เปิดเบื้องหลัง โปรเจกต์การวิเคราะห์ Mobility data สู่ Tapping the Untapped และโมเดล Co-Lab กับการต่อยอดสู่การใช้ข้อมูลเพื่อการพัฒนาสังคม | Techsauce

เปิดเบื้องหลัง โปรเจกต์การวิเคราะห์ Mobility data สู่ Tapping the Untapped และโมเดล Co-Lab กับการต่อยอดสู่การใช้ข้อมูลเพื่อการพัฒนาสังคม

“โครงการฯ นี้เกิดขึ้นมาจากความเชื่อในพลังของดาต้า ที่ผ่านมา เราเห็นยูสเคสจากใช้ประโยชน์จากดาต้าเชิงพาณิชย์อย่างแพร่หลาย แต่จะดีกว่าไหม ถ้าเราสามารถดึงผู้เชี่ยวชาญในสาขาต่างๆ มาจับมือกันเพื่อแก้ไขปัญหาสังคม และโครงการฯ นี้จึงเกิดขึ้นจากการนั่งคุยเพียง 1 ชั่วโมงระหว่างดีแทค อ.อั๋น (ผศ.ดร.ณัฐพงศ์ พันธ์น้อย) จากคณะสถาปัตย์ จุฬา และคุณโจ้ (ธิติพงษ์ เหลืองอรุณเลิศ ซีอีโอของบุญมีแล็บ)” อรอุมา ฤกษ์พัฒนาพิพัฒน์ ผู้อำนวยการอาวุโส สายงานสื่อสารองค์กรและความยั่งยืนของดีแทค เล่าถึงที่มาที่ไปของโครงการศึกษารูปแบบการเคลื่อนที่และการกระจุกตัวของนักท่องเที่ยวไทยในสถานการณ์การแพร่ระบาดของโรคโควิด-19 ผ่านข้อมูลการเคลื่อนที่ (mobility data)

คุณอรอุมาอธิบายต่อว่า เธอเชื่อว่าอุตสาหกรรมโทรคมนาคมถือเป็น enabler ที่สำคัญ เพราะเป็นหนึ่งในไม่กี่อุตสาหกรรมที่มีฐานข้อมูลลูกค้าอยู่ในความดูแลขนาดมหาศาล จากเดิมที่มีการพูดคุยกันในการทำวิจัยในระดับจังหวัด แต่เมื่อขยายผลให้เห็นถึงศักยภาพของ mobility data ผู้เกี่ยวข้องทั้ง 3 ฝ่าย จึงได้เห็นชอบในการวิจัยระดับประเทศ

ข้อมูลมหาศาลนับหมื่นล้านชุด

 ทว่ากว่าโปรเจกต์นี้จะเกิดขึ้นไม่ใช่เรื่องง่ายและกินเวลาทั้งสิ้นเกือบ 2 ปี โดยขั้นตอนที่ใช้เวลายาวนานที่สุดคือ การพิจารณาความเสี่ยงจากการใช้ประโยชน์ของข้อมูลเพื่อการวิจัยจากผู้มีส่วนเกี่ยวข้องที่กินเวลาราว 1 ปีครึ่ง โดยประกอบด้วยขั้นตอนการสอบทานธุรกิจ (Business Partner Due Diligence) ลงนามเห็นชอบในสัญญารักษาความลับ (Non-disclosure agreement) หนังสือบันทึกข้อตกลงระหว่างองค์กร (MoU) และสัญญาการเก็บ ใช้และประมวลผลข้อมูล (Data Processing Agreement) นอกจากนี้ ยังต้องผ่านการประเมินผลกระทบด้านการคุ้มครองข้อมูลส่วนบุคคลจากคณะกรรมการภายใน (Data Privacy Risks & Impact Assessment) อีกด้วย เนื่องจากจัดเป็นประเด็นอ่อนไหว เกี่ยวข้องกับความเป็นส่วนตัวของลูกค้า ทั้งนี้ ดีแทคจึงต้องตรวจสอบให้มั่นใจว่าโครงการนี้เป็นชุดข้อมูลที่ไม่สามารถระบุตัวตนของผู้ใช้งานได้ทั้งทางตรงและทางอ้อม ภายใต้การกำกับและดูแลนโยบายข้อมูลส่วนบุคคลและความปลอดภัยทางไซเบอร์ที่เข้มงวดของดีแทค

อย่างไรก็ตาม ด้วยความเชื่ออันแรงกล้าของทีมงาน ทุกฝ่ายได้ฝ่าฟันอุปสรรคนานัปการ โดยปฏิบัติตามเงื่อนไขที่ว่า ข้อมูลจะเป็นแบบไม่เฉพาะเจาะจงและถูกทำให้ไม่สามารถระบุตัวตนได้ (Aggregate and anonymized data) ชุดข้อมูลที่ทำการวิจัยเป็นชุดข้อมูลที่ได้รับความยินยอมจากลูกค้าแล้วเท่านั้น ที่สำคัญ การวิเคราะห์ข้อมูลจะต้องดำเนินการในสถานที่แบบปิด ไม่สามารถเข้าถึงอินเทอร์เน็ตได้ โดยดีแทคได้อำนวยความสะดวกด้านสถานที่ไว้ที่ชั้น 31 ที่ดีแทคเฮาส์

วรวิมล ศรีนุต ผู้อำนวยการฝ่ายบริหารคุณค่าลูกค้าของดีแทค อีกหนึ่งบุคคลสำคัญที่ทำหน้าที่สร้างความมั่นใจว่าข้อมูลที่ทำการวิเคราะห์นั้นอยู่ภายใต้นโยบายข้อมูลส่วนบุคคลขั้นสูงสุด เล่าว่า ข้อมูลที่ถูกนำไปวิเคราะห์นี้ หรือที่เรียกว่า mobility data สามารถระบุช่วงเวลาการใช้งาน รูปแบบการใช้งาน รวมถึงตำแหน่งของการใช้งาน ซึ่งก่อนจะนำไปวิเคราะห์ ดีแทคได้ทำให้ข้อมูลไม่สามารถระบุตัวตน ผ่านเทคนิค Data anonymization (One-way Hashing with SHA-256) ทำให้ข้อมูลระหว่างเดือนมิถุนายน 2563 ถึงตุลาคม 2564 ที่มีขนาดนับ “หมื่นล้านชุด” ถูกจัดทำให้อยู่ในระดับ “ตำบล” เมื่อทำการนิรนามข้อมูลและสุ่มกลุ่มตัวอย่างให้อยู่ปริมาณที่สามารถดำเนินการวิเคราะห์ได้อย่างมีประสิทธิภาพแล้ว จึงนำข้อมูลส่งต่อนักวิจัยผ่านโครงข่ายส่วนตัว (Private network) เพื่อนำไปวิเคราะห์ต่อไป

ความท้าทายในการจัดการข้อมูลขนาดใหญ่

ผศ.ดร.ภูริพันธุ์ รุจิขจร ผู้ร่วมก่อตั้ง และ รพี สุวีรานนท์ CTO ของ Boonmee Lab เล่าว่า หลังจากได้ข้อมูลมาแล้ว ทาง อ.อั๋น ของคณะสถาปัตย์ฯ จุฬา จะทำหน้าที่เป็น Domain expert หรือผู้เชี่ยวชาญในสาขานั้นๆ โดยจะเป็นผู้ตั้งชุดคำถามและแนวทางการวิเคราะห์ข้อมูลขึ้นมาก่อน จากนั้นทาง Boonmee Lab จึงพิจารณาถึงการจัดการข้อมูลและหาความเป็นไปได้ในการตอบคำถามเหล่านั้น

ด้วยลักษณะเฉพาะของ Mobility data ที่แสดงถึงปริมาณการกระจุกตัวของการเดินทางแต่ละรูปแบบในแต่ละพื้นที่และในแต่ละช่วงเวลา ทำให้ข้อมูลที่ได้รับมาจากดีแทคมีความลื่นไหลในตัวเองสูง สามารถสร้างวิธีการจัดการข้อมูลได้หลากหลายรูปแบบ นั่นจึงทำให้ทีม Boonmee Lab และอ.อั๋นต้องทำงานร่วมกันอย่างใกล้ชิดเพื่อร่วมกันกำหนดนิยามจากการทบทวนวรรณกรรม ขั้นตอนการวิเคราะห์  การกำหนดดัชนีชี้วัด  และการตีความผลการวิเคราะห์ เพื่อให้สามารถตอบคำถามที่ต้องการได้  ตัวอย่างเช่น นิยามของการเดินทางท่องเที่ยวจากข้อมูลชุดนี้ คือ การเดินทางออกจากจังหวัดที่เป็นถิ่นที่อยู่และสถานที่ทำงานไปสู่จังหวัดอื่นในวันหยุด เราจึงต้องมากำหนดเงื่อนไขในเชิงพื้นที่และเวลาเพื่อคัดเลือกเฉพาะข้อมูลการเดินทาง (ทริป) ที่ตรงกับนิยามการเดินทางท่องเที่ยว เพื่อให้มั่นใจว่าข้อมูลที่ใช้นั้นสะท้อนให้เห็นถึงการกระจุกตัวของการเดินทางท่องเที่ยวในพื้นที่นั้นจริงๆ  ประกอบกับการวิเคราะห์ข้อมูลการกระจุกตัวเรากำหนดรายละเอียดลงไปถึงการกระจุกตัวของการเดินทางในระดับตำบล ซึ่งทำให้ทีม Boonmee Lab ต้องคิดหาวิธีการวิเคราะห์ข้อมูลขนาดใหญ่ที่มีประสิทธิภาพมากที่สุด 

 การวิเคราะห์ในครั้งนี้มีระเบียบวิธีที่ต่างออกไปจากการใช้วิธีสำรวจการเดินทางของนักท่องเที่ยวโดยแบบสอบถามและการสัมภาษณ์ซึ่งเป็นการรวบรวมข้อมูลย้อนหลังโดยอาศัยข้อมูลจากความทรงจำของนักท่องเที่ยว เนื่องจากเป็นการวิเคราะห์ Mobility data จะสะท้อนรูปแบบและพฤติกรรมการเดินทางที่เกิดขึ้นจริงในแต่ละพื้นที่ นอกจากนั้น การวิเคราะห์ข้อมูลจึงสามารถดำเนินการได้หลากหลายรูปแบบจากลักษณะของคำถามที่ต้องการรู้และรูปแบบข้อมูลที่มีอยู่ 

 “ในการทำงาน ทีม Boonmee Lab จะต้องวางแผนการทำงานที่มีความยืดหยุ่น เพื่อสามารถปรับเปลี่ยนวิธีการวิเคราะห์ข้อมูลให้เป็นไปตามนิยาม คำถาม และตัวแปรต่างๆ ได้อย่างเหมาะสม รวดเร็ว และถูกต้อง” ระพี กล่าว

ผศ.ดร.ภูริพันธุ์ อธิบายเสริมว่า ในการจัดการข้อมูลเพื่อใช้ในการวิเคราะห์นั้น ทาง Boonmee Lab จะไม่รู้ข้อมูลส่วนบุคคลของผู้ใช้งานเลย จะรับรู้เพียงแค่ข้อมูลการเดินทางที่จะแสดงจุดเริ่มต้นและจุดปลายทางของแต่ละชุดข้อมูลเท่านั้น  ทั้งนี้ ข้อมูลที่ได้รับจากดีแทคเกิดจากการ “สุ่ม” กลุ่มตัวอย่างคิดเป็นสัดส่วนร้อยละ 10 ของบัญชีหมายเลขโทรศัพท์มือถือในเครือข่ายของดีแทคที่อนุญาตให้สามารถใช้ในการวิเคราะห์ข้อมูลได้ และเป็นบัญชีหมายเลขที่มีรูปแบบการเดินทางตรงตามนิยามการท่องเที่ยวที่กำหนดไว้ ซึ่งนับได้ว่าข้อมูลที่นำมาใช้ในโครงการมีจำนวนมากเพียงพอที่จะเป็น “กลุ่มตัวแทน” ของการเดินทางท่องเที่ยวตามหลักสถิติได้เป็นอย่างดี 

Mobility data เป็นข้อมูลแบบ Hierarchy กล่าวคือ เป็นข้อมูลที่มีลำดับชั้นและสามารถวิเคราะห์ได้หลากหลายรูปแบบ โดยมีตัวแปรสำคัญเป็นเรื่องของสถานที่และเวลา  ในเชิงสถานที่สามารถประมวลผลข้อมูลได้ทั้งในระดับภาค ระดับจังหวัด จนถึงระดับตำบล  ขณะที่มิติด้านเวลาสามารถแบ่งข้อมูลออกเป็นช่วงเวลากลางวันและกลางคืน หรือช่วงเช้า บ่าย เย็น และค่ำในแต่ละวันก็ได้   Mobility data มีความแตกต่างจากข้อมูลที่เคยผ่านมือของ Boonmee Lab มาในอดีต ทั้งในแง่ปริมาณของข้อมูลที่มีขนาดใหญ่มาก รวมถึงการเป็นข้อมูลที่บันทึกสถานการณ์จริงโดยอัตโนมัติ  ทั้งนี้ Mobility data นับเป็นข้อมูลที่มีความแม่นยำ สามารถจัดเก็บได้บ่อย และช่วยให้เข้าใจถึงรูปแบบการเดินทางได้เป็นอย่างดี  ทีม Boonmee Lab จึงนำ Mobility data มาจัดการให้อยู่ในรูปแบบที่ทีมนักวิจัยจากคณะสถาปัตยกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัยสามารถนำไปใช้วิเคราะห์ในเชิงพื้นที่ต่อได้ง่าย โดยจัดทำตารางแสดงข้อมูลที่บ่งชี้ถึงปริมาณการกระจุกตัวของการเดินทางแต่ละรูปแบบในแต่ละพื้นที่ตามช่วงเวลา 

ระพี กล่าวเสริมว่า แม้การจัดการ Mobility data จะมีความซับซ้อนสูง แต่ทีมงานรู้สึกสนุกไปกับขั้นตอนการดำเนินการอย่างมาก เนื่องจากข้อมูลชุดนี้ช่วยให้เรามองเห็นรูปแบบของการเดินทางท่องเที่ยวในแต่ละพื้นที่ ซึ่งข้อมูลสะท้อนความหมายที่แตกต่างกันเมื่อเราเปลี่ยนแปลงตัวแปรในการวิเคราะห์ข้อมูล ไม่ว่าจะเป็นเวลา สถานที่ หรือรูปแบบการเดินทาง

ศักยภาพที่ซ่อนอยู่ของ Mobility data

ด้าน ผศ.ดร.ณัฐพงศ์ พันธ์น้อย อาจารย์ประจำภาควิชาการวางแผนภาคและเมือง และดำรงตำแหน่งเป็นรองผู้อำนวยการหน่วยปฏิบัติการวิจัยด้านการออกแบบเพื่อพัฒนาเศรษฐกิจสร้างสรรค์ (DCE) คณะสถาปัตยกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย อธิบายต่อว่า ทีมนักวิจัยจาก DCE ต้องทำการบ้านอย่างหนักและต้องประสานงานร่วมกับทีม Boonmee Lab อย่างใกล้ชิดเพื่อทำความเข้าใจลักษณะของข้อมูลและพิจารณาความเป็นไปได้ในการวิเคราะห์ค้นหาคำตอบภายใต้มาตรการการคุ้มครองข้อมูลส่วนบุคคล ในช่วงแรกทีมนักวิจัยได้จัดทำชุดคำถามที่น่าจะเป็นประโยชน์ต่อการพัฒนาการท่องเที่ยวและสามารถวิเคราะห์ได้จากข้อมูล Mobility data  จากนั้นจึงนำข้อมูลที่ได้รับจากทีม Boonmee Lab มาวิเคราะห์ต่อโดยระบบภูมิสารสนเทศภูมิศาสตร์ (Geographic Information System; GIS) เพื่อทำให้เห็นข้อมูลการกระจุกตัวของการเดินทางท่องเที่ยวในเชิงพื้นที่อย่างชัดเจนมากยิ่งขึ้น  ขั้นตอนนี้เรียกว่า scanning เพื่อคัดกรองว่าข้อมูลที่มีอยู่ทำให้เราเข้าใจสถานการณ์การท่องเที่ยวในประเด็นได้บ้าง  เมื่อวิเคราะห์ข้อมูลจนได้ผลที่ชัดเจนในแต่ละมิติทั้งในด้านรูปแบบการเดินทางและปริมาณการกระจุกตัวในแต่ละสถานที่และช่วงเวลาแล้ว

ทีมนักวิจัยจากจุฬาลงกรณ์มหาวิทยาลัยจึงนำผลการวิเคราะห์มาพิจารณาค้นหาความหมาย (connect the dots) เพื่อพิจารณาถึงแนวทางการพัฒนาการท่องเที่ยวที่เหมาะสมกับในแต่ละพื้นที่

รองผู้อำนวยการหน่วยปฏิบัติการวิจัยด้านการออกแบบเพื่อพัฒนาเศรษฐกิจสร้างสรรค์อธิบายถึงความท้าทายในการทำงานว่า “ประเด็นสำคัญของการทำงานในขั้นตอนนี้ คือ ผู้วิจัยจะต้องเข้าใจทั้งลักษณะของ Mobility data และแนวทางการนำข้อมูลไปใช้ประโยชน์ จึงจะสามารถวางกรอบการวิเคราะห์ที่ชี้ให้เห็นศักยภาพและข้อจำกัดของการพัฒนาการท่องเที่ยวในแต่ละพื้นที่ได้อย่างชัดเจน”

ผศ.ดร.ณัฐพงศ์ อธิบายว่า Mobility data เปิดโอกาสให้เราทำความเข้าใจสถานการณ์ด้านการท่องเที่ยวได้อย่างละเอียด ชัดเจน และบูรณาการมากยิ่งขึ้น  เราสามารถทราบถึงการกระจุกตัวของการเดินทางท่องเที่ยวทั้งในรูปแบบค้างคืนและไปกลับในแต่ละพื้นที่ได้อย่างชัดเจน โดยหน่วยการวิเคราะห์เชิงพื้นที่สามารถลงรายละเอียดได้ถึงระดับตำบล ในด้านช่วงเวลาเราสามารถทำความเข้าใจการเดินทางของนักท่องเที่ยวได้ถึงระดับรายชั่วโมงในแต่ละวัน  ศักยภาพของ Mobility data ช่วยให้เราประเมินสถานการณ์และนโยบายด้านการท่องเที่ยวได้อย่างละเอียดและชัดเจนยิ่งขึ้น ตัวอย่างเช่น เราสามารถทราบได้ถึงขนาดที่ว่างานเทศกาลที่จัดขึ้นในพื้นที่หนึ่งสามารถทำให้เกิดการท่องเที่ยวแบบค้างคืนได้เพิ่มขึ้นมากน้อยเพียงใด หรือจังหวัดใดบ้างที่นักท่องเที่ยวเดินทางไปเที่ยวอย่างต่อเนื่องกันในการเดินทางหนึ่งครั้ง  นอกจากนั้น ลักษณะเฉพาะของ Mobility data ที่มีตัวแปรประกอบด้วยรูปแบบการเดินทาง ปริมาณการกระจุกตัว ช่วงเวลา และสถานที่  ทำให้เราสามารถใช้ความคิดสร้างสรรค์ในการตั้งคำถามและคิดหาวิธีการวิเคราะห์ข้อมูลเพื่อทำความเข้าใจสถานการณ์การท่องเที่ยวในแต่ละพื้นที่ได้อย่างหลากหลาย  ซึ่งจะเป็นประโยชน์ต่อหน่วยงานภาครัฐ ภาคเอกชน ชุมชน และสถาบันการศึกษาในการวางแผนการพัฒนาการท่องเที่ยว สินค้า และการบริการในแต่ละท้องถิ่นอย่างมีประสิทธิภาพ

 “ด้วยศักยภาพของ Mobility data ทำให้ดีแทค Boonmee Lab และจุฬาลงกรณ์มหาวิทยาลัยตัดสินใจร่วมกันถึงการเผยแพร่ผลการศึกษาผ่านโครงการ Tapping the Untapped ซึ่งเป็นการนำเสนอมุมมองของการใช้ข้อมูลที่เราไม่เคยใช้งานให้เป็นประโยชน์มาก่อน เพื่อขยายโอกาสในการส่งเสริมการท่องเที่ยวในจังหวัดเมืองรอง เพื่อกระตุ้นการฟื้นตัวทางเศรษฐกิจและส่งเสริมการพัฒนาสังคมอย่างยั่งยืนไปยังท้องถิ่นต่างๆ ในประเทศไทย”  ผศ.ดร.ณัฐพงศ์ กล่าว

โมเดล Co-Lab สู่การใช้ Mobility data เพื่อการพัฒนาสังคม

 ผศ.ดร.ณัฐพงศ์ พันธ์น้อย เล่าเสริมถึงโมเดล Co-Lab ว่า การร่วมทำงานกันระหว่างบริษัทดีแทค ทีม Boonmee Lab และจุฬาลงกรณ์มหาวิทยาลัยในการวิเคราะห์ Mobility data เพื่อทำความเข้าใจสถานการณ์ด้านการท่องเที่ยวในครั้งนี้ชี้ให้เห็นว่าการนำ Mobility data ไปใช้ในการออกแบบนโยบายการพัฒนาสังคมจำเป็นอย่างยิ่งที่ต้องได้รับการสนับสนุนด้านข้อมูลและสถานที่ทำการวิเคราะห์จากบริษัทโทรคมนาคม รวมถึงต้องการการร่วมมือกันระหว่างบุคคลากรด้านการวิเคราะห์ข้อมูล ผู้เชี่ยวชาญด้านการออกแบบนโยบาย และที่สำคัญ คือ หน่วยงานภาครัฐและภาคประชาสังคมที่ต้องการนำข้อมูลไปใช้ประโยชน์เพื่อการแก้ไขปัญหาและพัฒนาสังคมให้น่าอยู่มากยิ่งขึ้น  การร่วมมือระหว่างภาคส่วนที่เกี่ยวข้องอย่างสร้างสรรค์เพื่อทำความเข้าใจสถานการณ์และออกแบบแนวทางการพัฒนาเป็นกลไกสำคัญในการผลักดันให้การใช้ Mobility data นำไปสู่การออกแบบนวัตกรรมเพื่อการพัฒนาสังคมอย่างยั่งยืน

อรอุมา เล่าว่า โมเดล Co-lab นี้ สามารถนำมาใช้กับปัญหาใหญ่อื่นๆ ที่ Mobility data สามารถเผยให้เห็น insights ที่สำคัญ เช่น การแก้ไขปัญหาด้านการจราจร การให้บริการสาธารณสุข การพัฒนาพื้นที่สาธารณะ การป้องกันโรคระบาด การบริหารจัดการในช่วงเกิดภัยพิบัติ เป็นต้น  การร่วมงานกันครั้งนี้นำไปสู่การส่งเสริมฐานคิดใหม่ของการออกแบบนโยบายสาธารณะผ่านบิ๊กดาต้า เพื่อเพิ่มประสิทธิภาพและเปลี่ยนมุมมองการจัดทำนโยบายสาธารณะในรูปแบบใหม่ โดย Co-lab ช่วยเปิดโอกาสให้คนรุ่นใหม่ ผู้เชี่ยวชาญและผู้สนใจด้านดาต้า ได้มีโอกาสได้ใช้งาน Mobility data อย่างเต็มศักยภาพ ซึ่งเธอมีความคาดหวังว่าโครงการนี้จะขยายศักยภาพไปสู่ความการเปลี่ยนแปลงประเทศเชิงโครงสร้างเลยทีเดียว และนี่คือแนวทางการพัฒนาที่ยั่งยืนของดีแทค ในการสร้างคุณค่าร่วมกับสังคมโดยอาศัยศักยภาพของการเป็นผู้ให้บริการโทรคมนาคม เพื่อประโยชน์สาธารณะ

ลงทะเบียนเข้าสู่ระบบ เพื่ออ่านบทความฟรีไม่จำกัด

No comment

RELATED ARTICLE

Responsive image

Apple Intelligence : Apple พอสู้ใครไหวไหม ในยุคที่ AI มาแรงแซงหน้าทุกโค้ง

ในที่สุด Apple ก็ประกาศเปิดตัว ‘Apple Intelligence’ อย่างเป็นทางการ พร้อมเข้าร่วมศึก AI อย่างเต็มตัว แต่จะเพียงพอต่อกรกับคู่แข่งที่แข็งแกร่ง และท้าชิงบัลลังก์ผู้นำในตลาด AI Phone ไ...

Responsive image

ถกอนาคตกับดร. สันติธาร เสถียรไทย และสิ่งที่น่ากังวลกว่าการถูก AI แย่งงาน

Techsauce คุยกับ ดร. สันติธาร เสถียรไทย หนึ่งในที่ปรึกษาคณะกรรมาธิการวิสามัญฯ ซึ่งได้ร่วมแสดงความคิดเห็นและข้อเสนอแนะเกี่ยวกับการศึกษาแนวทางในการควบคุมและส่งเสริมการใช้เทคโนโลยีปัญ...

Responsive image

AI มาจากไหน? ย้อนมองต้นกำเนิดของปัญญาประดิษฐ์ ก่อนการมาถึงของกระแส Generative AI ในปัจจุบัน

รู้หรือไม่ว่าเทคโนโลยีปัญญาประดิษฐ์หรือ AI นั้น มีมาครบ 70 ปีแล้ว! ย้อนกลับไปตั้งแต่ยุคสมัยของอัจฉริยะ Alan Turing ผู้บุกเบิกแนวคิดนี้ แต่ทำไม AI ในตอนนั้นถึงยังไม่แพร่หลาย?...