Fujitsu เผยกรณีศีกษา Kawasaki Geological Engineering Co., Ltd. ทำการสำรวจถนนให้กับรัฐบาลท้องถิ่นและระดับชาติ โดยใช้เทคโนโลยี 'Zinrai Deep Learning System' (ระบบเรียนรู้เชิงลึกซินไร) เพื่อวิเคราะห์ข้อมูลจำนวนมหาศาล ซึ่งสามารถตรวจจับหลุมที่อยู่ต่ำกว่าผิวหน้าถนน

โดยการใช้ปัญญาประดิษฐ์ (AI) เพื่อเรียนรู้และจดจำรูปแบบเฉพาะของหลุมทำให้กระบวนการทำงานของบริษัทฯ มีความเป็นกลางและลดเวลาในการตรวจหาความผิดพลาดได้ถึง 90% พร้อมกับลดเวลาในการวิเคราะห์โดยรวมลงครึ่งหนึ่ง

เครื่องมือที่ดีขึ้นหมายถึงจะมีข้อมูลมากขึ้น แต่ก็มีต้นทุนในการวิเคราะห์สูงขึ้นเป็นเงาตามตัว

ในฐานะเป็นผู้บุกเบิกการสำรวจทางธรณีวิทยา Kawasaki Geological Engineering Co., Ltd. ได้ทำการทดสอบที่ระดับใต้พื้นผิวตามคำขอของรัฐบาลแห่งชาติและรัฐบาลท้องถิ่น และได้รับมอบหมายงานให้จัดการทรัพย์สินเหล่านี้เมื่อหลุมมีการก่อตัวขึ้นใต้ถนน ในสถานการณ์ที่เลวร้ายที่สุดอาจก่อให้เกิดการทรุดตัวของถนนที่ก่อให้เกิดความเสียหายสูงได้

ตัวอย่างที่ร้ายแรงที่สุดคือ หลุมยุบขนาดยักษ์ที่ปรากฏตัวขึ้นใกล้กับสถานี JR Hakataในบริเวณคิวซิวเมื่อเดือนพฤศจิกายนปี 2016 โดยทางกระทรวงที่ดิน โครงสร้างพื้นฐาน การคมนาคม และการท่องเที่ยว (Ministry of Land, Infrastructure, Transport and Tourism) ของญี่ปุ่นได้อธิบายว่า สาเหตุส่วนใหญ่ของหลุมทรุดตัวจะมีสาเหตุมาจากท่อระบายน้ำเสียที่เสื่อมโทรม หลุมอาจจะมองเห็นไม่ชัด เพราะประเทศญี่ป่นุ มีการบำรุงรักษาถนนอย่างดีเยี่ยม แต่ในปี 2015 เพียงปีเดียว มีถนนที่ทรุดตัว 3,300 จุดทั่วประเทศญี่ปุ่น

ทางบริษัทฯ ได้พัฒนาเทคโนโลยีหลากหลายสำหรับการสำรวจใต้พื้นผิว เพื่อตรวจหาหลุมที่อยู่ใต้ผิวถนน ซึ่งหน่วยวิศวกรเคลื่อนที่ของบริษัทฯใช้ขณะที่เดินทางบนถนนไปรอบๆ ประเทศ

Mr.Toshihiko Sakagami ซีอีโอ Kawasaki Geological Engineering กล่าวว่า “วิธีการแบบเดิมช่วยให้เราสำรวจได้ลึกแค่ 1.5 เมตรเท่านั้น แต่หลุมที่เกิดจากท่อระบายน้ำเสียที่ทรุดโทรมจะเกิดลึกกว่านั้นลงไปอีก เรานำเทคโนโลยีของเราและความเชี่ยวชาญที่เรามีมาปรับใช้ และพัฒนา 'ระบบเรดาร์ส่งเสียง' ได้สำเร็จ ซึ่งระบบนี้สามารถตรวจจับสัญญาณตอบกลับได้ในระดับลึกขึ้น และช่วยให้เราสำรวจได้ในระดับลึก 3 - 5 เมตรในระดับประสิทธิภาพเท่าเดิม”

"การที่มีเครื่องมือสำรวจได้ลึกกว่าเดิมถึง 2 เท่า ทำให้บริษัทฯ มีข้อมูลจำนวนมาก หากมีการพิมพ์ข้อมูลออกมา ต้องใช้กระดาษขนาด A3 ประมาณ 1,000 - 2,000 แผ่นต่อถนนยาว 100 กิโลเมตร ในการระบุหลุมต้องใช้ทีมงาน 5 - 6 คน และใช้เวลาประมาณ 1 เดือน"

"โดยในแต่ละครั้งต้องศึกษาข้อมูลคลื่นเรดาห์ที่พิมพ์ออกมาเป็นหลายร้อยหลายพันหน้า วิศวกรจะมองหาจุดที่น่าจะมีหลุมและความผิดปกติอื่นๆ แล้วจึงระบุตำแหน่งหลุมที่แท้จริง ดังนั้นจึงกลายเป็นงานใช้เวลาและมีค่าใช้จ่ายสูง วิศวกรใช้เวลาอย่างมากในการแก้ปัญหาและลดความผิดพลาดที่เกิดจากการมองไม่เห็นให้มากที่สุดเท่าที่จะทำได้"

"จากข้อมูลที่ได้มานั้นต้องอาศัยประสบการณ์ วิศวกรที่เข้ามาทำงานใหม่ๆ อาจพลาดไม่เห็นบางหลุม เนื่องจากข้อมูลสัญญาณไม่กระจ่างทันที ดังนั้น วิศวกรที่มีประสบการณ์มากกว่าจึงต้องตรวจสอบยันความถูกต้องเพื่อหลีกเลี่ยงความผิดพลาด Kawasaki Geological Engineering มุ่งเน้นหลักๆ ไปที่การวิเคราะห์เพื่อรักษาความปลอดภัยให้กับถนนที่บริษัทฯ ทำการสำรวจ โชคดีที่ในปัจจุบัน บริษัทฯ มีพนักงานที่มีประสบการณ์สูงมากมายซึ่งสามารถปฏิบัติงานได้อย่างง่ายดาย"

“หากพิจารณาในแง่กำลังคนและปัจจัยอื่นๆ เราไม่สามารถทำงานแบบนี้ต่อไปได้ นั่นเป็นสาเหตุว่าทำไมเราถึงเริ่มสนใจ AI วิศวกรบางคนของเราก็มีความรู้เรื่อง AI ด้วยเหตุนี้เราจึงมีไอเดียพอสมควรว่าจะนำ AI มาใช้ในการตรวจหาหลุมในแบบเดียวกับการตรวจยันความถูกต้องโดยวิศวกรที่มีประสบการณ์"

"แต่ปัญหาที่พบคือ ไม่มีแอปพลิเคชันอันไหนที่วางขายที่ใช้ในการทำงานแบบของเรา เราจึงไม่สามารถนำเทคโนโลยีสำเร็จรูปมาใช้ได้ ซึ่งปัญญาประดิษฐ์ได้ช่วยลดเวลาการตรวจจับความผิดปกติลง 90% ขณะที่เวลาทั้งหมดที่วิศวกรใช้ในการวิเคราะห์ก็ลดลงครึ่งหนึ่งด้วยเช่นกัน" Mr.Toshihiko Sakagami กล่าว

"บริษัทฯ รู้ดีว่าตนเองไม่สามารถนำ AI มาใช้ด้วยตนเองได้อย่างรวดเร็วจึงได้รับข้อเสนอให้นำ 'Zinrai Deep Learning' จาก Fujitsu Traffic & Road Data Service Ltd. ซึ่งเป็นบริษัทที่ทาง Kawasaki Geological Engineering เคยร่วมมือกันมาก่อนหน้า"

การใช้ AI เพื่อหาความผิดปกติในทุกจุด และจะต้องไม่พลาดแม้แต่จุดเดียว

“เงื่อนไขอันแรกสุดของเราคือ เราจะต้องเจอความผิดปกติทุกๆ จุด และจะต้องไม่พลาดแม้แต่จุดเดียว การพัฒนา AI เริ่มจากการสร้างเงื่อนไขอันแรกนี้ และเริ่มเป็นรูปเป็นร่างในเวลาไม่ถึงหนึ่งเดือน โดยมีการสร้างข้อมูลการฝึกขนาดใหญ่และโหลดเข้าไปใน Zinrai Deep Learning ทันที การให้ข้อมูลการฝึกเพิ่มและการปรับระบบให้เข้าที่เข้าทางทำให้บริษัทฯ สามารถลดเวลาการตรวจหาเบื้องต้นได้ถึง 90% ตอนนี้ระบบสามารถตรวจหาความผิดปกติได้มีความแม่นยำเกือบถึง 100% ดังนั้นหากรวมเวลาที่ใช้ในการตรวจสอบผลทางรูปภาพ เวลาโดยรวมที่ใช้ในการระบุว่ามีหลุมใต้พื้นผิวจุดนั้นๆ หรือไม่ก็ลดลงถึงครึ่งหนึ่ง"

Shigeharu Yamada ผู้จัดการทั่วไปด้านการบำรุงรักษาประจำ Kawasaki Geological Engineering กล่าวว่า "การนำ Zinrai Deep Learning ช่วยให้เรามองข้อมูลอย่างเป็นกลาง"

แต่นั่นไม่ได้หมายความว่าเราไม่ต้องพึ่งคน อย่างไรเราก็ต้องพึ่งวิศวกรที่เชี่ยวชาญเฉพาะทางเสมอ สำหรับธุรกิจของเรานั้น การพัฒนา AI และการพัฒนาวิศวกรมีความเกี่ยวข้องกันมากแม้ว่าจะดูเป็นเรื่องที่ต่างกัน สิ่งที่สำคัญที่สุดคือ การรู้วิธีใช้ AI

"นอกจากการตรวจหาความผิดปกติแล้ว หากเราพัฒนาความแม่นยำของการระบุหลุมเอง ผมคาดว่าในไม่ช้าเราจะสามารถลดเวลาการวิเคราะห์ลงได้ถึง 80% ทีเดียว ซึ่งการนำเทคโนโลยีมาใช้ช่วยทำให้มีประสิทธิภาพมากขึ้น ทั้งช่วยลดเวลาวิเคราะห์ลงครึ่งหนึ่งอีกทั้งลดต้นทุน และผลที่ได้คือเราสามารถรับงานได้เพิ่มขึ้น”

"Kawasaki Geological Engineering กำลังพิจารณาว่าจะติดตั้งเซ็นเซอร์ที่รถยนต์ ซึ่งรัฐบาลท้องถิ่นจะใช้ในการลาดตระเวนแต่ละวัน และจะทำให้การวิเคราะห์ง่ายยิ่งขึ้นไปอีกการตรวจสอบข้อมูลอย่างต่อเนื่องทุกวันควรจะทำให้การค้นพบหลุมอันตรายทำได้เร็วขึ้นมาก

ด้าน Mr.Toshihiko Sakagami กล่าวว่า “ในฐานะนักสำรวจทางภูมิศาสตร์มืออาชีพ เราไม่เพียงแค่ตรวจหาหลุม แต่เราต้องวิเคราะห์สาเหตุด้วยเช่นกัน การรู้สาเหตุเหล่านี้จะช่วยให้ผู้คนป้องกันไม่ให้เกิดหลุมตั้งแต่ในตอนแรก โดยการใช้เทคโนโลยีของบริษัทฯ เองร่วมกับ Zinrai Deep Learning ทำให้ Kawasaki Geological Engineering จะยังคงเดินหน้าทำให้สังคมมีความปลอดภัยสำหรับทุกคน"