โปรดอัพเดตเบราว์เซอร์

เบราว์เซอร์ที่คุณใช้เป็นเวอร์ชันเก่าซึ่งไม่สามารถใช้บริการของเราได้ เราขอแนะนำให้อัพเดตเบราว์เซอร์เพื่อการใช้งานที่ดีที่สุด

บันเทิง

Voice สัมผัสเสียงมรณะ: ซีรีส์ไทยสุดเข้มข้นที่ชวนเราคิดถึงการใช้ Data จับคนร้ายในโลกจริง

The MATTER

อัพเดต 14 ธ.ค. 2562 เวลา 06.40 น. • เผยแพร่ 14 ธ.ค. 2562 เวลา 06.19 น. • Entertainment

เคยมีคำพูดทำนองว่า Data กำลังจะเป็นบ่อน้ำมันแห่งใหม่ของโลก เพราะมันมีมูลค่าสูงมากพอที่บริษัทต่างๆ จะนำไปใช้ประโยชน์ในด้านธุรกิจ

แต่ในความเป็นจริง Data ของผู้คนในทุกวันนี้ ไม่ได้มีแค่ประโยชน์ในทางธุรกิจเท่านั้น เพราะยังรวมไปถึงการใช้ประโยชน์ต่อภาครัฐ และการดูแลความปลอดภัยของประชาชนด้วยเหมือนกัน

‘Vocie สัมผัสเสียงมรณะ’ คือซีรีส์ไทยที่โดดเด่นมากๆ เรื่องหนึ่งในปีนี้ ซึ่งรีเมคจากซีรีส์เกาหลีเมื่อปี 2017 โดยเรื่องนี้อยู่ภายใต้การดูแลของ True CJ Creations และฉายผ่านช่อง True4U คู่ไปกับ Netflix ที่ออกอากาศขนานกันไปทุกสัปดาห์

(พาร์ทนี้มีพูดถึงเนื้อเรื่องนิดหน่อยนะ)

ซีรีส์เรื่องนี้พูดถึง เรื่องราวของทีมตำรวจชุดพิเศษที่ชื่อ‘Golden Time’ ซึ่งรับเรื่องจากสายด่วนที่ประชาชนโทรเข้ามา เพื่อแจ้งเหตุด่วนเหตุร้าย เมื่อรับเรื่องและพิจารณาถึงความรุนแรงของเคสต่างๆ แล้ว หน่วย Golden Time ก็จะรีบส่งเจ้าหน้าที่เข้าไปถึงจุดเกิดเหตุในทันที

จุดเด่นของหน่วย Golden Time อยู่ตรงที่การทำหน้าที่คล้ายกับวอร์รูม โดยใช้ Data ต่างๆ ที่ประชาชนเล่าให้ฟังมาวิเคราะห์ถึงสถานการณ์ สถานที่เกิดเหตุ รวมถึงวิเคราะห์พฤติกรรมของคนร้ายว่าเป็นอย่างไร ในทุกๆ ตอน เราในฐานะผู้ชมก็จะลุ้นไปกับทีมนี้ว่า พวกเขาจะสามารถวิเคราะห์ข้อมูลจากปลายสายได้ทันท่วงทีก่อนที่ความสูญเสียจะเกิดขึ้นรึเปล่า

ยังไม่นับรวมความสามารถพิเศษของ ร้อยตำรวจหญิง ไอริน (รับบทโดย แพนเค้ก เขมนิจ) ที่สามารถวิเคราะห์เสียงของผู้คนได้อย่างลึกซึ้ง รวมถึงการลุยงานจากดุเดือดเลือดพล่านของ ผู้หมวดอารัญ (รับบทโดย แอนดริว เกร้กสัน)

นอกจากการวิเคราะห์ ‘เสียง’ แล้ว หน่วย Golden Time ยังมีหมัดเด็ดอยู่ตรงที่การเข้าถึง Data ต่างๆ เช่น ข้อมูลส่วนตัวในโลกออนไลน์ ประวัติการทำงาน ความสัมพันธ์ของผู้มีส่วนเกี่ยวข้องกับคดีที่ปรากฎบนโซเชียลมีเดีย

ได้อย่างลึกซึ้งเพื่อกำหนดท่าทีในการเข้าไปจัดการสถานการณ์อย่างมีประสิทธิภาพ

ในขณะที่เราเขียนบทความนี้ ซีรีส์เรื่อง Voice ก็กำลังเดินเรื่องอย่างเข้มข้น (สารภาพว่าเราเองก็ติดเรื่องนี้แบบสุดๆ) บนเส้นเรื่องที่อารัญและไอริน ต้องคลี่คลายคดีต่างๆ ที่เข้ามาเป็น routine ควบคู่ไปกับคดีส่วนตัวที่ทั้งสองคนมีเป้าหมายร่วมกัน โดยใช้ Data ต่างๆ เป็นอาวุธลับในการจับคนร้ายมารับโทษ

การใช้ Data และเทคโนโลยีในโลกของความจริง

ในระหว่างที่ซีรีส์นี้ยังเดินเรื่องต่อไปอย่างสนุกและเข้มข้นสุดๆ ประเด็นสำคัญที่น่าคิดต่อไปคือ แล้วในโลกความจริงนอกซีรีส์ล่ะ ตำรวจหรือเจ้าหน้าที่รัฐสามารถใช้ Data เพื่อจับตัวคนร้ายได้จริงๆ จังๆ เหมือนกับในเรื่องแต่งรึเปล่า?

ก่อนที่จะเข้าถึงประเด็นนี้ เราอาจจะต้องเล่าถึงปัจจัยพื้นฐานกันก่อนเนอะ คือในยุคนี้ตำรวจของหลายๆ ประเทศกำลังมีปัญหาร่วมกันในเรื่อง ‘กำลังพล’ ที่ขาดแคลน ไม่ว่าจะทั้งปัจจัยเรื่องสังคมสูงวัย รวมถึงอัตราการเข้า-ออกในตำแหน่งตำรวจที่ทำให้เจ้าหน้าที่ไม่สามารถลาดตระเวน หรือไม่มีเวลาวิเคราะห์ข้อมูลได้อย่างครอบคลุมเหมือนเดิม

เมื่อปัญหาคือคนขาดแคลน Data และ AI จึงเข้ามาเป็นคำตอบ

เมื่อปี 2017 ทาง Middlesex University London ในอังกฤษได้เปิดตัวโปรเจ็กต์ชื่อ ‘ระบบ VALCRI’ โดยทำหน้าที่เหมือนเป็นนักสืบในโลกดิจิทัล

VALCRI สามารถช่วยคิดวิเคราะห์ความเป็นไปได้ว่า อาชญากรรมต่างๆ ในพื้นที่ที่มันได้ข้อมูลมา (จาก data point ในจำนวนมหาศาล) เกิดขึ้นได้อย่างไร เกิดเมื่อไหร่ รวมไปถึงคำถามยากๆ อย่าง แล้วใครเป็นผู้ก่อเหตุ-แรงจูงใจคืออะไร

อีกหนึ่งสิ่งสำคัญที่ VALCRI ช่วยตำรวจได้คือการวิเคราะห์หาแบบแผน หรือ pattern ในคดีต่างๆ ว่ามันมีจุดร่วมกันที่ตรงไหนบ้าง เช่น หลักฐานนี้มันคล้ายกับคดีอื่นอย่างไร ทั้งวิธีการใช้อาวุธและรูปแบบของเปลือกกระสุนปืน

เจ้าหน้าที่ได้เริ่มทดลองใช้ระบบนี้ในพื้นที่ West Midlands ไปแล้วและได้ผลทั้งที่น่าพอใจ และผลที่คิดว่าต้องพัฒนาระบบให้แม่นยำขึ้นกว่าเดิม อย่างไรก็ดี ถ้าหากการเข้ามาเป็นตัวช่วยของเทคโนโลยีนี้ มันสมบูรณ์มากขึ้นกว่าเดิมเมื่อไหร่ ภาระหน้าที่การงานของตำรวจก็จะลดลง และได้มีเวลาโฟกัสกับคดีอื่นๆ ได้มากขึ้น

การใช้ Big Data เพื่อสอดส่องพื้นที่ที่อาจเกิดอาชญากรรม

แม้ไม่สามารถระบุโลเคชั่นที่ชัดเจนในระดับหมายเลขห้องพัก แต่ตำรวจในหลายประเทศได้ทดลองใช้ระบบ ‘จำกัดพื้นที่’ ของเหตุอาชญากรรมมาสักพักใหญ่แล้ว

ในสหรัฐฯ มีระบบที่ชื่อว่า PredPol (ย่อมาจาก predictive policing) ซึ่งสามารถทำนายได้ว่า พื้นที่ไหนจะเกิดเหตุอาชญากรรมได้บ้าง เพื่อที่จะได้นำกำลังเจ้าหน้าที่ไปประจำจุด หรือลาดตระเวนในส่วนนั้นเป็นพิเศษ (แถมยังลดภาระการไปลาดตระเวนในจุดที่ไม่จำเป็นได้อีก) ซึ่งข้อมูลทำนองนี้ มันถูกวิเคราะห์ผ่าน AI และ Machine learning ที่ถูกป้อนข้อมูลประวัติการเกิดเหตุมาอีกทีหนึ่ง

กรณีของจีนก็น่าสนใจไม่แพ้กัน เรามักได้ยินข่าวเกี่ยวกับการสอดส่องประชาชนจากรัฐบาลจีนอยู่เสมอๆ หนึ่งในโปรเจ็กต์ที่เกิดขึ้นมาแล้ว คืองานจากบริษัท Cloud Walk ที่อ้างว่า สามารถวิเคราะห์คนหนึ่งคนได้ ว่าเขามีความเสี่ยงจะก่ออาชญากรรมได้แค่ไหน เล่าเป็นตัวอย่างก็คือ ถ้าหาก AI ของพวกเขาตรวจพบว่า ชายคนหนึ่งได้ซื้อมีดในห้างสรรพสินค้า และต่อมา คนเดิมคนนี้ยังไปซื้อสิ่งของที่อาจนำไปก่ออาชญากรรมได้อีก เช่น ค้อน หรือ ดินปืน ระบบของ Cloud Walk ก็จะประเมินความเสี่ยงว่า คนนี้อาจจะก่อเหตุได้ในอนาคต และส่งข้อมูลให้เจ้าหน้าที่จับตาพฤติกรรมต่อไป

จากทั้งกรณีของจีนและสหรัฐฯ ก็จะเห็นว่า Data ที่มีอยู่ มันสามารถนำไปใช้งานได้ทั้งในแง่ ‘ทำนาย’ ความเสี่ยงในการก่อเหตุ และช่วยวิเคราะห์เชื่อมโยงข้อมูลในเหตุที่เกิดขึ้นไปแล้ว พูดให้ถึงที่สุดคือ ใช้ประโยชน์ได้ทั้งในช่วงก่อนเกิดเหตุ และมีเหตุเกิดขึ้นไปแล้วนั่นเอง

อย่างไรก็ดี ประเด็นคำถามที่ถกเถียงกันอยู่เรื่อยๆ ก็คือ แล้วเราจะเชื่อถือข้อมูลเหล่านี้ได้มากน้อยแค่ไหนกันนะ?

อย่างกรณีของระบบ PredPol ก็ถูกตั้งข้อสังเกตเรื่องความน่าเชื่อถือพอสมควร รวมถึงคำถามที่ว่า ข้อมูลที่อยู่ในระบบและส่งให้ AI และ Machine learning วิเคราะห์นั้น มันมี ‘อคติ’  จากมนุษย์ที่เป็นผู้กรอกข้อมูลลงไปแค่ไหนบ้าง เช่น การกำหนดว่าสีผิว หรือผู้คนบางเชื้อชาติอาจะเป็นกลุ่มเสี่ยงที่จะก่อเหตุมากกว่าคนอีกกลุ่มหนึ่ง

และที่สำคัญในกรณีของจีน มันคือดีเบตที่คลาสสิกแห่งยุคสมัยเราไปแล้วว่า ตกลง การสอดส่องชีวิตความเป็นอยู่ของผู้คนในระดับเข้มข้นสุดๆ และแทบจะถูกเก็บข้อมูลในทุกนาทีของการอยู่บนพื้นที่สาธารณะนั้น มันโอเคจริงๆ ไหมนะ แล้วอะไรมันสำคัญกว่ากัน ระหว่าง การปกป้องเป็นส่วนตัวของพลเมือง กับการสอดส่องอย่างเข้มข้นโดยอ้างว่าเพื่อดูแลความปลอดภัย

เช่นเดียวกับคำถามว่า การมีหน่วยงานที่มีสิทธิเข้าถึงข้อมูลส่วนตัวของประชาชนนั้น แม้ว่าเป้าหมายคือเพื่อคุ้มครองและดูแลความปลอดภัย แต่หน่วยงานที่มีเป้าหมายที่ดี ก็ควรโปร่งใส-อยู่ใต้การกำกับดูแลอย่างเหมาะสม เพื่อไม่ให้สิทธิการเข้าถึงข้อมูลระดับมหาศาลเหล่านั้น ถูกนำไปใช้อย่างผิดๆ ด้วยหรือไม่?

อ้างอิงข้อมูลจาก

The Verge

Forbes

Newscientist

Mashable

0 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0