ด้วยสถานการณ์ที่ไม่เอื้อต่อการจัดงาน Google I/O ในปีนี้ จึงทำให้ทีม Android ของ Google ได้จัดงานออนไลน์ขึ้นมาแทน โดยใช้ชื่อว่า 11 Weeks of Android ที่ในแต่ละสัปดาห์ก็จะมีการปล่อยเนื้อหาต่างๆสำหรับแอนดรอยด์ ซึ่งในสัปดาห์ที่ 2 นี้ได้ปล่อยวีดีโอสำหรับหัวข้อ Machine Learning และได้ประกาศ 10 ผู้ชนะงานแข่งขันที่ชื่อว่า Android Dev Challenge ด้วย
งาน Android Dev Challenge
เมื่อปีที่แล้วช่วงปลายปี ทีม Android ของ Google ได้ประกาศจัดงาน Android Dev Challenge ขึ้นมา ซึ่งครั้งนี้เป็นครั้งที่ 2 โดยมีหัวข้อเป็น On-device Machine Learning หรือก็คือแอปที่ส่งเข้าประกวดในงานนี้จะต้องมีการใช้งาน Machine Learning ที่อยู่บนอุปกรณ์แอนดรอยด์นั่นเอง
โดยทาง Google จะคัดเลือกผู้ชนะทั้งหมด 10 ผลงานด้วยกันที่ได้จะเข้าร่วม Bootcamp ที่ Googleplex (สำนักงาน Google สาขาใหญ่) เพื่อเรียนรู้เกี่ยวกับเทคโนโลยีต่างๆของ Google และยังได้ทีม Engineer ของ Google เข้ามาช่วยเป็นที่ปรึกษาและให้คำแนะนำเพื่อพัฒนาแอปจนเกิดขึ้นได้จริงนั่นเอง
On-device Machine Learning
ย้อนไปเมื่อปี 2017 ทาง Google ได้เปิดตัว Tensorflow Lite บนแอนดรอยด์ ซึ่งหยิบความสามารถของชุดพัฒนาสำหรับ Machine Learning หรือ Deep Learning ให้มาอยู่ในแบบฉบับอุปกรณ์พกพาอย่าง Android ซึ่งนอกจากจะเพิ่มลูกเล่นและความสามารถต่างๆให้กับระบบปฏิบัติการณ์แอนดรอยด์แล้ว ยังเปิดให้นักพัฒนาแอปพลิเคชั่นสามารถใช้งาน Tensorflow Lite ได้
จากเดิมที่แอปจะต้องส่งข้อมูลให้เซิฟเวอร์เพื่อนำข้อมูลไปทำ Deep Learning ก็สามารถทำงานบางส่วนบนอุปกรณ์แอนดรอยด์ได้เลย อย่างเช่น ความสามารถของ Portrait Mode ใน Google Camera ที่เราคุ้นเคยกันดีนั่นเอง
ผลงานของผู้ชนะทั้ง 10 ทีมมีอะไรบ้าง? มาดูกัน
เนื่องจากงานนี้มีผู้ชนะทั้งหมด 10 ทีม ไม่ได้มีการเรียงอันดับผู้ชนะ ดังนั้นลำดับที่เรียงในนี้จะไม่เกี่ยวกับอันดับแต่อย่างใด
AgroDoc
Navneet Krishna จาก Kochi, India
แอปพลิเคชั่นสำหรับเกษตรกรเพื่อช่วยวิเคราะห์โรคและปัญหาของต้นไม้ เพื่อแนะนำแนวทางในการแก้ปัญหา โดยจุดเด่นของแอปตัวนี้คือการใช้กล้องมือถือส่องไปที่ใบไม้เพื่อให้แอปทำการวิเคราะห์ได้เลย โดยใช้ข้อมูล Crowdsourcing ที่มาจากเกษตรกรคนอื่นๆที่เคยประสบปัญหาแบบเดียวกัน
AgriFarm
จาก Balochisan, Pakistan
แอปพลิเคชั่นสำหรับเกษตรกรเพื่อให้คำแนะนำและข่าวสารสำหรับการทำเกษตรกรรม โดยมีฟีเจอร์เด่นคือการใช้กล้องถ่ายภาพเพื่อวิเคราะห์แบบเดียวกับ AgroDoc แต่จะมีจุดเด่นตรงข้อมูลอื่นๆที่เป็นข้อมูลสำหรับแก่เกษตรกร เช่น ราคาของผักผลไม้ในตลาด หรือข้อมูลพยากรณ์อากาศ
Eskke
David Mumbere Kathoh จาก Goma, Democratic Republic of Congo
แอปพลิเคชั่นสำหรับช่วยจัดการเรื่องการจ่ายเงิน เพื่อใช้โอนเงิน จ่ายบิล ซื้อบริการต่างๆ (ในประเทศคองโก) โดยใช้ Machine Learning เข้ามาช่วยลดขั้นตอนและความผิดพลาดในการใช้งานของผู้ใช้
Leepi
Prince Patel จาก Bengaluru, India
แอปพลิเคชั่นสำหรับเรียนรู้วิธีการใช้ภาษามือ มีการสอนท่าทางในแต่ละสถานการณ์ และผู้ใช้ก็สามารถฝึกทำท่าทางผ่านหน้ากล้องเพื่อให้แอปวิเคราะห์ว่าเราทำท่าทางได้ถูกต้องหรือป่าว
MixPose
Peter Ma จาก San Francisco, California, USA
แอปพลิเคชั่นสำหรับเรียนโยคะ เต้น และฟิตเนสผ่านระบบ Live Streaming โดยผู้ใช้สามารถฝึกท่าทางผ่านกล้องได้ โดยแอปจะมีระบบ AI เพื่อช่วยวิเคราะห์ว่าเราทำท่าทางได้ถูกต้องหรือไม่
Pathfinder
Colin Shelton จาก Addison, Texas, USA
แอปพลิเคชั่นสำหรับช่วยเหลือผู้พิการทางสายตา โดยแอปจะใช้กล้องเพื่อวิเคราะห์ภาพที่อยู่ข้างหน้าเพื่อช่วยให้ผู้พิการทางสายตาสามารถเดินทางด้วยตัวเองได้ง่ายขึ้น
Snore and Cough
Ethan Fan จาก Mountain View, California, USA
แอปพลิเคชั่นที่จะช่วยผู้ใช้ตรวจจับการนอนกรนและไอ โดยใช้วิธีเปิดไมค์ผ่านแอปเพื่อวิเคราะห์เสียงตอนนอนด้วย Maching Learning
Stila
Yingdin Wing จาก Munich, Germany
แอปพลิเคชั่นเพื่อใช้งานร่วมกับ Wearable Device (Wear OS หรือ Fitbit) เพื่อวิเคราะห์ระดับความเครียดของผู้ใช้จากอัตราการเต้นของหัวใจ เพื่อให้ผู้ใช้ได้รับรู้ถึงความเครียดที่ตัวเองมีในแต่ละวัน
Trashly
Elvin Rakhmankulov จาก Chicago, Illinois, USA
แอปพลิเคชั่นที่จะช่วยบอกข้อมูลสำหรับขยะที่สามารถรีไซเคิลได้ เพียงแค่ใช้กล้องส่องไปที่ขยะนั้นๆ โดยจะมีข้อมูลต่างๆ รวมไปถึงสถานที่ที่รับขยะรีไซเคิล
UnoDogs
Chinmany Mishra จาก New Delhi, India
แอปพลิเคชั่นที่จะช่วยสนับสนุนและแนะนำวิธีการดูแลสุนัขของเราให้มีสุขภาพแข็งแรง โดยมีการใช้ Machine Learning ในการให้เกณฑ์คะแนนสำหรับสุนัขว่ามีลักษณะแข็งแรงสมบูรณ์
เมื่อ Google ส่งกล่องสำหรับผู้ร่วมงาน Android Dev Challenge จากทางบ้าน
ถึงแม้ว่า 10 ผู้ชนะจะถูกประกาศในงาน 11 Weeks of Android ก็จริง แต่ความน่ารักของงานนี้อย่างนึงก็คือ ปกติแล้วการประกาศผลผู้ชนะจะเกิดขึ้นในงาน Google I/O ซึ่งสถานการณ์ไม่เอื้ออำนวยต่อการจัดการ จึงทำให้ทาง Google ใช้วิธีการส่งกล่องสำหรับงาน Android Dev Challenge จากประเทศอังกฤษมาให้ถึงที่บ้าน และผมก็เป็นหนึ่งในผู้ที่ได้รับกล่องนี้ด้วยเช่นกัน เนื่องจากอยู่ในโปรแกรมของ Google ที่ชื่อว่า Google Developer Experts จึงได้สิทธิ์เข้าร่วมงานนี้จากทางบ้านด้วย
ซึ่งภายในกล่องก็จะมีหนังสือรายละเอียดของงาน Android Dev Challenge ในครั้งนี้ และรายละเอียดของผู้ชนะทั้ง 10 ทีม
ของที่ระลึกจากทาง Google และจากทั้ง 10 ทีมด้วย
Machine Learning หรือ Deep Learning เป็นเทคโนโลยีที่ไม่ได้ไกลตัวอย่างที่คิด
ย้อนกลับไปเมื่อ 5 ปีก่อน ผมก็คงนึกไม่ออกว่าอีกไม่กี่ปี Smartphone ที่เราใช้งานกันอยู่ประจำ จะสามารถทำ On-device Machine Learning ได้ ซึ่ง Machine Learning ก็เป็นหนึ่งในเทคโนโลยีที่จะช่วยอำนวยความสะดวกให้กับคนทั่วไปอย่างเรา ไม่ว่าจะทางตรงหรือทางอ้อม แต่ในขณะเดียวกันการทำงานของ Machine Learning ก็จะขาด Data หรือข้อมูลของผู้ใช้ไปไม่ได้เลย จึงเป็นส่วนหนึ่งที่ทำให้ผู้ใช้รู้สึกถึงความไม่ปลอดภัย
และสิ่งที่น่าสนใจในงาน Android Dev Challenge ก็คือการนำเสนอแอปพลิเคชั่นที่ยกระดับความสามารถด้วย Machine Learning ในรูปแบบของ On-device Machine Learning ซึ่งหมายความว่าแอปก็ยังคงต้องการข้อมูลของผู้ใช้อยู่เหมือนเดิม แต่ข้อมูลดังกล่าวจะถูกใช้งานอยู่ภายในอุปกรณ์แอนดรอยด์ของเรานั่นเอง จึงทำให้เราสามารถใช้งานแอปที่ทำงานได้ซับซ้อนมากขึ้น เพื่อตอบโจทย์ในการใช้งานของเรามากขึ้น โดยที่มั่นใจได้ประมาณนึงว่าข้อมูลของเราไม่ได้ไปอยู่ในมือของใคร แต่อยู่ในมือของเรา ในอุปกรณ์แอนดรอยด์ของเรานั่นเอง (แต่การทำงานบางอย่างก็ซับซ้อนมากจนต้องใช้ Machine Learning ระดับ Server แหละ เพราะไม่ใช่ทุกอย่างที่ทำบน On-device ได้)
Comment