ช่วงไม่กี่ปีที่ผ่านมา ด้วยปัจจัยหลาย ๆ อย่างได้ทำให้เทคโนโลยี AI และ ML มีการปรับใช้งาน (Adoption) กันในวงกว้างอย่างก้าวกระโดด ซึ่งรายงานจาก McKinsey ก็ได้ระบุไว้ชัดเจนด้วยว่า ML สำหรับภาคอุตสาหกรรมและ Applied AI นั้นเป็นเทรนด์สำคัญแห่งปี
จากงาน AWS re:Invent สัปดาห์ก่อน คุณ Bratin Saha รองประธานและผู้จัดการทั่วไปฝ่าย AI และ ML แห่ง Amazon นั้นก็ได้ระบุ 6 เทรนด์สำคัญที่กำลังจับตาอยู่ว่าจะช่วยขับเคลื่อนนวัตกรรมและการปรับใช้เทคโนโลยี Machine Learning ในปี 2022 และต่อ ๆ ไป ดังต่อไปนี้
Trend 1 : ความซับซ้อนของโมเดลจะเติบโตขึ้นไปอีก
คุณ Saha เผยว่าในช่วงไม่กี่ปีทีผ่านมานี้จะเห็นโมเดล ML นั้นมีความซับซ้อนมากขึ้นอย่างก้าวกระโดด ถึงกับใช้คำว่า “Exponential” เลยทีเดียว “หรือพูดอีกนัยก็คือ ภายในเวลา 3 ปี ความซับซ้อนของโมเดล Machine Learning นั้นก็เพิ่มขึ้นราว 1,600 เท่าแล้ว” คุณ Saha กล่าว
วิธีหนึ่งที่จะวัดความซับซ้อนของโมเดล นั่นคือ “จำนวนตัวแปร (Parameter)” ของโมเดลที่มี ซึ่งคุณ Saha ชี้ให้เห็นชัดเจนว่าเมื่อปี 2019 นั้น โมเดล ML ที่เรียกว่าล้ำสมัย State-of-the-art ที่สุดนั้นจะมีตัวแปรราว ๆ 300 ล้านพารามิเตอร์เท่านั้น หากแต่ผ่านมาจนถึงปี 2022 ตัวแปรในโมเดลที่ดีที่สุดนั้นมีมากกว่า 500,000 ล้านพารามิเตอร์เข้าไปแล้ว
โมเดลขนาดใหญ่ตอนนี้กำลังจะเรียกกันว่าเป็น “โมเดลฐาน (Foundation Model)” ที่เมื่อฝึกฝน (Train) ด้วยข้อมูล Data Set ขนาดใหญ่แล้วก็จะสามารถนำไปใช้ซ้ำ (Reuse) หรือว่าปรับแต่ง (Tune) ไปใช้ในงานอื่น ๆ ที่แตกต่างกันได้อย่างรวดเร็ว ซึ่งองค์กรทั้งหลายก็จะได้ประโยชน์จากความซับซ้อนของโมเดลที่เพิ่มขึ้น ที่อนาคตจะง่ายในการปรับใช้ในงานต่าง ๆ กว่าเดิมอีก
Trend 2 : การเติบโตของข้อมูลที่มากขึ้นเรื่อย ๆ
แน่นอนยุคดิจิทัล ข้อมูลเกิดใหม่ขึ้นมาทุกวันในรูปแบบที่หลากหลายแตกต่างกัน ซึ่งก็แน่นอนว่าหากองค์กรมีการจัดเก็บรวบรวมข้อมูลเหล่านั้นไว้ก็ย่อมจะนำเอาข้อมูลเหล่านั้นมาเทรนโมเดล ML เพื่อใช้ประโยชน์หาข้อมูลเชิงลึกบางอย่างที่มีประโยชน์เชิงธุรกิจให้ได้ต่อไป
ไม่ว่าจะเป็นข้อมูลที่มีโครงสร้าง (Structured Data) อย่างเช่นข้อมูลที่เป็นลักษณะตัวอักษร (Text) หรือว่าข้อมูลที่ไร้โครงสร้าง (Unstructured Data) อย่างข้อมูลเสียงหรือวีดีโอ ก็ย่อมจะต้องหาทางที่จะนำมาสร้างโมเดล ML ให้ได้ ซึ่ง AWS นั้นมีบริการที่จะช่วยสนับสนุนการเทรนโมเดล ML ที่จัดการกับข้อมูลชนิดต่าง ๆ ได้อย่างรวดเร็ว อาทิ SageMaker Data Wrangler ที่ช่วยจัดการข้อมูล Unstructured Data ได้ รวมทั้งฟีเจอร์ใหม่ที่สนับสนุนข้อมูลเชิงพื้นที่ (Geospatial data) ได้แล้ว
Trend 3 : ML ในภาคอุตสาหกรรม
AWS มองเห็นเทรนด์ที่จะเริ่มมีการใช้งาน ML ในภาคอุตสาหกรรมมากขึ้นเรื่อย ๆ อย่างชัดเจน ซึ่งนั่นหมายความว่าจะมีการกำหนดมาตรฐานเครื่องมือ ML รวมทั้งเรื่องโครงสร้างพื้นฐานต่าง ๆ ที่จะทำให้องค์กรสามารถสร้างแอปพลิเคชัน ML ได้ง่ายขึ้น
คุณ Saha กล่าวว่า ML Industrialization นั้นเป็นสิ่งที่สำคัญที่จะช่วยให้องค์กรสามารถสร้างกระบวนการอัตโนมัติ (Automate Development) ได้ รวมทั้งทำให้มีความน่าเชื่อถือ (Reliable) ได้มากขึ้น ที่จะต้องทำให้องค์กรสามารถ Build และ Deploy โมเดลได้จำนวนมากขึ้นกว่าเดิม
Trend 4 : แอป ML สำหรับ Use Case ที่เฉพาะเจาะจง
นอกจาเรื่องของ ML ในภาคอุตสาหกรรมแล้ว ML ยังเติบโตขึ้นในด้านของแอปพลิเคชันที่สร้างขึ้นมาสำหรับการใช้งานใน Use Case บางอย่างโดยเฉพาะด้วย
คุณ Saha กล่าวว่าลูกค้า AWS ได้ถามหา Use Case การใช้งาน ML แบบอัตโนมัติมาอย่างต่อเนื่อง จึงทำให้ AWS ปัจจุบันมีบริการอย่างการถอดข้อความจากเสียง (Voice Transcription) การแปล (Translation) หรือว่าระบบแปลงข้อความเป็นเสียง (Text-To-Speech) หรือการวิเคราะห์ความรู้สึก (Sentiment Analysis) มาให้บริการมากขึ้นเรื่อย ๆ แล้ว
Trend 5 : Responsible AI
เรื่องของจริยธรรม AI หรือ Responsible AI คืออีกเรื่องหนึ่งที่กำลังเติบโตขึ้นอย่างมาก และเป็นสิ่งที่ต้องการมากขึ้นเรื่อย ๆ ในโลกใบนี้
“ด้วยการเติบโตของ AI และ ML จึงทำให้ต้องตระหนักว่าพวกเราควรจะต้องใช้งานมันอย่างมีความรัรบผิดชอบ” คุณ Saha กล่าว
มุมมองของ AWS นั้น Responsible AI จำต้องมีหลากหลายคุณลักษณะ (Attribute) ซึ่งระบบจะต้องมีความยุติธรรม ประพฤติปฏิบัติกับผู้ใช้งานทุกคนอย่างเท่าเทียม ทั้งเรื่องเชื้อชาติ ศาสนา เพศ หรือว่าคุณลักษณะใด ๆ ของผู้ใช้งาน รวมทั้งระบบ ML จะต้องสามารถอธิบายได้ด้วย ดังนั้น องค์กรจึงควรเข้าใจว่าโมเดลที่ออกมานั้นทำงานอย่างไร และต้องมีกระบวนการกำกับดูแลเพื่อทำให้มั่นใจได้ว่า Responsible AI ได้รับการฝึกฝนมาอย่างดี
Trend 6 : ประชาธิปไตยในเรื่อง ML
“ลูกค้าบอกพวกเราว่า พวกเขามักจะต้องมีช่วงเวลาที่ยากลำบากในการจ้างนักวิทยาศาสตร์ข้อมูลหัวกะทิที่ต้องการใช้งาน” คุณ Saha กล่าว
คำตอบของความท้าทายในเรื่องประชาธิปไตยของ ML ในมุมมองของคุณ Saha นั้น คือการพัฒนาเครื่องมือ Low Code และ Use Case-driven และเรื่องของการศึกษาที่จะต้องทำอย่างต่อเนื่อง
“AWS ยังคงลงทุนในการเทรนนักพัฒนา ML กลุ่มใหม่อย่างต่อเนื่อง” คุณ Saha กล่าว “Amazon มุ่งมั่นภายใน 2025 พวกเราจะสามารถช่วยผู้คน 29 ล้านคนพัฒนาทักษะทางเทคโนโลยีผ่านคอร์สเทรนเรื่อง Cloud Computing ได้ฟรี”
ที่มา: https://venturebeat.com/ai/aws-names-6-key-trends-driving-machine-learning-innovation-and-adoption/