Movements

Movements

ข่าวและบทความที่เกี่ยวข้อง

All Movements

PostType Filter En

บทความ

ที่ดินเสมือนบน Metaverse Thailand (Virtual Land on Metaverse Thailand)
ที่ดินในโลกเสมือนกับที่ดินในโลกของความเป็นจริงมีความเชื่อมโยงกันอย่างไร ปัจจุบันคำว่า Metaverse ถูกใช้ออกไปอย่างกว้างขวาง และมีความเข้าใจในหลากหลายมุมมอง แล้วเราก็พบว่ามีการตีความเรื่อง Metaverse ตามประสบการณ์ของผู้สร้าง ซึ่งวันนี้เราจะตีความ Metaverse จากประสบการณ์ทีมสร้างที่ดินของ Metaverse Thailand  (มุมมองนักพัฒนา) ( ที่ดินเสมือนบน Metaverse Thailand ) Metaverse คืออะไร  จากรายงานของ Gartner คาดว่าอีก 4 ปีข้างหน้า 25% ของประชากรจะใช้เวลาอย่างน้อยประมาณ 1 ชั่วโมงในโลกของ Metaverse เพื่อทำงาน เพื่อช้อปปิ้ง การศึกษา เพื่อเข้าสังคมออนไลน์ บันเทิง ฯลฯ ความหมายที่มีความเข้าใจในปัจจุบัน ตีความ Metaverse ว่าเป็นโลกเสมือนที่ถูกสร้างขึ้นและมีความเชื่อมโยงระหว่างโลกของความเป็นจริงกับโลกเสมือนที่สร้างขึ้นมา โดยที่ไม่ขึ้นอยู่กับอุปกรณ์ประเภทเดียวและไม่ขึ้นอยู่กับผู้ให้บริการรายเดียวเหมือนปัจจุบัน ด้วยความหมายเบื้องต้นนี้ ตรงกับแนวคิดของเทคโนโลยี Web 3 คำว่าเชื่อมโยงระหว่างโลกเสมือนและโลกจริง ในความหมายที่จับต้องได้ง่ายที่สุด ณ เวลานี้ ที่หลาย ๆ ธุรกิจได้ทำ เช่น สินค้าที่อยู่บนโลกเสมือนสามารถแปลงเป็นสินค้าในโลกของความเป็นจริง บริการที่ซื้อบนโลกเสมือนก็สามารถแปลงเป็นบริการที่สามารถที่ใช้งานได้โลกจริงเช่นกัน เช่น ผมอาจเข้าไปในร้าน Samsung  บน Metaverse และซื้อโทรศัพท์รุ่นล่าสุดแน่นอนว่าตัว Avartar ของผมอาจจะถือโทรศัพท์นั้นอยู่ และในสิทธิ์นั้นผมสามารถไปร้าน Samsung  ที่ Central World และแลกโทรศัพท์มาใช้งานจริงได้เลย สิ่งนี้เป็น Use Case ที่เราเห็นอยู่มากมาย  อีกคำหนึ่งที่มีความหมายใกล้เคียงกับ Metaverse คือ Digital Twin หรือคู่เสมือนดิจิทัล ซึ่งทั้งสองสิ่งเหมือนกันคือเกี่ยวกับโลกดิจิทัลแต่ Metaverse ให้คำจำกัดความของโลกเสมือนนี้อาจจะไม่ได้หมายความว่ามีสภาพเหมือนกับโลกปัจจุบันเลย ซึ่งจุดนี้ทำให้คำจำกัดความของ Metaverse แตกต่างออกจากคำจำกัดความของ Digital Twin แล้วทำไมธุรกิจต่าง ๆ ที่อยู่บนโลกความเป็นจริงจึงตื่นตัวกับการมีของ Metaverse  ในมุมมองผมตัวแล้ว ธุรกิจมีเป้าหมายในการสร้างผลกำไรไม่ว่าด้วยวิธีใดก็ตาม ธุรกิจที่เข้ามาสู่ในโลกของ Metaverse อาจจะแบ่งออกเป็น 2 กลุ่มหยาบ ๆ คือ ผู้ที่เห็นโอกาสและสามารถแปลงสินค้าและบริการเป็นดิจิทัลและสร้างผลกำไรจากประชาชนในโลกเสมือน และอีกกลุ่มหนึ่ง คือ ผู้ที่ยังไม่เห็นโอกาสการแปลงสินค้าและบริการเข้าสู่โลกเสมือน แต่ขอเข้าเป็นส่วนหนึ่งของรถไฟคันนี้ก่อน (FOMO Business) โดยกิจกรรมหรือรูปแบบธุรกิจที่เราเห็นในโลก Metaverse จากที่เราได้พบในเอกสาร และการบรรยาย ต่าง ๆ จะพบมีกิจกรรมที่เกิดขึ้น เช่น เราจะเห็นได้ว่ากิจกรรมต่าง ๆ ที่เกิดขึ้นบน Metaverse ยังอยู่ในสถานะ เหมือนกับรถฟอร์ดคันแรกที่ผลิตขึ้นในปี 1896 ที่ล้อรถยังเป็นยางจากรถจักรยาน รูปทรงคล้ายรถเทียมม้าและมีแค่ 2 เกียร์ แต่ผมก็เชื่อว่าการพัฒนาทั้งในมิติของโครงสร้างพื้นฐาน Metaverse และ กิจกรรมจะมีการพัฒนาที่เร็วมาก และอาจจะไม่ได้ใช้เวลาเป็นปี  แต่การเปลี่ยนแปลงสามารถเกิดขึ้นภายในไม่กี่เดือน  สิ่งที่น่าสนใจและอาจจะเปลี่ยนหลักคิดสำหรับการทำการทำธุรกิจในโลกของ Metaverse และจำเป็นที่จะต้องเตรียมตัวรับการเปลี่ยนแปลงนี้ คือ ความไร้ตัวตน หรือ การไม่สามารถระบุตัวตน เพราะคำว่า User Segmetation อาจจะใช้ไม่ได้ต่อไปในโลก Metaverse เพราะเรายอมรับความเป็น Avatar  ความคาดหวัง ณ เวลานี้ เราคาดว่า Metaverse จะทำให้เกิดโอกาสทางธุรกิจที่กว้างขึ้นจากการแลกเปลี่ยน การเข้าถึงข้อมูล การร่วมใช้ข้อมูล จากฐานข้อมูลประเภทไร้ศูนย์กลาง  นอกจากนี้ Gartner แสดงให้เราเห็นองค์ประกอบของ Metaverse ที่เข้าใจง่ายตามภาพ  Virtual Land วันนี้ Metaverse และการซื้อขายที่ดินใน Metaverse เหมือนจะเป็นเรื่องที่ทุกคนเข้าใจว่าจะต้องซื้อที่ดินเพื่อเข้าไปในโลกของ Metaverse แต่ในความเป็นจริงแล้วที่ดินเป็นเพียงประเภทหนึ่งของ กิจกรรมที่เกิดขึ้นบนโลก Metaverse เท่านั้น ที่ดินใน Metaverse คืออะไร? เนื่องจาก Metaverse เป็นโลกเสมือน ดังนั้นการมีที่ดินทำให้มีความรู้สึกเหมือนเป็นเจ้าของ ซึ่งสิ่งนี้ทำให้คนเข้าใจได้ว่าจะต้องซื้อที่ดินเพื่อเป็นเจ้าของในโลกเสมือนนั้น หลักคิดนี้ เป็นหลักจิตวิทยาที่อ้างอิงโลกจริงและโลกเสมือนเข้าด้วยกัน   แล้วเราจำเป็นต้องซื้อที่ดิน หรือเป็นเจ้าของที่ดิน เพื่อเข้าสู่โลก Metaverse หรือไม่ คำตอบนี้เป็นได้ทั้งใช่และไม่ แต่สำหรับ Metaverse Thailand แล้ว ไม่มีความจำเป็นต้องเป็นเจ้าของที่ดินเพื่อเข้าสู่ Metaverse Thailand  แล้วที่ดินคืออะไรในเชิงเทคนิค ที่ดินคือ ข้อมูลดิจิทัลชุดนึง  ที่เป็นสินทรัพย์ดิจิทัลประเภท NFT เช่นเดียวกับ Digital Art สำหรับ Metaverse Thailand แล้ว ที่ดิน เป็นข้อมูลดิจิทัล ที่ประกอบไปด้วย ชุดของข้อมูลพิกัดทางภูมิศาสตร์ จำนวน  6  ชุด และแสดงผลออกมาในรูปหกเหลี่ยม ที่เรียกว่า Hex และแต่ละ Hex นับเป็น ที่ดิน  1  แปลง และที่ดินแต่ละแปลงออก NFT สามารถซื้อขาย แลกเปลี่ยน และส่งต่อได้  สิ่งที่ทำให้การสร้างที่ดินใน Metaverse Thailand นั้นแตกต่างที่อื่น Metaverse Thailand เป็น Verse เดียวที่สร้างที่ดินเพื่อการซื้อขายโดยอ้างอิงแปลงที่ดินเหล่านั้นบนโลกจริง ขณะที่ Verse อื่น เป็นแปลงที่ดินแบบเกม เราใช้เทคโนโลยีภูมิสารสนเทศเป็นพื้นฐานของการสร้างที่ดิน การนำเสนอบนแผนที่ ด้วยเทคโนโลยีนี้ทำให้เรามีความแตกต่างจาก Verse อื่นอย่างมาก คนสามารถเข้าใจตีความความเป็นเจ้าของ ของที่ดินที่อ้างอิงได้กับโลกจริงได้มากกว่า เช่น เราเป็นเจ้าของที่ดินในโลกเสมือนบริเวณปากซอยทองหล่อ เป็นต้น (ผมมองว่าเป็นหลักเชิงจิตวิทยากับการตลาด ก็ยอมรับว่าผู้คิดก็เฉียบคมมาก) เราใช้พื้นที่บริเวณถนนเอกมัยถึงถนนทองหล่อ ในการสร้างที่ดินเสมือนออกมาจำนวน  89,000 แปลง โดยแต่ละแปลงขนาด 40 ตารางเมตร และแปลงเป็นรูปหกเหลี่ยม ในวันแรกของการซื้อขายกำหนดราคาขายที่แปลงละ 3 BUSD (~3 USD) หรือ 300 MVP และสามารถขายหมดได้ภายในเวลา 15 ชั่วโมง  ปัจจุบัน Use Case ที่เกิดขึ้นบนแปลงที่ดินยังคงไม่ถึงภาพในฝันเหมือนในหนัง Ready Player One ซึ่งมองว่าคงอีกไม่นาน และหน่วยคงไม่เป็น 10 ปี แล้วเราก็มั่นใจว่าทิศทางของเทคโนโลยี ในมุ่งเป้าไปทางนี้แล้ว วันพรุ่งนี้ Metaverse จะเป็นอย่างไร เราอาจไม่สามารถตอบหรือเห็นภาพที่ชัดเจนได้  สำหรับผมในฐานนะของนักภูมิศาสตร์ เรามีความสนุกกับโจทย์ต่าง ๆ ที่จะเกิดขึ้นบนโลกเสมือนที่สามารถเชื่อมต่อกับโลกจริงได้ บทความโดย นายประสงค์ ปทีปเพิ่มพงศ์ ตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์
11 March 2022

บทความ

ความย้อนแย้ง ในวันที่มนุษย์ต้องควบคุมระบบอัตโนมัติ (Automation)
การใช้ ระบบอัตโนมัติ (Automation) มีความย้อนแย้ง ยิ่งเราทำการ วิเคราะห์ข้อมูลแบบอัตโนมัติ (Automation) มากเท่าไร มนุษย์ก็ยิ่งต้องทำงานมากขึ้นเท่านั้น เพราะมนุษย์ยังจำเป็นต้องดูแลกรณี Edge case หรืองานที่เป็นกรณีพิเศษที่เป็นข้อยกเว้น ทำให้หุ่นยนต์เกิดความผิดพลาดหรือจัดการได้ไม่ถูกต้อง เช่น หุ่นยนต์เรียงคิวเป็นก็จริง แต่หากมี VIP เข้ามาต้องจัดการยังไง หรือหากมีกรณีฉุกเฉินเร่งด่วนที่เข้ามาหุ่นยนต์จะไม่สามารถจัดการได้ จึงทำให้ยังต้องมีมนุษย์ที่คอยเข้ามาตรวจสอบข้อมูลในระดับสูงและตีความหมายของผลข้อมูลเบื้องลึกอีกด้วย ข้อมูลเป็นทรัพยากรที่สำคัญและล้ำค่าที่สุดที่องค์กรมีอยู่ ข้อมูลช่วยให้เราสามารถตัดสินใจได้อย่างชาญฉลาด เพราะข้อมูลจะช่วยให้เราเข้าใจลูกค้าในเบื้องลึกและสร้างประสบการณ์ที่ดีให้กับลูกค้า เปรียบเหมือนเป็นตัวช่วยในการเพิ่มประสิทธิภาพในการดำเนินงาน ซึ่งจะนำไปสู่ต้นทุนที่ต่ำลงและกำไรที่สูงขึ้น แต่อย่างไรก็ตาม ตอนนี้พวกเรากำลังเหมือนจมอยู่ในทะเลข้อมูลและกำลังสำลักข้อมูลที่มันมากจนยากที่จะจัดเรียงให้ดี หรือแยกส่วนที่เราต้องการออกจากทะเลข้อมูลที่แสนวุ่นวาย เราใช้เงินมหาศาลในการรวบรวม จัดการ และวิเคราะห์ข้อมูลในธุรกิจต่าง ๆ โดยเราไม่ยังไม่เห็น ROI ด้วยซ้ำ (ROI = Return On Investment คือการคำนวณผลตอบแทนการลงทุน เพื่อที่องค์กรจะได้รู้ว่าเวลาลงทุนอะไรจะได้ผลตอบแทนต่อปีเท่าไหร่ และกี่ปีจะคืนทุน) แต่ยังโชคดีที่เรามีระบบอัตโนมัติซึ่งขับเคลื่อนโดยปัญญาประดิษฐ์ (AI) หรือ Machine Learning (ML) ที่จะช่วยให้เราจัดการกับข้อมูลของเราได้ดียิ่งขึ้น ตอนนี้ซอฟต์แวร์สามารถค้นหาผ่านชุดข้อมูลขนาดใหญ่เพื่อระบุข้อมูลที่เกี่ยวข้องสำหรับแต่ละวัตถุประสงค์ได้ ถ้าไม่นับเรื่องที่ว่าเรากำลังจมอยู่กับข้อมูล หุ่นยนต์จะบอกเราได้ว่า อะไรดีอะไรไม่ดี แต่บางทีระบบอัตโนมัติก็ไม่ใช่ยาครอบจักรวาลแบบที่เราคิดอยู่ดี ปัญหาของหุ่นยนต์ ในระดับพื้นฐานที่สุด ระบบอัตโนมัติเกิดมาเพื่อสั่งให้หุ่นยนต์ทำงานซ้ำ ๆ เพื่อลดต้นทุนและสร้างประสิทธิภาพมากกว่ามนุษย์ ไม่ว่าจะเป็น AI ในอุตสาหกรรมตัดเหล็ก ปั๊มแม่พิมพ์ AI เจาะรูวงกลมที่เหมือนกันเป็นพัน ๆ วง หรือจะเป็น AI ที่แนะนำวิดีโอให้คุณดู ก็ใช้หลักการเดียวกัน ยุคดิจิทัลได้นำสิ่งอำนวยความสะดวกเล็ก ๆ น้อย ๆ เช่น การช่วยเตือนให้สั่งน้ำยาซักผ้าเพิ่มไปจนถึงเรื่องการช่วยชีวิตคน เช่น การจับคู่ผู้บริจาคกับผู้รับบริจาค สิ่งเหล่านี้แทบเป็นไปไม่ได้เลยหากไม่มีระบบอัตโนมัติมาช่วย แต่หุ่นยนต์ก็มักจะช่วยเราได้เพียง 90% เท่านั้น เพราะแม้ระบบอัตโนมัติช่วยคิดวิเคราะห์ข้อมูลขนาดมหึมาได้อย่างดีเยี่ยม แต่ยังคงมีปัญหากับ Edge Case แน่นอน เราสามารถสร้าง Algorithm เพื่อให้ครอบคลุมไปถึงกรณียกเว้นเหล่านี้มากขึ้น แต่ ณ จุดหนึ่ง ก็จะเกิดคำถามว่า ถ้าเราต้องลงแรงมากมายเพื่อพัฒนาระบบ มันจะคุ้มกว่าไหมถ้าให้คนมาทำส่วนนี้ เพราะมนุษย์มีความสามารถในการจัดการกับข้อยกเว้นและกรณีพิเศษต่าง ๆ โดยประยุกต์จากกฎเกณฑ์หลักการที่มีอยู่ได้ง่ายดายและราบรื่น ซึ่งสิ่งนี้แหละเป็นสิ่งที่ทำให้มนุษย์แตกต่างจากหุ่นยนต์ มนุษย์อย่างเราคือนักคิด พวกเราแม่นยำ เราสามารถดูตัวอย่าง ใช้ประสบการณ์และสามารถตัดสินใจเพื่อหาทางออกที่ดีที่สุดซึ่งส่วนใหญ่มักจะถูกต้อง ส่วนหุ่นยนต์คือนักประมาณการ มันจะตัดสินใจโดยพิจารณาจากวิธีการจัดการที่คล้ายคลึงกันในอดีตที่มนุษย์สอนมันไว้ ซึ่งส่วนใหญ่มักจะได้ผลลัพธ์ที่ดีสู้มนุษย์คิดประยุกต์เองไม่ได้ นี่แหละคือ ความย้อนแย้งของ AI: ยิ่งเราสร้างระบบการวิเคราะห์ข้อมูลโดยอัตโนมัติมากเท่าไร มนุษย์ก็ยิ่งต้องทำงานมากขึ้นเพื่อไปจัดการกรณี Edge Case มากเท่านั้น ทั้งยังต้องตรวจสอบข้อมูลในระดับสูงและต้องตีความหมายของผลข้อมูลเบื้องลึกอีก ยุคของระบบอัตโนมัติที่ควบคุมโดยมนุษย์ ในการขับเคลื่อน AI อย่างสมเหตุสมผล มีประสิทธิภาพ และมีจริยธรรม องค์กรจำเป็นต้องสร้างหุ่นยนต์ที่เก่งและฉลาด แต่ก็ต้องแน่ใจว่ามีมนุษย์ที่คอยดูแลและตรวจสอบเหล่าหุ่นยนต์อีกที ในวันที่หุ่นยนต์ไปไกลจนเราไม่เข้าใจมันแล้ว เรามี Explainable AI ซึ่งก็คือ AI ที่ถูกพัฒนาขึ้นมาเพื่อมาอธิบายมนุษย์อย่างเรา ๆ โดยแสดงหลักฐานที่มาที่ไปว่าทำไมบางทีหุ่นยนต์ถึงตัดสินใจแบบนี้แบบนั้น สิ่งนี้แหละที่จะทำให้เราเข้าใจผลลัพธ์ เข้าใจคำอธิบาย เพื่อจะได้พัฒนาการอย่างต่อเนื่องและได้ผลลัพธ์ที่ปฏิบัติได้จริง มนุษย์จำเป็นต้องมีส่วนร่วมในทุกขั้นตอนกับ AI ตั้งแต่การกำหนดปัญหา การพัฒนาโปรแกรม รวมไปจนถึงการกำกับดูแลข้อมูล และนี่คือข้อควรพิจารณาสามประการในการนำความเป็นมนุษย์ไปใช้กับ AI เพื่อแก้ปัญหา: 1. กำหนดสิ่งที่องค์กรหรือบริษัทให้ความสำคัญ AI จะดีเพียงใดนั้น ขึ้นอยู่กับข้อมูลที่คุณป้อนเข้าไป หากกระบวนการที่มีอยู่ซ่อนความสำคัญเรื่องใดเป็นพิเศษ ระบบก็จะจัดการข้อมูลตามแบบอย่างในอดีตเหล่านี้ ซึ่งจะมีแนวโน้มผลลัพธ์เทไปตามเรื่องนั้นอยู่ในกระบวนการอัตโนมัติแน่ ๆ เช่น ถ้าบริษัทนึงเน้นเรื่องราคาต้องมาก่อนคุณภาพและความไว หุ่นยนต์ก็จะเรียนรู้และทำอะไรคล้าย ๆ แบบนั้น บริษัทจึงต้องกำหนดค่าให้ก่อน ว่าอะไรที่พวกเขาสนใจและให้ความสำคัญกันแน่ จากนั้นก็ให้มนุษย์ใส่ข้อกำหนด แล้วนำค่าเหล่านั้นไปใช้กับกระบวนการอัตโนมัติ 2. ให้มนุษย์เป็นผู้สอน ในการเรียนรู้แบบฉบับของหุ่นยนต์ AI จะสร้างและฝึก Algorithm เอง โดยปราศจากการแทรกแซงของมนุษย์ ไม่มีจริยธรรมหรือศีลธรรม ไม่ตัดสินอะไรใหม่ได้เอง สิ่งที่พวกมันรู้คือสิ่งที่พวกเราสอนให้พวกเขา คล้าย ๆ กับเกมที่เราเล่นส่งสารกันจากคนหัวแถวไปถึงคนสุดท้าย บทเรียนบอกว่าสารมักจะถูกลดทอนลงและไกลจากสิ่งที่มนุษย์เคยคิดไว้แต่แรกมาก ๆ  ดังนั้นวิธีนึงที่จะทำให้เกิด win-win คือมนุษย์ต้องทำงานเป็นผู้ฝึกสอนหุ่นยนต์ ให้ Algorithm สอนหุ่นยนต์ให้รู้จักวิธีจัดการกับพวกข้อยกเว้น ส่วนตัวหุ่นยนต์ก็ไปทำงานอะไรที่ต้องใช้ความถึก งานซ้ำ ๆ แทนมนุษย์ 3. สร้างหลักธรรมาภิบาลที่นำโดยมนุษย์ โมเดล AI จำเป็นต้องได้รับการตรวจสอบ วัด และปรับปรุงอย่างต่อเนื่อง หากเราเหล่ามนุษย์ ปล่อยให้ AI จัดการกันเอง อาจจะด้วยปัจจัยภายนอกบางอย่างที่เกิดขั้นโดยไม่ได้ตั้งใจ มันจะทำให้ระบบของเราเปลี่ยนไป และมันอาจะนำไปสู่ผลลัพธ์ที่ไม่ได้ตั้งใจและไม่พึงประสงค์ได้ ในตอนนี้เรามี Explainable AI ที่ตรวจสอบให้แน่ใจว่าหุ่นยนต์ทำงานภายใต้ระบบหรือหลักการศีลธรรมที่มนุษย์ผู้พัฒนากำหนดให้จริง ๆ ใช่ไหม หากโมเดลที่สร้างมันเริ่มจะคลาดเคลื่อนไปไกลจนอาจทำให้หุ่นยนต์ไม่ได้ทำในสิ่งที่เราคาดหวังแล้ว AI สามารถเฝ้าสังเกตและบอกเราได้ แต่ปัญหาใด ๆ ที่เกิดขึ้นจะต้องส่งต่อไปยังมนุษย์เท่านั้น การฝึกอบรม หุ่นยนต์ควรได้รับการจัดการโดยมนุษย์ เพื่อให้มั่นใจว่า Algorithm ทั้งหลายจะได้รับการปรับปรุงใหม่เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด เป็นที่แน่ชัดว่ามนุษย์ที่มีความเชี่ยวชาญในเรื่องนั้น ๆ จะเป็นผู้ตัดสินที่ดีที่สุดว่า แบบจำลองที่คลาดเคลื่อนไปยังโอเคหรือไม่  ข้อย้ำว่าต้องเป็นมนุษย์ที่มีระดับประสบการณ์ ความสามารถและความเข้าใจในความแตกต่างประเด็นสำคัญในการตัดสินใจ ไม่ใช่หุ่นยนต์ การให้หุ่นยนต์ซื่อตรงกับเรา เราต้องใส่ความเป็นมนุษย์ลงไป AI มีพลังที่จะเปลี่ยนแปลงวิธีการทำงาน การใช้ชีวิต และการเล่นของพวกเรา แต่เรายังคงต้องการให้มนุษย์ปลูกฝังสามัญสำนึกและการกำกับดูแลพวกมัน ที่มีแต่คนเท่านั้นที่จะให้ได้ การใส่ความเป็นมนุษย์ลงสู่ ระบบอัตโนมัติ (Automation) จำเป็นต้องเริ่มด้วยการกำหนดว่าองค์กรให้ความสำคัญอะไร และต้องดำเนินต่อไปผ่านการพัฒนา Algorithm การฝึก และการกำกับดูแลอย่างต่อเนื่อง แน่นอนวันหนึ่ง หุ่นยนต์จะเข้ามามีบทบาทมากขึ้นในชีวิตประจำวันของเรา แต่เราก็ยังต้องการความเป็นมนุษย์เพื่อให้พวกเขาซื่อตรงกับเรา บทความโดย Krishna Tammanaเนื้อหาจากบทความของ InformationWeekแปลและเรียบเรียงโดย วิน เวธิตตรวจทานและปรับปรุงโดย อิสระพงศ์ เอกสินชล
10 March 2022

บทความ

Julia vs. Python ภาษาไหนดีสุดสำหรับวิทยาศาสตร์ข้อมูล?
ในวันที่ภาษา Python ได้กลายเป็นแกนนำในโลก Data Science (วิทยาศาสตร์ข้อมูล) และ Machine Learning  ทราบหรือไม่ว่ามีภาษาหนึ่งที่ถูกสร้างขึ้นจากศูนย์เพื่อการวิเคราะห์ข้อมูลและทำ Data Science โดยเฉพาะ นั่นคือภาษา Julia ซึ่งเราจะเปรียบเทียบกันว่า Julia vs. Python ต่างกันอย่างไร Python ครอบคลุมกรณีการใช้งานมากมาย ในวันที่การวิเคราะห์ข้อมูลอาจกลายเป็นสิ่งที่ยิ่งใหญ่และสำคัญที่สุด ระบบนิเวศของ Python เต็มไปด้วย Library เครื่องมือ และแอปพลิเคชันที่ทำให้การทำงานของการคำนวณทางวิทยาศาสตร์และการวิเคราะห์ข้อมูลเป็นไปอย่างรวดเร็วและสะดวกสบาย สำหรับนักพัฒนาที่อยู่เบื้องหลังภาษา Julia พวกเขามุ่งเป้าไปที่ “การคำนวณทางวิทยาศาสตร์, การทำ Machine Learning, การทำเหมืองข้อมูล หรือ Data Mining (การวิเคราะห์ข้อมูลจากข้อมูลจำนวนมาก เพื่อหาความสัมพันธ์ของข้อมูลที่ซ่อนอยู่), พีชคณิตเชิงเส้นที่ซับซ้อน, การคำนวณแบบกระจายและการคำนวณแบบทำพร้อมกัน (Distributed and Parallel Computing)” — Python มันยังเร็วไม่พอและก็ยังไม่สะดวกพอ ดังนั้นภาษา Julia จึงตั้งเป้าไม่ใช่แค่จะให้นักวิทยาศาสตร์ข้อมูล นักวิเคราะห์ได้ความรวดเร็วและสะดวกสบายตอนพัฒนาโปรแกรม แต่ยังรวมถึงความเร็วชนิดแบบกระพริบตาไม่ทันในตอนรันโปรแกรมด้วย ภาษา Julia คืออะไร? ภาษา Julia ถูกสร้างขึ้นในปี 2009 โดยทีมงาน 4 คนและต่อมาได้เปิดเผยต่อสาธารณะในปี 2012 Julia โดยมีจุดมุ่งหมายเพื่อแก้ไขข้อบกพร่องใน Python รวมถึงภาษาและแอปพลิเคชันอื่นๆที่ใช้สำหรับการคำนวณทางวิทยาศาสตร์และการประมวลผลข้อมูล “ พวกเราโลภมาก” เหล่าผู้ให้กำเนิด Julia เขียนไว้: เราต้องการภาษาที่เป็น Open Source คือภาษาที่สามารถให้ใคร ๆ มาช่วยพัฒนาปรับปรุงได้ ไม่ใช่ผูกขาดกับบริษัทใดบริษัทหนึ่ง ซึ่ง Open Source เป็นซอฟต์แวร์ที่มีใบอนุญาตใช้ได้แบบเสรี เราต้องการความเร็วแบบภาษา C ที่มีความไดนามิกของ Ruby เราต้องการภาษาที่ไม่ซับซ้อนจนคนงง และมีความคล่องตัวอย่าง Lisp นอกจากนี้มันต้องรับรองพวกการทำงานทางคณิตศาสตร์ที่คุ้นเคยและชัดเจนแบบเช่น Matlab เราต้องการภาษาที่ใช้ได้กับการเขียนโปรแกรมทั่วไปแบบเช่น Python และต้องง่ายสำหรับการทำสถิติแบบภาษา R  ยังไม่พอต้องประมวลผลพวกข้อมูลประเภทข้อความ (string) ได้เป็นธรรมชาติแบบ Perl และมีเครื่องมือที่ทรงพลังสำหรับวิเคราะห์พีชคณิตเชิงเส้นเช่นเดียวกับ Matlab และต้องมีคุณสมบัติ ในการรวมใช้โปรแกรมต่าง ๆ เข้าด้วยกันเป็น shell  แต่ยังต้องเรียนรู้ง่าย และต้องให้ Hackers ที่แน่จริงไม่ใช้งานลำบาก เราต้องการให้เป็นภาษาที่มีการโต้ตอบรายงานข้อผิดพลาดได้ทันที และต้องการให้ Compile ได้ด้วย และนี่คือสิ่งที่ Julia ถูกสร้างขึ้น เพื่อตอบสนองสิ่งเหล่านั้น: Julia vs. Python: ข้อดีของภาษา Julia Julia ได้รับการออกแบบมาตั้งแต่ต้นสำหรับการคำนวณทางวิทยาศาสตร์และเชิงตัวเลข จึงไม่น่าแปลกใจที่ Julia จะมีคุณสมบัติมากมายสำหรับกรณีการใช้งานดังกล่าว: Julia vs. Python: ข้อดีของ Python แม้ว่า Julia ถูกสร้างมาเพื่อวิทยาศาสตร์ข้อมูลโดยเฉพาะ แต่ Python ก็มีวิวัฒนาการในเรื่องนี้เช่นกัน Python มีข้อได้เปรียบที่น่าสนใจบางประการสำหรับนักวิทยาศาสตร์ด้านข้อมูล ถึงแม้เรื่องบางเรื่องมันถูกสร้างขึ้นมาด้วย “วัตถุประสงค์ทั่วไป” ของ Python แต่กลับเป็นทางเลือกที่ดีกว่าสำหรับงานด้านวิทยาศาสตร์ข้อมูล: บทความโดย Serdar Yegulalpเนื้อหาจากบทความของ InfoWorldแปลและเรียบเรียงโดย วิน เวธิตตรวจทานและปรับปรุงโดย ปพจน์ ธรรมเจริญพร
9 March 2022

บทความ

Metaverse คืออะไรกันแน่ และเราจะเอื้อมไปถึงมันยังไง?
หากทุกคนร่วมมือกัน เราหวังว่า เรากำลังมาถูกทาง แน่นอนว่าคุณคงเคยได้ยินคำว่า “Metaverse” ผ่านหูกันมาแล้ว แต่อาจยังมีความสงสัยว่า Metaverse คืออะไร ซึ่งในปัจจุบันบริษัทเทคโนโลยีมากมายต่างพูดถึงมัน อย่างบริษัทในชื่อเดิม Facebook ที่เรารู้จักกันดี เชื่อมั่นในเรื่อง Metaverse อย่างมากจนถึงขนาดเปลี่ยนชื่อบริษัทเป็น “Meta” เพื่อเป็นสัญลักษณ์ของการดำดิ่งสู่โลกออนไลน์ยุคใหม่อย่างสุดตัว เราคงหาคำจำกัดความง่าย ๆ ของ Metaverse ไม่ได้ ต้นกำเนิดของคำคำนี้ ต้องย้อนกลับไปในนิยายวิทยาศาสตร์เรื่อง Snow Crash เขียนโดย Neal Stephenson ในปี 1992  ในนิยายเรื่องนี้ มีโลกอีกใบที่ให้ผู้คนได้เข้ามามีปฏิสัมพันธ์ร่วมกันผ่านการจำลองเป็นตัวละคร อย่างอวาตาร์นั่นเอง ซึ่งเหนือสิ่งอื่นใด ในนิยายยังมีการพูดถึงอสังหาริมทรัพย์เสมือนจริงด้วย ถ้าจะพูดกันให้ง่ายที่สุด Metaverse คือเรื่องของ Virtual Reality (VR) เทคโนโลยีที่พยายามสร้างสภาพแวดล้อมเสมือนขึ้นมาใหม่ เพื่อดึงให้ผู้ใช้งานออกจากโลกความจริงไปสู่โลกเสมือน และ Augmented Reality ซึ่งคือเทคโนโลยีที่เอาวัตถุจากโลกเสมือนอย่างเช่น ภาพ วิดีโอ หรือเสียงเข้ามาผสานกับสภาพแวดล้อมของโลกจริงที่อยู่รอบ ๆ ตัวเรา (บางครั้งเราเลยเรียกรวมกันเป็นคำว่า “Extended Reality”) อย่าง Facebook ตั้งแต่ก่อนจะเปลี่ยนชื่อก็ได้ประกาศให้โลกรู้ว่าเอาจริง ด้วยการซื้อ Oculus ซึ่งเป็นบริษัทที่สร้างชุดหูฟัง Virtual Reality แถมตอนนี้ Meta ยังสร้างแผนกชื่อ Reality Labs ซึ่งสร้างอุปกรณ์มากมายไม่ว่าจะเป็น ชุดหูฟัง VR แว่นตาอัจฉริยะ และคาดว่าท้ายสุดเราจะมีแว่นตา Augmented Reality เหมือนอย่างในเรื่องคนเหล็ก Terminator ที่หุ่นสังหารเวลามองอะไรก็จะมีข้อมูลที่เราต้องการแสดงให้ดูหมด เช่น มองเสื้อก็รู้ขนาด ที่มา หรือราคาในทันที แต่ Metaverse ยังมีนัยยะความหมายอื่น ๆ อีก เช่น อวาตาร์ของเราจะเป็นแค่ตัวเดียวหรือหลาย ๆ ตัว โดยจะสามารถไปปรากฏข้ามค่ายบริษัทหรือข้ามแพลตฟอร์มต่าง ๆ ได้ แบบเดียวกับตัวคุณสามารถไปที่ Starbucks ในวันถัดมาไปร้าน McDonalds และก็ไปร้านอาหารสุดหรูในอีกวัน บางทีในอนาคตอวาตาร์ของคุณในเกมนึงอาจจะเดินออกจากเกมนั้นและไปโผล่ในอีกงาน Event นึงของอีกบริษัทหนึ่งก็ได้ Metaverse ยังเกี่ยวกับเรื่องการค้าแถมบางคนก็ยังเอาไปผูกกับเรื่องสกุลเงินดิจิทัลอย่างเช่น Bitcoin ไปเลย อวาตาร์ที่ไม่ใช่คนจริง ๆ แต่กลับใช้เงินได้ และยังไม่พอ Metaverse ยังสามารถหาเงินได้ด้วย เช่น อวาตาร์ตัวนั้นอาจช่วยจัดหาของ สินค้าหรือให้บริการต่าง ๆ ใน Metaverse เหมือนกับที่คุณขับรถคันเดียวกันหรือสวมเสื้อผ้าชุดเดียวกันจากที่นึงไปอีกที่นึง อวาตาร์ใน Metaverse ก็สามารถหนีบสินค้าดิจิทัลติดตัวไปจากแพลตฟอร์มหนึ่งไปอีกแพลตฟอร์มหนึ่งก็ได้เหมือนกัน นาทีนี้ บางส่วนของ Metaverse ก็เกิดขึ้นแล้ว ถึงแม้อาจจะเป็นแค่เศษส่วนนึงแต่ Metaverse ปรากฏตัวให้เราเห็นตั้งนานแล้ว เช่น ตั้งแต่ปี 2003 Second Life ได้อนุญาตให้ผู้ใช้สร้างอวาตาร์เพื่อเล่นเกม อวตาร์ของเราสามารถเข้าร่วมการประชุมได้ ทำธุรกิจก็ได้ หรือแม้แต่ซื้อขายอสังหาริมทรัพย์เสมือนจริงก็ได้อีกด้วย บริษัททั้งใหญ่เล็ก เช่น  IBM, Reuters, NPR หรือบริษัทอื่น ๆ อีกมากมายก็จริงจังมากเช่นกัน ถึงขนาดมีการสร้างที่ดิน สร้างตึก ไปตั้งสถานที่ฝึกอบรม และอสังหาริมทรัพย์มากมายในแพลตฟอร์ม Second Life ตั้งแต่ตอนนั้น ผลิตภัณฑ์หลาย ๆ อย่างเช่น ชุดหูฟัง Oculus VR ของ Meta, แว่นตาเสมือนจริงของ Microsoft HoloLens และผลิตภัณฑ์ VR และ AR  นี่เป็นตัวอย่างเริ่มต้นของผลิตภัณฑ์ยุค Metaverse แม้ว่าบางอย่างดูจะไม่ค่อยเกี่ยวข้องกับ Metaverse ขนาดนั้น แต่สิ่งเหล่านี้ล้วนสนับสนุนการเปิดโลก Metaverse แพลตฟอร์มเกมเป็นตัวอย่างแรก ๆ ว่า Metaverse ทำอะไรได้บ้าง ซึ่งความสนใจใน Metaverse มีเพิ่มขึ้นเรื่อย ๆ จนเป็นหนึ่งในเหตุผลที่ Microsoft ยอมจ่ายเงิน 69 พันล้านดอลลาร์เพื่อซื้อ บริษัท เกม Activision Blizzard Roblox แพลตฟอร์มที่ช่วยให้นักพัฒนาโปรแกรมทั่วโลกสามารถสร้างเกมแบบ Interactive ที่สนุกสนานหลายล้านคนไม่ว่าจะเป็นเด็กหรือผู้ใหญ่ โดยผู้เล่นสามารถสร้างอวาตาร์ที่สามารถออกไปเที่ยว ชนแก้ว พูดคุย และจ่ายเงิน (ใช้สกุลเงิน Robux) กับผู้เล่นคนอื่น ๆ ในโลกเสมือนจริงได้ ผลิตภัณฑ์ที่ถือว่าคล้าย Metaverse อีกอย่างหนึ่งคือ Pokémon Go เกม AR ยอดนิยมที่ช่วยให้ผู้เล่น สามารถโต้ตอบกับภาพที่สร้างด้วยคอมพิวเตอร์  ซึ่งก็คือเจ้าตัวโปเกม่อนเนี่ยแหล่ะ มารวมกับโลกความเป็นจริงผ่านกล้องของสมาร์ทโฟน ใครก็ตามที่ใช้ Zoom หรือเครื่องมือการประชุมทางวิดีโออื่น ๆ ถือว่าเริ่มเข้าสู่โลก Metaverse เช่นกัน จริงอยู่ที่การประชุมออนไลน์ จะไม่ค่อยเกี่ยวข้องกับอวาตาร์ แต่มันคือการประชุมในโลกเสมือน คอมพิวเตอร์สามารถสร้างฉากหลังอะไรที่เราเลือกตอนประชุม ซึ่งตัวผมเองก็เคยเข้าประชุมออนไลน์แล้วเจอเพื่อนร่วมงานหรือลูกค้าที่ประชุมอยู่ที่บ้าน แต่เลือกใช้ฉากหลังเป็นสถานที่ต่าง ๆ เช่น Co-working Space ชายหาด ร้านกาแฟ เป็นต้น นอกจากนี้บางยังใช้ฟิวเตอร์ เพื่อเปลี่ยนหน้าตาตัวเอง หรือบางคนเล่นใหญ่ขนาดเปลี่ยนร่าง แปลงเป็นสัตว์ไปเลยก็มี ฟิวเตอร์ยังเป็นส่วนหนึ่งของพวกแอปโซเชียลมีเดียเช่น Instagram และ Snapchat ซึ่งอาจพูดได้ว่า มันช่วยให้ผู้คนมองเห็นโลกความจริงที่เปลี่ยนไปจากเดิม ถึง Snapchat (แอพไว้คุยกันคล้ายๆ  line, whatapps แต่มีลูกเล่นเรื่องความเป็นส่วนตัวเยอะกว่าเช่น เมื่อเปิดอ่านจะลบข้อความทันทีที่อ่าน ใครแคปหน้าจอ ก็จะมีแจ้งเตือน ซึ่งฮิตมากที่อเมริกา ยุโรป) และ Instagram ยังไม่ใช่ Metaverse แต่นี่ก็คือหนึ่งในก้าวที่เราเข้าใกล้ Metaverse มากขึ้น จักรวาล Metaverse จะเดินไปทางไหน ยังไม่มีใครตอบได้ว่า วิวัฒนาการของ Metaverse จะเป็นยังไง แต่เรารู้ว่าบริษัทขนาดใหญ่หลายแห่งใช้เงินหลายพันล้านในการนำเสนอแนวคิดของตนเองว่ามันจะเป็นอย่างไร อย่าง Apple ซึ่งเป็นบริษัทที่ใหญ่ที่สุดของโลกในแง่ของมูลค่าตลาดกล่าวว่า กำลังพัฒนาแว่นตา AR และบริษัทเองก็มีอุปกรณ์พวก AR ที่ไว้ใช้กับ iPhone และผลิตภัณฑ์อื่น ๆ ของบริษัทแล้วด้วย หรือที่ผมกล่าวไว้ก่อนแล้วว่า Microsoft ซึ่งเป็นบริษัทเทคโนโลยีที่มีมูลค่าอันดับสองของโลก กำลังพัฒนาแว่นตา HoloLens AR และก็ยังมีแพลตฟอร์มเกม X-Box นอกจากนี้ Microsoft ยังได้เข้าซื้อกิจการ Activision Blizzard...
8 March 2022
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
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.