หูของเอไอ (2)

ดร.ชัย วุฒิวิวัฒน์ชัยผู้อำนวยการหน่วยวิจัยวิทยาการสื่อสารของมนุษย์และคอมพิวเตอร์ (HCCRU) เนคเทค

สวัสดีครับท่านผู้อ่าน เวลาเราได้ยินได้ฟังข่าวนวัตกรรม หรือได้สัมผัสผลิตภัณฑ์อัจฉริยะ (ที่มักมากับสมาร์ทโฟน หรือแอพ) ว่าสามารถฟังหรือสื่อสารได้ด้วยเสียง เรามักคิดต่อว่าถ้าพูดภาษาไทยได้คงดี อาทิ กูเกิลวอยซ์เสิร์ช (Google Voice Search) หรือแอปเปิ้ลสิริ (Apple Siri) หลายตัวรับได้แค่ภาษาอังกฤษ หรือภาษาใหญ่ๆ ในโลก เช่น พวกกลุ่มลำโพงอัจฉริยะ (Smart Speaker) หรือนาฬิกาอัจฉริยะ (Smart Watch)

ผมขอยกภาพที่สร้างสรรค์ไว้โดย Prof. Sadaoki Furui ที่กล่าวไว้ว่า 2 ปัจจัยหลัก คือ ระบบรู้จักคำศัพท์มากน้อยแค่ไหน กับรองรับเสียงพูดที่เป็นธรรมชาติได้ขนาดไหน ผมยกตัวอย่างระบบพิมพ์ด้วยเสียงของกูเกิล (Google Voice Tying) ซึ่งรองรับภาษาไทยแล้วนั้น ประมวลได้ว่าน่าจะรองรับคำศัพท์ได้หลักแสน หรือหลายแสนคำ แม้ว่าจะทำให้พิมพ์งานทั่วๆ ไปได้ แต่ก็น่าจะรองรับคำศัพท์ได้น้อยกว่า ส่วนความสามารถในการรองรับเสียงปนเปื้อนสัญญาณรบกวน หรือพูดอย่างเป็นธรรมชาติคงจะประเมินได้ยาก

ย้อนมาที่ภายในประเทศกันบ้าง แทบไม่มีบริษัทที่พัฒนาระบบแปลงเสียงพูดภาษาไทยเป็นข้อความ นอกเหนือจากการนำเข้าจากต่างประเทศ เนคเทคเป็นหน่วยงานหนึ่งที่มีการวิจัยและพัฒนาเทคโนโลยีนี้มาตั้งแต่ปี 2555 กับบริการ พาที (Partii) ที่มีความสามารถรู้จักคำศัพท์ได้มากกว่า 1.4 แสนคำ รับเสียงที่ชัดถ้อยชัดคำ ความถูกต้องไม่ด้อยกว่าผลิตภัณฑ์จากต่างชาติ ซึ่งต้องการการลงทุนบริการคลาวด์ขนาดใหญ่ (มากๆ) เพื่อรองรับการใช้งานมหาศาลและการคำนวณที่ซับซ้อน

เทคโนโลยีประเภทเอไอนี้ต้องมีการนำไปใช้งานพร้อมๆ กับการปรับปรุงเพิ่มประสิทธิภาพจากข้อมูลที่ได้จากการใช้งานจริง จึงจะทำให้เอไอมีความฉลาดทำงานได้ตามที่ผู้ใช้ต้องการ และนี่คือจุดสำคัญที่ทำให้ผู้พัฒนาต้นน้ำทั้งหลายต้องลงทุนเปิดให้บริการทั้งที่ยังไม่สามารถทำกำไรได้

การปรับปรุงระบบด้วยข้อมูลที่ได้จากการใช้งานจริง จะต้องนำข้อมูลเสียงไปถอดความเป็นข้อความ ซึ่งคลังข้อความประกอบกับคลังข้อมูลเสียง สำหรับภาษาไทยคลังข้อความจะต้องนำไปตัดเป็นคำให้ถูกต้อง และทำการถอดเสียงอ่าน เพื่อเป็นทรัพยากร 3 ส่วน ที่นำไปฝึกฝนระบบเพิ่มเติม ให้สามารถแปลงเสียงพูดเป็นข้อความได้ถูกต้องในเนื้อหาที่ใช้งานจริง

การเตรียมข้อมูลเพื่อฝึกฝนนี้ถือเป็นการลงทุนก้อนใหญ่ ว่าจะอยู่ต่อหรือล้มหายไปจากวงการดิจิทัล ผู้เขียนเองมีความหวังว่าเทคโนโลยีสำหรับภาษาไทย ที่ผลิตโดยคนไทยจะยืนหยัดคู่ไปกับผลิตภัณฑ์ข้ามชาติได้ไม่มากก็น้อย