Musk กับ Zuckerberg และ AI


ความไว้วางใจที่มีต่อปัญญาประดิษฐ์ (Artificial Intelligence: AI) กลายเป็นประเด็นร้อนแรงขึ้นมาเมื่อ Elon Musk และ Mark Zuckerberg สองผู้ยิ่งใหญ่แห่งยุคนี้ ออกมาโต้ตอบกันผ่านหน้าสื่อ เริ่มต้นจาก Musk ให้สัมภาษณ์กับนักศึกษาที่ MIT ว่า AI เป็นภัยต่อความอยู่รอดของมนุษย์ (Artificial intelligence is our biggest existential threat)[1] ต่อมา Zuckerberg ก็ออกมาแสดงความไม่เห็นด้วยผ่านทาง facebook live ว่าเขามอง AI ในแง่บวกและเห็นว่าคนที่ออกมาพูดถึงแต่ภาพความน่ากลัวของ AI นั้นออกจะขาดความรับผิดชอบไปหน่อย (I actually think it is pretty irresponsible)[2]

ทั้ง Elon Musk และ Mark Zuckerberg ถือว่าเป็นคนที่อยู่ใกล้ชิดวงการเทคโนโลยี AI ที่ก้าวหน้าที่สุดในขณะนี้ โดย Musk เป็นเจ้าของรถยนต์ไฟฟ้ายี่ห้อ Tesla ที่ใช้ระบบ AI ควบคุมการขับเคลื่อนอัตโนมัติ ส่วน Zuckerberg เป็นเจ้าของ Facebook ที่มี AI คอยจัดการข่าวและโพสต์ต่างๆ ดังนั้น คำพูดหรือคำเตือนของทั้งคู่ก็น่ารับฟังไว้

แล้วความวิตกกังวลที่มีต่อ AI มีการแก้ไขอย่างไรบ้าง เช่น หากรถยนต์ขับเคลื่อนอัตโนมัติคันหนึ่งแล่นไปด้วยความเร็ว ทันใดนั้น มีคนข้ามถนนกะทันหันจนรถไม่สามารถเบรคให้หยุดได้ทัน ระบบ AI ที่ควบคุมการขับเคลื่อนจะตัดสินใจอย่างไรระหว่างหักหลบลงข้างทางให้คนข้ามถนนปลอดภัยแต่จะทำให้ผู้โดยสารในรถบาดเจ็บหรือปล่อยให้ชนคนข้ามถนนเพื่อปกป้องผู้โดยสารในรถ (อ่านบทความเก่าที่เกี่ยวข้อง[3])

ล่าสุด โปรเฟสเซอร์ Seng W. Loke จาก Deakin University ประเทศออสเตรเลีย ได้ออกมาให้ความเห็นว่าปกติรถยนต์อัตโนมัติจะใช้เซ็นเซอร์ เช่น กล้อง GPS หรือเรดาห์ มาตรวจจับเส้นทาง สภาพการจราจร คนเดินถนนที่อยู่รอบๆ ตัวรถ จากนั้น AI จะวิเคราะห์ข้อมูลที่ตรวจจับได้แล้วสั่งควบคุมความเร็วและทิศทางของรถ แต่เซ็นเซอร์เหล่านี้มีจุดอ่อนคือตรวจจับได้ในระยะใกล้ๆ จึงไม่สามารถหลีกเลี่ยงความเสี่ยงที่อาจจะเกิดขึ้นได้ทัน

โปรเฟสเซอร์ Loke จึงได้พัฒนา AI ให้มีความสามารถสื่อสารกันระหว่างรถยนต์ (Vehicle-to-vehicle: V2V) เพื่อช่วยป้องกันไม่ให้เกิดปัญหาข้างต้น โดยรถยนต์ที่มีระบบ V2V ทุกคันจะสื่อสารและแชร์ข้อมูลเกี่ยวกับสภาพการจราจรและคนเดินเท้าในบริเวณที่แล่นผ่านมาให้กันและกัน เมื่อรถยนต์คันที่มุ่งไปบริเวณนั้นได้รับข้อมูลก็จะวางแผนและตัดสินใจได้ถูกต้อง เช่น ลดความเร็วลงหรือเปลี่ยนไปเส้นทางอื่น[4] รถยนต์ขับเคลื่อนอัตโนมัติที่ติดตั้งระบบ V2V นี้จะช่วยลดความเสี่ยงที่จะเกิดอุบัติเหตุลงได้

นี่เป็นข่าวดีของ AI ที่ใช้ในรถยนต์ขับเคลื่อนอัตโนมัติซึ่งกำลังพัฒนาไปอย่างรวดเร็ว (มองในแง่ดีตามมุมมองของ Zuckerberg) ปัจจุบันนี้ยังมีงานวิจัยอีกจำนวนมากที่กำลังพยายามพัฒนาความฉลาดของ AI ให้สูงขึ้น โดยเฉพาะความฉลาดในการตอบสนองต่อข้อมูลที่ได้รับ ซึ่งสามารถนำไปประโยชน์ในด้านอื่นๆ ได้อีกมากมาย เช่น วางแผนการเดินทางเพื่อหลีกเลี่ยงรถติด การเปลี่ยนรูปแบบการเดินทาง (เช่นหากรถติดมากก็เปลี่ยนไปใช้เรือโดยสารแทน) หรือแก้ปัญหาการขับรถวนหาที่จอดรถตามห้าง เป็นต้น

ข่าวร้าย (ตามมุมมองของ Musk) ก็คือ ความฉลาดที่เพิ่มขึ้นอาจจะมีผลที่คาดไม่ถึงตามมา งานวิจัยบางชิ้นจึงถูกตั้งคำถามถึงผลที่อาจจะเกิดในทางลบ เช่น การพัฒนาให้ AI มีความสามารถในการเจรจาต่อรอง (อ่านบทความเก่าที่เกี่ยวข้อง[5]) หรือการพัฒนา AI ที่มีความสามารถในการต่อรองและร่วมมือกัน[6] เพราะใครจะไปรู้ว่าในอนาคต AI จะฉลาดจนสามารถส่งข้อมูลผิดๆ ออกไปเพื่อจุดประสงค์บางอย่างได้ เช่น หลอกว่าเกิดมีอุบัติเหตุรถชนกันจนรถติดยาวเป็นกิโล เมื่อรถยนต์คันอื่นๆ ได้รับข้อมูลก็จะวางแผนเปลี่ยนเส้นทาง แล้วตนก็จะเลือกใช้ถนนเส้นนั้นเพราะหลอกรถคันอื่นๆ ให้เลี้ยวไปอีกทางจนถนนโล่ง

หวังว่าสิ่งที่ Musk คิดมันคงจะไม่เกิดขึ้นนะ

[1] https://www.theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat

[2] https://www.cnbc.com/2017/07/24/mark-zuckerberg-elon-musks-doomsday-ai-predictions-are-irresponsible.html

[3] https://www.weforum.org/agenda/2017/03/this-mit-professor-says-there-is-still-one-huge-challenge-with-self-driving-cars/

[4] https://www.weforum.org/agenda/2017/07/its-not-enough-for-self-driving-cars-to-see-they-need-to-learn-trust-and-cooperation

[5] https://www.cmu.edu/news/stories/archives/2017/january/AI-beats-poker-pros.html

[6] http://ieeexplore.ieee.org/document/6507596/

อย่ากังวลเมื่อเสีย Talent ไปให้กับคู่แข่ง


บริษัททั้งหลายไม่อยากสูญเสีย Talent โดยเฉพาะอย่างยิ่งเมื่อ talent นั้นลาออกไปทำงานกับบริษัทที่เป็นคู่แข่ง แต่กระนั้น นักวิจัยจาก University of Washington และ Georgetown University รายงานผลการวิจัยว่า ในบางสถานการณ์การที่ talent ลาออกไปทำงานกับบริษัทคู่แข่งอาจจะนำไปสู่ความได้เปรียบในเชิงแข่งขัน (Competitive advantage) แก่บริษัทที่เป็นต้นทางได้[1]

งานวิจัยชิ้นนี้ทำการศึกษากับพนักงานบริษัทกฎหมายในสหรัฐอเมริกาโดยนำข้อมูล 2 ส่วนมาวิเคราะห์ ส่วนแรกเป็นข้อมูลรายงานสภาวะการจ้างงานของบริษัทกฎหมาย อีกส่วนเป็นข้อมูลจากการสำรวจประจำปีของเว็บไซต์ Vault.com ที่ให้ทนายความ (legal associates) ให้คะแนนชื่อเสียงของบริษัทกฎหมายที่ตนเคยทำงาน ซึ่งผลการวิจัยพบว่าการลาออกที่เพิ่มขึ้นจะส่งผลต่อสถานะของบริษัทในทิศทางที่เป็นบวก โดยเฉพาะกับกลุ่มพนักงานผู้ตอบแบบสอบถามที่ลาออกไปแล้วได้ทำงานในตำแหน่งที่สูงขึ้นกับบริษัทกฎหมายที่มีชื่อเสียง

ศาสตราจารย์ Sydney Finkelstein แห่ง Dartmouth College’s Tuck Center for Leadership ได้ยกตัวอย่างเหตุการณ์ที่สามารถอธิบายปรากฎการณ์นี้ว่าคล้ายคลึงกับที่เคยเกิดขึ้นกับบริษัท Oracle ในระหว่าง คศ.1994-2004 ซึ่งตอนนั้นมีผู้บริหารที่เคยทำงานกับ Larry Ellison (ผู้ร่วมก่อตั้ง) อย่างใกล้ชิดยาวนานจำนวนมากกว่า 10 คนได้ลาออกไปทำงานกับบริษัทคู่แข่งแล้วได้ทำงานในตำแหน่งผู้บริหารระดับสูง เช่น CEO หรือประธานกรรมการ แต่แทนที่การลาออกของ talent เหล่านั้นจะส่งผลเสียกลับกลายเป็นผลดีต่อชื่อเสียงของ Larry Ellison ให้เขากลายเป็นแม่เหล็กที่ดึงดูด talent รุ่นใหม่ๆ ให้อยากเข้ามาร่วมงานกับเขามากขึ้น

กรณีของประเทศไทย บริษัทกฎหมายหรือสำนักงานทนายความก็ประสบปัญหาการลาออกของพนักงานสูงมาโดยตลอด เพราะคนที่เรียนจบมาทางด้านนี้ส่วนใหญ่จะพยายามสอบเข้าเป็นผู้พิพากษา อัยการ หรือนิติกรของหน่วยราชการซึ่งเป็นอาชีพที่ได้รับการยกย่องและมีความมั่นคงมากกว่า ระหว่างที่กำลังรอสอบหรือรอเรียกตัวเข้ารับราชการก็จะหางานทำในบริษัทกฎหมายหรือสำนักงานทนายความไปพลางๆ

สถานการณ์ที่ talent ของบริษัทกฎหมายหรือสำนักงานทนายความไหลออกไปสู่ราชการเป็นเรื่องปกติที่เจ้าของบริษัทก็ยอมรับว่าเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ไม่เว้นแม้แต่บริษัทกฎหมายที่มีชื่อเสียงระดับต้นๆ ของประเทศอย่างบริษัทธรรมนิติจำกัด (มหาชน) ซึ่ง 70 ปีของการดำเนินกิจการต้องประสบกับปัญหาการไหลออกของ talent เรื่อยมา แต่ก็มิได้ทำให้การพัฒนาหยุดชะงักจนปัจจุบันแปรสภาพเป็นบริษัทในตลาดหลักทรัพย์และมีบุคลากรรวมเกือบ 600 คน[2]

ผู้ช่วยศาสตราจารย์ Christopher Rider จาก Georgetown’s McDonough School of Business ได้สรุปใจความสำคัญว่า จากการที่ talent ของบริษัทลาออกไปทำงานกับบริษัทคู่แข่งที่มีชื่อเสียงดีกว่าแล้วนำไปสู่การสร้างความได้เปรียบเชิงการแข่งขันของบริษัทให้ดีขึ้นนั่นเป็นเพราะว่าการลาออกได้สร้างโอกาสให้บริษัทสามารถดึงดูด talent รุ่นใหม่เข้ามาทำงานด้วยค่าจ้างที่ถูกกว่านั่นเอง

ขอปิดท้ายด้วยคำพูดของศาสตราจารย์ Finkelstein ที่แนะนำว่าผู้บริหารองค์การควรจะยอมรับความจริงว่าพนักงานจำนวนมากวางแผนความก้าวหน้าในอาชีพแตกต่างไปจากคนรุ่นก่อน ความก้าวหน้าของคนในรุ่นนี้เหมือนการขึ้นบันไดที่แต่ละขั้นวางอยู่คนละบริษัท การไม่ยอมรับแล้วฝืนสู้กับมันรังแต่จะพบกับความยุ่งยากในการสรรหาคนเก่งเข้ามาสู่บริษัทมากขึ้นเรื่อยๆ

[1] https://www.wsj.com/articles/the-case-for-letting-your-best-people-go-1492524004?mod=e2fb

[2] http://manager.co.th/OnlineSection/ViewNews.aspx?NewsID=9600000033910

เมื่อรถยนต์ต้องตัดสินใจเรื่องจริยธรรม


ในอนาคตอันใกล้ มนุษย์เราจะสามารถสั่งการให้เครื่องจักรทำงานแทนเราได้ 100% โดยเรานั่งเฉยๆ รอให้งานนั้นสำเร็จออกมา เครื่องจักรจะฉลาดถึงขั้นไม่จำเป็นต้องรอมนุษย์มาตัดสินใจว่าจะเลือกทำอะไรในสถานการณ์หนึ่งๆ เพราะมีระบบปัญญาประดิษฐ์ (Artificial Intelligence: AI) ที่ได้รับการฝึกให้คิดและตัดสินใจแทนมนุษย์ได้ ตัวอย่างที่ชัดเจนในขณะนี้คือ รถยนต์ขับเคลื่อนอัตโนมัติ (Automated Vehicle: AV) ที่กำลังพัฒนาเทคโนโลยีไปอย่างรวดเร็ว โดยบ้านเราก็มีบางเทคโนโลยีถูกนำมาใส่ในรถรุ่นท้อปราคาแพงๆ เช่น ระบบช่วยขับ ระบบหยุดรถอัตโนมัติ ระบบช่วยจอด ซึ่งในอนาคตเราน่าจะได้ใช้กันอย่างเต็มรูปแบบเมื่อเทคโนโลยีดีขึ้นและราคาถูกลง

ในขณะที่เทคโนโลยีกำลังพัฒนา ก็เกิดคำถามต่อระบบ AI ที่ทำงานอยู่เบี้องหลังรถยนต์ไร้คนขับ หนึ่งคำถามที่น่าสนใจมาจาก อิยาด ราห์วาน (Iyad Rahwan) รองศาสตราจารย์จาก MIT เป็นคำถามที่หลายคนคงเคยได้ยินได้ฟังมาบ้างแต่ไม่คิดว่าจะถูกนำมาถามผู้ผลิตรถยนต์ เป็นเหตุการณ์สมมติว่ามีรถไฟขบวนหนึ่งแล่นมาด้วยความเร็วกำลังจะพุ่งชนคนงาน 5 คนที่ซ่อมรางอยู่ ระหว่างทางมีทางเบี่ยงรถไฟให้เลี้ยวไปอีกทางหนึ่งได้แต่ก็จะไปชนคนงาน 1 คนที่กำลังซ่อมรางอยู่เช่นกัน หากเราเป็นคนสับรางรถไฟ เราจะเลือกให้รถไฟวิ่งตรงต่อไปหรือจะสับรางให้วิ่งไปตามทางเบี่ยง

คำถามลักษณะเดียวกันนี้ถูกนำไปถามผู้ผลิตรถยนต์ขับเคลื่อนอัตโนมัติ โดยสมมติว่ามีรถยนต์คันหนึ่งแล่นไปด้วยความเร็ว ทันใดนั้น มีคนข้ามถนนกะทันหันจนไม่สามารถเบรคให้หยุดได้ทัน ระบบขับเคลื่อนอัตโนมัติจะตัดสินใจอย่างไรระหว่างปล่อยให้ตรงไปชนคนข้ามถนนหรือหักหลบลงข้างทางที่จะทำให้คนขับและผู้โดยสารในรถเสียชีวิต ซึ่งถ้าหากการตัดสินใจที่จะต้องเลือกระหว่างความเป็น-ความตายของเจ้าของรถเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ผู้ผลิตรถยนต์จะทำอย่างไร[1]

การตัดสินใจเชิงจริยธรรมในสถานการณ์ที่ไม่ว่าจะเลือกอย่างไรก็ตามมาด้วยความสูญเสียแบบนี้ เป็นปัญหาที่นักวิชาการด้านจริยธรรมก็ยังถกเถียงกันไม่จบและไม่กล้าฟันธงว่าทางเลือกไหนดีที่สุด แต่บังเอิญมีผู้บริหารจากเมอร์ซีเดส-เบนซ์มาฟันธงคำตอบให้ เรื่องราวก็เลยลุกลามไปกันใหญ่ เขาคนนั้นคือ คริสตอฟ ฟอน ฮูโก (Christoph von Hugo) ผู้จัดการแผนกระบบช่วยขับ (Driver-assistance systems) เขาบอกว่าถ้าต้องเลือกว่าจะรักษาชีวิตใคร เขาจะเลือกเก็บชีวิตคนในรถไว้แน่นอน[2] ซึ่งหลังจากคำตอบนี้เผยแพร่ไปตามสื่อต่างๆ ก็เกิดข้อกล่าวหาว่าบริษัทรถยนต์จะพัฒนาระบบช่วยขับที่เน้นความปลอดภัยของคนขับและผู้โดยสารในรถ ละเลยผู้ร่วมทาง จนต้องมีการแก้ข่าวว่าผู้ผลิตรถยนต์ให้ความสำคัญกับชีวิตคนทุกคน และไม่มีการพัฒนาระบบช่วยขับไปในทิศทางที่ถูกกล่าวหาแต่อย่างใด

การพัฒนาระบบ AI ในรถยนต์จึงไม่ได้เป็นแค่การพัฒนาระบบเซ็นเซอร์ตรวจจับสภาพถนน การบังคับทิศทาง การควบคุมความเร็ว การหยุดรถ หรือการวางแผนการเดินทางไปสู่จุดหมายปลายทางที่สั้นและเร็วที่สุดเท่านั้น มันได้รับการยกระดับไปสู่การถกเถียงเกี่ยวกับการตัดสินใจเชิงจริยธรรมทางธุรกิจของ AI ไปแล้ว ผู้ผลิตรถยนต์ต้องคำนึงถึงคำถามสำคัญ 2 คำถามคือ AI จะผิดไหมถ้ามุ่งรักษาชีวิตคนในรถเป็นสำคัญ กับคำถามอีกหนึ่งคือลูกค้าจะเลือกซื้อรถยนต์ขับเคลื่อนอัตโนมัติที่ถูกสอนให้พุ่งลงข้างทางเมื่อเกิดเหตุการณ์คับขันหรือไม่ ซึ่งผู้ผลิตต้องชั่งน้ำหนักและวางสมดุลเรื่องนี้ให้ดี นอกจากนี้ ภาครัฐก็จำเป็นต้องเข้าเกี่ยวข้องอย่างหลีกเลี่ยงไม่ได้ เพราะเป็นเรื่องของความปลอดภัยสาธารณะและการประกอบธุรกิจที่ส่งผลกระทบต่อสังคมส่วนรวม

เมื่อเราใช้คนทำงาน เรามีการวางกฎเกณฑ์ลักษณะต่างๆ เพื่อให้การทำงานสำเร็จลุล่วงอย่างราบรื่น เช่น มีระเบียบวินัยเพื่อกำหนดกรอบพฤติกรรมในการทำงาน มีนโยบายเพื่อใช้เป็นแนวทางในการตัดสินใจเรื่องต่างๆ ดังนั้น เมื่อเราจะใช้เครื่องจักรทำงาน เราก็ต้องวางกฎเกณฑ์เช่นเดียวกัน ไม่เว้นแม้แต่กฎเกณฑ์ทางจริยธรรม ซึ่งจากปัญหาการตัดสินใจเชิงจริยธรรมที่กล่าวมาข้างต้นชี้ให้เห็นว่า การนำเครื่องจักรและระบบ AI มาใช้ไม่ว่าจะเป็นเรื่องใดก็ตาม มีความสลับซับซ้อนไม่ยิ่งหย่อนไปกว่าการทำงานกับคน

[1] https://www.weforum.org/agenda/2017/03/this-mit-professor-says-there-is-still-one-huge-challenge-with-self-driving-cars/

[2] http://blog.caranddriver.com/self-driving-mercedes-will-prioritize-occupant-safety-over-pedestrians/

แค่เปลี่ยนที่นั่งก็เพิ่มผลการทำงานได้


ถ้าบริษัทประสบปัญหาพนักงานทำงานย่อหย่อนขาดประสิทธิภาพ เสร็จไม่ทันเวลาหรือไม่เรียบร้อยสมบูรณ์ตามที่กำหนด แม้จะมีการจูงใจด้วยวิธีต่างๆ แล้วก็ตามแต่ก็ยังไม่ได้ผล งานวิจัยของ Corsello และ Minor[1] แนะนำว่าให้ลองเปลี่ยนที่นั่งของพนักงานแล้วจะสามารถเพิ่มประสิทธิภาพมากขึ้นเฉลี่ยถึง 10% แต่อย่าเพิ่งเชื่อและควรตั้งข้อสงสัยไว้ก่อน แล้วอ่านบทความนี้ต่อไป

งานวิจัยนี้แบ่งผลการทำงานของพนักงานออกเป็นกลุ่มๆ ได้ 3 ประเภท พวกแรกมีจุดแข็งที่ทำงานเร็วแต่มีจุดอ่อนเรื่องความละเอียดรอบคอบหรือความสมบูรณ์เรียบร้อยของงาน พวกต่อมามีจุดแข็งที่ความละเอียดรอบคอบเรียบร้อยดีแต่มีจุดอ่อนที่ใช้เวลานานหรือเสร็จช้า และพวกสุดท้ายคือพวกปานกลางที่ก้ำกึ่งระหว่างความเร็วและความละเอียดเรียบร้อยในการทำงาน โดยทั่วไปกลุ่มปานกลางจะมีสัดส่วนมากที่สุดในบริษัท คิดเป็นครึ่งหนึ่งของพนักงานทั้งหมด (50%) ส่วนอีก 2 กลุ่มที่เหลือจะมีสัดส่วนกลุ่มละ 1 ใน 4 (25%)

งานวิจัยพบว่าการจัดที่นั่งของพนักงานโดยนำจุดแข็งไปเสริมจุดอ่อนซึ่งกันและกันจะช่วยเพิ่มผลการทำงานให้สูงขึ้นได้ เช่น จัดให้พนักงานที่มีจุดแข็งด้านความละเอียดเรียบร้อยนั่งใกล้กับพนักงานที่มีจุดแข็งด้านทำงานเร็ว จะส่งผลให้พนักงานกลุ่มละเอียดเรียบร้อยเพิ่มความเร็วในการทำงาน ในขณะเดียวกันพนักงานกลุ่มทำงานเร็วก็จะเพิ่มความละเอียดรอบคอบมากขึ้นตามไปด้วย

แต่หากจัดพนักงานที่มีจุดแข็งประเภทเดียวกันไว้ใกล้กันจะไม่มีผลต่อการเพิ่มประสิทธิภาพให้สูงขึ้น เช่น จัดให้พวกทำงานเร็วนั่งใกล้กันกับพวกทำงานเร็วจะไม่สามารถส่งผลให้เพิ่มความเร็วขึ้นได้อีก ส่วนพวกที่ไม่มีจุดแข็งจุดอ่อนหรือทำงานปานกลางไม่เร็วและไม่ละเอียดเรียบร้อยมากจะไม่มีผลการเปลี่ยนแปลงเกิดขึ้นไม่ว่าจะถูกจัดให้นั่งใกล้กับพนักงานประเภทใด

อย่างไรก็ตาม พนักงานอีกประเภทหนึ่งที่ทุกบริษัทหลีกเลี่ยงไม่ได้คือพวกที่มีพฤติกรรมไม่ดี เช่น พนักงานที่ชอบทำผิดกฎระเบียบ ทะเลาะวิวาท ติดยาเสพติด ลักขโมย ปลอมแปลงเอกสาร สิ่งที่งานวิจัยพบอย่างชัดเจนคือ ถ้าจัดพนักงานกลุ่มนี้มานั่งอยู่ใกล้กัน หนึ่งในนั้นจะมีโอกาสถูกให้ออกสูงถึง 27% แล้วถ้าจัดให้ไปนั่งใกล้กับกลุ่มพนักงานดีๆ ข้างต้นผลการวิจัยบอกว่าเราจะมีโอกาสสูญเสียพนักงานดีๆ เพราะพฤติกรรมที่ไม่ดีเหล่านี้ส่งอิทธิพลแรงมาก จะครอบงำพนักงานที่ดีให้กลายร่างเป็นพนักงานที่ไม่ดีในที่สุด

ข้อสรุปที่สำคัญของการวิจัยเรื่องนี้คือ เราควรให้ความสำคัญกับการออกแบบพื้นที่ทำงานและการจัดกลุ่มทีมงาน แรงบันดาลใจหรือแรงกดดันของเพื่อนร่วมงานที่มีผลการทำงานดี (เน้นว่าผลการทำงานที่ดีหรือจุดแข็งในผลการวิจัย) จะส่งอิทธิพลต่อสมาชิกที่ทำงานอยู่ใกล้กัน หรือถ้าจะให้ชัดเจนก็ต้องยกสุภาษิตไทยมาเปรียบเทียบก็คือ “คบคนพาล พาลพาไปหาผิด คบบัณฑิต บัณฑิตพาไปหาผล” ผู้บริหารจะต้องมองคนออก วิเคราะห์จุดแข็งจุดอ่อนของแต่ละคนแล้วจัดสภาพแวดล้อมที่จะทำให้ผลการทำงานออกมาในทิศทางที่ปรารถนา และที่สำคัญอย่าให้คน….อะไร….มารวมกัน

[1] https://hbr.org/2017/02/want-to-be-more-productive-sit-next-to-someone-who-is

ผู้ลี้ภัยทางดิจิทัล (Digital refugees)


หลายคนคงได้อ่านข่าวผู้อพยพลี้ภัยจากประเทศแถบตะวันออกกลางและแอฟริกาอพยพหลั่งไหลเข้าสู่ยุโรปและอเมริกาเป็นจำนวนมาก จนนับเป็นการอพยพลี้ภัยที่ใหญ่ที่สุดนับตั้งแต่สงครามโลกครั้งที่ 2 เป็นต้นมา ด้วยจำนวนผู้อพยพที่หลั่งไหลเข้าสู่ยุโรปและอเมริกาเป็นจำนวนมากจึงเป็นชนวนให้เกิดความแตกแยกของประชาชนในประเทศที่รับผู้อพยพเข้ามา ฝ่ายหนึ่งเห็นแก่มนุษยธรรมว่าเมื่อมีผู้เดือดร้อนมาขอความช่วยเหลือเราควรต้องยื่นมือออกไปช่วยดูแล แต่อีกฝ่ายหนึ่งเห็นว่าผู้อพยพเข้ามามากเกินไปจนสร้างความเสียหายให้แก่เจ้าของประเทศ กระแสการปฏิเสธผู้อพยพรุนแรงมากจนกลายมาเป็นเหตุผลหนึ่งที่นำไปสู่การลงประชามติถอนตัวออกจากสหภาพยุโรปของสหราชอาณาจักรหรือ “Brexit” รวมถึงการที่คนอเมริกันเลือกนายโดนัลด์ ทรัมป์ที่หาเสียงด้วยนโยบายประชานิยม (Populist) มาเป็นประธานาธิบดี ซึ่งต่อมาเขาก็ได้ออกประกาศห้ามผู้อพยพจาก 7 ประเทศเข้าสหรัฐเป็นการชั่วคราว (Travel ban)

มาร์ค เบนิออฟ (Marc Benioff) ประธานคณะผู้บริหาร (Chief Executive Officer: CEO) ของ Salesforce.com ออกมาเตือนว่าความก้าวหน้าทางเทคโนโลยีโดยเฉพาะด้านปัญญาประดิษฐ์ (Artificial Intelligence: AI) จะก่อให้เกิดปรากฎการณ์ที่เรียกว่า “ผู้ลี้ภัยทางดิจิทัล (Digital refugees)[1] ซึ่งคงไม่เหมือนกับผู้อพยพลี้ภัยสงครามที่กล่าวมาข้างต้น แต่เปรียบเทียบให้เห็นว่าสงครามและความอดอยากทำให้คนต้องละทิ้งแผ่นดิน ความก้าวหน้าทางเทคโนโลยีด้านหุ่นยนต์และ AI จะเข้ามารุกรานทำให้คนต้องสูญเสียงานที่เคยทำ ถูกบังคับให้ต้องออกไปและหาทางเอาตัวรอดท่ามกลางอุตสาหกรรมที่เจริญก้าวหน้ามากขึ้นแต่กลับไม่มีที่ว่างให้พวกเขา แม้กระทั่งประเทศสังคมนิยมอย่างจีนก็ยังประสบกับปัญหานี้ ถึงจีนจะมีแรงงานราคาถูกมากมาย เป็นโรงงานของโลก สามารถผลิตสินค้าได้ทุกอย่างในราคาที่ถูกมากๆ แต่เมื่อกลางปี 2559 ที่ผ่านมา โรงงาน Foxconn ผู้รับจ้างผลิตโทรศัพท์ iPhone ให้แก่ Apple ออกมาประกาศแผนลดคนงานจำนวนมหาศาลถึง 60,000 ตำแหน่งจากทั้งหมด 110,000 ตำแหน่งแล้วติดตั้งหุ่นยนต์ทำงานแทน[2] โดยไม่ได้มีปัญหาเรื่องขาดทุนแต่อย่างใด

สำหรับบ้านเรา การเปลี่ยนแปลงทางเทคโนโลยีที่ส่งผลกระทบต่อคนจำนวนมากยังเป็นแค่การเริ่มต้น แต่ก็มีบางคนได้รับผลของการเปลี่ยนแปลงนี้ไปแล้ว ที่เป็นข่าวดังระดับประเทศก็ได้แก่การเปลี่ยนแปลงในแวดวงสื่อสารมวลชน นิตยสารเก่าแก่ที่อยู่คู่เมืองไทยมาหลายสิบปีต้องปิดตัวลงเพราะคนไม่อ่านหนังสือจากกระดาษแต่เปลี่ยนไปอ่านจากสมาร์ทโฟนแทน หรือกรณีโทรทัศน์ดิจิทัลที่เปิดตัวไปเมื่อปี 2557 ผ่านไปแค่ไม่กี่ปีก็พบว่าพฤติกรรมการดูโทรทัศน์ของคนไทยเปลี่ยนไปดูรายการผ่านทางออนไลน์มากขึ้น ปีแรกผ่านไปด้วยการปิดตัวลง 2 ช่อง ส่วนปีที่ผ่านมามี 2 ช่องต้องเอาตัวรอดด้วยการขายหุ้นเพิ่มทุนเพื่อเอาเงินมาใช้ประคับประคองกิจการ[3] อีก 6 ช่องขอยืดเวลาจ่ายค่าธรรมเนียมออกไป[4] แวดวงสื่อสารมวลชนในปีที่ผ่านมาจึงมีการปรับโครงสร้างบริษัทและปรับลดพนักงานอย่างขนานใหญ่ ทำให้คนในวงการตกงานกันเยอะพอสมควร อีกวงการหนึ่งที่มีการเปลี่ยนแปลงไม่แพ้กันคือธนาคารพาณิชย์ ปีที่ผ่านมามีธนาคารหลายแห่งเริ่มนโยบายลดการเปิดสาขาไม่ว่าจะเป็นสาขาที่เปิดในห้างหรือนอกห้าง สถิติเฉพาะปี 2559 พบว่าปิดไปแล้วทั้งหมด 51 สาขา[5] ธนาคารหันมาส่งเสริมการให้บริการออนไลน์ผ่านสมาร์ทโฟนมากขึ้น และเตรียมพร้อมรองรับการเข้ามาของเทคโนโลยีทางการเงิน (Fintech) นี่นับว่ายังโชคดีของพนักงานธนาคารที่ขณะนี้ไม่มีการลดคน แต่ในไม่ช้าเชื่อว่าพนักงานธนาคารจะมีจำนวนลดลงกว่าในปัจจุบันมาก

แล้วเราจะรับมือปัญหา “ผู้ลี้ภัยทางดิจิทัล” กันอย่างไร? คำตอบมี 2 ระดับคือระดับตัวแรงงานเองและระดับสังคม ประการแรกตัวผู้ใช้แรงงานต้องปรับตัวเข้าสู่การใช้ทักษะแบบใหม่ให้ได้จึงจะอยู่รอด ซีซิเลีย เรเยส (Cecilia Reyes) หัวหน้าคณะผู้บริหารด้านความเสี่ยง (chief risk officer) กลุ่มบริษัทประกันภัยซูริค (Zurich Insurance Group) กล่าวว่า แรงงานต้องปรับตัวให้พร้อมรับการเปลี่ยนแปลงที่จะเกิดขึ้น ฝ่ายที่เกี่ยวข้องจะต้องเข้ามาช่วยเหลือโดยการอบรมทักษะเพิ่มเติมให้แก่แรงงาน มิเช่นนั้นเทคโนโลยีจะส่งผลให้ตำแหน่งงานเก่าหายไปอย่างรวดเร็วกว่าตำแหน่งงานใหม่ที่จะเกิดขึ้น[6] ประการที่สอง สังคมจะต้องร่วมกันหาทางออกกับปัญหาที่จะตามมา สัตยา นาเดลลา (Satya Nadella) ประธานคณะผู้บริหาร (Chief Executive Officer: CEO) ของไมโครซอฟต์ (Microsoft) ชี้ให้เห็นปัญหาสำคัญคือปัญหา “ผลผลิตส่วนเกิน (Surplus)” ที่ได้มาจากความก้าวหน้าทางเทคโนโลยี หากเจ้าของทุนและเทคโนโลยีหรือแรงงานชั้นสูงที่ทำงานในอุตสาหกรรมไฮเทคกอบโกยความมั่งคั่งแต่ทอดทิ้ง “ผู้ลี้ภัยทางดิจิทัล” ไว้ข้างหลังย่อมไม่เป็นผลดี เขาเสนอให้สังคมร่วมกันค้นหาสูตรใหม่ที่ผลตอบแทนของเงินทุนและผลตอบแทนของแรงงานไปด้วยกัน ซึ่งเขาเรียกว่า “สัญญาประชาคมใหม่ (new social contract)”[7] เป็นสัญญาที่คำนึงถึงความเป็นธรรมในการกระจายผลผลิตส่วนเกินนี้ไปสู่ส่วนต่างๆ ให้ทุกคนในสังคมได้รับประโยชน์ร่วมกัน

[1] https://www.ft.com/content/744ad7fa-de66-11e6-9d7c-be108f1c1dce

[2] http://www.bbc.com/news/technology-36376966

[3] http://m.prachachat.net/news_detail.php?newsid=1481603333

[4] http://www.bangkokbiznews.com/news/detail/739696

[5] http://www.prachachat.net/news_detail.php?newsid=1482319041

[6] http://www.forbes.com/sites/jasonbloomberg/2017/01/22/davos-highlights-ais-massive-pr-problem/#3567a5f261cb

[7] http://fortune.com/2017/01/18/davos-ai-social-contract-ceo/

สอนคอมพิวเตอร์ให้หลอกคน


“ในอนาคตอีกไม่กี่ปี คอมพิวเตอร์จะมีความสามารถหลอกคนได้” จริงหรือนี่? บางคนก็คิดว่าเป็นไปได้เพราะทุกวันนี้ก็มีพวกแฮกเกอร์ที่ใช้วิธีสร้างโปรแกรมขนาดเล็ก (Bot) ไปฝังตัวในเครื่องคอมพิวเตอร์หรือสมาร์ทโฟนเพื่อหลอกเอารหัสผ่านมาเจาะเข้าระบบธนาคารแล้วทำการโอนเงินออกไปได้ แต่อีกคนก็เถียงว่าที่แฮกเกอร์พวกนี้ทำได้ก็เพราะมีการเขียนโปรแกรมใส่ไปในเครื่องก่อนว่าจะให้ทำอะไร ซึ่งหากทำด้วยตัวคอมพิวเตอร์เองคงยังเป็นไปไม่ได้ ต้องรอไปอีกซัก 20 ปีคอมพิวเตอร์ถึงจะมีความก้าวหน้าจนสามารถหลอกคนได้ … แต่อยากจะบอกว่า … ใครคิดอย่างทั้ง 2 คนนี้เตรียมตัวไว้ได้เลย เพราะมันเกิดขึ้นแล้วตอนนี้ คอมพิวเตอร์สามารถหลอกล่อหรือลักไก่ (Bluff) ให้คนหลงเชื่อในการแข่งขันไพ่โป๊กเกอร์ได้แล้ว และไม่ใช่นักโป๊กเกอร์ธรรมดาๆ แต่เป็นนักโป๊กเกอร์มืออาชีพระดับโลกถึง 4 คนกันเลยทีเดียว ใครที่ไม่รู้ว่าโป๊กเกอร์เป็นยังไงให้ลองไปหาหนังเรื่อง James Bond ตอน Casino Royale หรือหาหนังจีนประเภทเจ้าพ่อหรือเซียนพนันมาดู ก็จะพอรู้ว่าโป๊กเกอร์เป็นเกมที่มีการชิงไหวชิงพริบกันอย่างไร ต้องอ่านเกมของคู่ต่อสู้ว่าจะมาไม้ไหน ทำอย่างไรจึงจะไม่หลงกล วางกลยุทธ์ แล้วจึงลงเงินเดิมพัน ซึ่งเรื่องราวการแข่งขันโป๊กเกอร์ระหว่างคนกับคอมพิวเตอร์นี้เป็นมาอย่างไรจะเล่าให้ฟังต่อไปนี้

การแข่งขันระหว่างคอมพิวเตอร์กับคนเกิดขึ้นมาแล้วหลายครั้งหลายครา มักจัดขึ้นเพื่อวัดความก้าวหน้าของวิทยาการคอมพิวเตอร์ในขณะนั้น การแข่งขันครั้งสำคัญในประวัติศาสตร์ระหว่างคอมพิวเตอร์กับคนมีอยู่ด้วยกัน 3 ครั้ง ครั้งแรกในปี 1997 คอมพิวเตอร์ชื่อ “ดีพบลู (Deep Blue)” ของไอบีเอ็ม (IBM) แข่งหมากรุกสากล (Chess) ชนะแชมป์โลกในขณะนั้นชื่อนายแกรี่ คาสปารอฟ (Garry Kasparov)[1] ชัยชนะนี้ถือเป็นจุดเริ่มต้นที่สำคัญของความก้าวหน้าด้านปัญญาประดิษฐ์ (Artificial Intelligence: AI) ครั้งต่อมาปี 2011 คอมพิวเตอร์ชื่อ “วัตสัน (Watson)” จากไอบีเอ็มอีกเช่นกัน ได้ถูกพัฒนาให้มีความสามารถเข้าใจภาษาธรรมชาติ (Natural language) หรือภาษาที่มนุษย์ใช้กันทั่วไปแล้วค้นหาคำตอบตามที่ต้องการได้อย่างถูกต้อง วัตสันเข้าแข่งขันตอบคำถามกับมนุษย์ในรายการเกมโชว์ชื่อ “เจพพาร์ดี้ (Jeopardy)” สามารถเอาชนะ แบรด รุธเธอร์ (Brad Rutter) และเคน เจนนิ่ง (Ken Jennings) แชมป์เก่าได้[2] และครั้งล่าสุดเมื่อปี 2016 ที่ผ่านมา คอมพิวเตอร์ชื่อ “อัลฟ่าโก (AlphaGo)” จากกูเกิล (Google) สามารถเอาชนะ “ลี เซดอล (Lee Sedol)” แชมป์โลก “โกะ” ชาวเกาหลีใต้ได้อย่างราบคาบ[3] โกะเป็นเกมกระดานที่มีกติกาไม่ยุ่งยากแต่มีความสลับซับซ้อนในการเดินหมากมากกว่าหมากรุกสากล

ระหว่างวันที่ 11-30 มกราคม 2560 ที่ผ่านมา มีการแข่งขันระหว่างคอมพิวเตอร์กับคนอีกรายการหนึ่งแต่ไม่ค่อยจะได้รับการพูดถึงมากนักเพราะมีข่าวดังอื่นๆ มากลบ โดยเฉพาะข่าวการเข้ารับตำแหน่งประธานาธิบดีของนายโดนัลด์ เจ ทรัมป์ (Donald J. Trump) การแข่งขันครั้งนี้นักวิจัยเลือกใช้เกมไพ่โป๊กเกอร์ (Poker) มาเป็นเวทีทดสอบ เพราะโป๊กเกอร์มีกติกาการแข่งขันที่ท้าทายขีดความสามารถของคอมพิวเตอร์และปัญญาประดิษฐ์อย่างยิ่ง เป็นเกมที่นอกจากจะเอาชนะกันด้วยการดูว่าไพ่ในมือของใครเหนือกว่ากันแล้วยังมีการเรียกเงินเดิมพันของผู้เล่นเป็นเงื่อนไขในการตัดสินใจอีกด้วย กล่าวได้ว่าโป๊กเกอร์มีความสลับซับซ้อนกว่าหมากรุกสากล โกะ หรือเกมตอบคำถามที่คอมพิวเตอร์เคยเอาชนะมาแล้ว

การแข่งขันโป๊กเกอร์ระหว่างคนกับคอมพิวเตอร์ครั้งนี้มีชื่องานว่า “เบรน วีเอส อาร์ทิฟิเชียล อินเทลลิเจนซ์ (Brain vs. Artificial Intelligence)” จัดที่ริเวอร์คาสิโน (Rivers Casino) พิทส์เบิร์ก สหรัฐอเมริกา แข่งกันอย่างมาราธอนถึง 20 วัน วันละ 7 ชั่วโมง งานนี้นักเล่นโป๊กเกอร์มืออาชีพที่เก่งที่สุดในโลกจำนวน 4 คนเข้าแข่งขันกับ AI ชื่อว่า “ลิบราตัส (Libratus)” ที่พัฒนาโดยคณะนักวิจัยซึ่งเป็นศาสตราจารย์และนักศึกษาปริญญาเอกด้านคอมพิวเตอร์จากมหาวิทยาลัยคาร์เนกี้เมลล่อน (Carnegie Mellon University) คณะนักวิจัยกลุ่มนี้เคยนำคอมพิวเตอร์ชื่อ “เคลาดิโก้ (Claudico)” เข้าแข่งขันโป๊กเกอร์กับคนมาแล้วในปี 2015 ซึ่งผลแพ้ชนะยังค้างคาใจกัน ฝ่ายนักเล่นโป๊กเกอร์บอกว่าพวกเขา 3 ใน 4 คนได้เงินพนันมากกว่า Claudico แม้จะเพียงเล็กน้อยแต่ย่อมเป็นผู้ชนะ ฝ่ายนักวิจัยบอกว่าเสมอกันเพราะเมื่อคำนวณแล้วผลการแพ้ชนะไม่แตกต่างอย่างมีนัยสำคัญทางสถิติ[4]

มาครั้งนี้จึงเปิดให้แก้มือกันอีกครั้งโดยปรับกติกาให้ชัดเจนขึ้นหลายประการคือ ผู้เล่นแต่ละคนมีชิปพนันมูลค่า $200,000 แข่งกับ Libratus แบบตัวต่อตัว (Head’s-up) โดยนักโป๊กเกอร์จะถูกแบ่งออกเป็น 2 ทีม ทีมละ 2 คน ผู้เล่นในทีมคนหนึ่งจะถูกแยกออกไปเล่นอีกห้องต่างหากซึ่งไม่สามารถติดต่อสื่อสารกับเพื่อนร่วมทีมได้ ทั้งสองคนจะแข่งกับ Libratus ด้วยไพ่ที่แจกเหมือนกันทุกประการแต่จะลงเดิมพันอย่างเป็นอิสระจากกัน ซึ่งทีมนักวิจัยอธิบายเหตุผลที่จัดทีมเช่นนี้ว่าเพื่อเป็นการลดอิทธิพลจากไพ่ในมือ เพราะบางครั้งผู้เล่นอาจจะโชคดีได้ไพ่สวยมาตั้งแต่เริ่มต้น นอกจากนี้ ยังเพิ่มความยากในการเล่นจากเดิมแข่งกันด้วยกติกาโป๊กเกอร์เท็กซัสแบบจำกัดวงเงินเดิมพันเปลี่ยนไปเป็นแบบไม่จำกัดวงเงิน (No-Limit Texas Hold’em) ซึ่งเป็นกติกาโป๊กเกอร์ที่มีความท้าทายในการเล่นมากที่สุด และเพิ่มจำนวนเกมที่ใช้ในการแข่งขันจาก 80,000 เกมเป็น 120,000 เกมเพื่อให้สามารถคำนวณผลแพ้ชนะทางสถิติที่แม่นยำและเชื่อถือได้มากยิ่งขึ้น[5]

เพื่อให้เห็นภาพ จำเป็นต้องอธิบายการเล่นโป๊กเกอร์เป็นข้อมูลประกอบเล็กน้อย การเล่นโป๊กเกอร์เริ่มต้นจากเจ้ามือจะแจกไพ่ให้ผู้เล่นคนละ 2 ใบโดยคว่ำหน้าลงไม่ให้คู่แข่งเห็น เจ้าของไพ่จะดูได้คนเดียวแล้วเริ่มวางเงินเดิมพัน คนที่อยู่ทางซ้ายของเจ้ามือจะเริ่มก่อนแล้วเรียงตามลำดับไปเรื่อยๆ ผู้เล่นที่คิดว่าไพ่ในมือสู้ไหวก็จะลงเงินเดิมพันตามในจำนวนที่เท่ากัน (Call) หากคิดว่าไพ่ในมือเหนือกว่าก็จะเรียกเงินเดิมพันเพิ่มหรือเก (Raise) หากต้องการข่มขวัญคู่ต่อสู้ก็สามารถเพิ่มเงินเดิมพันหรือเกทับเข้าไปอีกก็ได้ (Re-raise) ส่วนผู้เล่นที่ไพ่ในมือไม่ดีก็จะไม่สู้ต่อหรือหมอบ (Fold) เมื่อไม่มีคนเรียกเพิ่มจึงเริ่มการพนันรอบที่ 2 (Flop) โดยเจ้ามือจะเปิดไพ่กลางวง 3 ใบ (Community cards) ผู้เล่นจะพิจารณาไพ่ 2 ใบในมือว่าเมื่อนำไปรวมกับไพ่กลางวงให้ครบห้าใบแล้วเขาจะได้ไพ่สูงสุดแค่ไหน พร้อมทั้งอ่านไพ่ในมือคู่แข่งไปด้วย แล้วทำการเดิมพันเหมือนรอบแรก ต่อมารอบที่ 3 (Turn) เจ้ามือจะเปิดไพ่กลางวงเพิ่มอีก 1 ใบ ผู้เล่นจะทำการเรียกเดิมพันเหมือนรอบที่ผ่านมา รอบสุดท้าย (River) เจ้ามือเปิดไพ่กลางวงอีก 1 ใบ เมื่อผู้เล่นเรียกเงินเดิมพันเหมือนรอบที่ผ่านมาจนกระทั่งไม่มีใครเรียกเพิ่มเติมแล้ว ผู้เล่นที่เหลืออยู่จะเปิดไพ่ของตนเทียบกับคู่แข่ง ใครมีไพ่เหนือกว่าเป็นผู้ชนะได้เงินเดิมพันที่ผู้เล่นทุกคนลงไว้ตั้งแต่เริ่มเล่นทั้งหมด[6]

การแข่งขัน Brain vs. Artificial Intelligence วันแรกๆ ทีมนักเล่นโป๊กเกอร์วางแผนใช้กลยุทธ์การเรียกเงินเดิมพันมาสู้อย่างเต็มที่ ใช้กลยุทธ์การเล่นลักไก่หรือบลัฟ (Bluff) เช่น ในมือถือมีไพ่ดีแต่เรียกเดิมพันต่ำหรือในมือถือไพ่ไม่ดีแต่เรียกเดิมพันสูง ซึ่งเขาคิดว่าน่าจะเป็นจุดอ่อนของ Libratus วิธีนี้ใช้ได้ผลในช่วงแรก แต่หลังจากนั้น Libratus ก็จับทางได้ โดยทีมนักวิจัยอธิบายว่า Libratus จะลองผิดลองถูก (Trial and error) ในวันแรกๆ แต่เมื่อเล่นผ่านไปหลายๆ เกมมากขึ้น Libratus ก็จะเรียนรู้และรู้ทันการลักไก่ จนสามารถตัดสินใจถูกต้องเกือบทุกครั้งหากมีผู้เล่นใช้วิธีนี้ สถิติการเล่นชี้ให้เห็นอีกว่า Libratus จะรู้ทันแผนการเล่นลักไก่ในรอบ River ได้ถูกต้องมากที่สุด อย่างไรก็ตาม บางเกมนักเล่นโป๊กเกอร์ใช้วิธี Bluff หรือเรียกเงินเดิมพันสูงๆ ตั้งแต่รอบ Flop หรือ Turn แต่ Libratus ก็สามารถจับพิรุธและเปลี่ยนกลยุทธ์การเล่นได้ทันท่วงที หลังจบการแข่งขัน ผู้เล่นคนหนึ่งถึงกับออกมายอมรับว่า Libratus สามารถเรียนรู้และปรับกลยุทธ์ตามคู่แข่งแต่ละคนได้ดีมาก ทั้งยังสามารถใช้วิธีการ Bluff โต้ตอบกลับจนเอาชนะมนุษย์ได้ในที่สุด[7]

สิ่งที่น่าทึ่งของปัญญาประดิษฐ์ Libratus คือการยกระดับความฉลาดในการตัดสินใจในเกมที่มีข้อมูลไม่สมบูรณ์ (Imperfect information) ซึ่ง Libratus เหนือกว่า AI รุ่นที่ผ่านมาที่ชนะการแข่งขันหมากรุกสากลและโกะเพราะเกมทั้งสองชนิดมีตาเดินภายในกระดานที่กำหนด กล่าวคือ กระดานหมากรุกสากลมีขนาด 8×8 ช่อง กระดานโกะมีขนาด 19×19 ช่อง และมีการกำหนดกติกาการเดินของหมากแต่ละตัวไว้ชัดเจน เช่น King เดินได้ทุกทิศทางครั้งละ 1 ช่อง Queen เดินได้ทุกทิศทางครั้งละหลายช่อง เป็นต้น ดังนั้น AI รุ่นเก่าจึงทำงานง่ายกว่าเพราะมีข้อมูลและขอบเขตของการตัดสินใจที่สมบูรณ์ (Perfect information) แต่สำหรับการเล่นโป๊กเกอร์แบบ No-Limit Texas Hold’em นี้ Libratus มีโจทย์ที่ยากกว่า 2 เรื่องคือต้องคาดเดาไพ่ 5 ใบของตนและคู่แข่งที่มีความน่าจะเป็นมากถึง 10160 วิธี (เลข 1 มีศูนย์ตามหลัง 160 ตัว) อีกทั้งยังมีเงื่อนไขการลงเดิมพันของนักเล่นโป๊กเกอร์ที่อาจจะ Bluff หรือหลอกล่อให้ Libratus เดาไพ่ในมือผิดพลาดได้ แต่จุดที่น่าทึ่งมากที่สุดของ AI ที่พัฒนาขึ้นมาใหม่นี้คือ Libratus สามารถ Bluff ได้ไม่แพ้คนจริงๆ ซึ่งทีมนักวิจัยกล่าวว่าพวกเขาทำแค่ใส่ข้อมูลกติกาการเล่นให้ Libratus เพียงเท่านั้น Libratus มาเรียนรู้การ Bluff จากนักโป๊กเกอร์ที่เล่นด้วยนั่นเอง ทีมนักวิจัยให้ข้อมูลเพิ่มเติมอีกว่า เมื่อนำผลการเล่นของ Libratus ไปคำนวณค่าความเชื่อมั่นในการตัดสินใจเล่นแต่ละตาจะมีโอกาสถูกต้องสูงถึง 99.98 อย่างมีนัยสำคัญทางสถิติ[8]

ทีมนักวิจัยสรุปเหตุผลที่ Libratus สามารถเอาชนะคนในการแข่งโป๊กเกอร์ไว้ 3 ประการ คือ ซูเปอร์คอมพิวเตอร์ (Supercomputer) อัลกอริทึ่ม (Algorithm) และการเรียนรู้ของเครื่องจักร (Machine learning) ประการแรก Libratus เป็น AI ที่ทำงานบน Supercomputer ใหม่ล่าสุดที่มีชิปแกนประมวลผลมากถึง 15 ล้านตัว เปรียบเทียบกับ Claudico ในปี 2015 ที่มีเพียง 3 ล้านตัวเท่านั้น Libratus จึงสามารถประมวลข้อมูลที่สลับซับซ้อนได้ดีขึ้น ประการที่สอง ด้วยเหตุที่โป๊กเกอร์แบบ No-Limit Texas Hold’em มีข้อมูลที่ไม่สมบูรณ์และมีความน่าจะเป็นของไพ่ในมือมากถึง 10160 ทำให้ AI ไม่สามารถวิเคราะห์ข้อมูลทางเลือกทั้งหมดก่อนตัดสินใจเล่นได้ ทีมนักวิจัยจึงได้พัฒนาอัลกอริทึ่มในการเล่น (End-game solving algorithm) ที่ฉลาดในการแก้ปัญหามากขึ้น Algorithm นี้คล้ายคลึงกับการคิดของมนุษย์ที่จะเลือกทางเลือกที่เป็นไปได้เพียงบางส่วนมาใช้วางกลยุทธ์แล้วตัดสินใจว่าจะหมอบ (Fold) ตาม (Call) เก (Raise) หรือเกทับ (Re-raise) ทั้งนี้ ระหว่างเกมการแข่งขันจะสังเกตพบว่า Libratus ใช้เวลาคิดในรอบ Turn และ River นานกว่าปกติ ประการสุดท้าย Libratus จะเก่งขึ้นทุกวัน ตอนกลางคืน Libratus จะไม่พักผ่อนเหมือนคนแต่จะเรียนรู้ข้อผิดพลาดจากการแข่ง โดยประมวลข้อมูลการเล่นที่ผ่านมาเพื่อนำมาแก้จุดบกพร่องในการเล่นสำหรับวันถัดไป นักวิจัยยังกล่าวเพิ่มเติมอีกว่า Libratus เรียนรู้ถึงขั้นที่รู้ว่าคู่แข่งจับไต๋ของตนได้และกำลังซ้อนแผนกลับ[9]

อ่านมาถึงตอนนี้แล้วเริ่มจะรู้สึกเป็นห่วงอนาคตของตัวเองมากขึ้นหรือปล่าว แต่สบายใจได้ มนุษย์อย่างเรายังไม่ถูกคอมพิวเตอร์รุกรานในเวลานี้แน่นอน Libratus ยังอยู่ในขั้นเริ่มต้น ไม่สามารถนำมาใช้ในชีวิตประจำวันและยังมีข้อจำกัดอีกมาก เช่น Libratus ต้องทำงานบนเครื่อง Supercomputer ที่มีสมรรถนะสูงและไม่สามารถเล่นโป๊กเกอร์ได้มากกว่า 2 คนในเวลาเดียวกัน แต่อย่างไรก็ตามชัยชนะของ Libratus ถือเป็นก้าวหน้าสำคัญซึ่งจะส่งผลต่อการนำไปประยุกต์ใช้ด้านต่างๆ ในอนาคตอีกมากมาย เหตุเพราะ Algorithm ของ Libratus พัฒนามาเพื่อแก้ปัญหาที่มนุษย์ต้องเจอในชีวิตจริง ทุกวันเราจะต้องเผชิญกับสถานการณ์ที่ต้องตัดสินใจโดยมีข้อมูลไม่สมบูรณ์และมีความไม่แน่นอนสูง การได้ AI อย่าง Libratus มาเป็นผู้ช่วยมนุษย์ในการทำงานก็จะส่งผลดีต่อประสิทธิภาพการทำงานเป็นอย่างมาก ซึ่งทุกวันนี้เราก็มีคอมพิวเตอร์เป็นผู้ช่วยส่วนตัวมาระยะหนึ่งแล้ว อย่างเช่น Siri ของ iPhone หรือ Alexa ของ Amazon ในอีกไม่กี่ปีข้างหน้า Siri อาจจะมีความสามารถสูงขึ้นจนทำงานที่สลับซับซ้อนของมนุษย์ได้ สามารถชักจูงหว่านล้อม มีลูกล่อลูกชน อุบไต๋ของตัวเองและจับไต๋ของอีกฝั่ง เช่น การเจรจาต่อรองราคาสินค้า การประมูล การซื้อขายหุ้น เป็นต้น แต่ก็ขอให้รู้ว่า นั่นเป็นผลมาจากการที่เราสอนให้คอมพิวเตอร์หลอกคนในวันนี้นี่เอง

[1] https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov

[2] https://en.wikipedia.org/wiki/Watson_(computer)

[3] https://en.wikipedia.org/wiki/AlphaGo_versus_Lee_Sedol

[4] https://en.wikipedia.org/wiki/Claudico

[5] https://www.cmu.edu/news/stories/archives/2017/january/poker-pros-vs-AI.html

[6] https://en.wikipedia.org/wiki/Poker

[7] http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/ai-learns-from-mistakes-to-defeat-human-poker-players

[8] https://www.cmu.edu/news/stories/archives/2017/january/AI-beats-poker-pros.html

[9] http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/ai-learns-from-mistakes-to-defeat-human-poker-players

ความถูกต้องและเชื่อถือได้ระหว่างคนกับเครื่องจักร


การเลือกตั้งประธานาธิบดีสหรัฐอเมริกาผ่านไปแล้ว ผลปรากฎว่านาย Donald Trump เป็นฝ่ายได้รับชัยชนะเป็นว่าที่ประธานาธิบดีคนใหม่ของสหรัฐ ซึ่งจะเข้ารับตำแหน่งอย่างเป็นทางการในเดือนมกราคมปี 2017 แต่ก่อนจะถึงวันนั้น มีเหตุการณ์เกิดขึ้นในสามรัฐสำคัญคือ Michigan, Pennsylvania, และ Wisconsin ที่กำลังมีการนับคะแนนใหม่ เหตุเนื่องมาจากนักวิชาการด้านคอมพิวเตอร์จาก University of Michigan และองค์กรเอกชนพบความผิดปกติในเชิงสถิติของผลการเลือกตั้งที่แตกต่างไปจากผลการสำรวจ (Polls) ซึ่งทำไว้ก่อนการเลือกตั้งสูงถึง 7% โดยเฉพาะในเมืองที่ใช้เครื่องลงคะแนนเสียง เมื่อเปรียบเทียบกับเมืองที่ใช้คนนับคะแนนซึ่งมีความผิดปกติเพียงเล็กน้อย[1] นอกจากนี้ ก่อนการเลือกตั้งยังมีข่าวลือว่า Hacker จากรัสเซียอาจ Hack เข้าระบบไปแก้ไขผลการเลือกตั้งได้ จึงนำมาสู่การขอนับคะแนนใหม่ นำโดย Jill Stein ผู้สมัครจากพรรค Green

ประเด็นที่บทความนี้ให้ความสนใจคือในอนาคตเครื่องจักรจะเข้ามามีบทบาทในชีวิตประจำวันของเรามากขึ้น เกิดคำถามตามมาว่าความถูกต้องและเชื่อถือได้ในการทำงานของเครื่องจักรมีมากน้อยเพียงใดเมื่อเทียบกับคน และเราสามารถไว้วางใจให้เครื่องจักรทำงานแทนเราได้หรือไม่ จึงนำประเด็นการนับคะแนนผลการเลือกตั้งประธานาธิบดีอเมริกาใหม่ (Recount) มาตั้งเพื่อสำรวจตรวจสอบความถูกต้องและเชื่อถือได้ในการนำเครื่องจักรมาทำงานทดแทนคน โดยรวบรวมข่าวและบทความที่ตีพิมพ์เกี่ยวกับการนับคะแนนเสียงใหม่ตามสื่อที่น่าเชื่อถือเท่าที่สืบค้นได้

ขอเริ่มจากการทำความเข้าใจวิธีลงคะแนนเสียงเลือกตั้งในอเมริกาก่อน การเลือกตั้งที่อเมริกามีความแตกต่างจากบ้านเรามาก รัฐบาลกลางไม่ได้กำหนดว่าจะต้องใช้วิธีลงคะแนนเสียงเหมือนๆ กันทั้งประเทศ แต่ละรัฐสามารถเลือกใช้วิธีที่แตกต่างกันไป บางรัฐใช้บัตรลงคะแนน (กระดาษ) และใช้คนนับคะแนน บางรัฐลงคะแนนและนับคะแนนด้วยเครื่องทั้งหมด (Voting machine) บางรัฐใช้แบบผสมคือลงคะแนนในบัตร (กระดาษ) แล้วนำไปหย่อนลงในเครื่องซึ่งจะทำการสแกนบัตรแล้วนับคะแนนให้โดยอัตโนมัติ รัฐ Michigan และ Wisconsin เลือกใช้วิธีแบบผสมคือใช้บัตรลงคะแนน (กระดาษ) และเครื่องนับคะแนน ส่วนรัฐ Pennsylvania เลือกใช้การลงคะแนนและนับคะแนนด้วยเครื่องทั้งหมด มีเกร็ดที่น่าสนใจเกี่ยวกับเครื่องลงคะแนนเล็กๆ น้อยๆ มาเล่าสู่กันฟังคือ ในอเมริกามีผู้ผลิตเครื่องลงคะแนนออกมาขายให้หน่วยงานที่จัดการเลือกตั้งมากมายหลายรุ่นหลายแบบ ซึ่งแต่ละหน่วยงานก็เลือกซื้อมาใช้งานได้โดยอิสระ มีข้อมูลว่า 72 เทศมณฑล (County) ในรัฐ Wisconsin เลือกใช้เครื่องลงคะแนนแตกต่างกันถึง 16 รุ่น[2]

จากข่าวเมื่อวันอาทิตย์ที่ 4 ธันวาคม Fox6now.com รายงานผลการนับคะแนนใหม่ที่เสร็จเรียบร้อยแล้วของ 6 เทศมณฑลในรัฐ Wisconsin ผลการเลือกตั้งสรุปว่าคะแนนของ Trump ยังชนะ Clinton ไม่เปลี่ยนแปลง แต่ทั้ง Trump และ Clinton เสียคะแนนคณะผู้เลือกตั้งคนละ 20 คะแนนไปให้กับ Jill Stein 27 คะแนนและ Gary Johnson 13 คะแนน นอกจากนี้ รายงานความคืบหน้าผลการนับคะแนนบางส่วนจาก 53 เทศมณฑลพบว่า Trump ได้คะแนนคณะผู้เลือกตั้งเพิ่มขึ้นจากผลการนับครั้งก่อน 40 คะแนน ซึ่ง Wendy Christensen ปลัดเทศมณฑล Racine (County Clerk) กล่าวถึงสาเหตุที่ทำให้เกิดความคลาดเคลื่อนว่าน่าจะมาจากเครื่องไม่สามารถนับคะแนนจากบัตรเลือกตั้งที่ใช้ปากกาหมึกสีน้ำเงิน ผลการนับคะแนนใหม่โดยใช้คนนับจึงมีคะแนนเพิ่มขึ้นกว่า 1 ล้านคะแนนและทำให้คะแนนคณะผู้เลือกตั้งเปลี่ยนแปลงไปดังที่กล่าวมาข้างต้น[3]

ส่วนที่รัฐ Michigan มีรายงานว่าเกิดปัญหาในการนับคะแนนใหม่เนื่องจากเมื่อตรวจสอบจำนวนผู้ลงคะแนนเลือกตั้งแล้วปรากฎว่าตัวเลขที่บันทึกโดยเจ้าหน้าที่ประจำหน่วยเลือกตั้งไม่ตรงกับตัวเลขที่บันทึกในเครื่องลงคะแนน ที่เมือง Detroit มีหน่วยเลือกตั้งที่เกิดปัญหานี้ 392 หน่วยจากทั้งหมด 662 หน่วย (คิดเป็นร้อยละ 59.2) เมือง Wayne มีปัญหายอดผู้ลงคะแนนไม่ตรงกัน 610 หน่วยจากทั้งหมด 1,680 หน่วยเลือกตั้ง (คิดเป็นร้อยละ 36.3) ในกรณีเช่นนี้ กฎหมายของรัฐ Michigan กำหนดว่าหน่วยเลือกตั้งที่มีปัญหาดังกล่าวจะไม่สามารถขอนับคะแนนใหม่ได้และผลการเลือกตั้งได้ที่ประกาศไปแล้วจะถือเป็นที่สิ้นสุด จากปัญหาที่เกิดขึ้น Daniel Baxter ผู้อำนวยการเลือกตั้งเมือง Detroit ให้ความเห็นว่า เมื่อประชาชนมาใช้สิทธิลงคะแนนในบัตรเลือกตั้งเสร็จแล้วก็จะนำบัตรมาหย่อนในเครื่องเพื่อสแกนและนับคะแนน แต่ด้วยเหตุที่เครื่องมีอายุการใช้งานมานานกว่า 10 ปี บางเครื่องจึงมีปัญหาบัตรติดค้างทำให้ต้องดึงออกมาแล้วใส่กลับไปใหม่ ซึ่งอาจเป็นที่มาที่ทำให้เกิดความคลาดเคลื่อนของจำนวนผู้ลงคะแนนได้[4]

แต่สำหรับรัฐ Pennsylvania นั้นแตกต่างออกไปเพราะมีการใช้เครื่องลงคะแนนเต็มรูปแบบ ไม่มีการใช้กระดาษเลย ดังนั้นการนับคะแนนใหม่จึงค่อนข้างยุ่งยากเพราะไม่มีหลักฐานการลงคะแนนที่จับต้องได้อย่างชัดเจน นอกจากนี้ เครื่องลงคะแนนทั้งหมดใช้เทคโนโลยีรุ่นเก่าซึ่งผลิตมาตั้งแต่ช่วงทศวรรษที่ 1980s ไม่สามารถเชื่อมต่อกับอินเตอร์เน็ตได้ ต้องใช้ช่างผู้เชี่ยวชาญด้านคอมพิวเตอร์มาตรวจสอบเครื่องลงคะแนนทีละเครื่องเพื่อดูว่าผลการเลือกตั้งที่รายงานออกมามีความถูกต้องหรือไม่ และด้วยเหตุที่การนับคะแนนใหม่มีความยุ่งยาก กฎหมายของรัฐจึงกำหนดให้การขอนับคะแนนใหม่จะต้องมีผู้สมัครรับเลือกตั้งอย่างน้อย 3 คนยื่นคำร้องเป็นรายหน่วยเลือกตั้งที่สงสัยว่าจะมีความผิดปกติเกิดขึ้น ไม่สามารถยื่นคำร้องครั้งเดียวให้นับใหม่ทั้งเมืองหรือทั้งรัฐได้ ซึ่งรัฐ Pennsylvania มีหน่วยเลือกตั้งทั้งหมด 9,163 หน่วยจึงเกิดปัญหาตามมาว่าจะยื่นคำร้องทีละหน่วยและนับให้เสร็จทันตามเวลาที่กำหนดได้อย่างไร[5]

การลงคะแนนเสียงในอเมริกามีวิธีที่หลากหลายทั้งแบบใช้คน ใช้เครื่อง และแบบผสม ซึ่งจากที่ค้นหาข้อมูลมาพบว่าล้วนแล้วแต่มีโอกาสเกิดความผิดพลาดคลาดเคลื่อนได้ทั้งนั้น แต่สิ่งที่เราต้องการจะรู้คือวิธีไหนมีโอกาสผิดพลาดมากและเกิดขึ้นบ่อยครั้ง จึงขอปิดท้ายด้วยบทความจาก website หนังสือพิมพ์ Washington Post ที่ตีพิมพ์บทความของ Stephen Ansolabehere, Barry C. Burden, Kenneth R. Mayer, และ Charles Stewart III ซึ่งกล่าวว่าเราสามารถตั้งข้อสงสัยผลการนับคะแนนโดยเครื่องได้ แต่จากหลักฐานที่ผ่านมาพบว่าเครื่องนับคะแนนมีความถูกต้องและเชื่อถือได้มากกว่า เช่นในปี 2002 มีการนับคะแนนใหม่ 6 หน่วยในรัฐ New Hampshire มีความคลาดเคลื่อนระหว่างผลการนับคะแนนใหม่กับผลการนับคะแนนครั้งแรกในหน่วยที่นับคะแนนด้วยคนถึง 2.5% แต่หน่วยที่ใช้เครื่องลงคะแนนมีความคลาดเคลื่อนเพียง 0.6% เท่านั้น ต่อมาในปี 2011 มีการนับคะแนนใหม่ในรัฐ Wisconsin และพบความคลาดเคลื่อนในลักษณะเดียวกันคือ ผลการนับคะแนนด้วยคนมีความคลาดเคลื่อน 0.28% แต่การนับคะแนนด้วยเครื่องมีความคลาดเคลื่อนเพียง 0.17% ซึ่งเขาสรุปว่าการลงคะแนนทั้งสองวิธีมีความถูกต้องและเชื่อถือได้สูงแต่เครื่องนับคะแนนจะดูเหนือกว่าเล็กน้อย[6]

[1] อ่านเพิ่มเติมที่ http://www.nature.com/news/democracy-isn-t-all-it-is-cracked-up-to-be-1.9925

[2] http://time.com/4583933/wisconsin-recount-election/

[3] http://fox6now.com/2016/12/04/presidential-recount-counting-complete-in-6-counties-results-have-barely-changed/

[4] https://www.theguardian.com/us-news/2016/dec/05/us-election-recount-michigan-donald-trump-hillary-clinton

[5] http://www.bbc.com/news/world-us-canada-38137630

[6] https://www.washingtonpost.com/news/monkey-cage/wp/2016/12/05/the-wisconsin-recount-may-have-a-surprise-in-store-after-all/?utm_term=.d02b79d87c1d

นวัตกรรมเกิดขึ้นได้อย่างไรบ้าง


U.S. workplace Survey 2016[1] รายงานผลการสำรวจบริษัทที่มีผลงานด้านนวัตกรรมสูงว่า บริษัทเหล่านี้ล้วนแล้วแต่ส่วนประกอบสำคัญ 6 ประการคือ

1. มีการออกแบบสภาพแวดล้อมของสำนักงานอย่างดีและมีคุณภาพ เพราะมันส่งผลต่อพฤติกรรมการทำงานเชิงสร้างสรรค์ของพนักงาน

2. พนักงานมีโอกาสได้พบปะพูดคุยกันในบริเวณอื่นที่ไม่ใช่โต๊ะทำงาน เช่น บริเวณตู้น้ำดื่ม ห้องอาหาร ล๊อบบี้ เพราะการนั่งติดอยู่กับที่ไม่อาจนำไปสู่นวัตกรรมได้

3. พนักงานสามารถเลือกพื้นที่ทำงานให้เหมาะกับภารกิจที่ต้องทำ ซึ่งอาจจะเป็นภายในหรือภายนอกบริษัทก็ได้ เพราะความคิดสร้างสรรค์เกิดได้จากการมีปฏิสัมพันธ์กับคนที่อยู่ภายนอกหน่วยงาน

4. ให้อิสระแก่พนักงานได้ควบคุมความสมดุลระหว่างเวลาหรือสถานที่ทำงานกับผลงานที่ต้องรับผิดชอบ สามารถทำงานที่บ้านได้ตราบที่มีผลงานตามที่บริษัทคาดหวัง

5. มีสวัสดิการหรือประโยชน์เกื้อกูลต่างๆ ให้แก่พนักงานในการทำงาน แต่ต้องเชื่อมโยงกับวัฒนธรรมและค่านิยมในการทำงานและตอบโจทย์วัตถุประสงค์ขององค์การด้วย ไม่ใช่เพราะเห็นบริษัทอื่นให้ก็ให้ตามกัน

6. มีความไว้วางใจในตัวพนักงาน เป็นสิ่งสำคัญที่สุดที่จะสร้างนวัตกรรมให้เกิดขึ้น ผู้นำควรเปิดโอกาสให้พนักงานได้ควบคุมและตัดสินใจในการทำงาน โดยเชื่อมั่นว่าพนักงานจะทำสิ่งที่ดีที่สุดเป็นการตอบแทน

[1] https://www.weforum.org/agenda/2016/11/these-are-the-values-shared-by-the-most-innovative-companies

อาชีพวันนี้ในอนาคต


ได้ย้อนกลับไปอ่านข่าวเก่าเมื่อปีที่ผ่านมา (2015) ข่าวนั้นมีว่าสำนักข่าว Associated Press (AP) กับบริษัท Automated Insights เจ้าของเทคโนโลยี Wordsmith ที่ใช้ปัญญาประดิษฐ์ (Artificial Intelligence: A.I.) ในการแปรข้อมูลภาพหรือวิดีโอเปลี่ยนให้เป็นคำบรรยายแบบทันที (real-time) ได้ร่วมมือกับสมาคมกีฬามหาวิทยาลัยแห่งชาติของอเมริกา (National Collegiate Athletic Association: NCAA) ทดลองนำเทคโนโลยี A.I. มาใช้การเขียนรายงานข่าวกีฬาเบสบอล บาสเก็ตบอล และอเมริกันฟุตบอลระดับมหาวิทยาลัย เพื่อนำข่าวและสถิติต่างๆ ในการแข่งขันไปเผยแพร่ในช่องทางต่างๆ ของ AP และเว็บไซต์ของ NCAA ความร่วมมือนี้ทำให้ประชาชนสามารถติดตามความเคลื่อนไหวการแข่งขันกีฬาระดับมหาวิทยาลัยได้อย่างรวดเร็วทันเหตุการณ์ ส่วนสำนักข่าวก็จะได้เครื่องมือมาช่วยในการรายงานข่าวให้มีประสิทธิภาพมากขึ้น[1] นอกจากนี้ ยังได้มีการนำข่าวที่เขียนโดย A.I. ไปเปรียบเทียบกับข่าวที่เขียนโดยคนจริงๆ จากสำนักข่าวอื่น เช่น ESPN, CBS, Fox พบว่าการรายงานผลการแข่งขันทำได้ถูกต้องเหมือนกัน แต่ยังมีจุดอ่อนสำคัญคือสไตล์การเขียนของ A.I. ยังทำได้ไม่ดี แข็งทื่อไม่ลื่นไหล อ่านแล้วไม่ได้อรรถรส[2] ซึ่งขณะนี้กำลังทำการปรับปรุงกันต่อไป อย่างไรก็ตาม สิ่งนี้สร้างความสงสัยเล็กๆ 2 ประการว่าคอมพิวเตอร์จะทำงานแทนนักข่าวได้หรือและอาชีพนักข่าวจะเป็นอย่างไรในอนาคต

จากการค้นหาคำตอบแรก ได้ไปพบว่าเทคโนโลยีคอมพิวเตอร์กำลังพัฒนาไปอย่างมาก ขอยกตัวอย่างงานจากนักวิจัยชาวอินเดีย 3 ท่านชื่อ Rahul Anand Sharma, C. V. Jawahar, และ Pramod Sankar K. สามารถพัฒนาคอมพิวเตอร์ให้บรรยายการแข่งขันคริกเก็ตออกมาในลักษณะข้อความได้สำเร็จ วิธีการก็คือ นักวิจัยทั้ง 3 ได้เขียนอัลกอริทึม (Algorithm) โดยใช้ความสามารถด้านการเรียนรู้ของเครื่อง (Machine Learning) และการจดจำภาพ (Visual Recognition) เพื่อจดจำการแข่งขันคริกเก็ตจากคลิป YouTube เป็นพันๆ คลิป ต่อจากนั้นจึงแยกฉากการแข่งขันออกเป็นตอนย่อยๆ แล้วกำหนดให้คอมพิวเตอร์รู้ว่าฉากนี้ต้องใช้คำบรรยายอะไร เช่น สไตร์ค โฮมรัน เมื่อพัฒนาเสร็จจึงนำไปทดสอบกับการแข่งขันคริกเก็ตจริงๆ ปรากฎว่าคอมพิวเตอร์สามารถบรรยายเหตุการณ์ที่เกิดขึ้นระหว่างการแข่งขันได้อย่างถูกต้องโดยใช้เวลาไม่ถึง 1.2 วินาทีเมื่อมีเหตุการณ์ในสนาม[3] ความก้าวหน้าทางเทคโนโลยีในลักษณะเช่นเดียวกันกำลังดำเนินการอยู่มากมายในห้องทดลองต่างๆ ทำให้คาดกันว่าความสามารถของคอมพิวเตอร์จะแทนที่ผู้สื่อข่าวกีฬาหรือแม้กระทั่งนักพากย์กีฬาได้ในไม่ช้า อนาคตนักวิจัยวางแผนว่าจะพัฒนาโปรแกรมให้มีความสามารถสูงขึ้นไปอีก โดยจะพัฒนาให้มีความสามารถในการวิเคราะห์และแสดงความเห็นต่อเกมการแข่งขันได้ ซึ่งคาดว่านักวิเคราะห์เกม (Commentator) อาจจะตกงานได้เช่นกัน

คำตอบถัดมา เมื่อปี 2013 Carl Benedikt Frey และ Michael A. Osborne[4] ได้ศึกษาอาชีพจำนวน 702 อาชีพตามฐานข้อมูลกระทรวงแรงงานของอเมริกาว่ามีโอกาสจะถูกแทนที่โดยคอมพิวเตอร์มากน้อยอย่างไรในอนาคต โดยในผลการวิจัยได้ระบุโอกาสความน่าจะเป็นที่มีค่าระหว่าง 0 (มีโอกาสน้อยที่สุด) ถึง 1 (มีโอกาสมากที่สุด) ซึ่งอาชีพผู้สื่อข่าว (Reporters and Correspondents รหัสอาชีพ 27-3022) มีความน่าจะเป็นที่จะถูกแทนที่ด้วยคอมพิวเตอร์ 0.11 ซึ่งจัดอยู่ในระดับมีความน่าจะเป็นน้อย แต่ผู้ประกอบอาชีพนักข่าวอย่าเพิ่งสบายใจเพราะในงานวิจัยได้บอกข้อจำกัดไว้หลายประการ เป็นต้นว่าโอกาสความน่าจะในงานวิจัยนี้เป็นการพิจารณาจากความก้าวหน้าของเทคโนโลยีในปัจจุบัน หากนโยบายหรือกฎหมายของรัฐออกมาเอื้อต่อการพัฒนาเทคโนโลยีได้เร็วความน่าจะเป็นก็จะเพิ่มสูงขึ้น เช่น ขณะนี้ google ได้รับอนุญาตจากรัฐต่างๆ ให้นำรถไร้คนขับไปทดลองบนถนนจริง หรือรัฐบาลประเทศสิงคโปร์อนุญาตให้ทดลองรถแท็กซี่ไร้คนขับบนถนนจริงได้แล้ว[5] ก็จะช่วยเร่งให้รถไร้คนขับสามารถผลิตออกมาขายได้เร็วกว่าเดิม นอกจากนี้ งานวิจัยไม่ได้พิจารณาปัจจัยค่าจ้างและการขาดแคลนแรงงาน ซึ่งหากวันข้างหน้าเงินเดือนของอาชีพนักข่าวเพิ่มสูงขึ้น อาจจะผลักดันให้เกิดการพัฒนาเครื่องจักรทำงานแทนคนได้ อาชีพนั้นก็มีความน่าจะเป็นเปลี่ยนแปลงไปจากผลการวิจัย ล่าสุดมีข่าวมาว่าการทดลองในห้องแล็บของ Sony สามารถพัฒนา A.I. ให้รู้จักใช้การคิดแบบสร้างสรรค์มาแต่งเพลงโดยเลียนแบบวง The Beatles ได้แล้ว แต่ก็ยังอยู่ในขั้นที่ต้องอาศัยคนมาตบแต่งให้น่าฟัง[6] ท้ายที่สุด คาดว่า A.I. จะพัฒนาไปยังจุดที่สามารถแต่งเพลงที่ไพเราะน่าฟังได้เองทั้งเพลง

พอจะสรุปได้ว่า อาชีพนักข่าวมีโอกาสถูกคอมพิวเตอร์แย่งงานน้อยและยังไม่น่าจะเกิดขึ้นในเวลาอันใกล้นี้ แต่ถ้าเมื่อไรคอมพิวเตอร์พัฒนามากขึ้นจนรู้จักความสวยงามไพเราะเพราะพริ้ง สามารถเขียนข่าวด้วยสำบัดสำนวนที่น่าสนใจ เมื่อนั้นก็มีโอกาสเป็นไปได้มาก ซึ่งปัจจุบันมีผลการทดลองหลายชิ้นที่แสดงให้เห็นว่าคอมพิวเตอร์สามารถผลิตงานแบบนี้ได้บ้างแล้ว

[1] http://www.ap.org/Content/Press-Release/2015/AP-NCAA-to-grow-college-sports-coverage-with-automated-game-stories

[2] http://www.bbc.com/news/technology-34204052

[3] https://www.washingtonpost.com/news/innovations/wp/2015/12/15/how-artificial-intelligence-could-change-the-way-we-watch-sports/

[4] http://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf

[5] http://www.bbc.com/news/business-37181956

[6] http://www.popsci.com/listen-to-this-song-by-an-artificial-intelligence-and-tell-me-its-not-beatles?dom=prime&src=syn

 

Zero-hours การจ้างงานแบบไม่กำหนดชั่วโมงทำงาน


ย้อนไปในบทความก่อนหน้านี้ ได้พูดถึง “1099” ซึ่งหมายถึงผู้ประกอบอาชีพอิสระหรือ Freelance ที่ปัจจุบันมีจำนวนเพิ่มมากขึ้นเรื่อยๆ ผลการสำรวจในปี 2014 ที่ผ่านมาพบว่าคนอเมริกัน 3 คนจะเป็นผู้ประกอบอาชีพอิสระเสีย 1 คน[1] วันนี้มีสถิติล่าสุดที่น่าสนใจจากสำนักงานสถิติแห่งชาติของประเทศอังกฤษมาเพิ่มเติม จากการสำรวจแรงงานในประเทศอังกฤษเมื่อไตรมาสที่ 2 ของปี 2016 ที่ผ่านมาพบว่าแรงงานอังกฤษประมาณ 903,000 คนหรือ 2.9% ของแรงงานทั้งหมดได้รับการว่าจ้างด้วยสัญญาแบบ “Zero-hour” หรือการจ้างงานแบบไม่กำหนดชั่วโมงทำงาน เปรียบเทียบกับไตรมาสเดียวกันของปีที่แล้วซึ่งมีเพียง 747,000 คนหรือ 2.4% ของแรงงานทั้งหมด เพิ่มขึ้นจากเดิมถึง 20% นอกจากนี้ยังพบว่าจำนวนผู้ที่ได้รับการว่าจ้างแบบ Zero-hour ที่เพิ่มขึ้นมานั้น ครึ่งหนึ่งเป็นผู้ที่มีอายุระหว่าง 25-64 ปี[2] ข้อมูลนี้ทำให้รัฐบาลอังกฤษเกิดความวิตกกังวล เพราะโดยปกติสัญญาการจ้างงานแบบนี้จะเป็นที่นิยมของเหล่านักเรียนนักศึกษาที่ต้องการทำงานเสริมระหว่างเรียน แต่การที่แรงงานกลุ่มอายุ 25-64 ปีซึ่งอยู่ในวัยทำงานหาเลี้ยงครอบครัวนิยมทำสัญญาจ้างงานแบบ Zero-hours มากขึ้นย่อมส่งผลกระทบต่อครอบครัวของผู้ใช้แรงงานเป็นอย่างมาก เพราะจะมีรายได้ไม่คงที่แล้วแต่นายจ้างจะป้อนงานให้ อาจนำมาซึ่งปัญหาทางสังคมได้

“Zero-hour contract” หรือสัญญาจ้างงานแบบไม่กำหนดชั่วโมงทำงานที่แน่นอนเป็นคำที่ใช้กันในประเทศอังกฤษ หมายถึงสัญญาจ้างงานที่เปิดกว้างมากๆ ไม่มีการกำหนดว่านายจ้างต้องจ้างขั้นต่ำกี่ชั่วโมงและก็ไม่ได้บังคับให้ลูกจ้างต้องรับงานที่นายจ้างเสนอมาทุกงาน เมื่อนายจ้างมีงานให้ทำและลูกจ้างมีเวลาที่จะทำงานให้เกิดเป็นความต้องการที่สอดคล้องกันก็จะมีการจ้างงาน สัญญาแบบนี้นิยมทำกันในงานประเภทพนักงานบริการตามโรงแรม ร้านอาหาร โรงพยาบาล มีข้อมูลในปี 2013 พบว่าพนักงาน McDonald ในประเทศอังกฤษถึง 90% ทำสัญญาว่าจ้างแบบ Zero-hour[3] ข้อดีของการจ้างงานลักษณะนี้คือมีความยืดหยุ่น เหมาะกับนักเรียนนักศึกษาที่ต้องการทำงานเสริมระหว่างเรียนหรือผู้ที่เกษียณจากงานไปแล้วแต่ต้องการทำงานในบางโอกาส ข้อเสียคือเป็นสัญญาที่อาจจะเปิดช่องให้นายจ้างเอาเปรียบและเลือกปฏิบัติได้ สัญญาจ้างงานแบบ Zero-hour จะดูคล้ายกับสัญญาจ้างงานแบบหนึ่งที่มักพบในประเทศอังกฤษ ไอร์แลนด์ แคนาดา ออสเตรเลีย นิวซีแลนด์ เรียกว่า Casual contract หรือการจ้างแบบไม่มีงานประจำ แต่มีจุดที่แตกต่างกันคือ Casual contract จะมีการกำหนดเวลาทำงานขั้นต่ำตามกฎหมาย เช่น 8 ชั่วโมงต่อวันหรืออาจกำหนดเป็น “กะ (Shift)” ที่มีเวลาเริ่มต้นและสิ้นสุดงานที่ชัดเจน การจ้างแบบ Casual จะดีต่อลูกจ้างมากกว่า Zero-hour เพราะเมื่อรับงานแล้วจะได้รับค่าจ้างจำนวนหนึ่งที่แน่นอน

การจ้างงานแบบ Zero-hour ที่เกิดขึ้นข้างต้นแม้ว่ายังจะไม่พบในบ้านเรา แต่เป็นสัญญานที่แสดงถึงพันธสัญญาใหม่ที่คนทำงานด้าน HR จะต้องตามให้ทันเพื่อจะได้บริหารจัดการกำลังคนได้อย่างเหมาะสม รวมถึงต้องมีความรู้และความเข้าใจว่ามีกฎหมายใดเข้ามาเกี่ยวข้องบ้าง อย่างไรก็ตาม พันธสัญญาใหม่ไม่ได้เปลี่ยนแปลงสิทธิและหน้าที่ที่นายจ้างและลูกจ้างมีต่อกันตามกฎหมาย ดังนั้น ไม่ว่าจะเรียกชื่อว่าสัญญาจ้างลูกจ้างประจำ ลูกจ้างชั่วคราว ลูกจ้างแบบไม่มีงานประจำ ลูกจ้างที่ไม่ระบุจำนวนชั่วโมงทำงานที่แน่นอน หรือใดๆ ก็ตาม เมื่อเข้าเงื่อนไขนายจ้างรับลูกจ้างเข้าทำงานโดยจ่ายค่าจ้างให้และลูกจ้างตกลงทำงานให้นายจ้างโดยได้รับค่าจ้างแล้วก็จะเกิดสัญญาจ้างและตามมาด้วยสิทธิและหน้าที่ของคู่สัญญาตามที่กฎหมายกำหนดไว้

[1] https://www.freelancersunion.org/blog/dispatches/2014/09/04/53million

[2] http://www.reuters.com/article/us-britain-jobs-pay-idUSKCN11E17E

[3] https://www.theguardian.com/business/2013/aug/05/mcdonalds-workers-zero-hour-contracts