MUSA หุ่นยนต์ผ่าตัดระดับ Super Micro ที่มนุษย์ไม่สามารถทำได้

ลองจินตนาการการผ่าตัดของแพทย์ ที่พยายามขยับมือในระดับความห่างแค่เพียงมิลลิเมตรมันเป็นสิ่งที่ทำได้ยากจริง ๆ หากต้องทำโดยใช้แพทย์ที่เป็นมนุษย์

นั่นเป็นเหตุผลว่าทำไมเรื่องราวของหุ่นยนต์ MUSA มันถึงไม่ธรรมดาที่หุ่นยนต์ผ่าตัดจากเนเธอแลนด์ตัวใหม่ ที่เพิ่งจะเข้าผ่าตัดด้วยกล้องจุลทรรศน์กำลังประสบความสำเร็จในมนุษย์จริง ๆ

ตามเอกสารที่ตีพิมพ์เมื่อวันอังคารในวารสารทางการแพทย์ Nature Communications แพทย์ทำการผ่าตัดด้วยหุ่นยนต์ระดับ Super Micro เป็นครั้งแรกโดยใช้อุปกรณ์หุ่นยนต์ผ่าตัดรูปแบบเฉพาะ 

โดย MUSA ผลิตโดย บริษัท Microsure ของเนเธอแลนด์ โดย MUSA’s จะถูกดำเนินการผ่านแพทย์โดยใช้จอยสติ๊กแบบคีมที่ติดตั้งบนโต๊ะผ่าตัดและคันเหยียบสำหรับบังคับการเคลื่อนไหว

สิ่งที่ทำให้ MUSA แตกต่างจากอุปกรณ์ผ่าตัดที่ใช้หุ่นยนต์ช่วยอื่น ๆ เช่น หุ่นยนต์ DaVinci ที่ใช้กันมาอย่างยาวนานแล้ว เพราะมันเป็นหุ่นยนต์ผ่าตัดที่ประสบความสำเร็จมากที่สุด นั่นคือมันสามารถเข้าไปในที่ DaVinci ไม่สามารถทำได้: เป้าหมายการผ่าตัดในระดับมิลลิเมตรที่ MUSA สามารถเข้าถึงได้ :

MUSA ช่วยแพทย์ผ่าตัดผู้ป่วยด้วยโรคมะเร็งเต้านม lymphedema ซึ่งแต่เดิมนั้นอัตราการรอดชีวิตจากมะเร็งเต้านมมีเพียงแค่หนึ่งในสาม ในสองปีหลังจากการผ่าตัดมะเร็งเต้านมครั้งแรก

การศึกษายืนยันประสิทธิภาพของหุ่นยนต์แสดงให้เห็นว่าผู้ป่วยที่ได้รับการรักษาด้วยการผ่าตัดระดับ Super Micro ของ MUSA ได้ช่วยปรับปรุงผลลัพธ์ที่เหนือกว่าหุ่นยนต์ผ่าตัดแบบอื่น ๆ ที่เคยมีมา ซึ่งทำให้ผู้ป่วยหายเร็วขึ้น

ตอนนี้ยังไม่มีราคาที่แน่นอนสำหรับหุ่นยนต์ผ่าตัดตัวใหม่นี้ และระบบที่ใกล้เคียงที่สุดกับ MUSA คือ DaVinci ที่มีราคาสูงถึง 2 ล้านเหรียญสหรัฐ ซึ่งก็อย่าคาดหวังที่จะเห็นมันในโรงพยาบาลทั่วไป เพราะเป็นการลงทุนที่สูงมาก ๆ

แต่สิ่งที่เราคาดหวังว่าจะได้เห็นในไม่ช้า คือ ข่าวเรื่องการทดลองการใช้ MUSA มากขึ้น และการพัฒนาเทคโนโลยีชนิดที่จะช่วยให้สามารถนำไปใช้ในวงกว้างมากยิ่งขึ้นในอนาคต หุ่นยนต์ DaVinci ปรากฏตัวขึ้นในปี 2000 และเพียงยี่สิบปีต่อมา เทคโนโลยีรวมถึงเซ็นเซอร์ใหม่ ๆ กำลังทำให้หุ่นยนต์เหล่านี้ ผ่าตัดในพื้นที่ขนาดเล็กลงเรื่อย ๆ ในระดับต่ำกว่ามิลลิเมตร 

และต้องบอกว่า MUSA นั้นเป็นมากกว่าการปฏิวัติการผ่าตัด มันทำให้เราเห็นว่าหุ่นยนต์กำลังจะเข้ามาท้าทายอาชีพหลัก ๆ ของมนุษย์เราเพิ่มมากขึ้นเรื่อย ๆ แม้กระทั่งอาชีพหมอผ่าตัด

แม้ตอนนี้มันจะเป็นเพียงแค่ตัวช่วยที่ยอดเยี่ยมของศัลยแพทย์ก็ตามที แต่อย่าลืมว่า ด้วยเทคโนโลยีอย่าง AI , Machine Learning ผสานกับ อุปกรณ์เซ็นเซอร์ที่มีความละเอียดสูงต่าง ๆ ที่กำลังก้าวหน้าไปอย่างรวดเร็วในปัจจุบันนั้น อีกไม่นาน เราอาจจะต้องยอมรับให้หุ่นยนต์ทั้งตัวเป็นผู้ผ่าตัดมนุษย์จริง ๆ ด้วยตัวมันเอง โดยไม่จำเป็นต้องพึ่งแพทย์ต่อไปอีกเลย ก็เป็นได้ครับผม

References : https://futurism.com/neoscope/musa-robot-surgery-supermicrosurgery-success

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

DARPA กำลังใช้คลื่นสมองของนักเล่นเกมเพื่อฝึกฝนหุ่นยนต์นักรบ

ทีมนักวิจัยด้านปัญญาประดิษฐ์ที่มหาวิทยาลัยบัฟฟาโลวางแผนที่จะศึกษาคลื่นสมองและการเคลื่อนไหวของดวงตานักเล่นเกมประมาณ 25 คน ในขณะที่พวกเขากำลังเล่นวิดีโอเกม

จากนั้นพวกเขาจะใช้ข้อมูลที่รวบรวมจากนักเล่นเกมเพื่อสร้าง AI ขั้นสูงเพื่อที่จะสามารถประสานการทำงานของกองยานยนต์ของหุ่นยนต์ AI ที่ใช้เทคโนโลยีการขับเคลื่อนแบบอัตโนมัติ

หน่วยงานวิจัยโครงการวิจัยขั้นสูงของกระทรวงกลาโหมสหรัฐหรือที่รู้จักกันดีในนาม DARPA ได้มอบเงินทุนจำนวน 316,000 เหรียญสหรัฐ ให้กับการศึกษาซึ่งนักวิจัย Souma Chowdhury นักวิจัยบอกกับทาง Digital Trends ว่างานวิจัยชิ้นนี้กำลังก้าวไปข้างหน้าอย่างรวดเร็ว

ทีมยังต้องมีการรวบรวมข้อมูลนักเล่นเกม แต่นั่นก็ไม่ควรใช้เวลานานเกินไป นักวิจัยได้สร้างเกมวางแผนแบบเรียลไทม์สำหรับการศึกษาโดยใช้เวลาประมาณ 5 ถึง 10 นาที ในการเล่นแต่ละเกม ถ้านักเล่นเกมแต่ละคนเล่นได้ หกหรือเจ็ดเกม Chowdhury คาดว่าทีมงานของเขาจะมีข้อมูลมากพอที่จะฝึกอบรม AI ของพวกเขา

ท้ายที่สุดนักวิจัยหวังว่าจะได้ AI ที่สามารถเป็นแนวทางในการทำงานของกลุ่มหุ่นยนต์ 250 ตัวทั้งบนพื้นดินและในอากาศ ทำให้กองยานหุ่นยนต์ใหม่นี้ สามารถที่จะสำรวจสภาพแวดล้อมที่ไม่สามารถคาดเดาได้ด้วยตนเองในอนาคต

“ มนุษย์สามารถสร้างกลยุทธ์ที่ไม่เหมือนใครซึ่ง AI อาจไม่เคยเรียนรู้มาก่อน” Chowdhury กล่าวกับ Digital Trends“ สิ่งที่เราเห็นใน AI นั้นอยู่ในแอปพลิเคชั่นที่มีสภาพแวดล้อมที่ค่อนข้างแน่นอน แต่ในแง่ของการให้เหตุผลเชิงบริบทในสภาพแวดล้อมจริง เพื่อทำสิ่งต่างๆ นั้น ยังอยู่ในช่วงตั้งไข่ เพียงเท่านั้น ยังต้องมีการเรียนรู้จากมนุษย์อีกเยอะมาก ๆ ”

ความคิดเห็นเพิ่มเติมจากผู้เขียน

เป็นอีกหนึ่งงานวิจัยที่น่าสนใจมาก ๆ สำหรับการนำ AI มาเรียนรู้จากผู้เล่นเกม แน่นอนว่าเรื่องทำนองนี้เคยสำเร็จมาแล้วอย่างยิ่งใหญ่ในเกมโกะ ที่ Alpha Go ที่เริ่มต้นก็เรียนรู้จากหมากกระดานของผู้เล่นทั่วโลกก่อนพัฒนาตัวเองจนสามารถเอาชนะแชมป์โลกได้สำเร็จ

เราจะเห็นได้ว่า เป็น Trend ที่ชัดเจนมาก ๆ ที่เรื่องของการรบในอนาคตนั้น AI และ หุ่นยนต์จะเข้ามามีบทบาทที่สำคัญอย่างแน่นอนหากเกิดสงครามใหญ่ขึ้นมาจริง ๆ ซึ่งเราจะเห็นการรบแบบใหม่ ที่มีประสิทธิภาพและความแม่นยำสูง แบบที่ไม่เคยเห็นมาก่อนในสงครามครั้งไหน ๆ ที่ผ่านมาอย่างแน่นอนครับ หากเกิดสงครามโลกครั้งที่ 3 ขึ้นมาจริง ๆ

References : https://www.digitaltrends.com/cool-tech/brain-training-future-swarm-robot-armies

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

Robots To The Rescue กับเทคโนโลยีหุ่นยนต์ช่วยลดการแพร่ระบาดของ Coronavirus

เมื่อแพทย์ในโรงพยาบาลวอชิงตันพยายามรักษาผู้ป่วยที่ได้รับการยืนยันครั้งแรกของ อู่ฮั่น coronavirus ในสหรัฐอเมริกา เมื่อวันพุธที่ผ่านมาพวกเขาใช้อุปกรณ์ที่เรียกว่า Vici ที่อนุญาตให้พวกเขาโต้ตอบกับผู้ป่วยของพวกเขาโดยผ่านหน้าจอ 

อุปกรณ์ telehealth ซึ่งดูเหมือนแท็บเล็ตที่มีล้อที่แพทย์สามารถใช้พูดคุยกับผู้ป่วยและทำหน้าที่วินิจฉัยขั้นพื้นฐาน เช่น การวัดอุณหภูมิของพวกเขา ถือเป็นหนึ่งในเครื่องจักรไฮเทคจำนวนหนึ่งที่แพทย์ พนักงานสนามบิน และพนักงานโรงแรมใช้ เพื่อลดการระบาดของโรคที่ถูกค้นพบในอู่ฮั่นประเทศจีนในช่วงปลายเดือนธันวาคมที่ผ่านมา 

“ ผู้ดูแลให้การดูแลภายในหน่วยที่แยกออกมาเพื่อป้องกันการแพร่ระบาด แต่เทคโนโลยีช่วยให้เราสามารถลดจำนวนการสัมผัสอย่างใกล้ชิด” ดร. เอมี่ คอมป์ตัน – ฟิลลิปส์ หัวหน้าเจ้าหน้าที่คลินิกของ Providence Regional Medical Center ในเอเวอเรตต์ วอชิงตัน ซึ่งผู้ป่วยที่ติดเชื้อ Coronavirus อยู่กำลังรับการรักษาอยู่ในขณะนี้

Vici ผลิตโดยบริษัทด้านเทคโนโลยีสุขภาพในแคลิฟอร์เนีย มีลักษณะคล้ายกับแท็บเล็ตบนล้อและสามารถปกป้องผู้ดูแลจากการติดเชื้อได้อย่างมีประสิทธิภาพ

“ การลดการแพร่กระจายของไวรัสตัวใหม่นี้มีความสำคัญอย่างยิ่ง เพราะเรายังไม่สามารถสร้างวัคซีนให้แก้ไขมันได้” คอมป์ตัน – ฟิลลิปส์ กล่าว ซึ่งในระหว่างการระบาดของโรคซาร์สไวรัสในโรคซาร์สในปี 2003 ผู้ป่วยส่วนใหญ่ที่ได้รับผลกระทบคือเจ้าหน้าที่ด้านสุขภาพ 

คณะกรรมการสุขภาพแห่งชาติของจีนและศูนย์ควบคุมและป้องกันโรคบอกว่าเชื้อสามารถแพร่กระจายจากคนสู่คนทำให้อุปกรณ์ telehealth และหุ่นยนต์ที่ลดการสัมผัสของมนุษย์ในโรงพยาบาลเป็นอุปกรณ์ที่ช่วยลดการแพร่กระจายของเชื้อดังกล่าวได้  

“การไม่ต้องอยู่ในพื้นที่เดียวกับผู้ป่วยเป็นสิ่งที่ดีที่สุดสำหรับเจ้าหน้าที่ ที่ควรจะหลีกเลี่ยง ผู้คนจำนวนน้อยที่สัมผัสกับผู้ป่วยที่ติดเชื้อ จะเป็นสิ่งที่ดีกว่า” Peter Seiff ผู้บริหารของAethon บริษัท เอกชนที่ตั้งอยู่ในเมือง Pittsburgh ที่จำหน่ายหุ่นยนต์ที่เรียกว่า TUG ที่ใช้ในการจัดการเวชภัณฑ์แบบอัตโนมัติทั่วโรงพยาบาล

อุปกรณ์ telehealth Vici และหุ่นยนต์ TUG ถูกนำมาใช้ในโรงพยาบาลทั่วสหรัฐอเมริกา
อุปกรณ์ telehealth Vici และหุ่นยนต์ TUG ถูกนำมาใช้ในโรงพยาบาลทั่วสหรัฐอเมริกา

หุ่นยนต์ TUG ของ Aethon ถูกนำไปใช้ในกว่า 140 แห่ง แม้ว่า บริษัท จะไม่แสดงความคิดเห็นว่าอุปกรณ์ดังกล่าวถูกใช้งานในโรงพยาบาลใด ๆ ในสหรัฐอเมริกาหรือไม่ ซึ่งมีผู้ป่วยมากกว่า 240 รายได้รับการตรวจหา coronavirus ใหม่ ที่ได้ฆ่าชีวิตอย่างน้อย 200 คนในประเทศจีนไปแล้ว 

ตามรายงานข่าวของจีน มีการใช้งานหุ่นยนต์เพื่อส่งมอบอาหารและเวชภัณฑ์ให้กับผู้ที่สงสัยว่าติดไวรัส หุ่นยนต์ตัวหนึ่งที่ชื่อว่า “Little Peanut ” กำลังส่งมอบอาหารให้กับผู้คนที่ถูกกักกันในโรงแรม ขณะที่โรงพยาบาลทางตอนใต้ของจีนได้ใช้งานหุ่นยนต์เพื่อทำการส่งยารักษาโรคและเก็บผ้าปูที่นอนและขยะ

นอกเหนือจากการส่งยา และ การรักษาแบบ telehealth กำลังมีความต้องการเพิ่มขึ้นสำหรับหุ่นยนต์สำหรับการทำความสะอาดและฆ่าเชื้อ

หุ่นยนต์ Xenex บริษัท ในซานอันโตนิโอ รัฐเท็กซัสซึ่งขายหุ่นยนต์ที่ใช้แสงซีนอน UVC พัลส์ เพื่อกำจัดเชื้อโรคกล่าวว่าอุปกรณ์ของ บริษัท กำลังถูกใช้ในการทำความสะอาดห้องพักในสถานที่ที่มีผู้ป่วยสงสัยว่าติดเชื้อดังกล่าวเช่นเดียวกัน 

“ ทีมวิทยาศาสตร์ของเราได้โทรศัพท์ติดต่อกับโรงพยาบาลเพื่อหารือเกี่ยวกับโปรโตคอลสำหรับการฆ่าเชื้อในห้องและพื้นที่ที่ผู้ป่วยสงสัยได้รับการรักษา” Melinda Hart โฆษกกล่าว “ เราได้ติดต่อกับหน่วยงานภาครัฐในประเทศจีนและสหรัฐอเมริกาเพื่อสำรวจว่าเราสามารถส่งออกหุ่นยนต์ไปยังประเทศจีนได้เร็วแค่ไหน”

ในขณะเดียวกัน บริษัท Dimer ซึ่งเป็น บริษัท ในลอสแองเจลิสได้เสนอเครื่องฆ่าเชื้อโรคให้กับสายการบินแห่งหนึ่งที่สนามบินนานาชาติของเมืองฟรี โดยปกติอุปกรณ์ GermFalcon ขายในราคา 100,000 เหรียญสหรัฐ ต่อหน่วย 

Dimer GermFalcon ดำเนินการบนเครื่องบินที่ LAX
Dimer GermFalcon ดำเนินการบนเครื่องบินที่ LAX

“ เราได้ทำการฆ่าเชื้อภายใจเครื่องบินขาเข้าจากประเทศจีนที่ LAX ในช่วงหลายวันที่ผ่านมา” Elliot M. Kreitenberg ประธานของ Dimer กล่าว “เครื่องของเราเหมาะกับการตกแต่งภายในของเครื่องบิน อุปกรณ์ที่ดูเหมือนชิ้นส่วนปริศนา และให้แสงอัลตราไวโอเลตปริมาณสูงแก่พื้นผิวที่คุณสัมผัสมากที่สุดในเที่ยวบินระยะไกลจากประเทศจีน” 

ในขณะที่เครื่องช่วยเหลือเหล่านี้ด้วยเทคโนโลยีใหม่ ๆ อย่างหุ่นยนต์ มีมากขึ้น กว่าตอนในช่วงการระบาดของโรคซาร์ส ในปี 2003 ทำให้สามารถช่วยลดการแพร่กระจายของไวรัสใหม่ ๆ ได้อย่างมีประสิทธิภาพมากยิ่งขึ้นนั่นเอง

ความคิดเห็นเพิ่มเติมจากผู้เขียน

แน่นอนว่า โลกเราได้เรียนรู้ผ่านการระบาดของไวรัสครั้งใหญ่ ตัวอย่างของโรคซาร์ส ในปี 2003 ซึ่งทำให้เราสามารถสร้างเครื่องมือที่มีประสิทธิภาพ โดยเฉพาะเทคโนโลยีใหม่ ๆ อย่างหุ่นยนต์ หรือ Telehealth เพื่อป้องกันการกระจายของไวรัสได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

ก่อนหน้านี้ เทคโนโลยีอย่าง Machine Learning ของ BlueDot ก็สามารถช่วยในการทำนายการแพร่กระจาย ของไวรัสได้อย่างมีประสิทธิภาพ ซึ่งในอนาคต ผมก็เชื่อว่าเทคโนโลยีใหม่ ๆ เหล่านี้ จะมีบทบาทที่สำคัญ ที่จะช่วยให้ ไวรัสใหม่ ๆ ที่จะเกิดขึ้น สร้างความเสียหายให้กับโลกเราได้น้อยลงเรื่อย ๆ ได้อย่างแน่นอนครับ

References : https://www.forbes.com/sites/jilliandonfro/2020/02/02/robots-to-the-rescue-how-high-tech-machines-are-being-used-to-contain-the-wuhan-coronavirus/#6e61b73f1779

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

Data Science กับอีกหนึ่งปัจจัยสำคัญที่ทำให้ Liverpool ของ Klopp เป็นทีมที่ยากที่จะต่อกร

87 นาทีของเกมส์ในลอนดอนเหนือ ใน Big Match นัดล่าสุดที่ผ่านมา ในขณะที่ทีมของ Jose Mourinho กุนซือของท็อตแนมฮ็อทสเปอร์ถูกตรึงสกอร์ไว้ด้วยความหมดหวัง ทีมของ Mourinho พยายามทุกวิถีทางเพื่อตีเสมอ แต่สเปอร์ก็ไม่สามารถเจาะเพิ่มทำประตูได้ แม้จะได้โอกาสที่ยอดเยี่ยมจาก Heung-min Son และ Giovani Lo Celso ในช่วงท้ายเกมส์ก็ตามที

แต่หลายคนอาจจะไม่ทันสังเกตว่า ณ ช่วงเวลาหนึ่งของเกมส์ ลิเวอร์พูลได้หยุดโมเมนตัมของสเปอร์ลงอย่างเลือดเย็น เมื่อ Dele Alli พาบอลเข้ามาใกล้เส้นครึ่งสนาม ทีมของ Jürgen Klopp ได้ปรับเปลี่ยนรูปแบบการเล่นให้ผู้เล่นกระจายตัวเป็นบล็อกที่แคบและมีความแข็งแกร่งดั่งหินผา และให้คู่ต่อสู้ทำได้เพียงเคาะบอลไปมารอบ ๆ ปราการป้อมสุดแข็งแกร่งของลูกทีมของเขาเพียงเท่านั้น

ผู้เล่น 10 คนที่สวมชุดสีแดงของทีมลิเวอร์พูล มีการยืนตำแหน่งอยู่ในตำแหน่งกลางสนามโดยมีระยะห่างจากด้านหลังไปด้านหน้าและจากด้านหนึ่งไปอีกด้านหนึ่งรวมกันไม่เกิน 20 หลา ซึ่งเป็นเรื่องน่าประหลาดใจ ในวิธีการทำงานและแน่นอนว่าการแข่งขันจบลงด้วยชัยชนะอย่างสวยงามของทีมลิเวอร์พูล

ตอนนี้ทีมหงส์แดงเสียประตูรวมทั้งสิ้นเพียงแค่ 7 ประตู ซึ่งถือว่าน้อยที่สุดในพรีเมียร์ลีกในฤดูกาลนี้ และมันไม่ใช่เรื่องบังเอิญแน่นอนกับการเสียประตูน้อยขนาดนี้ มันล้วนเกิดจากความสามารถของทีมแทบจะทั้งสิ้น ในการควบคุมเกมส์ในสนามให้ได้ดั่งใจของพวกเขา 

แน่นอนว่า สโมสรฟุตบอลขนาดใหญ่ส่วนใหญ่มีแผนกวิเคราะห์ข้อมูล แต่มีน้อยมากที่รวมเอาความรู้ดังกล่าวไปใช้ในการตัดสินใจระดับสูงและกระบวนการเล่น รวมถึง แท็กทิคต่าง ๆ ตามสิ่งที่ลิเวอร์พูลกำลังทำ

ลิเวอร์พูลฟอร์มกระชับบล็อกในใจกลางของสนามในช่วงปลายของการแข่งขันกับสเปอร์ส
ลิเวอร์พูลทำการกระชับระยะของผู้เล่นในใจกลางของสนามในช่วงท้ายของการแข่งขันกับสเปอร์ส

Michael Edwards ผู้อำนวยการด้านการกีฬาของสโมสรเป็นอดีตนักวิเคราะห์ ซึ่งก่อนหน้านี้เขาเคยทำงานที่สโมสร Portsmouth และ Spurs ซึ่งเขาได้มีโอกาสมารับตำแหน่งที่แอนฟิลด์ โดยปัจจุบันเขามีบทบาทหลัก โดยเป็นศูนย์กลางในการดูแลผลประโยชน์ระยะกลางถึงยาวของสโมสร รวมถึงการทำให้มั่นใจว่าทุกแผนกได้รับการจัดการอย่างราบรื่นที่สุด

เฟนเวย์สปอร์ตกรุ๊ปเจ้าของสโมสรฟุตบอลลิเวอร์พูล มีประวัติความเป็นมาที่ไม่ธรรมดาอยู่แล้วในเรื่องของการรวบรวมข้อมูล รวมถึงเรื่องของ Data Science จอห์น เฮนรี่ เข้าไปลงทุนในกีฬาเบสบอลก่อนที่จะเข้ามายังโลกของฟุตบอล

เขามีชื่อเสียงในการแต่งตั้ง Billy Beane ชายผู้อยู่เบื้องหลังแนวคิดของ Moneyball โดยได้เซ็นสัญญามูลค่า 12.5 ล้านเหรียญ ที่ทำให้ Beane กลายมาเป็นผู้จัดการทั่วไปของบอสตันเรดซอกซ์ในปี 2002 ก่อนถูกควบรวมโดย FSG หลังจากนั้นไม่นาน และตอนนี้แนวคิดของ Beane ได้สร้างความแตกต่างให้กับความสำเร็จของทีมบอสตันเรดซอกซ์อย่างที่เราได้รู้กัน

ผลงานที่เป็นรูปธรรมชัดเจนจากการใช้ Data ของ Billy Beane
ผลงานที่เป็นรูปธรรมชัดเจนจากการใช้ Data ของ Billy Beane

Ian Graham เป็นผู้อำนวยการฝ่ายวิจัยของ Liverpool โดยเขาได้รับปริญญาเอกในสาขาฟิสิกส์เชิงทฤษฎี และเชื่อในการประเมินผู้เล่นและแนวโน้มที่กว้างขึ้นในวงการกีฬา โดยการคำนวนผ่านตัวเลขที่มีความซับซ้อนสูง 

โดยการพัฒนาเรื่องดังกล่าวกับวงการฟุตบอล สามารถทำได้เมื่อมีการวิเคราะห์รายละเอียดในระดับเชิงลึกด้วยกราฟฟิก ทำให้เกิดรูปแบบข้อมูลที่เฉพาะเจาะจงในการทำความเข้าใจกับสิ่งที่แสดงให้เห็นว่าเป็นพื้นที่การครอบครองบอลของทีม

Tim Waskett นักดาราศาสตร์ฟิสิกส์และ Will Spearman ผู้มีปริญญาเอกด้านปรัชญาเป็นสมาชิกของทีม Data Science ของลิเวอร์พูล ทั้งสองได้พูดต่อสาธารณะเกี่ยวกับแนวคิดของการควบคุมพื้นที่การครอบครองบอลของทีม ด้วยตัวอย่างข้อมูลกราฟิกที่ใช้ในการจับภาพแนวคิดดังกล่าว

การสร้างภาพการควบคุมระดับเสียงซึ่งจับภาพพื้นที่ของพื้นที่ที่ควบคุมโดยผู้เล่นบางคน
การสร้างภาพพื้นที่การครอบครองบอลของทีมซึ่งมีการจับภาพพื้นที่ที่ควบคุมโดยผู้เล่นบางคน

ผู้เล่นที่ล้อมรอบด้วยวงกลมสีเหลืองคือคนที่ครอบครองบอลอยู่ และที่สำคัญทีมของเขาสามารถเข้าถึงพื้นที่ของสนามที่เป็นสีฟ้าตามภาพด้านบน ในขณะที่พื้นที่สีแดงส่วนใหญ่จะเป็นพื้นที่ที่ถูกครองบอลโดยทีมคู่แข่ง ซึ่งจากข้อมูลดังกล่าวผู้เล่นควรที่จะผ่านบอลเข้าไปให้เพื่อนร่วมทีมที่อยู่ในโซนสีฟ้า

Waskett ได้กล่าวว่า การรวมข้อมูลเหตุการณ์และข้อมูลที่มีการติดตามการเล่นของทีมลิเวอร์พูล ทำให้สามารถเข้าใจได้ว่าแต่ละการกระทำบนสนามส่งผลกระทบต่อความน่าจะเป็นของการทำประตูได้อย่างไร ซึ่งหนึ่งในกราฟิกที่ใช้ในการแสดงทฤษฎีดังกล่าว สามารถดูได้จากด้านล่าง

แนวคิดการควบคุมระดับเสียงของลิเวอร์พูลพิจารณาว่าพื้นที่ใดในสนามที่ดีที่สุดที่จะใช้ในเวลาใดก็ตาม
แนวคิดพื้นที่การครอบครองบอลของทีมลิเวอร์พูล โดยพิจารณาว่าพื้นที่ใดในสนามเป็นพื้นที่ที่ดีที่สุดที่จะใช้ในเวลาใด ๆ ก็ตาม

Waskett กล่าวว่า: “นักเตะที่มีวงกลมพื้นสีแดงคือนักเตะของลิเวอร์พูล และพื้นที่สีแดงเป็นพื้นที่ที่พวกเขาสามารถเข้าถึงได้เร็วกว่าผู้เล่นสีน้ำเงิน ซึ่งทุกอย่างจะถูกคำนวณให้กลายเป็นความน่าจะเป็นผ่านตัวเลขการคำนวณที่มีความซับซ้อน

และค่าจากตัวอย่างนี้ 1.3% แสดงความน่าจะเป็นที่ลูกบอลจะไปอยู่ในตำแหน่งดังกล่าวภายใน 15 วินาทีถัดไป ” ข้อมูลดังกล่าวมีความซับซ้อนสูง แต่เมื่อข้อมูลดิบเหล่านี้ได้รับการกรองและนำไปใช้ภายในสโมสร การค้นพบนี้สามารถทำให้ลิเวอร์พูลสร้างความได้เปรียบเหนือคู่แข่งที่ยังไม่พัฒนาในเรื่องดังกล่าวได้อย่างมีประสิทธิภาพมาก ๆ

Klopp เป็นคนรับผิดชอบหลักในการฝึกทีม ซึ่งข้อสรุปใด ๆ ที่ได้รับแนะนำโดยแผนก Data Science ของสโมสรจะต้องนำมาตีความและนำไปใช้ในแง่ของการเล่นฟุตบอลโดยตัวของ Klopp เอง

ซึ่งมีสถิติที่น่าสนใจก็คือ ลิเวอร์พูลยิงถูกยิงเข้ากรอบเพียงแค่ 55 ครั้งเท่านั้น ในพรีเมียร์ลีกในฤดูกาลนี้ (สถิติถึงเกมส์กับสเปอร์) ซึ่งดีกว่าอันดับสองอย่างเชลซีที่ 65 ครั้ง ใน ตามด้วยแมนเชสเตอร์ซิตี้ที่ 70 ครั้ง ซึ่งเป็นไปได้ว่าแนวการป้องกันของลิเวอร์พูลและกลยุทธ์การบล็อกตรงกลางของทีม อย่างที่เห็นในการเล่นกับสเปอร์ ทำให้ประสิทธิภาพในเกมส์รับของลิเวอร์พูลสูงมาก ๆ ในฤดูกาลนี้

ทางฝั่งของเกมส์รุก เทรนต์ อเล็กซานเดอร์ – อาร์โนลด์และแอนดี้ โรเบิร์ตสันส์ กำลังโด่งดังจากการผ่านบอลครอสสนาม ซึ่งต้องบอกว่าการกระทำรูปแบบนี้นั้นค่อนข้างแปลกใหม่สำหรับเกมส์ฟุตบอลในยุคนี้

แต่มันมีเหตุผลรองรับเพียงพอที่ว่าการกระทำเหล่านี้เกิดจากแนวคิดของการจัดการพื้นที่การครอบครองบอล อเล็กซานเดอร์ – อาร์โนลด์ซึ่งเคยเผชิญหน้ากับสเปอร์สที่แอนฟิลด์ในช่วงต้นฤดูกาลและข้อมูลสถิติการผ่านบอลของเขาในเกมส์แรกแสดงดังภาพด้านล่าง

เครือข่ายผ่านของเทรนต์อเล็กซานเดอร์อาร์โนลด์กับสเปอร์สที่แอนฟิลด์
เส้นทางการผ่านบอลของเทรนต์อเล็กซานเดอร์อาร์โนลด์ในเกมส์กับสเปอร์สที่แอนฟิลด์

จากรูปแสดงให้เห็นการผ่านบอลแบบแนวทแยงมุม ชี้ให้เห็นว่าการผ่านบอลลักษณะนี้ของ อเล็กซานเดอร์ – อาร์โนลด์ ได้รับคำสั่งจาก Klopp อย่างจงใจ

กองกลางของลิเวอร์พูลได้รับการวิพากษ์วิจารณ์ในช่วงไม่กี่ปีที่ผ่านมาเนื่องจากขาดความคิดสร้างสรรค์ แต่จะเกิดอะไรขึ้นถ้าใช้ข้อมูลการจัดการพื้นที่การครอบครองบอลผ่าน Data Science ? 

ความเสี่ยงในการครอบครองโดยทั่วไปแล้วนั้น จะถูกนำมาใช้โดยกองหลังเต็มรูปแบบของทีม ในขณะที่กองกลางกลางในทีมของ Klopp มุ่งไปที่การรักษาวินัยในการเล่นและมุ่งเน้นไปที่การรักษาสมดุลของทีมเป็นหลัก 

ซึ่งบางทีแผนก Data Science ของลิเวอร์พูลได้ค้นพบจุดศูนย์กลางของสนามที่สำคัญที่สุดในการป้องกัน ดังนั้นผู้เล่นอย่าง Jordan Henderson และ Gini Wijnaldum ก็มักจะเล่นบอลแบบ Play-Safe อยู่เสมอ อย่างที่เราได้เห็นกันมาตลอด

และในทางกลับกัน พื้นที่แนวรุก ด้านใน ทั้งด้านขวาและซ้าย ที่นำโดย Sandio Mane และ Mohamed Salah และ ช่องว่างตรงกลางหลังแนวรับฝั่งคู่แข่ง อาจจะได้รับการพิจารณาว่าเป็นพื้นที่ที่มีประสิทธิภาพมากที่สุดในการใช้ในการโจมตีนั่นเอง

ลิเวอร์พูลทำคะแนนกับเอฟเวอร์ตันด้วยการกดผ่านด่านยาว ๆ ง่ายๆ
ลิเวอร์พูลโจมตีเอฟเวอร์ตันด้วยการวางบอลยาวแบบง่าย ๆ

ไม่มีใครรู้ว่าว่าทีมลิเวอร์พูลได้ค้นพบสุดยอดความลับจาก Data Science มาน้อยเพียงใด ที่ส่งผลให้ทีมฟอร์มแข็งแกร่งอย่างที่เราได้เห็นในปัจจุบันนี้ แต่เมื่อพิจารณาว่าพวกเขาสามารถคว้าแชมป์สโมสรโลกและแพ้ในการแข่งขันพรีเมียร์ลีกเพียงครั้งเดียวตั้งแต่เดือนพฤษภาคม 2018 มันเป็นไปได้สูง ที่ข้อได้เปรียบที่ได้รับจาก Data Science จะส่งผลอย่างมากต่อทีมลิเวอร์พูลในยุคของ Klopp อย่างที่เราได้เห็นกันในทุกวันนี้นั่นเองครับ

ความคิดเห็นเพิ่มเติมจากผู้เขียน

แน่นอนว่ามันไม่ใช่เรื่องบังเอิญ ที่ทำให้ทีมอย่างลิเวอร์พูลก้าวมาถึงจุดที่เราเห็นในวันนี้ มันต้องประกอบด้วยส่วนประกอบที่ลงตัวหลาย ๆ ส่วน ไม่ใช่แค่เพียงความสามารถจากกุนซือสมองเพชรอย่าง Jurgen Klopp เพียงอย่างเดียว

การเปลี่ยนแปลงของลิเวอร์พูลมันชัดเจนมาตั้งแต่การเข้ามา take over สโมสรของ จอห์น เฮนรี่ ซึ่งเขาเป็นคนที่มีประวัติไม่ธรรมดา เมื่อสามารถทำทีมเบสบอลอย่าง บอสตันเรดซอกซ์ ประสบความสำเร็จมาแล้ว ด้วยการใช้ข้อมูลจาก Billy Beane

ซึ่งผมก็เป็นคนหนึ่งที่เป็นแฟนฟุตบอลตัวยงแต่เชียร์ทีมปืนใหญ่ อาเซน่อล ซึ่ง ได้มองเห็นภาพความสำเร็จทีละขั้น ๆ ของลิเวอร์พูลมาโดยตลอด และไม่แปลกใจเลยเมื่อได้อ่านข้อมูลจากบทความนี้ ที่ Data Science กลายมาเป็นปัจจัยที่สำคัญชี้ขาดอย่างหนึ่งที่ยกระดับความสามารถของทีมลิเวอร์พูลให้แข็งแกร่งได้ถึงเพียงนี้

เราจะเห็นได้ว่า ลิเวอร์พูล เล่นอะไรง่าย ๆ ไปเสียหมด การรุกที่จังหวะไม่มากนัก แต่มีประสิทธิภาพเป็นอย่างยิ่ง แนวป้องกัน ที่ยากที่จะเจาะเข้าไปทำลาย ซึ่งแม้กระทั่งเป๊บ กุนซือมากความสามารถ ก็ยังต้องยอมศิโรราบให้กับลิเวอร์พูลในยุคนี้

แน่นอนว่าทีมอื่น ๆ ก็ต้องมาเริ่มโฟกัสกับเรื่องของข้อมูล โดยเฉพาะงานด้าน Data Science ให้มากยิ่งขึ้น เพราะนับวันทีมลิเวอร์พูลจะทิ้งห่างคู่แข่งออกไปเรื่อย ๆ เมื่อส่วนผสมของพวกเขาลงตัวในทุก ๆ จุด และส่วนผสมที่สำคัญระหว่างศาสตร์ทางด้านฟุตบอลของ Klopp และ ศาสตร์ด้านข้อมูลที่มาจากทีมงาน Data Science ของพวกเขา กำลังแสดงให้โลกเห็นว่า ข้อมูลนั้นสำคัญเพียงใดกับเกมส์ฟุตบอล ซึ่งสุดท้ายมันอาจจะทำให้พวกเขาประสบความสำเร็จ และยากที่จะมีคู่แข่งมาต่อกร ไปอีกนานแสนนานเลยทีเดียวนั่นเองครับผม

References : https://www.liverpool.com/liverpool-fc-news/features/liverpool-transfer-news-jurgen-klopp-17569689 https://www.fourfourtwo.com/news/liverpool-pepijn-lijnders-jurgen-klopp-assistant-manager-lifts-lid-working-what-it-is-like

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

เมื่อ AI พบการแพร่ระบาด ไวรัสโคโรน่า ได้เร็วกว่ามนุษย์

เมื่อวันที่ 9 มกราคม องค์การอนามัยโลก (WHO) ได้แจ้งให้สาธารณชนทราบถึงการระบาดของไข้หวัดใหญ่สายพันธุ์ใหม่ในประเทศจีน : โดยมีรายงานผู้ป่วยโรคปอดบวมจำนวนหนึ่งในเมือง หวู่ฮั่น ของประเทศจีน 

ส่วนศูนย์ควบคุมและป้องกันโรคแห่งประเทศสหรัฐอเมริกาได้ออกเตือนมาไม่กี่วันก่อนหน้านี้ในวันที่ 6 มกราคม แต่สิ่งที่เหลือเชื่อก็คือ แพลตฟอร์ม AI ด้านการตรวจสอบสุขภาพของแคนาดาได้ทำนายการระบาดของโรคให้กับลูกค้าตั้งแต่วันที่ 31 ธันวาคม

BlueDot ใช้ อัลกอริทึมที่ขับเคลื่อนด้วยพลังของ AI ซึ่งมีรายงานข่าวและประกาศอย่างเป็นทางการเพื่อแจ้งเตือนลูกค้าล่วงหน้าเพื่อหลีกเลี่ยงการเดินทางไปยังพื้นอันตราย เช่น หวู่ฮั่น ในประเทศจีน

ส่วนเรื่องความเร็วในระหว่างการระบาด ฝั่งของเจ้าหน้าที่จีนดูเหมือนจะไม่มีประวัติที่ดีในการแบ่งปันข้อมูลเกี่ยวกับโรคว่าข้อมูลที่แท้จริงเป็นอย่างไรกันแน่ แต่เจ้าหน้าที่สาธารณสุขของ WHO และ CDC ก็ต้องพึ่งพาเจ้าหน้าที่สาธารณสุขจากจีนเพื่อตรวจสอบการระบาดของโรคจากไวรัส โคโรน่าใหม่นี้  “เรารู้ว่ารัฐบาลจีนอาจไม่ได้รับความเชื่อถือในการให้ข้อมูลตามกรอบเวลาที่กำหนด” Kamran Khan ผู้ก่อตั้งและซีอีโอของ BlueDot กล่าว “แต่เราสามารถรับข่าวสารของการระบาดที่อาจเกิดขึ้นจากฟอรัมหรือบล็อกที่บ่งบอกถึงเหตุการณ์ผิดปกติบางประเภทที่เกิดขึ้น”

Khan กล่าวว่าอัลกอริทึมไม่ได้ใช้ข้อมูลจากโพสต์ต่าง ๆ ในสื่อสังคมออนไลน์เพราะข้อมูลนั้น มีความซับซ้อนเกินไป แต่เขาใช้อีกสิ่งหนึ่งซึ่งก็คือ : การเข้าถึงข้อมูลการจองตั๋วเครื่องบินของสายการบินทั่วโลกที่สามารถช่วยทำนายได้ว่าประชาชนจะติดเชื้อที่ไหนและเมื่อไหร่ โดยสามารถทำนายได้อย่างถูกต้องว่าไวรัสจะแพร่จากหวู่ฮั่นไปยังกรุงเทพฯ โซล ไทเป และโตเกียวในวันต่อมาหลังจากที่ปรากฏตัวครั้งแรก

bluedot สามารถทำนายการกระจายได้อย่างแม่นยำ
bluedot สามารถทำนายการกระจายได้อย่างแม่นยำ

Khan ผู้ซึ่งทำงานเป็นผู้เชี่ยวชาญโรคติดเชื้อในโรงพยาบาลในโตรอนโตในช่วงที่โรคซาร์สระบาดในปี 2003 ซึ่งเขาฝันที่จะหาวิธีที่ดีกว่าในการติดตามโรค โดยไวรัสโรคซาร์สนั้นก็เริ่มต้นในประเทศจีนและแพร่กระจายไปยังฮ่องกงจากนั้นก็ไปยังโตรอนโต 

โดย Khan กล่าวถึงการระบาดของโรคโคโรน่าไวรัสว่า “ ในปี 2003 ผมเฝ้าดูเชื้อไวรัสดังกล่าวแพร่กระจายไปทั่วเมืองและทำให้โรงพยาบาลเกิดความโกลาหล ทำให้เหล่าเจ้าหน้าที่เกิดความเหนื่อยล้าทั้งจิตใจและร่างกายเป็นอย่างมาก และผมคิดว่า ‘เราจะไม่ทำสิ่งนี้อีกต่อไป’”

หลังจากได้ทดสอบโปรแกรมการทำนายหลายครั้ง Khan ได้เปิดตัว BlueDot ในปี 2014 และระดมทุนได้ 9.4 ล้านดอลลาร์ โดยขณะนี้ บริษัท มีพนักงาน 40 คน โดยแพทย์และโปรแกรมเมอร์ที่คิดค้นโปรแกรมการเฝ้าระวังโรคซึ่งใช้การประมวลผลภาษาธรรมชาติ (Natural Language Processing) และเทคนิคของ Machine Learning เพื่อคอย Monitor ผ่านรายงานข่าวใน 65 ภาษาพร้อมกับข้อมูลสายการบินและรายงานการระบาดของโรคจากสัตว์ “

เมื่อมีการกรองข้อมูลแบบอัตโนมัติเสร็จสิ้น หลังจากนั้นจะเป็นการวิเคราะห์ของมนุษย์ Khan กล่าว นักระบาดวิทยาตรวจสอบว่าข้อสรุปมีเหตุผลจากมุมมองทางวิทยาศาสตร์จากนั้นรายงานจะถูกส่งไปยังลูกค้าทั้งรัฐบาล ธุรกิจ และเครือข่ายสาธารณสุข

จากนั้นรายงานของ BlueDot จะถูกส่งไปยังเจ้าหน้าที่สาธารณสุขในหลาย ๆ ประเทศ (รวมถึงสหรัฐอเมริกาและแคนาดา) โดย BlueDot ไม่ได้ขายข้อมูลของพวกเขาให้กับประชาชนทั่วไปแต่อย่างใด ในขณะนี้

ซึ่ง BlueDot เคยประสบความสำเร็จในการคาดการณ์สถานที่ตั้งของการระบาดของโรค Zika ในเซาท์ฟลอริดา ที่ได้ทำการตีพิมพ์ในวารสารการแพทย์ของประเทศอังกฤษอย่าง The Lancet

BlueDot พิสูจน์แล้วว่าประสบความสำเร็จ แต่ในขณะเดียวกันผู้เชี่ยวชาญด้านสาธารณสุขบางคนกล่าวว่าแม้จะมีการระบาดของโรคซาร์สเป็นเวลาหลายเดือนในปี 2003 แต่เจ้าหน้าที่ของจีนก็ตอบสนองได้เร็วขึ้น เมื่อเกิดเหตุการณ์ขึ้นใหม่กับพวกเขา อย่าง ไวรัส โคโรน่า

“ การระบาดน่าจะใหญ่กว่านี้หนึ่งเท่า จากที่เจ้าหน้าที่สาธารณสุขยืนยัน” James Lawler ผู้เชี่ยวชาญด้านโรคติดเชื้อที่ศูนย์การแพทย์มหาวิทยาลัยเนแบรสกากล่าว ซึ่งเขาเป็นทีมงานที่ทำการรักษาผู้ป่วยโรคอีโบล่าที่ถูกกักกันในปี 2017 และปี 2018 การคำนวณแบบปรกติต่อจำนวนนักท่องเที่ยวที่มาจากประเทศจีนในแต่ละสัปดาห์ อาจจะมีความคลาดเคลื่อนเป็นอย่างมาก”

Lawler และคนอื่น ๆ กล่าวว่า การระบาดของโรค corona virus จะยังคงแพร่กระจายในขณะที่นักท่องเที่ยวจากประเทศจีนไปยังประเทศอื่น ๆ และแสดงอาการของการติดเชื้อ เขาบอกว่าเรายังไม่รู้ว่ามีกี่คนที่จะป่วยและจะมีกี่คนที่จะตายก่อนที่การระบาดจะลดลง

เพื่อหยุดการแพร่กระจายของโรคเจ้าหน้าที่สาธารณสุขจะต้องบอกความจริงและบอกเรื่องนี้อย่างรวดเร็ว แต่ในขณะเดียวกันมันก็คุ้มค่าที่จะนำไปใช้เป็นฐานข้อมูล เพื่อการเรียนรู้ของ AI ในอนาคตนั่นเอง

ความคิดเห็นเพิ่มเติมจากผู้เขียน

ถือเป็นการใช้เทคโนโลยีที่น่าสนใจไม่ว่าจะเป็น Natural Language Processing ที่ทำงานร่วมกับ Machine Learning ในการนำเอาข้อมูลต่าง ๆ ทั้งจากสายการบิน จากฟอรั่ม จาก Blog มาทำการวิเคราะห์ข้อมูลการระบาดอย่างที่ BlueDot ทำ

แน่นอนว่า การระบาดครั้งนี้ ของ ไวรัสโคโรน่า นั้นก็สามารถมองในแง่ดีได้อีกด้านหนึ่งก็คือ การเป็นฐานข้อมูลใหม่ให้ AI ได้เรียนรู้ เพื่อวิเคราะห์ และ ในอนาคตอาจจะทำนายได้แบบ realtime และสามารถขจัดปัญหาตั้งแต่ต้นตอการระบาดได้อย่างรวดเร็ว ไม่ให้แพร่ระบาดไปทั่วโลกอย่างที่เราเห็นกันในตอนนี้ได้นั่นเองครับ

References : https://www.wired.com/story/ai-epidemiologist-wuhan-public-health-warnings https://www.etftrends.com/disruptive-technology-channel/startup-used-ai-to-identify-coronavirus-outbreak-before-who-cdc/

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol