ตึกต่างๆภายในโรงเรียนท่ามะกาวิทยาคม

 

ฟอร์มของ น.ส.สุภาพร บุญสวัสดิ์

ฟอร์มของ นาย ศุภกร โคเลิศ

 

ฟอร์มของน.ส.ขนิษฐา เผยกลิ่น

 

นายศุภกร โคเลิศ

 

“5G ยังไม่ทันใช้ อะไรคือ 6G” สำรวจเครือข่ายแห่งอนาคตที่มี AI อยู่เบื้องหลัง

แต่นั้นคือสิ่งที่กำลังเกิดขึ้น เมื่อ 5G กำลังจะถูกทยอยนำมาใช้งานมากขึ้นเรื่อยๆ เริ่มต้นตั้งแต่ปีหน้าเป็นต้นไป เหล่าวิศวกรทั้งหลายก็หันมาให้ความสนใจกับขั้นต่อไปของเทคโนโลยีว่าจะออกมาในรูปแบบไหน

คำตอบอาจจะยังไม่ชัดเจนเท่าไหร่นัก แต่ก็มีบางอย่างที่พอเป็นเค้าลางให้เห็นว่ามันน่าจะออกมาในรูปแบบไหน เรื่องนี้ต้องขอบคุณผลงานของ Razvan-Andrei Stoica และ Giuseppe Abreu ที่มหาวิทยาลัย Jacobs University Bremen ประเทศเยอรมนี ทั้งสองคนได้นำเอาข้อจำกัดของเทคโนโลยี 5G มาชำแหละและดูว่ามีปัจจัยไหนที่สามารถเป็นตัวขับเคลื่อนให้พัฒนาเทคโนโลยีสื่อสารไร้สาย และ 6G น่าจะเป็นผู้อยู่เบื้องหลังแอพพลิเคชั่นต่างๆ ที่ใช้เทคโนโลยี AI 

อีกประเด็นหนึ่งที่คนมักลืมพูดถึงกันเพราะไปจดจ่อเพียงแค่ความเร็วก็คือเรื่องการรองรับผู้ใช้งานที่เพิ่มมากขึ้นในพื้นที่เท่าเดิม เพราะ 5G นั้นมีเสาสัญญาณขนาดเล็ก เนื่องจากมีคลื่นความถี่ที่สั้นกว่า 4G จึงทำให้ต้องมีเสาสัญญาณติดอยู่ทั่วบริเวณ (5G ใช้เทคโนโลยีที่เรียกว่า Millimeter Waves ที่ความถี่สูงและความยาวคลื่นสั้นกว่า 4G ซึ่งปัญหาใหญ่ของมันก็คือมันส่งสัญญาณไปไม่ได้ไกลเท่าไหร่ ในคลื่นของ 4G เราอาจจะห่างจากเสาสัญญาณได้ไกลเกือบ 10 กิโลเมตร ส่วน 5G ไกลสุดได้แค่ประมาณ 300 เมตรเท่านั้น แถมยังผ่านผนังไม่ได้และถ้าอากาศไม่ดีฝนตกก็สัญญาณหายได้เช่นกัน

เพราะฉะนั้นทางแก้ไขปัญหานี้ก็คือการสร้างจุดรับส่งสัญญาณขนาดเล็กที่มีเต็มไปหมดทุกแห่งในพื้นที่) โดยการมีจุดรับส่งสัญญาณมากมายแบบนี้นำมาซึ่งประโยชน์อีกอย่างหนึ่งของ 5G ก็คือสามารถรองรับอุปกรณ์ได้มากขึ้นในขนาดพื้นที่เดียวกัน เมื่อเทียบกับ 4G เพิ่มขึ้น 10 เท่าจากที่สามารถรับคนได้ราว 1 แสนคนต่อพื้นที่ 1 ตร.กม. กลายเป็น 1 ล้านคนต่อพื้นที่ 1 ตร.กม. ซึ่งจะเป็นประโยชน์มากในกรณีที่คนมารวมตัวกันเยอะๆ อย่างงานแข่งขันกีฬาระดับโลก การประชุมขนาดใหญ่ ฯลฯ และนำไปสู่การใช้งานในหลายรูปแบบของอุปกรณ์ Internet of things (IoT) อีกด้วย

                    แล้ว 6G จะดีกว่ายังไงล่ะ?

ซึ่งในตอนนี้มีการคาดการณ์ว่าจะอยู่ที่ราวๆ 1 terabit/second

หรือประมาณ 100 เท่าของ 5G

 

แต่ข้อมูลอะไรที่กันที่จะสามารถได้รับผลประโยชน์จากสิ่งนี้ จากคำอธิบายของ Stocia และ Abreu พวกเขาบอกว่ามันจะทำให้เหล่า AI นั้นเชื่อมโยงหากันและช่วยกันแก้ไขปัญหาระดับที่ซับซ้อนในทันที ยกตัวอย่างเช่นการขับเคลื่อนรถยนต์ไร้คนขับในเมืองขนาดใหญ่ที่ต้องมีการเชื่อมโยงกันและส่งต่อข้อมูลถึงกันอย่างมหาศาลระหว่างสมองกลที่เกี่ยวข้องในวินาทีนั้น คิดถึงรถยนต์จำนวนเกือบสามล้านคันที่เข้าออกเมืองหลวงอย่างนิวยอร์กทุกวัน นี่จะเป็นปัญหาที่ได้รับการแก้ไขโดยสมองกลที่สื่อสารกันตลอดทุกวินาที

รถยนต์ไร้คนขับคันหนึ่งที่ถูกขับเคลื่อนด้วย AI จะคอยส่งรับส่งสัญญาณจากสิ่งรอบข้างและตอบสนองตามความจำเป็น ตำแหน่งที่ตั้งของรถยนต์จะถูกส่งออกไปสู่พื้นที่โดยรอบ เสาไฟฟ้า พื้นถนน ไฟจราจร ทุกอย่างจะมี AI อยู่ในนั้นเพื่อคอยถ่ายทอดข้อมูลถึงกัน รถจักรยานที่ปั่นบนถนน มอเตอร์ไซค์ ปลอกคอน้องหมา นาฬิกาข้อมือของคนวิ่งออกกำลังกาย ฯลฯ AI เหล่านี้จะคอยบอกว่าให้ระวังอะไร เลี้ยวไปทางไหน ต้องเลี่ยงเส้นทางไหนเพื่อจะให้ถึงปลายทางเร็วที่สุด

Stoica และ Abreu กล่าวว่า

“การที่จะแก้ไขปัญหาที่กระจายตัวในการเชื่อมโยงกัน การสื่อสารด้วยข้อมูลจำนวนมากจะเป็นสิ่งจำเป็น ปริมาณของข้อมูลขนาดใหญ่และความรวดเร็วในการตอบสนองที่มากกว่า 5G จะขาดไม่ได้เลย”

แน่นอนว่านี่เป็นเพียงตัวอย่างเล็กน้อยที่ 6G น่าจะเป็นประโยชน์และสร้างความเปลี่ยนแปลงให้กับสังคม มีความท้าทายอีกหลายอย่างที่สามารถแก้ไขได้ด้วยวิธีที่คล้ายคลึงกันอย่างเช่น การตรวจสอบตลาดและวางแผนการเงิน การตรวจเช็คข้อมูลสุขภาพของคนไข้ การตอบสนองและคาดเดาถึงเหตุการณ์ที่เกิดขึ้นแบบ real-time ซึ่งสิ่งเหล่านี้ล้วนเป็นความก้าวหน้าที่ไม่เคยมีใครคาดเดาว่าจะสามารถทำได้มาก่อน

แต่กว่าจะถึงตอนนั้น (น่าจะสักช่วง 2030 เพราะแต่ละ generation ใช้เวลาประมาณ 10 ปี) ยังมีอะไรอีกมากมายที่จะต้องเกิดขึ้น 6G ยังคงห่างไกลและภาพยังเลือนลาง คงต้องใช้เวลาอีกสักพักกว่าทุกอย่างจะลงตัวและสรุปออกมาให้ทุกคนได้รับรู้ แต่ถ้า Stoica และ Abreu เกิดคาดการณ์ถูกต้องขึ้นมา สมองกลจะกลายเป็นสิ่งที่จำเป็นต่อการพัฒนาโลกของเราต่อไปข้างหน้า เทคโนโลยี AI จะเป็นผู้ที่อยู่เบื้องหลังและกำหนดทิศทางของสิ่งอื่นๆ ที่จะเกิดขึ้นรวมถึง 6G ด้วย

 

น.ส.ขนิษฐา เผยกลิ่น

 

ฺBig Data  คือ ข้อมูลขนาดใหญ่มากจนซอฟต์แวร์หรือฮาร์ดแวร์ธรรมดานั้นไม่สามารถที่จะจัดการหรือวิเคราะห์ได้อย่างมีประสิทธิภาพ

ฺBig Data คือ การรวบรวมข้อมูลทั้ง Structured (พวกที่เก็บในโครงสร้างตารางข้อมูล) และ Unstructured (พวกที่เป็น text ยาวๆ รูปภาพ และ วิดีโอต่างๆ) มาทำการประมวลวิเคราะห์ข้อมูลและนำไปใช้ประโยชน์

Big Data คือ 4Vs ที่ทุกคนพูดถึงกัน ซึ่งได้แก่ Volume (ข้อมูลขนาดใหญ่) Velocity (ข้อมูลที่เกิดและไหลเข้าสู่การจัดเก็บด้วยความเร็วสูง) Variety (ข้อมูลที่มีความหลากหลายในรูปแบบ) Veracity (ข้อมูลที่มีระดับคุณภาพปะปนกันไป)

ฺBig Data คือ buzzword ที่ทุกคนพูดถึงตลอดเวลา และใช้เป็น Marketing Term ในการสร้างภาพ (น่าเบื่ออออ)

Big Data คือ Big Trend ที่ทุกคนทุกองค์กรพูดถึงอย่างมากในปี 2017 ที่ผ่านมา แต่เป็นสิ่งที่มีคนเข้าใจน้อยมากว่า ตกลง Big Data คืออะไรกันแน่

Big Data คือ ไม่ใช่การที่เราซื้อ Hardware จำนวนมากเพื่อมาเก็บข้อมูลให้ได้เยอะที่สุด ไม่ใช่การถกเถียงว่าเราจะเก็บข้อมูลอะไรดี ไม่ใช่การมานั่งภูมิใจว่า เรามีข้อมูลมากมายมหายศาล

Big Data คือ การพยายามสร้างมูลค่าของธุรกิจจากการนำเข้ามูลจำนวนมากทั้งภายในและภายนอกองค์กร มาวิเคราะห์ประมวลผล (ไม่ใช่แค่เก็บเฉยๆ)

Big Data คือ การสร้างทักษะและความรู้ให้กับทีมงานเพื่อให้สามารถจัดการข้อมูลปริมาณขนาดใหญ่ได้ และเข้าใจเชิงลึกถึงข้อมูลขนาดใหญ่ ไม่ใช่แค่หลับหูหลับตาจับข้อมูลโยนเข้าถัง

Big Data คือ งานของทุกคน ไม่ใช่แค่งานของไอที หรือ ทีมวิเคราะห์ข้อมูล งานนั้นเริ่มตั้งแต่ตัดสินใจว่าจะเก็บข้อมูลอันไหน หรือ ไม่เก็บอันไหน จะเก็บไว้นานเท่าไหร่ จะเก็บไว้ที่ไหนอย่างไร จะเอาไปใช้อย่างไร

Big Data คือ การลงทุนระยะยาว ไม่ใช่การตั้งงบโครงการ แล้วเรียก vendor มา demo ระบบให้ดู แล้วจ่ายเงินเพื่อให้มีระบบซักระบบนึง

ท้ายสุดที่อยากฝากไว้ ก็คือ

 Big Data คือ การที่เราเริ่มก้าวจากการให้ความสนใจกับประโยชน์ในการใช้ข้อมูลอย่างแท้จริง จนทำให้เกิดความเข้าใจว่า เราควรต้องมีระบบในการบริหารจัดการข้อมูลที่ดีและสามารถรองรับการเติบโตของข้อมูลที่จะวิ่งไปถึงปริมาณใหญ่ๆ จนสามารถจัดการข้อมูลได้ถึงระดับ real-time และลดการใช้แรงงานในการประมวลผลข้อมูล สร้างรายงาน หรือการวิเคราะห์ข้อมูล

น.ส.สุภาพร บุญสวัสดิ์

                             วิทยาการข้อมูล(data science)

 

1 วิทยาการข้อมูล หรือ Data Science คือ

        วิทยาการข้อมูล หรือ Data Science คือ ศาสตร์ที่เกี่ยวกับการจัดการ จัดเก็บ รวบรวม ตรวจสอบ วิเคราะห์ วิจัย และนำเสนอผลการวิเคราะห์ข้อมูลเพื่อนำไปสู่ความรู้ที่สามารถนำไปใช้งานได้จริง (Actionable knowledge) อย่างเช่น การปรับปรุงผลิตภัณฑ์ กระบวนการดำเนินงาน ประกอบการตัดสินใจทางธุรกิจ การวางแผนการตลาด และทิศทางขององค์กรในอนาคต

2 ผลลัพธ์ที่ได้จาก Data Science 

 -ค้นพบสิ่งที่ไม่เคยรู้มาก่อนจากข้อมูลที่ได้
- ได้ Predictive Model เพื่อนำไปปฏิบัติจริง
- สร้าง Data Product ใหม่ๆ ที่จะส่งผลกระทบต่อธุรกิจ
- ช่วยให้ฝ่ายธุรกิจมีความมั่นใจและสามารถตัดสินใจได้ดีขึ้น
     คนทำงานด้านวิทยาศาสตร์ข้อมูล จะนำข้อมูลที่กระจัดกระจายจากแหล่งต่างๆ มาจัดการและวิเคราะห์ เพื่อใช้ประโยชน์ตามโจทย์หรือวัตถุประสงค์การใช้งาน เช่น สร้าง Predictive Model หรือระบบอัลกอริทึมขึ้นมาประมวลผล เพื่อค้นหาอินไซต์เกี่ยวกับผู้ใช้งาน (user) หรือเก็บข้อมูลเพื่อใช้ประกอบการตัดสินใจขององค์กรบริษัท เป็นต้น และนี่คือผลลัพธ์ที่จะได้จาก Data Science

3 ที่มาของตำแหน่ง นักวิทยาศาสตร์ข้อมูล (Data Scientist) 
      ตำแหน่งงาน Data Scientist ถูกตั้งขึ้นโดย  DJ Patil และ Jeff Hammerbacher ในปี 2008 โดยทั้งคู่เป็น ผู้บุกเบิกการสร้างทีม Data Science ที่ LinkedIn และ Facebook และตอนนี้ DJ Patil ได้รับแต่งตั้งให้เป็น Chief Data Scientist of the United States ไปเรียบร้อย
      ในปี 2012 วารสาร Harward Business Review  ตีพิมพ์บทความชื่อ Data Scientist: The Sexiest Job of the 21st Century ทำให้อาชีพนี้กลายเป็น Talk of the town ในวงการธุรกิจและวงการสื่อตั้งแต่นั้นมา และทำให้เกิดความต้องการจ้างงานจากวงการธุรกิจสูง จนขาดแคลนบุคคลากรทางด้านนี้เป็นอย่างมาก ถือเป็นอาชีพที่เกิดขึ้นอย่างฉับพลันในวงการธุรกิจ โดยที่ยังไม่มีการเรียนการสอนในมหาวิทยาลัยจริงจัง

4 ทักษะที่ นักวิทยาศาสตร์ข้อมูล (Data Scientist) ต้องมี 
      นักวิทยาศาสตร์ข้อมูล ต้องมี ทักษะความรู้แบบสหวิทยาการ (Interdisciplinary) หรือมีองค์ความรู้ในหลากหลายด้าน เช่น ความรู้ด้านคอมพิวเตอร์ คณิตศาสตร์และสถิติ การวิเคราะห์ข้อมูล ความเข้าใจทางธุรกิจ ความอยากรู้อยากเห็น ความคิดสร้างสรรค์ และความรู้เฉพาะสาขา (Domain Knowledge) สรุปคือ 
   1 ความรู้ด้านวิทยาการคอมพิวเตอร์ (Computer Science)
   2 ความรู้ด้านคณิตศาสตร์และสถิติ (Math&Statistics)
   3 ความรู้เฉพาะสาขา (Domain Knowledge)
   4 ความอยากรู้อยากเห็นและความคิดสร้างสรรค์ (Curiosity & Creativity)
    การจะหาคนที่เป็น Data Scientist หรือคนเดียวที่เก่งทุกอย่างแบบเต็มตัว ไม่ใช่เรื่องง่าย ส่วนใหญ่แล้วจะเป็นการทำงานเป็น ทีม Data Science ที่ประกอบด้วยคนที่เก่งแต่ละด้านมาอยู่ในทีมเดียวกัน

5 อยากเป็น Data Scientist ควรเรียนอะไร?  
     สำหรับน้องๆ ที่สนใจและตั้งใจอยากทำงานด้านนี้โดยตรง สามารถเรียนต่อระดับอุดมศึกษาในคณะหรือสาขาที่ช่วยให้เรารู้จักและเข้าใจการจัดการข้อมูลได้หลากหลาย เช่น คณะวิทยาศาสตร์ คณะวิศวกรรมศาสตร์ คณะดิจิทัลมีเดีย สาขาเทคโนโลยีสารสนเทศ คณะการจัดการ คณะบริหารธุรกิจ และคณะอื่นๆ ที่เกี่ยวข้อง จากนั้นน้องๆ สามารถเลือกฝึกประสบการณ์ทางด้าน Data Science เพิ่มเติมได้เอง รวมทั้งการเรียนต่อระดับปริญญาโทสาขานี้โดยตรงที่มหาวิทยาลัยในต่างประเทศก็ยิ่งได้เปรียบ

6 Data Science กับอนาคตในตลาดงานประเทศไทย
         แม้ว่า การ์ทเนอร์ (Gartner, Inc.) บริษัทวิจัยและวิเคราะห์ข้อมูลด้านเทคโนโลยีสารสนเทศระดับโลกบอกว่า จะมีตำแหน่งงานด้านนี้เพิ่มขึ้นกว่า 4.4 ล้านอัตราทั่วโลกภายในปี 2558 แต่จะมีบุคลากรที่พร้อมสำหรับตำแหน่งงานดังกล่าวเพียง 1 ใน 3 เท่านั้น แต่คำถามที่น้องๆ ทุกคนที่สนใจงานนี้รอคอยกันอยู่ก็คือ เรียนจบด้านนี้มาแล้วจะมีงานรองรับในเมืองไทยมากน้อยแค่ไหน? เรานำบทสัมภาษณ์จากรุ่นพี่อย่าง ต้า-วิโรจน์ จิรพัฒนกุล อดีต Data Scientist ของ Facebook ให้สัมภาษณ์ไว้ใน TheMomentum มาฝากเพื่อให้น้องๆ นำไปประกอบการตัดสินใจ