ข้อใดไม่ถูกต้องเกี่ยวกับการวิเคราะห์ผลดี-ผลเสียของเทคโนโลยีเพื่อเป็นข้อมูลในการตัดสินใจเลือกใช้

1. SAS Insights
2. Analytics Insights

ปัญญาประดิษฐ์

คืออะไร และสำคัญอย่างไร

ปัญญาประดิษฐ์ หรือ AI สร้างความเป็นไปได้ให้แก่เครื่องจักรในการเรียนรู้จากประสบการณ์ในอดีต ปรับแต่งเข้ากับข้อมูลที่ป้อนเข้าไปใหม่และทำหน้าที่เปรียบเสมือนมนุษย์ ตัวอย่างของ AI ส่วนใหญ่ที่คุณมักจะได้ยินในทุกวันนี้ เริ่มตั้งแต่คอมพิวเตอร์ที่เล่นหมากรุกได้ จนถึงรถยนต์ที่ขับเคลื่อนด้วยตัวเอง เหล่านี้ล้วนแต่ต้องพึ่งพาการเรียนรู้เชิงลึก และการประมวลผลภาษาธรรมชาติ ด้วยการใช้เทคโนโลยีเหล่านี้ คอมพิวเตอร์จะได้รับการฝึกฝนให้เอาชนะเป้าหมายที่กำหนดโดยการประมวลผลข้อมูลปริมาณมหาศาลและจดจำรูปแบบของข้อมูลเหล่านั้นทั้งหมด

ประวัติความเป็นมาของปัญญาประดิษฐ์

คำว่า ปัญญาประดิษฐ์เริ่มมีการใช้ในปี 1956 แต่ได้รับความนิยมยิ่งขึ้นในปัจจุบันเนื่องด้วยปริมาณข้อมูลที่เพิ่มขึ้น อัลกอริธึมที่มีความก้าวหน้า และการพัฒนาในศักยภาพของการคำนวณและการจัดเก็บข้อมูล

การวิจัยเกี่ยวกับ AI ในยุคต้นปี 1950 จะเป็นการค้นคว้าเกี่ยวกับวิธีการแก้ปัญหาและรูปแบบสัญลักษณ์ ต่อมาในยุคปี 1960 กระทรวงกลาโหมของสหรัฐฯ ได้ให้ความสนใจเกี่ยวกับ AI และเริ่มต้นฝึกฝนคอมพิวเตอร์ เพื่อเลียนแบบกระบวนการความคิดเป็นเหตุเป็นผลของมนุษย์ ดังเห็นได้จาก สำนักโครงการวิจัยขั้นสูงด้านกลาโหม หรือ DARPA ได้ดำเนินโครงการการแมปถนนในยุคปี 1970 นอกจากนี้ DARPA ยังได้สร้างระบบสั่งงานด้วยเสียง (intelligent personal assistant) ในปี 2003 เป็นเวลานานก่อนที่ Siri Alexa หรือ Cortana จะได้รับการคิดค้น

งานวิจัยในช่วงยุคแรกนี้เองที่ช่วยปูทางให้แก่เครื่องจักรอัตโนมัติและระบบการให้เหตุผลแบบแพร่หลาย ดังเช่นที่เราเห็นในคอมพิวเตอร์ทุกวันนี้ ซึ่งรวมถึงระบบการสนับสนุนการตัดสินใจและระบบการค้นหาอัจฉริยะที่ได้รับการออกแบบให้เติมเต็มและเพิ่มประสิทธิภาพความสามารถของมนุษย์ให้สมบูรณ์ยิ่งขึ้น

ในขณะที่ภาพยนตร์ฮอลลีวูดและนิยายไซไฟบรรยาย AI เปรียบเสมือนหุ่นยนต์เลียนแบบมนุษย์ที่ยึดครองโลก ทว่าวิวัฒนาการเทคโนโลยีของ AI ในทุกวันนี้ไม่ได้น่ากลัวเช่นนั้น แต่ค่อนข้างจะฉลาดเป็นกรดเลยต่างหาก โดย AI ได้รับการพัฒนาให้เกิดประโยชน์เฉพาะด้านมากมายในทุกอุตสาหกรรม ซึ่งคุณสามารถอ่านตัวอย่างอันทันสมัยของปัญญาประดิษฐ์เพิ่มเติมได้ในธุรกิจเกี่ยวกับสุขภาพ ค้าปลีกและอื่น ๆ อีกมากมาย

AI ได้กลายเป็นส่วนประกอบสำคัญของซอฟต์แวร์ SAS มาหลายปี ทุกวันนี้พวกเรา SAS ช่วยลูกค้าของเราในแทบทุกอุตสาหกรรมโดยอาศัยความก้าวหน้าของ AI และพวกเราได้ผนวกเทคโนโลยี AI อย่างการเรียนรู้ของเครื่อง (machine learning) และการเรียนรู้เชิงลึก (deep learning) เข้ากับโซลูชั่นในบรรดาportfolioของเรา

Jim Goodnight CEO SAS

เหตุใดปัญญาประดิษฐ์จึงมีความสำคัญยิ่งนัก

• AI มีการเรียนรู้ซ้ำ ๆ ได้อย่างอัตโนมัติและศึกษาผ่านข้อมูลเหล่านั้น แต่ AI นั้นก็มีความแตกต่างจากหุ่นยนต์หรืออุปกรณ์อัตโนมัติ แทนที่จะประมวลผลงานแบบแมนนวล AI สามารถประมวลผลในงานซ้ำ ๆ ที่มีปริมาณมากด้วยความเที่ยงตรงและมีประสิทธิภาพผ่านระบบคอมพิวเตอร์ สำหรับการประมวลผลการทำงานอัตโนมัติด้วยวิธีนี้ ยังคงจำเป็นต้องใช้มนุษย์ในการติดตั้งระบบและป้อนคำสั่งที่เหมาะสม
  
• AI เพิ่มความชาญฉลาด แก่ผลิตภัณฑ์ที่มีอยู่เดิม โดยทั่วไป จะไม่มีการจำหน่าย AI ในรูปแบบแอปพลิเคชันเดี่ยว หากแต่จะใช้ประสิทธิภาพของ AI ในการพัฒนาผลิตภัณฑ์ที่มีอยู่เดิม ซึ่งประสิทธิภาพดังกล่าวมีความเหมือนอย่างมากกับ Siri ที่ได้รับการติดตั้งเพิ่มในผลิตภัณฑ์รุ่นใหม่ ๆ ของ Apple เครื่องจักรอัตโนมัติ (automachine) เครื่องจักรที่โต้ตอบกับมนุษย์ได้ (conversational platform) โปรแกรมบอต (bot) และเครื่องจักรอัจฉริยะ (smart machine) จะได้รับการผสานเข้ากับข้อมูลปริมาณมหาศาลเพื่อพัฒนาเทคโนโลยีไม่ว่าจะเป็นที่บ้านหรือที่ทำงานจากระบบความมั่นคงอัจฉริยะ (security intelligence) สู่การวิเคราะห์การลงทุน (investment analysis)
• AI เรียนรู้จากอัลกอริธึมการเรียนรู้แบบก้าวหน้า (progressive) ในการนำข้อมูลมาเขียนคำสั่งโปรแกรม AI ค้นหาโครงสร้างและความสม่ำเสมอของข้อมูล เพื่อกำหนดอัลกอริธึมทักษะด้านต่าง ๆ กล่าวคือ อัลกอริธึมจะกลายเป็นตัวแยกประเภทหรือตัวพยากรณ์ ดังนั้นอัลกอริธึมจะสามารถเรียนรู้วิธีการเล่นหมากรุก และเรียนรู้ว่าควรจะเดินหมากตัวใดในตาถัดไป ซึ่งแบบจำลองประเภทนี้จะได้รับการปรับให้ดีขึ้นเมื่อได้รับข้อมูลใหม่ กระบวนการส่งค่าย้อนกลับ (back propagation) คือ เทคนิคหนึ่งของ AI ในการปรับแต่งแบบจำลองผ่านการฝึกฝนและข้อมูลเพิ่ม เมื่อผลลัพธ์ครั้งแรกยังไม่ถูกต้องนัก
  

• AI จะวิเคราะห์ข้อมูลมากกว่าและลึกกว่า โดยใช้เครือข่ายประสาทเทียม (neural network) ที่มีหลายชั้น การสร้างระบบตรวจจับการทุจริตที่มีชั้นเลเยอร์ 5 ชั้นนั้นแทบจะเป็นไปไม่ได้เลยในไม่กี่ปีที่ผ่านมา แต่ทั้งหมดนั้นได้เปลี่ยนแปลงไปด้วยประสิทธิภาพอันเหลือเชื่อของคอมพิวเตอร์และ ข้อมูลบิ๊กดาต้า คุณจำเป็นต้องใช้ข้อมูลปริมาณมากในการพัฒนาด้านการเรียนรู้เชิงลึกของแบบจำลอง เนื่องจากแบบจำลองเหล่านี้จะเรียนรู้จากข้อมูลโดยตรง ยิ่งคุณสามารถป้อนข้อมูลปริมาณมากขึ้นเท่าใด แบบจำลองก็จะยิ่งก่อให้เกิดความแม่นยำมากขึ้นเท่านั้น
• AI สามารถสร้างความแม่นยำอย่างเหลือเชื่อ ผ่านเครือข่ายประสาทเทียม (neural network) ซึ่งที่ผ่านมาไม่สามารถเป็นไปได้เลย ยกตัวอย่างเช่น การโต้ตอบกับ Alexa Google Search และ Google Photos ล้วนใช้เทคนิคการเรียนรู้เชิงลึก (deep learning) ทั้งนั้น และนับวันโปรแกรมเหล่านี้ยิ่งมีความแม่นยำมากยิ่งขึ้นตามการใช้งานที่เพิ่มขึ้น ในทางการแพทย์ เทคนิคของ AI ด้านการเรียนรู้เชิงลึก การจำแนกภาพ (image classification) และการจดจำวัตถุ (object recognition) ได้รับการใช้ค้นหามะเร็งผ่านเครื่อง MRIs ด้วยความแม่นยำจากรังสีแพทย์ที่ได้รับการฝึกฝน
• AI สามารถใช้ประโยชน์อย่างสูงสุดจากข้อมูลที่มี เมื่ออัลกอริธึมสามารถเรียนรู้ได้ด้วยตัวเอง ข้อมูลก็จะกลายเป็นทรัพย์สินทางปัญญาอันมีค่า ความลับซ่อนอยู่ในข้อมูลนั่นเอง เพียงแค่คุณสามารถประยุกต์ใช้ AI เพื่อดึงเอาความลับนั้นออกมา เนื่องจากบทบาทของข้อมูลนับว่ามีความสำคัญมากกว่าที่เคยเป็นมา มันสามารถก่อให้เกิดความได้เปรียบทางการแข่งขัน หากคุณมีข้อมูลที่ดีที่สุดในอุตสาหกรรมที่มีการแข่งขันกัน แม้ว่าต่างคนจะใช้เทคนิคกลวิธีที่เหมือนกัน คุณผู้ซึ่งมีข้อมูลที่ดีที่สุดย่อมเป็นผู้ชนะ

อะไรคือความท้าทายของการใช้ความสามารถของปัญญาประดิษฐ์

ปัญญาประดิษฐ์กำลังสร้างความเปลี่ยนแปลงในทุกอุตสาหกรรม แต่พวกเราจำเป็นต้องเข้าใจในข้อจำกัดของมัน

ข้อจำกัดพื้นฐานของ AI คือ พวกมันเรียนรู้จากข้อมูล ไม่มีทางใดเลยที่ความรู้จะก่อเกิดได้เอง ซึ่งหมายความว่า ความไม่แม่นยำใดก็ตามของข้อมูลจะส่งผลต่อผลลัพธ์ที่ได้จากการทำงานของ AI นอกเหนือจากนี้การคาดการณ์หรือการวิเคราะห์เพิ่มเติมจำเป็นต้องได้รับการเพิ่มต่างหาก

ในทุกวันนี้ระบบของ AI ได้รับการฝึกให้ทำงานที่กำหนดชัดเจน ระบบที่ทำหน้าที่เล่นโป๊กเกอร์จะไม่สามารถเล่นไพ่หรือหมากรุกได้ ระบบที่ทำหน้าที่ตรวจจับการทุจริตก็จะไม่สามารถขับรถยนต์หรือให้คำแนะนำทางกฎหมายได้ จริง ๆ แล้ว ระบบ AI ที่ทำหน้าที่ตรวจข้อบกพร่องในผลสุขภาพก็ไม่สามารถตรวจการทุจริตทางภาษีหรือการทุจริตในการเคลมประกันได้อย่างแม่นยำ

กล่าวอีกนัยหนึ่ง ระบบเหล่านี้มีความเฉพาะเจาะจงเป็นอย่างมาก ระบบจะมุ่งเน้นในการทำงานได้เพียงหนึ่งเดียวซึ่งห่างไกลจากพฤติกรรมของมนุษย์เป็นอย่างมาก

ในทำนองเดียวกัน ระบบการเรียนรู้ด้วยตนเอง (self-learning) ไม่ใช่ระบบอัตโนมัติ เทคโนโลยี AI ที่เพ้อฝันดังเช่นที่คุณพบเห็นในภาพยนตร์และโทรทัศน์นั้นยังคงเป็นเพียงแค่เรื่องแต่งขึ้น หากแต่คอมพิวเตอร์ที่สามารถตรวจสอบข้อมูลที่ซับซ้อน เพื่อเรียนรู้และทำให้งานเฉพาะอย่างสมบูรณ์ได้นั้นค่อนข้างจะเป็นเรื่องธรรมดา

SAS® Visual Data Mining and Machine Learning

AI จะทำงานอย่างง่ายดายขึ้นหากคุณได้เตรียมข้อมูลสำหรับการวิเคราะห์ พัฒนาแบบจำลองด้วยอัลกอริธึมการเรียนรู้ของเครื่องที่ทันสมัย และรวบรวมการวิเคราะห์ข้อความทั้งหมดไว้ด้วยกัน คุณสามารถเขียน code ของโครงการโดยใช้โค้ดของ SAS เอง หรือภาษาอื่น ๆ เช่น Python, R, Java หรือ Lua

อ่านรายละเอียดเพิ่มเติมเกี่ยวกับหัวข้อนี้

• Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
• Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
• As AI accelerates, focus on 'road' conditionsAI technology has made huge strides in a short amount of time and is ready for broader adoption. But as organizations accelerate their AI efforts, they need to take extra care, because as any police officer will tell you, even small potholes can cause problems for vehicles traveling at high speeds.
• AI in government: The path to adoption and deploymentThe government sector is lagging in AI adoption, but awareness of the importance of AI in the public sector is increasing. Our survey indicates that operational issues are requiring governments to turn their attention to AI projects as a way to address important public issues.