เมื่อกลางปีที่แล้ว กูเกิลเปิดตัว TPU (Tensor Processing Unit) ชิปสำหรับประมวลผล deep learning รุ่นที่สอง พร้อมจับขึ้นคลาวด์เพื่อให้คนทั่วไปใช้งาน โดยช่วงแรกยังจำกัดเฉพาะนักวิจัยเท่านั้น

เวลาผ่านมาเกือบปี Cloud TPU เปิดบริการรุ่นเบต้าบน Google Cloud Platform (GCP) สักที คนทั่วไปสามารถนำงานด้าน machine learning มาเทรนโมเดลบน Cloud TPU เพื่อเร่งความเร็วให้ได้มากขึ้น (Cloud TPU หนึ่งตัวมีสมรรถนะสูงสุด 180 tflops และแรม 64GB)

Josh Lovejoy ผู้ออกแบบ UX ของกูเกิล เขียนบล็อกอธิบายเบื้องหลังการทำงานของ Google Clips กล้อง AI ที่กูเกิลบอกว่าสามารถตัดสินใจบันทึกภาพช่วงเวลาสำคัญได้ด้วยตัวมันเอง ซึ่งมีรายละเอียดน่าสนใจหลายอย่าง

แนวทางออกแบบนั้นกูเกิลเรียกว่าเป็น Machine Learning แบบที่มีคนเป็นศูนย์กลาง โดยต้องทำให้แน่ใจว่าผลลัพธ์ที่ได้นั้นคนจะพึงพอใจด้วย ไม่ใช่พึ่งพาการตัดสินใจของ ML ฝ่ายเดียว กูเกิลจึงจ้างช่างภาพมืออาชีพในหลากหลายแนวมาช่วยเลือกว่าภาพแบบไหนที่เรียกว่าดี และดูมีความสำคัญ ตั้งแต่ช่างภาพสายนักข่าว, สายสารคดี ไปจนถึงแนวศิลปะ

กระแส IoT ในปีที่ผ่านมาคงเริ่มเป็นเรื่องที่ได้รับความสนใจมากขึ้นเรื่อยๆ เมื่อข้อมูลเหล่านี้สามารถนำมาใช้งานได้ดีขึ้นเรื่อยๆ จากเทคนิคการประมวลผลข้อมูลที่ก้าวหน้าไปมากในช่วงหลายปีที่ผ่านมา

เมื่องาน IBM 65 ปีในไทยมีการยกตัวอย่างหนึ่งของปตท. ที่ได้ลงระบบทำนายการซ่อมบำรุงล่วงหน้า (predictive maintenance) เพื่อใช้ข้อมูลจากเซ็นเซอร์จำนวนมากมาบอกเครื่องยนต์ในโรงงานมีโอกาสเสียหายหรือต้องการซ่อมบำรุงมากน้อยเพียงใด เมื่อผมไปร่วมงานและเห็นว่าน่าสนใจจึงขอไปพูดคุยกับผู้บริหารปตท. และผู้บริหาร Triple Dot บริษัทผู้ให้คำปรึกษาในโครงการนี้

คนแถวนี้คงพอทราบอยู่แล้วว่า Netflix มีการเก็บข้อมูลผู้ชมภาพยนตร์และซีรี่ส์ เพื่อนำมาใช้พัฒนาคอนเทนต์ใหม่ๆ ที่น่าจะทำให้ผู้ชมถูกใจ รวมทั้งใช้แนะนำคอนเทนต์อื่นที่น่าสนใจสำหรับแต่ละบุคคล แต่ Netflix มีการทดลองที่ลึกซึ้งมากกว่านั้น นั่นคือการเลือกแบนเนอร์กราฟิกที่เหมาะสมกับแต่ละบุคคล เพื่อทำให้เราตัดสินใจชมคอนเทนต์นั้นๆ ง่ายขึ้นด้วย

Netflix อธิบายกระบวนการนี้ในบล็อกของบริษัท บอกว่าการค้นหาคอนเทนต์ที่แต่ละคนน่าจะถูกใจนั่นคือสิ่งที่ Netflix ทำได้แล้ว งานถัดไปจึงเป็นการพยายามชักจูงให้เราตัดสินใจชมคอนเทนต์นั้นให้ได้ โดยเฉพาะกับเนื้อเรื่องที่คนนั้นไม่ค่อยคุ้น โดยนำเสนอด้วยภาพกราฟิกที่เหมาะกับแต่ละคน เช่น ภาพฉากการกระทำตัวละครที่น่าจะตรงใจเรามากขึ้น, ภาพนักแสดงที่เราน่าจะคุ้นเคย เป็นต้น

เราได้เห็นการนำปัญญาประดิษฐ์ มาประยุกต์ใช้ทางการแพทย์มาแล้วหลายโครงการ ทั้งการวินิจฉัยปอดบวม, การทำนายภาวะออทิสติก และตรวจหาเซลล์มะเร็ง ล่าสุด ทีมนักวิจัยจากบริษัท Human Longevity ที่ทำการศึกษาเกี่ยวกับพันธุศาสตร์มนุษย์ ได้รายงานผลงานวิจัยเรื่อง การทำนายรูปลักษณ์ภายนอกจากสารพันธุกรรม (DNA) โดยใช้ machine learning ลงในวารสาร Proceedings from the National Academy of Sciences (PNAS)

Botnik Studios ชุมชนนักเขียน, ศิลปิน,นักพัฒนาที่ทำงานด้วย Machine learning ใช้เทคโนโลยี predictive keyboard เขียนนิยายเรื่อง Harry Potter บทใหม่ต่อจากเรื่องเดิม ปรากฏว่าเนื้อเรื่องใหม่กลับกลายเป็น Harry Potter สายดาร์ก และประหลาดอย่างยิ่ง

เริ่มจากทีมงานป้อนข้อมูลนิยายทั้ง 7 เล่มใส่ระบบและให้โปรแกรมสร้างนิยายบทใหม่ออกมาโดยมีชื่อตอนว่า Harry Potter and the Portrait of What Looked Like a Large Pile of Ash ชื่อตอนไม่แปลกประหลาดเท่าเนื้อหาข้างใน เช่น แฮร์รี่กินสมาชิกในครอบครัวของเฮอร์ไมโอนี่, แฮร์รี่ฉีกลูกตาและศรีษะของตัวเองจากนั้นก็โยนเข้าไปในป่า ซึ่งช่วงแรกของนิยายก็เริ่มต้นอย่างสมเหตุสมผล แต่หลังจากนั้นเรื่องราวก็เริ่มแปลกและไร้สาระ

ช่วงเวลาสิ้นปี บริษัทด้านความปลอดภัยไซเบอร์ต่างออกมาคาดการณ์ภัยคุกคามที่จะเปิดขึ้นในปีถัดไป บริษัท Symantec คาดการณ์ว่าอุปกรณ์ IoT และบล็อกเชนจะถูกเพ่งเล็งจากอาชญากรไซเบอร์ และยังระบุว่าแฮกเกอร์จะใช้ AI และ Machine Learning เป็นเครื่องมือโจมตี และมีโอกาสที่เราจะได้เห็น AI ฝั่งแฮกเกอร์ กับ AI ฝั่งความปลอดภัยต่อสู้กัน

AWS เปิดตัวโครงการให้เงินทุนสำหรับการวิจัยด้าน machine learning ในชื่อว่า AWS Machine Learning Research Awards โดยใช้คลาวด์ของ Amazon โดยจะให้เป็นรางวัลกับสถาบันที่ทำการวิจัย และเครดิตในการใช้แพลตฟอร์ม AWS เพื่อช่วยดึงดูดให้นักวิจัยมาใช้แพลตฟอร์มของ AWS มากยิ่งขึ้น

AWS เปิดตัวบริการให้คำปรึกษาเกี่ยวกับ machine learning ในชื่อว่า Amazon ML Solutions Lab เพื่อให้ลูกค้าสามารถปรึกษาและเรียนรู้กับผู้เชี่ยวชาญ machine learning จาก Amazon ในการสร้างโมเดลได้ เพื่อช่วยเหลือภาคธุรกิจที่ต้องการใช้งาน machine learning แต่ไม่มีผู้เชี่ยวชาญและเป็นการตอบโจทย์ปัญหาการขาดแคลนผู้มีความรู้ความสามารถในด้านนี้

กูเกิลประกาศไว้ในงาน I/O 2017 ว่าจะนำเอนจิน TensorFlow Lite มาสู่ Android Oreo เพื่อให้สามารถประมวลผล deep learning ภายในมือถือได้โดยไม่ต้องส่งข้อมูลออกไปนอกเครื่อง

วันนี้ TensorFlow Lite เปิดให้ทดสอบแบบ developer preview แล้ว มันสามารถนำไปใช้งานได้หลากหลายอุปกรณ์ โดยเริ่มจาก Android, iOS และในอนาคตจะรันบนอุปกรณ์ IoT ได้ด้วย

จากกรณีมีผู้ทดลองปลดล็อก Face ID บน iPhone X โดยใช้ใบหน้าของน้องชายที่คล้ายกันแล้วสามารถปลดล็อกได้ จนเป็นกระแสว่า Face ID น่าจะมีช่องโหว่เยอะนั้น ล่าสุดเจ้าของคลิปได้ออกมายอมรับแล้วว่า iPhone X นี้มีการตั้งค่าหลอกเอาไว้ก่อนถ่ายทำคลิป ทำให้สามารถปลดล็อกได้

Uber เปิดตัวภาษาโปรแกรมมิ่งแบบใหม่ชื่อว่า Pyro โดยมีจุดประสงค์สำหรับการเน้นให้นักพัฒนาสร้างโมเดลความเป็นไปได้ (probabilistic model) สำหรับการวิจัยด้าน AI ซึ่งถือเป็นโครงการที่เผยสู่สาธารณะครั้งแรกของ Uber AI Labs ซึ่งเป็นแล็บพัฒนาด้าน machine learning และนำผลวิจัยมาประยุกต์ใช้กับสิ่งต่าง ๆ เช่น รถยนต์ขับเคลื่อนอัตโนมัติ, การบินในเมือง, การปรับปรุงเมือง และความปลอดภัยในการขับขี่ยานพาหนะ

กูเกิลเปิดตัว Android 8.1 Developer Preview โดยมีฟีเจอร์สำคัญคือเปิด Neural Networks API สำหรับการประมวลผล machine learning ภายในตัวฮาร์ดแวร์ และรองรับ Android Go สำหรับอุปกรณ์แรมน้อยกว่า 1GB

Android 8.1 ยังจะขยับเลข API level เป็น 27, ปรับปรุงฟีเจอร์ Autofill ที่เพิ่มเข้ามาใน 8.0, เพิ่ม Shared memory API สำหรับเข้าถึงข้อมูลที่ใช้ร่วมกันระหว่างแอพ, เพิ่มตัวเลือกแสดงสถานะแบตเตอรี่ของอุปกรณ์ Bluetooth บนหน้าจอมือถือ, เปิดใช้งานชิป Pixel Visual Core บน Pixel 2

ปีที่แล้ว Adobe เปิดตัว AI ของตัวเองที่ชื่อ Sensei ซึ่งยังไม่มีพรีวิวการทำงานให้เห็น แต่ในงาน Adobe MAX ปีนี้มีการแสดงความสามารถทางด้าน AI ออกมาแล้ว ทั้งระบบการทำงานด้วยคำสั่งเสียง, รู้จำใบหน้าและอื่นอีกมากมาย

Adobe ได้สาธิตการทำงานของ Sensei บน Photoshop โดยมันสามารถวิเคราะห์งานที่กำลังทำได้อัตโนมัติว่าเป็นงานแบบไหน มีองค์ประกอบอะไรบ้าง, ช่วยค้นหารูปภาพที่ใกล้เคียงใน collection, ตรวจจับใบหน้าของภาพได้ว่าเอียงไปทางไหน, ไดคัทพื้นหลังออกจากภาพคนให้อัตโนมัติและมีระบบ generate ภาพและข้อความตามรูปแบบงานที่กำลังทำอยู่ได้

ต้องบอกว่ามาแรงจริงๆ สำหรับ Google Pixel 2 สมาร์ทโฟนจากกูเกิลที่ขึ้นชื่อว่ากล้องดีในระดับท็อปๆ ของมือถือทั้งหมด โดยตอนนี้มีข้อมูลใหม่ที่ไม่ถูกพูดถึงบนเวทีเปิดตัวเลย แต่กูเกิลเพิ่งเปิดเผยเรื่องนี้กับสื่อว่าที่จริงแล้ว Pixel 2 มีชิปประมวลผล (SoC) ถึง 2 ชุดด้วยกัน คือชิปเซ็ตหลัก Snapdragon 835 และ SoC อีกชุดเรียกว่า Pixel Visual Core ใช้สำหรับการประมวลผลภาพถ่ายโดยเฉพาะ

บริษัทคลาวด์สตอเรจ Box เปิดตัว Box Skills บริการที่ใช้ machine learning ช่วยแยกแยะและจัดหมวดหมู่เนื้อหาในเอกสารที่เก็บบนคลาวด์ของ Box อยู่แล้ว

ตัวอย่างทักษะของ Box Skills ได้แก่

Microsoft และ AWS ร่วมมือกันเปิดตัว Gluon ส่วนประสานงาน deep learning ซึ่งออกแบบมาเพื่อนักพัฒนาทั่ว ๆ ไปที่ไม่ใช่ผู้เชี่ยวชาญด้าน AI สามารถสร้างและรันโมเดล machine learning สำหรับแอพและบริการต่าง ๆ ได้ง่ายขึ้น

Gluon นั้นถือเป็นก้าวใหญ่ของการพัฒนาระบบที่ใช้ AI โดยการนำส่วนสำคัญของระบบ deep learning ซึ่งได้แก่อัลกอริทึมสำหรับเทรนนิ่ง และโมเดล neural network มารวมกัน สามารถดูแลตั้งแต่การโปรโตไทป์, การสร้าง, การเทรน ไปจนถึงการ deploy machine learning model สำหรับคลาวด์และอุปกรณ์ต่าง ๆ

Teachable Machine เครื่องมือสำหรับเรียนรู้เกี่ยวกับ Machine Learning จาก Google เปิดให้ผู้ที่ต้องการศึกษา Machine Learning เบื้องต้น เข้าศึกษาได้อย่างง่ายโดยไม่ต้องเขียนโค้ด ด้วยการให้ผู้ใช้ทดลองสอนเครื่องผ่านระบบกล้องเว็บแคม ระบบถูกสร้างอยู่บนไลบรารี deeplearn.js ที่เคยเปิดตัวไปก่อนหน้านี้ ทำให้ผู้ใช้สามารถใช้งานผ่านบนเบราว์เซอร์ได้เลย ไม่จำเป็นต้องติดตั้งโปรแกรมใด ๆ ก่อนใช้งาน

Andrew Ng หนึ่งในผู้ก่อตั้งทีม Google Brain และเป็นผู้ก่อตั้ง Coursera ให้สัมภาษณ์กับเว็บไซต์ Venture Beat ถึงประเด็น AI และการเป็นบริษัทด้าน AI อย่างแท้จริง เขาบอกว่าการที่บริษัทใดใช้ AI ในการดำเนินการ ไม่ได้หมายความว่าบริษัทนั้นเป็นบริษัทปัญญาประดิษฐ์ เพราะมันมีอะไรมากกว่านั้น

Stack Overflow เผยสถิติความนิยมของภาษาโปรแกรมมิ่งบนเว็บไซต์ของตัวเอง โดย Python เป็นภาษาที่มีอัตราการเติบโตสูงมากในรอบ 5 ปีที่ผ่านมา โดยจะเฉพาะจากกลุ่มประเทศพัฒนาแล้ว-รายได้สูงที่มีสัดส่วนทราฟฟิก 64% ของเว็บไซต์

สถิติของ Stack Overflow ย้อนกลับไปถึงปี 2011 พบว่าอัตราการเติบโตของ Python เพิ่มสูงมาก และในเดือนมิถุนายน 2017 แท็ก Python กลายเป็นแท็กอันดับหนึ่งของเว็บไซต์ แซงหน้า Java/JavaScript เป็นที่เรียบร้อย

Jeremy Hermann และ Mike Del Balso วิศวกรด้านวิศวกรรมข้อมูลของ Uber เปิดเผยข้อมูลของแพลตฟอร์มที่พัฒนาเพื่อใช้กันภายในองค์กรชื่อ Michelangelo ซึ่งเรียกว่าเป็น Machine Learning-as-a-service เพื่อให้พนักงานสามารถใช้งานได้ในวงกว้าง

ที่มาของการสร้างแพลตฟอร์มนี้ เกิดจากใน Uber มีความต้องการสร้างชุด Machine Learning ที่หลากหลาย แต่ในอดีตนั้นนักวิทยาศาสตร์ข้อมูล ก็เลือกใช้เครื่องมือตามความถนัด ไม่ว่าจะเป็น R, scikit-learn จนถึงเขียนอัลกอริทึมขึ้นเอง ทำให้การสร้างโมเดลต่างๆ จำกัดอยู่ในนักวิทยาศาสตร์ข้อมูล และไม่ทันต่อความต้องการ อีกทั้งเมื่อต่างคนต่างสร้างโมเดล ก็ไม่สามารถหามาตรฐานและเปรียบเทียบกันได้ง่าย จึงเป็นที่มาของการสร้างแพลตฟอร์มกลาง Michelangelo

AWS เปิดตัวบริการใหม่ในชื่อว่า Macie โดยเป็นบริการใช้ machine learning ในการจัดแบ่งข้อมูลและวิเคราะห์แพทเทิร์นการเข้าใช้งาน เพื่อให้ตัวข้อมูลมีความปลอดภัย

เมื่อผู้ใช้เริ่มต้นตั้งค่าเครื่อง จะต้องให้คะแนนความเสี่ยงกับข้อมูลนั้น ๆ จากนั้น Macie จะทำการใช้ข้อมูลเหล่านี้เทรนข้อมูลใหม่ที่เข้ามาในระบบของ AWS หลังจากนั้นจะใช้ระบบ machine learning แบบ unsupervised ในการคำนวณแพทเทิร์นการเข้าใช้งานข้อมูลในแบบปกติ และหากพบอะไรเปลี่ยนแปลง Macie จะแจ้งเตือนให้ทีมความปลอดภัยตรวจสอบ

บริการนี้ออกแบบมาเพื่อช่วยปกป้องการรั่วไหลข้อมูลเป็นจำนวนมากโดยนำ machine learning เข้ามาช่วย เช่นถ้าเกิดระบบพบว่ามีการเข้าใช้ข้อมูลทรัพยากรบุคคลเป็นจำนวนมากเกินไปจะแจ้งเตือนให้ผู้ดูแลระบบทราบ

ทีมวิจัย PAIR (People+AI Research Initiative) ของกูเกิล เปิดตัวโครงการ deeplearn.js ไลบรารีจาวาสคริปต์สำหรับเทรน machine learning ในเว็บเบราว์เซอร์

ที่ผ่านมา การเทรน AI จำเป็นต้องใช้เครื่องมือเฉพาะทาง เช่น ไลบรารีอย่าง Caffe, Torch, TensorFlow ที่ต้องใช้ความเชี่ยวชาญสูง ทางออกของกูเกิลจึงเป็นการสร้างไลบรารีที่รันได้บนเบราว์เซอร์ ไม่ต้องมีการติดตั้งใดๆ ช่วยให้คนนอกวงการ AI เข้าถึงการเทรนโมเดลแบบง่ายๆ ได้สะดวกขึ้น

ปัญหาของการรัน machine learning ในเบราว์เซอร์คือติดคอขวดที่ประสิทธิภาพของจาวาสคริปต์ ทางแก้ของกูเกิลคือรันบน WebGL เพื่อเรียกใช้พลังประมวลผลของจีพียู ซึ่งเหมาะกับงาน AI อยู่แล้ว

Verily บริษัททำวิจัยและเทคโนโลยีการแพทย์ในเครือ Alphabet (บริษัทแม่ Google) เตรียมลงทุนในสตาร์ทอัพ Freenome ทำเทคโนโลยีตรวจจับมะเร็ง ทางบริษัทไม่ระบุวงเงินลงทุน แต่จะเสนอห้องแล็บออฟฟิศให้ Freenome ใช้งาน ซึ่งอยู่ในเขตพื้นที่ของ Verily เลย

Freenome เป็นบริษัททำ machine learning หาสัญญาณทางชีววิทยา ที่เป็นรากของมะเร็งจากชิ้นส่วนดีเอ็นเอในเลือด ด้าน Google เองก็อยู่ระหว่างพัฒนาเทคโนโลยีตรวจหามะเร็งด้วย การลงทุนครั้งนี้จึงอาจเป็นไปได้ว่า Freenome จะเข้าไปช่วยเสริม Google ให้เทคโนโลยีดังกล่าวมีความคืบหน้าและตรวจจับได้แม่นยำมากขึ้น

ทีมวิจัยของกูเกิล พัฒนาระบบ AI ด้วยเทคนิค deep learning โดยให้เรียนรู้กระบวนการทำงานของช่างภาพระดับมืออาชีพ

ระบบ AI ของกูเกิลศึกษาภาพถ่ายพานอรามาของสถานที่ท่องเที่ยวตามธรรมชาติชื่อดังทั่วโลกจาก Google Street View กว่า 40,000 ภาพ แล้วดูว่าแต่ละภาพมีแง่มุมด้านความสวยงามอย่างไรบ้าง เช่น การจัดวางภาพ ระดับของแสง (HDR) และความอิ่มสี (saturation) จากนั้นก็นำโมเดลที่ได้มา "ต่อภาพ" จาก Street View แล้วแต่งภาพให้ออกมาสวยงามราวกับช่างภาพมืออาชีพ