Ananwat Tippawat

Ananwat Tippawat

Senior Developer at Big Data Institute (Public Organization), BDI

บทความของผู้เขียน

Articles

Author Category Post Filter
Insurance 2030 – AI จะส่งผลกระทบต่อธุรกิจประกันภัยอย่างมหาศาลภายในปี 2030
ธุรกิจประกันภัย หนึ่งในธุรกิจที่สำคัญของมนุษย์กำลังเผชิญความท้าทายครั้งใหม่ เมื่อปัญญาประดิษฐ์จะเข้ามาเปลี่ยนโฉมวีถีการดำเนินธุรกิจนี้ไปตลอดการจากคำทำนายของบริษัทที่ปรึกษาชั้นนำของโลก ธุรกิจประกันภัยในโลกอนาคตจะหน้าตาแบบใด ปัญญาประดิษฐ์จะเข้ามามีบทบาทในธุรกิจประกันภัยอย่างไร และเราจะเตรียมพร้อมรับมือการเปลี่ยนแปลงในครั้งนี้ได้อย่างไรภายในปี 2030 ในบทความนี้มีคำตอบ
14 February 2024
เมื่อ Google Analytics ผิดกฎหมาย GDPR กับปัญหาที่ซ่อนอยู่ระหว่างสหรัฐอเมริกาและสหภาพยุโรป แล้ว PDPA จะได้รับผลกระทบหรือไม่?
เมื่อปลายปีที่แล้ว สำนักงานคุ้มครองข้อมูลแห่งหนึ่งในยุโรปได้แถลงการณ์ถึงการใช้บริการติดตามผู้ใช้งานออนไลน์อย่าง Google Analytics ว่าขัดกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลยุโรป (General Data Protection Regulation: GDPR) สิ่งนี้ไม่เพียงแต่ส่งผลกระทบต่อธุรกิจที่กำลังใช้งาน Google Analytics เท่านั้น แต่ยังส่งผลถึงการตัดสินใจเลือกใช้งานบริการออนไลน์บนแพลตฟอร์มที่อยู่ในประเทศสหรัฐอเมริกา และยังไม่รวมถึงการส่งข้อมูลระหว่างยุโรปและสหรัฐอีกด้วย มีอะไรที่ซ่อนอยู่ในปัญหาดังกล่าวและเราจะถอดบทเรียนอะไรได้จากแถลงการณ์ดังกล่าวกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลของเราได้บ้าง? รายละเอียดของแถลงการณ์ เมื่อวันที่ 22 ธันวาคม 2021 สำนักงานคุ้มครองข้อมูลของประเทศออสเตรีย (Datenschutzbehörde, Data Protection Authority: DPA) ได้ออกแถลงการณ์เกี่ยวกับการร้องเรียนจากองค์กรไม่แสวงหาผลกำไรชื่อ NOYB ว่าการใช้บริการการติดตามผู้ใช้งานออนไลน์ของ Google Analytics ว่าได้เปิดเผยข้อมูล IP Address ที่เก็บจากทวีปยุโรปแล้วไปปรากฎบนเซิร์ฟเวอร์ของประเทศสหรัฐอเมริกา ซึ่งเป็นการขัดต่อกฎหมายในเรื่องการปกปิดข้อมูลส่วนบุคคลระหว่างการใช้งาน “As the complainant has also rightly pointed out, US intelligence services take certain online identifiers (such as the IP address or unique identification numbers) as starting point for monitoring individuals.”“…อย่างที่ผู้ร้องเรียนได้ชี้ถึงประเด็นปัญหา หน่วยสืบราชการลับของสหรัฐสามารถใช้ข้อมูลระบุตัวตนบางอย่าง (อย่างเช่น IP Address หรือ ข้อมูลตัวเลขประจำตัว) เพื่อเป็นจุดเริ่มต้นในการติดตามบุคคลได้…” สำนักงานคุ้มครองข้อมูลของประเทศออสเตรีย (Datenschutzbehörde, Data Protection Authority: DPA) การใช้งานข้อมูล IP Address ผิด GDPR อย่างไร? GDPR ได้ระบุอย่างชัดเจนว่าข้อมูล IP Address เป็นข้อมูลส่วนบุคคลและไม่สามารถที่จะใช้งานข้อมูลนี้ได้แม้ว่าเราจะทำการแปลงข้อมูล IP Address นี้ให้เป็นข้อมูลนิรนามแล้วก็ตาม Google ไม่ได้นิ่งนอนใจ จึงได้ออกแถลงการณ์ตอบโต้ในบล๊อคของ Google จากกรณีดังกล่าว โดยกล่าวในภาพรวมของการรักษาความปลอดภัยในแง่มุมต่าง ๆ ไม่ว่าจะเป็นการสนับสนุนให้ผู้ประกอบการได้ปฏิบัติตามกฎหมาย GDPR ได้ง่ายขึ้น การส่งข้อมูลข้ามทวีปจะเกิดขึ้นเมื่อข้อมูลดังกล่าวเป็นไปตามกฎเกณฑ์ข้อบังคับความเป็นส่วนตัวเท่านั้น และสามารถเปิดใช้งานการปกปิดข้อมูล IP Address ได้ อย่างไรก็ตาม ทางฝั่งผู้คุมกฎดูเหมือนว่าจะไม่พอใจในมาตรการการใช้งานการปกปิดข้อมูล IP Address ด้วยการอำพรางข้อมูล (Pseudonymization) โดยยกคำแถลงจากสำนักงานคุ้มครองข้อมูลของประเทศเยอรมนีที่กล่าวถึงการใช้ข้อมูล IP Address ที่มีการอำพรางไว้ว่าถึงแม้จะมีการอำพรางเพื่อไม่ให้ค้นพบตัวตนที่แท้จริง แต่ก็ยังสามารถ ”จำแนกจำเพาะบุคคล” (distinguishable) จากข้อมูลนั้น ๆ ได้ เพราะฉะนั้นการใช้งานข้อมูล IP Address ในรูปแบบใด ๆ จึงผิดในทุกกรณี นอกจากนี้ ผู้ควบคุมกฎหมายคุ้มครองข้อมูลส่วนบุคคลในบางประเทศในทวีปยุโรปก็เห็นด้วยกับการที่ Google ผิดกฎหมาย GDPR ได้แก่ ผลกระทบที่จะเกิดขึ้น เรื่องการตัดสินกรณีการกระทำผิดกฎหมายของ Google Analytics นี้ไม่เพียงแต่จะกระทบบริษัท Google เพียงเท่านั้น แต่จะยังกระทบต่อบริษัทที่ดำเนินงานในประเทศสหรัฐแต่ขายบริการให้ในกลุ่มประเทศสมาชิกสหภาพยุโรป เพราะการส่งข้อมูลส่วนบุคคลที่เก็บได้ในกลุ่มประเทศยุโรปไปให้บริษัทในประเทศสหรัฐในการวิเคราะห์จะไม่สามารถทำได้อีกต่อไป ทั้งนี้รวมถึงบริษัทในยุโรปที่ใช้บริการระบบคลาวด์คอมพิวเตอร์ที่มาจากสหรัฐก็จำเป็นต้องหาผู้ให้บริการเจ้าอื่น และกฎหมายยังเขียนไว้อีกด้วยว่าผู้ให้บริการที่มาจากทวีปอื่นจะสามารถให้บริการธุรกิจที่มาจากทวีปยุโรปได้ก็ต่อเมื่อกฎหมายคุ้มครองสิทธิความเป็นส่วนตัวในประเทศที่เก็บข้อมูลจะต้องมีความคุ้มครองที่มากกว่าหรือเท่ากันกับกฎหมายในทวีปยุโรป ซึ่งจำกัดแค่บริษัทที่ตั้งเซิร์ฟเวอร์ในประเทศยุโรปเท่านั้นที่สามารถทำธุรกิจออนไลน์ในทวีปนี้ได้ การแถลงการณ์ที่ออกมาดังกล่าวส่งผลให้เกิดต้นทุนที่เพิ่มขึ้นอย่างมากแก่หลายบริษัทขนาดเล็กในทวีปยุโรปในระยะสั้นที่จะต้องจัดหาบริการคลาวด์คอมพิวเตอร์จากผู้ให้บริการในทวีปตัวเอง อย่างไรก็ตามในระยะยาวแล้ว เราจำเป็นที่จะต้องติดตามการบังคับใช้กฎหมายนี้ต่อไปว่าจะเป็นเช่นไร สำหรับผู้ประกอบการในยุโรปที่ใช้งาน Google Analytics ในการประกอบธุรกิจ โดยเฉพาะอย่างยิ่งนักการตลาดที่ใช้ข้อมูลในพฤติกรรมผู้บริโภคในการทำการตลาดก็จะไม่สามารถทำได้อีกต่อไปจากเหตุการณ์นี้ ถึงแม้ว่าในตอนนี้จะยังไม่มีการประกาศแบนอย่างเป็นทางการ แต่เหล่าคนทำงานที่อยากจะปฏิบัติตามกฎระเบียบย่อมเลือกที่จะหันหลังต่อการบริการนี้ กฎหมายที่เหลื่อมกันของสองทวีป จากการรายงานข่าวนี้บนเว็บไซต์ TechCrunch Natasha Lomas นักข่าวอาวุโสได้เขียนสรุปความยุ่งเหยิงไว้ในประโยคเดียวว่า “ปัญหาที่แท้จริงของเรื่องนี้คือการปะทะกันระหว่างสิทธิความเป็นส่วนตัวของทวีปยุโรป (European privacy rights) และกฎหมายการสอดแนมของสหรัฐ (US surveillance law)” นี่อาจเป็นเหตุผลที่แท้จริงที่ทำให้ผู้ดูแลกฎของทางยุโรปถึงกลัวทางการสหรัฐ “โดยที่กฎหมายอย่างหลัง (สหรัฐฯ) ไม่แยแสต่อสิทธิส่วนบุคคลของชาติอื่นในการที่ทางการ (สหรัฐ) จะเก็บกวาดข้อมูลมาอย่างไรก็ตาม หรือแม้แต่การชดใช้ต่อความเสียหายจากการใช้ข้อมูลส่วนบุคคลนี้” เธอกล่าวเพิ่มเติม เมื่อพูดถึงกฎหมายที่เฉพาะเจาะจงจริง ๆ ผู้ให้บริการคลาวด์คอมพิวเตอร์ที่อยู่ในประเทศสหรัฐอเมริกาจะต้องอยู่ภายใต้ Section 702 ของ Foreign Intelligence Surveillance Act ที่ให้อำนาจในการเก็บข้อมูลที่อยู่บนคลาวด์เซิร์ฟเวอร์ที่ตั้งอยู่ในสหรัฐและเป็นข้อมูลของพลเมืองที่ไม่ได้มีสัญชาติสหรัฐและไม่ได้พำนักอยู่ที่ในสหรัฐ หรือพูดง่าย ๆ ก็คือว่ารัฐบาลสหรัฐมีสิทธิที่จะขอข้อมูลผู้ใช้บริการชาติอื่น ๆ จากผู้ให้บริการสัญชาติสหรัฐได้ถูกต้องตามกฎหมาย นั่นคงเป็นเหตุผลที่เพียงพอที่ทำให้ผู้คุมกฎของยุโรปกังวลว่าหากข้อมูลตกอยู่ในผืนแผ่นดินสหรัฐแล้วนั้น ความเป็นส่วนตัวของประชากรในสหภาพยุโรปจะหมดลง ถึงตรงนี้แล้ว ณ ขณะที่ทั้งสองฝ่ายมีการดำเนินธุรกิจร่วมกัน เป็นไปได้หรือไม่ที่ทั้งคู่จะมีข้อตกลงในการส่งข้อมูลถึงกัน เป็นกฎระเบียบที่มีการตกลงในบริษัทในแต่ละประเทศสามารถปฏิบัติได้ และถูกปกป้องจากกฎหมายพื้นเมืองในของพื้นที่นั้น ๆ แต่ทุกท่านทราบหรือไม่ว่าทั้งคู่นี้เคยพยายามที่จะให้มี ”ช่องทางการส่งข้อมูลส่วนบุคคล” ที่ไม่ผิดกฎหมาย อย่างไรก็ตามด้วยความพยายามในหลาย ๆ ครั้งที่ผ่านมากลับจบด้วยความล้มเหลว ความพยายามในการส่งข้อมูลข้ามทวีป ความพยายามในการส่งข้อมูลข้ามทวีปเริ่มต้นขึ้นเมื่อปี ค.ศ. 2000 จากการที่คณะกรรมาธิการยุโรป (European Commission) ได้เห็นชอบหลักการที่ร่างขึ้นโดยกระทรวงพาณิชย์ของสหรัฐในการส่งข้อมูลส่วนตัวข้ามทวีป หรือที่เรียกกันว่า Safe Harbour Privacy Principles โดยหลักการดังกล่าวเขียนขึ้นไว้เพื่อให้บริษัทในสหรัฐที่เก็บข้อมูลส่วนตัวของผู้ใช้งานชาวยุโรปได้ทำตามเพื่อให้สอดคล้องกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลของทวีปยุโรป หลักการนี้ได้ช่วยให้ผู้ประกอบการธุรกิจออนไลน์ในสหรัฐสามารถทำธุรกิจได้อย่างถูกกฎหมายของทั้งสองประเทศคู่ค้า จนเมื่อปี 2015 ศาลยุติธรรมแห่งสหภาพยุโรป (European Court of Justice) ได้ตัดสินให้ ”การเห็นชอบต่อหลัก Safe Harbour Privacy Principles ของคณะกรรมาธิการยุโรปเป็นโมฆะ” (“The Court of Justice declares that the Commission’s U.S. Safe Harbour Decision is invalid.”) นั้นหมายความว่าการส่งข้อมูลระหว่างทวีปนั้นถือว่าไม่ชอบด้วยหลักการคุ้มครองความเป็นส่วนตัวของสหภาพยุโรป และกฎหมายคุ้มครองข้อมูลส่วนบุคคลของสหภาพยุโรปที่เพิ่งเกิดขึ้นภายหลังในปี 2018 แต่การตัดสินในครั้งในไม่ได้ก่อให้เกิดการยกเลิกการดำเนินธุรกิจในสหภาพยุโรปของสหรัฐ เพียงแต่ว่าเราต้องมีหลักการที่ดีกว่านี้ ด้วยความพยายามนี้ ก่อให้เกิดหลักการใหม่ที่เรียกว่า Privacy Shield Privacy Shield คือ ชื่อของโครงการใหม่ที่จะมากำหนดหลักการของส่งข้อมูลข้ามมหาสมุทรแอตแลนติก หรือจะเรียกว่า New Safe Harbour ก็คงไม่ผิดนัก หลักการใหม่นี้ได้ทำให้ความคุ้มครองความเป็นส่วนตัวเพิ่มขึ้นมาโดยการเพิ่มอำนาจให้กับทางฝั่งผู้ตรวจสอบและผู้ใช้งานของทวีปยุโรป แต่นั่นก็ไม่เพียงพอที่จะทำให้ถูกใช้งานหลังจากที่ศาลยุติธรรมแห่งสหภาพยุโรปก็ปัดตกไปเช่นเดิมในปี 2020 และล่าสุดในปีนี้ (2022) ประธานาธิปดีสหรัฐและประธานคณะกรรมาธิการยุโรปได้เตรียมตัวร่างหลักการอีกรอบนึงที่มีชื่อเรียกว่า Trans-Atlantic Data Privacy Framework ซึ่งจะเข้ามาแทนที่ Privacy Shield และตัวอื่น ๆ ที่เพิ่งปัดตกไป ในแง่หนึ่ง ความล่าช้าในการร่างมาตรฐานของการส่งข้อมูลส่วนบุคคลระหว่างกันนี้ได้ทำให้เกิดความไม่แน่นอนในการทำธุรกิจ ซึ่งส่งผลให้แรงจูงใจในการทำธุรกิจระหว่างมหาสมุทรแอตแลนติกลดลง และเกิดค่าใช้จ่ายที่สูงมากขึ้นอย่างที่ได้กล่าวไป นอกจากนี้ ยังเป็นเป็นตัวยับยั้งไม่ให้ภาคธุรกิจได้สร้างสรรค์นวัตกรรมอย่างที่ควรจะเป็น ซึ่งอาจจะส่งผลให้ประเทศที่มีกฎระเบียบที่รัดกุมน้อยกว่าชนะในการแข่งขันการสร้างนวัตกรรมระหว่างประเทศ ประเทศไทยและ PDPA ประเทศไทยเพิ่งจะเริ่มใช้กฎหมายคุ้มครองข้อมูลส่วนบุคคลหรือที่เราเรียกกันว่า PDPA...
31 July 2022
ภาษา R สำหรับงาน Data Science เบื้องต้น ครบจบในบทความเดียว
อยากอัพสกิล Data Science แต่เลือกไม่ถูกว่าจะเริ่มเรียน R หรือ Python ดี ภาษาไหนเหมาะกับอะไร และ R ใช้งานง่ายจริงมั้ย มาอ่านได้ในบทความนี้เลยครับ What is R ? R คือ Statistical Programming language พัฒนาต่อยอดมาจากภาษา S โดยนักสถิติชื่อ Ross Ihaka และ Robert Gentleman ที่ประเทศนิวซีแลนด์ในช่วงปี 1990s โดยเป้าหมายแรกของทั้งสองคนคือการสร้างโปรแกรม หรือเครื่องมือสำหรับสอนวิชาสถิติให้กับนักศึกษา และถูกใช้อย่างแพร่หลายในกลุ่มนักสถิติ Data Miners และนักวิชาการทั่วโลก R version 1.0 เปิดให้ดาวน์โหลดใช้งานวันที่ 29 ก.พ. 2543 อัพเดทตอนเดือน เม.ย. 2565 ที่ผ่านมา R เดินทางมาถึงเวอร์ชัน 4.2.0 แล้ว มีฟีเจอร์ใหม่ ๆ เพิ่มขึ้นอย่างต่อเนื่อง อ้างอิงจาก Tiobe Index (พ.ค. 2565) R ได้รับความนิยมอยู่ในอันดับที่ 13 ของภาษาคอมพิวเตอร์ทั่วโลก ส่วนตัวผู้เขียนเองคิดว่าเราจะเอา R มาเทียบกับภาษาอื่น ๆ ยากหน่อย เพราะ Scope ของ R จะโฟกัสที่การวิเคราะห์ข้อมูลเป็นหลักแตกต่างจากภาษาคอมพิวเตอร์อื่น ๆ จากผลสำรวจหลาย ๆ ที่ เราจะเห็น Python, R, SQL ติดสามอันดับแรกของสายงาน Data อยู่เสมอ ๆ โดย Python เป็น General Purpose Language ที่สามารถใช้ทำงานได้หลายประเภท ตั้งแต่ Web Development, Software, API ไปจนถึงงาน Machine Learning & Deep Learning ส่วน R จะเน้นหลัก ๆ ที่งานสถิติ และการวิเคราะห์ข้อมูล Getting Started เราสามารถเริ่มเขียน R ได้ง่าย ๆ สองวิธี สำหรับเพื่อน ๆ ที่สนใจแบบที่หนึ่ง รันใน Local Computer ของเรา สามารถดาวน์โหลด R และ RStudio Desktop IDE มาใช้งานได้ฟรี  ในตัวอย่างบทความนี้ เราจะสอนเขียน R บน RStudio Cloud โดยเราสามารถสมัครใช้งานฟรี 25 ชั่วโมงต่อเดือน ผ่าน Web Browser แนะนำเป็น Google Chrome, Microsoft Edge, Safari Great Books to Learn R สำหรับหนังสือที่ R Programmers นิยมอ่านกัน มีดังต่อไปนี้ เล่มที่ได้รับความนิยมสูงที่สุดคือ R for Data Science เขียนโดย Hadley Wickham ผู้บุกเบิก Modern R ในช่วง 10 ปีที่ผ่านมา อ่านหนังสือ อ่านบทความนี้ และเปิด RStudio Cloud มาเขียนโปรแกรมพร้อม ๆ กันเลยนะครับ Hello World เปิด Web Browser ไปที่ Rstudio Cloud สมัครบัญชีฟรี เมื่อเข้าไปที่หน้า Dashboard แล้วให้เรากดปุ่ม New Project ทางด้านขวาบนของหน้าจอ แล้วเลือก Option New RStudio Project ไปที่หน้าต่าง Console และพิมพ์คำสั่งนี้ กด Enter หนึ่งครั้ง R (เหมือนกับ Python) เป็นภาษาแบบ Interpreted Language => REPL => Real, Evaluate, Print, Loop สามารถเขียนคำสั่ง กดรัน และเห็นผลลัพธ์ได้ทันที เบื้องต้นเราสามารถใช้ R เป็นเครื่องคิดเลขได้เลย ถ้าเราต้องการ Clear หน้าจอ Console ให้กด Shortcut CTRL+L บนคีย์บอร์ด Comment เวลาเขียนโปรแกรมเราสามารถใส่ Comment ให้กับโค้ดไลน์นั้น ๆ ของเราได้ด้วย เพื่ออธิบายการทำงานของโปรแกรมเบื้องต้น ใน R เราใช้ # และตามด้วย Comment ที่ต้องการ Data Types ประเภทข้อมูลพื้นฐานใน R ที่เราใช้กันบ่อย ๆ จะมี Numeric, Character และ Logical ตามลำดับ สำหรับงานสถิติจะมีตัวแปรประเภท Factor เพิ่มขึ้นมาด้วย i.e. ตัวแปรกล่มสามารถแบ่งได้เป็น Nominal และ Ordinal ฟังก์ชันใน Code Block นี้ใช้ตรวจสอบประเภทข้อมูลของค่า หรือตัวแปรที่เราสร้างขึ้นมา ทั้งสามบรรทัดด้านบนจะได้คำตอบเป็น TRUE ทั้งหมดเลย ถ้าต้องการเปลี่ยน Data Type ใน R เราจะใช้ฟังก์ชันที่ขึ้นต้นด้วย as._() เช่น as.numeric(“100”) หรือ as.character(5525) เป็นต้น Operators R มี operators ที่เราใช้เหมือนในภาษาอื่นๆ ไว้เทียบค่าสองฝั่งของสมการ โดย == คือเท่ากัน และ !=...
25 May 2022
GPT-3 คืออะไร? ปัญญาประดิษฐ์ที่จะมาแย่งงานคนทั่วโลกในอนาคต!?
GPT-3 คือโมเดลทางภาษาที่มีความสามารถหลากหลายและ(ดูเหมือน)มีความฉลาดคล้ายมนุษย์ AIนี้เป็นหนึ่งในหลายตัวที่ทำให้เกิดความตื่นกลัวของการนำ AI ทำงานแทนที่มนุษย์ ถึงแม้มันจะมีข้อจำกัดหลายอย่าง การพูดถึงการ AI ในการเข้ามาแทนภาคแรงงานในวันนี้เป็นเรื่องที่จำเป็นต้องทำความเข้าใจ เพราะมันไม่ได้น่ากลัว และซ่อนโอกาสในการเปลี่ยนแปลงโลกในอนาคต
21 December 2021
RD Data Innovation Awards 2021 – กรมสรรพากร Tableau และ GBDi ผนึกกำลังสร้างสรรค์ Dashboards จากข้อมูลภาษี
งานประกวด Dashboard ที่สร้างขึ้นจากข้อมูลภาษีของกรมสรรพากร Tableau และ GBDi
3 September 2021
CBDC: ระบบการเงินที่กำลังเปลี่ยนโลก และโอกาสของนักวิทยาศาสตร์ข้อมูล, Part 2
smart contract คืออะไร cbdc กับข้อมูลส่วนบุคคล โอกาสของนักวิทยาศาสตร์ข้อมูล
1 September 2021
CBDC: ระบบการเงินที่กำลังเปลี่ยนโลก และโอกาสของนักวิทยาศาสตร์ข้อมูล, Part 1
ทุกวันนี้ พูดได้เลยว่า ไม่มีใครที่ไม่เคยได้ยินสกุลเงินคริปโทเคอร์เรนซี (Cryptocurrency) ซึ่งเป็นสกุลเงินดิจิทัล (Digital Currency) ประเภทหนึ่ง โดยสกุลเงินดิจิทัล ซึ่งเป็น “เงินบนอินเทอร์เน็ต” กล่าวคือ มีอยู่ ถูกจัดเก็บ ถูกใช้ ผ่านระบบดิจิทัลที่เชื่อมต่อกับอินเทอร์เน็ตทั้งหมด จากกระแสสกุลเงินดิจิทัล ธนาคารกลางแต่ละประเทศก็เริ่มตื่นตัวกับกระแสนี้ บทความนี้จะพาทุกท่านทำความรู้จักกับสกุลเงินดิจิทัลที่มาจากธนาคารกลาง หรือ Central Bank Digital Currency (CBDC) และคลื่นลูกใหม่แห่งความเป็นไปได้ที่อาจจะพลิกโฉมชีวิตทางการเงินของเราทุกคนในอนาคต รวมถึงโอกาสด้านการวิเคราะห์ข้อมูลที่จะเกิดขึ้นจากข้อมูลจำนวนมหาศาลที่จะเกิดขึ้นบนระบบทางการเงินดิจิทัลนี้ด้วย CBDC คืออะไร? CBDC คือ สกุลเงินดิจิทัลที่มีธนาคารกลางคอยกำกับดูแล เราอาจคุ้นหูในชื่อของ Digtal Yuan ของประเทศจีนหรือ Digital Thai Baht ของประเทศไทยมากกว่า แต่คำว่า CBDC ถือเป็นชื่อเรียกของนวัตกรรมนี้โดยรวม CBDC ถือเป็นเงินทางเลือก (เช่นเดียวกับ เงินสด และ ​​​เงินอิเล็กทรอนิกส์) เอาไว้ใช้ในกิจกรรมทางการเงินสำหรับประชากรที่อยู่อาศัยในประเทศนั้น สกุลเงินนี้จะถูกใช้อยู่บนกระเป๋าเงินดิจิทัล (บัญชีธนาคาร) และเราสามารถส่งเงินสกุลนี้ไปยังกระเป๋าเงินของบุคคลอื่นเพื่อใช้ในการชำระหนี้อย่างถูกกฎหมาย (เหมือนกับเงินสดทุกประการ) ธนาคารกลางจะมีหน้าที่กำกับดูแลระบบการใช้จ่ายนี้ในหลาย ๆ มิติ ได้แก่ ความปลอดภัยของระบบ ความสะดวกรวดเร็วในการทำธุรกรรม เสถียรภาพทางการเงินของสกุลเงินนี้ และ การวางรากฐานในการสร้างนวัตกรรมบนระบบนี้ เป็นต้น กล่าวโดยสรุปคือ CBDC เป็น “เงินสดในรูปแบบดิจิทัล” ที่รองรับโดยธนาคารกลางของแต่ละประเทศนั่นเอง CBDC เป็น “เงินสดในรูปแบบดิจิทัล” ที่รองรับโดยธนาคารกลางของแต่ละประเทศ CBDC แตกต่างจาก Internet Banking อย่างไร? ผู้อ่านหลาย ๆ ท่านอาจจะสงสัยว่า แล้วทุกวันนี้ ที่เราโอนเงิน รับเงินกันผ่านมือถือ ผ่านแอพต่าง ๆ เช่น เป๋าตัง, TMB Touch, SCB Easy มันก็เหมือนเราใช้เงินในรูปแบบดิจิทัลอยู่แล้วไม่ใช่หรือ แล้ว CBDC มันต่างจาก “เงินดิจิทัล” ที่เราใช้กันอยู่แล้วทุกวันนี้ บนแอพธนาคารพาณิชย์ต่าง ๆ อย่างไร? Internet Banking คือบริการที่อำนวยความสะดวกในการทำธุรกรรมทางการเงินของธนาคารพาณิชย์บนระบบการเงินแบบดั้งเดิม ในระบบการเงินนี้ ธนาคารพาณิชย์เป็นองค์กรธุรกิจทีมีหน้าที่รับฝากเงินจากลูกค้าและหากำไรจากการนำเงินเหล่านั้นไปลงทุน หรือปล่อยกู้เพื่อกินส่วนต่าง เงินที่เราฝากกับธนาคารพาณิชย์จะเป็นทรัพย์สินของธนาคารพาณิชย์ที่ตัวธนาคารสามารถไปสร้างผลกำไรต่อ และตัวเลขในบัญชีธนาคารคือหนี้สินของธนาคารที่มีต่อเรานั่นเอง ทุก ๆ ครั้งที่เราถอนเงินจากบัญชี เราได้ทำการขอคืนเงินของเราที่ให้ธนาคารยืมไป หากจะยกตัวอย่างกรณีสุดโต่งเพื่อให้เห็นภาพมากยิ่งขึ้น ธนาคารพาณิชย์เองก็สามารถล้มละลายได้ หากธนาคารพาณิชย์ปิดตัวลง เงินของเราที่ฝากในธนาคารก็มีความเสี่ยงที่จะหายไปด้วย โดยสรุป Internet Banking คือบริการเสริมจากบริการรับฝากเงินของธนาคารพาณิชย์ แต่ CBDC เปรียบเสมือนเงินสดบนระบบดิจิทัลรองรับโดยธนาคารกลาง ในอีกแง่หนึ่ง CBDC เป็นหนี้สินของธนาคารกลางที่มีต่อเรา (เช่นเดียวกันกับเงินสด) นอกจากนี้ CBDC จะถูกใช้งานอยู่บนระบบหลังบ้านในการทำธุรกรรมทางการเงินผ่านระบบดิจิทัลจากธนาคารกลาง ระบบนี้จะเป็นโครงสร้างพื้นฐานทางการเงินของประเทศที่พัฒนารูปแบบของเงินให้อยู่บนระบบดิจิทัลแทน ระบบนี้นอกเหนือจากสามารถดำเนินการทำธุรกรรมทางเงินปกติแล้วนั้น ก็ยังรองรับการสร้างนวัตกรรมทางการเงินอื่น ๆ บนตัวระบบอีกด้วย โดยเฉพาะการเขียนสัญญาอัจฉริยะ (Smart Contract) หรือการสร้างระบบการทำธุรกรรมอัตโนมัติโดยการกำหนดเงื่อนไขของการทำธุรกรรม (ซึ่งจะอธิบายเพิ่มเติมในบทความถัดไป) นอกเหนือจากนี้ CBDC ถูกสร้างขึ้นมาเพื่อจะรองรับการเชื่อมต่อกับระบบดิจิทัลอื่น ๆ ที่จะตามมาอีกด้วย ตัวอย่างเช่น Asset Tokenization (การซื้อขายหน่วยสินทรัพย์บนระบบดิจิทัล), Digital Identity (ข้อมูลประจำตัวประชาชนบนระบบดิจิทัล), Digital Wallet (กระเป๋าสตางค์ดิจิทัล) เป็นต้น Internet Banking คือบริการที่อำนวยความสะดวกในการทำธุรกรรมทางการเงินของธนาคารพาณิชย์บนระบบการเงินแบบดั้งเดิม แต่ CBDC เปรียบเสมือนเงินสดบนระบบดิจิทัลรองรับโดยธนาคารกลาง CBDC แตกต่างจาก Cryptocurrency อย่างไร? CBDC และ Cryptocurrency ทั้งคู่เปรียบเสมือนโฉมหน้าของการเงินของอนาคต ทั้งสองทำงานอยู่บนระบบดิจิทัลเหมือนกัน เราสามารถโอนย้ายสินทรัพย์ต่าง ๆ โดยที่ไม่ถูกปิดกั้นจากข้อจำกัดทางกายภาพแบบเดิม ๆ ถึงกระนั้น ทั้งคู่มีความแตกต่างทางด้านเทคโนโลยีพื้นฐานและแนวคิดของการมีอยู่ ซึ่งปัจจัยเหล่านี้ทำให้สกุลเงินทั้งสองมีความแตกต่างกันโดยสิ้นเชิง เรามาทำความเข้าใจเทคโนโลยีเหล่านี้ให้ดีขึ้นกันดีกว่า วิธีที่จะเข้าใจ Cryptocurrency ที่ดี คือให้จินตนาการว่า ถ้าเราอยากส่งเงินไปให้แม่ค้าออนไลน์เพื่อซื้อของ เราจะทำอย่างไร? ในปัจจุบัน เราใช้บริการธนาคารในการโอนเงินจากบัญชีของเราไปหาบัญชีของแม่ค้า ธุรกรรมนี้จะถูกบันทึกโดยธนาคาร เพราะเราเชื่อใจให้ธนาคารที่เก็บเงินและทำธุรกรรมให้เรา  นี้คือระบบการเงินในปัจจุบันที่เราอาศัย “ตัวกลาง” ในการทำธุรกรรมให้เรา (ดังในรูปที่ 4 ด้านซ้าย) แต่ในปัจจุบัน เทคโนโลยีบล็อกเชนอนุญาตให้มีระบบเครือข่ายคอมพิวเตอร์ที่ช่วยกันเก็บข้อมูลร่วมกันด้วยหลักการกระจายศูนย์ข้อมูล (Distributed Ledger Technology: DLT) และป้องกันไม่ให้ข้อมูลในอดีตถูกเปลี่ยนแปลงได้ด้วยศาสตร์การเข้ารหัส (Cryptography) เทคโนโลยีนี้จะเข้ามาสร้างผลกระทบในระบบการเงินปัจจุบัน ด้วยการสร้างระบบคอมพิวเตอร์กระจายศูนย์เพื่อร่วมกันบันทึกธุรกรรมการเงินที่เกิดขึ้นในระบบทั้งหมด (ดังในรูปที่ 4 ด้านขวา) โดยที่ตัว Cryptocurrency เองจะถูกใช้เป็นทั้งตัวทรัพย์สินและค่าบริการในระบบการทำธุรกรรมไร้พรมแดนนี้ ด้วยเหตุนี้หลายคนจึงกล่าวว่า Cryptocurrency เป็นระบบการเงินที่ “ไร้ตัวกลาง” ในปัจจุบันการใช้งานเครือข่ายคอมพิวเตอร์นี้ช่วยสร้างอรรถประโยชน์อีกมากโดยเฉพาะในอุตสาหกรรมที่ยังพึ่งพาตัวกลาง ได้แก่ การฝาก-กู้เงิน การซื้อ-ขายพลังงานสะอาด การขอข้อมูลจากแหล่งข้อมูล (API) เป็นต้น ซึ่งตัวอย่างเหล่านี้ได้ก่อให้เกิดความต้องการในการใช้บริการระบบเครือข่ายคอมพิวเตอร์ ซึ่งนั่นส่งผลให้เหรียญ Cryptocurrency ที่ถูกใช้เป็นค่าบริการมีราคาที่เพิ่มสูงขึ้น โดยสรุปแล้ว Cryptocurrency เป็นสกุลเงินเพื่อใช้ในการโอนย้ายมูลค่า และใช้เพื่อจ่ายเป็นค่าธรรมเนียมในการใช้บริการในระบบเครือข่ายคอมพิวเตอร์กระจายศูนย์ ส่วน CBDC เป็นเงินสดในระบบดิจิทัลที่ดูแลโดยธนาคารกลางเพื่ออำนวยความสะดวกในการทำกิจกรรมทางการเงินในประเทศ หน้าที่อีกอย่างของธนาคารกลางคือการทำให้เงินสกุลนี้มีเสถียรภาพ ผ่านนโยบายทางการเงินต่าง ๆ นอกเหนือจากนี้ ธนาคารกลางยังมีหน้าที่ตรวจสอบการใช้เงินสกุลนี้ในกิจกรรมที่ผิดกฎหมาย เช่น การฟอกเงิน และการก่อการร้าย เป็นต้น และท้ายที่สุด CBDC ก็พร้อมจะรองรับการสร้างเทคโนโลยีทางการเงินใหม่ ๆ ที่กำลังจะเกิดขึ้นในระบบ Cryptocurrency อีกด้วย แต่ทำงานโดยที่มีธนาคารกลาง/รัฐบาลดูแลอยู่ เพราะฉะนั้น CBDC เป็นสกุลเงินดิจิทัลที่ถูกกำกับดูแลโดยธนาคารกลาง ทั้งคู่เปรียบเสมือนเหรียญสองด้านของระบบการเงินในโลกอนาคต ธนาคารกลางมีเหตุผลในการควบคุม CBDC สกุลเงินนี้ เพราะมันเป็นตัวอำนวยความสะดวกในการทำกิจกรรมทางการเงินภายในประเทศ เพิ่มประสิทธิภาพในการดำเนินนโยบายทางการเงินต่าง ๆ พร้อมทั้งป้องกันไม่ให้เกิดการนำเงินนี้ไปใช้ในทางที่ผิดกฎหมาย ในขณะที่ Cryptocurrency เน้นทางด้านการใช้ประโยชน์จากระบบเก็บข้อมูลที่ไม่อาศัยตัวกลางใด ๆ และในบางเหรียญ เช่น Bitcoin ก็มีคุณค่าในการไม่สามารถถูกควบคุมโดยใคร และไม่สามารถเปลี่ยนแปลงนโยบายทางการเงินได้อีก ปัจจัยเหล่านี้สร้างความหนักใจให้กับรัฐบาลในการยอมรับ Cryptocurrency ให้มีการใช้งานจริงในประเทศ เพราะอาจทำให้รัฐบาล/ธนาคารกลางไม่สามารถออกนโยบายทางการเงินที่เกิดประสิทธิผลในประเทศได้ อย่างไรก็ดี ยังไม่มีอะไรที่แน่ชัดออกมาจากธนาคารกลาง เป็นไปได้ว่าความสัมพันธ์ของเงินสองสกุลนี้อาจจะเสริมซึ่งกันและกันก็เป็นได้ Cryptocurrency เป็นสกุลเงินเพื่อใช้ในการโอนย้ายมูลค่า และใช้เพื่อจ่ายเป็นค่าธรรมเนียมในการใช้บริการในระบบเครือข่ายคอมพิวเตอร์กระจายศูนย์ ในขณะที่ CBDC เป็นสกุลเงินดิจิทัลที่ถูกกำกับดูแลโดยธนาคารกลาง ซึ่งในทั้งสองระบบ เราสามารถโอนย้ายสินทรัพย์ต่าง ๆ โดยที่ไม่ถูกปิดกั้นจากข้อจำกัดทางกายภาพแบบเดิม ๆ ผลกระทบที่จะเกิดขึ้นต่อระบบเศรษฐกิจจากการออก CBDC คนจะเข้าถึงบริการทางการเงินได้ทั่วถึงยิ่งขึ้น ในประเทศที่ยากจน ธนาคารพาณิชย์ที่มีขนาดใหญ่เลือกที่จะเปิดสาขาในพื้นที่ในเมืองไม่ใช่ชนบท เป็นเพราะว่า ธนาคารสามารถทำกำไรกับลูกค้าบริเวณนั้น ทำให้ประชาชนในพื้นที่ที่ห่างไกลไม่สามารถเข้าถึงบริการทางการเงินได้อย่างเท่าเทียม แต่เมื่อ CBDC มาแล้วนั้น...
24 June 2021
ตรวจไวรัสโคโรนาแบบกลุ่มด้วยหลักการวิทยาศาสตร์
ทางเลือกในการตรวจเชื้อในลักษณะเป็นกลุ่มดูจะสามารถระบุต้นตอของเชื้อได้ดีกว่าในระดับจังหวัดและระดับประเทศ รวมทั้งยังลดทรัพยากรที่ต้องใช้ในการระบุแหล่งที่มาของโรค ในสถานการณ์ที่จำนวนผู้ติดเชื้อไวรัสโคโรนา หรือ โควิด-19 ลดลงเรื่อย ๆ หรือในกรณีที่จำนวนผู้ติดเชื้อในปัจจุบันยังน้อย แต่อาจมีความเสี่ยงจากการระบาดในคลื่นลูกที่สอง (second wave) ดังที่กำลังเกิดขึ้นในหลาย ๆ ประเทศทั่วโลก ทั้งสหรัฐอเมริกา, เยอรมัน, จีน, และเกาหลี รวมถึงประเทศไทย เราจะมีวิธีใดบ้างที่ช่วยเพิ่มประสิทธิภาพการตรวจหาเชื้อโคโรนาไวรัส เพื่อช่วยในการติดตามและออกมาตรการหยุดการแพร่เชื้อได้อย่างทันท่วงที? ท่านรู้หรือไม่ว่าเทคนิคปัจจุบันที่เราใช้ตรวจหาผู้ป่วยติดเชื้อคือเทคนิค RT-PCR  ที่ทำการเก็บสารคัดหลั่งของผู้ป่วย (เช่น น้ำมูก หรือน้ำลาย) เพื่อจะระบุว่าผู้เข้ารับการตรวจมีเชื้อหรือไม่ผ่านการหาสารพันธุกรรมของไวรัสชนิดนี้ วิธีการนี้ใช้เพื่อค้นหาผู้ติดเชื้อในลักษณะรายบุคคลและใช้เวลาอย่างน้อย 5 ชั่วโมงในการทราบผล ด้วยเหตุนี้เราต้องใช้แรงงานบุคลากรทางการแพทย์มหาศาลในการตรวจหาเชื้อด้วยวิธีการดั้งเดิม ณ ขณะนี้ ทางเลือกในการตรวจเชื้อในลักษณะเป็นกลุ่มดูจะสามารถระบุต้นตอของเชื้อได้ดีกว่าในระดับจังหวัดและระดับประเทศ รวมทั้งยังลดทรัพยากรที่ต้องใช้ในการระบุแหล่งที่มาของโรค ในบทความนี้เราจะมาสำรวจแนวทางต่าง ๆ ที่ใช้ทรัพยากรอย่างมีประสิทธิภาพในการตรวจหาเชื้อในผู้ป่วยกันครับ การตรวจหาเชื้อโรคในระดับมหภาคจากสิ่งปฏิกูล เชื่อหรือไม่ว่าเราสามารถตรวจหาเชื้อโรคนี้จากสิ่งที่ใกล้ตัวกว่าที่เราคิด นักวิทยาศาสตร์สามารถตรวจหาเชื้อไวรัสโคโรนาได้ในอุจจาระของผู้ติดเชื้อ โดยความรู้ข้างต้นได้นำมาขยายผลและตรวจสอบผ่านงานวิจัยจากประเทศฝรั่งเศส งานวิจัยชิ้นนี้เป็นผลงานของรัฐวิสาหกิจระบบชลประทานแห่งปารีส (Eau de Paris) หน่วยงานนี้ได้เก็บตัวอย่างของของเสียตามพื้นที่ต่าง ๆ ในเมืองปารีสตอนช่วงกักตัว ผลการสำรวจค้นพบความสัมพันธ์ระหว่างความหนาแน่นของไวรัสกับจำนวนผู้ป่วยเชื้อไวรัสโคโรนาตามแต่ละพื้นที่ หลักการของวิธีนี้คือจำนวนผู้ป่วยที่อยู่ในพื้นที่ต่าง ๆ จะสัมพันธ์กับปริมาณของไวรัสที่ค้นพบจากสิ่งปฏิกูลของพื้นที่นั้น ๆ วิธีนี้เมื่อเทียบกับการตรวจเชื้อรายบุคคลจะมีเพิ่มประสิทธิภาพมากขึ้นมาก เนื่องจากสามารถตรวจสถานะของการติดต่อของทั้งเมืองเพียงครั้งเดียว ลดค่าใช้จ่ายในการตรวจรายบุคคล และยังสามารถตรวจพบเชื้อไวรัสที่อาจมาจากผู้ติดเชื้อที่ไม่มีอาการ (asymptomatic infected patients) ได้อีกด้วย นอกจากนี้ วิธีนี้ได้นำมาใช้เพื่อช่วยในการกวาดล้างโรคโปลิโอในทวีปแอฟริกา หลายคนอาจสงสัยว่า เชื้อไวรัสโคโรนานี้สามารถติดผ่านอุจจาระได้หรือไม่ เรื่องนี้นักวิทยาศาสตร์ออกมายืนยันว่าไวรัสที่พบในอุจจาระไร้สภาพความเป็นเชื้อโรคแล้ว (deactivated) เพราะฉะนั้นจึงสรุปได้ว่าการติดต่อโรค COVID-19 นั้นจะไม่พบผ่านการติดต่อทางอุจจาระ การตรวจหาเชื้อโรคที่รวดเร็วยิ่งขึ้น ด้วยหลักการคณิตศาสตร์ หากต้องการระบุผู้ป่วยเป็นรายบุคคลแต่ต้องการลดจำนวนการตรวจลง เพื่อเพิ่มประสิทธิภาพและความรวดเร็วในการตรวจหาเชื้อ เราจะทำได้หรือไม่? คณิตศาสตร์มีคำตอบให้กับปัญหานี้ โดยถ้าเรารู้ว่ากลุ่มตัวอย่างที่เรากำลังจะตรวจนั้นมีจำนวนผู้ป่วยน้อยมากเมื่อเทียบกับจำนวนผู้ที่มาตรวจ แทนที่เราจะเสียชุดตรวจจำนวนมากไปกับผู้ที่ไม่ป่วยจริง ๆ เราสามารถ “จับกลุ่ม” ผู้รับการตรวจเพื่อที่ตรวจเชื้อไวรัสโคโรนาของทุกคนรวมกัน ถ้าหากผลตรวจของกลุ่มนี้มีผลเป็นบวก นั่นหมายความว่ามีมากกว่าหนึ่งคนในกลุ่มนี้ติดเชื้อไวรัสชนิดนี้เข้าไป หลังจากนั้นเราจึงจะทำการตรวจรายบุคคลในกลุ่มที่เราพบว่ามีผลเป็นบวก เทคนิคการตรวจนี้เรียกว่า เทคนิคการตรวจแบบรวมกลุ่ม (Pooled Sample Testing) ที่นำเสนอโดยสสวท. ทั้งนี้เราสามารถคำนวนสมการทางคณิตศาสตร์เพื่อกำหนดจำนวนคนในแต่ละกลุ่มตามเปอร์เซนต์ของผู้ติดเชื้อ โดยสสวท.ได้วางแบบแผนคร่าว ๆ ว่าหากความเสี่ยงของผู้ติดเชื้อประมาณ 1-2 % แต่ละกลุ่มควรจะมีจำนวนเท่ากับ 10 คน แต่ถ้าหากความเสี่ยงของผู้ติดเชื้อมากกว่านี้ไปจนถึง 10 % แต่ละกลุ่มควรจะลดลงเป็น 4 คน อย่างไรก็ดี ยังมีอีกวิธีที่น่าสนใจไม่แพ้กัน เราเรียกวิธีการนี้ว่า Poisoned Wine Approach ที่ยืมชื่อมาจากปัญหาคณิตศาสตร์ชื่อดัง วิธีการนี้จะเก็บตัวอย่างเชื้อจากผู้เข้ารับการตรวจเชื้อมาจำนวนหนึ่ง และกระจายสู่ชุดตรวจต่าง ๆ ร่วมกับตัวอย่างเชื้อคนอื่น ๆ ชุดตรวจแต่ละชุดจึงไม่ได้ใช้เพื่อตรวจแค่ตัวอย่างเดียวแต่เป็นผลรวมของตัวอย่างทั้งหมด เพื่อให้เข้าใจวิธีการนี้ได้ง่าย ลองสมมติให้มีผู้เข้ารับการตรวจเชื้ออยู่ 20 คน เราสามารถใช้เพียง 6 ชุดการทดลองเท่านั้น ในการตรวจสอบว่าใครบ้างที่ติดเชื้อ กระบวนการเริ่มต้นที่เราทำการเก็บตัวอย่างเชื้อของผู้เข้ารับการตรวจเชื้อมาคนละสามตัวอย่าง เรากำหนดให้ผู้ตรวจเชื้อคนแรกนำชุดทดลองนี้กระจายไปสู่หลอดทดลองหมายเลข 1, 2 และ 3  หลังจากนั้น เรากำหนดให้ผู้ตรวจเชื้อคนที่สองเลือกวางตัวอย่างเชื้อในตำแหน่งที่ 1, 2, และ 4 จากนั้นก็ทำการกระจายตัวอย่างเชื้อของทุก ๆ คนให้วิธีการเลือกหลอดทดลองไม่ซ้ำกันเลยในแต่ละคน การจัดเรียงตัวอย่างเชื้อจะเป็นไปดังตามตารางที่ 1 ผู้ตรวจเชื้อที่ 1 1,2,3 ผู้ตรวจเชื้อที่ 11 2,3,4 ผู้ตรวจเชื้อที่ 2 1,2,4 ผู้ตรวจเชื้อที่ 12 2,3,5 ผู้ตรวจเชื้อที่ 3 1,2,5 ผู้ตรวจเชื้อที่ 13 2,3,6 ผู้ตรวจเชื้อที่ 4 1,2,6 ผู้ตรวจเชื้อที่ 14 2,4,5 ผู้ตรวจเชื้อที่ 5 1,3,4 ผู้ตรวจเชื้อที่ 15 2,4,6 ผู้ตรวจเชื้อที่ 6 1,3,5 ผู้ตรวจเชื้อที่ 16 2,5,6 ผู้ตรวจเชื้อที่ 7 1,3,6 ผู้ตรวจเชื้อที่ 17 3,4,5 ผู้ตรวจเชื้อที่ 8 1,4,5 ผู้ตรวจเชื้อที่ 18 3,4,6 ผู้ตรวจเชื้อที่ 9 1,4,6 ผู้ตรวจเชื้อที่ 19 3,5,6 ผู้ตรวจเชื้อที่ 10 1,5,6 ผู้ตรวจเชื้อที่ 20 4,5,6 ตาราง 1 รายละเอียดของชุดทดลองที่แต่ละคนจะต้องนำเชื้อของตนเองไปไว้ เช่น ผู้ตรวจเชื้อคนที่ 5 จะถูกนำตัวอย่างเชื้อใส่หลอดทดลองที่ 1, 3, และ 4 จาก 6 หลอดทดลอง ด้วยวิธีการนี้ เราสามารถใช้เพียงแค่ 6 ชุดการทดลอง เพื่อตรวจผู้รับการตรวจเชื้อทั้งหมด 20 คนได้ โดยที่ ถ้าเราพบว่า มีชุดทดลองที่ 1, 3, 4 ที่พบว่าเจอผลเป็นบวก เราสามารถสรุปได้ว่า ผู้ตรวจเชื้อหมายเลข 5 ที่มีเชื้ออยู่นั่นเอง ข้อดีที่ของวิธีนี้คือมันสามารถรับตรวจผู้ต้องสงสัยในการติดโรคได้เพิ่มขึ้นแบบก้าวกระโดดเมื่อเพิ่มจำนวนหลอดทดลองเพียงเล็กน้อยเท่านั้น เพื่อยกตัวอย่างให้เห็นภาพ เราสามารถรับตรวจได้กว่า 900 คน จากเพียงหลอดทดลองเพียงแค่ 12 หลอดเท่านั้น นอกจากนี้มันสามารถ ”ประมาณ” จำนวนผู้ป่วยคร่าว ๆ ได้ จากจำนวนของหลอดทดลองที่พบเชื้อไวรัสนี้อยู่ ข้อจำกัดของวิธีนี้ก็เหมือนกับวิธีก่อนหน้า นั่นคือ เหมาะสำหรับกลุ่มตัวอย่างที่มีผู้ป่วยในจำนวนที่น้อยกว่ามาก ๆ เมื่อเทียบกับผู้เข้ารับการตรวจ บทสรุป แนวคิดการตรวจหาเชื้อแบบกลุ่มบางวิธี อาจสามารถประหยัดทรัพยากรการตรวจได้หลายเท่าตัว เช่น เทคนิคการตรวจแบบรวมกลุ่ม (Pooled Sample Testing) หากเปอร์เซนต์ผู้ติดเชื้อเท่ากับ 1 ในประชากร 100 คน ด้วยวิธีนี้จะทำให้พบผู้ติดเชื้อได้โดยใช้ชุดตรวจเพียงแค่ 20 ชุดเท่านั้น ท้ายที่สุดแล้ว ถ้าเราต้องการทราบสถานะของผู้ได้รับเชื้อจริง ๆ ก็คงไม่มีทางเลือกอื่นนอกจากต้องตรวจให้ครบทุกคน แต่ถ้าเราเตรียมพร้อมกับการรับมือการระบาดในครั้งถัดไป ด้วยเทคนิควิธีการตรวจที่หลากหลายมากขึ้น เพื่อเพิ่มความรวดเร็วในการตรวจหาเชื้อในระดับกลุ่มคน จังหวัด หรือประเทศ การระบาดรอบที่สองอาจเป็นสถานการณ์ที่สามารถควบคุมได้ไม่ยากนัก
16 July 2020
ความปลอดภัยกับความเป็นส่วนตัว : การหาจุดร่วมเพื่อควบคุมไวรัสโคโรนา
การแพร่ระบาดของไวรัสโคโรนาในทั่วโลกสร้างความเสียหายต่อชีวิตผู้คนและเศรษฐกิจอย่างรุนแรงและมหาศาล ถึงแม้ตอนนี้รัฐบาลดูเหมือนจะควบคุมตัวเลขผู้ป่วยได้หลังจากที่ปิดประเทศไปแล้ว แต่ว่าความเป็นไปได้ที่เชื้อโรคนั้นจะกลับมายังมีอยู่หากกลับมาเปิดอีกครั้งหนึ่ง การแก้ไขปัญหาอย่างการหยุดกิจกรรมทั้งประเทศเป็นมาตรการที่ส่งผลดีต่อจำนวนผู้ป่วย แต่ก็สร้างความเสียหายทางเศรษฐกิจที่ไม่ว่ารัฐบาลไหนก็ไม่อยากให้เกิดขึ้นอีก รัฐบาลจึงจำเป็นจะต้องเปิดประเทศและจำเป็นต้องหาทางสกัดกั้นลูกโซ่ของการแพร่ระบาดแทน และต้องยื้อเวลาจนกว่าที่วัคซีนจะถูกค้นพบ การใช้เทคโนโลยีติดตามบุคคลเพื่อการควบคุมโรคจึงเป็นเครื่องมือที่รัฐบาลสนใจ วันนี้ เราจะมาตรวจสอบกันว่าทำไมเครื่องมือนี้ถึงถูกเลือก อะไรเป็นข้อควรระวังต่อการใช้เทคโนโลยีนี้ และรัฐบาลแต่ละประเทศมีความคิดเห็นต่อเรื่องนี้แตกต่างกันอย่างไร ความเร็วและข้อมูลของผู้เดินทางคือหัวใจในการปราบไวรัส สิ่งที่น่ากลัวของการแพร่ระบาดไวรัสโคโรนาคือความเร็วของการแพร่ระบาด การแพร่กระจายเชื้อโรคนี้เป็นไปในอัตราก้าวหน้า การรู้แหล่งแพร่เชื้อก่อนหรือการกักตัวผู้ป่วยก่อนจะทำให้เราสามารถลดจำนวนผู้ป่วยไปเป็นจำนวนมหาศาล ดังในตัวอย่างของประเทศที่ประสบความสำเร็จอย่างไต้หวันที่มีประสบการณ์การต่อสู้กับโรคซาร์ส ไต้หวันได้ทำการปิดทางเข้าประเทศทั้งทางเรือและทางอากาศตั้งแต่ต้นเดือนมกราคมและสนับสนุนเครื่องมือป้องกันไวรัสให้แก่ประชาชน สิ่งเหล่านี้ช่วยให้จำนวนผู้ป่วยลดลงอย่างต่อเนื่องจนทางรัฐบาลไม่พบผู้ป่วยใหม่เป็นเวลาหลายวันติดต่อกัน (สถิติวันที่ 27 เมษายน พ.ศ. 2563) นี่เป็นตัวอย่างที่แสดงให้เห็นว่าหากรัฐบาลสามารถระบุต้นตอของโรคได้ไว ก็จะสกัดการแพร่ระบาดเชื้อได้ไวเช่นเดียวกัน อีกหนึ่งตัวอย่างที่รัฐบาลต้องการที่จะหยุดต้นตอการระบาดของเชื้อโรคคือประเทศจีน มาตรการการควบคุมประชากรของจีนนั้น (อ้างอิงจากแหล่งข่าว Business Insider) มีแนวคิดที่ว่ารัฐบาลสั่งให้ประชาชนให้ปฏิบัติตามคำสั่งอย่างเคร่งครัด ถึงแม้จะมีมาตรการที่ค่อนข้างสุดโต่งที่ประเทศอื่น ๆ อาจนำมาปฏิบัติได้ยาก ยกตัวอย่างเช่น การห้ามการสัญจรในพื้นที่สาธารณะ การบังคับประชาชนให้เปิดเผยเส้นทางการเดินทางผ่านพื้นที่เสี่ยง การติดตั้งแอปพลิเคชันบันทึกเส้นทางการเดินทาง เป็นต้น แต่มาตรการดังกล่าวได้มอบข้อมูลที่ระบุถึงเส้นทางการติดเชื้อของประชาชนทำให้เจ้าหน้าที่สามารถจัดการแหล่งแพร่เชื้ออย่างมีประสิทธิภาพและสามารถควบคุมผู้ติดเชื้อในประเทศได้อย่างอยู่หมัด ถึงแม้ว่ารัฐบาลต้องทำงานในสภาวะที่ผู้ติดเชื้อมีจำนวนค่อนข้างสูงแล้วก็ตาม สิ่งที่ต้องแลกกับข้อมูลส่วนตัว ประเทศผู้นำเทคโนโลยีอย่างเกาหลีใต้ก็ประสบความสำเร็จในการควบคุมตัวเลขผู้ติดเชื้อเช่นกัน โดยอาศัยความช่วยเหลือจากเทคโนโลยีดิจิตัลรูปแบบต่าง ๆ หนึ่งในเทคโนโลยีดังกล่าวคือแอปพลิเคชันติดตามและบันทึกเส้นทางการเดินทางของผู้ใช้งาน รูปแบบการใช้งานคือการเฝ้าระวังไม่ให้ผู้ใช้งานไปอยู่ในพื้นที่เสี่ยง และสามารถออกหมายจับได้ถ้าผู้ใช้งานฝ่าฝืน ด้วยลักษณะการทำงานของแอปพลิเคชันนี้ การเก็บข้อมูลจึงมีลักษณะรวมศูนย์หรือข้อมูลทั้งหมดอยู่รัฐบาล อย่างไรก็ดี รัฐบาลจะเปิดเผยข้อมูลเฉพาะของผู้ป่วยในลักษณะที่ไม่เปิดเผยตัวตนบนเว็ปไซต์ของกระทรวงสาธารณสุขและสวัสดิการเพื่อให้มั่นใจว่าข้อมูลที่ถูกเก็บไปนั้นถูกนำไปใช้ประโยชน์เพื่อการควบคุมโรคเท่านั้น แต่ว่าก็ยังมีผู้ไม่หวังดีได้สืบสาวข้อมูลดังกล่าวของผู้ป่วย ทำให้สามารถระบุตัวตนของผู้ป่วยและทำให้ผู้ป่วยไม่ได้รับความเป็นส่วนตัวกระทั่งได้รับความเดือดร้อนในที่สุด นั่นจึงทำให้เกิดคำถามขึ้นว่า  เราควรให้ความสำคัญกับข้อมูลส่วนตัวของเรามากขนาดไหนเพื่อให้สังคมนั้นปลอดภัยทั้งจากข้อมูลที่รั่วไหลและจากเชื้อโรคตัวนี้ ความปลอดภัยหรือความเป็นส่วนตัว? อาจกล่าวได้ว่าความเป็นส่วนตัวและความปลอดภัยในสังคมเป็นสองขั้วที่อยู่ตรงข้ามกัน ในแง่หนึ่งการจัดการเชื้อโรคจำเป็นที่จะต้องรู้แหล่งของโรคและจะต้องควบคุมผู้ที่ติดเชื้อให้ได้ไวที่สุดเท่าที่จะทำได้ เพราะยิ่งควบคุมแหล่งแพร่เชื้อได้ไวเท่าไหร่ การแพร่เชื้อก็จะจำกัดมากขึ้นเท่านั้น ดังนั้นข้อมูลเส้นทางของแต่ละคนจึงเป็นสิ่งที่จำเป็น แต่ในทางกลับกัน ความเป็นส่วนตัวของประชาชนก็เป็นเรื่องที่ต้องให้ความสำคัญ ความเป็นส่วนตัวถือเป็นธรรมชาติของมนุษย์ เราทุกคนต่างมีความลับบางอย่างหรือพื้นที่ส่วนตัวที่ไม่ต้องการให้ใครเข้าได้ เราต่างล็อคบ้านของตัวเองก่อนเข้านอน เราต่างใช้พาสเวิร์ดในการเข้าใช้อีเมล หากมีอำนาจใดที่มีความชอบธรรมในการล่วงรู้ข้อมูลส่วนตัวของทุกคน อำนาจนั้นอาจถูกใช้โดนทางที่ผิดและส่งผลต่อความปลอดภัยของปัจเจกบุคคลได้ในที่สุด เพราะฉะนั้นข้อมูลส่วนตัวจึงสำคัญไม่แพ้กัน การจัดการความสัมพันธ์ระหว่างสองความคิดนี้จึงเป็นคำถามที่รัฐบาลแต่ละประเทศจะต้องชั่งน้ำหนักให้ดี หากเลือกทางใดทางหนึ่งมากเกินไปอาจก่อให้เกิดปัญหาจากอีกทางหนึ่งได้ บริษัทเทคโนโลยีขนาดใหญ่คือทางออก? เพื่อยุติข้อขัดแย้งระหว่างทางสองแพร่งนี้ ทาง Apple และ Google ได้ออกประกาศร่วมกันในการพัฒนาฟังก์ชันของโทรศัพท์มือถือที่ใช้ระบบปฏิบัติการ Android และ iOS ให้สามารถติดต่อกันผ่านเทคโนโลยีเชื่อมต่อระยะสั้น”บลูทูธ” (Bluetooth) ในทางระยะแรกนี้ ทางบริษัทจะพัฒนาหน้าต่างเรียกข้อมูล (Application Programming Interface – API) ให้กับผู้พัฒนาแอปพลิเคชันทั่วไป ก่อนที่จะพัฒนาให้ติดตั้งอยู่ในโทรศัพท์มือถือของแต่ละคน และเมื่อเปิดใช้งาน และจะเปิดเผยข้อมูลอย่างสาธารณะเพื่อให้ผู้ที่สนใจนำข้อมูลไปวิเคราะห์และต่อยอดได้ ทั้งหมดนี้ ทางบริษัทได้ยึดถือความเป็นส่วนตัวของข้อมูลเป็นหลัก และพร้อมที่จะทำงานกับรัฐบาลและกระทรวงสาธารณะสุขของแต่ละประเทศ ทวีปที่ไร้พรมแดนกับไวรัสที่ต้องเผชิญ ถึงแม้ว่าทางฝั่งของทวีปยุโรปได้ตื่นตัวกับการควบคุมไวรัสช้าไปสักหน่อย แต่เมื่อจำนวนผู้ป่วยเพิ่มมากขึ้นการใช้เทคโนโลยีอย่างแอปพลิเคชันบันทึกผู้ติดต่อจึงเป็นทางเลือกที่ค่อนข้างถูกกว่าและมีประสิทธิภาพกว่า ในตอนนี้แต่ละประเทศในทวีปยุโรปต่างเดินหน้าผลิตแอปพลิเคชันเป็นของตัวเอง ในขณะที่ประเทศเยอรมนีเห็นว่าการผลิตแอปพลิเคชันเดียวเพื่อใช้ในทวีปยุโรปทั้งหมดจะเป็นทางเลือกที่ดีกว่า เนื่องจากพื้นที่ในทวีปยุโรปนั้นไร้เส้นแบ่งดินแดน ผู้อาศัยในทวีปยุโรปต่างสามารถเข้าออกแต่ละประเทศได้อย่างเสรี การใช้เพียงหนึ่งแอปพลิเคชันจะลดความซ้ำซ้อนของการติดตั้งและป้องกันการรั่วไหลของข้อมูล อีกสิ่งที่ทางทวีปยุโรปให้ความสำคัญคือการรักษาความเป็นส่วนตัวของข้อมูล คณะกรรมมาธิการยุโรป (European Commission) ได้วางแนวทางการสร้างแอพบันทึกผู้ติดต่อโดยคำนึงหลักการไว้อยู่หลายข้อ โดยหลัก ๆ  แล้วคือฟังก์ชันของแอพนี้ต้องเป็นการเก็บบันทึกข้อมูลการติดต่อของบุคคลโดยใช้บลูทูธ (Bluetooth) และการแจ้งเตือนผู้ที่ติดต่อกับคนที่ได้รับเชื้อโคโรนาไวรัส การไม่เปิดเผยข้อมูลส่วนตัวของผู้ใช้งานรวมถึงการไม่ระบุตัวผู้ป่วยต่อผู้ที่มีความเสี่ยง และต้องลบข้อมูลผู้ติดต่อหากเกินระยะเวลาที่กำหนด ด้วยแนวทางเหล่านี้ ทางคณะกรรมาธิการยุโรปยืนยันว่าปลอดความเสี่ยงที่จะถูกคุกคามความเป็นส่วนตัวของข้อมูล แต่ประเด็นการรวมข้อมูลอยู่ที่ศูนย์กลางยังเป็นสิ่งที่ถกเถียงอยู่ในตอนนี้ ล่าสุดประเทศอังกฤษและฝรั่งเศสสนับสนุนการเก็บข้อมูลเข้าสู่ส่วนกลาง เพราะการกระจายกำลังการต่อต้านโรคมีประสิทธิภาพมากกว่า ในขณะที่ ประเทศเยอรมนีได้สนับสนุนแนวทางการดำเนินงานของ Google และ Apple ที่ไม่ต้องการเก็บข้อมูลส่วนตัวของแต่ละคนเข้าสู่ส่วนกลาง เพราะประเด็นที่สำคัญของการใช้แอปพลิเคชันดังกล่าวคือการระบุถึงแหล่งที่มาของเชื้อและทะลายห่วงโซ่ของการระบาดอย่างเร็วที่สุด การรวมข้อมูลเข้าสู่ศูนย์กลางจึงเป็นเรื่องที่ไม่จำเป็น อย่างไรก็ดี นักวิทยาศาสตร์ชาวยุโรปได้ออกมาเตือนถึงเรื่องนี้ผ่านการเขียนจดหมายเปิดผนึกโดยได้ใจความว่า หากมีการเก็บข้อมูลเข้าสู่ส่วนกลาง จะเกิด “การสอดแนมมวลชน” อย่างที่ไม่เคยเกิดขึ้นมาก่อน ผู้นำทางเทคโนโลยีกับกฎหมายที่ล้าหลัง ในประเทศสหรัฐอเมริกาเอง กลุ่มบริษัทเทคโนโลยีชั้นนำของโลกยกตัวอย่างเช่น Google, Amazon, Facebook, Apple และ Microsoft มีข้อมูลประชาชนสหรัฐเป็นจำนวนมาก ข้อมูลเหล่าสำคัญเป็นอย่างยิ่งที่จะช่วยยับยั้งการแพร่ระบาดของไวรัสได้ โดยเฉพาะอย่างยิ่ง ข้อมูลการเดินทางของผู้คนในสหรัฐ แต่ว่าทางรัฐสภาสหรัฐยังไม่มีกฎหมายออกมาอย่างแน่ชัดสำหรับการจัดการข้อมูลส่วนตัว ความล่าช้าของกระบวนการร่างกฎหมายฉบับนี้ทำให้การช่วยเหลือทางด้านข้อมูลส่วนบุคคลของ บริษัทเทคโนโลยีขนาดใหญ่เหล่านี้ยังไม่ได้ถูกใช้อย่างเต็มประสิทธิภาพ เบื้องต้นรัฐบาลสหรัฐขอให้กลุ่มบริษัทเทคโนโลยีเหล่านี้ยื่นข้อมูลที่ไม่เปิดเผยชื่อโดยเฉพาะข้อมูลการเคลื่อนที่โทรศัพท์มือถือของประชาชน กฎหมายควบคุมข้อมูลสาธารณะนี้สำคัญเพราะจะเป็นตัวกำหนดว่าการใช้ข้อมูลในเรื่องหนึ่งควรให้ความสำคัญกับส่วนรวมมากกว่าสิทธิส่วนบุคคล และนำไปสู่การบังคับใช้อย่างถูกต้องและเหมาะสม บทสรุปจากทั่วโลก โดยสรุปแล้ว รัฐบาลแต่ละประเทศต่างดำเนินแนวทางในการเข้าถึงข้อมูลส่วนบุคคลที่แตกต่างกัน ในขณะที่บางประเทศได้ดำเนินการใช้นโยบายไปบ้างแล้ว บางประเทศก็ยังถกเถียงเพื่อหาจุดลงตัวระหว่างความปลอดภัยในสังคมและความเป็นส่วนตัวของประชาชน นี่อาจเป็นคำถามใหญ่ต่อความเป็นส่วนตัวของข้อมูลของเราก็ได้ว่าจำเป็นต้องเสียสละสิ่งนี้มากเพียงใดเพื่อใช้ในการรักษาความปลอดภัยในประเทศ ถือเป็นหน้าที่ของรัฐบาลที่จะต้องถ่วงดุลตาชั่งนี้ให้ดี
5 May 2020
PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings