จริงหรือไม่ที่ Google กำลังสร้าง AI ให้กลายเป็น Skynet#5 Agriculture

Alan Walker – All Falls Down

ความแตกต่างระหว่าง Artificial Intelligence (AI), Machine Learning (ML), Deep Learning (DL)

argility.com

ML is subset of AI and DL is subset of ML.

Artificial Intelligence (AI) คือโปรแกรมคอมพิวเตอร์อัจฉริยะ ที่มีความสามารถในการเรียนรู้และฉลาดเหมือนมนุษย์

Machine Learning เป็นส่วนหนึ่งของ AI โดยการป้อนข้อมูลมหาศาลให้คอมพิวเตอร์และให้มันเรียนรู้ด้วยตัวเอง คอมพิวเตอร์จะใช้โปรแกรมที่ซับซ้อนที่เรียกว่า อัลกอริธึม (Algorithms) ในการวิเคราะห์ข้อมูลจำนวนมหาศาล จดจำรูปแบบของข้อมูล และทำนายผลลัพธ์ออกมาให้มีข้อผิดพลาดน้อยที่สุด โดยคอมพิวเตอร์ตัวนี้ไม่ต้องการความช่วยเหลือจากโปรแกรมเมอร์  ไม่ต้องเขียนโค้ด เขียนโปรแกรมให้มัน คอมพิวเตอร์ตัวนี้จะหาวิธีทำงานจนสำเร็จด้วยตัวมันเอง และมันจะยิ่งฉลาดขึ้นเมื่อเวลาผ่านไปหรือได้เรียนรู้มากขึ้น

Deep Learning เป็นส่วนหนึ่งหรือศาสตร์แขนงหนึ่งของ Machine Learning เป็นส่วนที่ได้รับแรงบันดาลใจจากการทำงานของสมองของมนุษย์ สมองของมนุษย์เป็น ‘เครื่องจักร‘ ที่ดีที่สุดในการเรียนรู้และแก้ปัญหา เชื่อว่าองค์ประกอบการคำนวณหลักของสมองของเราคือเซลล์ประสาท (neuron) เซลล์ประสาทที่เชื่อมโยงกันอย่างซับซ้อนแบบโครงข่าย (network) เป็นพื้นฐานของการตัดสินใจทั้งหมดที่เกิดขึ้นจากข้อมูลที่รวบรวมได้ นี่เป็นวิธีการที่มนุษย์สร้างโครงข่ายประสาทเทียม (Artificial Neural Network หรือเรียกสั้นๆว่าNeural Network) ซึ่งเลียนแบบการทำงานของสมองมนุษย์

หลักการทำงานของ Deep Learning อธิบายให้เข้าใจอย่างง่ายๆ ได้ดังนี้ 

“เมื่อดวงตาเห็นรูปสุนัข รูปสุนัขถูกนำไปประมวลผล และได้คำตอบว่า นี่คือ สุนัข”

การทำงานของโครงข่ายประสาทเทียม (Neural network) จะประกอบด้วยส่วนสำคัญ 3 ส่วน

1.สิ่งที่ตาเห็น คือ ภาพสุนัข (Input ข้อมูลที่รับมา)

2.สิ่งที่ระบบเซลล์ประสาทในสมองประมวลผล เทียบได้กับ hidden layer (สามารถมีมากกว่า 1 layer ได้)

3.สิ่งที่สมองตอบหลังประมวลผลว่านี่คือ “สุนัข” (Output ผลลัพธ์)

ดังนั้น สมองคนเปรียบได้ดั่ง Hidden Layer เชื่อมต่อระหว่าง input และ output

Medium.com

Deep Learning  เป็นโครงข่ายประสาทเทียม (Neural network) ที่มี Hidden layer มากกว่า 1 layer ความสามารถของมันในอนาคตอาจจะเหนือมนุษย์ เนื่องจากสามารถเพิ่มพลังประมวลผลได้ไม่จำกัด ซึ่งไม่เหมือนกับสมองมนุษย์ที่ถูกจำกัดด้วยขบวนการทางชีวภาพ

OneRepublic – Love Runs Out

Googl ใช้ AI ช่วยให้เกษตรกรระบุพืชที่เป็นโรค

มันสำปะหลังเป็นพืชที่คนแอฟริกามากกว่า 1 พันล้านคนบริโภคต่อวันและเป็นแหล่งโปรตีนที่ดี แม้ว่ามันสำปะหลังจะเป็นพืชที่ทนต่อความแห้งแล้งและสามารถเจริญเติบโตได้ในบริเวณที่มีดินน้อย แต่มันไวต่อโรคและมีแมลงศัตรูพืชมากมายมารบกวน สัญญาณการเป็นโรคของต้นมันสำปะหลังเกิดขึ้นและปรากฏให้เห็นช้า กว่าที่เกษตรกรจะรู้ตัวว่าต้นมันสำปะหลังที่ตัวเองปลูกอยู่เป็นโรคก็สายเกินแก้แล้ว

PlantVillage ซึ่งเป็นศูนย์การวิจัยของ Penn State University และ International Institute of Tropical Agriculture หรือ IITA (สถาบันการเกษตรเขตร้อนนานาชาติ) พัฒนาแอพพลิชั่นที่ใช้ในมือถือที่เรียกว่า Nuru ช่วยในการระบุโรคที่เกิดขึ้นกับต้นมันสำปะหลัง เพื่อช่วยให้เกษตรกรจัดการกับพืชที่เป็นโรคได้อย่างทันท่วงที และแอพนี้ถูกพัฒนาให้สามารถใช้ในมือถือที่ไม่มีสัญญาณอินเตอร์เน็ต เนื่องจากต้นมันสำปะหลังเป็นพืชที่มักปลูกในพื้นที่แห้งแล้งกันดาร ส่วนใหญ่เป็นพื้นที่ที่ไม่มีสัญญาณอินเตอร์เน็ต

ตัวอย่างของลักษณะใบพืชมันสำประหลังที่เป็นโรค  ภาพจาก blog.google.com      

นักวิจัยได้ป้อนภาพมันสำปะหลังที่เป็นโรคจำนวนหลายพันภาพ ซึ่งเป็นภาพที่มาจากฐานข้อมูลของ Google ที่รวบรวมโดยผู้เชี่ยวชาญด้านโรคพืชทั่วโลก ให้กับ AI ประเภท Machine Learning ของ Google เพื่อฝึกฝนให้มันเรียนรู้ในการระบุโรคที่เกิดขึ้นในพืชชนิดนี้ จากนั้นมันถูกนำไปใช้ในแอพพลิเคชั่น Nuru ของมือถือ ซึ่งสามารถทำงานโดยไม่ต้องเชื่อมต่ออินเตอร์เน็ต แอพนี้จะทำงานคู่กันกับกล้องของมือถือเพื่อจับภาพพืชที่เป็นโรค เกษตรกรจะส่องมือถือไปที่ใบของต้นมันสำปะหลัง และหากพืชมีโรค แอพสามารถระบุโรคของพืชด้วยความแม่นยำสูง นอกจากนี้แอพยังให้ข้อมูลและคำแนะนำในวิธีที่ดีที่สุดในการจัดการโรคของพืชแก่ผู้ใช้

วีดิโอแสดงการใช้แอพพลิเคชั่น Nuru

AI Helping Farmers Detect Plant Diseases

นอกจากแอพพลิเคชั่น Nuru ที่พัฒนาโดยนักวิทยาศาสตร์ระดับสูงแล้ว ที่เจ๋งสุดๆต้องขอคารวะเลย คือ PlantMD ซึ่งเป็นแอพพลิเคชั่นใน Google Play บนมือถือที่สามารถระบุโรคของพืชหลายร้อยชนิดจากภาพ  พัฒนาโดยเด็กนักเรียนมัธยมปลายของโรงเรียน Shaza Mehdi และ Nile Ravenell นักวิจัยรุ่นเยาว์เหล่านี้ได้รับแรงบันดาลใจจากงานวิจัยของ PlantVillage ที่พัฒนาแอพพลิเคชั่น Nuru ที่ได้กล่าวมาแล้วข้างต้น  และในงาน Google I/O 2018 ก็ได้สาธิตแอพ PlantMD ให้กับผู้เข้าร่วมประชุมด้วย

นักเรียนมัธยมปลายจากโรงเรียน Shaza Mehdi และ Nile Ravenell  ผู้สร้างแอพ PlantMD (gwinnettdailypost.com)

PlantMDเป็นแอพพลิเคชั่นที่ใช้ AI ประเภท Machine Learning ช่วยให้เกษตรกรตรวจหาโรคในพืชจำพวกผักและผลไม้ โดยนักวิจัยรุ่นเยาว์เหล่านี้ได้ใช้ข้อมูลจาก TensorFlow ของ Google ช่วยในการศึกษาและพัฒนาแอพนี้ขึ้นมาด้วย หลักการทำงานของแอพ PlantMD เป็นลักษณะเดียวกับแอพ Nuru คือ AI ทำงานร่วมกับกล้องของมือถือ

หมายเหตุ: TensorFlow เป็นแหล่งข้อมูลเกี่ยวกับ Machine Learning ที่ Google เปิดให้สาธารณะชนเข้าถึง (open source machine learning library)

ทั้ง PlantMD และ Nuru เป็นส่วนหนึ่งที่แสดงให้เห็นถึงแนวโน้มที่กำลังเปลี่ยนแปลงไปของอุตสาหกรรมการเกษตรที่ใช้ AI เข้าช่วยเหลือเกษตรกรทั่วโลก

ล่าสุดเมื่อกลางปี 2018 Google ได้ประกาศจะจัดตั้งศูนย์วิจัย AI (Google AI research center) ในประเทศกาน่า ซึ่งถือเป็นศูนย์ AI แห่งแรกในแอฟริกา เน้นวิจัย AI ในการทำงานด้านการเกษตร, การศึกษา และสุขภาพ   

มาดูวิธีการใช้ประโยชน์จาก AI มาช่วยในการทำสวนแตงกวาของเกษตรกรชาวญี่ปุ่นซึ่งไม่มีความรู้ทางด้าน AI

นายมาโกโตะได้เข้ามาทำสวนแตงกวาของครอบครัว พ่อของมาโกโตะภูมิใจมากกับแตงกวาแบบมีหนามจากแปลงปลูกแตงกวาของเขา ทุ่มเทชีวิตให้กับการส่งมอบแตงกวาที่สดและกรอบ แตงกวาตรงและหนาที่มีสีสดใส ถือเป็นเกรดพรีเมี่ยมและราคาสูงมากในตลาด

cloud.google.com         

สำหรับมาโกโตะ เขาพบว่าการคัดเลือก (sorting) แตงกวานั้นยากและยุ่งยากพอ ๆ กับการปลูกพวกมัน “แตงกวาแต่ละชนิดมี สี รูปร่าง ขนาด ความหนา คุณภาพ และความสดใหม่ ที่แตกต่างกัน” ครอบครัวของเขาต้องใช้เวลาถึง 8 ชม.ต่อวัน ในการคัดเลือกแตงกวาเหล่านี้

  นายมาโกโตะและพ่อแม่ในแปลงปลูกแตงกวา (cloud.google.com)

วันหนึ่งนายมาโกโตะได้เห็น AlphaGo ซึ่งเป็น AI ประเภท Deep Learning ของ Google DeepMind ที่สามารถเอาชนะแชมป์โลกชาวจีนแบบขาดลอย ในการแข่งขันเล่นหมากโกะ (Go) ซึ่งเป็นหมากกระดานที่ซับซ้อนมาก การได้เห็น AlphaGo นี้ ได้สร้างแรงกระตุ้นให้มาโกโตะเริ่มศึกษาการนำเทคโนโลยี Deep Learning มาใช้ในการคัดเลือกแตงกวาของตนเอง

มาโกโตะจึงเข้าไปที่ TensorFlow (Open source machine learning library) ซึ่งเป็นแหล่งข้อมูลเกี่ยวกับ Machine Learning ที่ Google เปิดให้สาธารณะชนเข้าถึง (รวมถึง Deep Learning, Deep Learning เป็นส่วนหนึ่งของ Machine Learning)

wikipedia.org 

สิ่งแรกที่ทำคือ มาโกโตะพยายามหาภาพของแตงกวาพันธุ์เดียวกับที่เขาปลูก ในฐานข้อมูลของ TensorFlow แล้วเขาก็เจอมัน นี้ทำให้มาโกโตะมีความมั่นใจว่า Deep Learning ของ Google สามารถช่วยให้เขาแก้ไขปัญหาที่เขาเผชิญอยู่ได้

มาโกโตะกล่าวให้ฟังว่า ในการใช้ข้อมูลจาก TensorFlow นั้น คุณไม่จำเป็นต้องเป็นนักวิทยาศาสตร์ที่มีความรู้ในโมเดลคณิตศาสตร์ขั้นสูงหรือการประมวลผลที่ซับซ้อนแบบอัลกอริธึม (Algorithms) เราเพียงแค่เข้าไปดาวน์โหลดโค้ด (code) ตัวอย่างและอ่านคำแนะนำ คุณก็สามารถเริ่มต้นใช้ประโยชน์จาก Machine Learning หรือ Deep Learning ได้ทันที

Google ได้เปิดให้สาธารณะชนเข้าถึง TensorFlow มาตั้งแต่ต้นปี 2017 ที่ผ่านมาได้มีวิศวกรที่ไม่ได้อยู่ในศาสตร์แขนงของ AI จำนวนมากได้เข้าไปเล่นกับเทคโนโลยีนี้ด้วยชุดข้อมูลและแอพพลิเคชั่นของตนเอง

ปัจจัยสำคัญที่ส่งผลต่อ Deep Learning

ในการนำ Deep Learning หรือโครงข่ายประสาทเทียม (Neural Network) มาช่วยในการคัดเลือก (sorting) แตงกวา มาโกโตะต้องฝึกฝนมันก่อน มาโกโตะใช้เวลา 3 เดือนในการถ่ายภาพแตงกวา 7,000 รูปป้อนให้กับโครงข่ายประสาทเทียม (Neural Network)  เพื่อฝึกให้มันเรียนรู้จากภาพ เขาพบว่าภาพถ่ายจำนวน 7,000 ภาพนั้นไม่เพียงพอ

“เมื่อผมทำการทดสอบความถูกต้องด้วยการป้อนภาพตัวอย่างให้กับโครงข่ายประสาทเทียม (Neural Network)  ผลที่ออกมามีความถูกต้อง 95% แต่พอผมให้มันทำงานจริง ผลลัพธ์ที่ออกมามีความถูกต้องลดลงเหลือ 70% ตอนแรกผมสงสัยว่า Neural Network มีปัญหา ในเวลาต่อมาผมทราบว่าเป็นเพราะผมป้อนภาพตัวอย่างให้มันเรียนรู้น้อยไป”

สรุปก็คือ ต้องใช้ “Large number of training data sets” ในการฝึกฝนโครงข่ายประสาทเทียม (Neural Network)   ยิ่งป้อนข้อมูลให้มันเรียนรู้มากเท่าไร ความถูกต้องที่ได้ก็จะมากยิ่งขึ้น”              

ปัจจัยที่สองคือ Deep Learning ใช้คอมพิวเตอร์ที่มีพลังในการประมวลผลที่สูงมาก เครื่องคัดแยกแตงกวาของมาโกโตะใช้ Windows desktop PC ในการฝึกฝนโครงข่ายประสาทเทียม (Neural Network) ซึ่งกินเวลา 2-3 วันทีเดียวในการฝึกฝน Neural Network ให้เรียนรู้จากภาพ 7,000 ภาพ

การเพิ่มประสิทธิภาพการทำงานของ Deep Learning ต้องใช้ Computer Servers สูงๆ  แน่นอนมีค่าใช้จ่ายสูงตามมา เพื่อช่วยแก้ปัญหานี้ Google ได้เสนอ Cloud Machine Learning (Cloud ML) ให้กับมาโกโตะ

มาโกโตะกำลังรอคอย Cloud ML นี้อย่างใจจดใจจ่อ “ผมหวังว่าผมจะสามารถใช้ Cloud ML ในการฝึกโครงข่ายประสาทเทียม (Neural Network) ด้วยจำนวนภาพที่มากขึ้นและความละเอียดของภาพที่สูงขึ้น นอกจากนี้ผมจะลองเปลี่ยนค่าพารามิเตอร์และอัลกอริธึมต่าง ๆ ของ Neural Network เพื่อดูว่ามันจะมีความแม่นยำมากขึ้นอย่างไร ก็ต้องคอยดูกัน” 

หมายเหตุ: Cloud Machine Learning (Cloud ML) นั้น Google ออกแบบมาให้สำหรับนักวิจัย นักพัฒนา ที่อยากใช้ Deep Learning แต่ไม่อยากลงทุนในการสร้างระบบเอง หรือไม่มีเงินเพียงพอในการซื้อคอมพิวเตอร์ที่มีพลังในการประมวลผลสูงๆ ก็สามารถเช่า Could ML ของ Google ได้ โดยผู้ใช้ป้อนข้อมูลลงไปให้กับโครงข่ายประสาทเทียม (Neural Network) ของ Could ML ผลลัพธ์ออกมาเป็นโมเดลพร้อมใช้ทำนาย (prediction) ทันที

Google จะเป็นผู้สร้าง Cloud ML ให้ เราแค่จ่ายเงินให้ Google

นี้เป็นวีดิโอแสดงการทำงานของเครื่องคัดแยกแตงกวาของมาโกโตะ

TensorFlow powered cucumber sorter by Makoto Koike

Alphabet ซึ่งเป็นบริษัทแม่ของ Google กำลังคิดหาทางที่จะใช้ AI และหุ่นยนต์เข้าช่วยในการทำฟาร์มเกษตร นาย Astro Teller ซึ่งเป็นหัวหน้าห้องทดลองลับ (Secret Lab) ของ Alphabet ที่ชื่อ “X Lab” ได้กล่าวในที่ประชุมของ MIT Technology Review’s EmTech Digital conference เมื่อเดือนมีนาคม 2018 ว่าขณะนี้นักวิจัยของ lab กำลังศึกษาการนำ AI เข้าช่วยในการทำฟาร์มเกษตร ก็ต้องคอยดูกันต่อไปว่า Google จะพัฒนา AI เข้าช่วยในการทำฟาร์มอย่างไร

• Facebook
• Twitter
• Line