หนึ่งในเทรนด์เทคโนโลยีที่กำลังเป็นที่พูดถึงทั่วโลกคือ AI และ Big Data ที่เป็นกุญแจสำคัญของหลายๆธุรกิจ วันนี้ทางทีมงานได้มีโอกาสสัมภาษณ์คุณปณยา สุตตา ผู้ชนะการแข่งขัน HackTrain ที่ถือว่าเป็น 1 ใน 5 งาน Hackathon ใหญ่สุดของลอนดอน ต้องฝ่าฟันผู้ร่วมแข่งขันระดับหัวกระทิจากทั่วโลกกว่า 200 คน

คุณปณยา สุตตาหรือคุณนิกเป็นนักศึกษาปริญญาเอกอยู่ที่ AIT (Asian Institute of Technology)  ได้ทุนจากการไฟฟ้าส่วนภูมิภาคไปเรียนต่อทั้งปริญญาโทและปริญญาเอกที่ AIT ซึ่งมีการทำ Co-lab กับ Queen Mary University of London ได้ไปเป็นนักวิจัยร่วม (Co-researcher) ที่ลอนดอน คุณนิกได้เรียนการเขียนโค้ดมาตั้งแต่เด็กๆ สมัยมัธยมได้เป็นเด็กค่ายสอวน.คอมพิวเตอร์ หรือที่หลายคนเรียกติดปากว่าโอลิมปิกคอมพิวเตอร์ ปัจจุบันเป็นวิศวกรที่การไฟฟ้าส่วนภูมิภาคและเป็นนักนวัตกรรมที่ PEA Innovation Hub

จบด้านวิศวะไฟฟ้าและพลังงานมา อะไรเป็นแรงบันดาลใจให้ศึกษาต่อด้าน Data Sciene และ AI?

แม้จะจบวิศวะไฟฟ้ามาแต่ก็มีความคาบเกี่ยวระหว่างโค้ดดิ้งและงานสายวิศวะ นิกค้นพบว่าไม่ว่าจะทำงานสายไหน เวลาเราอยากได้ข้อมูลหรือวิเคราะห์อะไรจริงๆจังๆ เราไม่สามารถดูทางทฤษฎีได้อย่างเดียว  แต่ค่าทางสถิติต่างๆ การพยาการณ์ล่วงหน้าพวกนี้ก็มีประโยชน์เหมือนกัน ทำให้เริ่มศึกษาว่าถ้าเรามีปัญหาปัญหานึงที่อยากแก้ไข ทั้งในปัจจุบันและในอนาคตแบบยั่งยืน เราต้องศึกษาอะไรเพิ่มเติม  หากเราวิเคราะห์จากข้อมูลมีสายไหนบ้างก็มาเจอ AI และ Data Science ทำให้เราสนใจ

เริ่มศึกษาดู ยิ่งลงลึกเข้าไป ยิ่งพบว่ามันตอบโจทย์ สามารถวิเคราะห์ปัญหาหรือสิ่งที่เราต้องการได้ ช่วยแบ่งเบาภาระงาน สร้างเป็นโมเดลที่เราต้องการในด้านนี้

การศึกษาไทยตอบโจทย์กับสิ่งที่เราอยากรู้หรือไม่?  

จะบอกว่านิก นอกจากจะเป็นวิศวกรที่ PEA แล้ว นิกยังเป็นติวเตอร์ด้วย มีสอนพวก Data Science กับ Coding ด้วย สิ่งที่นิกเจอตอนที่เป็นสตาฟที่ลอนดอนบอกเลยว่าระบบการศึกษาแบบเดิม ๆ อาจไม่ตอบโจทย์ เพราะว่าโลกปัจจุบันช่องทางการเข้าถึงการศึกษาที่ตรงจุดแล้วสามารถเอาไปใช้งานได้จริงมันเยอะมากๆ  ไม่จำเป็นต้องตีกรอบตัวเองให้ศึกษาอยู่ในห้องเรียน เพราะทุกวันนี้แค่เปิดเว็บไซต์, YouTube หรือเข้าแพลตฟอร์มต่าง ๆ เช่น edX มีอาจารย์เก่ง ๆ จากทั่วโลกเลยเข้ามาให้ความรู้ เราสามารถศึกษาเองได้ทั้งในอินเทอร์เน็ต แล้วเราก็จะได้ความรู้ที่ตอบโจทย์และอัปเดต 

เราต้องยอมรับว่าเวลาเราเขียนตำราขึ้นมาเล่มหนึ่งมันใช้เวลาในการเขียนออกมานาน ตำราเล่มนั้นอาจจะเป็นข้อมูลที่ล้าหลังไม่ทันต่อเหตุการณ์โลกแล้ว ความรู้เนี่ยสามารถหาได้ในอินเทอร์เน็ต ตรงประเด็นตามที่เราต้องการนำไปใช้งานได้ดีกว่าไปนั่งเรียนในห้องสี่เหลี่ยมด้วยซ้ำค่ะ

อยากทราบการไปแข่งขัน HackTrain มีจุดเริ่มต้นจากอะไรคะ ? 

ตอนที่ไปเป็น Co-Researcher ก็ไปทำวิจัยตามปกติ ตอนนั้นอยู่ที่แล็ปของ Electronic & Computer Science ที่โน่นค่ะ Electronic Engineering จะถูกผนวกรวมกับ Computer Science ตลอดเวลาอยู่แล้ว พอเราไปทำที่แล็ปตรงนั้นเราก็รู้สึกว่า เห้ย มันเป็นความรู้ที่อยู่ในแล็ป เราจะเอาไปประยุกต์ใช้ข้างนอกอาจจะลำบาก นิกก็เลยเริ่มลงแข่งขัน Hackathon และงานอื่นๆ อีกมากมาย 

จุดเริ่มต้นจริง ๆ จึงมาจากการที่เราอยากเปิดโลกค่ะ เราเนี่ยทำวิจัย ป.โท และ ป.เอก ด้านวิชาการมาโดยตลอด พอถึงจุด ๆ หนึ่ง เรารู้สึกว่างานวิจัยมี 2 ลักษณะคือ งานขึ้นหิ้งกับงานขึ้นห้าง เราไม่อยากแค่ให้งานวิจัยของเราอยู่บนหิ้งเอาไปประยุกต์ใช้ได้ยาก เราอยากให้งานวิจัยของเรา Impact กับคนอื่น คนทั่วไป และอยากให้คนทั่วไปได้ประโยชน์จากงานวิจัยของเรา อยากจะพัฒนาตัวเองออกสู่โลกกว้างที่ไม่ได้อยู่แค่ในห้องวิจัย

สิ่งที่เกิดขึ้นคือ เราจะรู้ได้ยังไงว่างานมันเวิร์ค? เขาก็เลยให้เราลองไปจอยงานตาม Hackathon ต่าง ๆ เริ่มจากเข้าไปจอยที่ Google Enterpenue แล้วก็ Microsoft Excelerator ที่บ่มเพาะ Start-up ของเขา  องค์กรต่างๆของอังกฤษเขาจริงจังมากกับงาน Hackathon พวกนี้ เพราะเขาสร้างมาเพื่อให้ตอบโจทย์กับลูกค้าหรือกลุ่มผู้ใช้งานของเขาจริง ๆ ไม่ว่าจะเป็นโจทย์ประเภทใดก็ตาม พอเริ่มเข้าไปจอยตามงานหรือ กลุ่มพวกนี้ มันก็จะประกาศรับสมัครงานพวกนี้เข้ามาเรื่อย ๆ ให้เราสมัครเข้าไปแข่งขันแล้วก็ผ่านการคัดเลือกต่าง ๆ เพื่อเข้าไปจอย Event นั้น ๆ 

คุณนิกทำวิจัยเรื่องอะไรบ้าง ? 

นิกทำวิจัยเรื่อง การวิเคราะห์พฤติกรรมของผู้ใช้ไฟและการพยากรณ์ปริมาณกำลังการผลิตไฟฟ้าแบบล่วงหน้าเพื่อการจัดการตัวแพลตฟอร์มค้าขายพลังงานแห่งชาติ (National Energy Trading Platform) หรือเป็นตัวที่ทำการซื้อขายพลังงานระหว่างผู้ใช้ไฟกับผู้ใช้ไฟค่ะ โดยที่ตัวนี้ก็ใช้ตัว AI ในการวิเคราะห์พฤติกรรมของผู้ใช้ไฟได้แต่ละช่วงออกมาว่าจะเป็นยังไง แล้วก็เราควรที่จะรับมือกับมันยังไง สร้างเป็น Pattern สร้างเป็นตัว Model แล้วก็ตัว Algorithm ออกมาค่ะ 

อธิบายเพิ่มเติมว่า เหมือนที่เราเทรดคริปโตทั่วไปเลยค่ะเพราะว่าเงินจะถูกไป Base on อยู่บนนั้น เพราะฉะนั้นแล้วเราจะรู้ได้ยังไงว่า ต้องตั้งซื้อหรือตั้งขายในราคาเท่าไหร่ เพื่อให้ได้ผลประโยชน์สูงสุดกับตัวเอง เราก็เลยจะไปช่วย Support ตรงนั้นด้วย

อยากให้พูดถึงงาน Hackathon หน่อย หัวข้อเขาเปิดกว้างมากแล้วเรามีการเลือกหัวข้อยังไง ? 

ต้องบอกว่าอย่างนี้ค่ะ ในส่วนของงาน HackTrain ของการรถไฟที่อังกฤษ งานนี้เขาหาหัวข้อที่เขาสนใจมาจากฝ่ายต่าง ๆ ของการรถไฟ ซึ่งการรถไฟเขาแบ่งเป็นหลายฝ่ายอย่างเช่น ฝ่ายวิศวกรรม ฝ่ายจัดการพลังงาน ฝ่ายบริหารงานลูกค้า ฝ่ายพวกนี้เขาก็เลยจะมีโจทย์ของเขาค่ะว่า เขาอยากได้ประเด็นไหน ในการตอบโจทย์ลูกค้าของเขาหรืออยากได้คนสนับสนุนในการหา Solution ต่าง ๆ ในประเด็นไหนให้เขา 

ทีนี้พอมันมีโจทย์กว้างมากหรือว่ามีความท้าทายมาจากหลาย ๆ ฝ่าย เวลาทีมเราเลือก เรามาคุยกันว่า อันดับแรก Challenge ไหนที่ท้าทายและส่งผลกับคนปริมาณมาก คือเราก็อยากทำอะไรที่ท้าทายแล้วก็มี Impact จริง ๆ  อย่างที่สอง พอเราเลยหัวข้อที่เราสนใจทั้งหมดมาแล้ว ทักษะของพวกเราพอทำได้มั้ย เอา Skill ของทุกคนมาพูดคุยกัน เอามาแบกันว่าแต่ละคนมี Skill อะไร คนนี้ทำหน้าบ้าน UX และ UI ได้ แล้วคนนี้มี Skill อะไร ก็เอามาคุยกันเป็นไปได้มั้ยที่เราจะทำหัวข้อนี้ให้สำเร็จ ถ้าสำเร็จจะไปในรูปแบบไหน คือ เหมือนกับว่าพอเราเห็นปุ๊บ เราเลือกอันที่สนใจ เราเอาอันที่สนแต่ละอันมามองว่าที่สุดแล้วเราจะไปถึงปลายทางได้มั้ย 

ทีนี้เรื่องของ Data ก็เป็นเรื่องหนึ่งที่เราเอามาพิจารณาด้วยค่ะ อย่างที่นิกได้บอกว่า เราจะไปจนจบงานได้มั้ย คือเราเอา Data ของงานมาดูว่า Data ไหนเป็นไปได้ที่เราจะทำต่อ 

นิกต้องบอกว่าประเทศอังกฤษเป็นประเทศที่รัฐบาลมีข้อดีในการเก็บ Data แบบประทับใจสุด ๆ ค่ะ คือเขาตั้งโจทย์ขั้นมาก่อนว่า เขาไม่ได้เก็บ Data แบบสะเปะสะปะโดยไม่ได้วางโครงสร้างหรือ Data Structure ว่าจะเก็บอะไรบ้าง ซึ่งอาจทำให้เกิดปัญหาว่าข้อมูลซ้ำซ้อน ใช้ประโยชน์ไม่ได้ อยู่ใน Pattern ที่ต้องมาคัดกรองแล้วเหนื่อยอีกที ที่อังกฤษเขามีรูปแบบที่พัฒนามานานแล้วจนมาได้รูปแบบที่เป็นแบบนี้ มีโครงสร้างแบบนี้ คือ เขาเก็บ Data ได้เป็นระเบียบมาก ๆ 

รู้เลยว่าเกิดจากการที่เขาตั้งโจทย์ก่อนเลยว่าแต่ละภาคส่วนแต่ละหน่วยงาน จะใช้ Data ตรงนั้นไปทำอะไร พอเรารู้โจทย์ว่าเราต้องการอะไร เราต้องการวิเคราะห์อะไร มันจะทำให้เกิดการออกแบบโครงการสร้างเก็บข้อมูลเพื่อให้สอดคล้องกับผลที่เราต้องการวิเคราะห์ 

เพราะฉะนั้น Data ของประเทศอังกฤษแทบจะทุกภาคส่วนไม่มีการเก็บข้อมูลซ้ำซ้อน ข้อมูลทุกข้อถูกจัดให้อยู่ในแบบฟอร์มหรือ Pattern ที่สามารถเอาออกไปวิเคราะห์ได้ง่าย ไม่ว่าจะเป็นในรูปแบบของไฟล์เอกสารเองก็ตาม หรือที่เป็น Text ,ตาราง รวมถึงรูปภาพและวิดีโอ ก็เก็บออกมาได้เป็นรูปแบบเดียวกัน เขาให้ความสำคัญกับข้อมูลแล้วก็ให้ความสำคัญกับการคัดแยกข้อมูล แล้วก็สร้างโครงสร้างของการเก็บข้อมูลหรือ Data Structure หรือ Data Engineering ได้แบบแทบจะสมบูรณ์แบบ ข้อมูลที่ถูกเอามาวิเคราะห์ต่อไม่ยาก แค่เราต้องมี Skill แล้วก็ต้องตั้งเป้าว่า วิเคราะห์อะไร เพื่อ Solution อะไรค่ะ

ความท้าทายของการแข่งขันครั้งนี้อยู่ตรงไหนครับ ? 

จริง ๆ ความท้าทายที่สุดของการแข่งขันครั้งนี้คือ นิกขอเล่าให้ฟังว่างานนี้เป็นหนึ่งใน 5 งานที่ใหญ่ที่สุดของลอนดอนเลย ความท้าทายแรกคือ เวลาเราส่งใบสมัครไปมันไม่ได้หมายความเราจะได้เข้าแข่งขันเลย แต่ว่าเวลาเราส่งใบสมัครไปจะมีการสอบก่อน สอบเสร็จปุ๊บก็จะมีการสัมภาษณ์ค่ะ ซึ่งขั้นตอนแต่ละขั้นตอนที่ผ่านไปเราต้องเตรียมตัวสูงมาก ๆ เพื่อที่จะผ่านไปให้ได้ในแต่ละขั้น เพราะว่ามีผู้เข้าแข่งขันบินมาจากทั่วโลก อย่างเช่นทีมของนิกค่ะมีท่านนึงบินตรงมาเพื่อแข่งงานนี้คือเขาเป็นคนสิงคโปร์ค่ะ เป็น CEO ของบริษัทที่นั่น คือ ต้องบอกว่าที่มันเป็นงานที่เปิดกว้างให้ทั่วโลก เพราะฉะนั้นมันท้าทายตั้งแต่ตอนเริ่มสมัครเลยค่ะว่าเราจะได้รับคัดเลือกเพื่อมาจอยงานนี้มั้ย 

หลังจากที่ถูกคัดเลือกค่ะ ความท้าทายอื่น ๆ อีกก็คือ เราจะเลือก Challenge อะไรดีที่มี Impact มี Agenda ว่าเราจะมาสร้าง Impact อะไรในงานนี้ แล้วก็ท้ายที่สุด ด้วยความที่ว่ามันคัดเลือกมาโหดมาก ๆ ผู้เข้าแข่งขันท่านอื่น ๆ ก็เก่งเหมือนกัน ความท้าทายที่สุดก็คือ ในเมื่อเก่งเหมือนกันแล้วก็มี Skill เหมือนกัน เราจะทำอะไรให้ได้ผลลัพธ์ที่แตกต่างจากเขาเพื่อให้เป็นผู้ชนะให้ได้

เราต้องยอมรับว่า ทุกคนเก่ง ทุกคนแทบจะเป็น Full Stack Developer กันทั้งหมดที่มาแข่งขันเลย แล้วก็เป็นสาย Data Science เรียกได้ว่า เทพกันมาทั้งหมดเลย เพราะฉะนั้นเราต้องมาคุยกันในทีมว่า จากโจทย์ที่เราได้มา จากข้อมูลที่เรามี เราจะทำอะไรให้แตกต่างแล้วก็ เราจะสร้าง คุณค่าจากข้อมูลที่เรามีได้ยังไง เพื่อที่จะเป็นผู้ชนะให้ได้

ทางกลุ่มเราก็เลือกที่จะพัฒนาให้ออกมาอยู่ในรูปแบบแพลตฟอร์มที่สามารถเอาไปใช้งานได้จริง ต้องบอกว่า เราโชคดีมากที่เราได้ CEO สิงคโปร์มาเป็นสมาชิกในกลุ่ม เพราะฉะนั้น ในขณะที่ทีมอื่นวิเคราะห์ไปในทางของ Data Science ที่เข้มข้นอยู่แล้ว แต่สิ่งที่ทีมเราเพิ่มเติมขึ้นมาก็คือ มีการวิเคราะห์ในเชิงเศรษฐศาสตร์แล้วก็สามารถนำไปใช้ได้จริงให้คนมีประโยชน์ได้จริง และจะมีการวางแผนงานเพื่อให้ไปพัฒนาในอนาคตได้จริง ๆ ค่ะ

Platform ที่ทำมาอยู่ในรูปแบบไหนครับ แอปพลิเคชัน เว็ปแอป หรือรูปแบบไหนครับ ? 

ตัวผลงานที่ทำมาจะอยู่ในรูปแบบของ Web Application ค่ะ แต่ต้องแบ่งเป็น 2 ส่วนก่อนค่ะ คือ Web Application ที่ถูกเอาผลลัพธ์มา Integrate แล้วก็เป็นข้อมูลเชิงลึกค่ะที่ให้เขาไปด้วย เพราะว่าเราคิดว่า งานนี้ค่ะ Mentor พูดตั้งแต่ต้นเลยค่ะว่า มันไม่ใช่งานแข่งแค่ทำเว็ปแอปสวยแล้วจะชนะ แต่ว่าข้อมูลมันต้องใช้ได้จริง  เพราะฉะนั้นผลงานที่ทำออกมาก็ออกมาในรูปของทั้ง ส่วนของ User ที่สามารถใช้งานได้ง่าย ๆ ที่เป็น Web Application 

อีกส่วนหนึ่งคือ ที่เป็น Data ที่วิเคราะห์เพื่อให้เขานำไปใช้ได้จริงค่ะ ด้วยความจริงจังของงานเขาค่ะ ก็คือ เขาไม่ได้อยากได้แค่ผลงานอย่างเดียวนะคะ เราต้องไปเทรนให้คนในองค์กรของเขาค่ะในตัว Rail Network ค่ะ ให้ทราบว่าถ้าเขาจะเอาไปทำต่อหรือใช้งานต่อต้องทำยังไง สร้างมันขึ้นมายังไง เพราะฉะนั้นต้องบอกว่างาน Hackathon ถูกจัดขึ้นมาอย่างตั้งใจว่า เขาจะได้ประโยชน์จริง ๆ แล้วเขาจะเอางานที่เราสร้างไปใช้ได้ในภาคธุรกิจและอุตสาหกรรมของเขาได้จริง ๆ ค่ะ

หมายความว่า มีการใช้งานจริงอยู่ ใช่มั้ยครับ ? 

ใช่ค่ะ คืองานนี้มันจะเป็นตั้งแต่ Hack Train ครั้งที่ 1 เลยมาจนถึงครั้งปัจจุบันค่ะ ผลงานทุกงานถูกเอาไปใช้จริงค่ะ

อยากให้แนะนำเรื่องการเก็บข้อมูลของไทยบ้าง เพราะว่าคนไทยตอนนี้จะนึกถึงการเก็บข้อมูลในรูปแบบกระดาษส่วนใหญ่ ควรปรับปรุงเรื่องอะไรครับ ? 

โห หนักมาเลย ของไทยควรจะปรับปรุงสิ่งนี้ก่อนค่ะ สิ่งแรกเลย คือ ผู้บริหารของที่อังกฤษเนี่ยเข้าใจว่าการวิเคราะห์ข้อมูลหรือการทำ AI หรือทำ Machine Learning หรืออะไรก็ตาม ไม่ใช่น้ำมันงูที่สามารถรักษาได้ทุกโรค วิเคราะห์ได้ก็ต่อเมื่อมันมีข้อมูลที่เข้ามาได้ดีพอ ทุกคนอาจจะคุ้นเคยกับคำว่า Garbage in Garbage out  ได้ขยะเข้ามาก็ได้ขยะกลับไป ตัว AI มันเป็นอย่างนั้นค่ะ 

การเก็บข้อมูลของไทยต้องบอกว่าตอนนี้เรายังเป็น Paper-based กันอยู่เสียเยอะ ข้อมูลสำคัญหลาย ๆ ข้อมูลยังอยู่บนกระดาษ เวลาเอาไปใช้คือลำบากแน่ ๆ ถึงแม้ไม่อยู่บนกระดาษมันก็ยังไม่ถูกวางโครงสร้างที่ชัดเจน ไม่ได้ถูกวาง Data Structure เป็นการเก็บที่สะเปะสะปะ เอะอะโยน แล้วก็หลายๆที่ก็พูดกันเท่ ๆ ว่าก็มันขึ้นมาบน cloud แล้วไง แต่จริง ๆ ไม่ใช่ มีการทำ data lake, data ware house แล้วแต่มันไม่ใช่ คือ ทั้งหมดเนี่ย ควรปรับปรุงด้านหนึ่ง คือ ให้เจ้าของข้อมูลทุกที่ตั้งโจทย์ของตัวเองก่อนค่ะว่าเราอยากจะปรับปรุงอะไร ต้องการจะทำอะไร ข้อมูลในองค์กรเรามีอะไรบ้าง 

หลังจากตั้งโจทย์เสร็จไม่ใช่แค่ ภาคส่วนเดียวไม่ใช่แค่ Challenge เดียว คือทุกองค์กรต้องคุยกันภายใน หรือแม้แต่จะมองภาพใหญ่ของอังกฤษเนี่ยเค้ามี GovTech เป็นศูนย์ data ขนาดใหญ่ มีข้อมูลสำคัญของเขาเยอะแยะมากมายที่ถูกเก็บรวมในนั้นอย่างสวยงาม และเอาไปใช้ได้ง่ายมาก เปิดโอกาสให้คนภายนอกเอาไปใช้ได้

ขั้นแรก เราต้องมีหน่วยงานกลางค่ะ เพื่อตั้งโจทย์ว่าเราอยากได้ข้อมูลไปทำอะไร ไปทำแบบไหน ถ้าเราตั้งโจทย์เสร็จค่ะ Data Structure จะตามมาค่ะว่าเราควรเก็บข้อมูลรูปแบบแบบไหน วางโครงสร้าง ทำ data engineering แบบไหน ถ้าได้ 2 ขั้นตอนนี้แล้วก็การเอา data ไปใช้จะไม่ยากเลย 

ถ้าถามว่าควรเริ่มจากอะไร คือ ควรลด Paper-based ก่อนค่ะ ถ้าลดได้แม้จะขึ้นไปอยู่บน cloud หรือฐานข้อมูลต่าง ๆ แล้วมันเป็นฐานข้อมูลที่เกิดจากการคิด วิเคราะห์ แยกแยะ เรียบร้อยแล้ว ว่าเราต้องการอะไร เพื่อให้มันไม่มั่ว ไม่ซ้ำซ้อน และเปลืองทรัพยากรณ์โดยใช้เหตุในการเก็บข้อมูลซ้ำ ๆ แล้วอย่างที่ 3 ค่ะ ผู้บริหารของแต่ละหน่วยงาน ต้องเข้าใจก่อนว่าเราจะทำอะไรไปใน way ไหน เข้าใจความสำคัญของข้อมูล เข้าใจคำว่า AI ว่าท้ายที่สุดแล้วมันไม่ใช่ยาร้อยแปดที่ทำได้ทุกอย่างถ้าเกิดเอาขยะไปให้มัน

แล้วทางคุณนิกวางแผนจะนำความรู้ด้าน Data Science กับ AI ไปต่อยอดยังไงบ้าง ? 

จริง ๆ Data Science กับ AI ตอนนี้นิกมองว่าน่าสนใจแล้วก็น่าจะเป็นประโยชน์มาก ๆ เลยนะคะ  อันนี้นิกมีงานวิจัยที่ทำร่วมกับเพื่อน ๆ อยู่หลายงาน ทำ Smart City ค่ะ ที่เป็นเหมือนเมืองอัจฉริยะที่จะรวบรวมการบริหารจัดการเมืองใหญ่เข้ามาเพื่อให้คุณภาพชีวิตองค์รวมของประชากรที่อยู่ในบริเวณนั้นดีขึ้น ไม่ว่าจะเป็นเรื่องของการบริหารจัดการขยะ การบริหารจัดการสิ่งแวดล้อมภายใน การบริหารจัดการพลังงานให้มีคุณภาพและมีประสิทธิภาพ แล้วก็ ระบบการบริหารระบบขนส่งสาธารณะต่าง ๆ เพื่อให้สนับสนุนกับ Smart City ในอนาคต อันนี้เป็นโครงการหนึ่งที่คิดว่าควรจะทำ แล้วถ้าทำแล้วเห็น Impact ที่ส่งกระทบในระดับประเทศได้ 

อีกตัวหนึ่งเป็นตัว Health Care ค่ะ เป็นตัวหนึ่งที่น่าทำมากเลยค่ะ เพราะอย่างที่เราทราบกันดีค่ะว่า ภาระงานของแพทย์มีค่อนข้างเยอะมาก ๆ ไม่ว่าจะเป็นผู้ป่วยโรคซึมเศร้าเองก็ตามที่เข้าไม่ถึงนักจิตบำบัด หรือว่าการอ่านฟิล์มผู้ป่วยโรคมะเร็งต่าง ๆ ที่เอาฟิล์มมาเรียนรู้ เราจะบอกว่านักรังสีวิทยามันมีน้อยมาก ๆ หมอต่าง ๆ ที่สามารถอ่านฟิล์มได้เนี่ยมีน้อยมากๆ เราก็พยายามที่จะเอาพวกนี้มาช่วยในการวิเคราะห์ผล หรือว่าจัดการด้านการแพทย์ต่าง ๆ ให้มากขึ้น ตัวนี้ก็เป็นตัวที่มองว่าน่าสนใจในประเทศไทยค่ะ 

จริง ๆ แล้วประเทศไทยมีสิ่งที่ AI สามารถเอามาทำได้หลายภาคส่วนเลยค่ะ อย่างเช่น  National Language Processing  หรือNLP ของประเทศเรา หรือว่าการวิเคราะห์ข้อความต่าง ๆ ของประเทศเราก็ยังน่าทำค่ะ เพราะว่าอย่างตัวแชทบอทที่ถูกพัฒนาขึ้นมาบางทีมันก็ยังมีจุดที่ต้องตอบโจทย์ จะต้องบอกว่า AI มันเป็นมุมกว้างมาก ๆ หรือแม้แต่เรื่องการจับทุจริตนู่นนี่นั่น เช่น การตรวจการโกงบัตรเครดิต หรืออะไรก็ตามที่เป็นการตรวจสอบวิเคราะห์พฤติกรรมที่มีความผิดปกติ เพื่อป้องการหายนะที่จะเกิดขึ้นในอนาคต ต้องบอกเลยว่ามันกว้างมาก ๆ เลยที่จะเอามาประยุกต์ใช้ในประเทศไทย แล้วก็ตัวที่มาแรงเลยก็คือ ตัว Smart City แล้วก็ Health Care ค่ะ

แล้วก็อาชีพ Data Science ในไทยถือว่าขาดแคลนมั้ยครับ ? 

ถามว่าในเมืองไทยขาดแคลน Data Science มั้ย นิกมองว่าคนที่มีความรู้ในการทำ Data Analytic เนี่ยมีค่อนข้างเยอะ แต่ว่าคำว่ามันขาดแคลนในเชิงขาดแคลนซีเนียร์ค่ะ คือ มันมีคนตกผลึกมากพอที่จะมองโจทย์ออกได้รึยัง

ปัจจุบันมีคอร์สเรียนเยอะแยะเลย การพยากรณ์นู่นนี่นั่น แต่ว่าพอเรียนจบเราจะมีความเข้าใจระดับหนึ่งว่ามันไม่สามารถถูกนำไปใช้ได้ในโลกแห่งความเป็นจริง เวลาเราอยู่หน้างานจริงเราอาจไม่สามารถวิเคราะห์ข้อมูลได้จริง ๆ เลยจะบอกว่าสิ่งที่ขาดแคลนคือ Data Science ที่สามารถมองโจทย์ออก ซึ่ง Data Science ไม่ได้ขาดแคลนค่ะ แต่ขาดแคลนคือ Data Science ที่วิเคราะห์ข้อมูล เห็นโจทย์แล้วตอบได้จริง ๆ ว่ามันคืออะไร ควรไปทิศทางไหน อันนี้คือสิ่งที่ขาดแคลนค่ะ ซึ่งสิ่งนั้นมาจากประสบการณ์ค่ะ คือการวิเคราะห์ตาม Pattern ไม่ยาก แต่การรู้ว่าต้องวิเคราะห์อะไร เพื่ออะไรยังขาดแคลนมาก ๆ เพราะว่าเวลาเราได้ข้อมูลจริงมา แม้แต่เจ้าของข้อมูลเองอาจยังไม่รู้ด้วยซ้ำว่าเขาอยากได้อะไร 

นิกเคยไป consult แล้วเคยเจอว่า เจ้าของข้อมูลเขาไม่รู้ด้วยซ้ำว่าอยากได้อะไร เขาแค่ให้โจทย์มาเลยว่าอยากเอา AI มาวิเคราะห์อะไรสักอย่าง เพราะฉะนั้น มึงจึงเป็นความยากและความขาดแคลน แล้วก็ต้องบอกว่าเป็นอาชีพที่เซ็กซี่อยู่นะคะ ยิ่งทำก็ต้องยิ่งศึกษาเรื่อย ๆ ก็คือ Data Science ยังขาดแคลนอยู่มาก ๆ 

อยากฝากอะไรกับเพื่อน ๆ น้อง ๆ ที่สนใจเรื่อง Data Science? 

อยากให้เข้ามาเลยค่ะ เพราะยังมีแหล่งเรียนรู้อีกมากมาย เป็นศาสตร์ที่ยิ่งเรียนยิ่งมันส์ยิ่งเรียนยิ่งสนุก แล้วเราจะรู้ว่า Code ของเราอาจจะสามารถช่วยเปลี่ยนแปลงโลกได้  Code ทุกบรรทัดของเราอาจจะสามารถช่วยให้คนบางคนมีชีวิตที่ดีขึ้นได้ หรือคนกลุ่มหนึ่งมีคุณภาพชีวิตที่ดีขึ้นได้ เพียงเราเข้าใจข้อมูลแล้วก็ตั้งโจทย์ให้ถูกต้องค่ะ 

ก็อยากจะฝากทุกคนว่าเข้ามาศึกษากันค่ะแล้วก็พยายาม มันไม่ง่ายแล้วก็ไม่ยาก สามารถเริ่มได้ตั้งแต่เด็ก มัธยม ซึ่งเด็กสมัยนี้เก่งมาก สามารถสร้างหุ่นยนต์ ที่สามารถสร้าง impact ได้ ก็อยากจะฝากให้ทุกคนค่ะ เข้ามาเรียนรู้แล้วก็อย่าท้อ นิกเองก็เปลี่ยนสายค่ะ ก็สามารถทำได้เหมือนกัน ไม่ใช่สิ่งที่ยากลำบากเกินกว่าความสามารถของทุกคนแน่นอนค่ะ