ในช่วงสถานการณ์การแพร่ระบาดของเชื้อไวรัส COVID-19 อีกองค์กรหนึ่งที่น่าจะทำงานหนักกว่าช่วงเวลาปกติก็เห็นจะเป็นผู้ให้บริการขนส่งพัสดุ เพราะผู้คนต่างหันมาเลือกใช้บริการสั่งซื้อสินค้าทางออนไลน์กันมากขึ้น แต่หากต้องใช้แรงงานคนเพียงอย่างเดียวมาจัดการกับปริมาณพัสดุขนาดมหึมาก็คงจะส่งผลให้การขนส่งเกิดความล่าช้าได้ ในบทความนี้จะขอพาคุณผู้อ่านไปศึกษากรณีการนำ AI ของ Nvidia มาใช้ปรับปรุงบริการไปรษณีย์ในสหรัฐอเมริกากัน
Nvidia ร่วมกับการไปรษณีย์แห่งสหรัฐอเมริกา (U.S. Postal Service หรือ USPS) ได้ให้รายละเอียดเกี่ยวกับการเปลี่ยนรูปแบบการดำเนินการด้านไปรษณีย์ด้วย AI ซึ่งทรัพยากรระบบเรียนรู้และเครื่องมือของ Nvidia ได้ช่วยให้ USPS ประมวลผลภาพมากกว่า 20 เทราไบต์ต่อวันจากเครื่องประมวลจดหมายมากกว่า 1,000 เครื่อง โดยใช้ edge server 195 เครื่อง
ในปี 2562 USPS ต้องระบุและติดตามพัสดุจากไปรษณีย์รายวันมากกว่า 100 ล้านชิ้น นักวิทยาศาสตร์ข้อมูลคิดว่า องค์กรสามารถขยายระบบวิเคราะห์ภาพที่พัฒนาขึ้นภายในให้ใช้งานได้ในวงกว้างด้วย edge AI server ซึ่งตั้งอยู่ในศูนย์ประมวลผลของที่ทำการไปรษณีย์ โดยคาดหวังว่าระบบจะทำให้ USPS วิเคราะห์ภาพไปรษณีย์นับหลายพันล้านภาพและให้ข้อมูลเชิงลึกได้อย่างรวดเร็วผ่านเครือข่าย
สถาปนิกจาก Nvidia และบริษัทอื่น ๆ ร่วมกับ USPS จึงได้คิดค้นโมเดลระบบเรียนรู้เชิงลึก (deep learning model) ขึ้นมาภายในระยะเวลาเพียง 3 สัปดาห์ จนกลายเป็นจุดเริ่มต้นของ Edge Compute Infrastructure Program (ECIP) ระบบ AI แบบ distributed edge ที่รันบนแพลตฟอร์ม NVIDIA EGX ใช้งานที่ไปรษณีย์ในทุกวันนี้
The Triton Inference Server ซอฟต์แวร์ open source จาก Nvidia ทำหน้าที่เสมือนตัวกลางส่งจดหมายดิจิทัลระหว่าง edge server ในการส่งมอบโมเดล AI ที่จำเป็นตามความต้องการ จากการวิเคราะห์ของUSPSนั้น งาน computer vision ที่ต้องใช้เวลาถึง 2 สัปดาห์บนเครือข่ายเซิร์ฟเวอร์ที่มีตัวประมวลผล 800 ตัวนั้น สามารถทำสำเร็จได้ภายใน 20 นาที ด้วย NVIDIA V100 Tensor Core GPU 4 ตัว ใน edge server ชื่อว่า HPE Apollo 6500s
Model serving
Triton ส่งโมเดล AI ไปยังระบบบริการไปรษณีย์ต่าง ๆ โดยอัตโนมัติ ซึ่งอาจมีการกำหนดค่า GPU และ CPU ที่ไม่ซ้ำกัน ที่รองรับเฟรมเวิร์คระบบเรียนรู้เชิงลึก แอปที่ตรวจสอบรายการไปรษณีย์ต้องอาศัยการทำงานร่วมกันของโมเดลระบบเรียนรู้เชิงลึกเกือบ 10 ระบบ ซึ่งแต่ละโมเดลจะคอยตรวจสอบคุณสมบัติเฉพาะ
หน่วยงานต่าง ๆ ใน USPS ตั้งแต่ฝ่ายวิเคราะห์องค์กรไปจนถึงฝ่ายการเงินและการตลาดนั้น ได้สร้างแอปเพิ่มขึ้นมาอีกถึง 30 แอปสำหรับ ECIP หนึ่งในนั้นใช้ตรวจสอบว่าพัสดุนั้นระบุขนาด น้ำหนัก และปลายทางถูกต้องหรือไม่ อีกแอปหนึ่งจะใช้ถอดรหัสบาร์โค้ด แม้ว่าจะมีความเสียหายปรากฏก็ตาม
Next-gen OCR
นอกจากนี้ ยังมีการใช้งานการอ่านอักขระด้วยแสง (optical character recognition หรือ OCR) ระบบ AI บน ECIP ที่จัดการโดย Kubernetes และให้บริการโดย Triton แทนการซื้อฮาร์ดแวร์และซอฟต์แวร์ใหม่หรือใช้บริการคลาวด์ ซึ่งกินแบนด์วิธและมีราคาสูงด้วย
โซลูชันใหม่เหล่านี้น่าจะช่วย USPS พัฒนามาตรฐานการส่งไปรษณีย์ให้ดีขึ้น ซึ่งในช่วงปีที่ผ่านมามาตรฐานการส่งไปรษณีย์ได้ตกลงมา ดังที่ช่วงกลางเดือนธันวาคมปีที่แล้ว มีการจัดส่งไปรษณีย์ชั้นหนึ่งอย่างตรงเวลาได้น้อยเพียงแค่ 62% ซึ่งนับว่าต่ำที่สุดในรอบหลายปี แต่อัตราดังกล่าวก็กลับดีดตัวขึ้นเป็น 84% ภายในสัปดาห์ของวันที่ 6 มีนาคม แต่ก็ยังคงต่ำกว่าเป้าที่ตั้งไว้ที่ 96% อันเป็นผลกระทบมาจากการแพร่ระบาดของเชื้อ COVID-19 ที่ทำให้ประสิทธิภาพการบริการแย่ลง
โดยสรุปแล้ว โมเดลที่ USPS นำมาปรับใช้ก็ช่วยจัดการกับไปรษณีย์ต่าง ๆ และทำให้องค์กรยังเดินหน้ารักษาพันธกิจไว้ได้ จากเดิมที่เคยใช้คน 8-10 คนเป็นเวลาหลายวันในการติดตามพัสดุไปรษณีย์ แต่ตอนนี้ก็ใช้เพียงคนแค่หนึ่งหรือสองคนกับเวลาเพียงไม่กี่ชั่วโมง ซึ่งนั่นก็ก่อให้เกิดประโยชน์ทั้งกับบริการไปรษณีย์และลูกค้าเอง