การใช้ ระบบอัตโนมัติ (Automation) มีความย้อนแย้ง ยิ่งเราทำการ วิเคราะห์ข้อมูลแบบอัตโนมัติ (Automation) มากเท่าไร มนุษย์ก็ยิ่งต้องทำงานมากขึ้นเท่านั้น เพราะมนุษย์ยังจำเป็นต้องดูแลกรณี Edge case หรืองานที่เป็นกรณีพิเศษที่เป็นข้อยกเว้น ทำให้หุ่นยนต์เกิดความผิดพลาดหรือจัดการได้ไม่ถูกต้อง เช่น หุ่นยนต์เรียงคิวเป็นก็จริง แต่หากมี VIP เข้ามาต้องจัดการยังไง หรือหากมีกรณีฉุกเฉินเร่งด่วนที่เข้ามาหุ่นยนต์จะไม่สามารถจัดการได้ จึงทำให้ยังต้องมีมนุษย์ที่คอยเข้ามาตรวจสอบข้อมูลในระดับสูงและตีความหมายของผลข้อมูลเบื้องลึกอีกด้วย
ข้อมูลเป็นทรัพยากรที่สำคัญและล้ำค่าที่สุดที่องค์กรมีอยู่ ข้อมูลช่วยให้เราสามารถตัดสินใจได้อย่างชาญฉลาด เพราะข้อมูลจะช่วยให้เราเข้าใจลูกค้าในเบื้องลึกและสร้างประสบการณ์ที่ดีให้กับลูกค้า เปรียบเหมือนเป็นตัวช่วยในการเพิ่มประสิทธิภาพในการดำเนินงาน ซึ่งจะนำไปสู่ต้นทุนที่ต่ำลงและกำไรที่สูงขึ้น
แต่อย่างไรก็ตาม ตอนนี้พวกเรากำลังเหมือนจมอยู่ในทะเลข้อมูลและกำลังสำลักข้อมูลที่มันมากจนยากที่จะจัดเรียงให้ดี หรือแยกส่วนที่เราต้องการออกจากทะเลข้อมูลที่แสนวุ่นวาย เราใช้เงินมหาศาลในการรวบรวม จัดการ และวิเคราะห์ข้อมูลในธุรกิจต่าง ๆ โดยเราไม่ยังไม่เห็น ROI ด้วยซ้ำ (ROI = Return On Investment คือการคำนวณผลตอบแทนการลงทุน เพื่อที่องค์กรจะได้รู้ว่าเวลาลงทุนอะไรจะได้ผลตอบแทนต่อปีเท่าไหร่ และกี่ปีจะคืนทุน)
แต่ยังโชคดีที่เรามีระบบอัตโนมัติซึ่งขับเคลื่อนโดยปัญญาประดิษฐ์ (AI) หรือ Machine Learning (ML) ที่จะช่วยให้เราจัดการกับข้อมูลของเราได้ดียิ่งขึ้น ตอนนี้ซอฟต์แวร์สามารถค้นหาผ่านชุดข้อมูลขนาดใหญ่เพื่อระบุข้อมูลที่เกี่ยวข้องสำหรับแต่ละวัตถุประสงค์ได้ ถ้าไม่นับเรื่องที่ว่าเรากำลังจมอยู่กับข้อมูล หุ่นยนต์จะบอกเราได้ว่า อะไรดีอะไรไม่ดี แต่บางทีระบบอัตโนมัติก็ไม่ใช่ยาครอบจักรวาลแบบที่เราคิดอยู่ดี
ปัญหาของหุ่นยนต์
ในระดับพื้นฐานที่สุด ระบบอัตโนมัติเกิดมาเพื่อสั่งให้หุ่นยนต์ทำงานซ้ำ ๆ เพื่อลดต้นทุนและสร้างประสิทธิภาพมากกว่ามนุษย์ ไม่ว่าจะเป็น AI ในอุตสาหกรรมตัดเหล็ก ปั๊มแม่พิมพ์ AI เจาะรูวงกลมที่เหมือนกันเป็นพัน ๆ วง หรือจะเป็น AI ที่แนะนำวิดีโอให้คุณดู ก็ใช้หลักการเดียวกัน
ยุคดิจิทัลได้นำสิ่งอำนวยความสะดวกเล็ก ๆ น้อย ๆ เช่น การช่วยเตือนให้สั่งน้ำยาซักผ้าเพิ่มไปจนถึงเรื่องการช่วยชีวิตคน เช่น การจับคู่ผู้บริจาคกับผู้รับบริจาค สิ่งเหล่านี้แทบเป็นไปไม่ได้เลยหากไม่มีระบบอัตโนมัติมาช่วย แต่หุ่นยนต์ก็มักจะช่วยเราได้เพียง 90% เท่านั้น เพราะแม้ระบบอัตโนมัติช่วยคิดวิเคราะห์ข้อมูลขนาดมหึมาได้อย่างดีเยี่ยม แต่ยังคงมีปัญหากับ Edge Case แน่นอน เราสามารถสร้าง Algorithm เพื่อให้ครอบคลุมไปถึงกรณียกเว้นเหล่านี้มากขึ้น แต่ ณ จุดหนึ่ง ก็จะเกิดคำถามว่า ถ้าเราต้องลงแรงมากมายเพื่อพัฒนาระบบ มันจะคุ้มกว่าไหมถ้าให้คนมาทำส่วนนี้
เพราะมนุษย์มีความสามารถในการจัดการกับข้อยกเว้นและกรณีพิเศษต่าง ๆ โดยประยุกต์จากกฎเกณฑ์หลักการที่มีอยู่ได้ง่ายดายและราบรื่น ซึ่งสิ่งนี้แหละเป็นสิ่งที่ทำให้มนุษย์แตกต่างจากหุ่นยนต์ มนุษย์อย่างเราคือนักคิด พวกเราแม่นยำ เราสามารถดูตัวอย่าง ใช้ประสบการณ์และสามารถตัดสินใจเพื่อหาทางออกที่ดีที่สุดซึ่งส่วนใหญ่มักจะถูกต้อง ส่วนหุ่นยนต์คือนักประมาณการ มันจะตัดสินใจโดยพิจารณาจากวิธีการจัดการที่คล้ายคลึงกันในอดีตที่มนุษย์สอนมันไว้ ซึ่งส่วนใหญ่มักจะได้ผลลัพธ์ที่ดีสู้มนุษย์คิดประยุกต์เองไม่ได้ นี่แหละคือ ความย้อนแย้งของ AI: ยิ่งเราสร้างระบบการวิเคราะห์ข้อมูลโดยอัตโนมัติมากเท่าไร มนุษย์ก็ยิ่งต้องทำงานมากขึ้นเพื่อไปจัดการกรณี Edge Case มากเท่านั้น ทั้งยังต้องตรวจสอบข้อมูลในระดับสูงและต้องตีความหมายของผลข้อมูลเบื้องลึกอีก
ยุคของระบบอัตโนมัติที่ควบคุมโดยมนุษย์
ในการขับเคลื่อน AI อย่างสมเหตุสมผล มีประสิทธิภาพ และมีจริยธรรม องค์กรจำเป็นต้องสร้างหุ่นยนต์ที่เก่งและฉลาด แต่ก็ต้องแน่ใจว่ามีมนุษย์ที่คอยดูแลและตรวจสอบเหล่าหุ่นยนต์อีกที ในวันที่หุ่นยนต์ไปไกลจนเราไม่เข้าใจมันแล้ว เรามี Explainable AI ซึ่งก็คือ AI ที่ถูกพัฒนาขึ้นมาเพื่อมาอธิบายมนุษย์อย่างเรา ๆ โดยแสดงหลักฐานที่มาที่ไปว่าทำไมบางทีหุ่นยนต์ถึงตัดสินใจแบบนี้แบบนั้น สิ่งนี้แหละที่จะทำให้เราเข้าใจผลลัพธ์ เข้าใจคำอธิบาย เพื่อจะได้พัฒนาการอย่างต่อเนื่องและได้ผลลัพธ์ที่ปฏิบัติได้จริง มนุษย์จำเป็นต้องมีส่วนร่วมในทุกขั้นตอนกับ AI ตั้งแต่การกำหนดปัญหา การพัฒนาโปรแกรม รวมไปจนถึงการกำกับดูแลข้อมูล และนี่คือข้อควรพิจารณาสามประการในการนำความเป็นมนุษย์ไปใช้กับ AI เพื่อแก้ปัญหา:
1. กำหนดสิ่งที่องค์กรหรือบริษัทให้ความสำคัญ
AI จะดีเพียงใดนั้น ขึ้นอยู่กับข้อมูลที่คุณป้อนเข้าไป หากกระบวนการที่มีอยู่ซ่อนความสำคัญเรื่องใดเป็นพิเศษ ระบบก็จะจัดการข้อมูลตามแบบอย่างในอดีตเหล่านี้ ซึ่งจะมีแนวโน้มผลลัพธ์เทไปตามเรื่องนั้นอยู่ในกระบวนการอัตโนมัติแน่ ๆ เช่น ถ้าบริษัทนึงเน้นเรื่องราคาต้องมาก่อนคุณภาพและความไว หุ่นยนต์ก็จะเรียนรู้และทำอะไรคล้าย ๆ แบบนั้น บริษัทจึงต้องกำหนดค่าให้ก่อน ว่าอะไรที่พวกเขาสนใจและให้ความสำคัญกันแน่ จากนั้นก็ให้มนุษย์ใส่ข้อกำหนด แล้วนำค่าเหล่านั้นไปใช้กับกระบวนการอัตโนมัติ
2. ให้มนุษย์เป็นผู้สอน
ในการเรียนรู้แบบฉบับของหุ่นยนต์ AI จะสร้างและฝึก Algorithm เอง โดยปราศจากการแทรกแซงของมนุษย์ ไม่มีจริยธรรมหรือศีลธรรม ไม่ตัดสินอะไรใหม่ได้เอง สิ่งที่พวกมันรู้คือสิ่งที่พวกเราสอนให้พวกเขา คล้าย ๆ กับเกมที่เราเล่นส่งสารกันจากคนหัวแถวไปถึงคนสุดท้าย บทเรียนบอกว่าสารมักจะถูกลดทอนลงและไกลจากสิ่งที่มนุษย์เคยคิดไว้แต่แรกมาก ๆ ดังนั้นวิธีนึงที่จะทำให้เกิด win-win คือมนุษย์ต้องทำงานเป็นผู้ฝึกสอนหุ่นยนต์ ให้ Algorithm สอนหุ่นยนต์ให้รู้จักวิธีจัดการกับพวกข้อยกเว้น ส่วนตัวหุ่นยนต์ก็ไปทำงานอะไรที่ต้องใช้ความถึก งานซ้ำ ๆ แทนมนุษย์
3. สร้างหลักธรรมาภิบาลที่นำโดยมนุษย์
โมเดล AI จำเป็นต้องได้รับการตรวจสอบ วัด และปรับปรุงอย่างต่อเนื่อง หากเราเหล่ามนุษย์ ปล่อยให้ AI จัดการกันเอง อาจจะด้วยปัจจัยภายนอกบางอย่างที่เกิดขั้นโดยไม่ได้ตั้งใจ มันจะทำให้ระบบของเราเปลี่ยนไป และมันอาจะนำไปสู่ผลลัพธ์ที่ไม่ได้ตั้งใจและไม่พึงประสงค์ได้
ในตอนนี้เรามี Explainable AI ที่ตรวจสอบให้แน่ใจว่าหุ่นยนต์ทำงานภายใต้ระบบหรือหลักการศีลธรรมที่มนุษย์ผู้พัฒนากำหนดให้จริง ๆ ใช่ไหม หากโมเดลที่สร้างมันเริ่มจะคลาดเคลื่อนไปไกลจนอาจทำให้หุ่นยนต์ไม่ได้ทำในสิ่งที่เราคาดหวังแล้ว AI สามารถเฝ้าสังเกตและบอกเราได้ แต่ปัญหาใด ๆ ที่เกิดขึ้นจะต้องส่งต่อไปยังมนุษย์เท่านั้น การฝึกอบรม หุ่นยนต์ควรได้รับการจัดการโดยมนุษย์ เพื่อให้มั่นใจว่า Algorithm ทั้งหลายจะได้รับการปรับปรุงใหม่เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด เป็นที่แน่ชัดว่ามนุษย์ที่มีความเชี่ยวชาญในเรื่องนั้น ๆ จะเป็นผู้ตัดสินที่ดีที่สุดว่า แบบจำลองที่คลาดเคลื่อนไปยังโอเคหรือไม่ ข้อย้ำว่าต้องเป็นมนุษย์ที่มีระดับประสบการณ์ ความสามารถและความเข้าใจในความแตกต่างประเด็นสำคัญในการตัดสินใจ ไม่ใช่หุ่นยนต์
การให้หุ่นยนต์ซื่อตรงกับเรา เราต้องใส่ความเป็นมนุษย์ลงไป
AI มีพลังที่จะเปลี่ยนแปลงวิธีการทำงาน การใช้ชีวิต และการเล่นของพวกเรา แต่เรายังคงต้องการให้มนุษย์ปลูกฝังสามัญสำนึกและการกำกับดูแลพวกมัน ที่มีแต่คนเท่านั้นที่จะให้ได้ การใส่ความเป็นมนุษย์ลงสู่ ระบบอัตโนมัติ (Automation) จำเป็นต้องเริ่มด้วยการกำหนดว่าองค์กรให้ความสำคัญอะไร และต้องดำเนินต่อไปผ่านการพัฒนา Algorithm การฝึก และการกำกับดูแลอย่างต่อเนื่อง แน่นอนวันหนึ่ง หุ่นยนต์จะเข้ามามีบทบาทมากขึ้นในชีวิตประจำวันของเรา แต่เราก็ยังต้องการความเป็นมนุษย์เพื่อให้พวกเขาซื่อตรงกับเรา
บทความโดย Krishna Tammana
เนื้อหาจากบทความของ InformationWeek
แปลและเรียบเรียงโดย วิน เวธิต
ตรวจทานและปรับปรุงโดย อิสระพงศ์ เอกสินชล
Senior Project Manager & Data Scientist at Big Data Institute (Public Organization), BDI
