Technology Radar ฉบับที่ 21 ของ ThoughtWorks ให้ความสำคัญอย่างมากเกี่ยวกับการเพิ่มความโปร่งใสของ Machine Learning พร้อมแนะนำให้องค์กรมีความเข้าใจกระบวนการทำงานของ Machine Learning ที่เป็นปัจจัยสำคัญก่อนเลือกโมเดลมาใช้

26 Nov 2019
ThoughtWorks บริษัทที่ปรึกษาด้านซอฟต์แวร์ระดับโลก ได้รวบรวมและตีพิมพ์ Technology Radar ฉบับที่ 21 ซึ่งเผยแพร่ความคิดเห็นเกี่ยวกับเทคโนโลยีที่รวบรวมจากประสบการณ์การทำงานจริงร่วมกับพาร์ทเนอร์จากทั่วโลกและมีผลต่อวงการเทคโนโลยี โดยตีพิมพ์ปีละสองครั้ง และมีฉบับภาษาไทยให้ดาวน์โหลดด้วย
Technology Radar ฉบับที่ 21 ของ ThoughtWorks ให้ความสำคัญอย่างมากเกี่ยวกับการเพิ่มความโปร่งใสของ Machine Learning พร้อมแนะนำให้องค์กรมีความเข้าใจกระบวนการทำงานของ Machine Learning ที่เป็นปัจจัยสำคัญก่อนเลือกโมเดลมาใช้

โดยในแต่ละฉบับจะครอบคลุม 4 หัวข้อหลักได้แก่ เทคนิค เครื่องมือ แพลตฟอร์ม และภาษาและเฟรมเวิร์ค ว่าอะไรที่ควรนำไปใช้ ควรศึกษา ควรประเมินหรือควรเฝ้าระวัง ซึ่งในฉบับนี้ มีการแนะนำเครื่องมือใหม่ๆ อย่างเช่น What-If และเทคนิคใหม่ๆ เช่น Ethical Bias Testing ที่ทำให้องค์กรเข้าใจMachine Learning ได้ดียิ่งขึ้น และมีการตั้งคำถามเกี่ยวกับ 10x engineering ว่าได้ผลกับการทำงานของนักพัฒนาซอฟต์แวร์หรือไม่ หรือควรเปลี่ยนมาใช้หลักการเหมือนการบริหารทีมกีฬาแทน และความสำคัญของนโยบายความมั่นคงด้วยโค้ดสำหรับผู้ให้บริการคลาวด์ในช่วงที่มีการแข่งขันอย่างสูง

ดร.รีเบคกา พาร์สันส์ ประธานเจ้าหน้าที่บริหารด้านเทคโนโลยี (Chief Technology Officer) ของThoughtWorks กล่าวว่า "การสามารถอธิบายกระบวนการของ Machine Learning ถือเป็นหนึ่งในเรื่องที่สำคัญที่สุดของ Technology Radar ฉบับนี้

เนื่องจากเครื่องมือทาง Machine Learning มีบทบาทต่อชีวิตของทุกๆ คนมากขึ้นเรื่อยๆ แต่โมเดลหลายอย่างยังไม่สามารถถูกอธิบายในเชิงตรรกะได้อย่างชัดเจน ซึ่งเป็นปัญหาเพราะว่า เราควรทราบว่า การตัดสินใจของเครื่องจักรเหล่านี้เกิดขึ้นอย่างไรบ้าง กระบวนการฝึกโมเดลที่ไม่อาจเปิดเผยได้ อาจมีความเสี่ยงอย่างยิ่งที่จะเกิดอคติด้านต่างๆ ในโมเดล Machine Learning" เพื่อรับมือกับปัญหาดังกล่าวThoughtWorks จึงแนะนำให้ผู้บริหารธุรกิจและผู้จัดการด้าน IT ที่ดูแลระบบ Machine Learning เห็นความสำคัญของการเพิ่มความหลากหลายของผู้คนในทีมนักพัฒนาและใช้เครื่องมือต่างๆ เพื่อลดอคติและความเสี่ยง ที่ไม่ได้ตั้งใจในโมเดล Machine Learning

ประเด็นสำคัญอื่นๆ ที่มีการกล่าวถึงใน Technology Radar ฉบับล่าสุดนี้ ได้แก่

1) การทำความเข้าใจ Black Box ของ Machine Learning:

Machine Learning มีบทบาทในการตัดสินใจหลายเรื่องที่ซับซ้อนมากขึ้น แต่กระบวนการคำนวณและตัดสินใจเหล่านี้ ยังคงเป็นเรื่องยากต่อการทำความเข้าใจของมนุษย์ ดังนั้นการนำเครื่องมือที่เพิ่มความโปร่งใสมาใช้งาน และสร้างทีมนักพัฒนาที่หลากหลายจึงเป็นเรื่องสำคัญที่ควรกระทำ

2) การพัฒนาทีมซอฟต์แวร์ให้เหมือนทีมกีฬา:

แทนที่จะมุ่งเน้นการสร้าง "10x engineers" หรือ "วิศวกร 10 เท่า" ที่เน้นสร้างนักพัฒนาซอฟต์แวร์ที่โดดเด่นกว่าคนอื่นเพียงคนเดียว และทำงานโดยไม่จำเป็นต้องพึ่งพาคนอื่น แต่เสนอแนะให้มุ่งเน้นการสร้าง "10x teams" หรือ "ทีม 10 เท่า" ที่รวบรวมคนที่มีทักษะที่แตกต่างให้สามารถร่วมมือกันสร้างนวัตกรรมได้เหมือนทีมกีฬา

3) Cloud: ยิ่งทำมากยิ่งได้น้อย?:

เมื่อผู้ให้บริการคลาวด์รายใหญ่ต่างมีบริการหลักที่ความสามารถทัดเทียมกัน การแข่งขันจึงขึ้นอยู่กับบริการเสริมต่างๆ ซึ่งหลายรายพยายามเร่งรีบออกบริการใหม่ๆ จำนวนมากสู่ตลาด ทั้งที่การใช้งานยังไม่สมบูรณ์และครอบคลุม ดังนั้นผู้ใช้งานควรระมัดระวังในการเลือกใช้บริการคลาวด์ เนื่องจากแต่ละองค์กรมักมีคุณภาพบริการไม่เท่ากัน

4) การปกป้องห่วงโซ่อุปทานซอฟต์แวร์:

ปัจจุบันระบบการพัฒนาซอฟต์แวร์สามารถดำเนินการได้อย่างเป็นอัตโนมัติมากขึ้น องค์กรจึงควรหลีกเลี่ยงกฎระเบียบการจัดการต่างๆ ที่อาศัยการตรวจสอบ และอนุมัติอย่างยืดยาวโดยมนุษย์ และนำกระบวนการอัตโนมัติมาใช้มากขึ้น

Technology Radar จะมีการตีพิมพ์ทุกหกเดือน ซึ่งองค์กรหรือผู้ที่สนใจ สามารถนำไปประยุกต์ใช้เพื่อวิเคราะห์และประเมินศักยภาพทางเทคโนโลยีของตนเองได้ตลอดทั้งปี

ผู้สนใจสามารถอ่านและดาวน์โหลดรายงาน "Technology Radar" ฉบับที่ 21 ทั้งฉบับภาษาไทยและอังกฤษได้ที่ https://www.thoughtworks.com/radar