AI ใช้ใจมอง (2): AI เปลี่ยนอนาคต

(หมายเหตุ: บล็อกนี้จะใช้ TED Talk ประกอบแทนรูป และดึงข้อมูลบางส่วนมาอภิปราย แต่ไม่ได้ใช้เนื้อหาหลักของ TED talk นั้น เนื้อหาส่วนใหญ่ยังคงเป็นความเห็นของผมเอง และไม่ได้ตรงกับที่นักพูด TED talk พูดทั้งหมด อย่างไรก็ดี TED Talk เหล่านี้มีเนื้อหาดีมากเกินกว่าจะละเลย ลองมองว่าเป็น TED Talk Playlist ที่ผมแนะนำเกี่ยวกับเรื่อง AI แล้วกันครับ)

ในบล็อกที่แล้ว ผมได้ไล่ขีดจำกัดของ AI ในประเด็นต่าง ๆ โดยส่วนตัวต้องการนำเสนอว่าการพัฒนาทางคอมพิวเตอร์หรือ AI นั้นมีขีดจำกัดมากกว่าที่คนทั่วไปคิด แต่ด้วยความพยายามอันแรงกล้าของมนุษย์ เราอาจทะลุขีดจำกัดเหล่านี้ไปได้ บล็อกนี้จึงลองตั้งคำถามว่า ถ้าทะลุขีดจำกัดเหล่านี้แล้ว อนาคตจะเป็นอย่างไร ?

Kevin Kelly บรรณาธิการบริหารและผู้ก่อตั้งนิตยสาร Wired ตั้งข้อสังเกตว่า วิวัฒนาการของเทคโนโลยีก็คล้ายกับวิวัฒนาการของสิ่งมีชีวิตนั่นเแหละ คือ พยายาม hack ขีดจำกัดตัวเอง เราจึงนิยามสิ่งมีชีวิตกลุ่มหนึ่งได้ยากมาก เพราะมักจะมีอย่างน้อยตัวหนึ่งหรือสายพันธุ์หนึ่งที่ hack นิยามนี้ได้ เช่น เมื่อปี 2015 เราเพิ่งค้นพบปลาที่เป็นสัตว์เลือดอุ่น (ปกติปลาจะเป็นสัตว์เลือดเย็น) หรือสัตว์ที่สร้างอาหารเองได้โดยการเพาะสาหร่ายไว้กับตัว (ปกติสัตว์จะนิยามว่าสร้างอาหารเองไม่ได้) การ hack แบบนี้ทำให้เกิดความหลากหลาย (diversity) แต่ละสายพันธุ์ก็พยายามขยายพันธุ์ไปทั่ว (ubiquity) พออยู่ในสภาพใหม่ ๆ ก็จะปรับตัวเฉพาะเจาะจงกับสภาพแวดล้อมนั้น (specification) ปรากฏการณ์นี้ทำให้เกิดการ “สะสมทักษะ” ทำให้สิ่งมีชีวิตซับซ้อน (complexity) ขึ้นเรื่อย ๆ นอกจากนั้นยังเกิดการวิวัฒนาการไปคู่กัน (co-evolution) ด้วย เช่น พืชวิวัฒนาการดอกไม้มาให้แมลงช่วยขยายพันธุ์พืชออกไป แมลงก็เริ่มวิวัฒนาการให้อิงอาศัยกับดอกไม้มากขึ้น

catholic_school_uniforms

กระโปรงพัฒนาจากกระโปรงสก็อตที่ใส่ทั้งสองเพศ ไปจนถึงเครื่องแบบที่ใส่ในโรงเรียน (ที่มา: wikimedia commons)

เทคโนโลยีก็เช่นเดียวกัน มนุษย์เริ่ม hack เทคโนโลยีเก่า ๆ และพัฒนาใหม่ขึ้นเรื่อย ๆ เทคโนโลยีจึงมีความหลากหลาย ผมชอบยกตัวอย่าง “กระโปรงกับกางเกง” กระโปรงหรือผ้านุ่งถูกคิดค้นมาก่อนกางเกงแน่ ๆ เพราะมันง่ายกว่า และกางเกงถูกคิดขึ้นมาทีหลังเพื่อให้ขี่ม้าได้ แต่วัฒนธรรมกระโปรงไม่หายไปไหนและพัฒนามาอีกแบบหนึ่ง การเก็บและพัฒนาต่อก็ทำให้เกิดความหลากหลายของเทคโนโลยี (diversity) พอมีคนอพยพไปแนะนำกระโปรงและกางเกงไปที่ใหม่ ๆ (ubiquity) มันก็ถูกออกแบบให้เข้ากับสภาพแวดล้อมนั้น ๆ (specification) เกิดเทคนิคตัดเย็บใหม่ ๆ ที่ซับซ้อนขึ้นเรื่อย ๆ (complexity) นำมาซึ่งการพัฒนาพัฒนากระโปรงและกางเกงใหม่ ๆ และเกิดความต้องการด้านเครื่องมือตัดเย็บใหม่ ๆ และเทคนิคใหม่ ๆ เป็นการพัฒนาควบคู่กันไป (co-evolution)

โดยภาพรวมแล้ว วิวัฒนการนั้นไม่ว่าจะเป็นสิ่งมีชีวิตหรือเทคโนโลยี ก็มีแนวโน้มจะกระจายเป็นวงกว้างมากขึ้น สำหรับเทคโนโลยีซึ่งเป็นสิ่งประดิษฐ์ของมนุษย์ เรามีแนวโน้มที่จะสร้าง “โครงสร้างสังคม (social structure)” ที่ยึดโยงกว้างขวางมากขึ้น เช่น เราคิดค้นเงินตราขึ้นมาเพื่อให้หลาย ๆ ฝ่ายเห็นมูลค่าตรงกัน แทนการตกลงสองฝ่ายเท่านั้น เราคิดค้นกลไกการปกครองขึ้นมาให้มีหลาย ๆ ฝ่ายตรวจสอบถ่วงดุล แทนให้ผู้อาวุโสและหัวหน้าเผ่าตัดสินเพียงผู้เดียว เป็นต้น

ดังนั้น ถ้าเราอยากรู้ว่า เมื่อมี AI โลกในอนาคตจะไปในทิศทางไหน ? ผมคิดว่าเราต้องถามว่า เหลือโครงสร้างสังคมอะไรที่ยังยึดโยงน้อยอยู่ ผมคิดว่ามีเรื่องอาชีพการงาน เรื่องเมืองและชุมชน และก็เรื่องตัวมนุษย์เอง ซึ่งเราจะกล่าวถึงต่อไป

อาชีพการงาน: AI จะแย่งงานเราหรือไม่ ?

หลายคนกลัวว่า AI จะแย่งงาน ผมก็เห็นว่า AI แย่งงานแน่ ๆ โดยเฉพาะอย่างยิ่ง งานโรงงานกับงานเอกสาร เพราะหุ่นยนต์และซอฟต์แวร์ทำได้ดีกว่าเยอะ (ใครจะมานั่งบวกเลขเองหล่ะ ?)

แต่อย่างน้อยในอนาคตอันใกล้นี้ AI จะไม่แย่งงานทั้งหมด Micho Kaku นักวิทยาศาสตร์ชื่อดัง ได้ให้ความเห็นไว้ว่า อย่างน้อยอนาคตอันใกล้นี้มนุษย์ยังเหลืองานอยู่สองประเภทให้ทำ คือ งานที่ไม่ค่อยซ้ำ (non-repetitive) กับงานที่ใช้ความคิดสร้างสรรค์ (creative) งานระดับล่างที่ไม่ค่อยซ้ำ อย่าง แม่บ้านที่ทำความสะอาดแต่ละห้องหน้าตาก็ไม่ซ้ำกัน ช่างซ่อมของที่ทุกวันมีปัญหาที่ไม่ซ้ำกัน จริง ๆ ที่น่าห่วงคืองานระดับกลางมากกว่า เพราะส่วนใหญ่ก็เป็นงานเอกสาร ต้องหลีกมาทำงานที่ใช้ความสร้างสรรค์ให้เป็น เช่น งานออกแบบ งานค้าขาย ศิลปิน นักวาดการ์ตูน อย่างนี้จึงจะพ้นจากการแย่งงานของ AI

ในทางกลับกัน AI กลับช่วยสนับสนุนงานพวกนี้ได้ดีด้วย เรามีหุ่นยนต์ช่วยแม่บ้านดูดฝุ่น แม่บ้านจะได้เอาเวลาไปทำอย่างอื่น เช่น จัดของเช็ดโต๊ะ ทำให้ลดเวลาไปได้โข ตอนนี้เรามี AI ช่วยวาดการ์ตูน เช่น ช่วยวาดบาง frame หรือช่วยเติมช่องว่าง แต่ยังไม่ถึงขั้นออกแบบตัวละคร ซึ่งถ้าเคยเห็นพวกนักวาดการ์ตูนเขียนบ่นใน footnote หรือปกหลังละก็ AI คงช่วยเรื่องพวกนี้ได้มากเช่นกัน

แต่การที่โรงงานหรือสำนักงานลดพนักงานลงก็น่าห่วง ในความคิดของผม ชนชั้นกลางกลับน่าเป็นห่วงมากกว่า เพราะงานแรงงานซ้ำ ๆ นั้นลดอัตราลงไปมากแล้ว เพราะเครื่องจักรเกิดมานานมาก แต่งานเอกสารกลับเป็นงานหลักของชนชั้นกลาง (รวมถึงพวกนักข่าว นักเขียน อะไรทำนองนี้ด้วย) เพิ่งโดนแย่งงานเป็นครั้งแรก อย่างไรก็ตาม คนกลุ่มที่จะตกงานเพราะ AI อาจมีขนาดถึงครึ่งหนึ่งของชนชั้นกลางและล่างร่วมกัน เรื่องนี้ควรต้องคาดการณ์และเตรียมรับมืออย่างชัดเจน

หากมองอนาคตอันไกล เราต้องเตรียมตัวไว้ก่อนเพราะ AI เกือบทำงานทั้งหมดเท่าที่มนุษย์ทำได้ เพราะ AI อาจเป็นการปฏิวัติอุตสาหกรรมครั้งที่สอง แต่เรามีบทเรียนอย่างชัดเจนตอนปฏิวัติอุตสาหกรรมว่า อัตราจ้างมักจะไม่ลดลง เผลอ ๆ เพิ่มขึ้นด้วยซ้ำ เหมือนตอนมีเครื่องจักรใหม่ ๆ ความต้องการงานกลับเพิ่มขึ้น เพราะได้ supply จำนวนมาก แต่สภาพแวดล้อมในการทำงานแย่ลง ความเหนื่อยกับเวลาทำงานลดลง ตำแหน่งทำงาน ก็จะกลายมาเป็นตำแหน่งคุม AI แทน การใช้ชีวิตอาจจะอิสระภายใต้รายได้เท่าเดิมเพราะมี AI คอยช่วยงาน หรือมีระบบรายได้เพิ่มขึ้นโดยการเก็บภาษี AI หรือประเมินผลงานจากการทักษะการใช้งานระหว่างเรากับ AI (ดังนั้นต้องอ่านเรื่อง AI เยอะ ๆ นะจ๊ะ) สิ่งเดียวที่ควรปรับคือสภาพแวดล้อมการทำงานให้เป็นมิตรมากขึ้น

โดยรวมแล้ว โลกแห่งการทำงานยุคใหม่อาจคล้ายกับยุคกรีกที่มีทาส แต่ทาสนั้นคือ AI แทน และมนุษย์ก็จะมีเวลาว่างมากขึ้นเพื่อดื่มด่ำสร้างสรรงานศิลปะ งานที่เราจะเป็น “มนุษย์” มากขึ้น จนในที่สุด อาชีพการงานจึงอาจไม่ได้หมายถึงการหาเงิน เหมือนในยุคปัจจุบัน

เมืองและชุมชน: เมืองใหม่จะเป็นอย่างไร ?

เมืองใหม่จะเป็นตลาดไว้ซื้อของสดและผลไม้ (ฮา! สำหรับคนที่ไม่รู้จัก มันคือชื่อตลาดในจังหวัดเชียงใหม่ อยู่ใกล้ ๆ ตลาดวโรรส)

เข้าเรื่องเลยดีกว่า ในอีก 100 ปีข้างหน้า ประชากรทั่วโลกจะถึงจุดอิ่มตัวคงที่ คือเกิดตายเท่า ๆ กัน เลยคงที่ที่ 9 พันล้านคน (ต้องตั้งเพดานไว้ เดี๋ยวประชากรล้นโลก) และมากกว่าครึ่งของประชากรเหล่านี้ จะอาศัยอยู่ในเมืองใหม่ (คือไม่ใช่เมืองที่ประวัติศาสตร์เก่าแก่ อย่าง กรุงเทพฯ เซี่ยงไฮ้ ลอนดอน แต่ต้องสร้างเมืองใหม่บนทะเลทรายหรือพื้นที่่รกร้างขึ้นมาเลย) คำถามที่น่าสนใจคือ อะไรคือสิ่งสำคัญที่สุดในการออกแบบเมืองใหม่เหล่านี้ ?

คำตอบง่ายที่สุด คือ ถนนหนทาง เพราะจริง ๆ แล้ว เราสามารถแบ่งพื้นที่ของเมืองได้เป็นสองแบบ คือ ที่ดินเอกชน และ ที่ดินสาธารณะ ไม่ใช่ทุกคนที่ได้ประโยชน์จากที่ดินเอกชน ดังนั้นคุณค่าของเมืองจริง ๆ จึงขึ้นอยู่กับการใช้ที่ดินสาธารณะเหล่านั้น ซึ่งอาจสร้าง สวนสาธารณะ โรงละคร ฯลฯ แต่ที่ดินสาธารณะส่วนใหญ่ของเมืองและเราใช้ในชีวิตประจำวัน ก็คือ ถนนหนทาง นั่นเอง ดังนั้น คุณค่าสำคัญที่สุดของเมืองใหม่ก็คือ ถนนหนทาง (ซึ่งรวมถึงพวกทางรถไฟด้วย)  นอกจากพื้นที่ถนนจะสำคัญแล้ว วิธีการตัดและจัดสรรถนนยังสำคัญอีกด้วย เพราะผูกไปถึง zoning และการเพิ่มมูลค่าให้ที่ดินส่วนอื่น ๆ มองโดยภาพรวมแล้ว เรากำลังพูดถึงเรื่องผังเมืองนั่นเอง

แล้ว AI จะเปลี่ยนการออกแบบผังเมืองได้อย่างไร ? คำตอบง่าย ๆ อยู่ที่คำว่า รถยนต์ขับเองได้ (self-driving car) ซึ่งหลายคนคงรู้อยู่แล้วว่าบริษัทไอทีและบริษัทรถใหญ่ ๆ มีโครงการจะทำรถยนต์ขับเองได้ (ซึ่งคาดว่าจะออกในช่วง 2020s กันทั้งนั้น) แต่อยากให้มองภาพรวมกว้าง ๆ ว่ารถยนต์ขับเองได้ จะปฏิวัติโลกในระยะยาวได้อย่างไร ?

หนึ่งคือ เราจะเห็นแนวโน้มของเทคโนโลยีที่เชื่อมโยงในระดับละเอียดขึ้น (specification) เดิมรถไฟเดินทางจากสถานีถึงสถานี รถยนต์เดินทางจากตึกถึงตึก คาดว่า ‘รถ’ ในอนาคตจะเดินทางระดับห้องถึงห้อง คือแทบจะเป็นเก้าอี้หรือแผ่นอะไรสักอย่างให้เรานั่งและโหลดคนต่อไปเรื่อย ๆ ระบบขนส่งแบบนี้อาจเกิดได้สองแบบ คือแบบลำดับชั้น (hierarchy) คนหลายคนมารวมกันบนรถ รถหลายคันจอดรวมกันบนรถไฟ และรถไฟก็เชื่อมเมืองใหญ่กับเมืองใหญ่ แต่ทุกอย่างอัตโนมัติหมดนะ เหมือนสายพานไปรษณีย์ คือจดหมายหลายซองรวม ๆ กันเป็นถุง ถุงหลายถุง รวมกันเป็นห่อ ห่อรวมกันเป็นห่อใหญ่ พอถึงศูนย์ใหญ่ก็แยกห่อ (unpack) กลับเป็นห่อ เป็นถุง และเป็นจดหมายส่งถึงบ้าน แบบที่สองคือแบบอิสระ (individual) คือนั่งรถ (หรือนั่งเก้าอี้เดินได้) ที่ขับและหาเส้นทางเองตั้งแต่ห้องต้นทางจนถึงอีกห้องปลายทางทีเดียวเลย

อีกอย่างหนึ่งคือ อุบัติเหตุทางรถยนต์จะลดลงไปมาก ในปี ๆ หนึ่งประชากรโลกเสียชีวิตจากอุบัติเหตุถึง 1 ล้านคน และมีผลกระทบต่อผู้คนกว่า 10 ล้านคน (เพิ่งฟังจากการอบรมตอนไปต่ออายุใบขับขี่มา) หากรถยนต์คุยกันได้ เราสามารถป้องกันอุบัติเหตุพวกนี้ให้ลดลงไปมาก จนกระทั่งถ้าเด็กรุ่นนั้นได้ย้อนกลับมารู้จักอุบัติเหตุทางรถยนต์ เขาอาจจะบอกว่า “น่าเสียดายจัง ทำไมไม่ทำรถยนต์ขับเองได้ให้เร็วกว่านี้” นอกจากนี้ เรื่องอุบัติเหตุทางรถยนต์แล้ว เราจะตัดอะไรไปได้มากเลย เช่น การรอไฟเขียวไฟแดง ถ้ารถยนต์คุยกันได้ เราสามารถสลับจังหวะการเดินระหว่างช่องว่างของรถ หรือวนเส้นทางใหม่ได้โดยอัตโนมัติ จนประหยัดเวลาเดินทางไปมาก

อย่างสุดท้ายและสำคัญที่สุด ถ้ารถยนต์ขับเองได้ คนก็ไม่จำเป็นต้องฝึกขับรถอีกต่อไป (อ๊ะ! แน่นอน) มากไปกว่านั้น ทุกคนอาจไม่ต้องซื้อรถเป็นของตัวเอง อย่างหลายคนก็เคยมีปัญหาว่าอยากขับรถขากลับขาเดียว แต่รถมันขับไปเองไม่ได้ ต้องขับรถขาไปด้วย ทำให้เกิดปริมาณรถโดยไม่จำเป็น การที่รถไม่จำเป็นต้องใช้คนขับ ทำให้รถสามารถ “ตีเปล่า” ไปรับส่งคนอย่างไรก็ได้ คนอาจจะไม่รังเกียจที่จะนั่งรถของคนอื่นเหมือนรถแท็กซี่ และนั่งร่วมทางกับคนอื่นไปได้เหมือนรถเมล์ รถขับเองได้จึงกลายเป็น “รถแท็กซี่+รถเมล์” คือ เป็น “บริการสาธารณะ” ซึ่งสามารถจัดสรรได้โดยอัตโนมัติ

สำหรับเมืองใหม่ นอกจากผังเมืองจะเปลี่ยนรูปแบบแล้ว โครงสร้างที่เป็นนามธรรมอย่างอำนาจการปกครองก็จะเปลี่ยนรูปแบบเช่นกัน แม้ปัจจุบันเราจะมีฝ่ายปกครองจะมีหลายแบบ เช่น สภา ผู้บริหาร ผู้พิพากษา องค์กรอิสระ NGO ฯลฯ  แต่หลายคนก็ยังยึดโยงตนเองกับกลไกการปกครองไม่ได้ AI จะมาตอบโจทย์นี้ได้อย่างไร ?

ในตอนอินเตอร์เน็ตมาใหม่ ๆ เรามักพูดกันว่ามันจะทำให้เกิด “ประชาธิปไตยทางตรง (direct democracy)” คือทุกคนมีส่วนร่วมโดยไม่ต้องอาศัย “ตัวแทน” แต่ความจริงไม่ง่ายอย่างนั้น เพราะเราแต่ละคนไม่ได้อยากตัดสินทุกอย่าง กล่าวอีกนัยหนึ่ง “การตัดสินใจทางสังคม” เป็นภาระแต่ก็เป็นอำนาจที่เราไม่อยากเสียไป จริง ๆ เราอยากให้มีคนที่คิดเหมือนเราทำงานนี้ให้มากกว่า และในยุคใหม่ AI อาจเริ่มเข้ามามีบทบาทเป็นตัวแทนเรา เริ่มตั้งแต่เป็นผู้ช่วยให้กับตัวแทนที่เป็นมนุษย์ เช่น ส.ส. ทนาย หรือแม้แต่ผู้พิพากษา จนเราเริ่มเห็นบทบาทของอินเตอร์เน็ตในฐานะ “มือตกลงที่มองไม่เห็น (invisible negotiator)” เช่นการเป็นแหล่งกำเนิดคำศัพท์ต่าง ๆ Hashtag ประจำเหตุการณ์ หรือแม้แต่กำหนด Agenda ข่าวในวันนั้น

ในอนาคตอันไกล หากเรายังเชื่อมโยงข้อมูลผ่านเทคโนโลยีอินเตอร์เน็ต บวกกับ AI เพื่อจัดการข้อมูล เราสามารถสร้างสัญญาอิเล็กโทรนิกส์ ข้อตกลงอิเล็กโทรนิกส์ ซึ่งมีโปรแกรมหรือ AI เป็นผู้บังคับ (regulator) ได้เช่น พอขายของทางออนไลน์ได้ ระบบก็จะโอนเงินแบ่งรายได้นั้นตามสัญญาอิเล็กทรอนิกส์โดยอัตโนมัติได้เลย ในอนาคต นอกจากเราจะมองว่ามี AI ผู้ช่วยแล้ว เราอาจมี AI ที่เราต้องทำงานให้ โดยเราแทบไม่รู้ว่าแหล่งรายได้มาจากไหน คล้าย ๆ ข้าราชการหรือพนักงานในปัจจุบันที่ได้เงินก้อนหนึ่งมาเฉย ๆ โดยไม่รู้เลยว่าทำไมถึงได้เท่านี้ แม้ว่าตอนนี้จะมีผู้คนบางกลุ่มคอยจัดการเรื่องเงินเดือนของเราอยู่ แต่ในอนาคต เราอาจทำงานเป็นลูกจ้าง AI ซึ่งจะจัดสรรรายได้ให้เรา ด้วยสูตรที่อาจจะโปร่งใสมากขึ้น จากเดิมผู้ที่รู้มีเพียงบางคนที่คอยจัดสรรรายได้ให้เราเท่านั้น แต่สูตรจะซับซ้อนมากขึ้นเรื่อย ๆ จนยากจะเข้าใจว่าแหล่งรายได้เหล่านี้https://www.ted.com/talks/sebastian_thrun_google_s_driverless_car?language=thมาจากไหน ? รู้แต่ว่ามันทำให้ระบบเดินได้ดี สรุปก็คือ เราจะมีทั้ง AI ที่เป็น “ผู้ใช้งานเรา” และ “ผู้ช่วยงานเรา”

มนุษยชาติ: มนุษยชาติจะก้าวไปในทิศทางใด ?

มนุษย์อาจมีวิวัฒนาการที่ได้เปรียบสิ่งมีชีวิตชนิดอื่น แต่ก็มีข้อเสียเปรียบที่ตามมาเช่นกัน เช่น เรามักปวดเข่าเวลาแก่ตัวลง อายุขัยที่จำกัด รวมถึงอารมณ์พื้นฐานต่าง ๆ อย่างรัก โลภ โกรธ หลง ฯลฯ โลกหลังยุค AI จะนำเราก้าวไปสู่ในทิศทางใด ? 

มาเริ่มด้วยเรื่องการแพทย์ในอนาคตกันก่อน ปัจจุบัน แม้ว่าเราจะยากดีมีจนเป็นคนยังไง แต่พอป่วย เราพึ่งบุคลากรอยู่กลุ่มเดียว คือ “แพทย์และพยาบาล” ดังนั้น “แพทย์และพยาบาล” จึงเป็นปัญหาคอขวดในปัจจุบัน คือค่ารักษาแพงมากและบุคลากรก็ทำงานหนักมาก AI อาจช่วยในส่วนที่ต้องรักษาซ้ำ ๆ และมีแบบแผน ประกอบกับเดี๋ยวนี้เรามี sensor วัดชีพจร วัดอุณหภูมิร่างกาย ได้ตลอดเวลา  AI อาจวินิจฉัยเบื้องต้นจากการวิเคราะห์ข้อมูลผู้ป่วยจำนวนมาก ค่ารักษาจะมีราคาถูกลง และเปิดโอกาสให้บุคลากรในวงการสาธารณสุขมีเวลาว่างเพื่อวิจัยและแก้ปัญหาสุขภาพเฉพาะเคสที่หนักหรือไม่เคยพบ และเกิดการแลกเปลี่ยนความรู้กันทำให้การรักษาเป็น “กลุ่มแพทย์ต่อกลุ่มคนไข้” ไม่ใช่แพทย์หนึ่งท่านต่อคนไข้หนึ่งคนต่อหนึ่งเคสเหมือนในปัจจุบัน

ในอนาคตอันไกล การสาธารณสุขอาจขยายไปยังรูปแบบอื่น ๆ มากขึ้น จากปัจจุบันที่ใช้ที่รักษาโรคด้วยการใช้ “ยา” หรือสารเคมีเป็นหลัก อาจจะเริ่มใช้ “หุ่นยนต์จิ๋ว” ซ่อมร่างกายเหมือนซ่อมเครื่องจักร การซ่อมอาจซ่อมในระดับอวัยวะ ก่อนค่อยเล็กลงเป็นเซลล์ และยีนส์ แนวคิด “วิศวกรรม” หรือฟิสิกส์จะเริ่มมีบทบาทในวงการสาธารณสุข เราอาจค่อย ๆ เปลี่ยนเราเป็นเครื่องจักร ต่อยอดพละกำลังเราให้มีมากขึ้น ค่อย ๆ ลดขีดจำกัดต่าง ๆ ลง การต่อยอดเป็นเครื่องจักรในที่นี้ ไม่ได้หมายถึงว่า เราจะกลายเป็นเหล็กหรือวัสดุสังเคราะห์ แต่จากความรู้เรื่องการบรรณาธิการพันธุกรรม (Gene Editing) ที่อาจแก้ไขยีนส์ในตอนที่เรามีชีวิตอยู่ เราสามารถมองตัวเราเป็น “ข้อมูล” ทางพันธุกรรมได้ เมื่อถึงเวลานั้น เราอาจกลายเป็นสิ่งมีชีวิตที่ “สุขภาพแข็งแรง อายุยืนนาน” เหมือนคำอวยพรอยู่ตลอดเวลา

หลายคนหวาดกลัวว่า เทคโนโลยีที่ “ฉาบฉวย” อาจทำลายจิตใจหรือความสัมพันธ์ระหว่างมนุษย์ และลดทอนเรื่องดี ๆ ในชีวิต เราอาจสนใจสิ่งแวดล้อมน้อยลง พูดคุยกับครอบครัวหรือคนใกล้ชิดน้อยลง ทำกิจกรรมนอกบ้านลดลง แต่เทคโนโลยีจะทำให้ความสัมพันธ์ลดลงจริงหรือ ?

บางเรื่องก็ไม่ได้เป็นจริงเช่นนั้น เช่น เรื่องกิจกรรมนอกบ้าน มีงานวิจัยจาก Lincoln University ในปี 2016 ว่า แท้จริงแล้วเทคโนโลยีกลับช่วยให้คนออกนอกบ้านมากขึ้น เพราะคนส่วนใหญ่ยังยึดติดกับประสบการณ์นอกบ้านเป็นหลัก และใช้เทคโนโลยีช่วยให้กิจกรรมนอกบ้านไม่น่าเบื่อ เช่น ใช้แอพฯ ช่วยให้ออกกำลังกายไม่น่าเบื่อ ใช้ช่วยในการท่องเที่ยว ใช้บันทึกภาพสวย ๆ เรื่องราวดี ๆ ท่าเต้นเจ๋ง ๆ ที่เห็นตามทาง เพลงเพราะ ๆ ที่ได้ยินตามทาง หรือกิจกรรมท่องเที่ยวผจญภัยที่ทำร่วมกับเพื่อน ดังนั้นหากคุณเห็นคนเริ่มอ่าน chat เวลาคุยกับใครสักคน แสดงว่าบรรยากาศมันเริ่มน่าเบื่อต่างหาก 

แต่บางเรื่องก็จริง เช่น การพูดคุยกับครอบครัวกับคนใกล้ชิด คำประมาณว่า “สังคมก้มหน้า” อธิบายเรื่องราวเหล่านี้ได้ดี นั่นอาจเป็นเพราะ แม้เทคโนโลยีจะช่วยให้เรายึดโยงได้มากขึ้น แต่ยังเป็นความสัมพันธ์ที่อ่อนหรือฉาบฉวย ถามว่าจะแก้ปัญหานี้ได้อย่างไร ? บางทีเราอาจพัฒนา AI ให้แก้ปัญหานี้ตรง ๆ เลย เช่น AI สายหนึ่งที่ตอบสนองความต้องการนี้ เรียกว่า artificial empathy เพื่อให้มนุษย์เชื่อมโยงกัน และตอบสนองโดยคำนึงถึงอารมณ์หรือความคิดของเรา ให้แตกต่างจากระบบตรรกะที่แข็งกระด้างและตรงไปตรงมา

แต่เราอาจพัฒนากลยุทธ์แก้ปัญหาทางอ้อมโดยใช้เทคโนโลยีแทน ยกตัวอย่างเช่น ราสนใจสิ่งแวดล้อมน้อยลง ส่วนหนึ่งเป็นเพราะเราไม่เห็นผลกระทบโดยตรงระหว่างเรากับสิ่งแวดล้อม เช่น เราไม่เห็นว่าถุงพลาสติกที่เราทิ้งสุดท้ายมันจะไปที่ไหน เมื่อเทคโนโลยีขยายตัว แต่เรายังไม่ใส่ใจในสิ่งแวดล้อมเหมือนเดิม ปัญหาก็จะมีมากขึ้น แต่ในอนาคตเมื่อเครือข่ายสิ่งของ (Internet of things) เทคโนโลยีติดตาม (tracking technology) และ AI จะทำให้เชื่อมผลกระทบที่ตามมาอย่างชัดเจนมากขึ้น ส่วนนี้จะช่วยพัฒนาความสัมพันธ์และความเห็นอกเห็นใจสิ่งแวดล้อม กล่าวอีกนัยหนึ่ง นอกจากเราจะมี AI เป็น “ผู้ใช้งานเรา” และ “ผู้ช่วยงานเรา” แล้ว เรายังมี AI ที่เป็น “เพื่อน” คอยเดินเคียงข้าง ช่วยให้ความสัมพันธ์ระหว่างมนุษย์กับสิ่งแวดล้อม และมนุษย์กับมนุษย์ด้วยกันเอง ใกล้ชิดกันขึ้นและ “เป็นมนุษย์” มากกว่าเดิม

บทสรุป: AI จะทำให้มนุษยชาติสูญสิ้นหรือไม่ ?

หลายคนมองอนาคตในทิศทางแง่ร้ายว่า ถ้า AI จะมาแย่งงาน ปกครองเมือง และกำกับชีวิตเรา มนุษยชาติจะมีบทบาทอะไรต่อไปอีก หรืออีกนัยหนึ่ง มนุษยชาติจะสูญสิ้นไปหรือไม่ เพราะไม่มีความจำเป็นแล้ว ส่วนตัวเห็นว่ามนุษยชาติจะสูญสิ้นไปหรือไม่นั้น เป็นคำถามที่ตอบยากในตอนนี้ เพราะขึ้นอยู่กับปัญหาย่อยอีกหลายปัญหา

ปัญหาหนึ่งคือขีดจำกัดทางของ AI จะเป็นอย่างไร ? ซึ่งเคยกล่าวถึงบล็อกที่แล้ว ยกตัวอย่างเช่น หาก AI มีตัวตนได้จริง เราอาจสร้างโลกที่มี “มนุษย์ประดิษฐ์” ได้จำนวนมาก ซึ่งมนุษย์ดั้งเดิมก็ต้องคำนึง “จิตใจ” ของมนุษย์ใหม่นี้ด้วย เช่น เรื่องกฎหมาย การอยู่ร่วมกัน และสิทธิของ AI เสมือนมนุษย์มีเพื่อนร่วมโลกเพิ่มขึ้น เพียงแค่นั้น แต่อีกเรื่องหนึ่งที่ต้องพิจารณาคือ “มนุษย์ประดิษฐ์” ใหม่ต้องใช้ทรัพยากรหรือแหล่งพลังงานจำนวนมากน้อยเพียงใด ? หรือต้องกินต้องใช้มากหรือไม่ ? เพราะหาก AI ต้องกินต้องใช้ เรากับ AI อาจต้องทะเลาะเบาะแว้งเรื่องทรัพยากร (เหมือนหนังเรื่อง The Matrix) เรื่องนี้ก็ขึ้นอยู่กับขีดจำกัดทางฮาร์ดแวร์ว่า AI จะมีประสิทธิภาพมากขึ้นภายใต้ทรัพยากรจำกัดหรือเปล่า ? (กฎของมัวร์) ซึ่งการวิจัยเรื่องควอนตัมคอมพิวเตอร์อาจตอบโจทย์นี้ แต่หาก AI ไม่มีทางสร้างตัวตนได้เลย เราอาจต้องหวาดกลัวมนุษย์ด้วยกันเองนี่แหละ ที่จะสอนหรือใช้ AI ในแง่ร้ายเสียเอง และถ้าพิจารณาแล้ว กรณีอย่างหลังนี้มีโอกาสเป็นไปได้มากกว่า

เห็นอย่างนี้ อาจรู้สึกว่าไม่ควรพัฒนา AI ต่อไป แต่เราต้องคิดคำถามในแง่กลับด้วยว่า การไม่มี AI จะทำให้มนุษยชาติสูญสิ้นหรือไม่ ? ในความเป็นจริง ถ้าถามว่าอะไรคือเหตุที่โลกสูญสิ้นที่รอคอยเราอยู่แน่ ๆ ? เราจะพบว่า ปัญหาในระดับจักรวาลอย่างการระเบิดของดวงอาทิตย์ ซึ่งจะขึ้นราว 4 พันล้านปีข้างหน้า และ “ย่างสด” โลกไปด้วย หรือปัญหาในระดับโลก อย่างภาวะอากาศเปลี่ยนแปลงหรือทรัพยากรธรรมชาติหมดลง  (สถานการณ์เหมือนในหนังเรื่อง Interstellar) กลับมีโอกาสเกิดขึ้นได้มากกว่า ปัญหาระดับใหญ่นี้ต่างหากที่มนุษย์ควรหันมาใส่ใจและต้องใช้เทคโนโลยีเข้ามาช่วย ดังนั้นหากมองในแง่นี้ การยับยั้งเทคโนโลยีแม้จะลดความรุนแรงจากสงคราม แต่กลับเพิ่มโอกาสที่เราจะสูญสิ้นจากภัยพิบัติขนาดใหญ่ที่จะเกิดขึ้นแน่ ๆ อนาคตจึงต้องทำทั้งสองด้าน คือ ต้องพัฒนาเทคโนโลยี ระหว่างนั้นต้องยับยั้งสงครามไปด้วย

อีกปัญหาหนึ่ง นั่นคือ การสูญสิ้นมนุษยชาตินั้นนับอย่างไร ? ปกติถ้าเราคิดเรื่อง AI กับการสูญสิ้นมนุษยชาติในภาพยนตร์ เราจะนึกถึงการสูญสิ้นในแง่สงครามระหว่างคนกับหุ่นยนต์  แต่ถ้าถามว่า โลกที่ทุกคนใช้ร่างกาย “หุ่นยนต์” และใช้เวลาส่วนมากอยู่ในความจริงเสมือน อย่างนี้ถือว่ามนุษยชาติสูญสิ้นในอีกแง่ได้หรือเปล่า ? ถ้าเราเป็นคนถอดความเป็นตัวเราเอง จะนับว่ามนุษยชาติมีอยู่หรือเปล่า ?

ปัญหาที่ว่ามนุษยชาติจะสูญสิ้นหรือไม่ ? ส่วนหนึ่งจึงขึ้นอยู่กับว่าเรานับความเป็นมนุษยชาติถึงแค่ไหน ? เพราะเทคโนโลยีก็เหมือนวิวัฒนาการของสิ่งมีชีวิต คือ  เราจะสูญเสียนิยามที่แข็งกระด้างที่เราเคยชินไปเรื่อย ๆ ไปสู่นิยามความเป็นมนุษย์ที่ยืดหยุ่นและรองรับได้หลายสิ่งกว่า ดุจก้อนหินที่ตกน้ำนั้นไม่ไปไหน แต่หมึกที่หยดลงไปในน้ำกลับแผ่กระจายได้ทั่ว ดังนั้น ไม่ว่าอนาคตจะเป็นอย่างไรก็ตาม ผมเชื่อว่ามนุษยชาติจะอยู่รอดได้ด้วยการเปิดกว้างนิยามความเป็นมนุษย์ให้รองรับความหลากหลาย  เพราะเมื่อมองจากสายธารแห่งประวัติศาสตร์แล้ว โลกเราย่อมรองรับเฉพาะสิ่งที่เปิดกว้างและโอบอ้อมอารี

 

 

Advertisements
Posted in บทความ | Tagged , , , , , , , , | Leave a comment

AI ใช้ใจมอง (1): ขีดจำกัดของ AI

เมื่อไม่นานมานี้ เกิดวิวาทะร้อนแรงระหว่าง Elon Musk ผู้ก่อตั้ง Tesla กับ Mark Zuckerberg ผู้ก่อตั้ง Facebook โดย Mark สนับสนุนการพัฒนา AI (ย่อมาจาก Artificial Intelligence หรือปัญญาประดิษฐ์) โดยกล่าวว่า “เขามอง AI ในแง่บวกมาก ๆ และมองว่าคนที่คิดว่าโลกจะถึงจุดจบด้วย AI นั้นบั่นทอนการพัฒนาและไร้ความรับผิดชอบโดยสิ้นเชิง”

Mark_Zuckerberg,_World_Economic_Forum_2009_Annual_Meeting“I have pretty strong opinions on this. I am optimistic,” Zuckerberg said. “And I think people who are naysayers and try to drum up these doomsday scenarios — I just, I don’t understand it. It’s really negative and in some ways I actually think it is pretty irresponsible.”
(ข้อความจาก บทความใน bizjournals.com ภาพจาก Wikipedia)

ในขณะที่ Elon หนึ่งในตัวตั้งตัวตีด้านการควบคุม AI ได้โต้ผ่าน Twitter ว่า “ผมเคยคุยกับ Mark เรื่องนี้แล้ว ผมเห็นว่าความเข้าใจเรื่อง AI ของเขายังจำกัดนัก” นอกจากนั้น Elon ยังวางแผนทำภาพยนตร์เพื่อเตือนภัยจากอันตรายของ AI ที่ไร้การควบคุม และเปิดแพลตฟอร์ม OpenAI เพื่อลดการผูกขาดและเพิ่มการตรวจสอบการใช้งาน AI 

ก่อนหน้านี้ มีหลายคนได้ให้ความเห็นว่า AI เป็นอันตราย เช่น Stephen Hawking นักฟิสิกส์ผู้มีชื่อเสียง เคยออกโรงเตือนว่า AI จะเป็นภัยร้ายแรงต่อมนุษยชาติในอนาคต Bill Gates ผู้ก่อตั้ง Microsoft ก็เคยออกมาสนับสนุนแผนการควบคุม AI ของ Elon และพร้อมกำชับให้เราตระหนักถึงภัยจาก AI ให้มากกว่านี้ ในทางกลับกัน หลายคนก็ได้ออกมาโต้ความคิดนี้ Eric Schmidt  ผู้บริหารของ Alphabet และอดีตผู้บริหารของ Google เคยออกมาโต้ให้หยุดแตกตื่นเกี่ยวกับข่าว AI ได้แล้ว  เช่นเดียวกับ Jeff Bezos ผู้บริหารของ Amazon ที่เห็นว่า ยุคนี้เป็นยุคแห่งการพัฒนา AI และจัดเป็นยุคทองของมนุษยชาติ เปรียบได้กับยุค Renaissance เลยทีเดียว 

386px-Stephen_Hawking_050506“The development of full artificial intelligence could spell the end of the human race. We cannot quite know what will happen if a machine exceeds our own intelligence, so we can’t know if we’ll be infinitely helped by it, or ignored by it and sidelined, or conceivably destroyed by it.”
(ข้อความจาก บทความใน BBC ภาพจาก Wikipedia)

400px-Bill_Gates_-_World_Economic_Forum_Annual_Meeting_Davos_2008“A few decades after that though the intelligence is strong enough to be a concern. I agree with Elon Musk and some others on this and don’t understand why some people are not concerned.”
(ข้อความจาก บทความใน BBC ภาพจาก Wikipedia)

Eric_Schmidt_at_the_37th_G8_Summit_in_Deauville_037“But no researchers or technologists want to be part of some Hollywood science-fiction dystopia. The right course is not to panic—it’s to get to work. ”
(ข้อความจาก บทความของ Eric Schmidt ใน Fortune ภาพจาก Wikipedia)

Jeff_Bezos'_iconic_laugh_(cropped)“We are now solving problems with machine learning and artificial intelligence that were … in the realm of science fiction for the last several decades. And natural language understanding, machine vision problems, it really is an amazing renaissance.”
(ข้อความจาก บทความใน CNBC ภาพจาก Wikimedia commons)

บทสนทนาเหล่านี้ทำให้คนหันกลับมาสนใจ AI มากขึ้น ผมจึงอยากบล็อกบันทึกเรื่องราวต่าง ๆ เกี่ยวกับ AI เอาไว้ มาเริ่มตอนแรกก่อนกับขีดจำกัดของ AI

จากบทสนทนาเมื่อสักครู่ ไม่ว่าคนเหล่านั้นจะมอง AI ในแง่ดีหรือร้ายก็ตาม  แต่ทั้งสองฝ่ายล้วนเห็นตรงกันว่า AI จะมีความสามารถสูงมาก ๆ ราวกับว่า AI ไม่มีขีดจำกัดใด ๆ เลย (นักพัฒนา AI ก็เป็นคนเหมือนกันนะ ฮือ ๆ ==”)  หลายคนจึงเข้าใจศักยภาพของ AI ปัจจุบัน สูงกว่าความเป็นจริงไปมาก บล็อกนี้จึงถือโอกาสเล่าว่า การพัฒนา AI รวมถึงเทคโนโลยีคอมพิวเตอร์ทั่วไปด้วย  มีขีดจำกัดสำคัญอะไรรอคอยอยู่ และนักวิทยาศาสตร์จะทะลุขีดจำกัดนั้นได้ด้วยวิธีใด ?

Continue reading

Posted in บทความ | Tagged , , , , | Leave a comment

ปี 2016 ปีสำคัญในวงการจักรวาลวิทยา

ปี 2016 ดูเหมือนจะเป็นปีแห่งความช็อกหรือคาดไม่ถึง อย่างผลการเลือกตั้งประธานาธิบดีสหรัฐอเมริกา ผลลงประชามติแยกสหราชอาณาจักรออกจาก EU (Brexit) และยังเป็นปีแห่งความสูญเสียบุคคลสำคัญ ๆ เช่น พระบาทสมเด็จพระเจ้าอยู่หัวภูมิพลอดุลยเดช ฯ รัชกาลที่ 9 ข่าวเหล่านี้บดบังอีกด้านหนึ่งคือ ปี 2016 เป็นปีแห่งการค้นพบทางวิทยาศาสตร์ที่สำคัญ ๆ หลายอย่าง เช่น

  • การค้นพบคลื่นความโน้มถ่วงของ LIGO
  • การประกาศชื่อธาตุ 4 ตัวในตารางธาตุอย่างเป็นทางการ
  • การค้นพบ Planet 9 ดาวเคราะห์บริวารที่อยู่ห่างออกไปแต่น่าจะใหญ่ใกล้เคียงกับยูเรนัสและเนปจูน และมาแทนที่ดาวพลูโตซึ่งถูกลดอันดับลงเป็นดาวเคราะห์แคระ 
800px-virgo_aerial_view_01

เครื่องตรวจจับคลื่นความโน้มถ่วงในสถาบันวิจัย LIGO ซึ่งตรวจจับคลื่นได้ในวันที่ 11 กุมภาพันธ์ 2016

แต่บล็อกนี้จะพูดถึงกลุ่มการค้นพบที่สำคัญอีกอย่างหนึ่งที่ไม่ค่อยเห็นพูดถึงในข่าว อาจเพราะว่ายังเป็นสมมติฐานเริ่มต้นและเข้าใจได้ยาก แต่การค้นพบเหล่านี้จะเปลี่ยนรากฐานวงการจักรวาลวิทยา (Cosmology) ไปโดยสิ้นเชิง นั่นคือการค้นพบความเชื่อมโยงระหว่างแรงโน้มถ่วง สสารและพลังงานมืด และปริมาณพื้นฐานของจักรวาลอย่างเอ็นโทรปี

delta-knowledge

ความเชื่อมโยงระหว่างแรงโน้มถ่วง สสารและพลังงานมืด และเอ็นโทรปี เป็นหัวข้อหลักที่จะพูดถึงในบล็อกนี้ (สร้างโดย Microsoft Paint)

Continue reading

Posted in บทความ | Tagged , , , , | Leave a comment

ซอฟต์แวร์จัดการการอ้างอิง

การอ้างอิง (Reference) จัดว่าเป็นภาระหนักอันหนึ่งในงานเขียนเชิงวิชาการ เพราะนักวิจัยต้องอ้างอิงจากแหล่งข้อมูลจำนวนมาก ต้องเรียงลำดับการอ้างอิงให้ถูกต้อง และรูปแบบบรรณานุกรม (Citation styles) ก็ยังมีความหลากหลาย จึงมีการออกแบบซอฟต์แวร์จัดการการอ้างอิง (Reference Management Software) โดยเฉพาะ ซอฟต์แวร์จัดการการอ้างอิงมักแยกการจัดเก็บ ออกจากการแสดงผลบรรณานุกรม ทำให้เกิดความยืดหยุ่น เพราะเก็บแหล่งข้อมูลในมาตรฐานกลาง และสามารถปรับให้แสดงผลบรรณานุกรมต่างๆ ได้ในภายหลัง

ซอฟต์แวร์จัดการการอ้างอิงที่แนะนำในที่นี้คือ Zotero ระบบของ Zotero สร้างส่วนเสริม (Add-ons) สำหรับซอฟต์แวร์ต่างๆ ที่จำเป็นต่อการเขียนเชิงวิชาการ เช่น เว็บบราวเซอร์ หรือ Microsoft Word ตัว Zotero ช่วยจัดเก็บและอ้างอิงบรรณานุกรมในรูปแบบต่างๆ อย่างง่ายดาย

Continue reading

Posted in เทคนิควิธีการ | Tagged , , , | Leave a comment

Toward the Age of Thought Movement: Research Topics in Argumentation

สคริปต์ที่ใช้ในการประชุม MIND Lab วันที่  9 มกราคม 2555

เกริ่นนำ

ผมเพิ่งเสร็จจากการไปนำเสนอผลงานวิชาการที่ Fifth International Workshop on Juris-informatics(JURISIN 2011) ซึ่งเป็ Conference เกี่ยวกับสนเทศศาสตร์ทางด้านกฎหมาย(Juris-informatics) ที่เมือง Takamatsu จังหวัด Kagawa [1]  ประเทศญี่ปุ่น เรื่องที่ผมทำอยู่ตอนนี้อาจตั้งชื่อเล่นได้ว่า “Prologกับกฎหมาย”  แต่ถ้าจะให้ตรงกว่าต้องพูดว่าผมทำเรื่อง Argumentation [2]  Argumentation เป็นชื่อเรียกศาสตร์แขนงใหม่[3] คล้ายๆ Social Network Analysis  แต่ยังอยู่ในหมวดย่อยเดียวกับ Prolog คือ Representation ในหมวดใหญ่ AI เช่นเดิม Argumentation  จึงเป็นเรื่องที่ผมแนะนำในวันนี้

Continue reading

Posted in บทความ | Tagged , , | Leave a comment

Knowledge Discovery in Astronomy

สคริปต์ที่ใช้ในการประชุม MIND Lab วันที่  30 มิถุนายน 2554

เกริ่นนำ

เรื่องที่ผมจะพูดในวันนี้มีชื่อว่า “Knowledge Discovery in Astronomy” หรือ “การค้นความรู้ในวิชาดาราศาสตร์”  เราลองไปดูว่าในสาขาวิชาอื่น ซึ่งในที่นี้คือดาราศาสตร์ เขาจะมีเทคนิคการค้นความรู้อย่างไรบ้าง เหตุใดการค้นความรู้ทางดาราศาสตร์จึงเป็นเรื่องสำคัญและน่าสนใจ ลักษณะเฉพาะของข้อมูลทางดาราศาสตร์มีอะไรบ้าง ในยุคคอมพิวเตอร์อย่างนี้ เขาประยุกต์ใช้คอมพิวเตอร์ในการค้นความรู้ทางดาราศาสตร์อย่างไร และส่วนหนึ่งจะพูดถึงแนวโน้มหรือ Trend ของงานวิจัยการค้นความรู้ในวงการคอมพิวเตอร์ในอีกสัก 10-20 ปี อนึ่งเมื่อเราพูดถึง Trend แล้วมันแค่ “อาจจะเป็นไปได้” กล่าวคือมีความน่าจะเป็นที่จะเป็นไปได้เท่านั้น ไม่ใช่เป็นไปแน่ๆ ซะทีเดียว และสุดท้ายก็จะพูดถึงความพร้อมของไทยในงานวิจัยการค้นความรู้ทางดาราศาสตร์ด้วย
Continue reading

Posted in บทความ | Tagged , | Leave a comment

บทกลอนไหว้ครู วศม. ประจำปีการศึกษา 2554

(*  จริงๆ บทกลอนไหว้ครูปีนี้ ผมแต่งไว้ตั้งแต่ปีที่แล้วด้วยความเข้าใจผิด ก็เลยเก็บไว้มาใช้ในปีนี้ ไหนๆ ก็ถือว่าอยู่ปริญญาโทแล้ว ไม่ค่อยมีวิชาเรียนโดยเฉพาะ ก็เลยถือโอกาสรวบรวมคำศัพท์ที่เกี่ยวข้องกับคอมพิวเตอร์ตอนปริญญาตรีตามสไตล์ของผม ก็เป็นกลอนสั้นๆ มี Prerequisite Course ก่อนเช่นเคย สำหรับใครที่ลืมๆ ไปแล้วก็มีลิงก์วิกิพีเดียช่วย

Prerequisite: Prog Lang Prins, Network, Algorithm, OS, Prog Meth, Programming, Comp Org*)

เปรียบชีวิต เหมือน execute โปรแกรมหนึ่ง
ซึ่งลึกซึ้ง กว่า NP เป็นไหนไหน
ยอดคนคิด ยอด code ได้ฉันใด
ยอดอาจารย์ ย่อมสร้างให้ เป็นยอดคน

ดุจ router คอยชี้ทาง แนะนำศิษย์
สู่เป้าหมาย ในชีวิต สำเร็จผล
ดุจนายแบงก์ คอยตรวจจับ การอับจน
คอยไขข้อ ฉงน ให้คลี่คลาย

ท่านคอยจัด หลักสูตร ดุจ OS
ท่านออกแบบ Testcase ยากเหลือหลาย
ท่านคอย loop สร้างลูกศิษย์ หลายร้อยราย
พระคุณท่าน จึง WriteLine ไม่เพียงพอ

ขอพระคุณ ครูมากล้น เมกะบิต
จงปกปักษ์ นิสิต ให้เกิดก่อ
อันคุณใด ที่ข้าเคย กระทำทอ
ปวงข้าขอ จำเริญ return ครู ;

Posted in กิจกรรม | Tagged | 2 Comments

ลิงก์ที่น่าสนใจเกี่ยวกับ AVR

AVR C Library
HomePage
http://www.nongnu.org/avr-libc/
Online Mannual
http://www.nongnu.org/avr-libc/user-manual/index.html

หน้าแนะนำให้อ่าน
FAQ
http://www.nongnu.org/avr-libc/user-manual/group__avr__sfr.html#ga11643f271076024c395a93800b3d9546
Special function registers
http://www.nongnu.org/avr-libc/user-manual/group__avr__sfr.html#ga11643f271076024c395a93800b3d9546

สำหรับปฏิบัติการ AVR มีจุดประสงค์สำคัญสองอย่างคือ
1. เขียน Assembly & C instruction ได้ ซึ่งตั้งแต่ lab_3 เป็นต้นไปก็จะไม่ค่อยมี instruction ใหม่ต้องเรียนรู้แล้ว
2. สามารถ Configure hardware ต่างๆ ซึ่งแต่ละ lab จะเรียนอันใหม่ไปเรื่อยๆ ตั้งแต่ LED, Switch, Seven-Segment PWM ฯลฯ

ซึ่งข้อ 1 สามารถศึกษาได้ในคู่มือที่แจกในแล็บและสำหรับภาษา C ศึกษาได้จาก Mannual ข้างบน
ส่วนข้อ 2 สามารถศึกษาได้จากคู่มือที่แจกในแล็บเช่นกัน โดยอ่านทีละ Register หรือศึกษาตามเว็บไซต์ต่างๆ อาจมีคำอธิบาย หรือตัวอย่าง Source code เช่น http://www.avr-asm-tutorial.net/avr_en/source/index.html เพื่อประยุกต์ใช้ และอ่านโจทย์ประกอบเพื่อจะได้เข้าใจ Structure

ลองใช้ Module แนะนำที่เขียนในกระทู้นี้
http://www.avrportal.com/forum/index.php?topic=21.msg48#msg48

Posted in เทคนิควิธีการ, Lab Verilog | Tagged , | Leave a comment

หลักเกณฑ์การให้คะแนนรายงาน

บทนำสู่หลักเกณฑ์การให้คะแนนรายงาน

จุดประสงค์หลักของรายงานคือการสรุปให้ผู้อ่านได้เข้าใจถึงประเด็นสำคัญๆ ที่น่าสนใจ แต่ทว่าปัญหาหนึ่งของการทำรายงานคือผู้อ่านแต่ละคนสนใจไม่เหมือนกัน อย่างเช่นถ้าเราสร้างอุปกรณ์ใหม่มาสักตัวหนึ่ง แต่ละคนก็จะสนใจข้อมูลของอุปกรณ์ในแง่ที่แตกต่างกัน ผู้บริโภคก็จะสนใจว่าอุปกรณ์ใหม่นี้ใช้ยังไง ช่างเทคนิคก็จะสนใจกลไกการทำงานข้างใน ส่วนสปอนเซอร์หรือผู้ที่เราไปขอทุนมาสร้างก็จะสนใจว่าอุปกรณ์ชนิดนี้พิเศษอย่างไร มีความเป็นไปได้ที่จะขายได้กำไรหรือไม่ ฯลฯ ดังนั้นบางครั้งเราอาจจะเห็นเวลาทำรายงานเล่มใหญ่ๆ เนื้อหาบางบทอาจซ้ำซ้อนกัน ทั้งนี้ก็เพราะว่า ผู้ที่สนใจแต่ละคนก็จะข้ามไปอ่านเฉพาะบทที่ตนเองสนใจเท่านั้น ข้อมูลบางอันที่ควรรู้จึงถูกกล่าวถึงซ้ำๆ ในแต่ละบทด้วยภาษาที่แตกต่างกันไป

ในที่นี้เราจะมาเน้นถึงรายงานใน Lab ที่เราทำ ใน Lab นี้เป็นรายงานการออกแบบระบบเป็นส่วนใหญ่ ดังนั้นเราจึงควรเข้าใจว่าคนที่อ่านรายงานการออกแบบสามารถแบ่งออกเป็นกี่กลุ่ม และแต่ละกลุ่มสนใจอะไรบ้าง

ผู้เกี่ยวข้องกับการออกแบบระบบแบ่งได้เป็นกลุ่มใหญ่ๆ 3 กลุ่มคือ

  1. เจ้าของปัญหา หมายถึง องค์กรผู้จ้างให้เราทำงาน เจ้าของปัญหามักอยากรู้ความคิดเห็นของเราที่มีต่อปัญหานั้นๆ เช่นสิ่งนี้สร้างได้หรือไม่ ควรเจาะตลาดอย่างไร ฯลฯ เป็นต้น
  2. ช่างเทคนิค หมายถึง ผู้เกี่ยวข้องที่ควรรู้การทำงานข้างในของระบบ เพราะอาจใช้ในการบำรุงรักษา แก้ไขปรับปรุง ฯลฯ มักอยากรู้กลไกการทำงานของระบบเอง และพอจะรับศัพท์เทคนิคได้
  3. ผู้ใช้ หมายถึง ผู้ที่จะใช้ระบบของเรา ที่ไม่ค่อยรู้ศัพท์เทคนิค และไม่จำเป็นต้องเข้าใจการทำงานภายในของระบบ ผู้ใช้เพียงแค่อยากรู้ว่าระบบนี้ใช้งานอย่างไร กล่าวในเชิงเทคนิคคือ ระบบของเรามีส่วนต่อประสาน (interface) อย่างไร นั่นเอง

หลักเกณฑ์การให้คะแนนรายงาน: SCIDO

ด้วยเหตุผลที่กล่าวขั้นต้นพี่จึงตั้งเกณฑ์การให้คะแนนรายงานออกเป็น 5 เกณฑ์ เพื่อให้จำง่ายๆ ก็ขอเรียกรวมกันย่อๆ ว่า SCIDO (อ่านว่า ไซดู) หลักเกณฑ์การให้คะแนนรายงานมีดังต่อไปนี้ จากคะแนนเต็ม 10 คะแนน

  1. S ย่อมาจาก Signature เป็นเกณฑ์มาตลอดว่า ลายเซ็นที่ตรวจจะให้ 5 คะแนนเพียวๆ จาก 10 คะแนน หาก Lab นั้นมี n งานก็จะให้คะแนน 5/n คะแนน แบ่งตามสัดส่วนกันไป
  2. C ย่อมาจาก Command หมายถึง คะแนนจากผู้อ่านในฐานะ “เจ้าของปัญหา” คะแนนส่วนนี้จะพิจารณาจากการวิเคราะห์ปัญหา และความเห็นที่ให้ต่อปัญหา แต่เนื่องจากว่ารายงานสามารถแนบโจทย์มาได้ อีกทั้งพี่ TA เองก็มีใบโจทย์เช่นกัน จึงไม่จำเป็นต้อง Copy โจทย์มาให้ดูอีกครั้ง แต่สิ่งที่ควรทำก็คือ การรายงานว่าตนได้วิเคราะห์และให้ความเห็นต่อโจทย์ปัญหาอย่างไร ยกตัวอย่างเช่น รายงานว่าโจทย์ข้อนี้พิเศษอย่างไร เปรียบเทียบกับโจทย์ข้ออื่นว่าโจทย์ข้อนี้มีอะไรที่ต้องพึงระวังหรือพึงสังเกตเป็นพิเศษหรือไม่ หรือ ขยายความโจทย์เพิ่มเติมโดยใช้ตัวอย่างเช่น ยกตัวอย่าง Command ที่ใช้ใน CPU นี้บางตัว ฯลฯ เพื่อให้เห็นภาพชัดเจนมากขึ้น พูดง่ายๆ คือ “ถ้าเราเป็นอาจารย์ เราจะขยายความโจทย์เพิ่มเติมอย่างไร ให้ผู้ทำ Lab เข้าใจมากขึ้น”
  3. I ย่อมาจากหลายตัว ย่อมาจาก Inside Mechanism หรือกลไกภายในก็ได้ และก็ย่อมาจาก Invarriant ที่แปลว่าสิ่งที่พึงรักษาก็ได้ หรือย่อมาจาก Interest คือสิ่งที่น่าสนใจก็ได้ แต่โดยสรุปแล้วตัว I นี้หมายถึง คะแนนจากผู้อ่านในฐานะ “ช่างเทคนิค” ที่อยากรู้ว่ากลไกการทำงานภายในเป็นอย่างไร อาจแสดงด้วย แผนภาพ หรือบรรยายเป็นข้อความ หรืออธิบายประกอบ Source Code ฯลฯ และต้องแนบข้อพึงระวังหรือสิ่งที่น่าสนใจด้วย ข้อพึงระวังหมายถึงสิ่งที่ต้องรักษาไว้ มิฉะนั้นระบบอาจทำงานผิดพลาดเช่น ต้องไม่มี 2 ข้อมูลปล่อยมาใน Bus เดียวกัน หรือ Binary Search Tree สมาชิก subtree ซ้ายต้องมีค่าน้อย subtree ขวา เป็นต้น เพื่อให้ผู้ที่มาพัฒนาเพิ่มเติมพึงระวังไม่ไปแก้ไขเข้า ทั้งนี้ให้ถือว่า “ช่างเทคนิค” เข้าใจใน Code พอๆ กับเราแล้ว พูดง่ายๆ คือ “เราจะอธิบายเพื่อนอย่างไร เพื่อให้เพื่อนสามารถอ่านรายงานเราและพัฒนาแทนเราได้” (ทักษะนี้สำคัญมากเวลาพัฒนางานเป็นทีม)
  4. D ตัว D นี้ก็ย่อมาจากหลายตัวเหมือนกันทั้ง Data ที่แปลว่าข้อมูล Discuss ที่แปลว่าอภิปราย ฯลฯ ส่วน D นี้มองคล้ายๆ เป็นส่วนที่กล่าวถึงผลลัพธ์ที่ได้ กล่าวอีกนัยหนึ่งคือ คะแนนจากผู้อ่านในฐานะ”ผู้ใช้” Output เป็นอย่างไร อ่าน Output อย่างไร ต้อง Input อย่างไร เพื่อให้ Output เป็นอย่างที่ต้องการ เป็นต้น พูดง่ายๆ คือ “ถ้าเราเป็น TA เราต้องตรวจอย่างไร”
  5. O ย่อมาจาก Other นั่นเอง Other จะเป็นประเด็นละเอียดปลีกย่อยเช่น Format หน้าปก และหน้าให้คะแนนควรเขียนข้อมูลให้ครบถ้วนสมบูรณ์ กระดาษควรเรียงอย่างสวยงามและเย็บเล่มเรียบร้อย การจัด Layout หน้ากระดาษ เป็นต้น ส่วนนี้จะเพิ่มคะแนนให้ด้วย จากการใส่ข้อมูลเพิ่มเติมที่น่าสนใจเช่น อธิบายว่าลำดับฟีบอนักชีคืออะไร (Lab 4) หรือ Stack คืออะไร (Lab 3) หรือมี Tip & Tricks อะไรที่น่าสนใจอะไรในการใช้งานเป็นต้น ทั้งนี้จะไม่บวกคะแนนจนเกินคะแนนเต็มหรือเกินไปยังคะแนนลายเซ็น

SCIDO Check-List

เพื่อให้เป็นมาตรฐานเดียวกัน การตรวจจะตรวจตาม SCIDO Check-List ดังนี้

S: (5 คะแนน)
คิดจากลายเซ็น

C: (1.25 คะแนน)
ต้องมีการอภิปรายโจทย์เช่น

  • เขียนว่าโจทย์ข้อนี้พิเศษอย่างไร หรือ
  • เปรียบเทียบกับโจทย์ข้ออื่นว่าโจทย์ข้อนี้มีอะไรที่ต้องพึงระวังหรือพึงสังเกตเป็นพิเศษหรือไม่ หรือ
  • ขยายความโจทย์เพิ่มเติมโดยใช้ตัวอย่าง เช่นยกตัวอย่าง Command ที่ใช้ใน CPU นี้บางตัว ฯลฯ

I: (1.25 คะแนน)
ต้องมีการอธิบายการทำงาน อาจใช้

  • แผนภาพ  (Diagram) เช่น ASM Chart, Flow Chart ฯลฯ หรือ
  • บรรยายเป็นข้อความ หรือ
  • อธิบายประกอบ Source Code

ควรมีข้อพึงระวังที่น่าสนใจในการออกแบบด้วย

D: (1.25 คะแนน)
ต้องมี Data ที่โจทย์กำหนดให้ใส่ เช่น

  • ถ้าโจทย์สั่งให้วาด ASM Chart ส่งก็ต้องมี ASM Chart ส่ง
  • ลักษณะผลลัพธ์ที่ทำงานถูกต้อง
  • Code เฉพาะส่วนที่สำคัญ (ดูเพิ่มเติมใน “หมายเหตุเฉพาะ Lab”)

ควรสอนวิธีอ่าน Output และวิธีใส่ input ด้วย เช่น

  • [Lab4] ให้ดู Ram address ที่ 17 จะเห็นว่าแสดงค่า 13 อันเป็นฟีโบนักชีตัวที่ 7 ซึ่งเลข 7 นี้ต้องใส่ใน Ram Address ที่ 13 ก่อน execute binary code
  • [ตัวอย่างสมมติ] สังเกตว่าค่า a จะสลับไปตาม clock ซึ่งตรงกับที่โจทย์กำหนดไว้

O: (1.25 คะแนน)
ประเด็นที่ตรวจ

  • ข้อมูลบนหน้าปกที่สำคัญต้องครบ ได้แก่ ชื่อ นามสกุล รหัสนิสิต Lab ที่ เท่าไหร่ Lab ชื่ออะไร วิชา รหัสวิชา Sec ที่เรียน
  • การเย็บเล่มต้องเย็บให้เรียบร้อย กระดาษทุกอันในรายงานต้องถูกเย็บ กระดาษไม่กลับหน้า-หลัง หรือ บน-ล่าง
  • หัวกระดาษหน้าให้คะแนนต้องกรอกข้อมูลที่สำคัญครบดังกล่าวขั้นต้น
  • ลำดับการจัดรายงาน หน้าให้คะแนนต้องวางไว้หน้าแรกสุดของรายงานต่อจากปกนอกเลย (แม้มีใบโจทย์แนบมาในรายงานด้วย ก็ขอให้เอาไว้หน้าโจทย์) มีการใช้ font ที่แตกต่างกันในการแสดงหัวข้อ และเรียงลำดับรายงานแล้วอ่านเข้าใจง่าย

ประเด็นเพิ่มคะแนน

1. ข้อมูลประกอบน่าสนใจยกตัวอย่างเช่น

  • [Lab 4] อธิบายว่าฟีบอนักชีนั้นลำดับอย่างไร
  • [Lab 3] Stack ทำงานอย่างไร

2. เสนอ Tips & Tricks ที่ใช้ในการทำแล็บครั้งนั้น ที่คิดว่าน่าสนใจ

วิธีการคิดคะแนน

แต่ละส่วนจะมีส่วนที่ต้องมีหรือบังคับให้มี หากไม่มีให้ถือว่าได้ 0 คะแนนในส่วนนั้น หากมีจะคิดว่าได้ 1 คะแนนเต็มก่อน และค่อยๆ หักจุดที่อธิบายผิดหรือจุดที่ควรอธิบายแต่ไม่ได้อธิบายจุดละ 0.25 คะแนน แต่รวมแล้วจะไม่หักเกิน 1 คะแนน กล่าวอีกแบบหนึ่งคือ ผิดจุดหนึ่งหักจุดละ 0.25 คะแนน แต่ถ้าผิดมากกว่า 4 จุดจะหักแค่ 1 คะแนนเท่านั้น

การหักเนื่องจากควรอธิบายแต่ไม่อธิบายมีอยู่ 2 ส่วนเท่านั้นคือ ข้อพึงระวังในส่วน I และวิธีการอ่าน Output และกรอก Input ในส่วน D ทั้งนี้ จุดที่ควรอธิบายนี้อิงจากคนส่วนใหญ่ คือถ้าคนส่วนใหญ่เกิน 80% เห็นว่าประเด็นนี้พึงอธิบาย จะถือว่าเป็นจุดที่พึงอธิบาย ทั้งนี้ประกอบกับวิจารณญาณของ TA อีกทีหนึ่ง แต่จะมีการชี้แจงเหตุผลในแต่ละ Lab ไป และจะให้คะแนนในทิศทางที่น้องได้คะแนนมากกว่า (คือในบางครั้งหากมีน้องอธิบายในประเด็นดังกล่าวเกิน 80% แต่ TA ไม่เห็นว่าจำเป็นต้องอธิบายก็จะไม่หักคะแนนน้อง แต่ประเด็นไหนที่น้องอธิบายไม่ถึง 80% แต่ TA เห็นว่าควรจะอธิบาย TA ก็จะยกประโยชน์ให้จำเลยไม่หักคะแนนน้องเช่นกัน)

สำหรับส่วน O นี้จะเห็นว่าเป็นคะแนนที่พยายามจะให้เต็มๆ กัน ดังนั้นอย่าพลาดที่จะเก็บคะแนนส่วนนี้ไว้ ในส่วน O นี้ยังมีประเด็นเพิ่มคะแนนอีกด้วย แต่อย่าใส่ประเด็นเพิ่มคะแนนนี้มาเกินความจำเป็น มิฉะนั้นจะถือเสมือนว่าไม่ใส่ข้อมูลนั้นมาเช่นกัน โดยการเพิ่มคะแนนในส่วน O นี้จะสามารถหักกลบกับคะแนนในส่วน C I และ D ได้ แต่จะไม่ไปเพิ่มเกินส่วน S และไม่เพิ่มเกินคะแนนเต็ม 10 คะแนนไปยัง Lab อื่น เนื่องจากประเด็นที่เพิ่มคะแนนมี 2 ประเด็นประเด็นละ 0.25 คะแนน ดังนั้นคะแนนโบนัสจะเพิ่มได้ไม่เกิน 0.5 คะแนน

หากในแล็บมีหลายข้อย่อย ก็ให้คิดทีละข้อย่อยและหารเฉลี่ยเอา หากส่งรายงานสายจะหักวันละ 1 คะแนน ไม่นับวันหยุดราชการ และการเพิ่มคะแนนในส่วน O ก็ไม่สามารถมาเพิ่มคะแนนที่หักได้

สิ่งที่ไม่ได้พิจารณาคะแนนให้

อีกปัญหาหนึ่งที่เจอบ่อยในการทำรายงานคือ ทำรายงานมากเกินไป จึงขอกำหนดไว้ให้ชัดเจนเลยว่าสิ่งใดที่ไม่ได้พิจารณาคะแนนให้ ซึ่งได้แก่

การทวนโจทย์ซ้ำ คำใดที่ระบุในโจทย์แล้ว ให้ถือว่า TA รู้แล้ว การ Copy โจทย์มาจึงไม่ถือว่าเป็นการวิเคราะห์โจทย์แต่อย่างใด ทั้งนี้ไม่นับการกล่าวถึงโจทย์ซ้ำในอีกคำพูดหนึ่งซึ่งจะคิดคะแนนให้ (แต่จะเขียนซ้ำก็ได้ ถ้าจำเป็น ไม่ได้หักคะแนนแต่อย่างใด เพียงแต่ไม่คิดคะแนนให้เฉยๆ )

การอธิบายกลไกสองครั้ง การอธิบายแผนภาพแล้วมาอธิบายโค้ดอีกทีเป็นสิ่งที่ไม่จำเป็น ให้เลือกอธิบายอย่างใดอย่างหนึ่ง ถ้าอธิบายมาสองอย่าง จะตรวจทั้งสองอันแล้วเลือกอันที่ได้คะแนนมากสุดเพียงอันเดียว อีกอันหนึ่งจะไม่พิจารณาคะแนนให้แต่อย่างใด

การอธิบาย Syntax ของโค้ด ไม่ต้องอธิบายวิธีการเขียน Syntax ของโค้ด อธิบายเฉพาะเนื้อหาโดยคร่าวๆ พอ ไม่ต้องอธิบายถึงขั้น Programming Style

การอธิบายวิธีใช้โปรแกรม ให้ถือว่า TA รู้ว่าโปรแกรมใช้อย่างไรอยู่แล้ว ไม่ต้องอธิบายวิธีใช้โปรแกรม ยกเว้นแต่ว่า interface ส่วนนั้นเป็น Tip & Trick ก็อนุโลมให้

Capture หน้าจอ ไม่จำเป็นต้อง Capture หน้าจอมากเกินไป Capture มาเฉพาะส่วน Output ก็พอ หรือ Output จริงๆ ไม่ต้อง Capture ก็ได้ เขียนอธิบายเป็นคำพูดเอาก็ได้คะแนนเต็มได้เหมือนกัน

Output ที่ไม่เกี่ยวข้อง ยกตัวอย่างเช่น CPU ไม่ได้ดู Timing Diagram และก็ไม่ได้ดู Test Fixture ด้วย (แต่ดูข้อมูล Ram ใน Notepad) จึงไม่ได้ตรวจ Timing Diagram และ Test Fixture ให้

Dump Code ไม่ต้องใส่ Code มาทั้งหมด ให้ใส่เฉพาะส่วนขงอง Code ที่สำคัญ และไม่จำเป็นต้อง Hilight Syntax  (การใส่ keyword ในโค้ดเป็นสีๆ) และไม่ต้องขยาย font ให้อ่านง่าย การใส่ Code ในรายงานนี้เป็นการดูว่าตรงกับที่ Design และเอาไว้ให้น้องอ่านประกอบเท่านั้น

Layout ถึงแม้ว่าจะตรวจลำดับการจัดหน้า แต่ไม่ได้ตรวจรูปแบบการจัดหน้า ไม่ได้บังคับว่าต้องมีเลขหน้า Heading หรือ ตัวตกแต่ง (Decorator) ในรายงาน

ข้อมูลหน้าปก มีบางข้อมูลที่ไม่ชัดเจนเช่นชื่ออาจารย์ประจำแล็บ ไม่เคยชัดเจนสักปี อันนี้เข้าใจได้ ไม่จำเป็นต้องกังวลว่าจะกรอกผิดหรือไม่ หรือไม่ต้องกรอกก็ได้ หรือวันที่ จะกรอกวันที่อะไร กรอกผิดก็ไม่เป็นไร แต่อยากให้กรอกวันที่ส่งรายงาน (แต่ในใบตรวจให้กรอกวันที่ทำแล็บ) หากใครติดธุระอะไรแล้วยื่นใบลาแล้ว อยากให้กรอกวงเล็บไว้มุมขวาบนของใบตรวจว่าไปทำอะไรเช่น ACM เป็นต้น ส่วน Department จะกรอก CP วิศวกรรมคอมพิวเตอร์ วิศวกรรมศาสตร์ อะไรก็ได้ ที่จะคิดคะแนนในส่วน O จะคิดเฉพาะข้อมูลสำคัญๆ  เท่านั้นได้แก่ ชื่อ นามสกุล รหัสนิสิต Lab ที่ เท่าไหร่ Lab ชื่ออะไร วิชา รหัสวิชา Sec ที่เรียน เพราะเป็นข้อมูลสำคัญเวลาค้นหาและตรวจรายงาน อยากให้กรอกให้ถูกต้อง จะได้ไม่ต้องไปตาม (กรอกผิดหักคะแนน 🙂 ) บางคนถามว่า Lab ที่เท่าไหร่กับ Lab ชื่ออะไร นี่กรอกบนหน้าปกยังไง เพราะกรอกได้หลายแบบมาก คำตอบคือ กรอกยังไงก็ได้ให้หมด แต่อยากแนะนำให้กรอกตรง Problem Set เช่น Lab 4 Simple Microprocessor เป็นต้น

วิธีการกรอกคะแนน

การกรอกคะแนนจะกรอกคะแนนในใบตรวจคะแนน ขอย้ำว่าให้เอาใบตรวจไว้หน้าแรกสุดของรายงาน ต่อจากปกนอกเลย การกรอกคะแนนจะกรอกในช่องลายเซ็น 5-10 ช่อง 5,6,7,8,9 จะเป็นประเด็น S-C-I-D-O ตามลำดับ และช่อง 10 เป็นคะแนนรวมที่ได้ จะเขียนเฉพาะประเด็นที่หักคะแนน หากไม่เขียนอะไรในช่องไหน ถือว่าช่องนั้นได้คะแนนเต็ม จะเขียนอธิบายเหตุผลไว้ที่ช่องหมายเหตุด้วย

หมายเหตุเฉพาะ Lab

Lab 3-4
เนื่องจาก Lab 4 เป็น Lab ที่พี่ลองตรวจด้วยเกณฑ์นี้เป็นครั้งแรก เพื่อเทียบดูว่าในความเป็นจริงจะเป็นการกดหรือเพิ่มคะแนนมากไปไหม อีกทั้งเป็น Lab ที่ Code มาจาก Sheet โดยตรง ก็จะหักตรงส่วน O มากกว่าคือ กรอกข้อมูล Heading ใบตรวจคะแนนไม่ครบ ยังไม่หักคะแนนส่วนอื่นๆ แต่บางคนจะได้หมายเหตุ discuss ในช่อง 8 คือส่วน D เอาไว้ แต่ยังไม่ให้คะแนน คืออยากให้มีการอธิบายว่าวิธีว่า output ที่ได้มานั้นอ่านอย่างไร (จะดู Output ว่า Output นี้ถูกได้อย่างไร)  แต่มีคนที่ใส่ Ram (Notepad) มาลอยๆ และไม่ได้อธิบายอะไร พี่ก็จะหักคะแนนส่วน D ไปเลย (ส่วน D เป็น 0 คะแนน)  ทั้งนี้พยายามอิงเกณฑ์ Logic เดิมไปก่อนคือดูที่การกรอกข้อมูลรายงาน ส่วนใหญ่จึงได้คะแนนเต็ม

Lab 5-6, Lab 7-8
Lab 5-6, Lab 7-8 พี่จะถือว่ามี Data ที่ต้องส่งมีสองอันคือ

  • ASM Chart+Data Path+Code เฉพาะส่วน always@* (block 2 ของ Finite State Machine) รวมกันเป็น Output หนึ่งอัน (ส่วน ASM Chart+Data Path จะได้คะแนนเต็มอยู่แล้ว  เพราะตรวจแล้ว จะหักคะแนนส่วนนี้ก็ต่อเมื่อ ASM Chart+Data Path ไม่ตรงกับ Code จะหักเฉพาะเมื่อ ASM Chart Design อีกแบบหนึ่ง แต่ Code ไปอีกแบบหนึ่ง เพราะถือว่าไม่ซื่อตรงต่อ Design อาจไปก็อบใครมาก็ได้)
  • Ram (Notepad) และอธิบายวิธีการอ่านค่า Output และกรอกค่า Input

ไม่ต้องส่ง Timing Diagram และ Test Fixture

Posted in บทความ, Lab Verilog | Tagged , , | 4 Comments

CP Sport Week

CP Sport Week เป็นงานกีฬาประจำภาควิชาวิศวกรรมคอมพิวเตอร์ที่จัดขึ้นทุกปี ปีนี้จัดในวันที่ 29 พฤศจิกายน – 4 ธันวาคม 2553 (ต่อจากกีฬาเอเชียนเกมส์พอดี 🙂 )

ทีมการแข่งขัน

การแข่งขันแบ่งออกเป็น 4 ทีมได้แก่

  1. นิสิตปริญญาตรีปี 2
  2. นิสิตปริญญาตรีปี 3
  3. นิสิตปริญญาตรีปี 4
  4. นิสิตปริญญาโท ปริญญาเอก นิสิตปริญญาตรีปี 1 ศิษย์เก่า (มาร่วมก็ได้นะ) อาจารย์ บุคลากร หรือบุคคลอื่นๆ ที่ได้รับอนุญาตจากอาจารย์

ชนิดกีฬาที่แข่งขัน

  1. ฟุตบอล
  2. บาสเกตบอล
  3. ดอทเอ
  4. วินนิ่ง
  5. กีฬาฮาเฮ
  6. แบดมินตัน
  7. ปิงปอง
  8. แชร์บอล

ลิงก์ข้อมูล

ประชาสัมพันธ์

Posted in กิจกรรม | Tagged | Leave a comment