IoT

IoT

ข่าวและบทความที่เกี่ยวข้อง

Related news and articles

PostType Filter En

บทความ

Insurance 2030 – AI จะส่งผลกระทบต่อธุรกิจประกันภัยอย่างมหาศาลภายในปี 2030
ธุรกิจประกันภัย หนึ่งในธุรกิจที่สำคัญของมนุษย์กำลังเผชิญความท้าทายครั้งใหม่ เมื่อปัญญาประดิษฐ์จะเข้ามาเปลี่ยนโฉมวีถีการดำเนินธุรกิจนี้ไปตลอดการจากคำทำนายของบริษัทที่ปรึกษาชั้นนำของโลก ธุรกิจประกันภัยในโลกอนาคตจะหน้าตาแบบใด ปัญญาประดิษฐ์จะเข้ามามีบทบาทในธุรกิจประกันภัยอย่างไร และเราจะเตรียมพร้อมรับมือการเปลี่ยนแปลงในครั้งนี้ได้อย่างไรภายในปี 2030 ในบทความนี้มีคำตอบ
14 February 2024

บทความ

5 ความท้าทายต่อการเปลี่ยนแปลงโดย AI และการวิเคราะห์ข้อมูล
เหตุการณ์ต่าง ๆ ในช่วงปีที่ผ่านมา รวมถึงความท้าทายทางเศรษฐกิจและสังคมที่เพิ่มมากขึ้นเรื่อย ๆ จนอดคิดไม่ได้ว่าวิธีแก้ปัญหาต่าง ๆ เหล่านั้นจะต้องมีความซับซ้อนเพียงใด แต่ AI และการวิเคราะห์ข้อมูล กลับมีบทบาทสำคัญในการช่วยวิเคราะห์หาวิธีแก้ปัญหาดังกล่าว จะเห็นได้จากการที่ผู้นำทั้งฝ่ายรัฐบาลและอุตสาหกรรมล้วนแข็งแกร่งขึ้นเพราะมีข้อมูลที่เชื่อถือได้ และในตอนนี้ เราได้สรุปความท้าทายทางสังคม เศรษฐกิจ การเมือง ใน 5 ด้าน ที่ AI และการวิเคราะห์ข้อมูล จะสามารถมาช่วยปรับปรุงการทำงานให้ดีขึ้นได้ ดังนี้ 1. ด้านโครงสร้างพื้นฐาน ในช่วงปีที่ผ่านมา ร่างพระราชบัญญัติโครงสร้างพื้นฐานของสหรัฐอเมริกา ได้ทุ่มงบประมาณมหาศาลถึง 5.5 แสนล้านดอลลาร์ เพื่อปรับปรุงโครงสร้างพื้นฐานของอเมริกา ตั้งแต่สะพาน ถนน ไปจนถึงระบบอินเทอร์เน็ต ระบบบริหารจัดการน้ำ และพลังงานของประเทศ ผู้นำรัฐบาลได้นำ AI มาช่วยในการวิเคราะห์ข้อมูล เพื่อจัดลำดับความสำคัญและเพิ่มประสิทธิภาพการลงทุนโครงสร้างพื้นฐานเหล่านี้ ตัวอย่างของข้อมูลที่ถูกนำมาใช้ในการวิเคราะห์ เช่น ข้อมูลเรียลไทม์ที่รวบรวมจากระบบเซ็นเซอร์ IoT บนสะพาน อุโมงค์ ถนน และโครงสร้างพื้นฐานที่สำคัญอื่น ๆ ตลอดจนวิดีโอตรวจเฝ้าระวังภัยจากโดรน สิ่งเหล่านี้ช่วยให้องค์กรของรัฐสามารถวิเคราะห์สภาพของทรัพยากรและคาดการณ์ความเสียหายที่อาจจะเกิดขึ้น หากโครงสร้างพื้นฐานดังกล่าวเกิดปัญหาในรูปแบบต่าง ๆ นอกจากนี้ ยังสามารถบูรณาการข้อมูลโครงสร้างพื้นฐาน เข้ากับข้อมูลด้านอื่น ๆ เช่น การบูรณาการข้อมูลด้านสาธารณสุขเข้ากับข้อมูลทางตำแหน่งของโครงสร้างที่มีท่อตะกั่วเพื่อประเมินความเสี่ยง อีกทั้งยังช่วยจัดลำดับความสำคัญของการเปลี่ยนท่อตะกั่ว ซึ่งการที่สามารถวิเคราะห์ข้อมูลเหล่านี้ได้ จะช่วยประหยัดงบประมาณในการลงทุน และช่วยเพิ่มมาตรฐานความปลอดภัยให้กับประชาชนมากยิ่งขึ้น 2. ด้านการตรวจสอบการฉ้อโกง งบประมาณ 3.5 ล้านล้านเหรียญ คือจำนวนเงินบรรเทาทุกข์จากสถานการณ์โควิดที่รัฐบาลสหรัฐฯ ใช้ไปนับตั้งแต่เกิดสถานการณ์โควิด จึงไม่น่าแปลกใจที่การฉ้อโกงบางประเภทจะเกิดขึ้น หน่วยสืบราชการลับคาดว่างบประมาณกว่า 100 พันล้านดอลลาร์ในกองทุนบรรเทาทุกข์จากช่วงระบาดของสถานการณ์โควิดนี้ได้ถูกฉ้อโกงไป โดยที่ยากจะติดตามและนำกลับมาได้ ที่สำคัญยิ่งไปกว่านั้น นั่นคือเงินเหล่านั้นคือจำนวนเงินที่ประชาชนผู้มีสิทธิเรียกร้องอย่างถูกต้องตามกฎหมายและเป็นคนที่ต้องการความช่วยเหลือมากที่สุดกลับไม่ได้รับ AI และการวิเคราะห์ข้อมูล จึงเข้ามามีบทบาทและมีความสำคัญอย่างยิ่งในการจัดการกับความท้าทายนี้หากใช้มันอย่างถูกวิธี ปัจจุบันการจดจำใบหน้าและการจับคู่ข้อมูล (หรือที่รู้จักกันในการทดสอบโดยยืนยันข้อมูลเพื่อระบุตัวตน) ถูกนำมาใช้โดยหน่วยงานของรัฐ ทั้งนี้เทคโนโลยีดังกล่าวยังช่วยแก้ปัญหาความไม่เท่าเทียมกันได้ด้วย แบบทดสอบเกี่ยวกับข้อมูลประจำตัวจะมีคำถามเกี่ยวกับประวัติเครดิต เช่น ประเภทของรถที่เป็นเจ้าของ ที่อยู่ถาวรก่อนหน้านี้ ประเภทบัตรเครดิต และประวัติทางธนาคาร ซึ่งส่งผลต่อความรู้สึกในทางที่ไม่ดีต่อบุคคลที่มีรายได้น้อย หรือคนหนุ่มสาว คนไม่มีบัญชีธนาคาร ผู้อพยพ และกลุ่มอื่น ๆ ในปีนี้ AI และการวิเคราะห์จะเข้ามามีบทบาทกับการฉ้อโกงในหลากหลายมิติมากขึ้น เช่น การวิเคราะห์ข้อมูลบุคคลจากแหล่งข้อมูลที่ไม่มีเงื่อนไขเรื่องเชื้อชาติ หรือการเข้าถึงอุปกรณ์ดิจิทัล, ที่อยู่ IP, หมายเลขโทรศัพท์มือถือ และที่อยู่อีเมล การวิเคราะห์ข้อมูลบุคคลจึงไม่ได้เป็นแค่กุญแจดอกสำคัญในการระบุตัวตนและลดการฉ้อโกง แต่ยังสามารถนำไปบูรณาการกับข้อมูลด้านอื่น ๆ เช่น ข้อมูลผู้ที่ต้องรับสวัสดิการต่าง ๆ จากทางภาครัฐ เพื่อช่วยตรวจสอบความถูกต้องได้อีกด้วย 3. ด้านการเปลี่ยนแปลงสภาพภูมิอากาศ ร่างพระราชบัญญัติโครงสร้างพื้นฐานของสหรัฐอเมริกาทุ่มเงินงบประมาณกว่า 5 หมื่นล้านดอลลาร์ เพื่อช่วยชุมชนต่อสู้กับผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศ รวมไปถึงความพยายามในการป้องกันภัยแล้ง อากาศร้อนจัด และน้ำท่วม การวิเคราะห์ข้อมูลมีบทบาทสำคัญในการคาดการณ์เกี่ยวกับผลกระทบของสภาพอากาศเหล่านี้ ซึ่งช่วยในการวางแผนรับมือสำหรับสิ่งที่จะเกิดขึ้นในอนาคต และยังสร้างความตระหนักรู้เกี่ยวกับวิธีการส่งเสริมความยั่งยืนและอนุรักษ์สิ่งแวดล้อมอีกด้วย อีกทั้งปริมาณข้อมูลที่เกี่ยวข้องที่เพิ่มมากขึ้นจากเซ็นเซอร์และระบบ IoT จึงจำเป็นต้องใช้การวิเคราะห์ขั้นสูงและ AI เข้ามาช่วย เพื่อจัดการกับความท้าทายด้านสภาพอากาศต่าง ๆ ตัวอย่างเช่น เมือง Cary ใน North Carolina ที่เตรียมรับมือกับน้ำท่วม โดยการติดตั้งระบบเซ็นเซอร์ในลำธาร ซึ่งการใช้ AI และ IoT ร่วมกับเทคโนโลยีในระบบ Cloud ทำให้เมือง Cary สามารถคาดการณ์ได้อย่างรวดเร็วว่าน้ำท่วมจะเกิดขึ้นที่ใดและจะท่วมมากน้อยแค่ไหน ส่งผลให้สามารถปรับใช้ทรัพยากรและแจ้งเตือนชาวเมืองได้ทันท่วงทีอีกด้วย 4. ด้านสุขภาพกายและสุขภาพจิต การแพร่ระบาดของโควิด ส่งผลกระทบเป็นวงกว้างมากกว่าแค่ผู้ติดเชื้อ ผู้คนนับล้านสัมผัสได้ถึงความสูญเสียจากผู้เสียชีวิตและผู้มีผลกระทบทางจิตใจ การใช้ AI และการวิเคราะห์ข้อมูลเพื่อสนับสนุนการรักษาใหม่ ๆ จะส่งผลให้ได้การทดสอบที่ดีขึ้น และช่วยลดความไม่เท่าเทียมกันทางสาธารณสุข เพื่อให้ทุกคนสามารถอยู่ได้อย่างปลอดภัยและมีสุขภาพที่ดีได้ในอนาคต โดยที่ต้องไม่มีกำแพงทางเศรษฐกิจและสังคมมาเป็นปัจจัย ตัวอย่างเช่น ผู้ใช้ฐานข้อมูลการวิจัยโควิดของทรัพยากรข้อมูลของ Pro Bono COVID สถานวิจัยโควิดที่ใหญ่ที่สุดในโลก ใช้ AI เพื่อช่วยสำรวจว่าโควิดแสดงผลอย่างไรในหมู่ประชากรผิวสี หรือมหาวิทยาลัยใน North Carolina ที่ Chapel Hill ที่ริเริ่มการพัฒนายาต้านไวรัส (READDI) โดยใช้ AI เรียนรู้จากข้อมูลสภาพปอดของผู้ป่วยโควิดที่ป่วยหนัก เพื่อทดสอบยาต้านไวรัสโควิด19 ตัวใหม่ ในด้านการพัฒนาอุปกรณ์สำหรับทดสอบโรคต่าง ๆ  เพื่อให้สามารถรับมือกับการระบาดใหญ่รูปแบบต่าง ๆ ในอนาคต จึงจำเป็นจะต้องมีอุปกรณ์ทดสอลที่สามารถทราบผลได้ทันที และต้นทุนต่ำ เช่น อุปกรณ์ทดสอบแบบใช้แล้วทิ้ง หรือเครื่องอ่านผลแบบใช้มือถือ ซึ่งการประยุกต์ใช้ AI และการวิเคราะห์ข้อมูลด้วยภาพ จะช่วยให้สามารถวิเคราะห์ข้อมูลการวินิจฉัย รวมถึงบันทึกข้อมูลสุขภาพผ่านสื่ออิเล็กทรอนิกส์ เพื่อค้นหาการติดเชื้อ ดูแนวโน้มด้วยตนเอง และตรวจสอบกลุ่มการแพร่ระบาดของโรคเพื่อติดตามและคาดการณ์การระบาดได้ดียิ่งขึ้น 5. ด้านการบังคับใช้กฎหมายและความปลอดภัยต่อสาธารณชน ในด้านการบังคับใช้กฎหมายก็ต้องการการปฏิรูปนโยบายที่เป็นนวัตกรรม และเทคโนโลยีที่ตอบสนองผู้คนในวงกว้าง พร้อมทั้งสร้างความโปร่งใส เช่น ใช้การรักษาตามหลักฐาน (Evidence-based Policing : EBP) หรือแนวทางในการกำหนดนโยบายและการตัดสินใจทางยุทธวิธีสำหรับหน่วยงานตำรวจมากยิ่งขึ้น ซึ่งสิ่งเหล่านี้ต้องได้รับการสนับสนุนโดยการวิเคราะห์ข้อมูล โดยผลลัพธ์นอกจากจะทำให้ความเป็นอยู่ของเจ้าหน้าที่ดีขึ้น ลดอัตราการเกิดอาชญากรรม ยังช่วยสร้างความเชื่อมั่นในทำงานของเจ้าหน้าที่อีกด้วย นอกจากจะวิเคราะห์ข้อมูลจากข้อมูลพื้นฐาน เช่น จำนวนหมายค้น, รายละเอียดการบังคับใช้กฎจราจร หรือจำนวนผู้ที่ถูกจับกุม ยังสามารถบูรณาการกับข้อมูลการใช้แนวการปฏิบัติจาก EBP มาใช้วัดผลกระทบของกิจกรรมเหล่านั้นรวมด้วย เช่น ปริมาณอาชญากรรมโดยรวมหรืออุบัติเหตุจราจรลดลงหรือไม่ นอกจากนี้ยังรวมไปถึงการวิเคราะห์ผลกระทบของกฎหมายต่อประชาชน ว่ามีความเห็นชอบอย่างไร ในภาพรวมอาจจะเห็นว่าการใช้ AI และการวิเคราะห์ข้อมูล ในงานด้านการบังคับใช้กฎหมายจะเน้นไปที่งานที่เหล่าเจ้าหน้าที่ทำได้ดีอยู่แล้ว โดยดูข้อมูลทั้งภายนอกและภายในอันส่งผลกระทบต่อเจ้าหน้าที่และชุมชน แต่ท้ายที่สุดแล้วเทคโนโลยีดังกล่าวก็จะช่วยให้หน่วยงานตำรวจสามารถปรับปรุงความโปร่งใส ความรับผิดชอบ และเชื่อมโยงกับชุมชนได้ บทความโดย Lee Ann Dietzเนื้อหาจากบทความของ InformationWeekแปลและเรียบเรียงโดย วิน เวธิตตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น
18 April 2022

บทความ

รู้จักกับ Digital Twin ฝาแฝดในโลกดิจิทัล
จะเป็นไปได้หรือไม่ ที่เราสามารถที่จะแบบจำลองอะไรบางอย่างภายในโลกดิจิทัลที่มีลักษณะและการทำงานเหมือนกันทุกอย่างกับของจริง เราสามารถทำได้ด้วยเทคโนโลยีของ Digital Twin ในการสร้างฝาแฝดในโลกเสมือน ว่าแต่ Digital Twin คืออะไร? แล้วมีการทำงานอย่างไร? ถ้าเราอยากจะสร้างต้องรู้อะไรบ้าง?
3 March 2022

บทความ

10 อันดับเทรนด์ เทคโนโลยี และนวัตกรรมการเกษตร (Agriculture Innovations) สำหรับปี 2022
เริ่มปีใหม่ 2022 กันแล้ว เทรนด์เกี่ยวกับเทคโนโลยีใหม่ ๆ ได้มีการเปลี่ยนแปลงและพัฒนากันอย่างต่อเนื่องในหลากหลายด้านที่เราพบเจอได้ในชีวิตประจำวัน ไม่ว่าจะเป็นในส่วนของธนาคาร ด้านสาธารณสุขหรือการรักษาพยาบาล และในส่วนของรถยนต์ขับเคลื่อนอัตโนมัติ เป็นต้น นอกจากนี้แล้ว การพัฒนาของเทคโนโลยีก็ยังคืบคลานเข้าไปอยู่ในด้านอื่น ๆ ที่อาจจะไม่ได้อยู่ใกล้ตัวเราอีกด้วย เช่น ด้านการเกษตรที่ในบทความนี้จะมาอัพเดทเทรนด์ให้ได้รู้กันสักเล็กน้อย ทางบริษัท StartUs Insights ซึ่งเป็นบริษัทเกี่ยวกับนวัตกรรมที่ให้คำปรึกษาด้านสตาร์ทอัพชั้นนำ ได้ทำการสำรวจบริษัทสตาร์ทอัพในอุตสาหกรรมนี้และได้สรุป 10 อันดับเทรนด์ เทคโนโลยี และนวัตกรรมการเกษตรสำหรับปี 2022 ออกมาเป็นแผนผังนวัตกรรมด้านการเกษตร (Agriculture Innovations) รวมถึงบริษัทสตาร์ทอัพที่มีความเกี่ยวข้องในแต่ละด้านรวม 20 แห่งตามรูปด้านล่าง โดยมีรายละเอียดดังนี้ Internet of Things การตรวจสอบพื้นที่เพาะปลูกในการเกษตรแบบเดิมต้องใช้แรงงาน อุปกรณ์ทางการเกษตร เวลา และความพยายามเป็นอย่างมาก เทคโนโลยี IoT ถือเป็นทางเลือกหนึ่งที่สามารถนำมาใช้แทนวิธีการดั้งเดิมเหล่านี้ อุปกรณ์ IoT ประกอบด้วยเซ็นเซอร์ตั้งแต่หนึ่งตัวขึ้นไปที่ใช้รวบรวมและส่งข้อมูลได้อย่างถูกต้องแม่นยำผ่านแอปพลิเคชันมือถือ หรือวิธีการอื่น ๆ แบบเรียลไทม์ เซ็นเซอร์เหล่านี้ทำหน้าที่ต่าง ๆ มากมาย เช่น การตรวจวัดดิน อุณหภูมิ ความชื้น การติดตามพืชและปศุสัตว์ และอื่น ๆ นอกจากนี้ยังอำนวยความสะดวกในการตรวจสอบฟาร์มจากทางไกล ซึ่งช่วยเพิ่มความสะดวกให้กับเกษตรกร ยิ่งไปกว่านั้นยังมีการนำเซ็นเซอร์ IoT เข้ามาช่วยในการจ่ายน้ำไปยังพืชผลแบบอัตโนมัติโดยใช้เซ็นเซอร์ตรวจจับการระเหยและการคายน้ำของพืช เซ็นเซอร์ตรวจสอบความชื้นในดิน และเซ็นเซอร์วัดปริมาณน้ำฝนอีกด้วย สตาร์ทอัพต่าง ๆ กำลังพัฒนานวัตกรรมใหม่ที่ผสมผสานเทคโนโลยี IoT เข้ากับโดรน หุ่นยนต์และการประมวลผลภาพถ่ายเพื่อเพิ่มความรวดเร็ว และความถูกต้องแม่นยำของกระบวนการในฟาร์ม สิ่งต่าง ๆ เหล่านี้จะส่งการแจ้งเตือนให้เราได้อย่างทันท่วงทีและช่วยลดระยะเวลาในการตอบสนองในแต่ละพื้นที่ Agricultural Robotics การขาดแคลนแรงงานเป็นปัญหาสำคัญที่เกษตรกรต้องเผชิญ และสิ่งนี้จะเพิ่มมากขึ้นในกรณีของการปฏิบัติงานภาคสนามขนาดใหญ่ ด้วยเหตุนี้เองบริษัทสตาร์ทอัพจึงได้มีการผลิตหุ่นยนต์การเกษตรเพื่อช่วยเหลือเกษตรกรได้อย่างหลากหลายประเภทงาน ซึ่งรวมไปถึงการเก็บเกี่ยวผลไม้ การปลูก การย้ายปลูก การฉีดพ่น การเพาะเมล็ด และการกำจัดวัชพืชด้วยเช่นกัน เกษตรกรเริ่มพึ่งพาหุ่นยนต์ให้ทำงานในส่วนที่ทำซ้ำ ๆ มากขึ้นเรื่อย ๆ พวกเขามีการปรับใช้เครื่องจักรการเกษตรอัจฉริยะ เช่น รถแทรกเตอร์ขับเคลื่อนอัตโนมัติและกึ่งอัตโนมัติด้วยระบบ GPS เพื่อการเก็บเกี่ยว โดยรถเหล่านี้จะมาพร้อมกับเทคโนโลยีบังคับเลี้ยวอัตโนมัติเพื่อการนำทางที่ง่ายขึ้นอีกด้วย นอกจากนี้หุ่นยนต์ยังถูกนำมาใช้ในการจัดการด้านปศุสัตว์ต่าง ๆ ยกตัวอย่างเช่น เครื่องชั่งน้ำหนักอัตโนมัติ ตู้ฟักไข่ เครื่องรีดนม เครื่องป้อนอาหารอัตโนมัติ และอื่น ๆ อีกมากมาย หุ่นยนต์ช่วยให้เกษตรกรสามารถโฟกัสไปที่การปรับปรุงผลิตภาพ (productivity) โดยรวมได้โดยไม่ต้องกังวลว่าจะทำให้การทำฟาร์มในส่วนอื่น ๆ เชื่องช้าลง นอกจากนี้ยังช่วยป้องกันข้อผิดพลาดที่เกิดจากฝีมือมนุษย์ได้ Artificial Intelligence การผสมผสานปัญญาประดิษฐ์ในการเกษตรช่วยให้เกษตรกรได้รับข้อมูลเชิงลึกแบบเรียลไทม์จากพื้นที่ของตนเองทำให้พวกเขาสามารถดำเนินการในเชิงรุกได้ AI ทำให้เกิดข้อมูลเชิงลึกเชิงคาดการณ์สำหรับการพยากรณ์ข้อมูลสภาพอากาศ ผลผลิตพืชผล และราคา ซึ่งจะช่วยในการตัดสินใจของเกษตรกร และอีกตัวช่วยหนึ่งคือแชทบอท (Chatbot) ที่จะเข้ามาช่วยให้คำแนะนำแก่เกษตรกร ในอีกด้านหนึ่งอัลกอริทึม AI และการเรียนรู้ของเครื่อง (Machine Learning) ทำให้การรับรู้ความผิดปกติและโรคในพืชและปศุสัตว์เป็นไปโดยอัตโนมัติ ซึ่งจะช่วยให้สามารถตรวจจับและตอบสนองได้อย่างทันท่วงที อีกทั้งในส่วนของเทคโนโลยีชีวภาพ (Biotechnology) ก็ยังมีการนำอัลกอริทึมการเรียนรู้ของเครื่องมาใช้ในการแนะนำเกี่ยวกับการคัดเลือกยีนด้วยเช่นกัน Drones การเพิ่มผลผลิตของฟาร์มในขณะที่ยังคงประหยัดต้นทุนนั้นเป็นเรื่องที่ท้าทาย แต่โดรน (Drone) หรือที่เรียกกันว่า ยานพาหนะทางอากาศไร้คนขับ (Unmanned Aerial Vehicles, UAVs) นั้นสามารถช่วยให้เกษตรกรเอาชนะความยุ่งยากนี้ได้อย่างมีประสิทธิภาพ โดรนจะทำการรวบรวมข้อมูลดิบซึ่งสามารถแปลงเป็นข้อมูลที่มีประโยชน์สำหรับการติดตามฟาร์มได้ โดยโดรนที่ติดตั้งกล้องจะช่วยอำนวยความสะดวกในการถ่ายภาพทางอากาศและช่วยสำรวจพื้นที่ทั้งในระยะใกล้และไกลให้แก่เกษตรกรได้ ซึ่งข้อมูลจากโดรนสามารถนำมาใช้ปรับปรุงการใช้ปุ๋ย น้ำ เมล็ดพืช รวมถึงยาฆ่าแมลงให้เหมาะสมกับสภาพแวดล้อม ณ ขณะนั้นได้ นอกจากนี้แล้ว โดรนพร้อมกับเทคโนโลยี GPS ยังใช้สำหรับการติดตามปศุสัตว์ การระบุตำแหน่งทางภูมิศาสตร์ และการเฝ้าติดตามการเล็มหญ้า โดรนเหล่านี้จะบินอยู่เหนือทุ่งนาเพื่อจับภาพที่มีตั้งแต่ภาพถ่ายในย่านความถี่ของแสงที่มองเห็นได้ด้วยตาเปล่าไปจนถึงภาพในหลากหลายย่านความถี่แสงซึ่งช่วยในการวิเคราะห์พืชผลและดิน แต่ข้อเสียข้อหนึ่งของโดรนคือไม่เหมาะสำหรับการเฝ้าติดตามสัตว์ปีก เนื่องจากนกมักจะตื่นตระหนกกับการเคลื่อนไหวของโดรนนั่นเอง โดยบริษัทสตาร์ทอัพในปัจจุบันยังคงมีการพัฒนาโดรนที่สามารถวัดระดับคลอโรฟิลล์ แรงกดดันจากวัชพืช แร่ธาตุและองค์ประกอบทางเคมีของดินได้ด้วยเช่นกัน Precision Agriculture ความเสื่อมโทรมของสิ่งแวดล้อมเรียกร้องให้มีการแก้ปัญหาที่ยั่งยืนในทุกอุตสาหกรรม ความยั่งยืนในด้านการเกษตร หมายถึง การใช้วิธีการและปัจจัยการผลิตที่เป็นมิตรกับสิ่งแวดล้อมซึ่งมีผลกระทบต่อสิ่งแวดล้อมเป็นศูนย์ หรือน้อยที่สุด ตัวอย่างหนึ่งในบทความนี้คือ การจัดการพืชผลเฉพาะพื้นที่ (site-specific crop management, SSCM) หรือที่เรียกว่า การเกษตรแม่นยำสูง (precision agriculture) เป็นวิธีการที่เกษตรกรใช้ปริมาณที่แน่นอน เช่น น้ำ ยาฆ่าแมลง และปุ๋ย เพื่อเพิ่มคุณภาพและผลผลิต เนื่องจากแต่ละพื้นที่ในฟาร์มมีคุณสมบัติของดินที่แตกต่างกัน รับแสงแดดต่างกัน มีความลาดชันต่างกัน การปฏิบัติในแบบเดียวกันสำหรับทั้งฟาร์มจึงไม่มีประสิทธิภาพ และทำให้สูญเสียเวลาและทรัพยากรไปโดยเปล่าประโยชน์ ด้วยเหตุนี้ สตาร์ทอัพจำนวนมากจึงกำลังพัฒนาโซลูชันในการเกษตรแม่นยำสูง เพื่อปรับปรุงความสามารถในการทำกำไรพร้อม ๆ กับจัดการกับความท้าทายด้านความยั่งยืน ยกตัวอย่างเช่น Data Farming สตาร์ทอัพในออสเตรเลียมีการทำการเกษตรแม่นยำสูงด้วยความช่วยเหลือของบริการคลาวด์ (Cloud Services) โดยข้อมูลบนคลาวด์ประกอบไปด้วย ภาพถ่ายจากดาวเทียมความละเอียดสูง การทำแผนที่ดิน การแบ่งโซนพื้นที่แบบอัตโนมัติ และมีการใช้ตัวแปรต่าง ๆ มาเป็นตัวช่วยให้แน่ใจว่าการใช้ปัจจัยการผลิตของฟาร์มนั้นขึ้นอยู่กับตำแหน่งอย่างแม่นยำ ซึ่งจะก่อให้เกิดการทำฟาร์มที่แม่นยำ Agricultural Biotechnology ผลผลิตพืชผลจำนวนมากได้สูญเปล่าไปเนื่องจากศัตรูพืชและโรคพืช แม้ว่าสารเคมีทางการเกษตรจะถูกนำมาใช้ แต่ก็ยังไม่ใช่ทางออกที่ดีที่สุดสำหรับความยั่งยืน ในทางกลับกันการประยุกต์ใช้เทคโนโลยีชีวภาพในการเกษตรจะเข้ามาช่วยปรับปรุงคุณภาพของพืชผลและปศุสัตว์ได้มากกว่า เทคนิคทางวิทยาศาสตร์ เช่น การขยายพันธุ์พืช การผสมพันธุ์ (Hybridization) พันธุวิศวกรรม (Genetic Engineering) และการเพาะเลี้ยงเนื้อเยื่อสามารถช่วยให้การระบุคุณลักษณะที่ดีในพืชทำได้อย่างรวดเร็วมากยิ่งขึ้น Big Data & Analytics ข้อมูลฟาร์มปริมาณมหาศาลได้ถูกสร้างขึ้นทุกวัน ซึ่งจะไม่มีประโยชน์อะไรเลยหากไม่มีการนำมาวิเคราะห์ เทคนิคการใช้ข้อมูลขนาดใหญ่ (Big Data) และการวิเคราะห์ (Analytic) จะช่วยแปลงข้อมูลนี้ให้กลายเป็นข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้ ข้อมูลสถิติพื้นที่เพาะปลูก การผลิตพืชผล พยากรณ์พืชผล การใช้ที่ดิน การชลประทาน ราคาสินค้าเกษตร พยากรณ์อากาศ และโรคในพืช สามารถนำมาใช้วางแผนทำการเกษตรในฤดูกาลถัดไปได้ เครื่องมือที่ใช้ในการวิเคราะห์จะใช้ข้อมูลเกี่ยวกับสภาพอากาศ อุปกรณ์การเกษตร วัฏจักรของน้ำ คุณภาพ และปริมาณของพืชผลเพื่อนำไปช่วยระบุรูปแบบและความสัมพันธ์ของข้อมูลแต่ละประเภทที่อาจซ่อนอยู่ บริษัทสตาร์ทอัพหลายแห่งได้มีการพัฒนาวิธีการต่าง ๆ เพื่อช่วยให้เกษตรกรสามารถใช้ประโยชน์จากข้อมูลที่ตนเองมีอยู่ ตัวอย่างเช่น การใช้ข้อมูลเพื่อวิเคราะห์และส่งเสริมความเข้าใจเกี่ยวกับระดับธาตุอาหารในดิน ความเป็นกรดและด่างของดิน ความต้องการปุ๋ย และตัวแปรอื่นๆ อีกหลายอย่าง ซึ่งช่วยให้เกษตรกรสามารถเลือกสรรสิ่งที่ถูกต้องให้แก่ไร่ของตนได้ Controlled Environment Agriculture สภาพอากาศที่ผันผวนแปรปรวนสุดขั้วเป็นสิ่งที่เข้ามาขัดขวางวิธีการทำฟาร์มแบบเดิม ๆ นอกจากนี้แล้ว การปลูกพืชผลในเมืองที่มีประชากรมากมาย มีทะเลทราย หรือมีเงื่อนไขอื่น ๆ ที่ไม่เอื้ออำนวย ก็ถือเป็นความท้าทายที่สำคัญ ซึ่งสิ่งที่จะเอาชนะเหตุการณ์เหล่านี้ได้คือ การเกษตรแบบควบคุมสิ่งแวดล้อม (Controlled Environment Agriculture, CEA) โดยใน CEA พืชจะได้รับการควบคุมสัดส่วนของแสง อุณหภูมิ ความชื้น และสารอาหาร ยกตัวอย่างเช่น ไฮโดรโปนิกส์ (Hydroponics) และแอโรโปนิกส์ (Aeroponics) ซึ่งเป็นการปลูกพืชแบบไร้ดินและให้สารอาหารผ่านของเหลวและไอน้ำ วิธีการของ CEA ช่วยลดศัตรูพืชและโรค เพิ่มผลผลิต และสร้างแนวทางปฏิบัติทางการเกษตรที่ยั่งยืน Regenerative Agriculture...
28 January 2022

บทความ

IoT กับ Big Data
ทุกวันนี้ปฏิเสธไม่ได้เลยว่า อินเทอร์เน็ตมีบทบาทในชีวิตประจำวันค่อนข้างมาก และมีแนวโน้มว่าจะมีบทบาทมากยิ่งขึ้นในอนาคต ยิ่งไปกว่านั้นสิ่งที่เชื่อมต่ออินเทอร์เน็ต ไม่ได้มีเพียงแค่คอมพิวเตอร์ หรือ สมาร์ทโฟนเท่านั้น แต่ยังมีเครื่องใช้ไฟฟ้าทั้ง โทรทัศน์ ตู้เย็น นาฬิกา หรืออุปกรณ์เครื่องใช้ทั่วไปก็สามารถที่จะต่ออินเทอร์เน็ตได้ สิ่งเหล่านี้มักจะมาพร้อมกับคำว่า IoT (Internet of Things) หรือบางครั้งจะมีคำว่า Big Data ต่อท้าย ซึ่งบางท่านอาจจะเคยได้ยินกันตามโฆษณา บทความนี้จึงอยากขอเล่าเรื่องว่า IoT กับ Big Data คืออะไร เหมือนกันหรือไม่ แล้วตอนนี้เราพร้อมรับมือกับเทคโนโลยีนี้แล้วหรือยัง IoT (Internet of Things) คืออะไร Internet of Things (IoT) กล่าวได้ว่า เป็นแนวคิดทางเทคโนโลยีที่ถูกพูดถึงตั้งแต่ปี 1990 เกี่ยวกับการที่อุปกรณ์ต่าง ๆ ที่ถูกติดตั้งด้วยเซนเซอร์ โปรแกรม หรือเทคโนโลยีอื่น ๆ สามารถเชื่อมต่อกัน ผ่านเครือข่ายอินเทอร์เน็ต ทำให้แต่ละอุปกรณ์สามารถสื่อสาร และแลกเปลี่ยนข้อมูลระหว่างกันได้ นอกจากนี้ยังสามารถที่จะส่งคำสั่ง เพื่อควบคุมอุปกรณ์อื่น ๆ ภายใต้เครือข่ายอินเทอร์เน็ตได้อีกด้วย อุปกรณ์ในที่นี้ไม่ได้หมายความถึงแค่ คอมพิวเตอร์ หรือ สมาร์ทโฟน เท่านั้น แต่อาจจะเป็นเครื่องใช้ไฟฟ้าหลากหลายขนาด ตั้งแต่ขนาดเล็ก อย่างเช่น หลอดไฟ ไปจนถึงอุปกรณ์ขนาดใหญ่ อย่างเช่น ตู้เย็น หรือบางทีแม้กระทั้งเครื่องแต่งกายหรือภาชนะก็สามารถเป็นอุปกรณ์ IoT ได้ด้วยเทคโนโลยีอิเล็กทรอนิกส์ เช่น Embedded System IoT มีประโยชน์อย่างไร การที่อุปกรณ์เชื่อมต่ออินเทอร์เน็ตได้ หรือสามารถสื่อสารระหว่างอุปกรณ์ได้ มีประโยชน์ในหลายมิติ เช่น การเข้าถึงข้อมูลของอุปกรณ์ได้โดยไม่จำเป็นต้องอยู่ภายใต้เครือข่ายใดเครือข่ายหนึ่ง ทำให้สามารถแสดงข้อมูล ควบคุมอุปกรณ์ หรือจัดการทางระยะไกลแบบ real time ได้จากทั่วทุกมุมของโลก ข้อมูลที่ได้จะเป็นข้อมูลที่มีการอัพเดทตลอดเวลา ซึ่งประโยชน์นี้ไม่ใช่เพียงแค่องค์กรขนาดใหญ่หรือในภาคอุตสาหกรรมเท่านั้นที่จะได้รับ แม้แต่ผู้ใช้ทั่วไปที่อยู่ตามบ้านที่สามารถเข้าถึงอินเทอร์เน็ตก็สามารถใช้ประโยชน์ได้เช่นกัน ทั้งนี้ ถึงแม้ IoT จะสามารถก่อให้เกิดธุรกิจใหม่ได้มากมาย และสามารถช่วยลดต้นทุนในภาคธุรกิจได้ แต่อย่างไรก็ตาม IoT ก็มีความเสี่ยงในเรื่องการรักษาความปลอดภัยของข้อมูลไม่ให้ถูกเข้าถึงได้ง่าย เนื่องจากข้อมูลจากอุปกรณ์ IoT ส่วนใหญ่นั้น มีความเป็นส่วนตัวหรือส่วนบุคคล และสามารถถูกติดตามได้ตลอดเวลา จึงต้องมีการพัฒนาในส่วนนี้ต่อไป ตัวอย่างของ IoT IoT เกี่ยวอะไรกับ Big Data IoT ที่จะก่อให้เกิดประโยชน์อย่างมากมายนั้น ไม่ใช่แค่การเชื่อมต่อของอุปกรณ์หลักสิบหรือหลักร้อย  แต่ในโลกของความเป็นจริง มีเป็นหลักหมื่นขึ้นไป ซึ่งมีการคาดการณ์เอาไว้ว่าจะมีอุปกรณ์ที่เชื่อมต่ออินเทอร์เน็ตได้ในปี 2021 ประมาณ 3.5 หมื่นล้านชิ้นทั่วโลก อุปกรณ์ IoT พวกนี้จะทำการสร้างข้อมูลทุกชั่วโมง ทุกนาที หรืออาจจะทุกวินาทีตามความต้องการ บางครั้ง ข้อมูลเหล่านี้ก็ยังมีหลากหลายประเภท เช่น มาจากทางการเกษตร อุตสาหกรรม สาธารณสุข จากที่กล่าวมาจะเห็นได้ว่า ข้อมูลที่อยู่ภายใต้เครือข่าย IoT นั้น มีจำนวนมากและหลากหลาย ดังนั้น จึงต้องมีการใช้เทคนิคทาง Big Data เพื่อจัดการกับข้อมูลประเภทนี้ ลักษณะข้อมูลจาก IoT ข้อมูล IoT ถือว่าเป็น Big Data แบบหนึ่งในลักษณะของปริมาณที่มาก และมีจำนวนที่เพิ่มขึ้นอย่างรวดเร็ว โดยข้อมูลที่ถูกสร้างจาก IoT จะมีลักษณะเฉพาะตัวเป็นดังนี้ ตัวอย่างการใช้เทคโนโลยี Big Data ใน IoT เนื่องจาก IoT เป็นข้อมูล Big Data จึงจำเป็นต้องใช้เทคนิคทาง Big Data เพื่อใช้ในการเก็บและประมวลผล เช่น เครือข่าย IoT จะทำการสร้างข้อมูลดิบจากอุปกรณ์หรือเซนเซอร์ และถูกจัดเก็บในที่จัดเก็บข้อมูลรวมที่เรียกว่า Data Lake โดยที่ภายในจะเก็บทั้งข้อมูลที่มีโครงสร้าง เช่น ข้อมูลของลูกค้า และ ข้อมูลที่ไม่มีโครงสร้าง เช่น ข้อมูลบน Social Media หลังจากนั้น มีการใช้ประโยชน์ของ Big Data Analytics มาเพื่อใช้ในการสร้างรายงานและแผนภาพจากข้อมูลที่ถูกเก็บไว้ใน Data Lake หรือที่เรียกว่าการทำ Business Intelligence (BI) นอกจากนี้ ยังอาจมีการใช้ Artificial Intelligence (AI) มาช่วยวิเคราะห์ข้อมูล IoT ที่มีจำนวนมากและหลากหลาย เพื่อให้สามารถวิเคราะห์ข้อมูลได้อย่างแม่นยำและเป็นแบบ real time โดยไม่จำเป็นต้องให้มนุษย์มานั่งวิเคราะห์ เตรียมพร้อมกับการมาของ IoT การมาของ IoT ทำให้เกิดการปรับเปลี่ยนของพฤติกรรมของผู้บริโภค ทำให้เกิดช่องทางทางธุรกิจใหม่ ๆ บริการใหม่ ๆ ในแวดวงนี้ หรือแม้แต่อุปกรณ์ใหม่ ๆ ซึ่งในอนาคต เป็นไปได้ว่าทุกคนจะมีอุปกรณ์ IoT มากขึ้น อาจจะถึง 10 ชิ้น เลยทีเดียว การเติบโตขึ้นของอุปกรณ์ที่ฉลาดขึ้นนี้ จะทำให้เกิดการลงทุน และความจำเป็นต้องเตรียมระบบเพื่อรองรับการเติบโตนี้ ระบบที่พูดถึงนี้ หมายความรวมตั้งแต่ ระบบเซนเซอร์ อุปกรณ์ IoT โครงข่ายอินเทอร์เน็ต ระบบ Cloud Storage และระบบ AI เป็นต้น สุดท้ายนี้ การมาของ IoT จะเป็นประโยชน์ต่อทั้งผู้ผลิตและผู้บริโภค ก่อให้เกิดการเปลี่ยนแปลงของเศรษฐกิจได้ในอนาคต และกลายเป็นสิ่งจำเป็นที่ขาดไม่ได้ในชีวิตประจำวัน แต่ถึงแม้ว่า IoT จะสามารถช่วยสร้างความสะดวกหลายอย่าง ทั้งในด้านธุรกิจ ด้านสุขภาพ และด้านการศึกษา ในทางกลับกัน ความสะดวกเหล่านี้อาจจะนำมาซึ่งผลเสียต่อความเป็นส่วนตัวหรือความมั่นคงปลอดภัยของข้อมูล ได้เช่นเดียวกัน แหล่งอ้างอิง https://www.iotacommunications.com/blog/iot-big-data/ https://www.soracom.io/blog/what-is-the-relationship-between-iot-and-big-data/ https://builtin.com/big-data/iot-big-data-analytics-examples https://www.tiempodev.com/blog/real-time-processing-of-data-for-iot-applications/
5 July 2021
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