Data, AI และ Machine Learning คือสามคำสุดฮอตที่พ่วงมาด้วยกันในช่วงเวลานี้ เมื่อหลายองค์กรมีความพยายามค้นคว้าและพัฒนาระบบข้อมูลให้ชาญฉลาดและมีประสิทธิภาพมากขึ้น ด้วยทีม Data scientist ที่จับข้อมูลมหาศาล มาวิเคราะห์เพื่อยกระดับการให้บริการและพัฒนาสังคมส่วนรวม

ในบทความนี้เราได้พูดคุยกับผู้เชี่ยวชาญของ Grab คุณ Jagannadan Varadarajan หัวหน้าทีม Data Science (Machine Learning) ประจำสำนักงานใหญ่ในสิงคโปร์ และเป็นผู้อำนวยการร่วมของ Grab-NUS Lab ที่ทาง Grab ร่วมมือกับมหาวิทยาลัยแห่งชาติสิงคโปร์ในการพัฒนาระบบคมนาคมในเมือง เพื่อร่วมให้ความเห็นและยกตัวอย่างให้เห็นกันชัดๆ ว่า ข้อมูลมหาศาลที่มีอยู่แล้ว จะถูกนำมาใช้ประโยชน์อะไรต่อภาคธุรกิจและสังคมอย่างไรได้บ้าง

ข้อมูลที่ Grab มีอยู่ในปัจจุบัน ได้ถูกนำมาวิเคราะห์เพื่อสร้างโซลูชันอะไรบ้าง และวางแผนสำหรับอนาคตอย่างไร

ปัญหาจราจรติดขัดเป็นปัญหาที่ใหญ่ที่สุดปัญหาหนึ่งในประเทศไทย ยิ่งไปกว่านั้น กรุงเทพฯ ถือเป็นเมืองที่รถติดที่สุดในเอเชียในปี 2017 ด้วยการให้บริการของ Grab เราหวังว่าจะทำให้คนมีรถในครอบครองน้อยลง ในด้านของข้อมูล ทุกวันนี้มีคนขับ Grab ไปมาทั่วทุกถนนเล็กใหญ่ ในเอเชียตะวันออกเฉียงใต้ คนขับของเราขับผ่านทุกถนนที่มีคนสัญจรหลายครั้งต่อวัน แอปพลิเคชันของคนขับได้มอบข้อมูล GPS ที่ทำให้เราสามารถรวบรวมข้อมูลจำนวนมหาศาลที่ละเอียดมากถึงขั้นว่าเมื่อนำจุด GPS มารวมกัน จะกลายเป็นเสมือนแผนที่ของเมืองเลยทีเดียว

Grab ใช้ข้อมูลดังกล่าวเพื่อพัฒนาการเรียนรู้ของระบบ (Machine Learning) และรูปแบบปัญญาประดิษฐ์ (Artificial Intelligence models) ในการประเมินการติดขัดของการจราจร เหตุต่างๆ บนท้องถนน และเวลาที่ใช้ในการเดินทาง นอกจากนี้ เรายังใช้ข้อมูลที่มีอยู่ และการเปลี่ยนแปลงของอุปสงค์และอุปทาน ณ ขณะนั้น เพื่อประเมินผลให้เราสามารถบอกคนขับให้ไปในที่ที่มีอุปสงค์สูงเพื่อให้พวกเขาให้บริการแก่ผู้โดยสารที่ต้องการใช้บริการได้อย่างมีประสิทธิภาพ

ยิ่งไปกว่านั้น เรายังได้ประสานงานกับหน่วยงานรัฐบาล และองค์กรอื่นๆ เพื่อใช้ข้อมูลการจราจรของเราในการแก้ปัญหาจราจรติดขัด และยกระดับความปลอดภัยบนท้องถนนทั่วภูมิภาค ตัวอย่างเช่น เราให้ผลรวมข้อมูลคนขับในรูปแบบที่ไม่ระบุตัวตนไว้บนแพลตฟอร์ม OpenTraffic ซึ่งเจ้าหน้าที่จัดการจราจร และนักผังเมืองสามารถนำข้อมูลดังกล่าวไปใช้เพื่อลดการติดขัดของการจราจร โดยปรับเวลาสัญญาณไฟ หรือวางแผนการจัดการเส้นทาง เป็นต้น ส่วนนักผังเมืองก็สามารถใช้ข้อมูลนี้ในการตัดสินใจว่าจะวางแผนสร้างโครงสร้างพื้นฐานอย่างถนนได้อย่างไร

ด้วยความร่วมมือกับมหาวิทยาลัยแห่งชาติสิงคโปร์ (National University of Singapore) Grabได้ตั้งห้องปฏิบัติการ Grab-NUS AI Lab เพื่อสร้างแพลตฟอร์ม AI ที่สามารถทนทานต่อ Machine Learning และการวิเคราะห์การแสดงผลภาพสำหรับข้อมูลจำนวนมหาศาล ที่ช่วยให้สามารถพัฒนาแอปพลิเคชันใหม่ๆ จากชุดข้อมูลมหาศาลที่รวบรวมโดย Grab ตัวอย่างเช่น การช่วยหน่วยงานด้านคมนาคมในการสอดส่องและเพิ่มความคล่องตัวของการจราจร

เรายังสามารถหาวิธีปรับใช้บริการรถร่วมโดยสารอย่างเหมาะสม เพื่อกระตุ้นให้เกิดการใช้รถร่วมกัน และลดจำนวนรถบนท้องถนนในประเทศไทยได้

ยกตัวอย่างเช่น ข้อมูลของเราแสดงให้เห็นว่าเวลาการเดินทางจากตลาดประตูน้ำไปสนามบินดอนเมืองนั้นสามารถทำให้เร็วขึ้นได้อีกมาก หากเส้นทางนี้มีทางเลือกรถร่วมโดยสารมากขึ้นอย่าง รถเมล์ รถไฟ หรือการใช้รถร่วมกัน ซึ่งจะช่วยให้เราสามารถลดเวลาการเดินทางในช่วงเวลาเร่งด่วนได้ถึง 25% จาก 45 นาที เหลือเพียงแค่ 34 นาที

นำ Machine Learning และ AI มาใช้จริงอย่างไรบ้าง

Grab มีข้อมูลจำนวนมหาศาลถึง 20 เทระไบต์ ต่อวัน แต่การมีข้อมูลนั้นถือเป็นแค่ครึ่งหนึ่งของสมการ สิ่งที่สำคัญไม่ยิ่งหย่อนไปกว่ากันคือการมีเครื่องมือและความสามารถที่จะเปลี่ยนข้อมูลดังกล่าวเป็นฟีเจอร์อันชาญฉลาดที่สามารถยกระดับประสบการณ์การใช้งานของลูกค้าได้อย่างต่อเนื่อง และใช้พัฒนาเมืองอัจฉริยะได้ในอนาคต

วิทยาศาสตร์ข้อมูล (data science) ได้ถูกนำมาใช้ในส่วนนี้ และเป็นเหตุผลที่ว่าทำไม Grab จึงลงทุนอย่างมหาศาลกับ AI, Machine Learning และการวิจัยการดำเนินการ

• ในด้านการชำระเงิน Grab ได้ใช้ข้อมูลเชิงพฤติกรรมและการหารายได้ของคนขับ ในการพัฒนากลไกการคำนวณสินเชื่อซึ่งประเมินจากความน่าเชื่อถือของคนขับ ทำให้เราสามารถขยายบริการสินเชื่อให้แก่คนขับ (ที่ไม่สามารถกู้เงินจากธนาคารทั่วไป) เพื่อตอบสนองความต้องการในแต่ละวันของพวกเขา อาทิ การดูแลรถยนต์ ค่าน้ำมันเครื่อง และค่าใช้จ่ายเบ็ดเตล็ดต่างๆ
• ในด้านบริการส่งอาหาร เราใช้ AI ในการทำความเข้าใจรสนิยมของลูกค้า เพื่อให้เราสามารถแนะนำร้านอาหาร และอาหารในท้องถิ่นที่ขึ้นชื่อและเหมาะสมกับความต้องการของลูกค้า โดยเราใช้ระบบการเลียนแบบคุณสมบัติ (simulation) และระบบการเลือกให้เหมาะสม (optimization) ในการพัฒนาประสิทธิภาพการจับคู่ความต้องการของลูกค้าในทุกวัน เพื่อให้ partner ผู้ส่งอาหารของเราสามารถลดเวลาการเดินทาง และให้ลูกค้าได้รับอาหารแบบทันใจ
• ในด้านการเดินทาง Grab ใช้ AI เพื่อประเมินเวลาการเดินทางและพัฒนาแผนที่ที่เรามี โดยใช้เส้นทาง GPS จำนวนมากในการอนุมานและปรับแก้การคำนวณของแผนที่ ทั้งนี้ ฟีเจอร์ใหม่ที่เราเพิ่งนำมาใช้ช่วยให้คนขับสามารถให้บริการลูกค้าได้หลายเที่ยวที่สุดเท่าที่จะทำได้ระหว่างทางจากจุดที่คนขับอยู่ ณ เวลานั้น จนถึงบ้านของพวกเขา โดยระบบจะจับคู่คนขับกับจุดหมายของผู้โดยสารที่อยู่บนเส้นทางกลับบ้าน ช่วยให้คนขับไม่ต้องขับรถกลับบ้านทางไกลโดยไม่มีผู้โดยสาร ซึ่งจะทำให้พลาดโอกาสสร้างรายได้ระหว่างทาง

ตัวอย่าง A/B testing ที่ทำแล้วประสบความสำเร็จ

Grab ได้พยายามอย่างต่อเนื่องในการพัฒนาประสบการณ์ของผู้โดยสารและ Partner ผู้ขับขี่ ทั้งนี้ การที่จะทำเช่นนั้นได้ก็เพราะเราได้ทำการทดลองอยู่เรื่อยๆ และความจริงแล้ว หลายสิ่งบนแอปที่เราได้พัฒนาขึ้นนั้นถือเป็นผลลัพธ์โดยตรงจากการทดลองที่ประสบความสำเร็จ การทำการทดสอบแบบหลายทางเลือกหรือ A/B testing ถือเป็นสิ่งสำคัญในการทำการทดลอง และเราใช้การทดสอบดังกล่าวเพื่อกำหนดตัวแปรสองตัวขึ้นไป ซึ่งส่วนใหญ่จะเป็นการพัฒนาเล็กๆ น้อยๆ ซึ่งทำให้ผลออกมาดีที่สุด

Grab ใช้การทดสอบแบบ A/B testing ในหลายขั้นตอน รวมถึงการค้นหา และอัลกอริทึมแนะนำตัวเลือก ราคาและค่าบริการ การออกแบบเว็บไซต์ แคมเปญการตลาดที่ปล่อยออกไป การส่งข้อความ และการเปิดตัวผลิตภัณฑ์ต่างๆ เป็นต้น

ข้อมูลที่ Grab มีสามารถนำมาสร้างประโยชน์กับภาครัฐในทิศทางใดบ้าง

ข้อมูลจากหลากหลายบริการของ Grab ทำให้เราสามารถรับรู้ข้อมูลเชิงลึกในเรื่องดังต่อไปนี้

• รูปแบบการคมนาคมของผู้คน: ข้อมูลของเราช่วยให้สามารถเข้าใจรูปแบบการคมนาคมของผู้คนในช่วงเวลาต่างๆ ซึ่งสามารถนำไปใช้ในการวางแผนโครงสร้างเมือง การขนส่งสาธารณะ และการวางนโยบายการจราจรที่ดีขึ้นได้
• สถานการณ์การจราจรบนทุกถนนของเมือง: แกร็บ สามารถช่วยให้รัฐบาลประมาณเวลาการเดินทาง และทำความเข้าใจผลกระทบของการจราจร เพื่อนำไปหาวิธีแก้ไขจราจรติดขัดในเวลาเร่งด่วน
• อุปสงค์และอุปทาน: ข้อมูลช่วยให้เราสามารถศึกษาว่าผู้คนรวมตัวกันอยู่ที่ไหนในแต่ละช่วงเวลา ในแต่ละวัน และศึกษาวิธีการเดินทางที่คนเหล่านั้นนิยมใช้ ซึ่งข้อมูลนี้จะสามารถนำมาใช้เพื่อประกอบการพิจารณาวางแผนและจัดการแต่ละชุมชนได้
• รูปแบบการรับประทานของผู้บริโภค: การเพิ่มบริการส่งอาหาร ทำให้เราได้ข้อมูลเกี่ยวกับร้านอาหาร ประเภทอาหาร และรูปแบบการกินที่คนทั่วไปนิยม ทำให้สามารถใช้ข้อมูลเพื่อการรณรงค์ส่งเสริมสุขภาพ สุขอนามัย การควบคุมคุณภาพ และลดปริมาณขยะที่เกิดจากอาหารได้

Grab ได้ร่วมมือกับรัฐบาลในการจัดการข้อมูลที่มีอยู่อย่างไรบ้าง

เราได้ร่วมมือกับรัฐบาลและผู้มีอำนาจในการออกกฎหมายเพื่อใช้ข้อมูลจำนวนมหาศาลหลายเพตะไบท์ที่รวบรวมอยู่บนแพลตฟอร์มของเรา เพื่อพัฒนาและปรับปรุงบริการสำหรับเมืองต่างๆ ในเอเชียตะวันออกเฉียงใต้ นอกจากการให้ข้อมูลโลเคชั่นของคนขับในแพลตฟอร์ม OpenTraffic ซึ่งเกิดจากความร่วมมือกับธนาคารโลก เพื่อให้รัฐบาลของประเทศในภูมิภาคเอเชียตะวันออกเฉียงใต้ อาทิ เมียนมาร์ อินโดนีเซีย และฟิลิปปินส์ เข้าถึงข้อมูลการจราจรแบบเรียลไทม์แล้ว เรายังหาวิธีการใช้ข้อมูลในการช่วยรัฐบาลโดยตรงในการวางแผนการคมนาคม ตอบสนองความต้องการในการเดินทางให้เพียงพอ และวิเคราะห์ว่าการเพิ่มขึ้นของจำนวนรถกระทบต่อแต่ละเมืองอย่างไร

พันธกิจของ Grab ในการผลักดันประเทศไทยสู่ Smart City

Grab มุ่งหวังที่จะขับเคลื่อนให้ประเทศไทยเป็นเมืองอัจฉริยะในอนาคต และได้ร่วมมือกับพันธมิตรจากหลากหลายอุตสาหกรรม รวมไปถึงรัฐบาล เพื่อเดินหน้าสู่เป้าหมายดังกล่าว ตัวอย่างที่เห็นได้ชัดคืองาน MotoGP เมื่อเดือนตุลาคมที่ผ่านมา ซึ่งเราได้ร่วมมือกับองค์กรบริหารส่วนจังหวัดบุรีรัมย์ เพื่อนำร่องระบบขนส่งอัจฉริยะ เพื่อผลักดันให้บุรีรัมย์กลายเป็นเมืองอัจริยะในอนาคต ความเคลื่อนไหวนี้ก็เพื่อตอบสนองวิสัยทัศน์ “บุรีรัมย์โมเดล” ซึ่งพุ่งเป้าไปที่การเร่งการเติบโตทางเศรษฐกิจและการท่องเที่ยวของจังหวัด โดยพัฒนารายได้และคุณภาพชีวิตของคนท้องถิ่นอย่างยั่งยืน และในอนาคตอันใกล้นี้ เราก็หวังว่าจะได้ร่วมงานกับจังหวัดอื่นๆ โดยเฉพาะเมืองท่องเที่ยวอื่นๆ ในรูปแบบเดียวกัน

นอกจากนี้ ในปีที่แล้ว Grab ได้เปิดตัว เทคโนโลยี Safer Everyday ในประเทศไทยโดยมุ่งให้สังคมไทยเป็นเมืองอัจฉริยะที่ปลอดภัยมากขึ้น เป้าหมายหลักของเทคโนโลยีนี้คือการเพิ่มมาตรฐานความปลอดภัยบนท้องถนนเพื่อลดอุบัติเหตุที่สามารถป้องกันได้ โดยการวัดความเหนื่อยล้าของคนขับผ่านระบบรายงานผลโทรสนเทศภายใน และกระตุ้นการเปลี่ยนแปลงพฤติกรรมด้านความปลอดภัยของพวกเขา ซึ่งจะนำไปสู่การเปลี่ยนแปลงพฤติกรรมการใช้รถใช้ถนนในระยะยาว