“เราเชื่อว่า AI สามารถช่วยแก้ปัญหาสังคม จัดการกับความท้าทายในประเด็นสิ่งแวดล้อมที่เกิดขึ้นได้”

 

นี่คือคำกล่าวของเจฟฟ์ ดีน (Jeff Dean) หัวหน้าทีม Google AI ในงาน ‘Solve with AI’ ที่จัดขึ้น ณ​ สำนักงานใหญ่ของ Google กรุงโตเกียว ประเทศญี่ปุ่น เมื่อวันพุธที่ 10 ก.ค. ที่ผ่านมา ซึ่งสะท้อนให้เห็นว่า Google กำลังมุ่งพัฒนาการใช้ประโยชน์จาก AI หรือปัญญาประดิษฐ์ไปในทิศทางใด

 

THE STANDARD สรุปประเด็นที่คุณควรรู้จากงาน Solve with AI พร้อมหยิบเอาตัวอย่างโปรเจกต์การพัฒนาเครื่องมือ AI เพื่อสร้างประโยชน์ให้กับสังคม และมีแนวคิดน่าสนใจมาแนะนำให้คุณได้ทำความรู้จักกัน

 

 

AI ของ Google สร้างประโยชน์ให้กับมนุษย์และสังคมได้อย่างไร

ในมุมคิดของหัวหน้าทีม Google AI เจฟฟ์เชื่อว่าการพัฒนา AI ควรจะต้องทำให้ใกล้ตัว มีประโยชน์กับคน และรัฐบาลในทุกประเทศ เข้าถึงง่าย 

 

ที่สำคัญต้องช่วยแก้ไขปัญหาอุปสรรคต่างๆ ที่เกิดขึ้นในสังคมได้ ทั้งด้านสุขภาพ, ภัยพิบัติ, สิ่งแวดล้อม,​ เกษตรกรรม หรือแม้แต่การอนุรักษ์วัฒนธรรม เพื่อขับเคลื่อนสังคม ชุมชน และโลกใบนี้ไปให้ก้าวไปในทิศทางที่ดีกว่าเดิม

 

แล้วข้อดีของการพัฒนา AI ในปัจจุบันคือความพร้อมในด้านเทคโนโลยี วิทยาการคอมพิวเตอร์ต่างๆ โดยเฉพาะการมีแพลตฟอร์มแบบเปิด (Open Source) อย่าง ‘TensorFlow’ ของ Google ที่ช่วยให้ผู้ใช้งาน นักวิจัย โปรแกรมเมอร์ หรือคนทั่วไปสามารถริเริ่มแนวคิดหรือต่อยอดสร้างเครื่องมือ AI ที่เป็นประโยชน์ได้ 

 

ในความหมายก็คือ Google จะไม่ใช่แค่พัฒนาเครื่องมือ AI ที่สร้างประโยชน์ให้กับสังคมด้วยตัวเองเท่านั้น แต่ยังทำหน้าที่เป็นป๋าดันสนับสนุนหน่วยงาน องค์กรต่างๆ ที่มีไอเดียการแก้ไขปัญหาที่เกิดขึ้นบนโลกใบนี้ด้วย AI ได้อย่างน่าสนใจ เพื่อช่วยผลักดันให้โครงการ และแนวคิดเหล่านั้นเป็นผลิตภัณฑ์ที่ใช้งานและสร้างประโยชน์ได้จริง

 

ที่ผ่านมาพวกเขาได้คัดเลือกโปรเจกต์พัฒนา AI กว่า 20 โครงการเข้าสู่โปรแกรม ‘Launchpad Accelerator’ เพื่อช่วยให้ไอเดียต่างๆ ที่เคยเป็นแค่แนวความคิดถูกต่อยอดให้เกิดขึ้นจริง ผ่านทั้งการสนับสนุนเงินทุนรวมกว่า 25 ล้านเหรียญสหรัฐ การให้คำแนะนำจากผู้เชี่ยวชาญเฉพาะทาง ผู้เชี่ยวชาญด้าน AI ของ Google ตลอดจนช่วยให้เข้าถึงแหล่งทรัพยากรที่เกี่ยวข้องแบบจัดเต็ม

 

และนี่คือตัวอย่างโครงการพัฒนา AI สร้างประโยชน์สู่สังคมบางส่วนโดย Google และหน่วยงานอื่นๆ ที่ THE STANDARD เก็บกลับมาเป็นของฝากจากญี่ปุ่นให้กับคุณ

 

 

1. AI คัดกรองผู้ป่วยมะเร็งปอด มะเร็งเต้านม และเบาหวานขึ้นตา

ลิลลี เพง (Lilly Peng) ผู้จัดการด้านผลิตภัณฑ์ของ Google Health และนักเทคนิคการแพทย์หญิงบอกว่า จุดเริ่มต้นในการนำ AI เข้ามาใช้กับวงการการแพทย์หรือ Health Tech มาจากสาเหตุสำคัญ 2 ประการคือ (1.) ข้อมูลผลการตรวจวินิจฉัยต่างๆ ที่มีเป็นจำนวนมาก ซึ่งสวนทางกับ (2.) บุคลากรทางการแพทย์ และผู้เชี่ยวชาญเฉพาะทางที่มีอยู่อย่างจำกัด

 

เพราะฉะนั้นถ้า Google Health สามารถนำความสามารถของ AI และแมชชีนเลิร์นนิงเข้ามาประยุกต์ใช้ได้ ก็จะก่อให้เกิดประโยชน์มหาศาลกับวงการการแพทย์ และมวลมนุษยชาติ

 

3 ตัวอย่างโครงการที่ลิลลีนำมาเล่าเป็นตัวอย่างประกอบด้วย 

1. การคัดกรองผู้ป่วยมะเร็งปอด 
2. การตรวจหาการแพร่กระจายของมะเร็งเต้านม  
3. การคัดกรองผู้ป่วยเบาหวานขึ้นตา (เริ่มศึกษาในไทยกับแพทย์โรงพยาบาลราชวิถีแล้ว)

 

ทั้ง 3 โครงการมีรูปแบบวิธีการประยุกต์ใช้ประโยชน์จาก AI และแมชชีนเลิร์นนิงที่คล้ายๆ กัน นั่นคือการนำทักษะการเรียนรู้จากชุดข้อมูลภาพการตรวจผู้ป่วยเบื้องต้น ไม่ว่าจะเป็นผลการตรวจ CT Scan หรือภาพถ่ายจอเรตินาตา แล้วฝึกฝน เรียนรู้ด้วยตัวเองอย่างต่อเนื่อง เพื่อให้สามารถคัดกรอง และแยกแยะระดับความเสี่ยงของโอกาสการป่วยเป็น 3 โรคดังกล่าวได้อย่างแม่นยำ

 

เป้าหมายของการพัฒนาก็เพื่อช่วยให้ผู้ป่วยสามารถเข้าสู่กระบวนการรักษาได้ตั้งแต่ระยะเริ่มต้น ลดโอกาสการสูญเสียชีวิตและอวัยวะ ลดโอกาสของ False Positive หรือการตรวจพบผลบวกที่ผิดพลาดลง ทั้งยังเป็นผู้ช่วยบุคลากรทางการแพทย์ ในกรณีที่จำนวนบุคลากรผู้เชี่ยวชาญเฉพาะทางมีไม่เพียงพอ รวมถึงมีงานอื่นๆ ที่ต้องดูแลรับผิดชอบอีกเป็นจำนวนมาก

 

 

2. ‘Flood Forecasting’ เฝ้าระวังน้ำท่วมด้วยปัญญาประดิษฐ์ 

อุทกภัยถือเป็นภัยพิบัติทางธรรมชาติที่ผู้คนทั่วโลกกังวลว่าจะเกิดขึ้น และสร้างผลกระทบกับพวกเขามากที่สุดเป็นลำดับแรกเหนือภัยพิบัติชนิดอื่นๆ ที่ 56% ทั้งยังก่อให้เกิดการสูญเสียโอกาสรายได้ทางเศรษฐกิจเป็นจำนวนหลายพันล้านเหรียญสหรัฐ 

 

ด้วยเหตุนี้ Google จึงได้พัฒนาเครื่องมือ AI เฝ้าระวังน้ำท่วม ‘Flood Forecasting’ บนแพลตฟอร์ม Google Public Alerts (บริการแจ้งเตือนภัยพิบัติทางธรรมชาติ) โดยผสมผสานระหว่างการทำงานของแมชชีนเลิร์นนิง ข้อมูลภาพถ่ายทางดาวเทียม และการจำลองเหตุการณ์ทิศทางการท่วมไหลของน้ำที่อิงกับลักษณะทางภูมิศาสตร์

 

วิธีการคือแมชชีนเลิร์นนิงของ Google จะเรียนรู้ผ่านชุดข้อมูลที่หลากหลาย ทั้งข้อมูลเหตุอุทกภัยในอดีต, ข้อมูลจากรัฐบาล, ระดับน้ำในแม่น้ำ, ภาพถ่ายทางดาวเทียม และการจำลองลักษณะทางภูมิศาสตร์ที่อัปเดตอยู่ตลอดเวลา, แบบจำลองชลศาสตร์ (Hydraulic Model) รวมถึงแบบจำลองทางอุทกวิทยา (Hydrological Model) เพื่อให้ได้โมเดลเครื่องมือการเฝ้าระวัง และเตือนภัยน้ำท่วมที่มีประสิทธิภาพ

 

 

ส่วนการแจ้งเตือนเหตุอุทกภัยกับผู้ที่อยู่ในบริเวณที่คาดว่าจะได้รับผลกระทบจะทำโดย 3 วิธี คือ ผ่านผลิตภัณฑ์ในระบบนิเวศของ Google ทั้ง Search, Maps และระบบปฏิบัติการ Android, รัฐบาลและหน่วยงาน Local NGO ในแต่ละประเทศ ซึ่งปัจจุบันระบบดังกล่าวอยู่ในขั้นตอนการทดลองใช้งานจริงในเมืองปัฏนา รัฐพิหาร ประเทศอินเดีย

 

โดยในสเตปถัดไป Google จะขยายสเกลการใช้งานไปยังพื้นที่บริเวณแม่น้ำพรหมบุตรและแม่น้ำคงคา ประเทศอินเดีย ไปจนถึงการใช้งานจริงทั่วโลก เพื่อช่วยลดโอกาสความสูญเสียที่จะเกิดขึ้นจากเหตุอุทกภัย และแจ้งเตือนประชาชนให้พร้อมรับมือ และเฝ้าระวังภัยพิบัติได้ทันท่วงที

 

 

3. ‘Bioacoustics’ เมื่อความหวังของการอนุรักษ์สัตว์ใกล้สูญพันธ์ุคือ AI

หนึ่งในปัญหาด้านสิ่งแวดล้อม และธรรมชาติที่หลายประเทศทั่วโลกตระหนัก ให้ความสำคัญมายาวนานคือการดูแล-อนุรักษ์สัตว์ใกล้สูญพันธ์ุอย่างใกล้ชิด 

 

แต่การจะทำเช่นนั้นได้ รวมถึงมีมาตรการดูแลสัตว์สงวนที่ได้ผล จำเป็นจะต้องรู้ข้อมูลแหล่งที่อยู่อาศัยของพวกมันเสียก่อน

 

Google AI จึงร่วมมือกับองค์การบริหารมหาสมุทร และชั้นบรรยากาศแห่งชาติสหรัฐอเมริกา (NOAA) ซึ่งทำหน้าที่บันทึกข้อมูลเสียงความถี่สูง (HARPs) กว่า 170,000 ชั่วโมงใต้มหาสมุทรแปซิฟิกในบริเวณที่แตกต่างกันถึง 12 จุด ตลอดระยะเวลา 14 ปีที่ผ่านมา โดยเน้นไปที่วาฬสายพันธ์ุต่างๆ เป็นหลัก

 

 

ก่อนที่ Google จะฝึกให้โครงข่ายประสาทเทียม (Neural Network) เรียนรู้ข้อมูลเสียง เพื่อให้สามารถระบุสายพันธ์ุของสัตว์จากกราฟภาพเสียงแบบสามมิติ ‘สเปกโตรแกรม’ เริ่มต้นจากวาฬหลังค่อม (Humpback Whales) เป็นสัตว์สายพันธ์ุแรก 

 

เป้าหมายใหญ่สุดของพวกเขาก็คือการเพิ่มขอบเขตความสามารถการจำแนกสัตว์สายพันธ์ุให้หลากหลายมากขึ้น เพื่อประโยชน์ของการอนุรักษ์สัตว์ และพืชใกล้สูญพันธ์ุในอนาคต

 

 

4. Rainforest Connection ป้องกันการตัดไม้ทำลายป่าด้วย AI บน TensorFlow

หนึ่งในโครงการพัฒนาเครื่องมือปัญญาประดิษฐ์ที่ได้รับความสนใจมากที่สุดในงาน Solve with AI

 

Rainforest Connection คือหน่วยงานไม่แสวงหากำไรที่พัฒนาเครื่องมือช่วยตรวจจับการตัดไม้ทำลายป่า ซึ่งพัฒนาบนแพลตฟอร์ม TensorFlow ของ Google จาก ‘เสียง’ โดยมีแนวคิดที่ต้องการช่วยดูแลรักษาสิ่งแวดล้อม ลดการปล่อยก๊าซเรือนกระจกอันเป็นสาเหตุของภาวะโลกร้อน

 

โทเฟอร์ ไวท์ (Topher White) ซีอีโอของ Rainforest Connection เล่าถึงวิธีการทำงานของเทคโนโลยีที่เขาพัฒนาขึ้นมา เริ่มต้นจากการนำสมาร์ทโฟนเก่าๆ ไปติดตั้งในตำแหน่งที่สูงของต้นไม้ในป่า เพื่อบันทึกเสียงในบริเวณโดยรอบ แล้วปิดทับพวกมันอีกชั้นด้วยแผงพลังงานแสงอาทิตย์อำพรางสายตา และให้พลังงานแบตเตอรี่กับโทรศัพท์

 

 

เมื่อเสียงถูกบันทึก ข้อมูลทั้งหมดจะถูกอัปโหลดขึ้นคลาวด์ทันที พร้อมใช้ TensorFlow เข้ามาช่วยวิเคราะห์ข้อมูลแบบเรียลไทม์เพื่อจำแนกแพตเทิร์นของเสียงรูปแบบต่างๆ ที่แสดงถึงภัยคุกคามธรรมชาติ

 

เช่น เสียงเลื่อยตัดไม้ และเสียงรถบรรทุกท่อนไม้ (หลักการจำแนกเสียงคล้าย Bioacoustic ที่แปลงข้อมูลเสียงเป็นกราฟเสียงสเปกโตรแกรม) แล้วส่งข้อมูลแจ้งเตือนไปยังหน่วยงานที่เกี่ยวข้องโดยตรง เพื่อให้ลงพื้นที่ตรวจสอบหรือจับกุมผู้ก่อเหตุได้ทันเวลา โดยปัจจุบันถูกนำไปติดตั้งใช้งานจริงกับพื้นที่ป่าฝนในกว่า 10 ประเทศ 5 ทวีปทั่วโลกแล้ว และยังเตรียมจะขยายพื้นที่การใช้งานออกไปอย่างต่อเนื่อง

 

 

นอกจากจุดประสงค์การตรวจจับการตัดไม้เถื่อนแล้ว โทเฟอร์ยังตั้งเป้าพัฒนาให้เทคโนโลยีของ Rainforest Connection กลายเป็นเครื่องมือช่วยให้พวกเขาเข้าใจพฤติกรรมสัตว์ใกล้สูญพันธ์ุ จากการอ่านและวิเคราะห์รูปแบบเสียงของพวกมัน เพื่อประโยชน์ในการอนุรักษ์สัตว์ใกล้สูญพันธ์ุ

 

 

5. ‘Gringgo Foundation’ พัฒนาประสิทธิภาพการจัดการขยะพลาสติกด้วยการเพิ่มมูลค่า

สตาร์ทอัพจากอินโดนีเซียที่เกิดขึ้นในปี 2014 ด้วยแนวคิดการพัฒนาระบบการจัดการขยะในประเทศให้มีประสิทธิภาพ โดยอาศัยนวัตกรรมและเทคโนโลยีต่างๆ เพื่อช่วยให้คนทำงานเก็บขยะมีรายได้สูงขึ้น แก้ปัญหาการจัดการขยะในประเทศอินโดนีเซียอย่างจริงจัง

 

วิธีการคือ Gringgo ได้พัฒนาแอปพลิเคชันของตัวเอง เพื่อบันทึกข้อมูลการทำงานของคนเก็บขยะ อาศัยการทำงานควบคู่กับแพลตฟอร์ม Data-Science อย่าง ‘Datanest’ เพื่อตรวจจับ และวิเคราะห์ข้อมูลต่างๆ จากภาพถ่าย ซึ่ง Gringgo จะสอนให้ระบบสามารถจำแนกข้อมูลขยะพลาสติกแต่ละประเภทจากภาพ พร้อมระบุข้อมูลมูลค่าของพวกมันได้

 

ผลลัพธ์คือนอกจากระบบจัดการขยะพลาสติกจะมีประสิทธิภาพแล้ว ก็ยังถือเป็นโอกาสเพิ่มรายได้ให้บุคลากรที่ทำหน้าที่เก็บขยะไปในตัวด้วย ซึ่งในเร็วๆ นี้พวกเขาจะทำงานร่วมกับผู้เชี่ยวชาญของ Google AI เพื่อสร้าง AI ในระบบการจัดการขยะของ Gringgo โดยตรง

 

 

6. Live Transcribe และ Project Euphonia เครื่องมือช่วยสื่อสารของผู้มีปัญหาด้านการพูดและผู้พิการ

‘Accessibility’ หรือการทำให้บริการต่างๆ เข้าถึงได้สำหรับคนทุกคนโดยไม่มีข้อจำกัด คือหัวใจหลักในการพัฒนาแพลตฟอร์ม และบริการของ Google มาตั้งแต่ไหนแต่ไร 

 

ปัญหาการสูญเสียความสามารถทางการได้ยิน ถือเป็นหนึ่งในภัยเงียบที่เกิดขึ้นทั่วโลก ทั้งกับผู้ที่พิการตั้งแต่กำเนิด ประสบอุบัติเหตุ ชราภาพ ไปจนถึงป่วยจากโรคภัยไข้เจ็บต่างๆ โดยองค์การอนามัยโลกระบุว่า ปัจจุบันมีผู้ที่ประสบปัญหาการได้ยินมากกว่า 466 ล้านคนทั่วโลก และตัวเลขดังกล่าวจะเพิ่มขึ้นเกือบเท่าตัวเป็น 900 ล้านคนภายในปี 2055 

 

จากแนวคิดของการพัฒนาผลิตภัณฑ์ให้คนทุกคนเข้าถึงได้ บวกกับที่ Google เองก็มีบุคลากรนักวิทยาศาสตร์การวิจัย ดิมิทรี คาเนฟสกี (Dimitri Kanevsky) ซึ่งทำงานให้กับบริษัท พัฒนาเทคโนโลยีการสื่อสาร และการรู้จำเสียงมานานกว่า 30 ปี โดยมีข้อจำกัดด้านการได้ยินเสียงมาตั้งแต่เป็นเด็ก 

 

ทั้งหมดได้นำไปสู่แรงบันดาลใจที่ทำให้ Google พัฒนา ‘Live Transcribe’ แอปพลิเคชันแปลงเสียงที่ได้ยินเป็นข้อความตัวอักษรแบบเรียลไทม์บนหน้าแอปฯ ของสมาร์ทโฟนแอนดรอยด์ โดยปัจจุบันรองรับการใช้งานมากถึง 70 ภาษา (มีภาษาไทยด้วย) ให้ความแม่นยำในระดับที่สูงพอสมควร แม้ว่าผู้ใช้จะมีปัญหาด้านการออกเสียงและการพูดก็ตาม

 

ส่วนสเตปต่อไปนอกจากจะพัฒนาให้รองรับการจำแนกสำเนียงภาษาที่หลากหลาย และมีอัตราความแม่นยำของการแปลงเสียงเป็นตัวอักษรที่เพิ่มขึ้นแล้ว Google ยังตั้งใจจะขยายฟีเจอร์การใช้งานนี้ออกไปยังบริการ และแอปพลิเคชันอื่นๆ ให้หลากหลายอีกด้วย

 

 

ฝั่ง Project Euphonia เป็นเครื่องมือ AI ช่วยเหลือผู้ที่มีปัญหาด้านการพูด ให้สามารถกลับมาสื่อสารเหมือนคนปกติทั่วไป ทั้งผู้ป่วยโรคกล้ามเนื้ออ่อนแรง (ALS), โรคพาร์กินสัน (Parkinson), บาดเจ็บทางสมอง หรือโรคหลอดเลือดสมอง (Stroke) เป็นต้น

 

วิธีการคือนำ AI เข้ามาใช้แยกแยะรูปแบบข้อมูลกราฟเสียงสเปกโตรแกรมของผู้ป่วยโรคกล้ามเนื้ออ่อนแรง ผ่านการทำงานร่วมกับองค์กรไม่แสวงหากำไรอย่าง ALS Therapy Development Institute (ALS TDI) และ ALS Residence Initiative (ALSRI) เพื่อนำข้อมูลเสียงของผู้ป่วยมาศึกษาแพตเทิร์น และรูปแบบการพูด คำ และประโยคต่างๆ เพื่อช่วยแปลงเสียงเป็นประโยคคำพูดที่พวกเขาต้องการจะสื่อสารได้แม่นยำ พังทลายข้อจำกัดอุปสรรคด้านการสื่อสารที่เคยมีลง

 

พิสูจน์อักษร: ลักษณ์นารา พักตร์เพียงจันทร์