จากวิสัยทัศน์ของ ดร.เอมอัชนา นิรันตสุขรัตน์ หัวหน้าทีมระบบไซเบอร์-กายภาพ (CPS) และทีมงาน ที่เล็งเห็นถึงความท้าทายสำคัญในโลกของ Internet of Things (IoT) แม้ว่าแพลตฟอร์ม NETPIE จะเป็นโครงสร้างพื้นฐานที่มีประสิทธิภาพในการสื่อสารระหว่างอุปกรณ์ แต่การจะก้าวไปสู่การวิเคราะห์ข้อมูลที่ซับซ้อน เช่น การทำนายความผิดปกติของเครื่องจักรและการตัดสินใจแบบเรียลไทม์นั้น ยังคงเป็นโจทย์ใหญ่ที่ผู้ใช้ต้องดึงข้อมูลมหาศาลออกมาประมวลผลบนระบบของตนเอง ซึ่งก่อให้เกิดความล่าช้า และต้นทุนที่สูงขึ้น
โจทย์ดังกล่าวนำไปสู่การตั้งคำถามที่สำคัญ และกลายเป็นจุดเริ่มต้นของการพัฒนาครั้งสำคัญ นั่นคือจะดีกว่าไหม ถ้าเราสามารถนำเครื่องประมวลผลของผู้ใช้เข้ามาเป็นส่วนหนึ่งของระบบเราได้โดยตรง
นี่คือที่มาของแนวคิด Edge Computing ที่จะเข้ามาเสริมทัพ NETPIE เพื่อยกระดับระบบ IoT แบบดั้งเดิมให้กลายเป็น AIoT (Artificial Intelligence of Things) ที่สมบูรณ์แบบ
ทำไมต้อง Edge Computing?
Edge Computing คือสถาปัตยกรรมที่นำหน่วยประมวลผลไปติดตั้งไว้ที่หน้างาน ให้ใกล้กับแหล่งกำเนิดข้อมูลมากที่สุด แทนที่จะส่งข้อมูลทุกอย่างกลับไปยังศูนย์กลางหรือคลาวด์ การกระจายความสามารถในการประมวลผลออกมาเช่นนี้ ก่อให้เกิดประโยชน์มหาศาลในหลายมิติ ประโยชน์ประการแรกที่เห็นได้ชัดที่สุดคือความเร็วในการตอบสนองและความแม่นยำระดับเรียลไทม์ ในงานที่ต้องการการตอบสนองทันที เช่น การควบคุมแขนกลในสายการผลิตหรือการสั่งหยุดเครื่องจักรฉุกเฉิน การรอข้อมูลเดินทางไปกลับจากคลาวด์อาจช้าเกินไป Edge Computing สามารถประมวลผลและตัดสินใจได้ในเวลาเพียงเสี้ยววินาที ช่วยลดความหน่วง (Latency) และสร้างความปลอดภัยให้กับการปฏิบัติงาน
นอกเหนือจากเรื่องความเร็วแล้ว ในมิติของประสิทธิภาพและต้นทุนยังช่วยลดภาระและค่าใช้จ่ายของคลาวด์ได้อย่างมีนัยสำคัญ เนื่องจากอุปกรณ์ IoT หลายพันตัวสามารถผลิตข้อมูลได้มหาศาลในแต่ละวัน การส่งข้อมูลทั้งหมดนี้ขึ้นคลาวด์ไม่เพียงแต่สิ้นเปลืองแบนด์วิดท์แต่ยังเพิ่มค่าใช้จ่ายในการจัดเก็บและประมวลผล Edge จึงทำหน้าที่เป็นด่านหน้าที่คอยคัดกรอง ประมวลผลเบื้องต้น และส่งเฉพาะข้อมูลที่สำคัญหรือผลลัพธ์ที่สรุปแล้วขึ้นไปยังคลาวด์ ทำให้ระบบโดยรวมมีประสิทธิภาพและประหยัดยิ่งขึ้น
และที่สำคัญไม่แพ้กันคือมิติด้านความปลอดภัยและความเป็นส่วนตัวของข้อมูล ข้อมูลบางประเภทมีความละเอียดอ่อนสูง เช่น ข้อมูลภาพจากกล้องวงจรปิดในพื้นที่ส่วนบุคคลและข้อมูลสูตรการผลิตที่เป็นความลับทางการค้า การเก็บและประมวลผลข้อมูลเหล่านี้ไว้ภายในเครือข่ายท้องถิ่นผ่าน Edge Computing ช่วยจำกัดการเข้าถึงและลดความเสี่ยงจากการโจมตีทางไซเบอร์ ทำให้องค์กรสามารถควบคุมความเป็นเจ้าของและความเป็นส่วนตัวของข้อมูลได้อย่างสมบูรณ์
กำเนิด Daisy: เมื่อ AI ไม่ใช่เรื่องของ One-Size-Fits-All
ดร.เอมอัชนาได้ชี้ให้เห็นถึงความท้าทายที่เป็นหัวใจของการนำ AI มาใช้ในโลก IoT นั่นคือ โมเดล AI ประเภท Machine Learning จะทำงานได้ดีก็ต่อเมื่อได้รับการสอนด้วยข้อมูลที่ถูกต้อง และเกี่ยวข้องโดยตรงกับบริบทของงานนั้น ๆ โมเดล AI ที่ใช้แยกประเภทผลไม้ใน Smart Farm ซึ่งเรียนรู้จากข้อมูลสี ขนาด และรูปทรงของผลไม้ ย่อมไม่สามารถนำไปใช้ตรวจจับเสียงที่ผิดปกติของเครื่องยนต์ในโรงงานได้ ความแตกต่างของข้อมูลและสภาพแวดล้อมนี้เองที่ทำให้แนวคิด AI สำเร็จรูปที่ใช้ได้กับทุกคนเป็นไปไม่ได้จริง
ด้วยเหตุนี้ แพลตฟอร์ม Daisy จึงถูกพัฒนาขึ้นมาเพื่อแก้ปัญหานี้โดยเฉพาะ โดยมีเป้าหมายเพื่อเป็นผู้ช่วยที่จะทำให้การสร้าง AI เฉพาะทางเป็นเรื่องง่ายสำหรับทุกคน
Daisy คืออะไร?
หากเปรียบเทียบให้เห็นภาพที่ชัดเจนที่สุด Daisy ก็เปรียบเสมือน App Store สำหรับอุปกรณ์ Edge Computing แต่มีความแตกต่างที่สำคัญ แทนที่จะเป็นตลาดที่ให้ผู้ใช้เข้ามาเลือกซื้อแอปพลิเคชันสำเร็จรูปที่คนอื่นสร้างไว้ Daisy กลับเป็นโรงปฏิบัติการ (Workshop) ที่มอบเครื่องมือและส่วนประกอบพื้นฐานให้ผู้ใช้สามารถสร้างและประกอบแอปพลิเคชัน AIoT ของตนเองขึ้นมาได้ แนวคิดนี้เป็นการ Empowerment ให้ผู้ใช้งานเปลี่ยนจากผู้บริโภคมาเป็นผู้สร้างนวัตกรรม โดยลิขสิทธิ์และทรัพย์สินทางปัญญาของแอปพลิเคชันที่สร้างขึ้นจะเป็นของผู้ใช้งานโดยสมบูรณ์
เส้นทางการสร้างแอปพลิเคชัน AIoT ด้วย Daisy
แพลตฟอร์ม Daisy ถูกออกแบบมาให้ใช้งานง่ายที่สุดเพื่อลดกำแพงทางเทคนิค ทำให้แม้แต่ผู้ที่ไม่มีทักษะการเขียนโค้ดเชิงลึกก็สามารถสร้างโซลูชันของตัวเองได้ ผ่านเส้นทางที่ไม่ซับซ้อน โดยเริ่มต้นจากการออกแบบแอปพลิเคชันบนเว็บอินเทอร์เฟซของ Daisy ซึ่งผู้ใช้จะสร้างโปรเจกต์ใหม่แล้วทำการเลือกฟังก์ชันที่ต้องการ เช่น การเชื่อมต่ออุปกรณ์ การสร้างฐานข้อมูลเพื่อเก็บบันทึก การแสดงผลบนแดชบอร์ด และส่วนที่สำคัญที่สุดอย่าง Machine Learning จากนั้นจึงเข้าสู่ขั้นตอนการสร้างและปรับแต่งโมเดล AI ซึ่งถือเป็นหัวใจของ Daisy ผู้ใช้สามารถเลือกโมเดลพื้นฐานจากแคตตาล็อกที่เตรียมไว้สำหรับข้อมูลภาพ เสียง หรือข้อมูลตาราง แล้วทำการปรับแต่งโมเดลนั้นด้วยการอัปโหลดชุดข้อมูลของตนเอง เช่น ภาพถ่ายชิ้นงานที่มีตำหนิหรือไฟล์เสียงของเครื่องจักรที่ทำงานผิดปกติ แล้วกดปุ่ม Train เพื่อให้แพลตฟอร์มจัดการกระบวนการที่ซับซ้อนเบื้องหลังจนได้เป็นโมเดล AI ที่เชี่ยวชาญในงานนั้น ๆ โดยเฉพาะ เมื่อประกอบร่างแอปพลิเคชันเรียบร้อยแล้ว
การนำไปติดตั้งและใช้งานก็ง่ายดาย เพียงติดตั้งโปรแกรมขนาดเล็กที่ชื่อว่า Daisy Client ลงบนอุปกรณ์ Edge Computing แล้วนำ Token ที่ได้จากแพลตฟอร์มไปใส่ อุปกรณ์จะทำการเชื่อมต่อและดาวน์โหลดแอปพลิเคชันมาติดตั้งให้โดยอัตโนมัติ สุดท้ายคือการจัดการและอัปเดต ที่หน้างานผู้ใช้สามารถปรับแก้ Flow การทำงานของแอปพลิเคชันได้ทันที และเมื่อมีการเทรนโมเดลเวอร์ชันใหม่ แพลตฟอร์มก็จะแจ้งเตือนให้ผู้ใช้สามารถกดอัปเดตซอฟต์แวร์ได้ในเวลาที่เหมาะสม (Over-the-Air Update)
กรณีศึกษา: จากทฤษฎีสู่การใช้งานจริง
ตัวอย่างแรกที่น่าสนใจ คือการใช้งานในโรงงานผลิตมอเตอร์ จากเดิมที่ใช้พนักงานในการฟังเสียงเพื่อตรวจสอบคุณภาพซึ่งอาจมีความคลาดเคลื่อนและไม่สม่ำเสมอ ได้เปลี่ยนมาใช้ Daisy Edge Computing บนอุปกรณ์ Raspberry Pi ที่เชื่อมต่อกับไมโครโฟน เพื่อให้ AI ช่วยจำแนกคุณภาพของมอเตอร์ว่าเป็นประเภทดีหรือเสียแบบเรียลไทม์ ทำให้ได้ผลลัพธ์ที่แม่นยำและเป็นมาตรฐานเดียวกันตลอด 24 ชั่วโมง
อีกหนึ่งกรณีศึกษาที่แสดงให้เห็นถึงความยืดหยุ่นคือการใช้งานในโรงไฟฟ้าเพื่อทำ Preventive Maintenance โดยโรงไฟฟ้าที่มีอายุการใช้งานนานมักประสบปัญหาสัญญาณรบกวนจากเซ็นเซอร์ที่เริ่มเสื่อมสภาพ ทีมงานได้นำ Daisy ไปติดตั้งบน Server ของโรงงานเอง เพื่อวิเคราะห์ข้อมูลจากเซ็นเซอร์จำนวนมากและทำนายความผิดปกติของระบบล่วงหน้า ช่วยเปลี่ยนรูปแบบการบำรุงรักษาจากแบบที่ต้องรอให้เสียก่อนจึงซ่อม (Reactive) ไปเป็นการบำรุงรักษาเชิงป้องกัน (Predictive) ซึ่งช่วยลดความเสียหายและค่าใช้จ่ายได้อย่างมหาศาล
ความสัมพันธ์ระหว่าง Daisy และ NETPIE คือความสัมพันธ์ที่ส่งเสริมซึ่งกันและกัน (Symbiotic Relationship) อุปกรณ์ Daisy Edge Computing จะถูกมองเห็นเป็นหนึ่งในอุปกรณ์ IoT บนแพลตฟอร์ม NETPIE ทำให้ข้อมูลที่ผ่านการประมวลผลแล้วจาก Edge สามารถไหลขึ้นสู่ Cloud ได้อย่างเป็นระบบ เปรียบเสมือนผู้เชี่ยวชาญหน้างานที่คอยจัดการปัญหาเฉพาะหน้าและส่งรายงานสรุปที่สำคัญกลับไปยังสำนักงานใหญ่บนคลาวด์ เพื่อให้ผู้บริหารใช้ในการวิเคราะห์ภาพรวม สร้างแดชบอร์ดสำหรับผู้บริหาร หรือเชื่อมต่อกับระบบ IoT อื่น ๆ ต่อไป
เริ่มต้นใช้งานและโอกาสในอนาคต
Daisy ได้เปิดประตูสู่โลกแห่ง AIoT สำหรับทุกคน โดยผู้ที่สนใจสามารถลงทะเบียนใช้งานได้ที่ daisy.io ซึ่งมีโควต้าให้ใช้งานฟรีสำหรับผู้เริ่มต้นและนักพัฒนา สำหรับองค์กรที่ต้องการใช้งานในระดับที่สูงขึ้นก็มีโมเดลค่าบริการรองรับ นอกจากนี้ ทีมงานยังเปิดโอกาสสำหรับผู้ที่สนใจทำโปรเจกต์วิจัยและพัฒนาร่วมกับทีมผู้เชี่ยวชาญจาก NEXTEC สวทช. ภายใต้การนำของ ดร.เอมอัชนา เพื่อร่วมกันสร้างสรรค์นวัตกรรมไปด้วยกัน
Daisy ไม่ได้เป็นเพียงแพลตฟอร์ม แต่เป็นเครื่องมือที่ช่วยปลดล็อกศักยภาพของนักพัฒนาและผู้ประกอบการ ให้สามารถสร้างสรรค์โซลูชัน AIoT ที่ซับซ้อนได้อย่างง่ายดายและเป็นเจ้าของได้อย่างแท้จริง นับเป็นก้าวสำคัญที่จะขับเคลื่อนวงการเทคโนโลยีของไทยให้ก้าวไปข้างหน้าอย่างยั่งยืน
ข่าวอื่น ๆ ที่น่าสนใจ
จากวิสัยทัศน์ สู่การสร้างชาติด้วย AI: เจาะลึกเส้นทาง ‘บอทน้อย’ และ ดร.วินน์ วรวุฒิคุณชัย
Agentic AI ไม่ใช่แค่เครื่องมือ แต่เป็น ‘พันธมิตร’ ที่จะพลิกโฉมธนาคารไทย
