ปัจจุบัน ในหลายๆ อุตสาหกรรมได้มีการเริ่มใช้ปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI มาช่วยในการพัฒนาระบบต่างๆในองค์กรให้มีประสิทธิภาพมากยิ่งขึ้น เช่น เพื่อช่วยในการตัดสินใจ หรือเพิ่มขีดความสามารถในการทำงานแทนมนุษย์ รวมไปถึงการวิเคราะห์ข้อมูลจำนวนมากและการแก้ไขปัญหาต่างๆ โดยเฉพาะช่วงนี้เราจะได้เห็นจากซีรีส์ยอดนิยมอย่าง Start-up ในวันนี้เราจะพาทุกท่านไปทำความรู้จักกับ AI, ML และบริการจาก Google Cloud ที่จะมาช่วยเพิ่มความสะดวก และง่ายต่อการพัฒนา

AI / ML / DL คืออะไร? ต่างกันอย่างไร ??

Artificial Intelligence (AI)

ปัญญาประดิษฐ์ หรือ AI คือ ”ระบบ” ในการวิเคราะห์และประมวลผลที่มีความคล้ายคลึงกับความฉลาดของมนุษย์ และสามารถนำออกมาเป็นผลลัพธ์ต่างๆ เช่น การทำนายพฤติกรรมของลูกค้าใน E-Commerce หรือการวิเคราะห์อาการของผู้ป่วยจากข้อมูลต่างๆในโรงพยาบาล

Machine Learning (ML)

Machine Learning คือ “การทำให้ระบบคอมพิวเตอร์สามารถเรียนรู้ได้ด้วยตนเองโดยใช้ข้อมูล” Machine Learning เป็น subset ของ AI จุดประสงค์คือเพื่อใช้ในการสร้างแอปพลิเคชั่นที่มีประสิทธิภาพมากกว่ามนุษย์ในการทำงานบางประเภท โดยการทำให้ฉลาดขึ้น สามารถพัฒนา และเรียนรู้ได้ด้วยตนเอง

Deep Learning (DL)

Deep Learning คือ “วิธีการเรียนรู้ลักษณะต่างๆ ของข้อมูล” โดยมีพื้นฐานการทำงานหรือการเรียนรู้จากระบบประสาทของสมองมุษย์ และ Deep Learning เป็น subset ของ Machine Learning อีกด้วย

ตัวอย่าง Use case ในแต่ละอุตสาหกรรม

การเงิน (Financial)
ธนาคารหรือธุรกิจอื่นๆที่เกี่ยวข้องกับอุตสาหกรรมการเงิน สามารถนำ Machine Learning มาเพื่อป้องกันการฉ้อโกง ตรวจสอบทุจริต หรือสามารถเป็นเครื่องมือประกอบการตัดสินใจในการปล่อยเงินกู้ รวมไปถึงการวิเคราะห์ความเสี่ยงและการคาดการณ์โอกาสในการลงทุน

หน่วยงานภาครัฐ (Government)
ปัจจุบัน หน่วยงานภาครัฐได้มีการนำ AI มาเป็นตัวช่วยในการทำงานให้กับมนุษย์ เช่นระบบตรวจคนเข้าเมืองในสนามบิน รวมไปถึงนำมาป้องกันการโจรกรรมข้อมูลส่วนบุคคลที่ถูกเก็บไว้โดยภาครัฐ

การแพทย์ (Healthcare)
อุตสาหรกรรมการแพทย์ได้มีการเล็งเห็นความสำคัญของการนำปัญญาประดิษฐ์และ Machine Learning เข้ามาใช้ในด้านต่างๆมากขึ้น เช่น การวินิจฉัยหรือประเมินสุขภาพ อีกทั้งนำมาใช้กับการวิจัยทางการแพทย์ต่างๆ ซึ่งบุคลากรทางการแพทย์สามารถเพิ่มศักยภาพในการวิเคราะห์ข้อมูลด้วยเทคโนโลยีมากขึ้น

การค้าปลีก (Retail)
Machine Learning สามารถนำมาวิเคราะห์ประวัติการซื้อขายและแนะนำสินค้าให้เหมาะสมกับกลุ่มของลูกค้า เพื่อเพิ่มยอดขายและเพื่อประสบการณ์ในการใช้งานที่ดีของลูกค้ามากขึ้นด้วย อีกทั้งยังสามารถคาดการณ์การตลาดและความต้องการของผู้บริโภคได้

การขนส่ง (Logistic)
ในอุตสาหกรรมการขนส่งก็ได้นำ Machine Learning เข้ามาใช้งานเช่นในเรื่องของ Warehouse Management หรือ การประเมินยานพาหนะเพื่อใช้ในการขนส่ง รวมไปถึงการทำระบบขับขี่ยานพาหนะแบบไร้คนขับ (Automated Driving System)

พลังงาน (Oil and Gas)
พลังงานเป็นสิ่งสำคัญในการขับเคลื่อนสิ่งต่างๆ ดังนั้นการใช้เทคโนโลยีปัญญาประดิษฐ์สามารถนำมาช่วยในการคาดการณ์ปริมาณการใช้พลังงานเพื่อใช้ในการคำนวณ รวมไปถึงการพยากรณ์การใช้พลังงานของประเทศในอนาคต

ทำความรู้จักกับเทคโนโลยีอื่นๆ บน Google Cloud กับกิจกรรม webinar

ลงทะเบียนเข้าร่วมฟรี ! คลิกที่นี่

ทำไมต้องใช้ AI จาก Google Cloud?

Performance and Accuracy

Google เป็นเจ้าของชุดข้อมูลขนาดใหญ่ที่เป็นแบบสาธารณะ (Public Dataset) และสามารถนำมาใช้งานต่างๆได้ ซึ่งถือเป็นหนึ่งในส่วนสำคัญของ Machine Learning กล่าวคือ ยิ่งมีข้อมูลที่สามารถนำมาใช้ในการเรียนรู้มากเท่าไหร่ ความแม่นยำหรือประสิทธิภาพในการวิเคราะห์ก็จะสูงขึ้นตามไปด้วย เช่น การวิเคราะห์รูปภาพ ข้อความ รวมไปถึงประเมินตัวเลขต่างๆ ความสามารถนี้ได้ดึงดูดองค์กรระดับโลกให้มาใช้บริการ Machine Learning บน Google Cloud ยกตัวอย่างเช่น Airbus ที่สามารถลดข้อผิดพลาดในการแก้ไขแผนที่ภาพถ่ายดาวเทียมจาก 11% ลดเหลือเพียงแค่ 3%

Easy to use

แน่นอนว่าการทำ Machine Learning ขึ้นมานั้น ไม่ใช่เรื่องง่ายในการที่จะสร้างโมเดลหรือโครงสร้างการเรียนรู้ขึ้นมา ซึ่งผลลัพธ์ที่ได้ ก็อาจจะไม่ดีเสมอไปและต้องใช้เวลาอย่างมากในการปรับโครงสร้างให้ดีขึ้น ดังนั้นการใช้บริการ AI หรือ Machine Learning ผ่านทาง Google Cloud สามารถช่วยลดเวลาในการสร้างโมเดล รวมไปถึงการบริหารจัดการตั้งแต่การเก็บข้อมูล การเตรียมข้อมูล ไปจนถึงการนำโมเดลมาใช้งานจริง ถือได้ว่าเป็นบริการที่ครอบคลุมทุกขั้นตอนตั้งแต่ต้นจนจบในการทำ Machine Learning เลยทีเดียว มากไปกว่านี้ Google Cloud ได้มีบริการในส่วนของ Machine Learning ที่มีความพร้อมในการใช้งานผ่านการเรียกใช้ API และมีบริการที่เรียกว่า Cloud AutoML ซึ่งสามารถสร้าง Machine Learning ผ่านการใช้งาน GUI (Graphic User Interface) เท่านั้น

AI ใน Google Cloud มีบริการที่หลากหลายรูปแบบ สามารถเลือกใช้งานได้ตามความเหมาะสมและความต้องการในการใช้งาน ซึ่งได้แบ่งออกเป็น 2 ประเภท ได้แก่ Customer Machine Learning Model และ Pre-trained Machine Learning Models

Custom Machine Learning Models

Custom Machine Learning Models เป็นบริการในการทำ Machine Learning ตั้งแต่ต้นจนจบ ครบถ้วนภายในที่เดียว เริ่มตั้งแต่การเก็บข้อมูลไปจนถึงการได้โมเดลที่มีความพร้อมในการใช้งานต่างๆ

Custom Machine Learning Model นั้นมีให้บริการหลากหลายรูปแบบประกอบไปด้วย การทำบริการด้วยตัวเอง เช่น เขียนโมเดลขึ้นมาเองหรือจะเตรียมทำ Pipeline ทั้งหมดนี้จะอยู่ในบริการที่ชื่อว่า AI Platform, รวมไปถึงบริการที่สามารถสร้าง Machine Learning โดยที่ไม่ต้องเขียนโค้ดสักตัวใน Cloud AutoML, หรือแม้กระทั้งการแชร์ระบบหรือบทความให้คนอื่นใน AI Hub โดยเฉพาะน้องใหม่ล่าสุดนั้นคือบริการ Recommendation AI ที่สามารถ

ตัวอย่าง Custom Machine Learning Model

1. AI Platform

Concept: “End-to-End for Machine Learning and Data Scientist”

End-to-End หมายถึง การบริการตั้งแต่เริ่มแรกไปจนถึงจุดสิ้นสุด กล่าวคือ AI Service ของ Google Cloud ให้บริการและอำนวยความสะดวกตั้งแต่การเก็บข้อมูล (Ingest Data), การเตรียมข้อมูล (Prepare Data), การสร้าง Machine Learning Model ขึ้นมาด้วยตัวเอง (AI Platform Notebooks) รวมไปถึงการ training model, การ hosting model, การวิเคราะห์ผลลัพธ์ และ deployment หรือการนำไปใช้กับ application อื่นๆ ทั้งหมดนี้สามารถนำมาทำเป็น Machine Learning Pipeline คือการทำให้เกิด automated training ทุกๆอาทิตย์หรือทุกๆเดือนกับข้อมูลใหม่ที่เข้ามาในแต่ละวัน แล้วนำมาเก็บเป็นเวอร์ชั่นต่างๆไว้ได้ ภายใต้ service ที่มีชื่อว่า AI Platform

2. Cloud AutoML

Concept: “Train high-quality custom machine learning models with minimal effort and machine learning expertise”

Cloud AutoML เป็นบริการที่สามารถสร้างโมเดลการเรียนรู้แบบอัตโนมัติบน Cloud ได้แบบง่ายๆ โดยใช้เพียงแค่ข้อมูลเพื่อนำมาทำการเรียนรู้ให้กับโมเดลเท่านั้น ซึ่ง Cloud AutoML สามารถใช้งานกับบริการอื่นๆใน Google Cloud ได้อย่างครบถ้วนตั้งแต่การจัดเก็บข้อมูลที่ Google Cloud Storage จนไปถึงการเก็บโมเดลไว้ใน AI Platform และสามารถสร้าง Machine Learning Pipeline เพื่อใช้งานต่อได้อีกด้วย

ในส่วนของการใช้งานนั้นเรียกได้ว่าเป็นบริการที่เป็นแบบ Low-Code นั้นหมายความว่า นักพัฒนาไม่จำเป็นต้องเขียนโค้ดแม้แต่ตัวเดียวในการสร้างโมเดล เพียงแค่อัพโหลดข้อมูลเข้า Google Cloud ก็สามารถนำข้อมูลมาทำ Label แล้วเริ่มทำการเรียนรู้ได้ทันที เพราะมี Interface ที่สามารถใช้งานได้และเข้าใจได้ง่าย นอกจากนี้สามารถนำมา deploy ได้ทั้งในแบบ Online และ Offline เลยทีเดียว ในกรณีที่ต้องการใช้เป็น Offline หรือ Egde ก็สามารถนำโมเดลออกมาใช้งานได้ ซึ่งสามารถนำออกมาเป็น Tensorflow JS, TFLite, Coral, Core ML, Container และ REST API

Cloud AutoML: https://cloud.google.com/automl/

Pre-trained Machine Learning Model

Concept: “Cloud APIs allow you to automate your workflows by using your favorite language. Use these Cloud APIs with REST calls or client libraries in popular programming languages.”

จากที่ได้บอกไปว่าทาง Google มีข้อมูลจำนวนมากที่ถูกเก็บไว้ในรูปแบบของข้อมูลสาธารณะทางทีมพัฒนาของ Google ก็ได้ใช้ประโยชน์จากข้อมูลเหล่านั้นเพื่อนำมาใช้กับ Machine Learning เพื่อให้ได้โมเดลที่มีความพร้อมในการใช้งานโดยการเรียกผ่าน API ประกอบไปด้วย รูปภาพ (Vision API), เสียง (Speech API), วิดีโอ (Video Intelligence API), ข้อความ (Natural Language API), แปลภาษา (Translation API), และการหางาน (Jobs API)

เราสามารถเข้าไปที่ลิงค์ด้านล่างของรูปตัวอย่างการใช้งานของ Pre-trained Machine Learning Model แต่ละตัวได้ เพื่อเข้าไปลองใช้งานหรือทดสอบความสามารถของบริการแต่ละตัวได้อีกด้วย

ตัวอย่าง Pre-trained Machine Learning Model

Vision API: https://cloud.google.com/vision

Vision API

เป็นบริการ Machine Learning ที่ใช้สำหรับรูปภาพโดยเฉพาะ ซึ่งใน Vision API สามารถนำมาในการตรวจจับเป็นหลัก เช่น Face Detection, Landmark Detection, Logo Detection, Optical Charater Recognition, Object localization เป็นต้น

https://cloud.google.com/speech-to-text/ & https://cloud.google.com/text-to-speech/

Speech API

เราสามารถนำเสียงมาแปลงเป็นข้อความหรือนำข้อความแปลงเป็นเสียงได้ โดย Speech-to-text API สามารถรองรับเสียงได้ถึง 125 ภาษา และ Text-to-speech API รองรับได้มากถึง 30 ภาษาและอีก 180 เสียงรวมทั้งของผู้หญิงและผู้ชาย อีกทั้งสำเนียงขแงแต่ละภูมิภาค

Natural Language API: https://cloud.google.com/natur...

Natural Language API

ต่อมาเป็นบริการที่ไว้ใช้สำหรับการวิเคราะห์ข้อความหรือที่เราเรียกกันว่า Natural Language Processing หรือ NLP ซึ่ง Natutal Language ใน Google Cloud ก็สามารถทำ Sentiment Analysis เพื่อใช้ในการวิเคราะห์บทความหรือประโยคว่ามีแนวโน้มไปในทางที่ดีหรือไม่ดี มากไปกว่านี้ ยังสามารถนำมาวิเคราะห์ดูว่าคำๆนั้นประเภทอะไรเช่น คน องค์กร สถานที่ หรือราคา เป็นต้น

สรุป 

ท้ายที่สุดแล้วจะเห็นได้ว่า Google Cloud ไม่ได้ใช้สำหรับเก็บข้อมูลหรือสร้าง Virtual Machine เพียงเท่านั้น แต่ยังมีบริการ AI หรือ Machine Learning ที่สามารถใช้งานได้หลากหลายรูปแบบ อีกทั้งการใช้งานที่ง่าย ไม่ซับซ้อน และครอบคลุม function ที่จำเป็น เรียกได้ว่าครบจบใน Google Cloud เลยทีเดียว

Written by Thanakorn Torcheewee
Cloud Ace Thailand

Make It Now!

หากคุณสนต้องการคำปรึกษา Cloud Ace Thailand พร้อมให้บริการที่จะสนับสนุนคุณตั้งแต่ การให้คำปรึกษา จนถึงการออกแบบระบบ ติดตั้งระบบ ย้ายระบบ ในฐานะ Google Cloud Partner ที่มีความเชี่ยวชาญ และได้รับรางวัล Service partner of the year ในปี 2019

ติดต่อเรา th_sales@cloud-ace.com