SUSE by Ingram

[Guest Post] AWS ชี้ เรากำลังอยู่ในยุคทองของแมชชีนเลิร์นนิ่ง แนะ 4 เรื่องที่ต้องทำในวันนี้ เพราะพรุ่งนี้อาจพบเทคโนโลยีนี้ในทุกที่

เมื่อไม่นานมานี้ แนวคิดเช่นการสื่อสารกับเพื่อนผ่านตัวหนังสือได้แบบเรียลไทม์ หรือการเข้าถึงข้อมูลบัญชีธนาคารทั้งหมดได้จากอุปกรณ์มือถือ ยังดูเหมือนเป็นเรื่องที่ห่างไกลความเป็นไปได้ แต่วันนี้ ต้องขอบคุณคลาวด์เป็นส่วนใหญ่ ที่ทำให้เรื่องเหล่านี้ กลายเป็นเรื่องธรรมดาสามัญไปแล้ว ซึ่งเราแทบไม่เคยคิดเลยว่ากระบวนการที่เหลือเชื่อเหล่านี้จะเกิดขึ้นได้จริง และเมื่อเราเข้าสู่ยุคทองของแมชชีนเลิร์นนิ่ง เราสามารถคาดหวังว่าจะได้รับประโยชน์มหาศาลเช่นเดียวกับที่ผ่านมาก่อนหน้านี้ แม้อาจดูเหมือนว่าจะเป็นไปไม่ได้ก็ตาม

โดย…สวามิ สิวะสุพรามาเนียน รองประธาน อะเมซอน แมชชีนเลิร์นนิ่ง AWS

 

แมชชีนเลิร์นนิ่ง ช่วยให้บริษัทต่าง ๆ ตัดสินใจได้ดีขึ้นและเร็วขึ้น โดยในภาคธุรกิจเฮลธ์แคร์ นำโมเดลการคาดการณ์ที่สร้างขึ้นด้วยแมชชีนเลิร์นนิ่งมาใช้ ช่วยเร่งการวิจัยและค้นพบยาและแนวทางการรักษารูปแบบใหม่ ในอุตสาหกรรมอื่นๆ แมชชีนเลิร์นนิ่ง ยังช่วยให้หมู่บ้านที่ห่างไกลในแอฟริกาใต้ สามารถเข้าถึงบริการทางการเงิน และจับคู่ผู้ไร้ที่พักพิงเข้ากับการจัดหาที่พักอาศัยได้

ในระยะเวลาอันสั้น เราได้รับแรงสนับสนุนจากการประยุกต์ใช้แมชชีนเลิร์นนิ่งที่เอื้อประโยชน์ให้แก่โลกเราอยู่แล้ว แต่แมชชีนเลิร์นนิ่งยังให้ศักยภาพที่สร้างผลลัพธ์ที่ยิ่งใหญ่ให้กับสังคมของเรา และในอนาคต แมชชีนเลิร์นนิ่งจะถูกร้อยเรียงเข้าด้วยกันและอยู่ภายใต้การใช้งานเกือบทุกด้าน ทั้งแอปพลิเคชัน ธุรกิจ กระบวนการ และประสบการณ์ของผู้ใช้  อย่างไรก็ตามก่อนที่เทคโนโลยีนี้จะกลายเป็นสิ่งที่พบเจอในทุกที่จนอาจทำให้เบื่อได้ แต่ก็ยังมีอุปสรรค 4 ประการที่ขัดขวางการนำมาใช้งานซึ่งเป็นประเด็นที่เราต้องทำความเข้าใจก่อน

การทำให้ทุกคนเข้าถึงแมชชีนเลิร์นนิ่งได้

วิธีการเดียวที่จะช่วยขยายขอบเขตการใช้แมชชีนเลิร์นนิ่งได้ครอบคลุมอย่างแท้จริง คือการทำให้เป็นเรื่องง่ายขึ้นสำหรับทุกคน ไม่ว่าจะคนเหล่านั้นจะมีทักษะอยู่ในระดับไหนหรือมีทรัพยากรมากน้อยแค่ไหน ก็สามารถนำเทคโนโลยีที่ซับซ้อนนี้มาใช้งานร่วมกับแอปพลิเคชันและกระบวนการทางธุรกิจต่าง ๆ ได้

การจะบรรลุผลลัพธ์เรื่องนี้ได้ บริษัทควรมีเครื่องมือที่ให้ประโยชน์จากความเป็นอัจฉริยะที่สร้างไว้ในแอปพลิเคชันโดยตรงซึ่งช่วยให้องค์กรทั้งหมดได้รับประโยชน์จากเรื่องนี้ ตัวอย่างเช่น Pomelo Fashion (โพเมโล่ แฟชั่น) ซึ่งเป็นสตาร์ทอัพหนึ่งในแพลตฟอร์มอีคอมเมิร์ซแฟชั่นชั้นนำของเอเชีย ได้นำแมชชีนเลิร์นนิ่งมาช่วยเพิ่มประสิทธิภาพให้ Pomelo สามารถวิเคราะห์ข้อมูลขนาดใหญ่และสร้างฟีเจอร์ใหม่ ๆ สำหรับลูกค้า เช่น การนำเสนอที่ตรงตามความชื่นชอบส่วนตัวของผู้บริโภคได้มากยิ่งขึ้น เพื่อยกระดับประสบการณ์การช้อปปิ้งผ่านทางออนไลน์  อีกทั้งได้ขยายการจัดหมวดหมู่สินค้าได้ครอบคลุมมากขึ้นถึง 5เท่า และเพิ่มศักยภาพให้กับ “Just For You” ซึ่งเป็นเครื่องมือที่ช่วยเสนอแนะสินค้าตามความชื่นชอบส่วนตัวให้กับลูกค้าแต่ละราย จากการซื้อและพฤติกรรมในการค้นหาสินค้าที่ผ่าน ๆ มา ช่วยให้ลูกค้าค้นพบสินค้าที่ชื่นชอบได้อย่างรวดเร็ว ซึ่งขับเคลื่อนโดย  Amazon Personalize ทำให้ปัจจุบัน มีการคลิกสินค้าในร้านออนไลน์มากถึง 60% และนำไปสู่รายได้ที่เพิ่มขึ้นถึง 15%

เสริมทักษะใหม่ให้คนทำงาน

สอดคล้องตามข้อมูลจากฟอรัมเศรษฐกิจโลก (World Economic Forum) การเติบโตของ AI สามารถสร้างงานใหม่มากถึง 58 ล้านตำแหน่งงานภายในเวลาไม่กี่ปี อย่างไรก็ตามการวิจัยได้เสนอข้อมูลเพิ่มว่า ปัจจุบันมีวิศวกรด้าน AI อยู่เพียง 300,000 คนทั่วโลก และการประกาศหางานที่เกี่ยวข้องกับ AI มีอัตราสูงเป็น 3 เท่าของการหางานในตำแหน่งที่แตกต่างกันหลากหลาย ถ้ามองถึงปริมาณช่องว่างดังกล่าว องค์กรต้องเข้าใจว่า องค์กรไม่สามารถจ้างนักวิทยาศาสตร์ข้อมูลทั้งหมดได้ตามต้องการ เพราะยังคงต้องมีการนำแมชชีนเลิร์นนิ่งมาใช้ในการทำงานอย่างต่อเนื่อง นอกจากนี้นวัตกรรมที่ก้าวไปอย่างรวดเร็วจะเปิดกว้าง และท้ายที่สุดจะนำไปสู่การสร้างงานที่เราอาจจะไม่เคยจินตนาการมาก่อนเลยว่าจะมีในวันนี้

นั่นคือเหตุผลที่บริษัททั่วโลกอย่าง Morningstar, Liberty Mutual, DBS Bank, และบริษัทอื่นๆ กำลังหาแนวทางด้านนวัตกรรมมาสนับสนุนให้พนักงานสร้างทักษะใหม่ด้านแมชชีนเลิร์นนิ่งด้วยวิธีการที่สนุกและเป็นอินเตอร์แอกทีฟ ซึ่งสิ่งสำคัญคือองค์กรไม่ควรมุ่งเน้นเฉพาะไปที่การฝึกอบรมด้านทักษะแมชชีนเลิร์นนิ่งให้ทีมงานที่มีอยู่ แต่ควรลงทุนโปรแกรมการฝึกอบรมที่ช่วยพัฒนาทักษะสำคัญเหล่านี้ให้กับทีมงานในวันหน้า

ปลูกฝังความเชื่อมั่นในผลิตภัณฑ์

เมื่อมีอะไรใหม่ คนมักจะไม่ค่อยแน่ใจว่า เทคโนโลยีเกิดใหม่จะช่วยแก้ปัญหาได้ทุกเรื่องและช่วยกอบกู้โลก หรือเป็นพลังทำลายล้างด้วยแนวโน้มที่จะเร่งสู่การเปลี่ยนแปลงอย่างฉับพลัน ความจริงคือเส้นบางๆ ระหว่างสองเรื่องที่มีความแตกต่างกันเพียงเล็กน้อย โดยมุมมองที่แตกต่างกันสามารถปรับเข้าหากันได้ด้วยข้อมูล ความโปร่งใส และความเชื่อมั่น

ประการแรกคือ ผู้นำในอุตสาหกรรมต้องช่วยให้บริษัทและชุมชนต่างๆ เรียนรู้เกี่ยวกับแมชชีนเลิร์นนิ่ง ในเรื่องวิธีการทำงาน และการประยุกต์ใช้งานในด้านใดบ้าง รวมถึงแนวทางในการใช้งานอย่างมีความรับผิดชอบ และเข้าใจว่าอะไรที่ไม่ใช่

ประการที่สอง การจะทำให้ผลิตภัณฑ์ด้านแมชชีนเลิร์นนิ่งได้รับความเชื่อถือ ผู้นำต้องสร้างกลุ่มคนที่มีความหลากหลายทั้งเรื่องเพศ เชื้อชาติ อายุ ชาติกำเนิด รสนิยมทางเพศ ความพิการ วัฒนธรรม และการศึกษา ซึ่งเราจะได้ประโยชน์จากคนเหล่านี้ที่นำพื้นฐาน ความคิด และมุมมองที่แตกต่างกันมาช่วยคิดค้นผลิตภัณฑ์ด้านแมชชีนเลิร์นนิ่ง

ประการที่สาม บริการด้านแมชชีนเลิร์นนิ่ง ควรจะได้รับการทดสอบอย่างจริงจัง วัดความแม่นยำเทียบกับเกณฑ์มาตรฐานของค่ายอื่น เกณฑ์มาตรฐาน หรือ benchmarks ควรจะกำหนดโดยภาคการศึกษา รวมถึงภาครัฐบาล และต้องประยุกต์ใช้กับบริการที่ใช้ฐานของแมชชีนเลิร์นนิ่งมาสร้างกฏเกณฑ์ที่ให้ผลลัพธ์ที่เชื่อถือได้ รวมถึงได้ผลลัพธ์ในบริบทของกรณีการใช้งาน

กฏเกณฑ์ของแมชชีนเลิร์นนิ่ง

ที่สุดแล้ว ในฐานะของสังคม เราต้องเห็นร่วมว่าควรใช้ตัวแปรไหนในการควบคุมว่าจะใช้แมชชีนเลิร์นนิ่งเมื่อไหร่ และใช้อย่างไร เพราะเทคโนโลยีใหม่ใดๆ ก็ตาม จะต้องมีสมดุลในการปกป้องสิทธิการใช้งานที่เท่าเทียมกัน พร้อมกับต้องมีการดำเนินการด้านนวัตกรรมอย่างต่อเนื่องรวมถึงการนำเทคโนโลยีมาประยุกต์ใช้ให้เกิดประโยชน์จริง

องค์กรใดก็ตามที่ทำงานด้วยเทคโนโลยีแมชชีนเลิร์นนิ่งควรจะให้ทั้งลูกค้า นักวิจัย นักวิชาการและกลุ่มคนอื่นๆ เข้ามามีส่วนร่วมในการประเมินประโยชน์ที่ดีที่สุดจากเทคโนโลยีแมชชีนเลิร์นนิ่งพร้อมความเสี่ยงที่อาจจะเกิดขึ้น  และควรมีการพูดคุยอย่างจริงจังกับผู้วางกฏระเบียบรองรับการใช้งานตามกฏหมาย พร้อมสร้างแนวนโยบายสำหรับการใช้เทคโนโลยีแมชชีนเลิร์นนิ่งอย่างรับผิดชอบ อีกทั้งต้องให้ความสำคัญอันดับต้นกับเรื่องความโปร่งใส บทสนทนาที่เปิดกว้าง และการประเมินอย่างต่อเนื่องเพื่อให้มั่นใจว่าได้มีการประยุกต์ใช้แมชชีนเลิร์นนิ่งอย่างเหมาะสมและมีการต่อยอดการใช้งานอย่างต่อเนื่อง

ประเด็นถัดไป

เราพูดถึงเรื่องแมชชีนเลิร์นนิ่งกันมามากแล้ว และก็ยังไม่หมด เพราะยังอยู่ในช่วงต้น หากเรากำลังนำแมชชีนเลิร์นนิ่งมาช่วยเหลือลิงอุรังอุตังที่กำลังตกอยู่ในอันตรายได้ ให้ลองจินตนาการว่าแมชชีนเลิร์นนิ่งจะช่วยอนุรักษ์มหาสมุทรและช่วยสิ่งมีชีวิตในท้องทะเลได้อย่างไร หากเรากำลังใช้เทคโนโลยีนี้ในการสร้างภาพสแนปช็อตดิจิทัลของป่าบนโลกได้ในแบบเรียลไทม์ ให้ลองจินตนาการว่าเทคโนโลยีนี้จะช่วยคาดการณ์และป้องกันไฟไหม้ป่าได้อย่างไร หากแมชชีนเลิร์นนิ่งสามารถนำมาใช้ในการเชื่อมต่อเกษตรกรรายย่อยเข้ากับผู้คนและทรัพยากรที่จำเป็นเพื่อสร้างศักยภาพทางเศรษฐกิจ ให้จินตนาการว่าแมชชีนเลิร์นนิ่งจะช่วยลดจำนวนผู้หิวโหยในโลกได้อย่างไร

การจะบรรลุความเป็นจริงนี้ เราในฐานะของภาคอุตสาหกรรม มีงานมากมายรออยู่ข้างหน้า ผมมองในแง่ดีอย่างเหลือเชื่อว่าแมชชีนเลิร์นนิ่งจะช่วยให้เราแก้โจทย์ที่ท้าทายที่สุดในโลกได้และสร้างประสบการณ์ที่น่าอัศจรรย์ให้กับผู้ใช้งานอย่างที่เราไม่เคยคิดฝันมาก่อน ก่อนที่เราจะรู้ตัว แมชชีนเลิร์นนิ่งก็จะกลายเป็นสิ่งคุ้นเคยเหมือนกับการเข้าถึงโทรศัพท์ของเรา

 

 

About Maylada

Check Also

[Guest Post] LTI และ IBM ขยายพันธมิตรระดับโลก ช่วยองค์กรเร่งการยกระดับสู่ยุคดิจิทัลด้วยไฮบริดคลาวด์แบบเปิด

มุมไบ, อินเดีย :  LTI และ IBM เล็งจัดตั้งศูนย์ความเป็นเลิศเพื่อพัฒนาโซลูชันร่วมกับลูกค้า

[Guest Post] รายงานของซิสโก้เผย บริษัทในเอเชีย-แปซิฟิกเผชิญการแจ้งเตือนภัยคุกคามไซเบอร์ที่เพิ่มสูงสุดเป็นประวัติการณ์เนื่องจากการทำงานจากที่บ้าน

ความท้าทายด้านความปลอดภัยทางไซเบอร์อันดับหนึ่งขององค์กรไทยส่วนใหญ่คือ“การเข้าถึงอย่างปลอดภัย”  69% ขององค์กรในเอเชีย-แปซิฟิกเผชิญปัญหาภัยคุกคามทางไซเบอร์ หรือการแจ้งเตือนที่เพิ่มขึ้นอย่างน้อย 25% นับตั้งแต่เริ่มมีการแพร่ระบาด 54% ขององค์กรในภูมิภาคนี้มีความพร้อมเพียงเล็กน้อยเท่านั้น ขณะที่ 7% ไม่พร้อมที่จะรองรับการทำงานจากที่บ้านในช่วงเริ่มต้นของการแพร่ระบาด องค์กร 85% มองว่าในตอนนี้ไซเบอร์ซีเคียวริตี้มีความสำคัญอย่างมาก หรือมีความสำคัญเพิ่มขึ้นอย่างที่ไม่เคยมีมาก่อน