World Summit AI 2019 Amsterdam

ภาพประกอบจาก worldsummit.ai

จากการแวะเที่ยวงาน World Summit AI ที่ Amsterdam ระหว่าง 09-10 ตุลาคม 2019 มีทั้ง startup เล็กๆ ตัวแทนระดับสูงจากบริษัทยักษ์ใหญ่และผู้วางนโยบายของ EU เข้ามาร่วมกันเสวนาด้าน AI มีประเด็นใหญ่ๆที่น่าสนใจสรุปได้ประมาณนี้

1. ผลกระทบจากการกีดกันทางการค้าระหว่างยักษ์ใหญ่ ทำให้ EU กังวลว่าจะมีผลกับตนไม่มากก็น้อย หรือจะกลายเป็นเหยื่อลุงทรัมป์รายต่อไปหรือเปล่า และเห็นว่า​ AI ที่จะเป็นจุดเปลี่ยนที่สำคัญในอนาคต ที่ทำให้ยุโรปยังสามารถแข่งขันได้ ซึ่งปัจจุบันยังสู้อเมริกาและจีนไม่ได้ทั้งๆ ที่มีทรัพยากรทั้งคนและเงินทุน ทำให้พยายามรวมตัวกันเพื่อดึงดูดการลงทุน และ talent จากทั่วโลก เนเธอร์แลนด์เองประกาศเปิดตัวโครงการ AI Super Power ในงานนี้เพื่อ jump start ด้าน AI โดยบริษัทเอกชนยักษ์ใหญ่ 5 รายร่วมมือกันในด้านต่างๆ เช่น สนับสนุนภาคการศึกษาให้เยาวชนรู้จัก AI จัดอบรมในพนักงานทุกระดับ เพื่อให้ชาวดัตช์มีความรู้ด้าน AI (AI Literacy)  ไปจนถึงทำวิจัยร่วมกัน เรียกได้ว่าทุ่มกันสุดตัวเพื่อให้เนเธอร์แลนด์เป็นศูนย์กลางด้าน AI  ของยุโรป ในอังกฤษเองบริษัทพลังงานยักษ์ใหญ่เสนอให้อยู่ในประเทศได้ 2 ปีเพื่อทำงานด้าน AI โดยเฉพาะ โดยบริษัทจะดูแลเรื่องใบอนุญาตทำงาน​ให้ เห็นได้ชัดเจนว่ายุโรปเริ่มกระโดดเข้าสู่การแข่งขันด้าน AI อย่างเต็มตัว วงการ AI คงคึกคักกันแน่นอน

2. ยุคถัดจาก Digital Transformation จะเป็นยุคของ Data Transformation หรือ AI Transformation ซึ่งมีความเข้มข้นต่างกันไปในแต่ละประเภทธุรกิจ เป็นยุคของการใช้ข้อมูล โดยจะมีผลิตภัณฑ์และบริการที่เกิดบนพื้นฐานของการใช้ AI ในส่วนของภาคการเงินการธนาคารเองนั้น ในส่วน regulator ใน EU เองก็ยังมีความ"ระมัดระวัง"อยู่ เนื่องจากโดยพื้นฐานแล้ว ธนาคารหรือธุรกิจการเงินเป็นธุรกิจที่ถูกคาดหวังว่าเป็น "ผู้เก็บรักษาความลับ"  ดังนั้นการไป AI แบบสุดโต่งรู้จักลูกค้าไปหมดทุกแง่ทุกมุม แบบธุรกิจอื่น น่าจะยังต้องใช้เวลาและความระมัดระวัง ขนาดการใช้ cloud ใน EU ก็ยังมีข้อจำกัดหลายอย่าง

3.  การสั่งงานด้วยเสียง (Voice Interface) จะเป็นวิธีการที่แพร่หลายในการสื่อสารสั่งงานกับระบบ จะเห็นตัวอย่างและทิศทางในการพัฒนาที่ชัดเจนใน World Summit รอบนี้ ที่น่าตลกคือในงาน AI Summit ที่ซานฟรานซิสโก้ปี 2018 แนวโน้มที่คนจะสื่อสารกัน คือการพิมพ์ผ่าน chat คนโทรหากันน้อยลง ต่อไปเราคงพูดกับเครื่อง แล้วให้เครื่องแปลงเป็นตัวหนังสือส่ง chat หากันแทน แน่นอนว่าต่อไประบบจะรองรับได้หลายภาษาพร้อมๆ กัน รวมถึงเข้าใจนัยยะแฝงของแต่ละภาษาได้ด้วย เร็วๆนี้ เครื่องจักรอาจจะเข้าใจเรามากกว่าคนที่บ้านก็ได้นะ ใน summit มีดราม่าเล็กๆ เรื่องทำไมต้องใช้เสียงผู้หญิงใน Amazon Alexa ด้วย อื่ม... ยังไงดีละ คิดว่าเพราะเสียงแหลมๆของผู้หญิงฟังชัดเจนกว่าเสียงทุ้มๆ ของผู้ชายนะ

4. ตามประสาชาวยุโรปที่เน้นเรื่องสิทธิเสรีภาพ ก็จะเน้น AI ที่มีคนเป็นศูนย์กลาง (Human Centered AI) คือต้องปกป้องความเป็นส่วนตัว และควรต้องอธิบายผลการตัดสินของระบบได้ (Explainability) เพื่อให้มั่นใจว่าระบบมีความโปร่งใส ไม่เกิด bias ประโยชนอีกย่างของการอธิบายได้คือ จริงๆแล้ว เราไม่ได้ต้องการแค่ผลลัพธ์ และเรายังต้องการความเข้าใจเชิงลึก (insight) ว่าทำไม่ถึงได้ผลออกมาอย่างนั้น อีกอย่างในยุโรปชาวบ้านมีสิทธิขอทราบที่มาที่ไปของผลการ"คิด"ของ AI ด้วย แต่บ้านเราไม่มีนะ

5. เกิดลักษณะงานที่เรียกว่า hybrid job ซึ่งเกิดจากความต้องการประยุกต์ใช้ Machine Learning (ML) หรือ AI ในสายธุรกิจ จะเห็นบทบาทอย่าง Marketing Data Analyst ที่ต้องการความรู้ด้าน ML/AI มาใช้วิเคราะห์ด้านการตลาด เป็นที่ต้องการรองจาก Data Scientist เลย หรือง่ายๆ คืออยากให้คนสายนี้มีทักษะการใช้ ML นั่นเอง ทำให้เกิดแนวคิดที่จะเพิ่มทักษะคนสายงานอื่นๆ ให้มีความรู้ความเข้าใจ ใช้งาน ML ได้เหมือนใช้เครื่องมือทางธุรกิจอื่นๆ รวมถึงในสายงาน IT เองก็มีแนวคิดที่กระจายความรู้ด้านนี้ออกไป ให้ Software Engineer ได้มีทักษะด้าน ML/AI มากขึ้น เนื่องจากระบบในอนาคตจะมีการฝังการใช้ ML/AI มากขึ้น ไม่ได้จำกัดอยู่แต่ในกลุ่มผู้เชี่้ยวชาญเฉพาะด้านเหมือนแต่ก่อน และเป็นการแก้ปัญหาขาดแคลนคนในสายงานนี้ วิธีนี้หลายบริษัทเริ่มนำไปใช้ รวมถึง Daimler AG ด้วย

6. การมาถึงของ New AI Economy เนื่องด้วยสภาพแวดล้อมทางธุรกิจที่เปลี่ยนไปและการใช้ AI ที่แพร่หลายขึ้น เช่น car sharing หรือระบบขับเคลื่อนอัตโนมัติ ที่เปลี่ยนผู้ผลิตรถยนต์ที่เดิมผลิตป้อนให้ผู้บริโภคโดยตรงเป็นหลัก จะเป็นการผลิตเพื่อป้อนผู้ให้บริการรายอื่น เช่น รถขับเคลื่อนอัตโนมัติของ Uber ที่ทำให้คนไม่จำเป็นต้องเป็นเจ้าของรถเองอีกต่อไป จึงเกิดคำถามที่น่าไปขบคิดต่อว่า ใครกันแน่ที่เป็นเจ้าของความสัมพันธ์กับลูกค้า Uber หรือบริษัทรถยนต์? (OEM) การมี platform ที่ครอบคลุมจะเป็นหัวใจสำคัญที่รักษาความสัมพันธ์กับลูกค้าไว้ได้ เรื่องนี้มียกตัวอย่างใน Health Care ที่ฟังแล้วอยากซื้อหุ้น Google เก็บไว้มากๆ ต่อไปอากู๋จะรู้หมดทั้งตับไตใส้พุงจริงๆละ

7. สำหรับองค์กรที่อยากผลักดันโครงการด้าน ML/AI วิธีที่ดีที่สุดให้เริ่มจาก การหา True North (แหมชอบคำนี้จริงๆ ช่างเลือกนะ ฟังคล้ายคำว่า True Love) คือพิจารณาว่าเป็นสิ่งที่เราต้องการจริงๆ (desirable) มีความเป็นไปได้ (feasible) และทำให้สำเร็จได้ (viable) โดยเริ่มจากเล็กๆ เพื่อเป็น small experiment ให้รู้ว่าข้อมูลอะไรที่สำคัญ อะไรเป็น strategic data ที่ให้ insight​ อะไรเป็น critical data ที่จำเป็นต้องมี จะได้ไม่เสียเวลาไปกับการรวบรวมและทำความสะอาดข้อมูลจำนวนมากๆ ที่อาจไม่มีนัยยะหรือให้ insight อะไรและเป็นการปรับวัฒนธรรมองค์กรให้เข้ากับการเป็น data driven หรือ analytic driven ฟังงานนี้ทำให้มั่นใจชาวโลกเค้าต่างก็มีปัญหาเรื่องข้อมูลเหมือนๆ กันนั่นแหละ บริษัทในยุโรปเก่าเป็นร้อยปี ทั้งระบบและข้อมูลไม่ได้สวยใสเหมือนหัวเข่านางแบบในปารีสไปซะหมด ที่กร้านๆด้านๆก็เยอะ ธุรกิจประกันเองก็มีทำมือเยอะเต็มไปหมด แต่ก็ไม่เอามาเป็นข้อจำกัด

ทั้งหมดนี้สรุปจากความเข้าใจ ทั้งในงานเองกับบริบทอื่นๆรอบๆที่พอรู้มาบ้าง หลังจากที่ฟังฝั่งอเมริกามาแล้วเมื่อปีก่อน มาดูฝั่งยุโรปบ้างก็เปิดโลกทัศน์ไม่น้อย แต่สวนตัวคิดว่าฝั่งอเมริกาดูจะก้าวหน้ากว่า ยุโรปเองก็ยอมรับว่าตนต้องใช้ ้hardware จากจีน และ software จากอเมริกา แต่สิ่งที่ยุโรปมีไม่น้อยหน้าใครก็คงเป็น peopleware บุคคลากรที่มีคุณภาพและมาตราฐานการศึกษาที่สูง เราคงเห็นงาน AI เจ๋งๆ จากฝั่งยุโรปกันในอนาคตใกล้ๆ นี้แน่ๆ