Google เปิดฟีเจอร์ AI ช่วยแปลใบสั่งยา แก้ปัญหาอ่านลายมือแพทย์ไม่ออก
หลายต่อหลายครั้งที่แพทย์มักจะเขียนใบสั่งยาด้วยความเร่งรีบ และคนไข้ต้องพบปัญหาอ่านใบสั่งยาไม่ออก ซึ่งอาจทำให้เกิดความผิดพลาดในการจ่ายยา แต่ปัญญาประดิษฐ์ (AI) ของกูเกิลจะทำให้ปัญหาที่มีมายาวนานเหล่านี้หมดไป
โดยล่าสุด กูเกิล (Google) บริษัทเทคโนโลยีเสิร์ชเอนจินยักษ์ใหญ่ของโลก กำลังพยายามหาวิธีที่ง่ายขึ้นในการอ่านตัวหนังสือยึกยือเหล่านี้ พวกเขาประกาศในงานแถลงประจำปีในอินเดีย ที่จัดขึ้นเมื่อวันที่ 19 ธันวาคมว่า กูเกิลกำลังร่วมกับเภสัชกรเพื่อหาวิธีถอดรหัสลายมือของแพทย์
สำหรับวิธีการใช้งานฟีเจอร์ซึ่งยังอยู่ในขั้นทดลองนี้ก็คือ เริ่มโดยให้ผู้ป่วยถ่ายรูปใบสั่งยาหรืออัปโหลดจากคลังรูปภาพ เมื่อประมวลผลรูปภาพแล้ว AI จะตรวจจับตัวอักษร จากนั้นก็จะไฮไลต์ชื่อยาแต่ละชนิดในใบสั่ง
ด้านผู้บริหารของกูเกิลในอินเดีย เผยรายละเอียดเกี่ยวกับฟีเจอร์ใหม่ล่าสุดนี้ว่า เทคโนโลยีนี้เกิดจากการร่วมมือของบุคลากรทางแพทย์ เช่น เภสัชกร ที่ร่วมกับกูเกิล พัฒนาฟีเอร์นี้ขึ้นมาเพื่อความสะดวกของผู้ใช้ โดย ปัญญาประดิษฐ์ (AI) จะช่วยแปลงเอกสารทางการแพทย์ที่เขียนด้วยลายมือให้กลายเป็นข้อความดิจิทัลให้สะดวกต่อการใช้งาน
ทั้งนี้ อินเดียเป็นตลาดที่สำคัญอย่างยิ่งสำหรับกูเกิล เนื่องจากมีจำนวนผู้ใช้มากกว่า 500 ล้านคน โดยบริษัทกูเกิล ได้จัดงานประกาศความคืบหน้าด้านเทคโนโลยีในอินเดียมาอย่างต่อเนื่อง ซึ่งส่วนใหญ่แล้วจะเป็นการแสดงเทคโนโลยีใหม่ ๆ ของบริษัท ทั้งนี้ พวกเขายังพัฒนาเทคโนโลยี ปัญญาประดิษฐ์ (AI) ในการแปลภาษาให้ครอบคลุมภาษาถิ่นของอินเดียที่มีมากกว่ามากกว่า 100 ภาษา โดยสามารถแปลได้ทั้งเสียงพูดและตัวอักษร เพื่อเสริมศักยภาพการใช้งานระบบเสิร์ชเอนจินของกลุ่มผู้ใช้ในตลาดเอเชียใต้ให้มีประสิทธิภาพยิ่งขึ้น
อย่างไรก็ตาม ฟีเจอร์นี้อยู่ในขั้นตอนทดลอง และบริษัทยังไม่ได้กำหนดวันเปิดให้บริการแต่อย่างใด
อ้างอิง : https://www.tnnthailand.com/news/tech/133899/
“My GPF & My GPF Twins” AI ช่วยวางแผนการเงินวันเกษียณอายุ
กบข. เปิดตัว My GPF & My GPF Twins ช่วยให้สมาชิกวางแผนการเงินเพื่อวันเกษียณได้อย่างแม่นยำขึ้น ผ่านจำลองการเงิน 3 รูปแบบ
ดร.ศรีกัญญา ยาทิพย์ เลขาธิการคณะกรรมการกองทุนบำเหน็จบำนาญข้าราชการ (กบข.) เปิดเผยว่า กบข. ได้เพิ่มประสิทธิภาพแอป กบข. My GPF Application โดยนำเทคโนโลยีอัจฉริยะ (AI) เข้ามาช่วยประมวลผลให้มีความแม่นยำมากยิ่งขึ้นในเมนูใหม่ “My GPF & My GPF Twins” ซึ่งเป็นเครื่องมือสำหรับช่วยให้สมาชิกวางแผนเพื่อการเกษียณได้บรรลุตามเป้าหมายที่ตั้งไว้
โดย My GPF & My GPF Twins เป็นตัวช่วยให้สมาชิกได้เปรียบเทียบประมาณการเงิน กบข. ที่คาดว่าจะได้รับเมื่อเกษียณอายุราชการ
ผ่านแบบจำลองการเงินใน 3 รูปแบบ คือ
1. การประมาณเงิน กบข. โดยอ้างอิงข้อมูลปัจจุบันของสมาชิก ทั้งข้อมูลเงินสะสม อัตราเงินเดือน อัตราออมเพิ่ม และแผนการลงทุนในปัจจุบัน
2. My Twin 1 แบบจำลองให้สมาชิกสามารถทดลองปรับอัตราออมเพิ่ม และเลือกเปลี่ยนแผนการลงทุนได้ตามต้องการ และ
3. My Twin 2 แบบจำลองที่ กบข. ออกแบบทางเลือกที่มีโอกาสจะได้ประมาณการเงิน กบข. ตามที่สมาชิกตั้งเป้าหมายไว้ ภายใต้ความเสี่ยงที่สมาชิกยอมรับได้
ซึ่งทั้ง 3 รูปแบบจะมีการแสดงผลเปรียบเทียบยอดเงิน กบข. ควบคู่ไปกับเป้าหมายที่สมาชิกตั้งไว้ ภายใต้อัตราเงินเฟ้อเฉลี่ย 2.5% ต่อปี ในรูปแบบ Dashboard เพื่อให้สมาชิกเห็นภาพได้อย่างชัดเจนยิ่งขึ้น
ดร.ศรีกัญญา กล่าวต่อว่า My GPF & My GPF Twins จะช่วยกระตุ้นให้สมาชิกเห็นความสำคัญกับการวางแผนการเงินเพื่อวันเกษียณมากขึ้น โดยหลังจากระบบประมวลผลรูปแบบจำลองกรเงินของสมาชิกเรียบร้อยแล้ว จะมีการนำข้อมูลไปจัดอันดับเปรียบเทียบกับค่าเฉลี่ยยอดเงินของกลุ่มเพื่อนสมาชิกที่มีอัตราเงินเดือนและการเกษียณอายุราชการในช่วงเดียวกันด้วย ซึ่ง กบข. จะมีการทบทวนตัวแปรที่นำมาคำนวณทุก ๆ 3-5 ปี เพื่อให้เครื่องมือนี้มีความแม่นยำเป็นปัจจุบันมากที่สุด
นอกจากนี้ กบข. ยังได้ปรับรูปแบบแอป กบข. เพื่อให้มีการใช้งานง่ายยิ่งขึ้น และได้เพิ่มเติมเมนูใหม่ “ข้อมูลการลงทุน” เพื่อให้สมาชิกสามารถสืบค้นข้อมูลการลงทุนได้ครบภายในแอปฯ กบข. ที่มีข้อมูลมูลค่ากองทุนส่วนสมาชิก สัดส่วนการลงทุน กบข. รวมไปถึงหนังสือชี้ชวนส่วนสรุปข้อมูลสำคัญของแผนการลงทุน ซึ่งสมาชิกสามารถอัปเดตแอป กบข. ในรูปโฉมใหม่ และทดลองใช้เมนู My GPF & My GPF Twins ได้แล้วตั้งแต่วันนี้
นักวิจัยใช้ AI วิเคราะห์บทภาพยนตร์ พบทัศนคติเหมารวมทางเพศ
นักวิจัยได้พัฒนาเฟรมเวิร์ก machine learning แบบใหม่ที่ใช้คำอธิบายฉากในบทภาพยนตร์เพื่อจดจำการกระทำของตัวละครต่างๆ โดยอัตโนมัติ การใช้เฟรมเวิร์กกับบทภาพยนตร์หลายร้อยเรื่องแสดงให้เห็นว่าการกระทำเหล่านี้มักจะสะท้อนถึงทัศนคติเหมารวมทางเพศที่แพร่หลาย ซึ่งบางส่วนพบว่าสอดคล้องกันตลอดเวลา ซึ่ง Victor Martinez และเพื่อนร่วมงานที่ University of Southern California, U.S. นำเสนอข้อค้นพบเหล่านี้ในวารสาร PLOS ONE เมื่อวันที่ 21 ธันวาคม ที่ผ่านมา
ภาพยนตร์ รายการทีวี และสื่ออื่นๆ นำเสนอภาพเหมารวมทางเพศแบบดั้งเดิมอย่างสม่ำเสมอ ซึ่งบางอย่างอาจเป็นอันตราย เพื่อให้เข้าใจประเด็นนี้ลึกซึ้งยิ่งขึ้น นักวิจัยบางคนได้สำรวจการใช้กรอบการคำนวณว่าเป็นวิธีที่มีประสิทธิภาพและแม่นยำในการวิเคราะห์บทสนทนาของตัวละครจำนวนมากในสคริปต์ อย่างไรก็ตาม การเหมารวมที่เป็นอันตรายบางอย่างอาจไม่ได้สื่อสารผ่านสิ่งที่ตัวละครพูด แต่ผ่านการกระทำของพวกเขา
เพื่อสำรวจว่าการกระทำของตัวละครอาจสะท้อนแบบแผนได้อย่างไร Martinez และเพื่อนร่วมงานใช้วิธีการเรียนรู้ด้วยเครื่องเพื่อสร้างแบบจำลองการคำนวณที่สามารถวิเคราะห์คำอธิบายฉากในบทภาพยนตร์โดยอัตโนมัติ และระบุการกระทำของตัวละครต่างๆ เมื่อใช้โมเดลนี้ นักวิจัยวิเคราะห์คำอธิบายฉากมากกว่า 1.2 ล้านฉากจากบทภาพยนตร์ 912 เรื่องที่ผลิตตั้งแต่ปี 1909 ถึง 2013 โดยระบุการกระทำห้าหมื่นที่แสดงโดยตัวละครสองหมื่นตัว
จากนั้น นักวิจัยได้ทำการวิเคราะห์ทางสถิติเพื่อตรวจสอบว่ามีความแตกต่างระหว่างประเภทของการกระทำที่กระทำโดยตัวละครต่างเพศหรือไม่ การวิเคราะห์เหล่านี้ระบุความแตกต่างหลายประการที่สะท้อนถึงแบบแผนทางเพศที่รู้จัก ตัวอย่างเช่น พวกเขาพบว่าตัวละครหญิงมักจะแสดงสิทธิ์เสรีน้อยกว่าตัวละครชาย และตัวละครหญิงมักจะแสดงความรัก ตัวละครชายมักจะ “สะอื้น” หรือ “ร้องไห้” น้อยกว่า และตัวละครหญิงมักจะถูกตัวละครอื่น “จ้อง” หรือ “มอง” โดยเน้นไปที่รูปลักษณ์ของผู้หญิง
แม้ว่าแบบจำลองของนักวิจัยจะถูกจำกัดด้วยขอบเขตของความสามารถในการจับภาพบริบททางสังคมที่เหมาะสมอย่างยิ่งที่เกี่ยวข้องกับบทภาพยนตร์ในแต่ละฉากและการเล่าเรื่องโดยรวม การค้นพบนี้สอดคล้องกับการวิจัยก่อนหน้านี้เกี่ยวกับแบบแผนทางเพศในสื่อยอดนิยม และสามารถช่วยสร้างความตระหนักว่า สื่ออาจสร้างภาพเหมารวมที่เป็นอันตรายและมีอิทธิพลต่อความเชื่อและการกระทำในชีวิตจริงของผู้คน ในอนาคต เฟรมเวิร์กนี้สามารถปรับปรุงและนำไปใช้เพื่อรวมแนวคิดของความแตกต่าง เช่น ระหว่างเพศ อายุ และเชื้อชาติ เพื่อทำความเข้าใจประเด็นนี้อย่างลึกซึ้งยิ่งขึ้น
อ้างอิง : https://techxplore.com/news/2022-12-machine-learning-framework-characters-actions-movie.html
พูดสลับไปมาสองภาษาไม่ใช่ปัญหา Google Search พัฒนาค้นหาด้วยเสียงภาษาผสมเริ่มต้นที่อินเดีย
Google กำลังปรับปรุงวิธีที่การค้นหาของ Google ให้นำเสนอข้อมูลในสองภาษา ควบคู่ไปกับการพัฒนาการค้นหาด้วยเสียงเพื่อทำความเข้าใจคำถามที่ใช้ภาษาผสมกันเริ่มจากภาษาอังกฤษและภาษาฮินดี
ผลการค้นหาในบางส่วน เช่น “เรื่องเด่น” จะแสดงทั้งภาษาอังกฤษและภาษาฮินดีในภูมิภาคที่ใช้ภาษาฮินดีของอินเดีย โดยไม่คำนึงว่าผู้ใช้จะใช้ภาษาใดในการค้นหา ฟังก์ชันการค้นหาสองภาษาใหม่มีให้บริการในอินเดียเป็นที่แรก โดยมีแผนจะเพิ่มภาษาทมิฬ เตลูกู มาราธี และเบงกาลีในปีหน้า ฟีเจอร์นี้อิงตามสถานที่ ซึ่งหมายความว่าคุณอาจเข้าถึงได้อยู่แล้วหาก Google รู้ว่าคุณอยู่ในภูมิภาคของอินเดียที่ภาษาฮินดีเป็นภาษาหลัก
ฟังก์ชันค้นหาด้วยเสียงของ Google ยังได้รับการปรับปรุงเพื่อแยกความแตกต่างระหว่างคำที่ออกเสียงคล้ายกันในภาษาอังกฤษและภาษาฮินดีเมื่อพูดภาษาฮิงลิชได้ดียิ่งขึ้น รูปแบบการรู้จำเสียงใหม่คำนึงถึงสำเนียงของผู้พูด เสียงรอบข้าง บริบท และสไตล์การพูด ทำให้ผู้ใช้สามารถถามคำถามภาษาอินเดียได้อย่างเป็นธรรมชาติมากขึ้น โดยปัจจุบัน Google ยังไม่ได้กล่าวถึงวันที่วางจำหน่ายสำหรับรูปแบบการจำเสียงแบบใหม่นี้ หรือว่าจะเปิดให้ใช้งานสำหรับภาษาลูกผสมและภาษาผสมอื่นๆ หรือไม่
ฟีเจอร์ทั้งสองได้รับการประกาศในระหว่างการประชุม Google for India เมื่อวันจันทร์ ควบคู่ไปกับความพยายามของ Google ในการสร้าง “โมเดล AI แบบรวมหนึ่งเดียวที่จะสามารถจัดการภาษาอินเดียมากกว่า 100 ภาษาทั้งในเสียงพูดและข้อความ” ตามโพสต์บล็อกของ Sundar Pichai ซีอีโอ ของ Google และ Alphabet
นี่ไม่ใช่ขั้นตอนแรกที่ Google ดำเนินการเพื่อรองรับผู้ใช้หลายภาษา โดย Gboard รองรับ Hinglish อยู่แล้ว และคุณสามารถกำหนดค่า Google Assistant ในอุปกรณ์ให้รองรับหลายภาษาได้ ขณะนี้ Google Assistant ยังไม่รองรับคำสั่งหรือการสอบถามที่ใช้ภาษาต่างๆ ผสมกันในคราวเดียว
อ้างอิง : https://www.theverge.com/2022/12/20/23518670/google-search-results-pages-language-bilingual
ศาตราจารย์สอนอังกฤษบอก ไม่กังวลนักศึกษาใช้ ChatGPT เขียนงานส่ง
ผู้คนใช้ ChatGPT ในการเขียนโค้ดทั้งบล็อก บทโทรทัศน์ และแม้แต่บทความทางวิชาการฉบับสมบูรณ์ ซึ่งทำให้เกิดความกลัวว่านักเรียนอาจใช้บอทเพื่อโกงวิธีการไปสู่ได้เกรด A แบบง่าย ๆ ผู้ใช้รายหนึ่งใน Twitter กล่าวว่า “เรากำลังเห็นการตายของเรียงความของวิทยาลัยแบบเรียลไทม์” แต่อาจารย์วิทยาลัยบางคนไม่กังวลกับสิ่งนี้โดยเขาบอกว่า
Professor Stuart Selber ผู้สอนภาษาอังกฤษที่มหาวิทยาลัยแห่งรัฐเพนซิลเวเนียกล่าว “ทุก ๆ ปีหรือสองปี มีบางอย่างที่ดูเหมือนจะทำให้การศึกษาระดับอุดมศึกษาตกต่ำลงอย่างที่เรารู้ จนถึงตอนนี้ สิ่งนั้นยังไม่เกิดขึ้น” Selber บอกว่าเขา “ไม่กังวล” เกี่ยวกับ ChatGPT มากกว่าการพัฒนาอื่นใดในประวัติศาสตร์ของเทคโนโลยีวรรณกรรม “คุณสามารถย้อนกลับไปสองสามทศวรรษและพบสัญญาณเตือนภัยที่คล้ายกันใน Word, Wikipedia และอินเทอร์เน็ตโดยทั่วไป”
แม้ว่างานเขียนของ ChatGPT อาจดู “ค่อนข้างดีในเชิงนามธรรม” แต่ Selber คิดว่ามันมีปัญหาในการระบุปัญหาเฉพาะจุดหรือเฉพาะประเด็น รวมไปถึงสร้างข้อโต้แย้งดั้งเดิม หรือซักไซ้ข้อโต้แย้งอื่นๆ แทนที่จะแค่อ้างถึง ทั้งหมดนี้เป็นลักษณะสำคัญของการเขียนเรียงความที่มีประสิทธิภาพในความคิดของเขา นั่นเป็นเหตุผลที่ในที่สุด Selber ไม่คิดว่าเรียงความที่เขียนโดย ChatGPT ทั้งหมดจะมีความหวังที่จะได้คะแนนสูงๆ
ChatGPT จะไม่แทนที่การเขียนต้นฉบับ Selber กล่าว แต่อาจช่วยให้นักศึกษาปรับแต่งงานของพวกเขาได้ เขาคิดว่ามันอาจเป็นทางลัดสำหรับงานเขียนเรียงความที่ยากกว่าบางอย่าง เช่น การเตรียมการทบทวนวรรณกรรม ซึ่งเป็นบทสรุปของงานวิจัยที่มีอยู่ในหัวข้อของนักเรียน
เครื่องมือปัญญาประดิษฐ์เช่น Grammarly ซึ่งวิเคราะห์และปรับปรุงประโยคที่เขียนขึ้นนั้น ถูกใช้อย่างแพร่หลายโดยนักศึกษา ในมุมมองของ Dr.Leah Henrickson อาจารย์ประจำมหาวิทยาลัยลีดส์ คิดว่า ChatGPT เป็นเพียงขั้นตอนต่อไป และเครื่องมือเหล่านี้จะไม่หายไป
จากข้อมูลของ Henrickson มหาวิทยาลัย Leeds กำลังมองหาการปรับเปลี่ยนการประเมินเพื่อตอบสนองต่อการเพิ่มขึ้นของปัญญาประดิษฐ์ หวังว่าจะมุ่งเน้นไปที่การวิเคราะห์เชิงวิพากษ์และการตัดสิน ซึ่งเป็นทักษะของมนุษย์ มากกว่าการรักษาข้อมูลที่ตรงไปตรงมา ซึ่งแชทบอทเช่น ChatGPT สามารถทำซ้ำได้อย่างง่ายดาย
นักศึกษา‘มข.’ใช้‘AI’นับจำนวนคน ดูความหนาแน่น-ลดเสี่ยง‘เบียดกันตาย’
ในเดือนตุลาคม 2565 ที่ผ่านมาเชื่อว่าหลายคนต่างเศร้าสลดกับโศกนาฏกรรมสุดสะเทือนขวัญของโลก จากเหตุฝูงชนเบียดกันจนเสียชีวิตระหว่างการเฉลิมฉลองเทศกาลฮาโลวีนในย่านอีแทวอนของกรุงโซลประเทศเกาหลีใต้ การเข้าไปเบียดของผู้คนจำนวนมากโดยไม่มีการจำกัดจำนวนคนเข้างาน ในถนนความยาวเพียง 40 เมตร กว้าง 3.2 เมตร แถมมีความลาดชันผู้คนไม่สามารถทราบสถานการณ์ภายในงานว่าหนาแน่นเพียงใด
ไม่สามารถระบุคนในตำแหน่งในถนนแต่ละสายได้ เป็นสาเหตุหนึ่งทำให้เกิดสถานการณ์การเบียดกันตาย หรือ Crowd Crush มีผู้เสียชีวิตอย่างน้อย 157 ราย และบาดเจ็บจำนวนมากในวันที่ 29 ตุลาคม 2565 เวลา 22.15 น. (เวลาเกาหลีใต้) ซึ่งจากเหตุโศกนาฏกรรมดังกล่าว นายชนม์สวัสดิ์นาคนาม นักศึกษาโครงงานปัญญาประดิษฐ์วิทยาลัยคอมพิวเตอร์ มหาวิทยาลัยขอนแก่น (มข.) จึงคิดค้นนวัตกรรม “AI นับจำนวนคนเข้างานนิทรรศการ” โดยเผยว่า AI สามารถวิเคราะห์ได้ซับซ้อนมากกว่าสมองหรือดวงตาของมนุษย์ที่จะมองเห็น และมีความแม่นยำ
เพิ่มความสะดวกสบาย ประยุกต์เข้ากับสถานการณ์ เหตุการณ์ สถานที่ได้อย่างเหมาะสม ยกตัวอย่างโครงการของตนคือ การใช้ AI นับจำนวนคนเข้างานนิทรรศการ หรือสถานที่ที่มีคนหนาแน่น โดยโครงงานดังกล่าวสามารถระบุได้ว่าตรงไหนมีจำนวนคนหนาแน่น ซึ่งโดยปกติสายตามนุษย์จะสามารถประเมินจำนวนคนในบริเวณนั้นได้คร่าวๆ แต่อาจเกิดความล่าช้าและอาจเกิดความผิดพลาดสูง อย่างไรก็ตาม ปัจจุบันไม่จำเป็นต้องเหนื่อยขนาดนั้นเพราะสามารถใช้ AI ระบุได้ว่าจุดนี้ คือคน นับได้ว่ามีกี่คนได้อย่างรวดเร็วมาก
“เพียงแค่เห็นผ่านกล้อง ประมวลผลด้วย AI โดยเราไม่ต้องนับเลย เช็คจำนวนคนเข้างาน มุ่งไปพื้นที่นั้นเลย ป้องกันการเกิดสถานการณ์การเบียดกันตาย หรือ Crowd Crush ดังโศกนาฏกรรมที่อีแทวอนประเทศเกาหลีใต้ เป็นข่าวดังทั่วโลก เราสามารถใช้นวัตกรรม AI นี้นับจำนวนคน ติดตามคนเดินในงาน เมื่อคนบริเวณนั้นมีจำนวนมากเกินไป ตั้งระบบส่งสัญญาณเตือนเป็นเสียง หรือแสดงเป็นแผนภาพสีบริเวณที่มีจำนวนคนหนาแน่น จะลดอัตราการเสียชีวิตจากเหตุการณ์ดังที่เป็นข่าวได้และเพิ่มพื้นที่ปลอดภัยด้วยการใช้ AI”นายชนม์สวัสดิ์ กล่าว
อ้างอิง : https://www.naewna.com/local/698957
LINE BK เดินหน้าใช้เทคโนโลยี AI เข้าถึงความต้องการลูกค้า ยกระดับบริการสินเชื่อ ลดความเสี่ยงสร้างหนี้เสีย
ในช่วง 2-3 ปีที่ผ่านมาจากสถานการณ์การแพร่ระบาดของโควิด-19 เงินเฟ้อ และสถานการณ์เชิงลบที่เกิดขึ้นทั่วโลก ได้ส่งผลให้ภาพรวมของเศรษฐกิจในหลากหลายประเทศรวมถึงประเทศไทยประสบปัญหาในทิศทางเดียวกัน โดยพบว่า คนทำมาหากินอาจหมุนเงินไม่ทันเนื่องด้วยราคาสินค้าที่แพงขึ้น จนมีความจำเป็นต้องพึ่งพาแหล่งเงินกู้ แต่ในขณะเดียวกันสถาบันการเงินก็มีหลักเกณฑ์และเงื่อนไขในการพิจารณาอนุมัติสินเชื่อที่เข้มงวดเพื่อลดการเกิดหนี้เสียในระบบ ทำให้คนไทยกว่า 60% ที่ประกอบอาชีพอิสระ พ่อค้าแม่ค้า เจ้าของธุรกิจ และทำงานฟรีแลนซ์ ซึ่งส่วนใหญ่ไม่มีหลักฐานแสดงรายได้ที่ชัดเจน ไม่มีหลักฐานการรับเงินเดือน ซึ่งเป็นข้อมูลสำคัญของการพิจารณาสินเชื่อ ทำให้คนกลุ่มนี้มีโอกาสที่จะไปกู้เงินนอกระบบที่อาจส่งผลกระทบได้ในอนาคต
Big Data และ AI จุดพลิกเกมตลาดสินเชื่อของ LINE BK
การพิจารณาสินเชื่อสำหรับกลุ่มอาชีพอิสระ พ่อค้าแม่ค้า หรือคนไม่มีรายได้ประจำ อาจมีเงื่อนไขการพิจารณาที่ซับซ้อนกว่าผู้ที่มีรายได้ประจำ ทำให้คนที่มีประวัติทางการเงินไม่เพียงพอ หรือมีรายได้ต่ำกว่าเกณฑ์ที่สถาบันการเงินทั่วไปกำหนดมักถูกปฏิเสธการให้สินเชื่อจากผู้ให้บริการในระบบ การก้าวเข้ามาของ Social Banking รายแรกอย่าง LINE BK จึงเป็นอีกหนึ่งทางออกในการเข้าถึงสินเชื่อของคนกลุ่มนี้ ธนา โพธิกำจร ประธานเจ้าหน้าที่บริหาร บริษัท กสิกร ไลน์ จำกัด เปิดเผยว่า “LINE BK ก้าวเข้ามาสู่ตลาดการเงินดิจิทัลด้วยแนวคิด “เรื่องเงินง่ายใน LINE คุณ” โดยมีเป้าหมายสำคัญ คือ ทำให้คนไทยเข้าถึงเรื่องการเงินได้ง่ายขึ้น บนความร่วมมือของสองบริษัทใหญ่อย่าง ธนาคารกสิกรไทย ที่มีฐานลูกค้ากว่า 20 ล้านราย และ LINE แอปแชทที่ได้รับความนิยมมากที่สุดด้วยฐานผู้ใช้กว่า 53 ล้านราย ซึ่งถือเป็นข้อได้เปรียบเด่นชัดสำหรับการมีข้อมูลแบ็คอัพจากทั้งสองบริษัทใหญ่ เพื่อนำไปสู่การพัฒนาบริการที่ตรงใจลูกค้า และแก้ Pain Point เรื่องข้อมูลสำหรับพิจารณาสินเชื่อให้กับกลุ่มคนที่ทำอาชีพอิสระ ด้วยการนำ Big Data และระบบ AI เข้ามาสร้างบริการทางการเงินที่แตกต่าง”
“เข้าใจลูกค้าอย่างลึกซึ้ง” ด้วยข้อมูลทางเลือก
โดยทั่วไปแล้วธนาคารจะใช้ข้อมูลพื้นฐาน อาทิ ข้อมูลรายได้ที่ยืนยันด้วยสลิปเงินเดือน การตรวจสอบประวัติทางการเงิน และประวัติเครดิต เพื่อใช้ในการประเมินความเสี่ยงและพิจารณาอนุมัติสินเชื่อ แต่สำหรับ Social Banking อย่าง LINE BK เลือกใช้ข้อมูลทางเลือกจากโซเชียลมีเดียอย่าง LINE เข้ามาเป็นหนึ่งในเกณฑ์ช่วยวิเคราะห์ความเสี่ยงเพิ่มเติมโดยมีโมเดล LINE Score ที่ทำหน้าที่รวบรวมรูปแบบการใช้งาน LINE และ LINE Ecosystem ของลูกค้า และประเมินออกมาเป็นระดับความเสี่ยง โดยข้อมูลที่นำมาใช้ อาทิ ช่วงเวลาการใช้งาน ประเภทของข่าวสารที่สนใจ หรือประเภทของการใช้บริการ เป็นต้น ซึ่งทำให้ LINE BK สามารถเข้าใจลูกค้าในมิติที่ลึกซึ้งกว่าผู้ให้บริการเจ้าอื่น ส่วนนี้จะเป็นประโยชน์ในการประกอบการพิจารณา ทำให้สามารถปล่อยสินเชื่อได้ตรงกลุ่มเป้าหมาย เปิดโอกาสให้เข้าถึงลูกค้าที่มีความต้องการสินเชื่อและมีคุณภาพ ลดโอกาสการเกิดหนี้เสียในอนาคต นอกจากนั้นยังสามารถนำข้อมูลไปใช้ในการปรับปรุงบริการอื่น ๆ ของ LINE BK เพื่อให้ตรงใจลูกค้าได้เพิ่มขึ้นอีกด้วย
อ้างอิง : https://today.line.me/th/v2/article/Qwj3pWG
ไอบีเอ็ม เปิด 3 เทรนด์ใหญ่ AI อนาคต ‘โมเดลใหม่-วิเคราะห์ลึก-มีสามัญสำนึก’
ในช่วงทศวรรษที่ผ่านมา เราได้เห็นความก้าวหน้าอย่างก้าวกระโดดในด้านปัญญาประดิษฐ์ หรือ เอไอ (AI)และจากนี้ต่อไป เทรนด์ใหญ่ที่สำคัญของโลก ก็จะให้น้ำหนักเรื่องของ เอไอ ความอัจฉริยะ และพลานุภาพที่จะสั่นสะเทือนโลกธุรกิจ
สุรฤทธิ์ วูวงศ์ รองกรรมการผู้จัดการใหญ่ กลุ่มเทคโนโลยี ไอบีเอ็ม ประเทศไทย ไล่เรียงไมล์สโตนสำคัญว่า หากย้อนกลับไปช่วงทศวรรษ 1980 ระบบเอไอ ยังต้องอาศัยผู้เชี่ยวชาญ กำหนดแนวทางหรือกฎเพื่อบอกระบบว่าต้องทำอย่างไรเพื่อให้ได้มาซึ่งมุมมองเชิงลึกต่างๆ
ต่อมาในช่วงทศวรรษ 1980-2010 แมชีนเลิร์นนิง และดีพเลิร์นนิงเริ่มเกิดขึ้น นำสู่การที่โมเดลเอไอ สามารถจับแพทเทิร์นของข้อมูลที่มีความซับซ้อนมากขึ้นได้ ในช่วงดังกล่าว เรายังได้เห็นการใช้ เอไอ ช่วยแก้ปัญหาที่มีความซับซ้อนขึ้น โดยเฉพาะในงานด้านวิทยาศาสตร์ข้อมูล ภาษา และภาระงานที่ต้องอาศัยการรับรู้ภาพ
นับตั้งแต่ปี 2010 เป็นต้นมา ก็เริ่มเห็นศักยภาพของโมเดลดีพเลิร์นนิงที่ก้าวล้ำขึ้น สเกลใหญ่ขึ้น เติบโตอย่างต่อเนื่อง ได้เห็นการทำงานที่น่าทึ่งของโมเดลการประมวลผลภาษาธรรมชาติ (NLP) ในสเกลใหญ่ รวมถึงความสามารถของ เอไอ ในการเข้าใจภาษาธรรมชาติ (NLU) นำสู่ระบบที่ดูเหมือนจะเข้าใจวิธีที่เราพูดและเขียน และรองรับเทคโนโลยีที่เราใช้ในแต่ละวัน อย่างผู้ช่วยดิจิทัลและโปรแกรม speech-to-text ต่างๆ
อย่างไรก็ตาม วันนี้ เอไอ ก้าวมาถึงจุดเปลี่ยนสำคัญ ในทางหนึ่ง เริ่มเห็นเทรนด์ของโมเดลที่มีขนาดใหญ่และซับซ้อนมากขึ้นเรื่อยๆ สามารถนำสู่ผลลัพธ์ที่มีประสิทธิภาพล้ำสมัยที่สุด แต่อีกทาง แนวทางการสร้างและคงโมเดลขนาดใหญ่และซับซ้อนเหล่านี้ไว้ เพื่อรองรับภาระงานต่างๆ ยังเป็นไปในแนวทางที่ไม่ยั่งยืนและมีต้นทุนสูง
เทรนด์ 1 โมเดลพื้นฐาน (Foundation Models)
จุดเปลี่ยนและข้อจำกัดข้างต้น นำสู่ทิศทางสำคัญของ เอไอ วันนี้ คือ โมเดลพื้นฐานของ เอไอ ซึ่งเป็นคำที่ถูกทำให้เริ่มเป็นที่รู้จักเป็นครั้งแรกโดย Stanford Institute for Human-Centered Artificial Intelligence ในช่วงปลายปี 2018
สุรฤทธิ์ อธิบายว่า “วันนี้เราเริ่มเห็นแนวทางที่จะช่วยให้บรรลุเป้าหมายทั้งในแง่ประสิทธิภาพและต้นทุนที่ต่ำลง โดยเราสามารถสร้างโมเดลล้ำสมัยที่ทรงพลัง ที่มีความซับซ้อนกว่าและต้องอาศัยการเทรนมากกว่า แต่โมเดลเหล่านี้สามารถนำไปปรับใช้เพื่อรองรับรูปแบบงานที่ต่อขยายออกไปอีกมากมายได้ โดยทำได้เร็วขึ้นกว่าเดิมมาก ด้วยต้นทุนที่ต่ำลงมาก ก้าวย่างสำคัญนี้ช่วยเพิ่มประสิทธิภาพของ เอไอและนำสู่ต้นทุนที่ต่ำลง เมื่อเทียบกับการสร้างทีละโมเดลขึ้นมาใหม่”
เทรนด์ 2 ข้อมูลสังเคราะห์ (Synthetic Data)
สุรฤทธิ์ อธิบายต่อว่า เอไอ สมัยใหม่ถูกเทรนขึ้นจากข้อมูลจริง ดังตัวอย่างของแชทบ็อทหรือแม้แต่ระบบตรวจการสะกดต่างๆ โดยโมเดลดีพเลิร์นนิงที่ได้รับการเทรนด้วยข้อมูลและวิดีโอที่คัดลอกมาจากเว็บไซต์อย่าง Wikipedia และ ยูทูบ สามารถเรียนรู้ที่จะคาดการณ์และตัดสินใจบนพื้นฐานของแพทเทิร์น ที่ดึงมาจากตัวอย่างในโลกแห่งความเป็นจริงนับพันล้านตัวอย่างเหล่านี้ได้
อย่างไรก็ดี แม้จะมีความคืบหน้าเกิดขึ้น แต่ข้อมูลจริงก็มาพร้อมจุดบอดที่น่ากังวล เช่น วันนี้ข้อมูลการดูแลสุขภาพ ข้อมูลทางการเงิน ข้อมูลผู้บริโภค และเนื้อหาบนเว็บ ต่างได้รับการคุ้มครองโดยกฎหมายความเป็นส่วนตัวของข้อมูล รวมถึงจริยธรรมและกฎหมายลิขสิทธิ์ต่างๆ ขณะที่ข้อมูลประเภทอื่น มีช่องโหว่และมาพร้อมกับต้นทุนในการดูแลจัดการที่สูง การจะรวบรวม ระบุประเภท และตรวจสอบข้อมูลจริงก็มีค่าใช้จ่ายสูง และมีความเอนเอียงที่อาจกลายเป็นตัวเสริมหรือขยายความไม่เท่าเทียมต่างๆ
สุรฤทธิ์ เสริมว่า “ไม่ว่าจะรวบรวมข้อมูลได้มากเพียงใด ก็ไม่เพียงพอที่จะสะท้อนความซับซ้อนของเรื่องต่างๆ ได้ทั้งหมด ช่องว่างระหว่างความเป็นจริงและสิ่งที่ถูกสะท้อนออกมา ทำให้เกิดช่องโหว่ที่อาจทำให้ เอไอ ทำเรื่องผิดพลาดที่ไม่คาดคิด อย่างการที่แชทบอทพูดจาเหยียดผิวและเหยียดเพศ หรือระบบคัดกรองเรซูเม่ที่ข้ามผ่านผู้สมัครงานที่มีคุณสมบัติเหมาะสมไป”
ขณะที่ อนาคตอันใกล้นี้ ข้อมูลสังเคราะห์ จะนำสู่แนวทางแก้ปัญหาดังกล่าว โดยข้อมูลตัวอย่างที่สร้างด้วยคอมพิวเตอร์ ที่สามารถเพิ่มหรือแทนที่ข้อมูลจริงได้ จะช่วยให้สามารถเทรนโมเดล เอไอ ได้อย่างรวดเร็ว ข้อมูลสังเคราะห์จะช่วยแก้ปัญหาเมื่อไม่มีข้อมูลจริง ขณะเดียวกันก็ช่วยหลีกเลี่ยงการใช้ข้อมูลที่มีความละเอียดอ่อน เพิ่มความถูกต้อง และช่วยลดอคติหรือจุดอ่อนด้านความปลอดภัยต่างๆ”
เทรนด์ 3 AI ที่มีสามัญสำนึก
ในโลกแห่งความเป็นจริง การที่ เอไอ จะโต้ตอบกับมนุษย์ได้อย่างราบรื่นไม่มีสะดุดนั้น ระบบเอไอ ต้องสามารถเข้าใจและอนุมานสภาพจิตใจของมนุษย์โดยสังเกตจากการกระทำต่างๆ ได้
ความเข้าใจลักษณะนี้เป็นเรื่องง่ายสำหรับมนุษย์ มนุษย์สามารถแยกแยะคนจากวัตถุต่างๆ ได้ สามารถแยกแยะระหว่างค่าใช้จ่ายและผลตอบแทน สามารถอนุมานข้อจำกัดที่ซ่อนอยู่โดยอาศัยการสังเกต รวมถึงสามารถคาดการณ์สิ่งที่ต้องทำต่อไปเพื่อให้บรรลุเป้าหมายได้ หลักเหตุผลทางจิตวิทยานี้ถูกพัฒนาขึ้นในมนุษย์ตั้งแต่ช่วงแรก แม้ทารกจะมีประสบการณ์จำกัด แต่พวกเขาก็สามารถเรียนรู้ที่จะทำความเข้าใจกับคนและสถานการณ์ใหม่ๆ ได้ ความเข้าใจเหล่านี้เป็นพื้นฐานของสิ่งที่เราเรียกว่าสามัญสำนึก
สุรฤทธิ์ เล่าว่า “วันนี้เราเริ่มเห็นความก้าวหน้าในการสร้างระบบเอไอ ที่สามารถอนุมานสภาพจิตใจ ทำนายการกระทำในอนาคต หรือแม้แต่ทำงานร่วมกับมนุษย์ได้ อย่างไรก็ตาม เรายังขาดเกณฑ์มาตรฐานที่เที่ยงตรงแม่นยำในการประเมินความสามารถในการให้เหตุผลทางจิตวิทยาของโมเดล เอไอ ซึ่งก็คือสามัญสำนึกของ เอไอ นั่นเอง”
AI ที่มีสามัญสำนึก จึงเป็นอีกเทรนด์อนาคตของเอไอที่เราจะได้เห็นในไม่ช้านี้
อ้างอิง : https://www.bangkokbiznews.com/tech/gadget/1043520
—————————————————————————————-
ทั้งหมดเป็นข่าวที่น่าสนใจใน 16 – 22 ธันวาคม 2565 พบกันใหม่ในสัปดาห์หน้านะคะ : )
หากมีข้อสงสัย ติชมสามารถ ติดตามและสอบถามได้ที่
: AIไทยสามารถ โดย AI for all Thailand
