เกือบหนึ่งทศวรรษหลังจากการเปิดตัว Pokémon Go กำลังส่งอิทธิพลต่อปัญญาประดิษฐ์ในแบบที่คาดไม่ถึง

ตามรายงานจาก MIT Technology Review(หน้าต่างใหม่) ระบุว่า Niantic Spatial ซึ่งเป็นบริษัท AI ที่แยกตัวออกมาจากผู้พัฒนาเกมดั้งเดิม กำลังใช้รูปภาพมากกว่าสามหมื่นล้านรูป(หน้าต่างใหม่)ของสถานที่สำคัญในเมืองที่ถ่ายโดยผู้เล่น Pokémon Go เพื่อฝึกฝนระบบ AI ที่ช่วยให้หุ่นยนต์เข้าใจว่าตนเองอยู่ที่ใดในโลกแห่งความเป็นจริง

เมื่อ Pokémon Go เปิดตัวในปี 2016 ผู้เล่นหลายล้านคนได้เดินไปตามเมืองต่างๆ ของตน ชี้โทรศัพท์ไปที่อาคาร สวนสาธารณะ และสถานที่สำคัญต่างๆ ในขณะที่ค้นหาสิ่งมีชีวิตดิจิทัล การทำเช่นนั้นทำให้เกิดชุดข้อมูลภาพโลกแห่งความเป็นจริงที่ใหญ่ที่สุดชุดหนึ่งเท่าที่เคยมีมา Niantic Spatial ได้ฝึกฝนโมเดลด้วยรูปภาพสามหมื่นล้านรูปที่ถ่ายจากสภาพแวดล้อมในเมือง ซึ่งส่วนใหญ่กระจุกตัวอยู่รอบๆ ตำแหน่งที่ผู้เล่นเยี่ยมชมบ่อยครั้งในเกม ในบางครั้ง สิ่งมีชีวิตดิจิทัลอาจปรากฏในหรือใกล้กับพื้นที่ส่วนตัว เช่น อาคารอพาร์ตเมนต์หรือลานบ้านพักอาศัย ซึ่งหมายความว่าช่วงเวลาเหล่านั้นอาจกลายเป็นส่วนหนึ่งของชุดข้อมูล AI

ปัจจุบันข้อมูลดังกล่าวถูกนำมาใช้เพื่อสร้างสิ่งที่นักวิจัยเรียกว่าโมเดลโลกหรือ world model — ซึ่งเป็นระบบ AI ที่ได้รับการออกแบบมาเพื่อช่วยให้เครื่องจักรตีความและนำทางในสภาพแวดล้อมทางกายภาพได้

เรื่องนี้ยังเน้นย้ำถึงสิ่งที่เป็นเรื่องง่ายที่จะมองข้ามเกี่ยวกับเทคโนโลยีสมัยใหม่ นั่นคือ กิจกรรมในแอปในแต่ละวันสามารถกลายมาเป็นข้อมูลฝึกฝนอันมีค่าสำหรับระบบ AI ได้อย่างเงียบๆ ในอีกหลายปีต่อมา — ซึ่งเป็นสิ่งที่ผู้เล่น Pokémon Go คาดเดาไม่ได้เลยในปี 2016 และไม่ต้องพูดถึงการให้ความยินยอมอย่างมีความหมายเลย

เหตุใด GPS จึงใช้งานได้ยากในเมือง

สัญญาณ GPS มักจะสะท้อนกับอาคารสูง คลาดเคลื่อนอย่างมาก หรือหายไปอย่างสิ้นเชิงในสภาพแวดล้อมของเมืองที่หนาแน่น ซึ่งเป็นปัญหาที่บางครั้งเรียกว่าเอฟเฟกต์หุบเขาในเมืองหรือ urban canyon ตามที่ MIT Technology Review อธิบายไว้ในรายงานเกี่ยวกับเทคโนโลยีนี้ แม้แต่ตัวระบุตำแหน่งบนสมาร์ทโฟนก็สามารถคลาดเคลื่อนได้หลายสิบเมตรในเมือง ซึ่งมักจะระบุตำแหน่งของอุปกรณ์ผิดบล็อกหรือผิดฝั่งของถนน

โซลูชันของ Niantic Spatial อาศัย ระบบกำหนดตำแหน่งด้วยสายตา(หน้าต่างใหม่) ซึ่งจะระบุตำแหน่งโดยการวิเคราะห์สิ่งที่กล้องมองเห็น มีรายงานว่าระบบนี้สามารถระบุตำแหน่งที่แม่นยำได้ภายในระยะไม่กี่เซนติเมตร โดยการเปรียบเทียบภาพสแนปชอตของอาคารและสถานที่สำคัญที่อยู่ใกล้เคียงกับชุดข้อมูลขนาดใหญ่

จากเทคโนโลยีความจริงเสริมสู่หุ่นยนต์ส่งของ

หนึ่งในการทดสอบในโลกแห่งความเป็นจริงครั้งแรกของเทคโนโลยี Niantic Spatial กำลังเกิดขึ้นผ่านการเป็นพันธมิตรร่วมกับ Coco Robotics ซึ่งเป็นสตาร์ทอัพที่ดำเนินงานเกี่ยวกับหุ่นยนต์ส่งของบนทางเท้าในหลายเมือง

หุ่นยนต์ของบริษัททำหน้าที่ขนส่งของชำและคำสั่งซื้ออาหารจากร้านอาหารในสถานที่ต่างๆ เช่น ลอสแอนเจลิส ชิคาโก ไมอามี และเฮลซิงกิ ตามรายงานของ MIT Technology Review หุ่นยนต์ของ Coco ได้ทำการส่งมอบของไปแล้วกว่าครึ่งล้านครั้ง คิดเป็นระยะทางหลายล้านไมล์

การนำทางในเมืองที่หนาแน่นอย่างน่าเชื่อถือยังคงเป็นความท้าทายหลักสำหรับเครื่องจักรอัตโนมัติ การรวมกล้องบนหุ่นยนต์เข้ากับระบบระบุตำแหน่งด้วยสายตาของ Niantic Spatial จะช่วยให้เครื่องจักรสามารถระบุตำแหน่งได้อย่างแม่นยำยิ่งขึ้นว่าตนเองอยู่ที่ใด ทำให้สามารถหยุดตรงตำแหน่งรับของหรือนอกประตูของลูกค้าได้อย่างแม่นยำ

การเติบโตของ “โมเดลโลก”

โครงการนี้สะท้อนให้เห็นถึงแนวโน้มที่กว้างขึ้นในการพัฒนา AI

โมเดลภาษาขนาดใหญ่ ได้รับการฝึกฝนจากรูปภาพและข้อความจากอินเทอร์เน็ต ในทางตรงกันข้าม โมเดลโลกมีเป้าหมายเพื่อช่วยให้เครื่องจักรเข้าใจถึงโครงสร้างของโลกทางกายภาพว่า วัตถุต่างๆ ตั้งอยู่ที่ใด พื้นที่ต่างๆ เชื่อมต่อกันอย่างไร และจะเคลื่อนที่ผ่านพื้นที่เหล่านั้นอย่างปลอดภัยได้อย่างไร

Niantic Spatial กล่าวว่าเป้าหมายระยะยาวคือการสร้าง “แผนที่ที่มีชีวิต” ของโลกที่ได้รับการอัปเดตแล้วอย่างต่อเนื่อง เพื่อให้หุ่นยนต์และระบบ AI อื่นๆ สามารถใช้ในการนำทางได้

สิ่งนี้มีความหมายต่อความเป็นส่วนตัวอย่างไร

เรื่องราวนี้ยังแสดงให้เห็นถึงการเปลี่ยนแปลงในวงกว้างของวิธีการนำข้อมูลที่สร้างขึ้นโดยผู้คนทั่วไปที่ใช้งานแอปในแต่ละวันกลับมาใช้ซ้ำ

ผู้คนหลายล้านคนดาวน์โหลด Pokémon Go เพื่อเล่นเกม แต่ในระหว่างนั้น ก็ได้สร้างรูปภาพหลายพันล้านรูปและสัญญาณระบุตำแหน่งที่แม่นยำซึ่งเชื่อมโยงกับสถานที่ในโลกแห่งความเป็นจริง ปัจจุบันข้อมูลนี้กำลังช่วยฝึกฝนระบบ AI ที่ได้รับการออกแบบมาเพื่อสร้างแผนที่และนำทางในโลกทางกายภาพ ซึ่งแตกต่างจากความตั้งใจเดิมของผู้เล่นในการเปิดเกมขึ้นมาเพื่อค้นหา Pikachu อย่างมาก

สิ่งนี้กำลังกลายเป็นรูปแบบที่คุ้นเคยในระบบเศรษฐกิจ AI กิจกรรมที่ดูเหมือนจะไม่เกี่ยวข้องกับปัญญาประดิษฐ์ — การถ่ายรูป การท่องเว็บ การใช้แอป — มักจะลงเอยด้วยการสร้างชุดข้อมูลที่ใช้ในการฝึกฝนระบบใหม่ๆ ที่ทรงพลัง โมเดล AI สมัยใหญ่มักถูกสร้างขึ้นโดยใช้ชุดข้อมูลขนาดใหญ่ที่คัดลอกมาจากอินเทอร์เน็ตและแหล่งข้อมูลดิจิทัลอื่นๆ ซึ่งนักวิจัยกล่าวว่าในบางครั้งอาจรวมถึงข้อมูลส่วนบุคคลหรือข้อมูลที่ละเอียดอ่อน

ในขณะที่บริษัทต่างๆ กำลังแข่งขันกันเพื่อสร้างโมเดลโลกและ AI รูปแบบอื่นๆ คำถามก็คือ ข้อมูลฝึกฝนเหล่านั้นมาจากไหน — และผู้คนที่สร้างข้อมูลเหล่านั้นเคยตระหนักหรือไม่ว่าข้อมูลดังกล่าวจะถูกนำไปใช้ อย่างไร หรือจะยังคงตกลงที่จะใช้แอปเหล่านั้นหรือไม่หากทราบถึงผลที่จะตามมา ผู้กำหนดนโยบายและนักวิจัยต่างเรียกร้องให้มีมาตรฐานการยินยอมที่ชัดเจนยิ่งขึ้น(หน้าต่างใหม่)สำหรับข้อมูลที่ใช้ในการฝึกฝน AI โดยโต้แย้งว่าผู้สร้างและผู้ใช้ควรมีการควบคุมที่มากขึ้นเกี่ยวกับวิธีการนำข้อมูลของตนกลับมาใช้ใหม่

ความกังวลด้านความเป็นส่วนตัวเกี่ยวกับ AI เหล่านี้กำลังเกิดขึ้นในชั้นศาลแล้ว บรรดาผู้จัดพิมพ์ นักเขียน และบริษัทสื่อต่างได้ยื่นฟ้องร้องโดยอ้างว่าผลงานของตนถูกนำไปใช้ฝึกฝนระบบ AI โดยไม่ได้รับอนุญาต รวมถึงคดีความที่เป็นที่จับตามองซึ่ง The New York Times ได้ฟ้องร้อง OpenAI และ Microsoft(หน้าต่างใหม่) เกี่ยวกับการกล่าวหาว่านำงานเขียนเชิงข่าวไปใช้ในชุดข้อมูลฝึกฝน AI

สำหรับบริษัทที่สร้าง AI สำหรับนำทางในโลกทางกายภาพ ชุดข้อมูลที่สร้างขึ้นผ่านเกม แอป และแพลตฟอร์มดิจิทัลกำลังกลายเป็นหนึ่งในสินทรัพย์ที่มีมูลค่ามากที่สุดในอุตสาหกรรมเทคโนโลยีอย่างรวดเร็ว ในขณะที่สิ่งนั้นเกิดขึ้น คำถามเกี่ยวกับความโปร่งใส การยินยอม และวิธีการนำข้อมูลที่สร้างขึ้นโดยผู้ใช้กลับมาใช้ใหม่ก็กลายเป็นเรื่องที่ยากจะมองข้าม

ไม่ใช่ทุกคนที่กำลังแสวงหาโมเดลที่ต้องการข้อมูลจำนวนมากนี้ ที่ Proton มีความเชื่อในเรื่อง AI ที่เป็นส่วนตัวและโปร่งใส ซึ่งจะช่วยให้ได้รับประโยชน์จาก ผู้ช่วย AI(หน้าต่างใหม่) โดยไม่มีค่าใช้จ่ายด้านความเป็นส่วนตัว Lumo จะไม่บันทึกข้อมูล ไม่ฝึกฝนจากบทสนทนาที่ละเอียดอ่อน หรือแชร์ข้อมูลกับผู้ใด นั่นหมายถึงการใช้ AI โดยไม่ต้องกังวลว่าการมีปฏิสัมพันธ์ในวันนี้จะกลายเป็นชุดข้อมูลในวันพรุ่งนี้อย่างเงียบๆ หรือไม่