วันอาทิตย์ที่ 14 มิถุนายน พ.ศ. 2569

หุ่นยนต์เหมือนคนเตรียมบริหารร้านสะดวกซื้อในฮ่องกง

robot-working-in-kitchen
ภาพจาก Interesting Engineering โดย Atharva Gosavi

ฮ่องกงเตรียมเปิดตัวร้านสะดวกซื้อรูปแบบแคปซูลที่ดำเนินการโดยหุ่นยนต์เหมือนคน (Humanoid Robot) ตลอด 24 ชั่วโมงเป็นแห่งแรก ซึ่งเป็นส่วนหนึ่งของความพยายามในวงกว้างที่จะส่งเสริมให้สาธารณชนหันมาเปิดรับและใช้งาน AI มากขึ้น

ร้านค้าที่ขับเคลื่อนด้วยหุ่นยนต์นี้ได้รับการพัฒนาโดยบริษัท AI เชิงกายภาพ (embodied AI) จากจีนแผ่นดินใหญ่ โดยหุ่นยนต์จะทำหน้าที่ให้บริการลูกค้าได้หลากหลายภาษา และจำหน่ายสินค้าประเภทต่างๆ ซึ่งการเปิดร้านในครั้งนี้จะทำหน้าที่เป็นเวทีสาธิตการใช้งานจริงของเทคโนโลยี AI เชิงกายภาพในโลกยุคปัจจุบัน

อ่านข่าวเต็มได้ที่: Interesting Engineering โดย Atharva Gosavi

วันเสาร์ที่ 13 มิถุนายน พ.ศ. 2569

OpenAI ยื่น IPO แล้ว

OpenAI
Photo by Levart_Photographer on Unsplash

OpenAI ประกาศว่าบริษัทได้ยื่นแบบแสดงรายการข้อมูลการเสนอขายหลักทรัพย์ (S-1) แบบลับ สำหรับการเตรียมเสนอขายหุ้นต่อประชาชนทั่วไปเป็นครั้งแรก (IPO) แล้ว อย่างไรก็ตาม ทางบริษัทย้ำว่ายังไม่มีการกำหนดกรอบเวลาที่แน่ชัดสำหรับกระบวนการดังกล่าว

การยื่นเอกสารในครั้งนี้เกิดขึ้นเพียงหนึ่งสัปดาห์หลังจากที่คู่แข่งคนสำคัญอย่าง Anthropic ได้ยื่นเอกสาร IPO ของตนเอง ซึ่งสะท้อนให้เห็นถึงการเติบโตและการเปลี่ยนแปลงอย่างรวดเร็วในภาคธุรกิจ AI 

ทั้งนี้ OpenAI มีมูลค่าบริษัทพุ่งสูงขึ้นไปแตะระดับประมาณ 8.52 แสนล้านดอลลาร์สหรัฐ (852 billion) หลังจากการระดมทุนรอบใหญ่เมื่อเดือนมีนาคมที่ผ่านมา

อ่านข่าวเต็มได้ที่: NBC News โดย Steve Kopack

วันศุกร์ที่ 12 มิถุนายน พ.ศ. 2569

Anthropic เผยแพร่เวอร์ชัน 'ปลอดภัย' ของโมเดล AI Claude Mythos สู่สาธารณะ

Claude
Photo by Aerps.com on Unsplash

Anthropic ได้เปิดตัว Fable 5 ซึ่งเป็นเวอร์ชันสาธารณะของโมเดล AI ขั้นสูงในตระกูล Mythos อย่างไรก็ตาม บริษัทยังคงจำกัดการเข้าถึงโมเดลตัวเต็มที่มีขีดความสามารถสูงสุดอย่าง Mythos 5 ไว้เฉพาะสำหรับองค์กรที่ผ่านการอนุมัติเท่านั้นเนื่องจากความกังวลด้านความปลอดภัยทางไซเบอร์

สำหรับ Fable 5 ได้รับการออกแบบมาเพื่อรองรับงานทั่วไป เช่น การเขียนโค้ด งานวิจัย และการวิเคราะห์รูปภาพ แต่หากมีคำขอที่อ่อนไหวหรือมีความเสี่ยงสูงที่เกี่ยวข้องกับความปลอดภัยทางไซเบอร์ ชีววิทยา หรือเคมี ระบบจะส่งต่อคำขอนั้นไปยังโมเดลในระดับที่ต่ำกว่าและมีความสามารถน้อยกว่าโดยอัตโนมัติ เพื่อความปลอดภัย

อ่านข่าวเต็มได้ที่: The Guardian (U.K.)

วันเสาร์ที่ 6 มิถุนายน พ.ศ. 2569

Anthropic ยื่นเอกสารเบื้องต้นสำหรับการเสนอขายหุ้น IPO ของบริษัท

Antropic
 ภาพจาก NPR โดย John Ruwitch 

Anthropic ได้ยื่นเอกสารเบื้องต้นแบบลับ (Confidential filing) สำหรับการเสนอขายหุ้นต่อสาธารณชน   ทั่วไปเป็นครั้งแรก (Initial Public Offering) หรือ IPO ต่อสำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ของสหรัฐฯ (SEC) ซึ่งถือเป็นก้าวแรกในการเปลี่ยนผ่านสู่การเป็นบริษัทมหาชนในตลาดหลักทรัพย์

ทางบริษัทเปิดเผยว่า การเสนอขายหุ้นในครั้งนี้ยังคงต้องขึ้นอยู่กับการตรวจสอบของหน่วยงานกำกับดูแล สภาวะตลาด และปัจจัยอื่นๆ โดยในขณะนี้ยังไม่มีการกำหนดจำนวนหุ้นและราคาที่จะเสนอขายแต่อย่างใด

อ่านข่าวเต็มได้ที่: NPR โดย John Ruwitch 

วันศุกร์ที่ 5 มิถุนายน พ.ศ. 2569

ผู้นำในวงการเทคโนโลยีร่วมลงนามในจดหมายเพื่อป้องกันการพัฒนาอาวุธชีวภาพด้วยปัญญาประดิษฐ์ (AI)

binary-digit
ภาพจาก Wired โดย Emily Mullin 

Demis Hassabis จาก Google DeepMind, Sam Altman จาก OpenAI, Dario Amodei จาก Anthropic และ Mustafa Suleyman จาก Microsoft AI เป็นหนึ่งในผู้ร่วมลงนามในจดหมายเปิดผนึกที่ยื่นต่อสภาคองเกรสแห่งสหรัฐฯ เพื่อเรียกร้องให้มีข้อบังคับให้ผู้ให้บริการ DNA และ RNA สังเคราะห์ ต้องทำการตรวจสอบประวัติลูกค้าและคำสั่งซื้อ เพื่อป้องกันความเสี่ยงในการนำไปใช้ในทางที่ผิด

กลุ่มผู้ลงนามได้เตือนว่า เทคโนโลยี AI ที่กำลังก้าวหน้าอย่างรวดเร็วอาจช่วยลดกำแพงด้านความรู้ลง ซึ่งในอดีตกำแพงนี้เป็นสิ่งสำคัญที่ช่วยสกัดกั้นไม่ให้ผู้ไม่ประสงค์ดีสามารถพัฒนาอาวุธชีวภาพขึ้นมาได้

อ่านข่าวเต็มได้ที่: Wired โดย Emily Mullin 

วันพฤหัสบดีที่ 4 มิถุนายน พ.ศ. 2569

เรดาร์สามารถแยกแยะความแตกต่างระหว่างแมลงชนิดต่าง ๆ ได้

a-researcher-in-field
ภาพจาก  IEEE Spectrum โดย Charles Q. Choi

ทีมนักวิจัยในยุโรปได้พัฒนาระบบเรดาร์คลื่นมิลลิเมตร (millimeter-wave radar) ที่สามารถระบุชนิดของแมลงผสมเกสรได้โดยไม่ต้องจับตัวหรือสร้างความเสียหายใดๆ แก่พวกมัน

แทนที่จะพึ่งพากล้องถ่ายภาพซึ่งมักมีข้อจำกัดด้านแสง สภาพอากาศ และการเคลื่อนไหว ระบบนี้จะใช้วิธีวิเคราะห์การสะท้อนของคลื่นเรดาร์ที่เกิดจากการขยับปีกของแมลง หรือที่เรียกว่า "สัญญาณไมโคร-ดอปเปลอร์" (micro-Doppler signatures) โดยการใช้ระบบการเรียนรู้ของเครื่อง (Machine Learning) ที่ผ่านการฝึกฝนกับแมลงผสมเกสร 5 สายพันธุ์ ทำให้โมเดลนี้มีความแม่นยำในการระบุสายพันธุ์สูงถึง 85% และมีความแม่นยำในการแยกแยะระหว่างผึ้งกับตัวต่อสูงถึง 96%

อ่านข่าวเต็มได้ที่: IEEE Spectrum โดย Charles Q. Choi

วันพุธที่ 3 มิถุนายน พ.ศ. 2569

ขอบเขตของพื้นที่เกษตรกรรมทั่วโลกเปิดเผยต่อสาธารณะแล้ว

Fileds-Boundaries
ภาพจาก  The Source (Washington University in St. Louis) โดย Beth Miller

ทีมนักวิจัยจาก Washington University ใน St. Louis, Taylor Geospatial และห้องปฏิบัติการ Microsoft AI for Good Lab ได้ร่วมกันสร้างแผนที่ขอบเขตพื้นที่เกษตรกรรมระดับโลกฉบับแรกขึ้นมา พร้อมทั้งเปิดให้สาธารณะสามารถเข้าถึงเครื่องมือ AI เชิงภูมิสารสนเทศ (Geospatial AI) เพื่อใช้ในการติดตามตรวจสอบภาคเกษตรกรรมทั่วโลก

โครงการนี้มีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพในการทำแผนที่พืชพรรณ การประเมินผลผลิต การติดตามศัตรูพืช และการสร้างความมั่นคงทางอาหาร โดยการใช้ AI เข้ามาช่วยระบุพิกัดแปลงเกษตรกรรม ซึ่งระบบสามารถทำงานได้อย่างแม่นยำแม้ว่าขนาดของพื้นที่และแนวทางปฏิบัติในการทำฟาร์มของแต่ละภูมิภาคทั่วโลกจะมีความแตกต่างกันอย่างมากก็ตาม

อ่านข่าวเต็มได้ที่: The Source (Washington University in St. Louis) โดย Beth Miller

วันอังคารที่ 2 มิถุนายน พ.ศ. 2569

แฮกเกอร์สามารถเจาะเข้าไปในเซิร์ฟเวอร์ AI ได้ด้วยเสาอากาศทั่วไป

data-center
ภาพจาก Popular Science โดย Yook JiHun

ทีมนักวิจัยในประเทศเกาหลีใต้ สิงคโปร์ และจีน ได้สาธิตเทคนิคการแฮกข้อมูลที่สามารถถอดและสร้างโครงสร้างสถาปัตยกรรมของโมเดล AI ขึ้นมาใหม่ได้ โดยการดักจับสัญญาณแม่เหล็กไฟฟ้าที่รั่วไหลออกมาจากชิปประมวลผลกราฟิก (GPU)

การโจมตีนี้ใช้เพียงแค่เสาอากาศและเครื่องรับสัญญาณแม่เหล็กไฟฟ้าที่มีวางจำหน่ายทั่วไป ซึ่งทั้งสองสิ่งนี้มีขนาดเล็กพอที่จะใส่ในกระเป๋าเป้ได้ โดยผู้โจมตีสามารถระบุชั้นข้อมูล (layers) และค่าพารามิเตอร์ต่างๆ ของโมเดล AI ได้อย่างแม่นยำสูงถึง 97.6% แม้ว่าจะดำเนินการผ่านกำแพงคอนกรีตหรืออยู่ห่างออกไปหลายเมตรก็ตาม

อ่านข่าวเต็มได้ที่: Popular Science โดย Yook JiHun

วันจันทร์ที่ 1 มิถุนายน พ.ศ. 2569

เว็บไซต์มีวิธีใหม่ในการสอดแนมผู้เข้าชม: ด้วยการวิเคราะห์การทำงานของ SSD

SSD
ภาพจาก Ars Technica โดย Dan Goodin

นักวิจัยในประเทศออสเตรียได้พัฒนาเทคนิคการติดตามผ่านเว็บเบราว์เซอร์ที่สามารถอนุมานได้ว่าผู้ใช้กำลังเปิดเว็บไซต์หรือแอปพลิเคชันใดอยู่บนอุปกรณ์ โดยอาศัยการวัดความคลาดเคลื่อนเพียงเล็กน้อยของเวลาในการตอบสนอง (timing interactions) ของฮาร์ดดิสก์แบบ Solid-State Drive (SSD)

การโจมตีนี้ใช้ประโยชน์จาก contention side channel โดยใช้ภาษา JavaScript และระบบ Origin Private File System ของเบราว์เซอร์ เพื่อเฝ้าติดตามความหน่วงในการอ่าน-เขียนข้อมูล (input-output latency) ของ SSD จากนั้นจึงนำรูปแบบที่ได้ไปวิเคราะห์ด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Network - CNN) ซึ่งเทคนิคนี้ทำงานภายในเบราว์เซอร์ทั้งหมดและไม่จำเป็นต้องอาศัยการปฏิสัมพันธ์ใดๆ จากผู้ใช้เลย

อ่านข่าวเต็มได้ที่: Ars Technica โดย Dan Goodin

วันอาทิตย์ที่ 31 พฤษภาคม พ.ศ. 2569

Apple เปิดเผยซอร์สโค้ดของระบบเข้ารหัสที่ทนทานต่อควอนตัม

Apple's CoreCrypto
ภาพจาก Help Net Security โดย Anamarija Pogorelec

 

Apple ได้ทำการเปิดซอร์สโค้ด (Open-source) ของชุดโปรแกรมเข้ารหัสลับหลังยุคควอนตัม (Post-Quantum Cryptography - PQC) ในคลังโปรแกรม corecrypto ร่วมกับบทพิสูจน์ทางคณิตศาสตร์และเครื่องมือตรวจสอบ ความเคลื่อนไหวในครั้งนี้มีวัตถุประสงค์เพื่อรองรับการปกป้องข้อมูลจากคอมพิวเตอร์ควอนตัมในอนาคต ซึ่งอาจมีศักยภาพในการเจาะระบบเข้ารหัสแบบกุญแจสาธารณะ (Public-key Encryption) ที่ใช้งานอยู่ในปัจจุบันได้

ทั้งนี้ Corecrypto เป็นขุมพลังหลักที่ทำหน้าที่ขับเคลื่อนระบบการเข้ารหัส, การแฮช (Hashing), ลายเซ็นดิจิทัล (Digital Signatures), และการสุ่มตัวเลข (Random Number Generation) บนระบบปฏิบัติการและบริการทั้งหมดของ Apple ซึ่งถูกใช้งานในอุปกรณ์ที่เปิดใช้งานอยู่ทั่วโลกมากกว่า 2.5 พันล้านเครื่อง

อ่านข่าวเต็มได้ที่: Help Net Security โดย Anamarija Pogorelec

ลาก่อนและขอบคุณอาร์เน่อ สล็อต

เมื่อสัปดาห์ก่อน ผมสรุปส่งท้ายว่าเราคงต้องอยู่กับอาร์เน่อ สล็อตไปก่อนอย่างน้อยช่วงหนึ่งในฤดูกาลหน้า แต่เมื่อเย็นวานข่าวออกมารัว ๆ ว่าเรากับอาร์เน่อแยกทางกันเรียบร้อย 


ภาพโดย Timmy96, CC0, via Wikimedia Commons

การแยกทางกับอาร์เน่อสำหรับผมก็ถือว่าเป็นสิ่งที่ควรทำนะครับ อย่างที่เขียนไปในบล็อกที่แล้วว่าเพราะอะไร ยิ่งในนัดปิดฤดูกาลเราก็คงเห็นว่าทีมเราไม่มีอะไรที่พอจะมีความหวังว่าฤดูกาลหน้าจะดีขึ้นได้เลย เล่นดีอยู่แป๊ปนึง จากนั้นก็เป็นรองลงเรื่อย ๆ ขึ้นนำปุ๊ปก็เสียคืนปั๊ป แล้วก็ไม่มีแรงกระตุ้นเอาจริง ๆ เกือบแพ้คาบ้านส่งท้ายการอำลาสองตำนาน แค่เสมอด้วยฟอร์มแบบนั้นก็แย่แล้ว ถ้าแพ้นี่ไม่อยากจะพูดเลยว่าบรรยากาศจะเป็นยังไง

อาร์เน่อยังเปลี่ยนตัวมั่วเหมือนเดิม ตั้งแต่เริ่มต้นยันนัดสุดท้าย และผมก็ไม่แน่ใจนะว่าจริง ๆ การตัดสินใจว่าเขาไม่ได้อยู่ต่อมันอาจมาก่อนเริ่มเกมนั้นแล้ว และเขาก็อาจจะรู้ จึงดูเหมือนไม่กระตือรือร้นที่จะทำอะไร และช่วงอำลาสองตำนาน ขอบคุณแฟนบอล ก็เลือกที่จะนั่งดูอยู่บนม้านั่งสำรอง ซึ่งยิ่งเห็นความไม่เป็นพวกพ้อง ไม่เป็นหนึ่งเดียวกับทีม 

ผมไม่แน่ใจว่าการจะไม่ไปต่อกับอาร์เน่อมันเกิดขึ้นเมื่อไหร่ แต่ถ้าเกิดก่อนนี้มาสักสองสามสัปดาห์ แสดงว่าผู้บริหารสโมสรเราไม่เคยสนใจ ซาบี้ อลอนโซ่ เลย ปล่อยให้เขาไปอยู่กับเชลซี ซึ่งในมุมของผมและคิดว่าเดอะค็อปหลายคนก็น่าจะเสียดายนะ เพราะด้วยโปรไฟล์เขาพร้อมทุกอย่าง เคยคว้าแชมป์บุนเดสลีก้าแบบไร้พ่าย เคยใช้งานทั้งเวียร์ตซ์ และฟริมปง ได้อย่างมีประสิทธิภาพ แต่สิ่งที่ไม่พร้อมในสายตาบอร์ดอาจะเป็นเรื่องที่เขาต้องการเป็นผู้จัดการทีม ไม่ใช่แค่เป็นหัวหน้าโค้ช 

เต็งหนึ่งที่จะเข้ามาเป็นหัวหน้าโค้ชคนต่อไปของเราคือ อิราโอลา อดีตโค้ช บอร์นมัธ ซึ่งถ้าถามว่าผมดีใจไหม ก็บอกว่าเฉย ๆ นะ (แต่ก็คิดว่าดีกว่ายอมไปต่อกับอาร์เน่อ) คือสไตล์การเล่นของทีมบอร์นมัธ มันก็ดูเหมือนทีมเรา ดังนั้นทีมเราก็อาจกลับมาเล่นสนุกและมีคาแรกเตอร์ชัดเจน ไม่อะไรหว่าเหมือนตอนนี้ 


AFC Bournemouth, CC BY 3.0 <https://creativecommons.org/licenses/by/3.0>, via Wikimedia Commons

แต่เอาจริง ๆ จากประสบการณ์ก็เห็นแล้วว่าโค้ชที่ดูดีกับทีมกลาง ๆ แต่พอมาคุมทีมใหญ่แล้วก็ไปได้ไม่ถึงไหน ตัวอย่างใกล้สุดคือเชลซี ที่ไปเอาแกรม พอร์ตเตอร์ ที่ทำได้ดีกับไบรจ์ตันมา แต่พอมาเชลซีแล้วก็ไม่รอด  เราก็เคยมีประสบการณ์กับ เบร็นดอน รอดเจอร์ มาแล้ว ตอนคุมสวอนซี ก็ดูดี พอมาอยู่กับเราก็ไปได้ไม่สุด และอิราโอลา ยังไม่เคยคว้าแชมป์อะไรเลยนะ ยังไงก็ขอให้คิดผิดแล้วกัน ถ้าได้เขาหรือใครก็ตามก็ต้องเชียร์อยู่แล้ว ก็ขออย่าให้เป็นลูปเปลี่ยนโค้ชไปเรื่อย ๆ แล้วไม่ดีขึ้น เหมือนแมนยู เชลซี และสเปอร์เลยนะ

เรื่องมุมมองตัวเองกับอิราโอลา คิดว่าอาจจะแยกเขียนเป็นอีกบล็อกดีกว่า เพราะยังไม่แน่นอนว่าใช่เขาจริงไหม และบล็อกนี้อยากส่งท้ายอำลาอาร์เน่อมากกว่า

ก็ขอขอบคุณอาร์เน่อ สล็อต ที่เข้ามาพาทีมคว้าแชมป์ลีกสูงสุดสมัยที่ 20 ให้กับสโมสร ไม่มีใครจะลืมผลงานสุดยอดนั้นได้ ถึงแม้การอยู่ด้วยกันมันจะสั้นกว่าที่คาดไว้ก็ตาม ขอขอบคุณและขอโชคดีกับเส้นทางอาชีพต่อไปนะอาร์เน่อ...  

วันอาทิตย์ที่ 24 พฤษภาคม พ.ศ. 2569

วันปิดฤดูกาล 2025-2026

ผมวางแผนว่าจะโพสต์ให้ได้ทุกวันอาทิตย์ตลอดฤดูกาลนี้  แต่คิดไม่ถึงเลยว่าตัวเองจะยุ่งสุด ๆ จนหาเวลาไม่ได้ และอีกอย่างถึงหาเวลาได้ ก็ไม่มีแรงจูงใจที่จะโพสต์ครับ จากฟอร์มโดยรวมของทีมในฤดูกาลนี้ 

เราเริ่มพรีซีซันด้วยความหวัง เราได้นักเตะที่เราไม่เคยคิดว่าจะได้ ด้วยการทุ่มทุนอย่างที่แทบไม่เคยเห็นมาก่อนจาก FSG แต่สุดท้ายเรากำลังจะปิดฤดูกาลด้วยการต้องลุ้นชนะนัดสุดท้ายเพื่อการันตีที่ 5 หรืออาจจะได้ที่ 4 ขึ้นกับวิลล่าต้องแพ้ด้วย และเราจบอันดับต่ำกว่าคู่แข่งตลอดกาลอย่างแมนยูไนเต็ด ซึ่งฤดูกาลที่แล้วน่าจะอยู่สักอันดับ 15 มีแต้มห่างจากเราราว 40 แต้มได้ และตอนเริ่มต้นฤดูกาลก็ทำท่าจะแย่ด้วย ผลลัพธ์แบบนี้ไม่ใช่สิ่งที่เราคาดหวังแน่ ๆ จากทีมแชมป์เก่า และทีมที่ทุ่มเงินในตลาดนักเตะซื้อสตาร์เข้ามามากมาย นอกจากนี้เรากำลังจะสูญเสียตำนานออกไปอีกสองคนคือ โรเบิร์ตสันกับซาลาห์ ซึ่งกรณีของซาลาห์ เขาต่อสัญญาออกไปกับเรา 2 ปี แต่สุดท้ายเขาเลือกที่จะไป มันต้องมีปัญหาอะไรแน่ ๆ 


Fars Media Corporation, CC BY 4.0 <https://creativecommons.org/licenses/by/4.0>, via Wikimedia Commons

เอาจริง ๆ ซิตี้ก็ไม่ได้แกร่งเหมือนเก่า อาร์เซนอลที่กุนซือแซะเราปีที่แล้วว่าเป็นแชมป์ได้แต้มน้อย (แต่ปีนี้เขาเป็นแชมป์ถ้าชนะนัดสุดท้ายก็ได้มากกว่าเราแต้มเดียว ถ้าไม่ชนะก็น้อยกว่าเราอีก) จริง ๆ ด้วยการเสริมทีมเข้ามาเราควรจะลุ้นได้มากกว่านี้ จริง ๆ ไม่ควรจบต่ำกว่าที่สองด้วยซ้ำ แล้วปัญหามันเกิดจากอะไร 

ส่วนตัวมองว่าฟอร์มของทีมเริ่มไม่เหมือนเดิมตั้งแต่ฤดูกาลที่แล้วแล้ว คือเราเล่นช้าลง คอนโทรลมากขึ้น แต่ก็ยังคงใช้การเพรซซิ่งเหมือนยุคคลอปป์อยู่ ซึ่งมันได้ผลดี ทำให้หลายคนยังยอมรับได้ ถีงจะเริ่มบ่นว่าดูสนุกน้อยลง แต่ก็ยังเป็นลิเวอร์พูลที่คุ้นเคย เหมือนกับเปลี่ยนจาก Rock จ๋า ๆ มาเป็น Pop Rock อะไรประมาณนี้ ซึ่งมันทำให้ทีมนำค่อนข้างห่าง แต่จุดเปลี่ยนจริง ๆ ที่เห็นคือหลังจากเราแพ้ PSG ตกรอบ ทีมดูเล่นช้าลงไปอีก ดูเหมือนอาร์เน่อจะเริ่มคิดมาก และเริ่มพยายามเปลี่ยนลิเวอร์พูล แต่ผลลัพธ์กลับไม่ดีขึ้น  เราสียแต้มในลีกอย่างไม่ควรเสียมากขึ้น ซึ่งตอนนั้นแต้มยังไม่ขาดนะครับ แต่ด้วยความที่ต้นฤดูกาลนำมาเยอะ และซิตี้ก็มีปัญหา ทำให้เรายังคงได้แชมป์  และพอได้แชมป์ มันก็เลยไม่มีใครพูดถึงจุดนี้ 

แต่พอเริ่มฤดูกาลนี้ เราเปิดหัวด้วยการชนะติดกัน 5 นัด แต่ผมคิดว่าแฟนบอลหลายคนเริ่มเห็นแล้วว่า นี่ไม่ใช่ทีมที่เรารู้จัก เราเล่นช้าน่าเบื่อ กองกลางเก็บบอลจังหวะสองสู้คู่แข่งไม่ได้ กองกลางโล่งจนคู่แข่งโต้กลับมาถึงหน้าประตู ส่วนกองกลางอย่างเวียร์ซ ก็ต้องใช้เวลาปรับตัวเรื่องเจอการเล่นหลัก ๆ ในลีก 

กองหลังก็ไม่แน่นเหมือนเดิม ถ้าไม่ได้ประตูทั้งสองคนคือทั้งอลิซอน กับมามาดาชวิลลี ช่วยกันเซฟไว้เราน่าจะโดนเยอะกว่านี้ นี่ขนาดนี้เรายังเสียประตูในลีกไปแล้ว 52 ลูก พูดถึงมามาดาชวิลลี ถึงเขาจะออกบอลด้วยเท้าได้แย่มาก และเป็นเหตุให้เราสียประตูสักสามสี่ลูกได้ ก็ต้องบอกว่ามีจังหวะช่วยเซฟเยอะอยู่นะ แต่ถ้าถามว่าจะเป็นตัวแทนที่ไว้ใจได้ของอลิซอนไหม ตอนนี้ต้องบอกว่าไม่เชื่อมั่นเลย 

ส่วนกองหน้าซาลาห์ก็ฟอร์มตกไปเยอะ กักโปไม่ต้องพูดถึง และกองหน้าราคาแพงที่ซื้อเข้ามาก็มีอิกิติเก้ที่พอจะปรับตัวได้ แต่ก็ดูเหมือนจะไม่ฟิต ดูเปราะเจ็บง่าย สุดท้ายก็ต้องพักยาวไปเลย ส่วนอิซัคก็มีปัญหางอแงกับทีมเดิมจนไม่เคยฟิตพอเลย และยังมาโชคร้ายโดนเสียบหนักจนเจ็บยาวไปอีก เราขายคนที่ไม่ควรขายอย่างดิอาซไป เพราะไม่อยากเพิ่มค่าแรงให้เขา เป็นอะไรที่บ้าบอมาก จริง ๆ ได้อิกิติเก้มาแล้ว ไม่ต้องซื้ออิซัค เพิ่มค่าแรงให้ดิอาซ  เก็บณูนเยสไว้ช่วยไล่แย่งบอล และเขาก็เล่นเข้าจังหวะกับซาลาห์อยู่แล้วด้วย จังหวะเข้าทำน่าจะดีกว่านี้ 

ความจริงก็เริ่มปรากฏเมื่อหลังจากนั้นในลีก 10 นัดถัดมา เราแทบไม่ชนะใครเลย แพ้เยอะมาก โดนยิงก่อนคือรับประกันว่าแพ้ โดนยิงนาทีบาปเป็นประจำ คือทีมเหมือนขาดความมั่นใจ แต่ไปเล่นใน UCL เจอทีมที่ไม่เล่นหนักหรืออุดเหมือนในลีกก็ทำได้ดีเป็นบางนัด แต่นัดที่แพ้ทีมจากฮอลแลนด์หมดรูปนี่ก็ดูไม่จืดเหมือนกัน ถึงใน UCL ยังจบหนึ่งใน 8 ไม่ต้องเพลย์ออฟ แต่ในลีกแย่มาก ทำท่าเหมือนจะกลับมา แต่ก็เต็มที่ชนะติดกันได้สุงสุดสามนัด ด้วยรูปเกมที่ไม่ดี ช้าน่าเบื่อ ไม่รู้เล่นบอลรูปแบบไหน บอกตามตรงดูลิเวอร์พูลฤดูกาลนี้ ผมเปิดคอมทำงาน หรือทำอย่างอื่นไปด้วย เอาจริง ๆ หลาย ๆ ครั้งอยากแค่เปิด livescore มาดูผลก็พอ 

ความน่ากลัวไม่ใช่ทีมแพ้ คือถ้าเล่นมีรูปทรงแล้วมันดวงแตกจริง ๆ แพ้ได้ แต่เล่นไม่มีทรง และเสียเอกลักษณ์ของทีมไปเรื่อย ๆ ตลอดฤดูกาลที่ผ่านไปนี่มันไม่ใช่ ซึ่งคนรับผิดชอบหลักก็คงไม่พ้นอาร์เนอ สล็อต จะอ้างว่านักเตะต้องปรับตัว นักเตะเจ็บ แต่ประเด็นคือคุณมีทั้งฤดูกาล คุณยังหาทรงทีมไม่เจอเลย หลายคนบอกว่าให้เวลาคลอปป์สร้างทีมตั้งเยอะทำไมไม่อดทนกับอาร์เนอ คำตอบคือทรงบอลของคลอปป์ชัดเจนตั้งแต่แรก และถ้าไม่โชคร้าย เขาน่าจะพาทีมความแชมป์อย่างน้อยลีกคัพ ตั้งแต่ครึ่งฤดูกาลแรกที่เขามาคุมด้วยซ้ำ คือทรงบอลมันชัดแล้วเขาก็เติมเต็มเข้ามาเรื่อย ๆ ได้มาเน่ ซาลาห์ ไวนัลดุม จนสุดท้ายจิ๊กซอว์ที่ทำให้ทุกอย่างลงตัวคือฟานไดจ์ กับอลิซอน คือคุณต้องมีระบบของคุณก่อน แล้วก็ดูว่ายังขาดตรงไหนที่จะทำให้ระบบคุณดีขึ้น แต่นี่ทั้งฤดูกาล ระบบคุณคืออะไร จนแฟนบอลแซวกันว่าจ่ายบอลเป็นรูปตัว U  ระบบที่คลอปป์วางไว้ ฤดูกาลที่แล้วก็ใช้ได้อยู่ จะมาเปลี่ยนมากมายทำไม

จะโทษอาร์เนอคนเดียวก็ไม่ได้ ทีมหลังบ้านอย่างริชาร์ด ฮิวจ์ ก็ต้องโดน อันแรกเลยคือเกฮี เท่าที่จำได้ เป็นชื่อแรกเลยที่บอกนักเตะตกลงสัญญาส่วนตัวเรียบร้อย แต่เป็นบ้าอะไรไม่รู้ ไม่รีบเซ็น ยิ่งไปกว่านั้น พอยังเซ็นไม่ได้ดันรีบขายควอนซาห์ออกไปอีก อีกคนที่ไม่ควรขายคือดิอาซ อันนี้เท่าที่ตามข่าว อาร์เนอก็ขอไม่ให้ขาย แต่พี่แกก็จะขาย มองเรื่องธุรกิจเป็นหลัก คือกะเอาอิซัคมั้ง ทั้งที่จริงได้เอกิติเก้มาแล้ว ตำแหน่งมันทับกันไหม เอาจริง ๆ เก็บดิอาซ กับณูนเยสไว้น่าจะดีกว่า อย่างที่พูดมาแล้ว อีกคนที่น่าสงสารคือเอเลียต เอาจริง ๆ ถ้าวิลล่าจะไม่ซื้อ เอากลับมาให้โอกาสเขาเป็นตัวหมุนน่าจะดีกว่า แต่อันนี้ไม่รู้อาร์เน่อไม่เอาเองด้วยหรือเปล่า 



ภาพโดย Timmy96, CC0, via Wikimedia Commons

แต่สรุปคนรับผิดชอบหลัก ๆ ก็คืออาร์เนอ เอาจริง ๆ กองกลางของเรานี่น่าจะเป็นขุมกำลังที่มีนักเตะเจ็บน้อยที่สุดแล้ว แม็คอัลลิสเตอร์อาจจะฟอร์มตก แต่คนที่เหลือก็ยังเล่นได้ ดังนั้นมันควรจะปรับจูนได้ดีที่สุด แต่ทั้งฤดูกาลกองกลางเราสู้ใครแทบไม่ได้เลย แล้วมันก็เป็นปัญหาที่นำมาสู่การเสียประตู แค่ตัดบอลได้แทงบอลทีทะลุมาถึงหลังเลย แล้วหลังเราก็ขยันแจกโชค 

ดังนั้นอาร์เนอจะมาเรียกร้องขอเวลา สัญญาว่าฤดูกาลหน้าซื้ออีกคนสองคนกลับมาแน่ มันก็เลยทำให้คนไม่เชื่อ คือถ้าคุณทำบอลมีทรง แล้วทุกคนเห็นว่าเออมันเป็นเพราะมีคนเจ็บจริง ๆ นะที่ทำให้เป็นแบบนี้ เหมือนที่คลอปป์เคยเจอ แฟนบอลก็คงไม่โห่ไล่หรอก แฟนบอลลิเวอร์พูลในแอนฟิลด์น่าจะเป็นแฟนบอลที่อดทนที่สุดแล้ว การที่คุณโดนโห่มันก็คงต้องพิจารณาตัวเอง 

ส่วนตัวไม่เชื่ออาร์เนอ คนที่อยากได้อย่างอลอนโซ่ ตอนนี้ก็ไม่ได้แล้ว ส่วนอาริโอลาของบอร์มัธ ก็เฉย ๆ นะ กลัวเป็นเหมือนร็อดเจอร์ แต่ถ้าต้องลองกันสักตั้งก็กัดฟันว่าเอานะ คือความเชื่อในตัวอาร์เนอมันไม่มีแล้ว และยิ่งฟังการสัมภาษณ์ยิ่งแล้วไปใหญ่ ดังนั้นถ้าจะต้องเริ่มต้นใหม่ก็ขอเริ่มกับคนใหม่แล้วกัน ถ้าได้เบอร์ใหญ่อย่างหลุยส์ เอนริเก้ นี่จะเซอร์ไพรส์มาก 

ถ้ากลับมาในโลกของความจริง เราคงต้องเริ่มต้นกับอาร์เนอในฤดูกาลหน้าแหละ แต่จะได้อยู่ไปจนจบไหม และลิเวอร์พูลจะเป็นยังไงก็ต้องไปลุ้นกัน ถ้าเขาพาทีมไปไม่รอดเราจะได้คนที่สามารถชุบชีวิตทีมได้เหมือนคลอปป์ไหม หรือจะวนลูปเหมือนแมนยูเปลี่ยนคนนั้นคนนี้ไปเรื่อย ๆ แต่ยังไงก็หวังว่าอย่าให้ได้เลวร้ายจนต้องมาหนีตกชั้นเหมือนสเปอร์ในฤดูกาลนี้เลยนะ   

ถ้าจะต้องเริ่มฤดูกาลหน้าด้วยอาร์เนอหรือใครก็ตาม สิ่งที่ปรารถนาสูงสุดคือ ขอให้พาลิเวอร์พูลกลับมาเป็นทีมเดิม ที่วิ่งไล่บดบี้คู่แข่ง คิดเร็วทำเร็ว กลายเป็นทีมที่น่ากลัวสำหรับทุกทีม กลับมาเป็นแชมป์ หรืออย่างน้อยก็ต้องได้ลุ้นไปจนจบฤดูกาล และถ้าคนที่ทำได้เป็นอาร์เนอ ผมจะมาเขียนบทความขอโทษที่ไม่เชื่อใจ...  

วันพุธที่ 25 มีนาคม พ.ศ. 2569

ชิปที่ทำงานตลอดเวลา ตรวจจับใบหน้าได้ในเวลาน้อยกว่าหนึ่งมิลลิวินาที

Closed-Up-Face
ภาพจาก IEEE Spectrum โดย Katherine Bourzac

ทีมนักวิจัยจาก Nvidia ได้พัฒนาระบบ Computer Vision แบบเปิดใช้งานตลอดเวลา (Always-on) ที่ใช้พลังงานต่ำเป็นพิเศษ โดยมีความสามารถในการตรวจจับใบหน้ามนุษย์ได้ภายในเวลาไม่ถึง 1 มิลลิวินาที

ชิปตัวนี้ถูกออกแบบมาเพื่อใช้ในอุปกรณ์ต่างๆ เช่น แล็ปท็อป ยานยนต์ไร้คนขับ (Autonomous vehicles) และหุ่นยนต์ โดยสามารถลดการใช้พลังงานลงได้อย่างมหาศาลผ่านแนวทางที่เรียกว่า “Race to sleep” ซึ่งเป็นการประมวลผลข้อมูลอย่างรวดเร็วแล้วรีบตัดเข้าสู่โหมดพักการทำงานทันที

ในขณะที่ระบบประมวลผลภาพทั่วไปมักต้องใช้กำลังไฟฟ้าประมาณ 10 วัตต์ แต่ระบบใหม่นี้ใช้กำลังไฟฟ้าน้อยกว่า 5 มิลลิวัตต์ และยังสามารถระบุส่ามีใบหน้ามนุษย์อยู่หรือไม่ได้ด้วยความแม่นยำสูงถึงประมาณ 99%

อ่านข่าวเต็มได้ที่: IEEE Spectrum โดย Katherine Bourzac

วันอังคารที่ 24 มีนาคม พ.ศ. 2569

ArXiv ประกาศความเป็นอิสระจาก Cornell

arxiv-org
ภาพจาก Science โดย Jeffrey Brainard 

ในวันที่ 1 กรกฎาคมนี้ arXiv.org ผู้ให้บริการเผยแพร่บทความวิชาการก่อนการตีพิมพ์ (Preprint) จะเปลี่ยนสถานะเป็นบรรษัทไม่แสวงหากำไรที่เป็นอิสระ (Independent nonprofit corporation) หลังจากที่ได้รับการดูแลโดย Cornell University มานานกว่า 2 ทศวรรษ

Greg Morrisett จาก Cornell Tech ระบุว่า การเปลี่ยนแปลงในครั้งนี้จะช่วยให้ arXiv สามารถระดมทุนได้มากขึ้นจากกลุ่มผู้บริจาคที่หลากหลาย เพื่อสนับสนุนจำนวนงานวิจัยในรูปแบบ Preprints ที่เพิ่มสูงขึ้นเรื่อยๆ นอกจากนี้ เขายังกล่าวเสริมว่า เงินทุนดังกล่าวจะช่วยให้ arXiv สามารถรับมือกับการเกิดขึ้นของ "slop" หรือเนื้อหาขยะที่สร้างขึ้นโดย AI ได้อีกด้วย

อ่านข่าวเต็มได้ที่: Science โดย Jeffrey Brainard 

วันจันทร์ที่ 23 มีนาคม พ.ศ. 2569

เงินเดือนของบุคลากรด้านเทคโนโลยีหลักของญี่ปุ่นถูกกว่าของมาเลเซียแล้ว

Jaoan-Malaysia-Flags
ภาพจาก Nikkei Asia (Japan) โดย Tsubasa Suruga

ข้อมูลจาก Hays Specialist Recruitment Japan พบว่า อัตราเงินเดือนในตำแหน่งงานหลักด้านเทคโนโลยีของประเทศมาเลเซียได้พุ่งสูงขึ้นจนแซงหน้าตำแหน่งงานลักษณะเดียวกันในประเทศญี่ปุ่นเป็นครั้งแรก ท่ามกลางการแข่งขันที่รุนแรงขึ้นและภาคส่วนกึ่งตัวนำ (Semiconductor) ที่กำลังเติบโตอย่างรวดเร็วของมาเลเซีย

เพดานเงินเดือนระดับสูงสุดในมาเลเซียพุ่งขึ้นไปถึง 28 ล้านเยน (ประมาณ 176,000 ดอลลาร์สหรัฐ) สำหรับทั้งตำแหน่ง CTO และ IT directors ในขณะที่ตำแหน่งเดียวกันนี้ในญี่ปุ่นมีอัตราเงินเดือนอยู่ที่ 26 ล้านเยน (ประมาณ 163,000 ดอลลาร์สหรัฐ) และ 25 ล้านเยน (ประมาณ 157,000 ดอลลาร์สหรัฐ) ตามลำดับ

อ่านข่าวเต็มได้ที่: Nikkei Asia (Japan) โดย Tsubasa Suruga

วันอาทิตย์ที่ 22 มีนาคม พ.ศ. 2569

นักวิจัยค้นพบสปายแวร์ของไอโฟน

iphone
Photo by Bagus Hernawan on Unsplash

ตามรายงานการวิเคราะห์ร่วมกันจากนักวิจัยของบริษัทไซเบอร์ Lookout, บริษัทความปลอดภัยบนมือถือ iVerify และ Google ระบุว่า ในช่วงไม่กี่สัปดาห์ที่ผ่านมามีการฝังช่องโหว่ซอฟต์แวร์ (Software exploit) ที่สามารถเจาะและขโมยข้อมูลจาก iPhones ไว้บนเว็บไซต์หลายสิบแห่งในประเทศยูเครน

นักวิจัยค้นพบมัลแวร์ชื่อ “Darksword” ซึ่งถูกส่งไปยังผู้ใช้ iPhone ที่รันระบบปฏิบัติการ iOS เวอร์ชัน 18.4 ถึง 18.6.2 ซึ่งเป็นเวอร์ชันที่ปล่อยออกมาในช่วงระหว่างเดือนมีนาคมถึงสิงหาคม 2025 ทั้งนี้ Apple ได้ออกแพตช์ (Patches) เพื่อแก้ไขช่องโหว่ดังกล่าวแล้ว อย่างไรก็ตาม คาดการณ์ว่ายังมี iPhones อีกประมาณ 220 ล้านถึง 270 ล้านเครื่องที่ยังคงใช้งาน iOS เวอร์ชันที่มีความเสี่ยงอยู่

อ่านข่าวเต็มได้ที่: Reuters โดย A. J. Vicens

วันเสาร์ที่ 21 มีนาคม พ.ศ. 2569

ผู้เล่น 'Pokémon Go' ไม่รู้ตัวว่ากำลังฝึกหุ่นยนต์ส่งของด้วยภาพกว่าสามหมื่นล้านภาพ

pokemon-go-player
ภาพจาก Popular Science โดย Mack DeGeurin

Niantic Spatial บริษัทด้าน AI ผู้อยู่เบื้องหลังการพัฒนาเกม Pokémon Go ได้ประกาศความเป็นพันธมิตรกับ Coco Robotics โดยทาง Coco จะนำระบบระบุตำแหน่งด้วยภาพ (Visual Positioning System หรือ VPS) ของ Niantic มาใช้เพื่อเพิ่มประสิทธิภาพให้กับหุ่นยนต์ส่งอาหารและสินค้าอุปโภคบริโภคระยะใกล้ ในพื้นที่ที่สัญญาณ GPS ไม่เสถียร

ไฮไลท์สำคัญคือ โมเดล VPS นี้ถูกฝึกฝนด้วยรูปภาพมากกว่า 3 หมื่นล้านรูป ที่ผู้เล่นเกม Pokémon Go ถ่ายและส่งเข้ามาเพื่อแลกกับรางวัลในเกม ข้อมูลมหาศาลนี้ถูกนำมาสร้างเป็นโมเดล 3 มิติของสถานที่สำคัญต่างๆ (landmarks) ซึ่งจะช่วยให้หุ่นยนต์ส่งของของ Coco สามารถระบุตำแหน่งของตัวเองได้

อ่านข่าวเต็มได้ที่: Popular Science โดย Mack DeGeurin

วันศุกร์ที่ 20 มีนาคม พ.ศ. 2569

เทคโนโลยี BCI ช่วยให้ผู้พิการทางร่างกายสามารถส่งข้อความได้เร็วเหมือนความเร็วปกติ

brain-gate
ภาพจาก Scientific American โดย Tanya Lewis

ส่วนเชื่อมต่อสมองกับคอมพิวเตอร์ (Brain-Computer Interface) หรือ BCI ที่พัฒนาโดยกลุ่มนักวิจัย BrainGate Consortium ช่วยให้ผู้ป่วยที่เป็นอัมพาตสามารถพิมพ์ข้อความโดยใช้เพียงความคิดได้ด้วยความเร็วสูงสุดถึง 22 คำต่อนาที ซึ่งใกล้เคียงกับความเร็วในการพิมพ์ข้อความบนสมาร์ทโฟนโดยทั่วไป

ระบบนี้ใช้การฝังอิเล็กโทรด (implanted electrodes) เพื่อตรวจจับสัญญาณกิจกรรมของประสาทจากส่วนควบคุมการเคลื่อนไหวของสมอง (motor cortex) และประยุกต์ใช้ AI ในการทำนายการเคลื่อนไหวนิ้วมือที่ผู้ป่วยตั้งใจจะกดบนแป้นพิมพ์แบบ QWERTY

อย่างไรก็ตาม เทคโนโลยีนี้ยังมีข้อจำกัดเนื่องจากจำเป็นต้องมีการปรับจูนค่า (calibrate) ระบบ BCI ใหม่ทุกครั้งก่อนเริ่มใช้งาน

อ่านข่าวเต็มได้ที่: Scientific American โดย Tanya Lewis

วันพฤหัสบดีที่ 19 มีนาคม พ.ศ. 2569

สหรัฐฯ บังคับใช้มาตรการคว่ำบาตรต่อโครงการแรงงานทางไกลของเกาหลีเหนือ

North-Korea
Photo by Thomas Evans on Unsplash

กระทรวงการคลังสหรัฐฯ (U.S. Treasury Department) ได้ประกาศคว่ำบาตรบุคคล 6 ราย และบริษัท 2 แห่ง ฐานให้ความช่วยเหลือแผนการของเกาหลีเหนือที่ใช้แรงงาน IT ทางไกล (remote IT workers) เพื่อหาเงินทุนสนับสนุนโครงการอาวุธ

เจ้าหน้าที่ปฏิบัติการของเกาหลีเหนือได้ปลอมตัวเป็นผู้เชี่ยวชาญด้าน IT ที่ถูกกฎหมายในต่างประเทศ โดยมักใช้การขโมยอัตลักษณ์ (stolen identities) และปลอมแปลงเอกสาร เพื่อส่งเงินค่าจ้างกลับไปยังกรุงเปียงยาง (Pyongyang) สำหรับสนับสนุนการพัฒนาอาวุธนิวเคลียร์และขีปนาวุธข้ามทวีป

มีรายงานว่าโครงการดังกล่าวสามารถสร้างรายได้เกือบ 800 ล้านดอลลาร์สหรัฐ ในปี 2024 เพียงปีเดียว โดยแรงงานบางส่วนยังมีการฝังมัลแวร์ (malware) เพื่อขโมยข้อมูลสำคัญของบริษัทนายจ้างอีกด้วย

อ่านข่าวเต็มได้ที่: CBS News โดยNicole Sganga

แนะนำเว็บไซต์เรียนรู้การเรียนรู้ Machine Learning ผ่านการเล่นเกม

สวัสดีครับวันนี้ผมมีเว็บไซต์ที่น่าสนใจที่จะช่วยให้เราเข้าใจกระบวนการพัฒนาโมเดลการเรียนรู้ของเครื่อง (Machine Learning) มาแนะนำให้ลองไปเล่นกันดูครับ นั่นคือ AI Quest จาก Google ครับ ซึ่งเข้าได้จากลิงก์นี้ครับ https://research.google/ai-quests 

ซึ่งเว็บไซต์นี้ก็ตามชื่อครับ คือเขาจะให้เราทำภารกิจ (quest) ด้าน AI เพื่อนำมาสร้างโมเดลการเรียนรู้ของเครื่องเพื่อนำมาแก้ปัญหา โดยเราจะได้เรียนรู้ขั้นตอนเริ่มตั้งแต่

1. การเข้าใจปัญหา 

2. การเก็บรวบรวมข้อมูล 

4.การทำความสะอาดข้อมูล (data cleansing)

5. การเลือกข้อมูลที่เกี่ยวข้องที่สุด (Feature Selection) เพื่อนำมาสร้างจะให้เราทำสร้างโมเดลการเรียนรู้ของเครื่อง 

6. การฝึกฝนโมเดล

7. การทดสอบโมเดล

8. การปรับปรุงโมเดล 

9. การนำโมเดลไปใช้งานจริง 

โดยภารกิจหนึ่งที่ผมลองทำดูแล้วก็คือภารกิจช่วยเรื่องน้ำท่วมตลาด ซึ่งเขาก็จะเริ่มจากเล่าปัญหาให้เราฟังตัวละครตัวแรกก็คือ Luna ผู้จัดการของตลาดซึ่งมีปัญหาน้ำท่วม ซึ่งตลาดนี้อยู่ติดกับแม่น้ำ และน้ำก็มักจะท่วมเข้ามาแบบไม่มีการเตือนล่วงหน้า สร้างความเสียหายให้กับร้านค้าในตลาด เขาจึงต้องการให้นำ AI เข้ามาช่วย 

Luna-Ai-quest
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

เมื่อเราเข้าใจปัญหาแล้ว เราก็จะไปพบกับ Mentor ของเราคือ ศาสตราจารย์ Skype ครับ ซึ่งเขาก็จะแนะนำขั้นตอนต่าง ๆ ให้เราทำตามในการนำ AI มาสร้างโมเดลการเรียนรู้ของเครื่องเพื่อแก้ปัญหานี้ครับ 


 

Professor-Skype
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ซึ่งขั้นตอนแรกของภารกิจก็คือ เราต้องเข้าป่าไปรวบรวมเครื่องมือที่อยู่ในป่า เพื่อจำนำเอาข้อมูลมาใช้ในการสร้างโมเดลครับ โดยจะมีเครื่องมือ 12 ตัวที่เราต้องไปรวบรวมมาครับ 

Ai-Quest-Task1
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ใน 12 ตัวนี้ เราจะเห็นว่ามีบางตัวอาจไม่ได้ช่วยมากเท่าไรนะครับ นั่นคือขั้นตอนที่เราจะต้องคดกรองต่อไป แต่ขั้นตอนต่อไปที่เจาจะให้เราทำคือการทำความสะอาดข้อมูลครับ ก็คือดูว่าในตัวข้อมูลมีอะไรขาดตกบกพร่อง หรือมีอะไรแปลกแยก (outliers) ไหม 


data-cleansing
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

อย่างรูปข้างบนนี้เราจะเห็นว่าข้อมูล Precipitation ในแถวที่สองหายไป เราก็คลิกได้เลยครับ และเขาก็จะมีข้อผิดพลาดอื่น ๆ ให้เราฝึกทำ เราเจอตรงไหนผิดเราก็คลิกตรงนั้นได้เลยครับ 

ขั้นต่อไปคือการทำ Feature Selection ครับ เขาจะให้เราเลือกข้อมูลจากเครื่องมือ 4 ตัวที่คิดว่าน่าจะเกี่ยวข้องมากที่สุด 

AI-Quest-Task3
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

เราก็ลองเลือกดูเลยครับ เมื่อเลือกเสร็จแล้วระบบก็จะสร้างโมเดลการเรียนรู้ของเครื่อง โดยโมเดลจะทำทำหน้าที่บอกบริเวณที่น้ำจะท่วมสูง (ขายของตรงนี้ไม่ได้เลย) กลาง (พอจะขายได้ถ้าตั้งร้านสูงหน่อย) และปลอดภัย (ตั้งร้านได้ไม่ต้องกังวล) และก็ถามทบทวนว่าเราเข้าใจสิ่งที่โมเดลสร้างใช่ไหม ให้ตอบคำถามให้ถูกนะครับ :)

understand-model
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ขั้นต่อไปก็คือการฝึกสอนโมเดล ซึ่งเขาก็จะถามคำถามเพื่อเช็คว่าเราเข้าใจการฝึกสอนโมเดลไหมด้วยนะครับ เราก็ต้องตอบคำถามให้ถูกนะครับ

หลังจากนั้นเราจะได้ผลลัพธ์คือความแม่นยำของโมเดลเราตัวอย่างดังรูปครับ 


evaluate-model
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ซึ่งถ้าได้ไม่ถึง 90% แนะนำให้กลับไปทำใหม่นะครับ ในความเป็นจริงเกิดได้จากหลายสาเหตุ แต่ในเกมนี้เน้นที่ feature ที่เราเลือกมาอาจยังไม่ได้เกี่ยวข้องที่สุด ให้เราคลิก improve forcast accuracy เพื่อกลับไปเลือกใหม่ครับ 

ในการเลือกใหม่นี้เขาจะบอกเราครับว่า ตัวไหนที่ไม่ใช่ High Relevance เราก็เอาตัวนั้นออก ขั้นตอนการเลือก Fearture นี้ถ้าเราเป็นผู้เชี่ยวชาญในโดเมน (domain expert) เราก็อาจเลือกได้ถูกต้องแต่แรก แต่ถ้าเราไม่ใช่ ก็ต้องลองดูครับ และในที่นี้เขาก็ช่วยแนะนำให้เราเลย เพื่อไม่ให้เราหัวเสียมากเกินไป :) 

 

final-result
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes


ได้ 90% แล้ว เราก็เลือก Generate Forecast ได้เลยครับ 


หลังจากนั้นก็มีตัวอย่างการเอาไปใช้งานจริงครับ ก็จะมีคำเตือนขึ้นมาแบบนี้ครับ


Ai-quest-warn-flood
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

 

ก็ให้กดปุ่ม Take Action นะครับ แล้วเขาก็จะมีแผนผังให้เราจัดวางร้านแบบธรรมดากับแบบสูง โดยมีแผนที่บอกระดับน้ำสูง ตรงสีแดงคือสูงมากวางร้านไม่ได้ ตรงสีเหลืองน้ำท่วมกลางต้องใช้ร้านสูง และสีฟ้าปลอดภัยใช้ร้านสูงธรรมดาได้ เราก็จัดการวางเลยครับ 


AI-Quest-Task5
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

และเมื่อเราทำสำเร็จ Luna ก็จะออกมาขอบคุณเราครับ 

Luna-thanks
ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

อ้อยังไม่จบนะครับ Professor Skype ก็จะมาถามเราให้ทบทวนขั้นการสร้างโมเดลการเรียนรู้ของเครื่องอีกทีหนึ่ง และถามคำถามส่งท้ายว่าคนกับ AI ทำงานร่วมกันได้ยังไง ซึ่งผมก็คิดว่าทุกคนคงตอบได้ไม่ยาก เมื่อทำภารกิจมาจนจบนะครับ 

และเขาก็จะปิดท้ายด้วยการให้เราดูวีดีโอที่ Google ทำโครงการพยากรณ์น้ำท่วมครับ ซึ่งผมก็แนะนำว่าให้ดูนะครับ 

โดยสรุปผมว่าเว็บไซต์นี้ดีมากนะครับ คือผมเชื่อว่ามีหลายคนที่สนใจการสร้างโมเดลการเรียนรู้ของเครื่อง แต่ยังไม่มีความรู้ความเข้าใจ ว่าขั้นตอนมันเป็นยังไง แล้วก็ไปเจอคำศัพท์อย่างการเตรียมข้อมูล การสำรวจข้อมูล feature selection และการฝึกโมเดล แล้วก็พยายามเจาะเข้าไปในแต่ละส่วน โดยไม่เข้าใจเลยว่าภาพใหญ่จริง ๆ มันคืออะไร อันนั้นจะทำให้เข้าใจยาก แต่ถ้าเข้าใจภาพใหญ่ก่อน แล้วค่อย ๆ เจาะรายละเอียดลงไปในแต่ละขั้นตอน จะทำให้เราเข้าใจได้ง่ายและดีขึ้นครับ ลองไปเล่นกันดูนะครับ