อย่างหนึ่งที่เริ่มเห็นได้ชัดคือ แนวโน้มจากเดิมที่โลกของธุรกิจเป็นโลกที่ปลาใหญ่กินปลาเล็ก และได้เปลี่ยนมาเป็นปลาเร็วกินปลาช้าในยุคของ Startup นั้น ก็อาจจะกำลังเปลี่ยนไปอีกครั้งหนึ่งจากปลาที่ทั้งใหญ่และเร็วก็เป็นได้

สุดท้ายนี้ ผู้ที่สนใจศาสตร์ทางด้าน Self-Driving Car หรือ Driverless Car นี้เพิ่มเติม สามารถเข้าไปเรียนออนไลน์ฟรีๆ กันได้ที่ https://www.udacity.com/self-driving-car ทันที

อ้างอิง: https://www.bloomberg.com/news/articles/2016-12-20/the-tesla-advantage-1-3-billion-miles-of-data , https://techcrunch.com/2016/12/13/googles-self-driving-car-unit-spins-out-as-waymo/


About techtalkthai

ทีมงาน TechTalkThai เป็นกลุ่มบุคคลที่ทำงานในสาย Enterprise IT ที่มีความเชี่ยวชาญทางด้าน Network, Security, Server, Storage, Operating System และ Virtualization มารวมตัวกันเพื่ออัพเดตข่าวสารทางด้าน Enterprise IT ให้แก่ชาว IT ในไทยโดยเฉพาะ

Check Also

Google เผยพบรหัสของผู้ใช้งาน G Suite บางส่วนถูกเก็บแบบ Plaintext ระบุไม่กระทบกับผู้ใช้ Gmail แบบฟรี

Google ได้ออกมาเผยถึงการค้นพบบั๊กในระบบของ Google G Suite ทำให้มีรหัสผ่านของผู้ใช้งาน G Suite บางส่วนถูกเก็บอยู่บน Server ของ Google ในรูปแบบ Plaintext โดยบั๊กนี้ปรากฏมาเป็นเวลานานกว่า 14 ปี

SD-WAN มอบประสบการณ์การใช้แอปพลิเคชันบนคลาวด์ให้ดียิ่งขึ้นได้อย่างไร

การเปลี่ยนรูปแบบระบบดิจิทัลส่งผลต่อเครือข่าย แอปพลิเคชันจำนวนมากกำลังย้ายไปคลาวด์ IDC ได้คาดการณ์ว่าภายในปี 2020 [1] องค์กร 90% จะใช้งานมัลติคลาวด์ นั่นคือ บริการและแพลตฟอร์มคลาวด์แบบสาธารณะและส่วนตัวหลายระบบ เพื่อรองรับความต้องการใช้งานแอปพลิเคชันที่ขยายตัวอย่างต่อเนื่อง ผู้ให้บริการจึงมีโอกาสอันยอดเยี่ยมในการใช้ประโยชน์จากโซลูชัน SD-WAN ที่มีการจัดการประสิทธิภาพสูงเพื่อมอบการเชื่อมต่อคลาวด์ที่ดีที่สุดเท่าที่จะเป็นไปได้ …