‘เอดับบลิวเอส’ ชี้ ‘เรา’ อยู่ใน ยุคทอง ‘แมชชีนเลิร์นนิ่ง’

เสริมทักษะใหม่ให้คนทำงาน

ขณะที่ ข้อมูลจากฟอรัมเศรษฐกิจโลก (World Economic Forum) การเติบโตของเอไอ (AI) สามารถสร้างงานใหม่มากถึง 58 ล้านตำแหน่งงานภายในเวลาไม่กี่ปี อย่างไรก็ตามการวิจัยได้เสนอข้อมูลเพิ่มว่า ปัจจุบันมีวิศวกรด้านเอไออยู่เพียง 300,000 คนทั่วโลก และการประกาศหางานที่เกี่ยวข้องกับเอไอ มีอัตราสูงเป็น 3 เท่าของการหางานในตำแหน่งที่แตกต่างกันหลากหลาย 

ถ้ามองถึงปริมาณช่องว่างดังกล่าว องค์กรต้องเข้าใจว่า องค์กรไม่สามารถจ้างนักวิทยาศาสตร์ข้อมูลทั้งหมดได้ตามต้องการ เพราะยังคงต้องนำแมชชีนเลิร์นนิ่งมาใช้ในการทำงานอย่างต่อเนื่อง นอกจากนี้นวัตกรรมที่ก้าวไปอย่างรวดเร็วจะเปิดกว้าง และท้ายที่สุดจะนำไปสู่การสร้างงานที่เราอาจจะไม่เคยจินตนาการมาก่อนเลยว่าจะมีในวันนี้

นั่นคือเหตุผลที่บริษัททั่วโลกอย่าง Morningstar, Liberty Mutual, DBS Bank, และบริษัทอื่นๆ กำลังหาแนวทางด้านนวัตกรรมมาสนับสนุนให้พนักงานสร้างทักษะใหม่ด้านแมชชีนเลิร์นนิ่งด้วยวิธีการที่สนุกและเป็นอินเตอร์แอคทีฟ

ปลูกฝังความเชื่อมั่นในผลิตภัณฑ์

เมื่อมีอะไรใหม่ คนมักไม่แน่ใจว่า เทคโนโลยีเกิดใหม่จะช่วยแก้ปัญหาทุกเรื่องและช่วยกอบกู้โลก หรือเป็นพลังทำลายล้างด้วยแนวโน้มที่จะเร่งสู่การเปลี่ยนแปลงอย่างฉับพลัน ความจริงคือเส้นบางๆ ระหว่างสองเรื่องที่มีความแตกต่างกันเพียงเล็กน้อย มุมที่ต่างกันสามารถปรับเข้าหากันได้ด้วยข้อมูล ความโปร่งใส และความเชื่อมั่น

สิ่งแรก คือ ผู้นำในอุตสาหกรรมต้องช่วยให้บริษัทและชุมชนต่างๆ เรียนรู้เกี่ยวกับแมชชีนเลิร์นนิ่ง ในเรื่องวิธีการทำงาน และการประยุกต์ใช้งานในด้านใดบ้าง รวมถึงแนวทางในการใช้งานอย่างมีความรับผิดชอบ และเข้าใจว่าอะไรที่ไม่ใช่

ต่อมา การจะทำให้ผลิตภัณฑ์ด้านแมชชีนเลิร์นนิ่งได้รับความเชื่อถือ ผู้นำต้องสร้างกลุ่มคนที่มีความหลากหลายทั้งเรื่องเพศ เชื้อชาติ อายุ ชาติกำเนิด รสนิยมทางเพศ ความพิการ วัฒนธรรม และการศึกษา ซึ่งเราจะได้ประโยชน์จากคนเหล่านี้ที่นำพื้นฐาน ความคิด และมุมมองที่แตกต่างกันมาช่วยคิดค้นผลิตภัณฑ์ด้านแมชชีนเลิร์นนิ่ง

สุดท้าย บริการด้านแมชชีนเลิร์นนิ่ง ควรจะได้รับการทดสอบอย่างจริงจัง วัดความแม่นยำเทียบกับเกณฑ์มาตรฐานของค่ายอื่น ควรกำหนดโดยภาคการศึกษา รวมถึงภาครัฐบาล และต้องประยุกต์ใช้กับบริการที่ใช้ฐานของแมชชีนเลิร์นนิ่งมาสร้างกฏเกณฑ์ที่ให้ผลลัพธ์ที่เชื่อถือได้ รวมถึงได้ผลลัพธ์ในบริบทของกรณีการใช้งาน

กฏเกณฑ์ของแมชชีนเลิร์นนิ่ง

ในฐานะของสังคม เราต้องเห็นร่วมว่าควรใช้ตัวแปรไหนควบคุมว่าจะใช้แมชชีนเลิร์นนิ่งเมื่อไหร่ และใช้อย่างไร เพราะเทคโนโลยีใหม่ใดๆ ก็ตามต้องมีสมดุลในการปกป้องสิทธิการใช้งานที่เท่าเทียมกัน พร้อมต้องดำเนินการด้านนวัตกรรมอย่างต่อเนื่อง รวมถึงการนำเทคโนโลยีมาประยุกต์ใช้ให้เกิดประโยชน์จริง

องค์กรใดก็ตามที่ทำงานด้วยแมชชีนเลิร์นนิ่ง ควรให้ทั้งลูกค้า นักวิจัย นักวิชาการและกลุ่มคนอื่นๆ เข้ามามีส่วนร่วมในการประเมินประโยชน์ที่ดีที่สุดจากแมชชีนเลิร์นนิ่ง พร้อมความเสี่ยงที่อาจเกิดขึ้น และควรพูดคุยอย่างจริงจังกับผู้วางกฏระเบียบรองรับการใช้งานตามกฏหมาย สร้างแนวนโยบายสำหรับการใช้เทคโนโลยีแมชชีนเลิร์นนิ่งอย่างรับผิดชอบ

เราพูดถึงเรื่องแมชชีนเลิร์นนิ่งกันมามากแล้ว และยังไม่หมด เพราะยังอยู่ในช่วงต้น หากเรากำลังนำแมชชีนเลิร์นนิ่งมาช่วยเหลือลิงอุรังอุตัง ที่กำลังตกอยู่ในอันตรายได้ ให้ลองจินตนาการว่าแมชชีนเลิร์นนิ่ง จะช่วยอนุรักษ์มหาสมุทรและช่วยสิ่งมีชีวิตในท้องทะเลได้อย่างไร หากเรากำลังใช้เทคโนโลยีนี้สร้างภาพสแนปช็อตดิจิทัลของป่าบนโลกได้เรียลไทม์ ให้ลองจินตนาการว่าเทคโนโลยีนี้จะช่วยคาดการณ์และป้องกันไฟไหม้ป่าได้อย่างไร หากแมชชีนเลิร์นนิ่งนำมาใช้ในการเชื่อมต่อเกษตรกรรายย่อยเข้ากับผู้คนและทรัพยากรที่จำเป็นเพื่อสร้างศักยภาพทางเศรษฐกิจ ให้จินตนาการว่าแมชชีนเลิร์นนิ่งจะช่วยลดจำนวนผู้หิวโหยในโลกได้อย่างไร

"การจะบรรลุความเป็นจริงนี้ เราในฐานะภาคอุตสาหกรรม มีงานมากมายรออยู่ข้างหน้า ผมมองในแง่ดีอย่างเหลือเชื่อว่าแมชชีนเลิร์นนิ่งจะช่วยให้เราแก้โจทย์ที่ท้าทายที่สุดในโลกได้และสร้างประสบการณ์ที่น่าอัศจรรย์ให้กับผู้ใช้งานอย่างที่เราไม่เคยคิดฝันมาก่อน ก่อนที่เราจะรู้ตัว แมชชีนเลิร์นนิ่งก็จะกลายเป็นสิ่งคุ้นเคยเหมือนกับการเข้าถึงโทรศัพท์ของเรา"