ถือว่าโชคดีมากที่เราเกิดมาในยุคที่แอปพลิเคชั่นนำทางอย่าง Google Maps ทำให้การใช้ชีวิตประจำวันง่ายขึ้นอย่างมาก แค่เราเปิดแอปขึ้นมาและใส่จุดหมายที่ต้องการไป ก็จะมีข้อมูลเช่นเส้นทางที่ควรใช้ ปริมาณรถสัญจร และสภาพจราจรระหว่างทาง ไปจนถึงเวลาโดยประมาณของการเดินทาง (ETA) ซึ่งน่าจะมีหลาย ๆ คนที่สงสัยว่า เอ…ทำไม Google Maps ถึงรู้เวลาประมาณการเดินทางไปสถานที่ต่าง ๆ เหล่านี้ได้นะ? วันนี้ Google ก็ได้ออกมาเปิดเผยวิธีการคาดคะเนเวลาเดินทางของ Maps ให้ดูกันแแล้วครับ ว่ามันใช้วิธีอะไรในการคำนวณ

ในกว่า 220 ประเทศทั่วโลกมีคนขับรถเป็นระยะทางมากกว่า 1 พันล้านกิโลเมตรในทุก ๆ วัน และด้วยความร่วมมือระหว่าง Google กับ Deepmind AI บริษัทระบบปัญญาประดิษฐ์สัญชาติอังกฤษที่ได้รวบรวมข้อมูลการเดินทางจากแหล่งข้อมูลทั้งหลาย นำมาทำการคำนวณ และประมวลผลเพื่อที่จะสามารถคาดคะเนสภาพการจราจรในขณะนั้นได้ ซึ่งข้อมูลเหล่านี้ประกอบไปด้วยข้อมูลสถานการณ์จราจรแบบ real-time ที่เก็บมาจากอุปกรณ์ Android ในบริเวณนั้น เช่นข้อมูลจราจรในช่วงเวลาที่ผ่านมา, ข้อมูลของการจำกัดความเร็วในบริเวณดังกล่าว, ข้อมูลการก่อสร้างอาคาร หรือถนน

นอกจากนี้ยังรวมถึงข้อมูลของสภาพ ขนาด และทิศทางของถนนที่ใช้อีกด้วย เนื่องจาก Google จะคำนวณไปถึงสภาพของถนนที่ลาดยางแล้ว กับถนนที่ยังไม่ลาดยางซึ่งจะส่งผลต่อความเร็วในการขับขี่นั่นเอง

ด้วยตัวอย่างข้อมูลที่ได้กล่าวไปข้างต้น Deepmind AI จะสามารถคำนวณข้อมูลเหล่านี้ และคาดคะเนสภาพการจราจรกับระยะเวลาการเดินทางได้อย่างแม่นยำผ่านระบบ Neural Network ซึ่งมีหลักการทำงานคล้าย ๆ สมองมนุษย์ ที่สามารถเรียนรู้จากข้อมูลต่าง ๆ แล้วประเมินผลลัพธ์ออกมาได้อย่างแม่นยำ ซึ่งทาง Google ก็ยังได้เคลมเพิ่มอีกด้วยว่าการใช้ Deepmind AI มาช่วย ทำให้ Google Maps มีความแม่นยำในการคำนวณเวลาการเดินทางมากขึ้นถึง 50% ในบางเมือง (21% ในประเทศไทย) อีกทั้งในช่วงโรคระบาด COVID-19 ที่การจราจรเบาบางลงไป ก็ได้มีการใช้ชุดข้อมูลที่แตกต่างจากปกติเพื่อความแม่นยำมากขึ้นอีกด้วย

อัตราความแม่นยำของการคาดคะเนเวลาเดินทางที่เพิ่มขึ้นในแต่ละประเทศ

Deep Mind AI ทำงานโดยการแบ่งแผนที่ออกเป็นส่วน ๆ เรียกว่า “Supersegments” ซึ่งแต่ละส่วนจะประกอบไปด้วยสภาพการจราจรจากถนนหลาย ๆ สายที่อยู่ใกล้กัน ซึ่งแต่ละช่องของ Supersegments จะมี Neural Network แยกเป็นของตัวเอง และจะทำหน้าที่เก็บข้อมูลเมื่อมีรถผ่านจุดนั้น ๆ แล้วรวบรวมข้อมูลเฉลี่ยของเวลาที่รถแต่ละคันใช้ในการวิ่งผ่านแต่ละ Supersegment เพื่อเอาไปคำนวณเวลาการเดินทางของถนนแต่ละส่วนอีกทีนึง

แม้ว่า Google จะไม่ได้ระบุเอาไว้แบบละเอียด ๆ ว่าแต่ละ Supersegments ใช้พื้นที่ข้อมูลมากเท่าไหร่ แต่ก็แย้ม ๆ ออกมาว่ามันมีขนาดที่ “มโหฬาร” เลยทีเดียว เพราะข้อมูลการจราจรเหล่านั้นมีการเปลี่ยนแปลงอยู่ตลอดเวลา ซึ่งข้อมูลที่เปลี่ยนแปลงไปแต่ละครั้งจะกินพื้นที่ในระดับ Terabyte เลยทีเดียว ทำให้ Google ต้องใช้ระบบ Neural network อย่างเช่น Graph Neural Network มาช่วยในการประมวลผลอีกแรง

ตามหลักแล้ว เครื่องมือจำพวก Machine Learning จะเรียนรู้ได้ไวและมีประสิทธิภาพมากยิ่งขึ้นหากได้รับข้อมูลตัวอย่างเป็นจำนวนมากอยู่เรื่อย ๆ เพราะฉะนั้นถ้าทั่วโลกยังคงใช้ Google Maps กันต่อไปเรื่อย ๆ รับรองว่าการคำนวณเส้นทางรวมถึงข้อมูลต่าง ๆ ของ Google Maps ในอนาคตจะต้องแม่นยำมากขึ้นแน่นอนครับ 😆

 

Source: Deepmind Via TheVerge