แพลตฟอร์ม AI สู่การเรียนรู้เชิงลึก (Deep Learning) ในชั้นเรียน
ปัญญาประดิษฐ์ หรือ AI (Artificial Intelligence) ล้วนเป็นส่วนหนึ่ง ของโครงสร้างพื้นฐานต่างๆ ในปัจจุบันและเป็นส่วนสำคัญในการ พัฒนานวัตกรรม ความตื่นตัวด้าน AI สำหรับประเทศกำลังพัฒนา ทำให้เกิดคำถามว่า 1) ควรเตรียมบริบทต่างๆ รองรับ AI แล้วจึงพัฒนา ทักษะ AI หรือ 2) ควรพัฒนาทักษะ AI ก่อนเป็นอันดับแรก แล้วค่อยพัฒนาบริบทรองรับอื่นๆ และอีกหลายคำถามเกี่ยวกับ AI อันนำไปสู่ ความตื่นตัวในการเตรียมพร้อมของเยาวชนแต่ละประเทศให้มีความสามารถ ใช้งาน AI ที่จะเข้ามาเป็นส่วนหนึ่งในทุกๆ กิจกรรมของมนุษย์ในอนาคต ยูเนสโก (2019) อธิบายในเอกสาร “Artificial Intelligence in Education: Challenges and Opportunities for Sustainable Development” ว่าการพัฒนาอย่างรวดเร็วของเทคโนโลยีที่ขับเคลื่อนด้วย AI ล้วนมีภาคส่วนด้านการศึกษาเข้ามาเกี่ยวข้องทั้งในบทบาทของผู้บริโภคและผู้ปฏิบัติ การศึกษาจึงกลายเป็นตัวแปรสำคัญของการขับเคลื่อนกลยุทธ์เพื่อพัฒนา AI ในระดับชาติของแต่ละประเทศ ตั้งแต่การเปิดตัวหรือเรียกว่าการแจ้งเกิดของ AI ครั้งแรกเมื่อปี ค.ศ. 1956 ในการประชุม Dartmouth ส่งผลให้เกิดความสนใจเกี่ยวกับ AI ต่อเนื่องในภาคอุตสาหกรรมในเวลาต่อมา จนถึงปัจจุบัน ขณะเดียวกัน AI ได้พลิกโฉมเทคโนโลยีภายในระยะเวลาอันรวดเร็วเกี่ยวเนื่องไปถึงบิ๊กดาต้า (Big Data) การใช้คอมพิวเตอร์ในระบบเศรษฐกิจ และความก้าวหน้าของการเรียนรู้ด้วยจักรกล (Machine Learning, ML) เพียงไม่กี่ปีหลังการแจ้งเกิดของ AI ก็ตามมาด้วยความสนใจใน Machine Learning โดย Arthur Samuel อธิบาย Machine Learning ไว้ว่า “คือคอมพิวเตอร์เรียนรู้ได้ด้วยตัวเองโดยไม่ต้องเขียนโปรแกรมกำกับชัดเจน (Explicitly Programmed)” อธิบายเพิ่มเติมได้ว่าการเรียนรู้ด้วยจักรกลเป็นเสมือนทางลัดเพื่อลดขั้นตอนการทำงานให้ AI นั่นเอง การพัฒนาของ AI ยังไม่หยุดเพียงแค่นั้นยังคงต่อเนื่องไปสู่การเรียนรู้เชิงลึก หรือ Deep Learning (DL) ซึ่งเป็นอีกแขนงที่แตกย่อยมาจากการเรียนรู้ด้วยจักรกล กล่าวได้ว่าการเรียนรู้เชิงลึกเป็นการวิเคราะห์ข้อมูลในระบบคอมพิวเตอร์แบบจำลองการประมวลผลของสมองมนุษย์ด้วยเครือข่าย เซลล์ประสาท (Neural Networks) นั่นเอง ความสัมพันธ์ระหว่าง AI การเรียนรู้ด้วยจักรกล (ML) และการเรียนรู้เชิงลึก (DL) อธิบายได้ ดังภาพ 1
ภาพ 1 ความสัมพันธ์ระหว่าง AI, ML และ DL ประยุกต์จาก Rozlosnik (2020) และ Breuner (2020)
เป็นที่ทราบกันดีว่ายุค Digital Disruption จะเกิดการเปลี่ยนแปลงขึ้นโดยเป็นผลมาจากนวัตกรรมหรือเทคโนโลยีใหม่ๆ ซึ่งการเปลี่ยนแปลงดังกล่าวส่งผลกับทุกภาคส่วนในยุคปัจจุบัน ไม่ว่าจะเป็นภาคอุตสาหกรรม การศึกษา การเงิน ภาคธุรกิจ และอื่นๆ ทำให้เกิด การปรับตัวเพื่อเตรียมความพร้อมของทุกภาคส่วนให้มีประสิทธิภาพมากขึ้น โดยอาศัยการใช้เทคโนโลยีต่างๆ ได้แก่ เทคโนโลยีในการสื่อสาร คลาวด์ (Cloud) บิ๊กดาต้า หุ่นยนต์ การเรียนรู้ด้วยจักรกล และอื่นๆ เข้ามาช่วย การให้ความสำคัญโดยพึ่งพาแค่เทคโนโลยีนั้น ไม่เพียงพอที่จะขับเคลื่อน ให้เกิดการพัฒนา จึงต้องดำเนินการควบคู่กับการเตรียมความพร้อมให้แก่ ทรัพยากรมนุษย์ โดยเน้นด้านทักษะ ความเข้าใจ การรู้เท่าทัน AI ให้แก่ สมาชิกในสังคม โดยเฉพาะการเตรียมความพร้อมแก่กลุ่มประชากรวัยเด็กเพื่อให้เติบโตเป็นประชากรคุณภาพของประเทศ มีความเท่าทันและพร้อมใช้ชีวิตท่ามกลางการเปลี่ยนแปลงของเทคโนโลยี รวมทั้งเพื่อส่งเสริมให้เด็กมีการพัฒนาสู่ความเชี่ยวชาญและอาชีพที่เกี่ยวข้องกับ AI สำหรับประเทศไทยพบว่าผลสำรวจของสำนักงานส่งเสริมเศรษฐกิจดิจิทัล หรือ DEPA (Digital Economy Promotion Agency) กล่าวถึงสายงานด้านดิจิทัลที่มีความต้องการคนทำงานไอที จำนวน 100,000 คนต่อปี ซึ่งประเทศไทยประสบปัญหาขาดแคลนบุคลากรด้านนี้ ดังนั้น การส่งเสริม ทักษะด้าน AI จะช่วยเพิ่มความสามารถด้านไอทีและการใช้เทคโนโลยีให้ประชากรไทยที่กำลังจะเติบโตสู่วัยทำงาน สร้างโอกาสในการจ้างงาน สอดคล้องกับเป้าหมายการพัฒนาที่ยั่งยืน (Sustainable Development Goals : SDGs) ของสหประชาชาติเป้าหมายที่ 4 กล่าวคือ “สร้างหลักประกันว่าทุกคนมีการศึกษาที่มีคุณภาพอย่างครอบคลุมและเท่าเทียม และสนับสนุนโอกาสในการเรียนรู้ตลอดชีวิต” ซึ่งเทคโนโลยี AI ถูกนำมาใช้เป็นเครื่องมือให้เกิดการเข้าถึงและแผ่ขยายการศึกษา เพื่อให้บรรลุเป้าหมายในข้อนี้ อนาคตประเทศไทยมีแนวโน้มว่าเทคโนโลยี AI จะค่อยๆ บูรณาการ สู่ระบบการเรียนการสอนมากขึ้น แต่ด้วยข้อจำกัดเรื่องทรัพยากรสำหรับเรียนรู้และการใช้งาน AI ของสถานศึกษา ส่งผลให้การพัฒนาทักษะด้าน AI เผยแพร่ได้ช้ากว่าที่คาดการณ์ ซึ่งเป็นสถานการณ์เดียวกับที่พบในกลุ่มประเทศกำลังพัฒนาหลายประเทศ ยูเนสโก (2019) เสนอแนะแนวทางเพื่อลดข้อจำกัดด้านซอฟต์แวร์สำหรับเรียนรู้ AI ของเด็กๆ ในประเทศกำลังพัฒนาให้เป็นระบบ Open-source เพื่อให้มีการใช้งานและ พัฒนาต่อเนื่องโดยไม่เสียค่าใช้จ่ายหรือมีราคาไม่แพง รวมทั้งการพัฒนาโปรแกรม AI ที่ลดความซับซ้อนและสร้างความรู้สึกเชิงบวกในการเรียนรู้ของเด็ก กลุ่มพัฒนาซอฟต์แวร์เพื่อการเรียนรู้ AI จึงก่อตั้งขึ้นเพื่อช่วยแก้ปัญหาดังกล่าว อาทิ RoboTutor (XPrize Foundation, 2019) ที่พัฒนาโดยบริษัท Carnegie Mellon แล: Geekie (Rigby, 2016) ในประเทศบราซิลที่พัฒนาโดยบริษัท EdTech Company
จากที่กล่าวมาข้างต้นถึงเป้าหมายและข้อจำกัดในการส่งเสริมทักษะด้าน AI สำหรับประเทศกำลังพัฒนารวมถึงประเทศไทย มาสู่การจัดอบรมพัฒนาทักษะด้าน AI ให้แก่นักเรียนของสถานศึกษา ผู้เขียน ขอยกตัวอย่างการอบรมในจังหวัดปทุมธานีที่ผู้เขียนร่วมดูแลโครงการ (สนับสนุนโดย สวทช.) ในการจัดอบรมเชิงปฏิบัติการเรื่อง "สนุกกับปัญญาประดิษฐ์" ให้นักเรียนชั้นประถมศึกษาปีที่ 5 ของโรงเรียนวัดกลางคลองสาม โรงเรียนคลองสอง (เสวตสมบูรณ์อุปถัมภ์) โรงเรียนประถมศึกษาธรรมศาสตร์ และโรงเรียนวัดตะวันเรือง ดังภาพ 2
ภาพ 2 การเรียนรู้แพลตฟอร์ม CiRA CORE ชั้นประถมศึกษาปีที่ 5 สอนโดยคุณปริญญา ผ่องสุภา
ผู้เขียนได้เลือกแพลตฟอร์ม CiRA CORE ซึ่งเป็นสื่อเรียนรู้ AI สัญชาติไทย จากทีมพัฒนา CiRA Education (นำทีมโดยดร.รังสรรค์ จอมทะรักษ์) เป็นแพลตฟอร์มเรียนรู้ AI ขั้นต้นที่เหมาะกับนักเรียนตั้งแต่ระดับประถมศึกษาขึ้นไป แพลตฟอร์มดังกล่าวถูกพัฒนาเพื่อการเรียนรู้เชิงลึก (Deep Learning) ในการประมวลผลภาพและการทำงานของชุดข้อมูล (Dataset) โดยใช้ เทคโนโลยีตรวจจับวัตถุ (Object Detection) และจัดหมวดของวัตถุ (Object Classification) นอกจากนั้น คำสั่งต่างๆ ของ CiRA CORE ยังถูกออกแบบมาเพื่อให้ง่ายต่อการเรียนรู้สำหรับนักเรียนในรูปแบบ ลาก วาง และโยงเส้น ดังแสดงในภาพ 3
ภาพ 3 การลาก วาง และโยงเส้นคำสั่ง CiRA CORE (ซ้าย) และแสดงการจำแนกประเภทวัตถุเคลื่อนไหว (ขวา)
เนื้อทาที่ใช้อบรม CiRA CORE ให้แก่นักเรียนชั้นประถมศึกษาปีที่ 5 นำทีมสอนโดยคุณปริญญา ผ่องสุภา และทีม Fabrication Laboratory (FabLab) บ้านวิทยาศาสตร์สิรินธร มีดังนี้
1) รู้จักเทคโนโลยีปัญญาประดิษฐ์ และการใช้งานคำสั่งพื้นฐาน ได้แก่ หมวด General, CiRA AI, UI, Acquisition และ DeepClassif และ Flow การทำงานคำสั่งพื้นฐานต่างๆ ดังภาพ 4
ภาพ 4 แสดงภาพตัวอย่างเครื่องมือคำสั่งต่าง ๆ บน CiRA CORE
2) การเขียนคำสั่ง Image File เพื่อแสดงภาพผ่านโปรแกรม
3) การเขียนคำสั่ง Image Slide เพื่อแสดงภาพหลายภาพผ่าน โปรแกรมละเรียนรู้การใช้คำสั่งการหน่วงเวลา (Delay) เพื่อให้การแสดงภาพช้าลง ดังภาพ 5
ภาพ 5 Flow เปรียบเทียบการทำงานคำสั่งแสดงภาพหลายภาพจาก Image Slide บนโปรแกรมแบบไม่มีคำสั่ง Delay (บน) และมีคำสั่ง Delay (ล่าง)
4) การเขียนคำสั่ง WebCam เพื่อตรวจจับวัตถุโดยใช้ภาพนิ่ง และภาพเคลื่อนไหว (Realtime)
5) การเขียนคำสั่ง VideoFile เพื่อแสดงผล
6) การเขียนคำสั่ง Deep Detect ที่เป็น AI รันอยู่บน CPU ร่วมกับคำสั่ง Image Slide และ WebCam ในการตรวจจับวัตถุ แยก ประเภทของวัตถุ ทั้งแบบภาพนิ่งและภาพเคลื่อนไหว (ดังแสดงในภาพ 3 - ภาพขวา)
บทสรุป การใช้แพลตฟอร์ม CiRA CORE เป็นสื่อการเรียนรู้ AI สำหรับนักเรียนควรประกอบด้วยสื่อพื้นฐานที่สำคัญ ได้แก่ โน้ตบุ๊ก คอมพิวเตอร์จำนวนเพียงพอกับผู้เรียนและกล้องเว็บแคม จากการจัดอบรม ครั้งนี้พบว่า แพลตฟอร์ม CiRA CORE เป็นโปรแกรมเรียนรู้ AI ที่ถูกออกแบบมาสำหรับให้เรียนรู้ได้ง่าย นักเรียนในชั้นประถมศึกษาปีที่ 5 ของโครงการสามารถเข้าใจและทำโจทย์ตามที่วิทยากรกำหนดได้ นักเรียน บางคนสามารถประยุกต์คำสั่งในโปรแกรมไปสู่การใช้งานง่ายๆ ได้เอง เช่น การจับภาพและจำแนกภาพ CiRA CORE เป็นโปรแกรมที่ไม่ต้องใช้ อุปกรณ์เชื่อมต่อสำหรับการเรียนรู้ในเบื้องต้น จึงเหมาะสมกับโรงเรียน ที่ยังไม่พร้อมด้านงบประมาณในการซื้ออุปกรณ์เสริมการเรียนรู้คอมพิวเตอร์ และการติดตั้งโปรแกรมไม่จำเป็นต้องเชื่อมต่ออินเทอร์เน็ตในการติดตั้งและ ระหว่างใช้งานโปรแกรม นอกจากนั้น ผู้เขียนพบว่าแพลตฟอร์ม CiRA CORE สนับสนุนการจัดการเรียนรู้ AI ให้แก่เยาวชนไทย ซึ่งเป็นโปรแกรมที่เหมาะกับการเรียนรู้ตั้งแต่ระดับเริ่มต้นไปจนถึงการใช้งานแบบประยุกต์ ผู้เรียนจะได้ฝึกทักษะ Deep learning กับ AI ผ่านการฝึกฝนให้ AI เรียนรู้ จดจำ และจำแนกภาพ เชื่อมโยงไปสู่เทคโนโลยี AI ใกล้ตัว อาทิ ระบบจดจำใบหน้าในโทรศัพท์มือถือ การสืบค้นและจำแนกภาพต่างๆ บน Google เช่น การระบุชนิดของดอกไม้ การจำแนกสถานที่ต่างๆ การขอใช้แพลตฟอร์ม CiRA CORE ผู้สอนสามารถทำได้สะดวกโดย มีขั้นตอนและการดาวน์โหลดโปรแกรมจาก https://git.cira-lab.com/cira/cira-core-sdk และสามารถศึกษาข้อมูลเบื้องต้นได้จาก http://tinyurl.com/cira-core-training2020 หรือแลกเปลี่ยนปรึกษาข้อมูลต่างๆ ได้ทาง Facebook "CiRA CORE : Community สุดท้ายนี้ผู้เขียนหวังเป็นอย่างยิ่ง ว่าบทความแบ่งปันประสบการณ์การใช้สื่อแพลตฟอร์ม CiRA CORE ในการสอนทักษะด้าน AI เบื้องต้นจะเป็นประโยชน์ต่อผู้สอนหรือผู้กำลัง สนใจเครื่องมือหรือสื่อสำหรับจัดการสอนในห้องเรียนดิจิทัล รวมทั้งผู้สอน ที่กำลังเริ่มวางแผนการสอน AI ในขณะนี้
บทความนี้เป็นส่วนหนึ่งของนิตยสาร สสวท. ปีที่ 51 ฉบับที่ 240 มกราคม – กุมภาพันธ์ 2566
ผู้อ่านสามารถติดตามบทความที่น่าสนใจเพิ่มเติมได้ที่ https://emagazine.ipst.ac.th/240/32/
บรรณานุกรม
Breuner, S. (2020). Optimizing AI and Deep Learning Performance. Retrieved January 5, 2023, from https://www.datanami.com/2020/11/26/optimizing-ai-and-deep-learning-performance/.
Rigby, C. (2016). ‘How Software that Learns as It Teaches is Upgrading Brazilian Education’. The Guardian. Retrieved December 25, 2022, from https://www.theguardian.com/technology/2016/jan/10/geekie-educational-software-brazil-machinelearning.
Rozlosnik, A.E. (2020). Reimagining Infrared Industry with Artificial Intelligence and LoT /IIoT (Conference Presentation). Retrieved January 5, 2023, from https://www.researchgate.net/publication/340959455_Reimagining_infrared_industry_with_artificial_intelligence_and_IoT_IIoT_Conference_Presentation.
Unesco (2019). Artificial Intelligence in Education: challenges and opportunities for sustainable development. Working Papers on Education Policy, Education 2030, UNESCO Education Sector. XPrize Global Learning. RoboTutor. Retrieved December 25, 2022, from http://www.xprize.org/prizes/global-learning/teams/robotutor.
-
18283 แพลตฟอร์ม AI สู่การเรียนรู้เชิงลึก (Deep Learning) ในชั้นเรียน /article-technology/item/18283-26-11-2024เพิ่มในรายการโปรด