งานสัมมนาของ IBM : Accelerated AI and Data Science with Cloud Agility

ผู้บรรยายได้พูดถึงการ Survey ที่ชื่อว่า Incumbents Strike Back ได้อย่างน่าสนใจว่า
Analytic Platform ใหม่ Let Put Smart to work and save
เร่งการขับเคลื่อนของ AI&Cloud   IBM ได้สอบถามผู้บริหารทั่วโลกที่จะขับเคลื่อนในอีก 3 ปีข้างหน้า
ถาม ข้อมูลกี่ % ที่เรา search หาได้ใน Internet
ตอบ 20%  แล้วอีก 80% อยู่ไหน    การที่เราจะแข่งขันกับคนข้างนอก  เราควรใช้ข้อมูลภายใน คนไหนที่ควรจะเข้ามาในข้อมูลของเรา

Based on conversations with more than 12,854 CxOs worldwide, of which 3457 from Europe , it’s the most comprehensive study of its kind.

 “Incumbents Strike Back: Insights from the Global C-suite Study,” 


มีข่าวรายงานว่าเงินที่สนับสนุน Start up ในเมกาลดลงเป็นประวัติการณ์
ในปี 2018  40% จะมี AI Service   ส่วนในปี 2021 คาดการณ์ว่าจะเพิ่มเป็น 75%  เช่น chat bot

นอกจากนี้ยังแนะนำหนังสือ The Inevitable   ฺBy Kevin Kelly  (The Best seller ปี 2017)
เนื้อหาของหนังสือจะพูดถึงเทคโนโลยีในอนาคตอีก 30 ปีข้างหน้า

The Inevitable: Understanding the 12 Technological Forces That Will Shape Our Future

In the author’s own words:

‘There is bias in the nature of technology that tilts it in certain directions and not others. All things being equal, the physics and mathematics that rule the dynamics of technology tend to favour certain behaviours…The kind of inevitability I am speaking of in the digital realm is the result of momentum. The momentum of an ongoing technological shift.’

According to Kelly, much of what will happen in the next thirty years is inevitable.^[5] The future will bring with it even more screens, tracking, and lack of privacy.^[6] In the book he outlines twelve trends that will forever change the ways in which we work, learn and communicate:^[7]

1. Becoming: Moving from fixed products to always upgrading services and subscriptions
2. Cognifying: Making everything much smarter using cheap powerful AI that we get from the cloud
3. Flowing: Depending on unstoppable streams in real-time for everything
4. Screening: Turning all surfaces into screens
5. Accessing: Shifting society from one where we own assets, to one where instead we will have access to services at all times.^[8]
6. Sharing: Collaboration at mass-scale. Kelly writes, “On my imaginary Sharing Meter Index we are still at 2 out of 10.”
7. Filtering: Harnessing intense personalization in order to anticipate our desires
8. Remixing: Unbundling existing products into their most primitive parts and then recombining in all possible ways
9. Interacting: Immersing ourselves inside our computers to maximize their engagement
10. Tracking: Employing total surveillance for the benefit of citizens and consumers
11. Questioning: Promoting good questions is far more valuable than good answers
12. Beginning: Constructing a planetary system connecting all humans and machines into a global matrix 

สรุปได้ว่าความคิด AI ของคนทั่วไปจะเหมือนในหนัง  ความรู้สึกแบบมนุษย์ เราจะสอนให้มันทำในสิ่งที่คนไม่ทำ เช่น ทำสิ่งซ้ำๆ กัน  เราต้องพัฒนาให้บุคคลากรมีประสิทธิภาพมากขึ้น   นายกตู่ชอบพูดถึงการทำ Big data  IBM ได้เข้ามาดู big data ของภาครัฐว่าสามารถทำอะไรได้บ้าง
ถ้าไม่มีการทำ Analytic ก็จะกลายเป็น Big Headache
Big data without AI is headache
AI ช่วยอะไรเราได้บ้าง
ถ้าเราเข้าใจว่่า  AI เก่งตรงไหน มนุษย์เก่งตรงไหน  เราก็สามารถนำ AI มาใช้ได้ดี อนาคตทุกองค์กรต้องนำ AI มาใช้ เราเข้าใจมันมากน้อยแค่ไหน
- Search Engine  ตอบคำถามลูกค้าที่ซ้ำๆ  ตอบทุกอย่างในองค์กร
- Pattern Identification  เช่น หายอดขายในอดีตว่าขายดีในช่วงไหน  พฤติกรรมของผู้บริโภค
- Eliminate Bias  เครื่องดูแต่เนื้อ data อย่างเดียว
- Machine Learning
data science คือคนที่จะมาวิเคราะห์  data ที่มีอยู่ในองค์กร ที่จะมาสร้าง Model / role / table / find out pattern  จะเก่งเรื่องการคำนวณ Math ยากๆ  แต่มาเสียเวลาตรงไหนมากสุดถึง 80%
1 Gathering data
2 Prepare data

Data Science Pain Point
จ้าง data science มา 6 หลัก 7 หลักมาทำ project แต่สำเร็จแค่ 20%  ทำไม
สาเหตุหลักๆ ที่ไม่สำเร็จคือ 80%  AI ยังไม่เอื้ออำนวยที่จะ touch enough
ขั้นตอนการทำ AI ให้สำเร็จในองค์กร  Quick win  --> AI Ladder
1 Tool ที่ collect data ได้รวดเร็ว
2 Organize data แปลงจากข้อมูลดิบเป็น summary / Individual
3 Analyze --> Business Analytic   ทำ cross sale ???
คุณไม่ได้ออกแบบข้อมูลให้ Data science ดึงข้อมูลได้รวดเร็ว


Data Role
- Data Engineer  สร้างข้อมูล
- Data Scientist
- Data Business Analytic  --> Visualyzation
- Application Developer
- Data Steward

หลังจากนั้นเป็นการสาธิต  IBM ICP4 Data  ให้ผู้ร่วมงานได้ชม
ขอบคุณค่ะ
น้องน้ำ