รีวิว DeepBrain Chain สุดยอดโปรเจค AI แห่งปี ที่หลายคนมองข้าม!

0
1977

รีวิว DeepBrain Chain

วันนี้ Bitcoin Addict ร่วมกับ Coinman จะมาวิเคราะห์เหรียญสาย AI ที่ดีตัวหนึ่งซึ่งคนส่วนมากอาจจะยังไม่รู้จัก (ส่วนมากรู้จักแต่ SingularityNET กันเนอะ)

DeepBrain Chain หรือ DBC นั้นจะเข้ามา decentralize AI computing หรือพูดง่ายๆก็คือแทนที่เราจะต้องลงทุนกับ Server แพงๆหรือไปเช่าพวก Cloud server แพงๆเพื่อใช้งาน AI หรือเทรน AI แทนที่เราก็มาใช้ DBC แทนได้โดยที่ DBC นั้นจะประกอบไปด้วย Miner นักขุดจากทั่วโลกที่จะมาช่วยเราประมวลผล AI ให้แทนผลก็คือค่าใช้จ่ายจะลูกลง (ถึง 70% ด้วยกัน!?) อีกทั้งยังไม่ต้องเงินจมไปกับการลงทุนในตัว Server แพงๆ

ข้อมูล Token

ICO Hard Cap : $11.75m

Current Market Cap :$148m

ROI: Screen Shot 2561-05-21 at 6.29.05 PM

Exchange listing : Huobi, Allcoin, Lbank และอื่นๆ

โอกาสในตลาด AI

Artificial Intelligence (AI) พัฒนาไปถึงขั้นไหนแล้ว

AI หรือปัญญาประดิษฐ์นับเป็นหนึ่งในเทรนด์ที่ฮอตที่สุดในทศวรรตนี้เลยก็ว่าได้ซึ่งแม้แต่ผู้นำประเทศเช่นประธานาธิปดีของรัสเซียวลาดิเมียร์ปูตินถึงกับประกาศเลยว่าใครที่เป็นผู้นำด้าน AI จะเป็นผู้นำโลกอนาคตไม่ต้องสงสัยเลยว่าตอนนี้ประเทศมหาอำนาจทั่วโลกต่างแข่งกันพัฒนา AI อย่างเอาจริงเอาจังแล้ว AI พัฒนาไปถึงขั้นไหนแล้วละ? เรามาย้อนดูตัวอย่างพัฒนาการและวีรกรรมระดับโลกของ AI ในปีที่ผ่านๆมากันครับ

  1. ปี 1997 IBM Deep Blue supercomputer แข่งหมากรุกชนะแชมป์โลก Garry Kasparov
  2. ปี 2002 iRobot’s Roomba หุ่นยนต์ดูดฝุ่นอัตโนมัติที่สามารถหลบสิ่งกีดขวางได้เองถูกประดิษฐ์ขึ้น
  3. ปี 2010 Microsoft เปิดตัว Kinect อุปกรณ์เล่นเกมส์เสริมสำหรับ Xbox 360 ซึ่งใช้ AI ในการแยกแยะและติดตามท่าทางการเคลื่อนที่ของผู้เล่นปี 2011 Apple เปิดตัว Siri ผู้ช่วยอัจฉริยะทำให้เราสามารถสั่งงาน iPhone ด้วยเสียง
  4. ปี 2011 IBM Watson AI  เอาชนะผู้เข้าแข่งขันซึ่งมีดีกรีถึงอดีตแชมป์ในรายการ Jeopardy รายการเกมส์โชว์ที่ต้องใช้ไหวพริบในการเล่นเป็นอย่างมาก
  5. ปี2012 Self driving car ของ Google วิ่งครบ 500,000 กิโลเมตรโดยไม่เกิดอุบัติเหตุเลยปี 2012 AI ที่สร้างขึ้นโดยนักวิจัยของ Google สามารถเรียนรู้ที่จะแยกรูปแมวได้ด้วยตัวเองจากรูปภาพจำนวนสิบล้านรูปทั้งๆที่ไม่มีไครสอนหรือโปรแกรมมัน
  6. ปี 2015 จรวด Falcon 9 ของ SpaceX ประสบความสำเร็จในการลงจอดได้เองหลังจากส่งดาวเทียมเสร็จ
  7. ปี 2016 AIphaGo AI ของบริษัท Google Deepmind เอาชนะแชมป์โลกหมากล้อม(โก๊ะ) Lee Sedol ขาดลอยถึง 4 ตาในจำนวนทั้งหมด 5 ตาเหตการณ์นี้ทำให้ทั่วทั้งโลกต้องหันมาประเมินความสามารถของ AI อีกครั้งเนื่องจากโก๊ะถือเป็นเกมส์ที่มีความซับซ้อนสูงมากผู้เล่นระดับโก๊ะระดับโลกถือว่าเข้าขั้นอัจฉริยะทุกคนปี 2018 ผู้ช่วยอัจฉริยะของ Google สามารถคุยโทรศัพท์ได้โดยที่ปลายสายนั้นไม่รู้เลยว่ากำลังคุยกับ AI อยู่

นี่ยังเป็นแค่ส่วนน้อยนะครับจริงๆแล้วยังมีการพัฒนา AI ที่สำคัญอีกมากมายในหลายๆอุตสาหกรรมและมีสินค้าที่ใช้ AI อีกจำนวนมากอยู่รอบๆตัวเรามากกว่าที่เราคิดอีกครับแต่จากตัวอย่างที่กล่าวมาทั้งหมดเราจะสังเกตได้ว่าพัฒนาการของ AI นั้นก้าวกระโดดขึ้นอย่างมากใช่ช่วงสิบปีที่ผ่านมาทำไมถึงเป็นเช่นนั้นละ? ทั้งๆที่คอนเซปเรื่อง Artificial Neural Network ซึ่งเป็นคอนเซปรากฐานของ AI ถูกคิดค้นขึ้นตั้งแต่ปี 1943 หรือก็คือกว่า 90 ปีมาแล้วก่อนจะเฉลยคำตอบผมจะต้องอธิบายสั้นๆเกี่ยวกับองค์ประกอบของ AI ก่อนนะครับ

cranium-2099119_960_720

องค์ประกอบที่สำคัญหลักๆของ AI

ในการที่จะทำ AI นั้นมีส่วนประกอบด้วยกันประมาณ 3ส่วนคือ

  1. ชุดข้อมูล (data)ที่จะนำเข้ามาป้อนใน algorithm เพื่อนเทรน Al โดยเราจะเห็นว่าบริษัทยักษ์ใหญ่ไม่ว่าจะเป็น google facebook ต้องการได้ข้อมุล (data) จำนวนมากเพื่อนำไปเทรน AI จึงมีการออกproduct ต่างๆให้เราใช้ฟรีแต่จริงๆแล้วบริษัทเหล่านี้อยากได้ข้อมูลจำนวนมากเพื่อนำไปใช้ในการเทรน AI
  2. Algorithmในการเทรน AI ก็จะมีหลากหลายมีคนพัฒนา algorithm ต่างๆและสามารถนำมาขายในตลาดเพื่อใช้สำหรับการเทรน AI แต่ละ algorithm ก็อาจจะมีข้อดีข้อเสียต่างกันไปแล้วแต่ผู้พัฒนา algorithm และการนำไปใช้ในการพัฒนา AI
  3. Computing Powerหลังจากที่เรามีข้อมูลจำนวนมากและ algorithm เราก็จะสามารถฝึก AI ได้ละครับลองจินตนาการว่าถ้าเราต้องการให้ AI เรียนรู้ว่านี่คือภาพแมวเราอาจจะต้องใช้ชุดข้อมูลรูปภาพแมว (Data) เป็นล้านถึงสิบล้านภาพป้อนเข้าไปใน algorithm เพื่อให้ AI ตัวนั้นเรียนรู้ (Machine Learning) ว่าถ้าเห็นภาพประมาณนี้จะประมวลผลเป็นภาพแมวซึ่งปกติการเทรน AI เป็นช่วงที่ใช้เวลามากที่สุด  อาจจะใช้เวลาเป็นเดือนถึงหกเดือนในการเทรน AI ขึ้นอยู่กับว่าเรามีพลังการประมวล (Computing Power) มากน้อยแค่ไหน algorithm ที่ใช้เป็นอย่างไรComputing Power นั้นยังเป็นอุปสรรคกับบริษัทส่วนมาก

ในสามองค์ประกอบนี้หลังจากเรามีข้อมูล Data มี Algorithm พร้อมมันก็ไม่ได้แปลว่าจะเทรน AI ได้ง่ายๆอุปสรรคสำคัญในยุคนี้ก็ยังเป็น Computing Power อยู่ด้วยค่าใช้จ่ายที่สูงจนไม่ใช่เรื่องที่ทุกคนจะเข้ามาพัฒนา AI ได้รู้ไหมครับ AlphaGo AI ต้องใช้เงินจำนวนถึง 3,000 USD (ประมาณ 90,000 บาท) เพื่อการเล่นหมากล้อมเพียงเกมส์เดียวการที่มันเทรนจนชนะ Lee Sedol แชมป์โลกหมากล้อมแบบขาดลอยลองคิดดูสิครับว่ามันจะแพงขนาดไหนแต่มันยังไม่จบแค่นั้น Google ได้ปล่อย AlphaGo Zero ตัวใหม่ที่เก่งกว่าตัวเก่าใช้เวลาการฝึกเพียงแค่ 36 ชั่วโมงโดยที่คนได้ประเมิณค่าใช้จ่ายการฝึกตอนนั้นว่าจะประมาณ $35m เลยดีเดียว

Computing Power ที่สูงจะทำให้เราสามารถฝึก AI ได้รวดเร็วขึ้นแต่ค่าใช้จ่ายก็จะเพิ่มขึ้นตามมาอย่างเลี่ยงไม่ได้ซึ่งค่าใช้จ่ายระดับนี้ไม่ใช่สิ่งที่บริษัททั่วไปจะจ่ายไหวสิ่งนี้จึงเป็นหนึ่งในเหตุผลที่ AI ยังไม่ถูกพัฒนาอย่างแพร่หลายแบบที่พวกเราตั้งเป้าไว้

ขนาดของตลาด AI และ Machine Learning

ในช่วงสองปีให้หลังนี้เราได้เห็นบริษัทต่างๆเทเงินจำนวนมากเข้ามาพัฒนา AI แล้วมันเท่าไหร่กันละ? อ้างอิงจากงานวิจัยของบริษัท McKinsey ในปี 2016 บริษัท Tech ยักษ์ใหญ่ทั้งหลายลงทุนด้าน AI รวมเงินกันทั้งหมดได้ประมาณ 20 – 30 พันล้านเหรียญโดยที่กว่า 90% นั้นเพื่อค้นคว้าพัฒนาและนำ AI มาใช้งานส่วนอีก 10% นั้นเพื่อเทคโอเวอร์บริษัทอื่นในขณะที่บริษัท Start Up ลงทุนด้าน AI รวมกันประมาณ 6 – 9 พันล้านเหรียญสรุปแล้วตัวเลขเงินลงทุนด้าน AI จากบริษัท Tech ทุกประเภทในปี 2016 คือประมาณ 26 – 39 ล้านเหรียญ

นอกจากบริษัทด้าน Tech ที่สนใจจะลงทุน AI แล้วทาง Venture Capital หรือ VC ก็สนใจไม่แพ้กันครับ McKinsey ประเมินว่าในปี 2016 มีเงินลงทุนจากนักลงทุนภายนอกเข้ามาสนับสนุน Start Up ที่เกี่ยวกับ AI ประมาณ 8 – 12 พันล้านเหรียญแต่จุดที่น่าสนใจมากๆคือกว่า 60% ของเงินทั้งหมดถูกนำไปใช้ลงทุนกับ Start Up ที่เกี่ยวกับ Machine Learning ผมคิดว่าสิ่งนี้ไม่น่าจะเป็นแค่ความบังเอิญแต่เป็นเพราะนักลงทุนเหล่านี้น่าจะเล็งเห็นถึงปัญหาของคอขวดในการพัฒนาของวงการ AI ครับ ในส่วนนี้แต่จากจำนวนผู้เล่นในสนามแล้ว เราจะเห็นได้ว่าการแข็งขันเพื่อเป็นเจ้าตลาด Computing Power สำหรับ AI นั้นเข้มข้นเป็นอย่างมาก

บริษัทยักษ์ใหญ่ในวงการ 

Screen Shot 2561-05-21 at 6.34.21 PMIT ทั้งหลายจึงได้เล็งเห็นถึงโอกาสทางการตลาดในจุดนี้และต่างพากันเปิดตัว Cloud Machine Learing service ออกมายกตัวอย่างชื่อที่พวกเราคุ้นเคยก็มี Amazon AWS, Microsoft Azure, Google Cloud, IBM Watson, Oracle Cloud, Alibaba Cloud และเจ้าอื่นๆอีกมากมายถึงแต่ละบริษัทจะไม่เปิดเผยรายได้ที่มาจาก service ในส่วนนี้แต่จากจำนวนผู้เล่นในสนามแล้วเราจะเห็นได้ว่าการแข็งขันเพื่อเป็นเจ้าตลาด Computing Power สำหรับ AI นั้นเข้มข้นเป็นอย่างมาก A “TPU pod” built with 64 second-generation TPUs delivers up to 11.5 petaflops of machine learning acceleration. Source: Google Cloud Blog

รู้จัก DeepBrain Chain

บริษัท Deep Brain

หลายคนอาจงงๆว่าทำไมมันมีสองเวปไซต์deepbrain.aiและdeepbrainchain.orgจริงๆแล้ว DeepBrain Chain นั้นเป็นโปรเจคที่แยกตัวออกมาอีกทีโดยที่ตัวบริษัทพี่ Deepbrain นั้นเป็นบริษัทที่พัฒนา AI ให้ลูกค้ารายใหญ่มากกว่า 100 แห่งเช่น Microsoft Samsung Huawei Lenovo
ผลงานของ Deepbrain ที่ดังๆก็มีเช่นSMART 360 – Siri เวอร์ชั่นจีนที่มาก่อน Siri จะเกิดและเป็น voice assistant แรกของจีนที่มีผู้ใช้มากกว่า 17ล้านคนSmall Zhi – Amazon Echo / Alexia เวอร์ชั่นจีนที่เปิดตัวก่อน Amazon ถึง 6 เดือนด้วยกัน
  • AI Store – Platform ที่ลูกค้าสามารถเลือกซื้อเพิ่ม Skill ความสามารถให้ hardware ของตัวเองได้

โปรเจค DeepBrain Chain

อย่างที่ได้กล่าวไปก่อนหน้านี้ว่า Computing Power นั้นเป็นเหมือนกำแพงที่ทำให้ AI development ไม่โตเท่าที่ควรเพราะว่ามันแพงเกินกว่าที่ developer หลายๆคนจะเอื้มถึงDeepbrain เองก็ทำด้านนี้และต้องซื้อ Computing Power ใช้เหมือนกันเขาจึงเข้าใจปัญหานี้ซึ่งเป็นแรงบันดาลใจให้เขาเริ่มโปรเจค DeepBrain Chain ขึ้นมา
ดังนั้นเป้าหมายของ DBC คือการนำ Blockchain มาสร้าง Economy ใหม่ที่คนทั่วไปสามารถขาย Computing Power ให้กับบริษัทที่ต้องการฝึกและใช้งาน AI ได้ผลก็คือการเทรน AI จะมีความรวดเร็วขึ้นอีกทั้งยังมีค่าใช้จ่ายที่ลดลงถึง 70% อีกด้วยDeepBrain Chain ทำงานอย่างไร
DeepBrain Chain นั้นสร้าง Blockchain เป็นของตัวเองซึ่งในระบบจะถูกแยกเป็น 3 ส่วนคือConsensus:จะมีความคล้ายกับ Delegated Proof of Stake ที่จะเลือกตั้ง Node / Masternode จำนวนหนึ่งเพื่อมา validate transaction และสร้าง Block
  1. Computing:เป็นแกนหลักของ DBC ที่ขาย Computing Power โดยตัวขุดเหล่านี้จะเน้นไปทาง GPU (ซึ่ง DBC คิดว่าเหมาะกับ AI computing สุดในตอนนี้) และที่สำคัญพลังงานของมันจะใช้ไปในการประมวลผล AI เท่านั้นไม่เสียเปล่าอย่างพวก Proof of Work (ทำได้เพราะ DBC มี Consensus node แยกออกมาอย่างที่อธิบายไปในข้อ 1)
  2. Storage:เป็น Node ที่มีไว้เก็บข้อมูล Data และแชร์ Bandwidth ของคนที่มาใช้ DBC Computing Service
ดังที่ได้กล่าวมาข้างต้น AI Cloud Machine Learning นั้นเป็นตลาดที่แข่งขันกันเข้มข้นมากเมื่อดูจากรายชื่อและจำนวนผู้เล่นในตลาดแล้วถ้าอย่างนั้น DBC มีจุดเด่นอะไรที่จะไปแข่งกับคู่แข่ง Big name อย่าง Amazon หรือ Google ได้ละ? ทาง DBC ได้ให้คำตอบมาว่าบริษัทชื่อดังเหล่านี้ใช้ระบบ centralized นั้นหมายความว่าพวกเขาเหล่านั้นควบคุม Computing Power และข้อมูลจำนวนมหาศาลผลก็คือคนกลุ่มนี้จะควบคุมราคาได้ผู้ใช้งานมีแต่จะต้องยอมรับราคาที่ยังถือว่าแพงจากบริษัทเหล่านี้ในทางกลับกัน DBC ใช้ระบบ Decentralization นั้นหมายความว่าผู้ใช้งานสามารถเลือกใช้ Computing Power ที่กระจายอยู่ทั่วโลกได้โดยปกติบริษัทที่จะให้บริการ AI Cloud Machine Learning จะต้องลงทุนจำนวนมากกับ Infrastructure และ hardware ทำให้ต้นทุนสูงมากตามไปด้วยแต่ในกรณีที่ใช้ DBC ผู้ใช้งานสามารถซื้อ Computiation Power ได้แบบ P2P โดยที่คนขาย Computing Power หรือก็คือ Miner ไม่ได้มีต้นทุนที่สูงมากเหมือนบริษัทใหญ่ๆทำให้ miner สามารถเสนอราคาที่ถูกกว่าบริษัทใหญ่ๆได้นอกจากนี้คนที่ขาย Computing Power เหล่านี้ต่างก็ต้องแข่งขันในด้านของราคาเนื่องจากผู้ใช้งานจะเลือกใช้ Computing Power จากคนที่ให้ราคาถูกที่สุด  Mining Machine เครื่องขุด
เครื่องขุดเป็นเสมือน Computing Service ให้บริษัทที่ทำ AI ซึ่งการประมวลผลจะใช้ GPU (การ์ดจอ) เป็นหลัก แรกเริ่ม DBC จะออกเครื่องขุดออกมาเองเพื่อที่จะทำให้การ Adoption ฝั่งนักขุดนั้นเกิดง่ายขึ้น (ดูรายละเอียดได้ที่https://www.deepbrainchain.org/pc/en/miner.html)บางคนอาจจะสงสัยว่าแบบนี้ถ้าเรามี GPU rig ที่บ้านจะใช้ได้ไหมเรื่องนี้ DBC บอกว่าได้แต่จะมีมาตรฐานอยู่เช่นต้องเป็น Nvidia GTX 1080ti ขึ้นไป
Screen Shot 2561-05-21 at 6.38.09 PM
(รูปตัวอย่างเครื่องขุดของ DBC)

โปรเจคไปถึงไหนแล้วและมีแผนงานอย่างไร

DBC นั้นวางแผนงานที่จะมี Blockchain เป็นของตัวเองแต่ในตอนนี้เป็นเหรียญ NEP-5 อยู่บน NEO platform โดยตามแผนงาน DBC จะออก Testnet เดือนมิถุนายนและ Mainnet ตอนช่วง Q4 2018 ในช่วงในเฟสแรกของ DBC นั้นจะเน้นการพัฒนาบล็อกเชนสำหรับ computing power ซึ่งจะมีการออกเครื่องขุดเพื่อนำ GPU ไปใช้ในการทำ computing power ประมวลผลให้กับคนที่ต้องการใช้พลังประมวลผล GPU ในการเทรน AI จริงๆในเฟสถัดไป DBC ยังได้มีแผนงานที่จะทำการแลกเปลี่ยนซื้อขายข้อมูล (data exchange) อย่างมีความปลอดภัยและการเข้ามาเลือกซื้อ algorithm (marketplace) ซึ่งถ้าเฟสแรกสำเร็จเราก็คาดว่าการพัฒนาในเฟสต่อไปนอกจาก DBC มีแผนที่จะช่วยลดค่าใช้จ่ายจาก computing power ยังอยากจะลดค่าใช้จ่ายในส่วนการซื้อขาย data เนื่องจากการขาย data ในปัจจุบันสำหรับเทรน AI มักจะขายชุดข้อมูลได้แค่ครั้งเดียวเนื่องจากการขายชุดข้อมูลไปแล้วจะทำให้ข้อมูลนั้นๆกระจายไปบนอินเตอร์เนตผู้ขายจึงต้องตั้งราคาชุดข้อมูลในราคาที่แพงแต่ DBC นั้นมีแผนที่จะเก็บข้อมูลอย่างปลอดภัยบนblockchian ทำให้คนมาซื้อข้อมูลได้ในราคาที่ถูกลงและคนขายขายข้อมูลได้หลายครั้ง (จึงขายได้ในราคาที่ถูกลง) ทำให้ภาพรวมการทำAI ในอนาคตจะมีประสิทธภาพมากขึ้นและราคาถูกลง

สรุป

จุดเด่น

  • บริษัทมีประสบการณ์ด้าน AI ไม่ว่าจะเป็นด้าน data, algorithm, หรือ computing power ซึ่งเหนือคู่แข่งในด้านความพร้อมทางธุรกิจมากกว่าคู่แข่งในตลาดอย่าง SingularityNET หรือ Effect.ai ที่สำคัญคือมันไม่ใช่โปรเจคที่ ICO ใหม่ๆจะลอกเลียนแบบไอเดียง่ายๆ
  • ทีมแข็งแกร่งนอกจากทางฝั่งนักพัฒนา AI แล้วทางทีมงานยังมีทีมที่ Silicon Valley นำโดย Dongyan Wang มาพัฒนาโปรเจคทั้งระบบ
  • DeepBrain Chain จะมีคนใช้ตั้งแต่วันแรกเช่นตัวบริษัทแม่ Deepbrain หรือแม้แต่ลูกค้าของ Deepbrain
  • มีแผนงานที่เป็นไปได้โดยปกติแล้วมันยากมากที่จะทำให้คอมพิวเตอร์หรือเครื่องขุดทั่วไปมาใช้ทำงาน Computing เฉพาะด้าน AI ได้อย่างมีประสิทธิภาพ (มีความซับซ้อนในการปรับ Algorithm เพราะ Machine learning ที่มีความหลากหลายมากและต้องมีการปรับค่าตลอดเวลา) ทางโปรเจคจึงออกเครื่องขุดของตัวเองมาก่อนเพื่อตอบโจทย์ตรงนี้ราคา Marketcap ยังถือว่าไม่สูงมาก ($148m ตอนนี้) โดยคาดว่าตลาด Computing AI มีศักยภาพในการเติบโตไปเกิน $1bn
  • Community นั้น active มีการอัพเดทจากทีมงานตลอดเวลาอีกทั้งทางโปรเจคยังทำการตลาดอย่างจริงจังในหลายภูมิภาคอีกด้วย

ข้อกังวล

  • บริษัทที่คุ้นเคยกับ Platform AI เดิมๆอยู่แล้วอาจไม่ย้ายมาใช้ (หรือกลุ่มที่ลงทุนซื้อเครื่องประมวลผล AI เป็นของตัวเองไปแล้ว)
  • บริษัทยักษ์ใหญ่อาจเข้ามาทำโปรเจคแนวเดียวกันแข่ง (โอกาสต่ำเพราะว่าบริษัทใหญ่ๆต้องการทำกำไรจาก server ตัวเองไม่น่าจะมาฆ่าตัวเองด้วยการ Decentralized แต่ก็ถือว่าน่ากลัวอยู่เหมือนกัน)
  • การ Decentralized AI computing power นั้นทำได้ยากมากและยังไม่มีใครทำได้สำเร็จอีกทั้งยังต้องมี Blockchain ของตัวเองที่ประสิทธิภาพสูง (ต้องแก้ปัญหา Scaling ได้) ดังนั้นสิ่งนี้จึงเป็นเรื่องที่น่ากังวลเหมือนกันว่าทาง DBC จะทำสำเร็จหรือไม่

ใส่ความเห็น

This site uses Akismet to reduce spam. Learn how your comment data is processed.