ก่อนจะย้ายกลับมาลงหลักปักฐานในประเทศไทยเมื่อ 4 เดือนก่อนในตำแหน่ง Chief Data Scientist & VP of Data Innovation Lab ของ บริษัท เซอร์ทิส จำกัด“จรัล งามวิโรจน์เจริญ” เป็นหนึ่งในนักไล่ล่าผู้ร้ายโดยใช้ข้อมูลที่ปรากฏในโลกไซเบอร์ เขาเป็นหนึ่งในทีมนักวิทยาศาสตร์ข้อมูล หรือ data scientist ที่ทำงานใหักับบริษัทที่ปรึกษาด้าน data science เบอร์ต้นๆ ของสหรัฐอเมริกา
เขาเรียกงานนั้นว่า “การตามจับผู้ร้าย” ให้กับหน่วยงานภาครัฐแห่งหนึ่ง ซึ่งแต่ละปีสามารถประหยัดงบประมาณภาครัฐได้ปีละหลายล้านเหรียญสหรัฐ และเป็นภาพสะท้อนของการใช้ประโยชน์จาก “ข้อมูล” ในการแก้ปัญหาของภาครัฐ ที่มีความก้าวหน้ามากในปัจจุบัน
ในโลกดิจิทัล ที่เปรียบเป็นโลกเสมือน มีความจริงหลายเรื่องที่เราไม่รู้ มีความจริงหลายเรื่องที่เราต้องฟังให้ได้ยิน และมีอีกหลายเรื่องที่ทั้งในฐานะบุคคล องค์กร ไปจนถึงระดับนโยบายของประเทศต้องตั้งรับ
ที่ห้องประชุมชั้น 4 ของออฟฟิศ บริษัท เซอร์ทิส จำกัด บริษัทให้คำปรึกษาด้าน data science และ big data analytics ในไทยที่เติบโตอย่างรวดเร็วแบบก้าวกระโดดในช่วงระยะเวลาเพียง 2 ปีที่ผ่านมา “จรัล” ค่อยๆ นั่งลงเล่าเรื่องนี้ให้เราฟังแบบยาวๆ ถึงทิศทางในช่วง 4-5 ปีที่ผ่านมาของเหตุผลที่ทำให้ data science บูม ซึ่งการมาถึงครั้งนี้มาในจังหวะที่ความพร้อมของเทคโนโลยีและความสามารถในการนำข้อมูลมาใช้มาบรรจบกัน
เขาเริ่มปูพื้นจากสิ่งที่ง่ายที่สุดเพื่อจะอธิบายเกี่ยวกับศาสตร์สำคัญในโลกยุคใหม่ “data science”
“ถ้าถามว่า data science มันคืออะไร มันเป็นคำ 2 คำว่า คือ data กับ science เหมือนกับ computer science คือเอาศาสตร์มาใช้กับ data ดังนั้น computer science ก็คือศาสตร์ที่มาใช้กับ computation เพราะฉะนั้น คำว่า data science ก็คือ การเอาศาสตร์ที่มีหลายแขนง เช่น สถิติ คอมพิวเตอร์ อัลกอริทึม optimization หรือคนที่ทำเกี่ยวกับพวก operation research (วิจัยเชิงปฏิบัติการ) และอาจจะมีพวก social science (สังคมศาสตร์) ที่ทำเกี่ยวกับ social network และ mathematics (คณิตศาสตร์) ซึ่งมีหลากหลายมาก จะเป็นศาสตร์ที่เป็นเชิงการวิเคราะห์ โดยส่วนใหญ่จะเป็นการวิเคราะห์ในแบบ quantitative analysis (การวิเคราะห์เชิงปริมาณ)”
ข้อมูล ความแม่นยำ และการคาดการณ์อนาคต
“ยุคนี้เป็นยุคคอมพิวเตอร์ เมื่อก่อนทำมือ ตอนนี้จะทำอย่างไรให้คอมพิวเตอร์เข้าใจ data ได้ ก็ต้องมีการแปลงความหมายของ data สมมติเราเก็บข้อมูล เช่น ประชากร หรือข้อมูลที่เป็น text ข้อมูลบนทวิตเตอร์ ข้อมูลบนเฟซบุ๊ก ทำอย่างไรให้เครื่องเข้าใจ ก็อาจจะต้องมีพวกอัลกอริทึม หรือคอมพิวเตอร์ หรือโปรแกรมมิง ซึ่งจะต้องแปลงข้อมูลพวกนั้น จาก text เพราะ data มีหลายรูปแบบ ทั้งที่เป็น unstructured data และ structured data ซึ่งข้อมูลจาก Text เป็น unstructured data ในความหมาย unstructured แปลว่า เครื่องโดยปกติจะมองไม่รู้เรื่องว่าคุณพิมพ์ข้อความบนทวิตเตอร์ว่าอะไร มันอ่านไม่รู้เรื่อง เพราะฉะนั้นจึงต้องมีโปรแกรมที่มาทำให้ data ที่ unstructured เป็น structured ก็มีโครงสร้างที่เครื่องจะอ่านได้ ถ้าจะอ่านในประโยคทั้งหมดนี้ อาจจะจับใจความไม่กี่คำก็เริ่มเข้าใจได้ว่ามันเกี่ยวกับอะไร เครื่องจะแปลความได้ว่า จากข้อมูลตรงนี้ จะเอาไปทำอะไรต่อ ฉะนั้น มันก็มี 2 ส่วนของคำว่า “science” กับ “data”
data ก็มีรูปแบบต่างๆ กัน เมื่อก่อนจะใช้ structured data คือ database ต่างๆ เช่น ไฟล์เก็บบนเอ็กซ์เซล หรือเก็บในที่ต่างๆ แต่ว่ายุคใหม่ที่ผ่านมาที่เพิ่มขึ้นมาและดังขึ้นมาคือเครื่องมีความสามารถประมวลผลได้ทั้งตัวหนังสือ เสียง และภาพเคลื่อนไหว มันเริ่มเข้าใจ สามารถแปลความหมายได้ แปลจากเสียงมาเป็นตัวหนังสือได้ หรือวิดีโอ จากภาพที่ซ้อนๆกัน ได้เกิดความเคลื่อนไหวเป็นอะไบ้าง ด้วยเทคโนโลยีช่วงนี้จะทำอะไรได้เยอะมาก จะมีเทคนิคใหม่ๆ ต่างๆ ไปจนถึงในระดับที่ว่า เห็นวิดีโอปุ๊บสามารถสร้างคำบรรยายได้เลยว่าวิดีโอนี้พูดเรื่องอะไร
อย่างล่าสุด DeepMind ที่กูเกิลทำ ดูเวลาที่คนพูด โดยจับความเคลื่อนไหวของปาก สามารถอ่านปาก (lip reading) ได้ว่าคนกำลังพูดอะไรอยู่ เป็น video recognition โดยดูเฉพาะส่วนที่เป็นปาก แล้วค่อยใช้เครื่องมาแปลว่าพูดอะไร
นี่คือการสร้างโมเดลที่ซับซ้อนและลึกขึ้น…
ในโลกดิจิทัล เรารู้ข้อมูลได้ทุกอย่างเพื่อจะนำไปวิเคราะห์ อย่าง e-commerce ก็สามารถรู้ได้ว่าคุณคลิกอะไรไปบ้าง พอรู้ ก็ดูว่าพฤติกรรมของคุณเป็นอย่างไร อยากซื้ออะไร มีความสนใจอะไร มีความเป็นไปได้หรือไม่ที่คุณจะซื้อของอะไรบางอย่าง ก็สามารถทำเป็นโมเดลพยากรณ์ พูดง่ายๆ แทนที่จะใช้คนมาดูหรือสังเกต ก็จะอ่านพฤติกรรมของคุณจากการคลิก เป็นการวิเคราะห์ที่ง่ายที่สุดเลยในยุคดิจิทัล
อย่างสตาร์บัคส์จะเปิดสาขาใหม่ ก็ใช้พวก geospatial ดูว่าโลเคชันไหนเป็นโลเคชันที่มี foot traffic มากสุด หมายถึงคนเดินมากที่สุด จะมีองค์ประกอบต่างๆ ที่คิดว่าน่าทำเลดี พูดง่ายๆ มันคือ “ดิจิทัลฮวงจุ้ย” ตรงนี้เป็นส่วนหนึ่งที่เซอร์ทิสก็เริ่มที่จะทำในไทยเหมือนกัน เรามองดู geospatial ว่าองค์ประกอบของแต่ละพื้นที่ ทำเลของร้านค้าต่างๆ หลายๆ รูปแบบ มีผลกระทบกับบริเวณนั้นอย่างไร ดูเรื่องค่าครองชีพ ราคาอสังหาริมทรัพย์ มันบ่งบอกอะไรบางอย่าง ที่จะเป็นตัวแปร เป็นดัชนีว่าบริเวณนั้นเป็นอย่างไร เพื่อนำไปใช้ในการตัดสินใจ ซึ่งมีความแม่นยำค่อนข้างสูง คุ้มกว่าที่จะไปเดาหรือการทำสำรวจ แต่หากไปจับพฤติกรรมโดยที่เขาไม่รู้ตัว บางทีมันเห็นข้อเท็จจริงมากกว่า
เขาบอกว่า ในโลก data science หน้าที่ของนักวิทยาศาสตร์ข้อมูลก็เป็นเหมือนเชฟ ที่ใช้ข้อมูลเป็นวัตถุดิบมาปรุงเป็นอาหารจานต่างๆ ซึ่งหมายถึงการนำประโยชน์จากข้อมูลมาใช้งาน
สู่สังคม data ไทยเพิ่งเริ่มต้น เราจะไปทางไหน
ในสหรัฐอเมริกา ไม่เฉพาะแต่ในอุตสาหกรรมค้าปลีก แต่ในทุกอุตสาหกรรม มีการนำ data มาใช้ประโยชน์ อย่างในอุตสาหกรรมการเงิน ก็จะเป็นแนว fraud detection ใช้ในการจับผู้ร้าย สมมติว่ามีคนไปถอนเงินในสถานที่แห่งหนึ่งเป็นจำนวนหลักพันหลักหมื่น แล้วอยู่ดีๆ ไปโผล่อีกที่ที่ใกล้ๆ กัน หรืออาจจะจากพร้อมพงษ์แล้วไปโผล่อีกที่รามคำแหงในระยะเวลา 5 นาที คือพอเห็น data แบบนี้ เราจะเห็นและรู้ว่า transaction แบบนี้ไม่น่าที่จะเป็นไปได้ อย่างไรก็ตาม หากจะให้แม่นยำขึ้นก็จะมีการสร้างโมเดลขึ้นมา
“คือตราบใดที่เก็บ data ได้ เก็บได้ละเอียด และเก็บได้ดี มันเอาไปทำอะไรได้เยอะ ทุกวันนี้ประเทศไทยตื่นตัวเรื่องนี้มาก แต่เรายังมีปัญหา คือ จะมี 2 ค่าย ค่ายหนึ่งเก็บ data กับอีกค่ายที่ไม่เก็บ ค่ายที่เก็บก็ไม่รู้ว่าเก็บดีหรือไม่ดี เช่น ถ้า data มาเป็น pdf แปลงยังไงดี หรือเก็บเป็นกระดาษยิ่งไปกันใหญ่ ต้องแปลงจากกระดาษเป็นคอมพิวเตอร์ จากเป็นรูปเป็นตัวอักษร ให้เป็นรูปแบบที่เครื่องเข้าใจ”
“เพราะฉะนั้น กระบวนการเก็บ data แล้วทำให้เกิดประโยชน์ ผมว่าเป็นจุดที่เมืองไทยกำลังพยายามอยู่ ก็ดีในแง่ว่าคนเริ่มตื่นตัว data เริ่มมีประโยชน์ เริ่มมีการขับเคลื่อนเรื่องนี้ อย่าง open data Thailand ตอนนี้ที่เริ่มผลักมาก็ดีขึ้น มันช่วยให้คนรู้สึกว่าเอาข้อมูลไปใช้ประโยชน์ แต่ก็ยังต้องมีอีกระดับหนึ่ง ที่จะต้องมีสื่อมาช่วยให้คนรู้จักคอนเซปต์ data literacy คือเข้าใจว่า data ทำอย่างไร เอา data เก็บอย่างไร ใช้ data อย่างไร พวกนี้เริ่มได้ตั้งแต่ตอนเด็กๆ ”
ในไทยตอนนี้ก็มีความพยายามที่จะผลักดัน open data ตรงนี้เป็น top-down ที่ถูกผลักจากด้านบน คนระดับบนอยากจะผลัก ขณะเดียวกัน เราจะทำอย่างไรให้คนข้างล่างเห็นว่าการเก็บ data การใช้ data มีประโยชน์ เพราะสุดท้ายคุณผลักมาให้ แชร์ data เขาก็แชร์ แต่แชร์แบบเละๆ
“ทีนี้ data ก็เหมือนเป็นส่วนประกอบในการทำอาหาร จึงเป็นเรื่องว่า data ต้องทำให้ดี คือต้องเริ่มจากจะเก็บ data ยังไง เก็บอะไรบ้าง วิธีการเก็บ ทำยังไงให้เกิดคุณภาพ เพราะส่วนใหญ่ตอนนี้จะเป็นปัญหาเรื่อง data entry เช่น เวลาให้คนกรอกข้อมูล อย่างคำถามในแบบสำรวจแทนที่จะมาเป็นตัวเลือก พอกำหนดมาก็จะช่วยให้ วิธีการคลีนข้อมูลง่ายขึ้น เพราะถ้าเกิดคุณเริ่มมาจากแบบฟรีฟอร์ม ซึ่งจะมีทุกรูปแบบ เช่น ถ้าแค่ให้กรอกที่อยู่ “ประเทศสหรัฐอเมริกา” กรอกอย่างไร ก็จะมีทั้ง United State, US, USA ซึ่งก็ต้องทำให้เป็นมาตรฐานเดียวกัน คือ ทำยังไงให้ลดขั้นตอน เพื่อเอาข้อมูลไปใช้ได้”
ในไทยยังมีเรื่องให้ทำอีกเยอะ เอาง่ายๆ แค่อย่างตอนนี้ที่พยายามเป็น open data ทำเรื่องความโปร่งใส เรื่องเงิน อย่างภาษีไปไหน open data ตอนนี้ก็ทำอะไรได้เยอะ ในแง่ความโปร่งใส การใช้จ่ายแต่ละพื้นที่ หรือการใช้จ่ายทางด้านการศึกษาของประเทศไทย ใช้ไปเท่าไหร่ เป็นเปอร์เซ็นต์ของจีดีพีเยอะมากเมื่อเทียบกับประเทศอื่น ถามว่างบประมาณไปใช้ที่ไหน มีข้อมูลรายละเอียด ซื้อของนั่นนี่ คอมพิวเตอร์ ซื้อหนังสือ ฯลฯ เป็นการนำข้อมูลมาใช้ประโยชน์ได้
“อย่างไรก็ตาม ในไทย การจะเข้าสู่สังคมข้อมูลยังต้องทำอีกหลายส่วน ในระดับธุรกิจที่เริ่มมีการทำกันบ้างนั้น ส่วนใหญ่ระดับธุรกิจมีการเก็บแต่ปัญหาคือไม่รู้จะนำข้อมูลมาใช้ทำอะไร ส่วนคนทั่วไป ก็เป็นเรื่องเกี่ยวกับการเข้าถึงข้อมูล จำเป็นต้องมีสื่อที่เป็น data journalism หรือการเข้าถึงเครื่องมือง่ายๆ ที่คนจะเอา data ไปใช้ได้ แต่ผมว่าตอนนี้จะเริ่มที่ว่า ทำอย่างไรให้คนเข้าใจว่า data มีประโยชน์ น่าจะเป็นประเด็นแรก”
เข้าใจประโยชน์ data เท่าทันการใช้ข้อมูล
“เราต้องทำให้คนเข้าใจว่า data เป็นไง เก็บยังไง ใช้ยังไง แล้วคือเริ่มได้ตั้งแต่เด็กๆ ลูกผม ป.5 ตอนที่เรียน เขาก็ให้เริ่มอ่านกราฟ ไปดูคุ้กกี้แต่ละร้าน แล้วมานั่งทำเป็นกราฟ ให้เด็กดู พูดง่ายๆ กราฟเป็น visualization แบบหนึ่ง สามารถทำให้คน เทียบข้อมูลได้ แทนที่จะเห็นตัวเลข 10 15 20 ถ้าเห็นเป็นกราฟ คุณเห็นเลย ฉะนั้น visualization ก็เริ่มมาเป็นอะไรอย่างหนึ่งที่ทำให้คนได้เห็นว่าตรงนี้มีประโยชน์ ก็จะมี data literacy คือ สอนให้คนเข้าใจว่าการใช้ data ทำยังไง ในฐานะผู้บริโภค ซึ่งเป็น demand side”
ขณะที่อีกด้าน “จรัล” มองว่า สื่อจะเป็นส่วนสำคัญในการขับเคลื่อนสังคมด้วยข้อมูล อย่างเรื่อง data journalism ที่ต้องทำให้เห็นว่า data มีประโยชน์ และสื่อต้องเอามาใช้ ทำให้เห็นว่าการใช้ data เป็นอย่างไร และรูปแบบจะต่างกัน อย่างตอนนี้ สถานการณ์หนังสือพิมพ์ที่สหรัฐอเมริกาก็ยังไม่ดีเช่นเดียวกับไทย สำหรับธุรกิจหนังสือพิมพ์เป็นอะไรที่ท้าทาย เพราะทุกอย่างกลายเป็นยุคที่ user-generated content ใครที่มี access ก็สามารถทำคอนเทนต์ขึ้นมาได้ เพราะฉะนั้น ถึงเวลาที่คนทำคอนเทนต์ดีๆ ต้องเริ่มสร้าง engagement
คนยุคใหม่โตมากับโลกที่เรียกว่า interactivity ทุกอย่างกดหมด ทุกอย่างเป็นเกม เพราะฉะนั้น สื่อก็ต้องเปลี่ยน ไม่ใช่ประเภททางเดียว ซึ่งส่วนที่เกี่ยวกับ interactive, visualization ก็เริ่มเข้ามา อย่างในต่างประเทศที่ journalism ดีๆ เช่น นิวยอร์กไทมส์ วอร์ชิงตันโพสต์ เดอะการ์เดียน ก็เป็นผู้นำทางด้าน data visualization ด้วย
ในการรายงานข่าวการเลือกตั้งที่ผ่านมา นิวยอร์กไทมส์ก็จะมีมิเตอร์ให้คนเริ่มกดนั่นนี่ เล่นกับการนำเสนอข่าวได้ ตรงนี้เป็นสิ่งที่ทำให้มีอะไรน่าสนใจในการเชื่อมโยงกับคนเจเนอเรชันใหม่ ที่เริ่มจะเป็นฐานของคนซื้อในอนาคต
ข่าวลือ ข่าวกรอง และการกระจายข่าวแบบโรคระบาด
จรัลชี้ว่า ในต่างประเทศเริ่มเข้าใจแนวคิดที่เรียกว่า misinformation ที่เกิดจากกรณีการเลือกตั้งประธานาธิบดีสหรัฐอเมริกาที่โดนัลด์ ทรัมป์ เป็นผู้ชนะ คือเมืองไทยมีมานานมากแล้ว (หัวเราะ) แม้ในสหรัฐอเมริกายังมีเว็บไซต์ politifact ใช้ตรวจสอบว่า สมมติ เนื้อหาจริงๆ น่าเชื่อถือได้เท่าไหร่ 80% อาจจะไม่เต็ม บิดเบือนบ้าง แต่ปัญหาตอนนื้คือ เวลาเสพข่าว คือเสพผ่านโซเชียลเน็ตเวิร์ก แล้วปัญหาของโซเชียลเน็ตเวิร์กอย่างหนึ่งคือ เวลาป้อนข่าวให้คุณ เขาป้อนตามความชิบของคุณ คุณชอบข่าวแนวนี้ มันก็จะมาเรื่อยๆ ฉะนั้น มุมมองของคุณก็ขยายเพิ่มขึ้น ถ้าเกลียดใครก็เกลียดมากขึ้น กลายเป็นว่าไม่ได้เห็นภาพทั้งหมด นี่เป็นปัญหาทั่วโลกเลย ไม่ใช่แค่ในไทย
“เราจึงจำเป็นต้องเปิดตัวเองให้มองดูโลกที่เราไม่ชอบด้วย เราอาจจะไม่รู้ สมมติ อยู่ที่อเมริกา ช่วงเลือกตั้ง คุณก็จะเจอซีเอ็นเอ็นกับฟอกซ์ แล้วแต่เลือก เดโมแครตก็ซีเอ็นเอ็น ฟอกซ์ก็รีพับลิกัน แล้วที่คุณฟัง ที่คุณเชื่อ ถ้าเสพซีเอ็นเอ็น คุณก็เชื่อซีเอ็นเอ็น โดยที่คุณไม่คิดว่าจะต้องตรวจสอบ แต่ถ้าเกิดคุณเริ่มเปลี่ยน คนที่เสพซีเอ็นเอ็นมาลองดูฟอกซ์ด้วย เราจะเห็นสองมุมมอง แล้วก็จะเริ่มสงสัย ทำไมพูดไม่เหมือนกัน ก็เริ่มฉุกคิด พูดไม่เหมือนกันแปลว่าอะไร สุดท้ายกระบวนการนี้ทำให้คนเริ่มคิด ทำให้ความว่า ‘ฉันจะหาความจริงยังไง’ เกิดขึ้นได้”
ความที่เป็นโซเชียลเน็ตเวิร์ก คุณเป็นศูนย์กลางที่มีอิทธิพล คุณก็จะกระจายข่าว มันไปเหมือนโรคระบาดเลย เพราะฉะนั้น เวลาคนเริ่มเล่น targeting marketing หรือแม้กระทั่งการเลือกตั้ง คุณก็เป็น target influencer ในเน็ตเวิร์ก พอคุณทาร์เก็ตได้ ข่าวคุณก็หลุดไว
“ตอนนี้ถามว่ามีใครอ่านข่าวแล้วไปตรวจสอบว่าจริงหรือไม่จริง ผมว่าหายาก ที่เขาเชื่อคือเขาเชื่อคนที่ส่งข่าวมาให้ เป็นคนที่เขาตาม มันเป็นเครดิต และ credential ของ influencer และ social influence ที่เกิดขึ้นในสังคมไทย ก็มีอยู่ไม่กี่จุด ถ้าไปนับดู”
“ตอนนี้ผมกำลังสนใจว่า ถ้าจะหยุดข่าวลือในเมืองไทยจะทำอย่างไร กำลังทำงานวิจัยกับอาจารย์ที่คณะนิเทศศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย เป็นหัวข้อวิจัยที่ยาก เพราะข่าวลือนี่ ถ้าคุณสามารถเห็นว่าตัวเริ่มอยู่ ณ เวลาไหน เราสามารถบอกได้ว่าใครเป็นคนปล่อยข่าวลือ เราทำได้ แต่ทุกวันนี้ เรามองไม่เห็น ในโลกดิจิทัลมันมีอะไรปิดอยู่เยอะเหมือนกัน เพราะถ้าสมมติมีคนไปโพสต์เฟซบุ๊ก ถามว่าใคร จะเซิร์ชอย่างไร คุณไม่มีข้อมูล คนที่รู้คือเฟซบุ๊กเท่านั้น ถ้าไปโพสต์ในไลน์นี่ยิ่งปิดใหญ่เลย เราไม่รู้ว่าใครเริ่มโพสต์ก่อน เพราะฉะนั้น สิ่งที่เกิด เป็นอะไรที่น่าสนใจ น่าทำ มีประโยชน์ เพียงแต่ตอนนี้มีปัญหาเรื่องการเข้าถึงข้อมูลในเมืองไทย เพราะทุกอย่าง แพลตฟอร์มที่เราใช้ทุกวัน ไม่ใช่ของไทย และกฎระเบียบเรื่องความเป็นส่วนตัวก็แตกต่างกัน
โซเชียลเน็ตเวิร์ก โลกที่ไม่มีความเป็นส่วนตัว
จรัลเล่าวว่า “เวลาผมไปประชุม คนชอบถามคำถาม เรื่องความเป็นส่วนตัว (privacy) ผมพูดได้เลยว่าไม่มี คือไม่มีในแง่ที่ว่า ไม่มีใครมีความเป็นส่วนตัว ถ้าคุณใช้เฟซบุ๊ก ใช้กูเกิล คุณไม่มีแล้ว คุณอาจจะมีกับกลุ่มคนที่คุณอยู่ กลุ่มเพื่อนในเฟซบุ๊ก สุดท้ายคือก็จะอยูที่ว่า privacy domain ของคุณอยู่ตรงไหน โดยเฉพาะเมืองไทยวันนี้ เรื่อง privacy, security, safety 3 เรื่องนี้คือ ไม่มีเลย
ของเมืองไทย คุณไปดู ถ้าไปเปิดบางเว็บไซต์ เช่น การลงชื่อรับเบี้ยประกันสังคมของคนแก่ มีชื่อ นามสกุล ที่อยู่ เบอร์โทรศัพท์ เลขประจำตัว แล้วไม่มีล็อกอิน กดคลิก ออกมาเป็นพืด
เรื่อง privacy ที่เราส่งข้อความ ส่งไลน์ ส่งเอกสารบัตรประจำตัวประชาชน ไม่ปลอดภัย เพราะเป็นเอกสารที่เวลาคุณจะไปสมัครอะไรเขาก็ใช้หมด จะขอเปลี่ยนพิน เปลี่ยนซิม ฯลฯ ในต่างประเทศจะค่อนข้างจะเคร่งมากเรื่อง identity อย่างที่สหรัฐอเมริกาไม่ใช้เลขบัตรประชาชน จะใช้เลขที่ประกันสังคม (social security) ใบนี้ใช้สมัครกับทุกอย่าง อินเทอร์เน็ต โทรศัพท์ ซึ่งทำให้เขาก็จะระวังมาก ถึงขนาดมีธุรกิจที่ทำเรื่องการปกป้องอัตลักษณ์ (identity protection) โดยจะมอนิเตอร์ว่ามีคนไปใช้ identity ของคุณที่ไหนหรือเปล่า แต่เมืองไทยยังไม่มี ถ้าวันดีคืนดีมีคนเริ่มรู้หรือจับช่องทางได้ ผมว่ามันก็เริ่ม มันต้องผุดขึ้นมา สร้างโอกาสให้คนที่อยากทำอะไรเลวร้าย
หรืออย่างพาสเวิร์ด คุณต้องสร้างให้มันยาวๆ หน่อย ให้เป็นคำมากกว่า เพราะว่าพาสเวิร์ดยาว มันก็แฮกยาก ขนาด มาร์ก ซักเคอร์เบิร์ก ก็ยังโดนแฮกทวิตเตอร์ พินเทอเรสต์
Dark Website ชุมทางแฮกเกอร์ พลังข้อมูลด้านมืด
จรัลเล่าต่อว่า “ทุกวันนี้มีตลาดที่เรียกว่า dark website ที่คนจะ trade กัน โดยจะจ้างคนมาแฮก account เพื่อให้ได้เงิน มันเป็นตลาดเลย เป็น community ถ้าเป็น account คนมีเงินอยู่ด้วยก็แพงหน่อย 200 เหรียญสหรัฐ ถ้าเป็น account ที่ไม่มีอะไร อาจจะ 50 เซนต์ แต่เขาทำเป็น community คำถามคือ เป็น community ซึ่งคนทั่วโลกมารวมกัน แล้วเขารู้ว่าประเทศไทยมันอ่อนแค่ไหน คือ เขาเห็นอยู่แล้ว อยู่ที่ว่าเขาจะทำเมื่อไหร่ อยู่ที่ว่าคุ้มหรือเปล่า”
ทีนี้ สิ่งที่น่ากลัวคือ ผู้ร้ายรวมตัวกัน แต่เวลาเราตอบโต้เรากลับต่างคนต่างทำ เมืองไทยยังต่างคนต่างทำ และนั่นเป็นปัญหา ถ้าจะสู้ให้ได้เราต้องมี collective intelligence ว่าทำอย่างไรที่คนมาอยู่ด้วยกันคุยกันได้ สามารถตัดสินใจได้ กรณี พ.ร.บ.ดิจิทัล ก็จะมีกลุ่มคนที่ร่าง พ.ร.บ. ถ้าเกิดเอาความคิดเห็นของคนรอบๆ อาจจะมีผู้เชี่ยวชาญ แล้วหากระบวนการจะเอาความเห็นตรงนี้มารวมๆ กันเพื่อทำให้ พ.ร.บ. นี้ดีขึ้น คือ พ.ร.บ. อาจจะไม่สมบูรณ์แบบ แต่ว่าอาจจะทำให้อยู่ในระดับที่ใช้งานได้ มีกระบวนการว่าเราจะปรับแก้อย่างไรต่อไป ให้ดีขึ้น
ผมว่ามันเป็นอะไรที่ดี คือตอนนี้ ทุกปัญหาพอมันเริ่มซับซ้อนมาก สิ่งที่เราพยายามจะทำคือ “คลี่คลาย ไม่ใช่แก้” เพราะปัญหาสังคมแก้แล้ว start over สุดท้ายมันก็เป็นปัญหาใหม่ ปัญหาสังคมเป็นปัญหาที่เกี่ยวกับการคลี่คลาย แล้วการคลี่คลายต้องมีกระบวนการทดลองแล้วดูว่าใช้ได้หรือไม่
มีคนเริ่มพูดเกี่ยวกับร่าง พ.ร.บ.ดิจิทัล ซึ่งจะเป็นทางออกในเชิงนโยบาย ในความรู้สึกผม ผมคิดว่ามันควรจะมีกระบวนการที่โปร่งใส ให้เกิดการวิจารณ์ และหาจุดรวมว่าเราจะพัฒนา พ.ร.บ. อย่างไร นั่นคือส่วนหนึ่งที่เราจะพัฒนาได้ อีกส่วนเป็นเรื่องของการให้การศึกษากับในทุกระดับ ตรงนี้ต้องเริ่ม เพราะเด็กสมัยนี้ ทุกคนมี digital access ทุกอย่างเลย
ถ้าวันดีคืนดี คนจะมาจับข้อมูลของคุณเรียกค่าไถ่ (ransom data) ซึ่งตอนนี้ก็เริ่มมีแล้ว ทำเยอะแล้ว ช่วงอาทิตย์ผ่านมาก็มีที่โดนเรียกค่าไถ่ คือถ้าคุณไปคลิกภาพ แล้วภาพนั้นมันเป็นโค้ด ซึ่งสามารถรันแล้วจะล็อกเครื่องของคุณ ซึ่งถ้าคุณจะให้ปลดล็อก คุณต้องไปจ่ายเงินถึงจะได้เครื่องคืน เพื่อกลับไปเข้าถึงข้อมูลได้ เรื่องนี้มีมาพักหนึ่งแล้ว เพียงแต่ว่า ผมไม่รู้ว่าการขยายตัวจะเกิดขึ้นแค่ไหน พูดง่ายๆ ว่าทุกระบบในเมืองไทยจุดอ่อนมันเยอะ ตั้งแต่เอทีเอ็ม ไปจนถึงระบบธนาคาร ฯลฯ
รับมืออนาคตและโลก เมื่อ Data คืออำนาจ
การที่รัฐบาลพยายามทำ single gateway ก็เป็นประเด็นหนึ่ง แต่ไม่แน่ใจว่าเขาทำเพราะเป็นห่วงเรื่องนี้หรือเปล่า แต่ทางเทคนิคมันก็มีแค่จุดเดียวที่คุณจะมอนิเตอร์ traffic ได้ เหมือนที่จีน แต่ถ้าเราจะเป็นห่วงเรื่องความมั่นคงของชาติ คงไม่ต้องแล้ว เพราะข้อมูลของเราตอนนี้ไปอยู่ภายใต้ประเทศอื่นหมดแล้ว เราไม่รู้ว่าข้อมูลของเราไปอยู่ที่ไหนบ้าง มีทั้งสหรัฐฯ เกาหลี จีน ฯลฯ
อย่างไรก็ตาม ความเป็นส่วนตัวมันก็เชื่อมโยงกับความมั่นคง เพราะเมื่อเริ่มรู้คน คุณก็เริ่มรู้พฤติกรรม แล้วจะทำอะไรกับพฤติกรรมนั้น เป็นดาบสองคม คือ data ก็เป็น asset (ทรัพย์สิน) ได้ ถ้าทำดี หรืออาจจะเป็น liability (หนี้สิน) ได้ ถ้าทำไม่ดี
เรากำลังอยู่ในโลกที่ใครมี data เยอะก็มีอำนาจ อย่างกระแสที่ออกมา ที่นักวิทยาศาสตร์ข้อมูลจะออกมาบอกว่ามีแอปพลิเคชันหวือหวามากเลย ถามว่าจริงๆ ว่าคนที่ทำเป็นใคร ก็คือ กูเกิล เฟซบุ๊ก อเมซอน ทั้งนั้น คือพวกที่มี data เยอะมาก แล้วเขาก็ใช้พวกเครื่องมือ อย่าง เฟซบุ๊ก ทวิตเตอร์ กูเกิล แจกเครื่องมือให้คนทดสอบเครื่องมือของเขา โดยทำเป็น open source ให้คนได้ลองใช้ ซึ่งตรงนั้นคือเขารู้ว่ามีคนเก่งๆ ที่อยู่นอกบริษัท ทำให้เกิดนวัตกรรมใหม่ๆ ได้ เพราะพวกนี้ open source คือ คุณทำเสร็จก็แชร์ เพราะฉะนั้น เขาก็ได้ประโยชน์ในเชิงว่า พอแชร์แล้ว เครื่องมือของเขาก็ดีขึ้น เขาก็เก็บข้อมูลได้มากขึ้น เขาก็ทำอะไรได้เยอะขึ้น
ผมว่าปัญหาตอนนื้คือ the rich get richer คนเก่งแล้ว มีอำนาจอยู่แล้ว รวยอยู่แล้ว ก็รวยขึ้น คือมันต้องหาอะไรไปขัดขวางพวกนี้ บางทีมันก็ยากเหมือนกัน ต้องเป็นอะไรที่หลุดมา อย่าง บล็อกเชน ฟินเทค ซึ่งก็เป็นสิ่งที่คนพยายามจะทำอยู่ แต่เราก็ไม่รู้ว่าในที่สุดจะไปถึงไหนเหมือนกัน
the rich get richer เมืองไทยยิ่งไปใหญ่ กลายเป็นความเสี่ยงของประเทศ กลายเป็นความเสียโอกาสของประชาชน
ดังนั้น คนต้องใช้ data เป็น และกระบวนการทำ data ต้องมีความโปร่งใส ซึ่งเป็นเรื่องสำคัญ เพราะการทำ data ก็เหมือนการทำอาหาร ออกมาเป็นจาน เมื่อเสิร์ฟให้ คนเห็น เออ มันดูดีนะ แต่กระบวนการข้างหลังไม่รู้ เขาอาจจะเอาวัตถุดิบที่ไม่ดีมาใช้ก็ได้ ดังนั้น ทำอย่างไรที่จะชักจูงวิธีคิดว่าต้องให้โปร่งใส นอกจากนี้ ผู้บริโภค เวลาดู data ก็ต้องดูทั้งที่คุณดูอยู่และที่คุณไม่ได้ดูอยู่ เพื่อที่จะช่วยผลักดันให้เป็น data driven society (สังคมที่ขับเคลื่อนด้วยข้อมูล)
