ด้วยความสามารถของ AI ทำให้หุ่นยนต์ผ่าตัดนั้น สามารถที่จะเรียนรู้จากการผ่าตัดครั้งก่อน ๆ หน้า เพื่อปรับเทคนิคในการผ่าตัดครั้งตอไปให้กับคนไข้ได้ ซึ่งมี Case Study ที่นำเอา AI มาช่วยเหลือหมอผ่าตัดกระดูกและข้อ ซึ่งสามารถลดจำนวนการผ่าตัดได้ถึง 5 เท่า หากเทียบกับ ให้หมอ Orthopedic ได้ทำการวิเคราะห์ด้วยตัวเองเพียงคนเดียว
แถมยังช่วบลดความไม่จำเป็นในการเข้ามาที่โรงพยาบาลได้อีกด้วย ตัวอย่างที่ประสบความสำเร็จของ Virtual Assistant เช่น Care Angel’s ที่มีความสามารถทีช่วยเช็คสุขภาพเบื้องต้นของผู้ป่วยผ่านทางการสื่อสารด้วยเสียง และความสามารถของ AI ที่จะช่วยคัดกรองคนไข้ เพื่อไม่ต้องเข้ามาที่โรงพยบาลหากไม่ใช่เรื่องจำเป็นจริง ๆ
3. Aid clinical judgement or diagnosis
ในปัจจุบันมีหลาย use case ที่น่าสนใจในการนำ AI เข้ามาร่วมในการวินิจฉัยผลของคนไข้ ตัวอย่างนึงที่น่าสนใจคือทาง มหาวิทลัย Standford ได้ทำการทดสอบ AI Algorithm ในการตรวจมะเร็งผิวหนัง โดยมีการเปรียบเทียบกับ หมอผู้เชี่ยวชาญทางด้านผิวหนัง แล้วพบว่า ผลของการวินิจฉัยด้วย AI นั้น มีความสามารถเทียบเท่ากับการใช้หมอผู้เชี่ยวชาญด้านผิวหนังในการวินิจฉัย แต่สิ่งที่แตกต่างกันอย่างชัดเจน คือ เวลา ที่ใช้ในการวินิจฉัยต่างกันอย่างมาก AI สามารถทำได้ภายในระยะเวลาไม่กี่นาที ต่างกับ หมอผู้เชี่ยวชาญที่ต้องใช้เวลาหลายชม. ในการวิเคราะห์ผล
ส่วนทางฝั่งยักษ์ใหญ่ Search Engine จากจีนอย่าง Baidu Research นั้น ก็ได้ทำการทดสอบ Deep learning algorithm ที่สามารถที่จะระบุถึงการแพร่กระจายของมะเร็งเต้านม ได้ดีกว่าการวิเคราะห์จากมนุษย์
ส่วนทางด้านประเทศอังกฤษ นายกรัฐมนตรี Theresa May ก็ได้ประกาศวาระสำคัญของชาติ คือ AI Revolution ซึ่งจะช่วยเหลือ National Health Service (NHS) ซึ่งคงคล้ายๆ สปสช. ของบ้านเรา ในการช่วยทำนายผู้ป่วยที่มีโอกาสเกิดโรคมะเร็ง โดยการวิเคราะห์จาก ข้อมูลทางด้านสุขภาพ พฤติกรรมการใช้ชีวิต รวมถึงพฤติกรรมการรับประทานอาหาร และยังวิเคราะห์จากข้อมูลทางด้าน พันธุกรรมของคนไข้ เพื่อช่วยทำนายว่า คนไข้ มีความเสี่ยงที่จะเป็นโรคมะเร็งหรือไม่ โดยใช้ AI และข้อมูลจาก NHS
ซึ่งตัวอย่างนึงที่ใช้ AI ในการช่วยเหลืองานด้าน Admin คือการร่วมมือกันระหว่าง Cleveland Clinic และ IBM โดยมีการนำเอา IBM’s Watson มาช่วยในการวางแผนการรักษาให้กับแพทย์ โดยทำการวิเคราะห์จากข้อมูล medical record โดยใช้เทคโนโลยี Natural language processing เพื่อช่วยวางแผนการรักษาให้กับแพทย์ได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
ตัวอย่างสำคัญในการวิเคราะห์ที่ทำให้ process เหล่านี้ทำได้รวดเร็วขึ้น คือ ในงานวิจัยของ MIT ได้ทำการพัฒนา machine learning algorithm ที่สามารถจะวิเคราะห์ภาพ Scan 3D จากการถ่าย MRI , CT-SCAN โดยสามารถที่จะวิเคราะห์ได้เร็วกว่าผู้เชี่ยวชาญที่เป็นมนุษย์ถึง 1000 เท่า ซึ่งเป็นตัวเลขที่น่าสนใจเลยทีเดียว
ซึ่ง AI นั้นจะมาช่วยเหลืออย่างมากกับงานด้านรังสีแพทย์ เพราะเป็นงานที่ AI สามารถทำงานได้ดีที่สุด เนื่องจากเป็นการใช้ประสบการณ์การเรียนรู้จากข้อมูลในอดีต หากมีคลังข้อมูลที่มากพอ ก็ทำให้ AI มีผลการวิเคราะห์ที่แม่นยำกว่ารังสีแพทย์ผู้เชี่ยวชาญเสียอีก
รวมถึงการที่ AI สามารถมาช่วยเหลืองานด้าน Telemedicine ในพื้นที่ห่างไกล ซึ่งคนไข้สามารถที่จะใช้ Smartphone ในการถ่ายภาพเบื้องต้น ของบริเวณที่ได้รับบาดเจ็บ หรือ ต้องการรักษา ซึ่ง AI สามารถที่จะช่วยเหลือในการวิเคราะห์อาการเบื้องต้นจากภาพถ่ายเหล่านี้ได้ และสามารถ guide แนวทางการรักษาเบื้องต้นให้กับผู้ป่วยที่อยู่ในพื้นที่ห่างไกลได้
AI จะเข้ามาช่วยเหลือหรือแย่งงานจากคนในอุตสาหกรรม Healthcare
ซึ่งการที่จะพัฒนา AI ที่เล่นเกมส์โกะ ให้เอาชนะแชมป์โลกได้นั้น เป็นเรื่องที่ไกลเกินเอื้อม และคงไม่มีนักเล่นโกะคนใด ที่คิดว่า Alpha Go จะสามารถเอาชนะ แชมป์โลกโกะได้ในขณะนั้น แต่ Deepmind นั้นก็ได้เริ่มพัฒนา Alpha Go ขึ้นมาโดยเริ่มแรกให้เรียนรู้จาก ผู้เล่น Online ที่อยู่ในระบบก่อน โดยเป็นการเรียนรู้การเล่นกว่าแสนเกมส์ ทำให้ช่วงแรกนั้นก็ยังมีข้อผิดพลาดอยู่บ้าง
จนถึงการมาพบกับแชมป์โกะของยุโรป อย่าง Fan Hui ซึ่งเป็นเจ้าของแชมป์ยุโรปคนล่าสุด ต้องบอกว่าก่อนมาแข่งนั้น Fan Hui นั้นมั่นใจมาก ๆ ว่า Alpha Go ไม่สามารถเอาชนะเขาได้แน่ ๆ แต่การแข่งขันจริงนั้น เขาแพ้ให้กับ Alpha Go ไปแบบหมดรูป 5-0 เกมส์ ทำให้มุมมองของ Fan Hui นั้นเปลี่ยนไปเลยทีเดียว ต้องหันกลับมามอง เจ้า Alpha Go ใหม่อีกครั้ง และสุดท้ายก็ยอมเป็นที่ปรึกษาให้กับ Deepmind เพื่อทำการพัฒนาเจ้า Alpha Go ให้เก่งขึ้นไปอีกระดับ ก่อนที่จะมาแข่งขันจริงกับ Lee Sedol แชมป์โลก ระดับ 9 ดั้ง ซึ่งถือเป็นชั้นสูงสุดของวงการเกมส์โกะ
ซึ่งต้องบอกว่าก่อนแข่งนั้น Lee Sedol ได้ปรามาส Alpha Go ไว้ค่อนข้างเยอะ และ ค่อนข้างมั่นใจเช่นเดียวกับ Fan Hui ว่าเขาสามารถเอาชนะ เจ้า Alpha Go ได้แน่ ๆ
ต้องบอกว่าเกมส์ นี้ เป็นเกมส์เดิมพันที่ค่อนข้างสูงเลยทีเดียว Deepmind มีโอกาสที่จะเสียหน้าต่อสายตาคนทั้งโลกเลยก็ว่าได้ แม้กระทั่งหัวหน้าด้านการวิจัย Alpha Go ของ Deepmind เองก็ยังไม่ค่อยมั่นใจเท่าไหร่ในตอนแรกว่า Alpha Go จะสามารถเอาชนะ Lee Sedolได้หรือไม่ เพราะก่อนแข่งนั้น Fan Hui ที่มารับบทที่ปรึกษาได้ค้นพบจุดอ่อนบางอย่างของ Alpha Go ซึ่งไม่สามารถที่จะแก้ไขได้ทันการแข่งขัน จึงต้องทำการ Build Version ที่เสถียรที่สุดออกไปก่อน เพราะการแข่งขันได้ถูกกำหนดวันที่ไว้เป็นทีเ่รียบร้อยแล้ว
แต่ต้องบอกว่า การแข่งขันจริงนั้น Lee Sedol พ่ายแพ้ไปอย่างหมดรูป โดยเฉพาะ 3 เกมส์แรกนั้น ต้องบอกว่าการเดินหมากของ Lee Sedol นั้นไม่เป็นตัวของตัวเองเลยด้วยซ้ำ เหตุผลนึงน่าจะมาจาก เค้าไม่สามารถรับรู้ได้ถึงความรู้สึกของคู่แข่ง เหมือนแข่งกันมนุษย์จริง ๆ เพราะ Alpha Go ใช้คนเดินหมากแทน โดยให้ Alpha Go เป็นคนคิดว่าจะวางหมากไว้จุดใด ซึ่งทำให้ Lee Sedol ไม่สามารถอ่านใจคู่แข่งได้เลย ว่าอยู่ในอารมณ์ไหน ซึ่งเป็นจุดสำคัญจุดนึงเลยก็ว่าได้ ที่ Alpha Go มีความได้เปรียบ เพราะ ไม่มีการแสดงออกทางกายภาพเลยว่า ตอนนี้หมากในเกมส์เป็นอย่างไร ได้เปรียบ หรือ เสียเปรียบอยู่
พอถึงเกมส์ที่ 4 ซึ่ง Lee Sedol เริ่มไร้ความกดดันใด ๆ แล้ว เพราะยังไงก็แพ้แน่นอนแล้ว จึงทำให้สามารถกลับมาเล่นในเกมส์ของตัวเองได้อีกครั้ง และครั้งนี้ เหมือนกับ Alpha Go จะมีการเดินหมากที่ผิดพลาดอยู่หลายครั้งมาก ทั้งที่ควรจะชนะไปได้แบบไม่ยากเย็น แต่ Lee Sedol ก็สามารถแก้เกมส์กลับมาเอาชนะไปได้ ซึ่งความกดดันนั้นน่าจะเป็นเหตุผลหลักเหตุผลนึงเลยก็ว่าได้ ที่ทำให้ Lee Sedol แพ้ไปอย่างหมดรูปใน 3 เกมส์แรก พอเริ่มคลายความกดดัน จึงสามารถเล่นเกมส์ ของตัวเองได้ จนมาชนะในเกมส์ที่ 4 แต่ในเกมส์สุดท้าย Alpha Go ก็กลับมาชนะได้อีกครั้ง รวมเป็นผล 4-1 ต้องถือว่าบรรลุเป้าหมายของทาง Deepmind ที่สามารถเอาชนะมนุษย์ที่เก่งเกมส์โกะ ที่สุดในโลกไปได้
การเอาชนะแชมป์โกะเปลี่ยนแปลงมุมมองต่อ AI อย่างไร?
ต้องบอกว่า ก่อนหน้านี้ ที่ IBM เคยเอาชนะแชมป์หมากรุกโลกได้นั้น ถือเป็นเรื่องเล็ก ๆ ไปเลย เมื่อเทียบกับเกมส์โกะ เพราะเกมส์โกะ เป็นเกมส์ที่มีความน่าจะเป็นในกระดานสูงมาก และต้องคิดแบบหลายชั้น ซึ่งการที่ AI สามารถเอาชนะขีดจำกัดในข้อนี้ของมนุษย์ได้นั้น ถือว่าเป็นเรื่องที่ไม่ธรรมดา เราต้องลองจินตนาการว่า หาก Alpha Go สามารถเอาชนะแชมป์โลกโกะ ได้ แล้วต่อไปจะเกิดอะไรขึ้น เมื่อ AI สามารถเรียนรู้การทำงานของมนุษย์ และรู้ถึงจุดอ่อนของมนุษย์เราได้
ต่อจากนี้เราก็อาจจะได้เห็น Alpha Go ในทุก Domain เลยก็ว่าได้ลองจินตนาการว่า หมอที่เก่งที่สุดในโลกในด้านที่ AI สามารถจำลองการทำงานได้ เช่น รังสีแพทย์ ที่ใช้ในการวิเคราะห์ผลจากการถ่าย X-RAY ไม่ว่าจะเป็น Ultrasound , MRI , CT-Scan เพื่อใช้ในการวิเคราะห์โรคร้ายต่าง ๆ ซึ่งหมอเล่านี้นั้น ต้องใช้การเรียนรู้ + ประสบการณ์ในการ วิเคราะห์ภาพที่ได้จากเครื่อง X-RAY ชนิดต่าง ๆ ซึ่ง ไม่ยากเลยสำหรับ AI ที่จะเรียนรู้แบบหมอได้ และเทคโนโลยีปัจจุบันนั้น คิดว่า สมมติว่ามีการแข่งขัน ให้หมอที่เทพที่สุดด้านนี้ มาแข่งกับ AI ผลน่าจะไม่ต่างจากเกมส์โกะ ที่สามารถเอาชนะแชมป์โลกไปได้อย่างไม่ยากเย็น แต่ก็อยู่ที่ว่ามนุษย์เรานั้นจะสามารถยอมรับได้หรือไม่ หากต่อไป นั้น เราจะถูกวินิจฉัยโดย AI ซึ่งไม่ใช่หมอ เช่นเดียวกับ ในอนาคตอันใกล้นี้ เราจะยอมรับได้มั๊ยว่า รถแบบขับเคลื่อนอัตโนมัตินั้น จะเป็นรถปรกติที่วิ่งบนถนนเดียวกับเรา ซึ่ง ยังไงอัตรการเกิดอุบติเหตุจาก AI เหล่านี้ ก็น่าจะน้อยกว่ามนุษย์อยู่แล้ว เพราะความแม่นยำที่สามารถตรวจสอบได้ และขีดจำกัดหลาย ๆ อย่างของมนุษย์นั้น จะไม่สามารถทำงานได้เทียบเท่า AI อีกต่อไป
เราได้เห็นเทคโนโลยีทางด้าน AI ที่กำลังก้าวไปข้างหน้าอย่างรวดเร็ว ทั้งรถที่ขับเคลื่อนได้อัติโนมัติ หรือ AlphaGo ที่สามารถเล่นเกมโกะ ชนะมนุษย์ได้ แต่มีอีกศาสตร์แขนงหนึ่งที่กำลังน่าสนใจที่นำ AI มาช่วยคือ AI กำลังมาช่วยเหล่านักดาราศาสตร์แก้ปัญหาเรื่องความลึกลับของจักรวาลของเรา
แรกเริ่มนั้น AI ถูกใช้ในภารกิจในการค้นหาดาวเคราะห์นอกระบบสุริยะ ซึ่งหนึ่งในนั้นคือภารกิจของ Nasa Kepler Mission ในการนำเครื่องมือ Kepler-90 Solar system ไปยังดาวเคราะห์ 8 ดวง ซึ่งพบว่าในระบบสุริยะที่พบนั้นมีหนึ่งในนั้นรูปแบบคล้ายกับโลกมนุษย์เรา
When a planet crosses in front of its star as viewed by an observer, the event is called a transit. Transits by terrestrial planets produce a small change in a star’s brightness of about 1/10,000 lasting for 2 to 16 hours. Credit NASA
