โอกาสของ Generative AI ที่เข้ามายกระดับการจัดการ Smart City
องค์ประกอบของเมืองมีหลายมิติ ทั้งโครงสร้างพื้นฐาน อาคารสาธารณะ ที่พักอาศัย พื้นที่สีเขียว และผู้คน กิจกรรมที่เกิดขึ้นในเมืองที่ดำเนินไป เมื่อผสานรวมกันแล้วเป็นความซับซ้อนและท้าทายในการบริหารจัดการเมือง แต่ด้วยเทคโนโลยีและองค์ความรู้ เมื่อมีการจัดการข้อมูลอย่างมีเป้าหมายแล้ว การสร้างเมืองที่อยู่อาศัยได้โดยสะดวก บริหารการใช้พลังงานและทรัพยากรต่างๆ อย่างมีประสิทธิภาพและยั่งยืน พร้อมทั้งให้ความปลอดภัยแก่ชีวิตและทรัพย์สิน
หากเราอยู่ในเมืองใหญ่ เราได้อาศัยอยู่ในเมืองอัจฉริยะ (Smart City) เป็นที่เรียบร้อยแล้ว เพราะตามท้องถนน ในอาคารสาธารณะ ส่วนใหญ่ก็มีการติดตั้งกล้องวงจรปิดรวมถึงระบบเซ็นเซอร์ไว้มากมาย การจัดการจัดเก็บและวิเคราะห์ข้อมูลเหล่านั้นเป็นเทคโนโลยีที่ทำกันมานานแล้ว และตลอด 10 ปีที่ผ่านมา AI ก็ได้เข้ามามีบทบาทกับชีวิตเราโดยที่เราไม่รู้ตัว โลกเชื่อมต่อกันด้วยโครงสร้างพื้นฐานดิจิทัลและศูนย์ข้อมูลขนาดใหญ่ (Data Center) การที่ผู้คนใช้ชีวิตติดกับสมาร์ทโฟน ต้องการค้นหาข้อมูลอะไร สิ่งที่เราค้นหาก็คือการถามข้อมูลกับแมชชีน ที่ทำหน้าที่รวบรวมวิเคราะห์ข้อมูลส่งมาหาเรา ไม่ต่างจากการบริหารเมือง เครื่องมืออัจฉริยะและ AI เข้ามายกระดับจัดการกับข้อมูลอย่างมีประสิทธิภาพขึ้น โดยการทำ Machine Learning ให้ระบบเรียนรู้และหาคำตอบตามโจทย์ที่ตั้งไว้อย่างถูกต้อง เราไม่อาจนึกถึงชีวิตที่ไม่มี AI ได้แล้ว ไม่ว่าเราจะรู้หรือไม่ก็ตาม
ในงาน AI Engineering & Innovation Summit 2024 หัวข้อที่พูดถึงมากสำหรับการยกระดับเมืองอัจฉริยะ (Smart City) และเมืองแห่งอนาคตที่ยั่งยืนคือการใช้ Generative AI หรือ Gen AI ซึ่งเราได้สรุปสาระสำคัญและตัวอย่างกรณีศึกษาจากเหล่าวิทยากรมาดังนี้
1. มากไปกว่า AI คือการให้ความหมายกับข้อมูล
ศาตราจารย์โจเซ่ เอ็ม. เอฟ. มูร่า (Prof. José M. F. Moura) Philip L. and Marsha Dowd University Professor แห่ง Carnegie Mellon University พูดถึงเมืองอัจฉริยะ (Smart City) เมืองอัจฉริยะที่เราสร้างขึ้นต้องแข็งแรง ยืดหยุ่น ปลอดภัย เติบโตได้ และต้องปกป้องความเป็นส่วนตัวของผู้คน ในฐานะวิศวกร ที่ต้องออกแบบและประยุกต์ใช้ระบบในโลกและสังคมจริง เขาพูดไปถึงภาพใหญ่ที่มากไปกว่าการออกแบบเมือง
ศาสตราจารย์โจเซ่ เน้นย้ำว่า ไม่เพียงการใช้ประโยชน์จาก Big Data แต่ต้องเราต้องมองหาความหมายในข้อมูล และให้ความหมายกับข้อมูล ยกตัวอย่างเรื่องการจราจร การสร้างสภาพแวดล้อมการจราจรที่ดีเป็นเรื่องที่ท้าทาย นอกจากข้อมูลมหาศาลที่เรามีอยู่ ซึ่งได้จากกล้องวงจรปิด และอุปกรณ์อื่นๆ ที่ติดตั้งไว้มากมายในเมือง การตรวจจับการละเมิดกฎรจราจรเป็นสิ่งที่ทำได้มานานแล้ว แต่วิศวกร AI ต้องทำมากกว่านั้น โดยรวมเอาข้อมูลปัญหาหรืออะไรก็ตามที่รู้มาใช้ให้มากที่สุดในการออกแบบระบบ ต้องมีการใช้ Deep Learning Model ซึ่งให้ปัญหาประดิษฐ์เรียนรู้จากแบบจำลองในชั้นข้อมูลที่ลึกยิ่งขึ้นเข้ามาทำงานด้วย เพื่อสร้างการตัดสินใจที่เหมาะสม
ข้อมูลที่เก็บมาประกอบไปด้วยตัวเลขมากมาย มนุษย์ดูตัวเลขเหล่านั้นแล้วอาจไม่เข้าใจว่าอะไรกำลังเกิดขึ้นกันแน่ แต่จริงๆ แล้วข้อมูลมีความหมายอยู่ เช่น ถ้าให้เครื่องจักรดูแมวหรือสุนัขก็ต้องรู้ให้ได้ว่านั่นเป็นหางของแมวหรือหางของสุนัข ให้ความหมายที่สำคัญกับข้อมูล เครื่องมืออย่าง Deep Learning และ LLMs (Large Language Models) โมเดลพื้นฐานที่ใช้ในการประมวลผลข้อมูลทางภาษา ซึ่งเปรียบเสมือนพื้นฐานของ Generative AI โดยทำนายคีย์เวิร์ดจากฐานข้อมูลจำนวนมาก (Big Data) และข้อมูลจาก Clound บนอินเตอร์เน็ตทั้งหมด เพื่อทำให้ผลของการทำนายนั้นแม่นยำที่สุด ผลลัพธ์ของการสร้างคำนั้นตรงกับความต้องการ และสามารถโต้ตอบกลับมาได้ราวกับมนุษย์ นี่เป็นสิ่งต้องมี นี่เป็นการทำให้ข้อมูลมีมิติมากขึ้น
เช่น โปรเจ็คหนึ่งของนักศึกษาที่ศาสตราจารย์แนะแนวให้ ซึ่งต่างจากการติดตามยานพาหนะในเมือง บนถนนที่มีทิศทางชัดเจน อย่างการตรวจจับและตรวจสอบการทำงานของรถฟอร์กลิฟต์ในคลังสินค้า เพราะปัญหาที่เกิดขึ้นในแต่ละวันต่างกัน สภาพแวดล้อมเต็มไปด้วยสิ่งของระเกะระกะ การเคลื่อนไหวที่ไม่ได้เป็นเส้นตรง การพยายามระบุกายภาพของยานพาหนะ ลักษณะการเคลื่อนไหว ในสภาพแวดล้อมที่ต่างออกไป ในเงื่อนไขที่ซับซ้อนมากขึ้น การใช้แต่แบบจำลองก็ไม่เพียงพออีกต่อไป แต่เราสามารถใช้ข้อมูลที่ได้มาล่วงหน้าในการฝึกแบบจำลองให้เรียนรู้และทำงานได้ดีขึ้น สามารถช่วยให้การทำงานที่ซับซ้อน มีเงื่อนไขหลายอย่างเป็นได้อย่างแม่นยำขึ้น
เราสามารถฝึกให้โมเดลเรียนรู้ เมื่อเกิดความผิดพลาดขึ้น ก็ไปตรวจสอบความถูกต้องของด้วยการค้นหาข้อมูลจากฐานข้อมูลที่มีอยู่ในโลกของการสืบค้น และนำมาแก้ไขให้แม่นยำยิ่งขึ้น ทำกระบวนการนี้ครั้งแล้วครั้งเล่า เพื่อให้สิ่งที่เราต้องการให้ AI ตรวจสอบ แยกแยะ และวิเคราะห์ได้เป็นไปตามโจทย์ที่เราตั้งไว้ ที่แน่ ๆ คือเราต้องทำให้มันมีมิติมากขึ้น ซึ่งศาสตราจารย์โจเซ่คิดว่ามันมีโอกาสเป็นไปได้อีกมาก เมื่อผสมผสานข้อมูลเฉพาะของแต่ละพื้นที่กับ Deep Learning จะช่วยวิเคราะห์ปัญหาได้ตรงจุดมากขึ้น ทำให้ข้อมูลดีขึ้น เรามีเครื่องมืออย่าง LLMs ที่เข้ามาช่วยจัดการทำให้เกิดโอกาสใหม่ขึ้นมาได้ ไม่เพียงแต่แค่เก็บข้อมูล แต่ต้องหารือกับผู้เชี่ยวชาญเฉพาะทาง ที่มีประสบการณ์กับเรื่องนั้น ๆ การต่อยอดที่สำคัญคือองค์ความรู้ที่ผู้ชำนาญการเฉพาะทางสั่งสมมาตลอดหลายปี จะช่วยให้เราได้คำตอบ ทำให้ได้ทางออกของเมืองที่ดีขึ้นได้
2. การแก้ปัญหาจราจรด้วย AI
การเดินทางในเมืองใหญ่เป็นหัวข้อที่ท้าทายตลอดมา ทั้งปริมาณรถ จังหวะของการเดินทางในแต่ละช่วงเวลา และปัจจัยแวดล้อมที่ต่างกัน ศาสตรจารย์โจเซ่แสดงวิดีโอข้อมูลการจราจรในนิวยอร์ก ซึ่งเป็นการติดตามรถกระบะคันหนึ่ง ซึ่งเป็นสิ่งที่ค่อนข้างง่าย แต่ในสภาพแวดล้อมอื่น ๆ ซึ่งไม่ได้เรียบง่ายเช่นนั้น เช่น ถ้าเราต้องติดตามยานพาหนะด้วยโจทย์ 3 ด้าน เช่น การนับจำนวน การตรวจจับ และการติดตาม การใส่คำอธิบายให้กับข้อมูลต้องใช้ความพยายามและการฝึกโมเดลอย่างมาก และมันทำงานได้ดี แต่ในสถานการณ์แวดล้อมที่ต่างกัน ไม่ได้เพียงนับจำนวน แต่พยายามจะระบุปัญหาเกี่ยวกับการจราจรในทุกวันนี้ ที่จะทำให้การตัดสินใจวางแผนในแต่ละวัน แต่ละสัปดาห์ว่าควรรับมือกับปัญหาอย่างไร AI จะช่วยแปลงข้อมูลออกมาเป็นชีพจรการเดินทางในเมือง และเข้าใจกิจกรรมของเมืองได้ดียิ่งขึ้น สามารถที่จะใช้แยกแยะปัญหาต่าง ๆ ในแต่ละวันได้ และเราต้องไปให้ไกลกว่านั้น
คุณจูดี้ นาม (Judy Nam) AI Solution Field CTO จาก Dell Technologies พูดถึงเทคโนโลยีเกี่ยวกับการจราจรที่ Dell กำลังพัฒนาอยู่ ยกตัวอย่างสถานการณ์จริงที่นายกเทศมนตรีของเมืองต้องการที่จะแก้ปัญหารถติด หรือปัญหาจราจรด้านอื่น ๆ ก็สามารถที่จะเข้าไปดูข้อมูลของศูนย์กลางพื้นที่ที่รถติด และขยายดูโดยรอบได้ ในขณะเดียวกันก็ใช้ประวัติข้อมูลที่ถูกเก็บไว้ มาวิเคราะห์ปัญหา รวมถึงวางแผนการแก้ปัญหาล่วงหน้าทำเป็นโรดแมปสำหรับอนาคตได้ สิ่งที่ยังขาดไป และทาง Dell กำลังวางแผนอยู่ก็คือ การใช้ Gen AI เข้ามาช่วย ว่าควรจะจัดการข้อมูลอย่างไร และสร้างข้อมูลชุดใหม่จากข้อมูลมากมายที่มีอยู่อย่างไร Gen AI จะเข้ามาช่วยให้ดึงข้อมูลจากหลายแหล่งและสร้างข้อมูลเชิงลึก (Insight) ใหม่ขึ้นมา ซึ่งจะช่วยให้จัดการกับปัญหาจากมุมมองที่หลากหลายมากขึ้น
3. ความปลอดภัยที่เมืองอัจฉริยะจะให้ได้เมื่อมีเทคโนโลยีเข้ามา
ถึงตอนนี้กล้องวงจรปิดเป็นสิ่งสามัญคู่กับเมือง และวิดีโอจำนวนมหาศาลที่ได้จากกล้องนั้นก็คือสิ่งที่ต้องนำมาถูกจัดการสร้างเป็นระบบเพื่อดูแลให้การใช้ชีวิตในเมืองใหญ่เต็มไปด้วยความปลอดภัย
ผศ. ดร.วรรณรัช สันติอมรทัต ผู้อำนวยการสถาบันวิจัยและนวัตกรรมดิจิทัล มหาวิทยาลัยสงขลานครินทร์ ซึ่งมีส่วนร่วมพัฒนา ภูเก็ต สมาร์ทซิตี้ ขึ้นในมาปี 2016 เล่าถึงการนำ IoT (Internet of Things) เซ็นเซอร์ต่างๆ ระบบตรวจมลภาวะทางอากาศ ตรวจคุณภาพน้ำ สถานีตรวจวัดสภาพอากาศ สถานีตรวจวัดระดับน้ำท่วม กล้องวงจรปิด และอื่นๆ อีกมากมายมาใช้ตั้งแต่ปี 2016 เมื่อ AI เข้ามา ก็เป็นการยกระดับการทำงานของเทคโนโลยีเหล่านี้ เช่น การวิเคราะห์ใบหน้า สามารถใช้ Gen AI รวมถึงเทคนิคอื่นๆ อย่าง LLMs ติดตั้งเข้าไปในแพลตฟอร์มที่มีอยู่ ซึ่งมีประโยชน์มาก และทำให้การพัฒนาเป็นไปอย่างรวดเร็วมากขึ้น
ผศ. ดร.วรรณรัช ยกตัวอย่าง IBOC หรือ Intelligent Bird Eye Operation Center ซึ่งเป็นแพลตฟอร์มที่ริเริ่มขึ้นมาด้วยการใช้ IoT เครือข่ายรวมอุปกรณ์อัจฉริยะที่เชื่อมต่อถึงกันระหว่างอุปกรณ์กับระบบคลาวด์ ซึ่งตอนนี้ก็ได้เพิ่ม AI เข้าไปบนแพลตฟอร์ม การพัฒนาสำเร็จไปได้ด้วยดี ทำให้การทำงานร่วมกับผู้มีส่วนเกี่ยวข้องซึ่งมาใช้งานแพลตฟอร์มมีประสิทธิภาพยิ่งขึ้น แพลตฟอร์มนี้นอกจากสามารถตรวจจับป้ายทะเบียนรถได้แล้ว ยังตรวจจับพฤติกรรมผิดปกติ หรือวัตถุสิ่งของแปลกปลอม ติดตามวัตถุ โดยสามารถเลือกเขตที่ต้องการตรวจสอบ ด้วยการสั่งงานไปยังกล้องวงจรปิดที่อยู่ในบริเวณนั้นในช่วงเวลาหนึ่ง ๆ ได้ กรณีที่ประสบความสำเร็จก็อย่างเช่น เลนส์และกล้องที่ติดตั้งไว้มากมายด้านหน้าของเซ็นทรัลเวิร์ล ที่ตรวจจับการจอดรถที่ผิดกฎจราจร รวมถึงตรวจจับการกระทำที่ผิดกฎหมายได้ แพลตฟอร์มอัจฉริยะเหล่านี้ถูกนำมาใช้แล้วในกรุงเทพ ภูเก็ต และนครศรีธรรมราช
4. การใช้ชีวิตที่สะดวกสบายไร้รอยต่อ
นับวันเราจะใช้ชีวิตแบบไร้รอยต่อ (Seamless) ช่วยลดความยุ่งยากมากขึ้น โดยเฉพาะความสะดวกในชีวิตประจำวัน อย่างที่คุณจูดี้ได้เล่าจากมุมของผู้ประกอบการด้าน AI อย่าง DELL Technologies มองเห็น 3 เทรนด์ผู้บริโภค ที่กำลังเกิดขึ้น เทรนด์แรก ผู้บริโภคต้องการใช้งาน Chatbots โดยสั่งงานผ่านเสียง ยกตัวอย่างเช่น การจ่ายค่าสาธารณูปโภค ซึ่งพวกเขาไม่ต้องการมาคอยพิมพ์ข้อมูล แต่สามารถทำทุกขั้นตอนโดยสั่งการผ่านเสียงได้ มีเพียงแค่การกดรหัสผ่านในขั้นตอนสุดท้ายเพื่อยืนยันตัวตนเท่านั้น ซึ่งอินเตอร์เฟซเหล่านี้รัฐบาลต้องสร้างโครงสร้างพื้นฐานไว้รองรับ และอินเตอร์เฟซรูปแบบใหม่นี้ก็ต้องทำงานกับ Gen AI
เทรนด์ที่ 2 ก็เกี่ยวกับอินเตอร์เฟซเช่นกัน ก่อนหน้านี้ เมื่อบริษัทหรือฝั่งธุรกิจต้องการอะไรที่เกี่ยวกับเทคโนโลยีก็จะไปหาฝ่าย IT และอธิบายเกี่ยวกับเป้าหมายเฉพาะที่ต้องการ จากนั้นฝั่ง IT ก็จะแปลงทุกอย่างเป็นภาษาเทคโนโลยีแล้วดึงข้อมูลสร้างแดชบอร์ดเพื่องานนั้นขึ้นมา แต่เมื่อมี Gen AI เข้ามาก็ทำให้สามารถสร้างโค้ดในระยะเวลาอันสั้น ได้ข้อมูลเชิงลึกและคำแนะนำต่าง ๆ ได้อย่างรวดเร็ว
เทรนด์สุดท้าย เธอเล่าว่า ไม่นานมานี้เธอได้เข้าคอร์สที่เกี่ยวกับการปรับแต่งโมเดลที่ถูกฝึกมาแล้วให้เหมาะกับงานหรือข้อมูลที่ต้องการมากขึ้น เธอยกตัวอย่าง กรณีของร้านรีเทลแห่งหนึ่งที่มีสาขาใน 50 ประเทศทั่วโลก ซึ่งย่อมต้องได้รับอีเมล์ต่าง ๆ จากลูกค้า 50 ประเทศนั้น ที่มีข้อมูลลูกค้าแตกต่างกัน ทั้งชื่อและความต้องการเกี่ยวกับผลิตภัณฑ์ที่มากมายหลากหลาย Gen AI ก็สามารถสร้างข้อมูลที่เชื่อมโยงกันได้ภายในเวลาเพียง 2 ชั่วโมง ตัวอย่างนี้คือการที่ Gen AI สามารถเข้ามาเร่งกระบวนการ ลดขั้นตอนการทำงาน บ่งบอกถึงประโยชน์ที่เราจะได้รับ ในแง่การใช้ชีวิตของผู้คนในเมือง การทำงานของเราจะถูกจัดการให้สะดวกและรวดเร็วขึ้นมาก
5. Waste Management คือสิ่งที่มองข้ามไม่ได้
คุณสุรชัย ลีวัฒนานุกูล ผู้ช่วยผู้อำนวยการศูนย์ความเป็นเลิศด้านการจัดการสารอันตราย จุฬาลงกรณ์มหาวิทยาลัย, พันธมิตรร่วม มข. สมาร์ทซิตี้ มหาวิทยาลัยขอนแก่น และเป็นพันธมิตรกับหลากหลายองค์กรที่เกี่ยวกับการจัดการของเสียและมลภาวะ เพื่อไปให้ถึงเป้าหมายการปล่อยคาร์บอนสุทธิให้เป็นศูนย์ ได้มาแบ่งปันประสบการณ์ว่า AI จะสามารถเข้ามาช่วยจัดการกับสิ่งแวดล้อมในด้านของการจัดการขยะและของเสียและสร้างเมืองที่ดีขึ้นได้อย่างไร
ลองดูฉากทัศน์ที่เกิดขึ้นในประเทศไทย รายงานในปี 2023 ระบุว่า ประเทศไทยผลิตขยะถึง 48 ล้านตัน เปรียบเทียบกับช้างตัวหนึ่งซึ่งหนัก 2 ตัน เท่ากับว่าปีหนึ่งหนึ่ง เราสร้างขยะเท่ากับช้าง 24 ล้านตัว ซึ่งทั่วโลกมีช้างอยู่ราว 5 แสนตัว เราผลิตขยะมากกว่าจำนวนช้างหลายเท่านัก
ขยะ 48 ล้านตัน ส่วนมากเป็นจากครัวเรือน 27 ล้านตัน แต่ส่วนที่เกี่ยวข้องกับแวดวงเทคโนโลยีโดยตรง คือขยะอิเล็กทรอนิกส์ (E-Waste) ราว 700,000 ตัน 90% ของขยะอิเล็กทรอนิกส์ถูกจัดการผู้รับบำบัดจัดการขยะที่ไม่ใช่ของทางการ ปัญหาก็คือ เราไม่สามารถได้ข้อมูลจากผู้รับบำบัดจัดการขยะเหล่านั้น ทำให้ไม่สามารถปรับปรุงระบบได้
ความท้าทายอีกอย่างหนึ่งถูกหยิบยกขึ้นมาโดย United Nation Environment Program หรือ UNEP ที่ระบุว่าภาคส่วนการจัดการขยะยังขาดแคลนเงินทุนสนับสนุนอยู่มาก ขาดความร่วมมือจากผู้มีส่วนได้ส่วนเสีย และยังขาดมาตรการและกฎข้อบังคับที่ชัดเจน ซึ่ง AI สามารถเข้ามาจัดการกับความท้าทายเหล่านี้ได้
ในภาพรวมของเศรษฐกิจ เราควรให้ความสำคัญกับภาคการจัดการขยะมากพอ ๆ กับภาคการผลิตและภาคการบริโภค ซึ่ง AI สามารถเข้ามาช่วยจัดการกับอุปกรณ์ IoT ที่ใช้ติดตามปลายทางของขยะว่าเกิดอะไรขึ้นบ้างกับขยะที่เราผลิต เราสามารถนำขยะกลับมาสร้างรายได้ในระบบเศรษฐกิจแบบหมุนเวียน ด้านการสร้างการมีส่วนร่วมของภาคส่วนต่าง ๆ เราสามารถสร้างเว็บไซต์อินเตอร์แอคทีฟขึ้นมาเป็นแพลตฟอร์มกลางให้ทั้งภาคธุรกิจและภาคการศึกษามาทำงานร่วมกันได้ ในส่วนของกฎข้อบังคับ การวิเคราะห์ข้อมูลที่ดีสามารถช่วยให้ผู้ออกกฎนำมาปรับใช้ออกกฎหมายและข้อบังคับให้เหมาะสมและชัดเจน
คุณสุรชัยยกตัวอย่างนวัตกรรมที่เข้ามาจัดการกับขยะอิเล็กทรอนิกส์ที่ชื่อว่า Digital Weee Manifest ซึ่งพัฒนาร่วมกับมหาวิทยาลัยขอนแก่น เป็นเครื่องมือติดตามขยะอิเล็กทรอนิกส์ตั้งแต่จุดที่ทิ้งไปจนถึงสถานที่คัดแยกถอดประกอบ (เพื่อนำกลับมาใช้ใหม่) และขยะที่เหลือทิ้งจริง ๆ จะถูกนำไปทำลายอย่างเหมาะสม ในตอนนี้ เมื่อมองภาพรวมของวงจรชีวิตผลิตภัณฑ์แล้ว Digital Weee Manifest สามารถติดตามได้ครึ่งหนึ่งของวงจร คือหลังจากการทิ้ง ในอนาคตก็จะพัฒนาให้สามารถติดตามได้ในขั้นตอนของวัตถุดิบและการผลิตจนครบวงจรชีวิตด้วย
อีกนวัตกรรมหนึ่งที่พูดถึงเป็นการต่อยอดระบบติดตาม Digital Weee Manifest ไปสู่แพลตฟอร์มที่กำลังทำในพัทยา ศรีราชา และแหลมฉบัง สืบเนื่องมาจาก EPR – Extended Producer Responsibility หรือหลักการในการจัดการขยะ ที่ให้ผู้ผลิตสร้างความรับผิดชอบต่อช่วงต่าง ๆ ตลอดวงจรชีวิตผลิตภัณฑ์ ซึ่งหมายถึงปลายทางการทิ้ง ซึ่งกำลังจะมีการบังคับใช้ในอนาคตอันใกล้ นวัตกรรมนี้ก็ใช้ระบบและเครื่องมือติดตามขยะที่พัฒนาไว้แล้ว มาเพิ่มเติมแดชบอร์ดที่ครอบคลุมมากขึ้น เพื่อให้ภาคส่วนที่เกี่ยวข้องได้เข้ามาใช้เครื่องมือ ตรวจสอบ วัดผล และสื่อสารกับคู่ค้าได้ นี่คือตัวอย่างที่เขากำลังทำอยู่ และเน้นย้ำว่าเทคโนโลยี AI จะเข้ามามีส่วนช่วยอย่างมากกับภาคส่วนการจัดการของเสียที่อาจเรียกได้ว่ายังใช้เทคโนโลยีแบบดั้งเดิมที่สุด ในขณะที่การจัดการขยะมีความซับซ้อนมาก และการไปสู่เมืองอัจฉริยะนั้นก็ไม่ควรมองข้ามปลายทางการบริโภคของเราได้
6. Sustainable City เมืองยั่งยืนได้ในโลกนี้ต้องมีตัวชี้วัด
ดร.ธิติ วัชรสินธพชัย ผู้อำนวยการฝ่าย Smart Solutions บริษัท TCC Technology ได้ให้ความเห็นเกี่ยวกับมาตรฐานการชี้วัดเมืองที่ยั่งยืน ซึ่งองค์ประกอบสำคัญของเมืองไม่พ้นอสังหาริมทรัพย์ ซึ่งเราสามารถแบ่งได้เป็น 2 ประเภทหลัก คือ อาคารสำนักงาน และที่อยู่อาศัย ต่างก็มีมาตรฐานระดับโลกที่มีกฎเกณฑ์ต่าง ๆ ตั้งไว้ เพื่อให้อาคารเหล่านั้นสร้างการบริหารจัดการที่ยั่งยืน สร้างสภาพแวดล้อมที่ดีทั้งในอาคารสำนักงาน บ้าน ที่อยู่อาศัย และสิ่งก่อสร้างที่เกี่ยวกับอุตสาหกรรมต่าง ๆ
เขายกตัวอย่างของการสร้างสภาพแวดล้อมในอาคาร มีมาตรฐานระดับโลกที่เราอาจคุ้นเคยกันอยู่ เช่น เครื่องหมาย LEED สำหรับรับรองอาคารสำนักงานที่ออกแบบอย่างยั่งยืน, เครื่องหมาย WELL สำหรับรับรองอาคารที่อยู่อาศัยที่ออกแบบเพื่อความมีสุขภาวะที่ดีและยั่งยืน รวมถึง Sustainable Development Report สำหรับธุรกิจต่างๆ ที่ต้องทำ และ Building Operational guidelines (Site) มาตรฐานการก่อสร้างที่ยั่งยืนซึ่งสอดคล้องกับเป้าหมายด้านความยั่งยืนของ UN ที่อาคารต่าง ๆ พึงมี
ดร.ธิติ ซึ่งมีความชำนาญทั้งด้านเทคโนโลยีดิจิทัลและความเข้าใจในธุรกิจ เล่าถึงการออกแบบก่อสร้างอสังหาริมทรัพย์ต่าง ๆ สำหรับวิศวกร ในขั้นตอนการออกแบบต้องได้รับรองได้ว่าต้องเป็นไปตามข้อกำหนด ส่วนในขั้นตอนปฏิบัติการ ข้อมูลที่เก็บได้จากเซ็นเซอร์ทั้งหมดต้องได้รับการรับรอง
อาคารที่ผ่านการรับรองจากมาตรฐานดังกล่าว มีระบบมากมายรองรับอยู่ที่เรามองไม่เห็น เช่น การจัดการพลังงาน เซ็นเซอร์ต่างๆ ที่ติดตั้งในอาคารที่เราทำงานหรืออยู่อาศัย ที่เรามองไม่เห็นว่ากำลังทำงานอยู่และทำงานเชื่อมโยงกันอย่างไร ข้อมูลทั้งหมดต้องถูกมอนิเตอร์ว่าทำงานอย่างถูกต้อง ตามที่ตั้งโจทย์ไว้ เช่น หากต้องการรู้ว่าสภาพแวดล้อมภายในอาคารเป็นอย่างไร คุณภาพอากาศดีไหม สร้างสุขภาวะที่ดีได้ตามมาตรฐานไหม เทคโนโลยีที่เข้ามาจัดการเบื้องต้นคือ Automation การตรวจจับและการสั่งการอัตโนมัติ ต่อมาก็คือการใช้แมชชีนที่ออกแบบให้ไม่เพียงคอยตรวจจับ สั่งการ วิเคราะห์ปัญหา ให้คำแนะนำ และปรับเปลี่ยนอย่างอัตโนมัติ เราต้องการแมชชีนที่ถูกสอนและเรียนรู้ให้มาทำงานกับข้อมูลมหาศาล ที่มนุษย์ไม่สามารถจัดการได้ทั้งหมด ทั้งนี้ ต้องมีมนุษย์ผู้ชำนาญการคอยดูแลระบบให้สมบูรณ์
สิ่งเหล่านี้มีช่องว่างสำหรับการประยุกต์ใช้ในรายละเอียดอยู่อีกมาก เราต้องการบุคคลที่มีความสามารถเข้ามาเป็นสะพานเชื่อม ถ้าเราจะสร้างบ้าน สร้างอาคารอัจฉริยะ เราก็ต้องการมืออาชีพเข้ามาจัดการ ไม่ต่างจากการแพทย์อัจฉริยะ เราก็ต้องการแพทย์ผู้ชำนาญการมาอ่านความหมายของข้อมูล ช่องว่างนี้เป็นสิ่งที่ท้าทายมาก ต้องอาศัยสถาบันการศึกษา สถาบันวิจัย และมืออาชีพ เข้ามามีส่วนช่วยเติมเต็มช่องว่างนั้น
การใช้ Gen AI ในการต่อยอดข้อมูลที่ได้เก็บได้จากอุปกรณ์ต่าง ๆ ที่เมืองมีอยู่ตอนนี้รวมประสบการณ์เฉพาะด้านจะยิ่งทำให้เราระบุ เข้าใจปัญหา วางแผนล่วงหน้า บริหารจัดการทรัพยากรต่าง ๆ และสร้างประสบการณ์การใช้ชีวิตในเมืองแห่งอนาคตได้ดียิ่งขึ้น สาระสำคัญเหล่านี้โยนโจทย์และโอกาสให้แก่คนในแวดวงเทคโนโลยีและ AI ทั้งนักศึกษา ผู้บริหารเมือง และธุรกิจ ไปคิดต่อว่าเราจะใช้ AI ในการบริหารจัดการเมืองอัจฉริยะแห่งอนาคตที่มีประสิทธิภาพ ทำให้การใช้ชีวิต สะดวก ปลอดภัย และเป็นมิตรกับสิ่งแวดล้อมร่วมกันได้อย่างไร
อ่านเพิ่มเติม AI ในยุค Digital Health บทสรุปจากเวทีเสวนาในงาน AI Engineering & Innovation Summit 2024
