ເມື່ອ AI ເລີ່ມຮັບສາຍ 119: ການໂອນຍ້າຍທາງເທັກໂນໂລຊີທີ່กำลังເກີດຂຶ້ນເບື້ອງຫຼັງສາຍແຈ້ງເຫດ

ເວລາ ຕີສອງສິບເກົ້ານາທີ, ມີສາຍໂອນເຂົ້າສູ່ສູນປະຕິບັດງານ. ຜູ້ໂທມາດ້ວຍຄວາມຮີບຮ້ອນ ແລະ ມີສຽງຄົນອື່ນກຳລັງຮ້ອງໂຮຢູ່ທາງຫຼັງ, ເຈົ້າໜ້າທີ່ຮັບສາຍພະຍາຍາມປອບໂຍນພ້ອມທกระບວນການສອບຖາມທີ່ຢູ່. ເມື່ອສາຍນີ້ ดำเนินໄປຮອດວິນາທີທີສີ່ສິບ, ລະບົບເທິງໜ້າຈໍຂອງເຈົ້າໜ້າທີ່ກໍແຈ້ງເຕືອນຂຶ້ນມາວ່າ: ສົງໄສຫົວໃຈຢຸດເຕັ້ນ, ແນະນຳໃຫ້ຊີ້ນຳການປ້ຳຫົວໃຈ (CPR) ທັນທີ.

ການຕັດສິນໃຈນີ້ ບໍ່ແມ່ນເຈົ້າໜ້າທີ່ຮັບສາຍເປັນຜູ້ຄິດ, ແຕ່ແມ່ນແບບຈຳລອງ (Model) ທີ່ກຳລັງຟັງສາຍດຽວກັນນັ້ນ ເປັນຜູ້ວິເຄາະ.

ລະບົບແບບນີ້ ໄດ້ີ່ມງານຢູ່ສູນປະຕິບັດງານບາງແຫ່ງໃນສະຫະລັດອາເມລິກາ ແລະ ເດນມາກ ມາເປັນເວລາຫຼາຍປີແລ້ວ. ມັນສະແດງໃຫ້ເຫັນທັງດ້ານທີ່ໜ້າເຊື່ອຖືທີ່ສຸດຂອງ AI ເມື່ອກ້າວເຂົ້າສູ່ການບໍລິການສາທາລະນະ, ແລະ ດ້ານທີ່ຕ້ອງການການກວດກາຄວບຄຸມຫຼາຍທີ່ສຸດເຊັ່ນກັນ.

ພື້ນຫຼັງເຫດການ

ຄວາມຫຍຸ້ງຍາກຂອງສູນແຈ້ງເຫດສຸກເສີນທົ່ວໂລກແມ່ນຄືກັນໝົດ: ພະລັງງານຄົນບໍ່ພຽງພໍ, ອັດຕາການຍົກຍ້າຍສູງ, ระยะເວລາຝຶກອົບຮົມຍາວນານ, ຍິ່ງໄປກວ່ານັ້ນ ທຸກໆສາຍໂທເຂົ້າແມ່ນຜິດພາດບໍ່ໄດ້. ສູນແຈ້ງເຫດໃນຫຼາຍໆເຂດຂອງສະຫະລັດອາເມລິກາ ປະສົບກັບບັນຫາຂາດແຄນບຸກຄະລາກອນຢ່າງຮຸນແຮງໃນຊຸມປີມໍ່ໆມານີ້, ເຮັດໃຫ້ເວລານັ່ງລໍຖ້າສາຍດົນຂຶ້ນ — ໃນສະຖານະການທີ່ອັດຕາການລອດຊີວິດຄິດໄລ່ເປັນນາທີຢ່າງການຫົວໃຈຢຸດເຕັ້ນ, ເວລານັ່ງລໍຖ້າກໍແມ່ນຊີວິດຄົນ.

ດັ່ງນັ້ນ, ຂົງເຂດນີ້ທີ່ເດີມທີມີຄວາມລະມັດລະວັງສູງສຸດ ຈຶ່ງກາຍເປັນພື້ນທີ່ທີ່ການນຳໃຊ້ AI ເຂົ້າສຳຫຼວດຢ່າງຕັ້ງໜ້າທີ່ຄາດບໍ່ເຖິງ. ເສັ້ນທາງເຕັກໂນໂລຊີສາມາດແບ່ງອອກເປັນ 4 ប្រเภทຫຼັກໆ.

ປະເພດທຳອິດແມ່ນ ການວິເຄາະແບບຮຽນທັນທີໃນຂະນະໂທ. ລະບົບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning) ຈາກ Corti ຈະວິເຄາະການສົນທະນາທີ່ກຳລັງເກີດຂຶ້ນ, ຮັບຮູ້ສະຖານະການສຳຄັນເຊັ່ນ: ຫົວໃຈຢຸດເຕັ້ນ ແລະ ແຈ້ງເຕືອນເຈົ້າໜ້າທີ່ຮັບສາຍ. ໜ່ວຍງານດັບເພີງຊີແອດເທິລ (Seattle Fire Department) ຖືເປັນໜຶ່ງໃນໜ່ວຍງານທຳອິດໆທີ່ນຳມາໃຊ້.

ປະເພດທີສອງແມ່ນ ການແຍກປະເພດສາຍໂທທີ່ບໍ່ແມ່ນເຫດສຸກເສີນ. ສາຍໂທເຂົ້າສູນປະຕິບັດງານຈຳນວນຫຼວງຫຼາຍ ທີ່จริงແລ້ວບໍ່ຈຳເປັນຕ້ອງສົ່ງໜ່ວຍງານໄປທັນທີ — ການຮ້ອງຮຽນເລື່ອງສຽງລົບກວນ, ການຈອດລົດຜິດກົດລະບຽບ, ການສອບຖາມຂັ້ນຕອນ. Aurelian ຖືກອອກແບບມາເພື່ອອັດຕະໂນມັດວຽກງານສ່ວນນີ້ໂດຍສະເພາະ, ເຮັດໃຫ້ສາຍສຸກເສີນແທ້ໆ ບໍ່ຈຳເປັນຕ້ອງຖ້າຄິວ. ບໍລິສັດສະຕາດອັບຈາກຊີແອດເທິລແຫ່ງນີ້ ໄດ້ປິດການລະດົມທຶນຮອບ Series A ចຳນວນ 14 ລ້ານໂດລາສະຫະລັດ ໃນເດືອນສິງຫາ 2025.

ປະເພດທີສາມແມ່ນ ການຂຽນລະບົບການຮັບເລື່ອງ ແລະ ສົ່ງໜ່ວຍງານໃໝ່ທັງໝົດ. Carbyne ໂດດເດັ່ນໃນເລື່ອງລະບົບ 911 ຍຸກໃໝ່ (NG911), ສ່ວນ Mark43 ລວມເອົາການສົ່ງໜ່ວຍງານ, ການບັນທຶກ, ລະບົບມືຖື ແລະ ການວິເຄາະເຂົ້າເປັນລະບົບຄລາວຊຸດດຽວກັນ, ພ້ອມທັງເພີ່ມ ReportAI ສຳລັບສ້າງຮ່າງລາຍງານອັດຕະໂນມັດ ແລະ BriefAI ສຳລັບສະຫຼຸບສັງລວມບົດລາຍງານປະຕິບັດງານ, ເຊິ່ງທາງການລະບຸວ່າໄດ້ນຳໃຊ້ເຂົ້າໃນໜ່ວຍງານຫຼາຍກວ່າ 300 ແຫ່ງແລ້ວ.

ປະເພດທີສີ່ແມ່ນ ການເຊື່ອມໂຍງຂໍ້ມູນຂ້າມລະບົບ. ប្រเภทນີ້ເບິ່ງຄືວ່າບໍ່ໂດດເດັ່ນແຕ່ສຳຄັນທີ່ສຸດ: ສິ່ງທີ່ Peregrine ເຮັດແມ່ນການເຊື່ອມຕໍ່ລະບົບເກົ່າຫຼາຍສິບລະບົບຂອງຕຳຫຼວດ ແລະ ດັບເພີງທີ່ປົກກະຕິແລ້ວເຊື່ອມຕໍ່ກັນບໍ່ໄດ້ ເຂົ້າມາເປັນລະບົບດຽວກັນ, ເຮັດຄວາມສະອາດ ແລະ ຈັດຮູບແບບຂໍ້ມູນ, ເຮັດໃຫ້ເຈົ້າໜ້າທີ່ເຂົ້າເຖິງຂໍ້ມູນພື້ນຫຼັງທີ່ສົມບູນໄດ້ໃນບ່ອນດຽວກັນ. ພວກເຂົາຫາກໍ່ສຳເລັດການລະດົມທຶນຮອບ Series D ចຳນວນ 250 ລ້ານໂດລາສະຫະລັດ.

ສິ່ງທີ່ຄວນສັງເກດຄືຄວາມໄວໃນການລວມຕົວຂອງອຸດສາຫະກຳ. Axon ໄດ້ເຂົ້າຊື້ກິດຈະການ Prepared ເຊິ່ງເປັນບໍລິສັດ AI ດ້ານ 911 ເຊັ່ນກັນ ໃນປີ 2025 ແລະ ເຂົ້າຊື້ກິດຈະການ Carbyne ດ້ວຍມູນຄ່າການປະເມີນ 625 ລ້ານໂດລາ — ຂົງເຂດນີ້ກຳລັງປ່ຽນຈາກການຕໍ່ສູ້ກັນຂອງບັນດາສະຕາດອັບ ໄປສູ່ຕະຫຼາດຜູກຂາດໂດຍກຸ່ມນ້ອຍ.

ຈຸດສຳຄັນຂອງບົດຄວາມ

• ບົດບາດຂອງ AI ແມ່ນການຊ່ວຍເຫຼືອ, ບໍ່ແມ່ນການຕັດສິນໃຈ: ປັດຈຸບັນລະບົບທັງໝົດຖືກອອກແບບມາໃຫ້ເປັນ "ການແຈ້ງເຕືອນເຈົ້າໜ້າທີ່", ການຕັດສິນໃຈຂັ້ນສຸດທ້າຍຍັງຄົງຢູ່ກັບມະນຸດ. ເສັ້ນແບ່ງນີ້ຕ້ອງຮັກສາໄວ້ໃຫ້ໝັ້ນໃນຂົງເຂດທີ່ມີຄວາມສ່ຽງສູງ.
• ສິ່ງທີ່ປະຫຍັດໄດ້ຫຼັກໆຄືເວລາເຮັດເອກະສານ: ບັນຫາທີ່ເຈົ້າໜ້າທີ່ຕຳຫຼວດ ແລະ ດັບເພີງຈົ່ມຫຼາຍທີ່ສຸດຄືການນັ່ງພິມລາຍງານກ່ອນເລີກວຽກ. ຄຸນສົມບັດຢ່າງ ReportAI ແລະ BriefAI ເຂົ້າມາແກ້ໄຂຈຸດເຈັບປວດນີ້ໂດຍກົງ, ແທນທີ່ຈະໄປທົດແທນການຕັດສິນໃຈໃນແຖວໜ້າ.
• ການເຊື່ອມໂຍງຂໍ້ມູນຍາກກວ່າການສ້າງແບບຈຳລອງ: Peregrine ໃຊ້ຮູບແບບການນຳໃຊ້ໂດຍສົ່ງວິສະວະກອນໄປປະຈຳການຢູ່ໜ້າວຽກຂອງລູກຄ້າ, ເນື່ອງຈາກຮູບແບບຂໍ້ມູນຂອງໜ່ວຍງານລັດມີຄວາມວຸ່ນວາຍຈົນບໍ່ສາມາດປະມວນຜົນຈາກໄລຍະໄກໄດ້. ເລື່ອງນີ້ບໍ່ມີທາງລັດ.
• ຂໍ້ຂັດແຍ້ງກໍ່ມີຄວາມເປັນຈິງເຊັ່ນກັນ: ShotSpotter ພາຍໃຕ້ SoundThinking ທີ່ເຮັດໜ້າທີ່ກວດຈັບສຽງປືນ ໄດ້ຮັບການຕັ້ງຄຳຖາມມາດົນນານເລື່ອງອັດຕາການແຈ້ງເຕືອນຜິດພາດ ແລະ ຄວາມຄຸ້ມຄ່າຂອງຕົ້ນທຶນ. ບາງເມືອງເຊັ່ນ ຊິຄາໂກ ເຄີຍຍົກເລີກ ຫຼື ຫຼຸດຜ່ອນສັນຍາລົງ. ເມື່ອລະບົບອານກໍລຶທຶມ (Algorithm) ເລີ່ມເປັນຜູ້ຕັດສິນໃຈວ່າກຳລັງຕຳຫຼວດຄວນໄປໃສ, ການໂຕ້ວາທີໃນສັງຄົມຈຶ່ງເປັນສິ່ງທີ່ຈຳເປັນ.

ການວິເຄາະຜົນກະທົບຕໍ່ຕະຫຼາດ

ສຳລັບຜູ້ໃຊ້ງານທົ່ວໄປ: ຄວາມຮູ້ສຶກໃນໄລຍະສັ້ນອາດຈະຍັງບໍ່ຊັດເຈນປານໃດ. ລະບົບ 119 ແລະ 110 ຂອງໄຕ້ຫວັນມີໂຄງສ້າງທີ່ແຕກຕ່າງຈາກສະຫະລັດ ແລະ ບໍ່ມີມາດຕະຖານ NG911 ນີ້. ສິ່ງທີ່ມີໂອກາດເກີດຂຶ້ນກ່ອນໝູ່ແມ່ນ "ການແຍກປະເພດຄະດີທີ່ບໍ່ແມ່ນເຫດສຸກເສີນ" — ການອັດຕະໂນມັດສາຍດ່ວນປະຊາຊົນເຊັ່ນ: ການບໍລິການ 1999, ເຊິ່ງມີມາດຕະຖານເຕັກໂນໂລຊີຕໍ່າກວ່າການແຈ້ງເຫດສຸກເສີນຫຼາຍ ແລະ ມີຄວາມສ່ຽງໜ້ອຍກວ່າ.

ສຳລັບການນຳໃຊ້ໃນภาคທຸລະກິດ: ຜົນກະທົບຕໍ່ເນື່ອງຈາກເຕັກໂນໂລຊີນີ້ເປັນສິ່ງທີ່ຄວນສັງເກດ. ຄວາມຕ້ອງການດ້ານຄວາມປອດໄພທາງເຂົ້າອອກຂອງຫ້ອງສຸກເສີນໂຮງໝໍ, ສະຖານທີ່ຂະໜາດໃຫຍ່, ສະຖາບັນການສຶກສາແມ່ນມີຢູ່ຈິງ, Athena Security ກ່ຽວກັບການກວດຈັບອາວຸດແບບເດີນຜ່ານ, ພ້ອມທັງ Rekor ກ່ຽວກັບການຈົດຈຳປ້າຍທະບຽນລົດ ແລະ ເຫດການ, ທັງໝົດນີ້ກຳລັງຂະຫຍາຍໄປສູ່ຂົງເຂດການແພດ ແລະ ທຸລະກິດ. ເຫດການຄວາມຮຸນແຮງໃນໂຮງໝໍຂອງໄຕ້ຫວັນກໍ່ບໍ່ແມ່ນເລື່ອງແປກໃໝ່, ເຊິ່ງມີຄວາມຕ້ອງການຕົວຈິງໃນສ່ວນນີ້.

ສຳລັບນັກພັດທະນາ: ໂອກາດທີ່ແທ້ຈິງແມ່ນຢູ່ຊັ້ນການເຊື່ອມໂຍງ (Integration Layer) ບໍ່ແມ່ນຊັ້ນແບບຈຳລອງ (Model Layer). ລະບົບຂອງໜ່ວຍງານລັດໃນໄຕ້ຫວັນມີຄວາມແຕກແຍກບໍ່ໜ້ອຍກວ່າສະຫະລັດ, ໃຜທີ່ສາມາດເຊື່ອມຕໍ່ຂໍ້ມູນທີ່ມີຢູ່ແລ້ວເຂົ້າກັນໄດ້, ຈັດຮູບແບບຄວາມໝາຍໃຫ້ກົງກັນ, ແລະ ສະໜອງການໂຕ້ຕອບທີ່ຄົ້ນຫາງ່າຍ, ຄົນນັ້ນກໍ່ຈະມີມູນຄ່າ. ມາດຕະຖານສູງ, ຄວາມຕິດພັນຂອງຜູ້ໃຊ້ກໍ່ສູງຕາມ.

ທ່າອ່ຽງການພັດທະນາໃນອະນາຄົດ

ຂ້າພະເຈົ້າປະເມີນວ່າໃນຊ່ວງ 2-3 ປີຂ້າງໜ້າ ຈະກ້າວໄປ 3 ທິດທາງ.

ໜຶ່ງແມ່ນ ຈາກການແຈ້ງເຕືອນໄປສູ່ການຮ່າງບົດລາຍງານ. AI ບໍ່ພຽງແຕ່ແຈ້ງເຕືອນວ່າ "ນີ້ອາດຈະເປັນການຫົວໃຈຢຸດເຕັ້ນ", ແຕ່ຈະຂຽນຮ່າງບັນທຶກຄະດີທັງໝົດອອກມາໂດຍກົງ, ມະນຸດພຽງແຕ່ເຮັດໜ້າທີ່ກວດສອບ. ການຍອມຮັບໃນການອັດຕະໂນມັດເອກະສານແມ່ນສູງກວ່າການອັດຕະໂນມັດການຕັດສິນໃຈຢ່າງຫຼວງຫຼາຍ, ເຊິ່ງຈະແຜ່ຫຼາຍກ່ອນ.

ສອງແມ່ນ ລະບຽບການຄວບຄຸມຈະຕາມທັນ. 法規 AI ຂອງສະຫະພາບເອີຣົບ ໄດ້ຈັດປະເພດການນຳໃຊ້ດ້ານການບັງຄັບໃຊ້ກົດໝາຍໃຫ້ເປັນຄວາມສ່ຽງສູງແລ້ວ, ແລະ ຫຼາຍລັດໃນສະຫະລັດກໍ່ອອກກົດໝາຍກຳນົດໄລຍະເວລາການເກັບຮັກສາຂໍ້ມູນການຈົດຈຳປ້າຍທະບຽນລົດແລ້ວ. ໄລຍະເວລາທີ່ເຕັກໂນໂລຊີແລ່ນໜ້າແລ້ວລະບຽບຕາມຫຼັງແມ່ນໃກ້ຈະສິ້ນສຸດລົງ.

ສາມແມ່ນ ການລວມກິດຈະການຈະສືບຕໍ່ຂຶ້ນ. ການເຂົ້າຊື້ກິດຈະການ Prepared ແລະ Carbyne ຢ່າງຕໍ່ເນື່ອງຂອງ Axon ເປັນພຽງຈຸດເລີ່ມຕົ້ນ. ການຈັດຊື້ຈັດຈ້າງຂອງໜ່ວຍງານລັດມັກຊ່ອງທາງດຽວ, โຄງສ້າງນີ້ຈະບັງຄັບໃຫ້ຜູ້ສະໜອງລວມຕົວເປັນແພລດຟອມຂະໜາດໃຫຍ່.

ບົດສະຫຼຸບ ແລະ ຄຳເຫັນຈາກ TheAI學院

ໃນຂະນະທີ່ຂຽນຫົວຂໍ້ນີ້, ສິ່ງທີ່ເຮັດໃຫ້ຂ້າພະເຈົ້າສົນໃຈທີ່ສຸດບໍ່ແມ່ນຄວາມເກັ່ງກາດຂອງເຕັກໂນໂລຊີ, ແຕ່ແມ່ນ ຕົວເລກຜົນປະໂຫຍດຂອງລະບົບເຫຼົ່ານີ້ແມ່ນເກືອບທັງໝົດມາຈາກການເປີດເຜີຍຂອງບໍລິສັດຜູ້ຜະລິດເອງ. ຄຳເວົ້າປະເພດ "ເວລາຕອບສະໜອງຫຼຸດລົງສອງຕົວເລກເປັນເປີເຊັນ" ຫຼື "ອາຊະຍາກຳທີ່ຮຸນແຮງຫຼຸດລົງ 45%" ຄວນຈະມີການກວດສອບຢ່າງເປັນອິດສະຫຼະໃນລະດັບນະໂຍບາຍສາທາລະນະ, ແຕ່ປັດຈຸບັນສ່ວນໃຫຍ່ຍັງບໍ່ທັນມີ. ຂໍ້ຂັດແຍ້ງຂອງ ShotSpotter ກໍ່ເກີດຂຶ້ນແບບນີ້: ບໍ່ແມ່ນວ່າເຕັກໂນໂລຊີໃຊ້ການບໍ່ໄດ້ເລີຍ, ແຕ່ຜົນປະໂຫຍດທີ່ກ່າວອ້າງບໍ່ສາມາດຮອງຮັບຕົ້ນທຶນ ແລະ ລາຄາທີ່ສັງຄົມຕ້ອງຈ່າຍໄດ້.

ຄຳເຫັນ: ເມື່ອ AI ກ້າວເຂົ້າສູ່ຄວາມປອດໄພສາທາລະນະ, คำຖາມທີ່ຄວນຖາມແທ້ໆ ບໍ່ແມ່ນ "แม่ນຍຳບໍ?", ແຕ່ແມ່ນ "ໃຜເປັນຜູ້ກວດສອບ, ເກັບຮັກສາຂໍ້ມູນໄວ້ດົນປານໃດ, ໃຜມີສິດຄົ້ນຫາ, ຄົ້ນຫາແລ້ວມີການບັນທຶກປະຫວັດໄວ້ບໍ" — ปัญหาທາງເທັກໂນໂລຊີມີທາງແກ້, ແຕ່ບັນຫາການຄຸ້ມຄອງ (Governance) ບໍ່ມີຄຳຕອບມາດຕະຖານ.

ຄຳແນະນຳທີ່ເປັນຮູບປະທຳສຳລັບຜູ້ອ່ານ: ຖ້າທ່ານຢູ່ໃນໜ່ວຍງານລັດ ຫຼື ຫ่วงໂຊຸ່ສັບພະຍາກອນທີ່ກ່ຽວຂ້ອງ, ສິ່ງທີ່ຄວນລົງທຶນຫຼາຍที่สุดໃນຕອນນີ້ ບໍ່ແມ່ນການຮີບຮ້ອນນຳໃຊ້ແບບຈຳລອງ, ແຕ່ແມ່ນການຈັດລະບຽບຂໍ້ມູນໃນມືໃຫ້ສະອາດ — ຄວາມໝາຍຂອງຄໍລຳ, ລະຫັດຈັບຄູ່, ນະໂຍບາຍການເກັບຮັກສາ. ປະສົບການຂອງສະຫະລັດສະແດງໃຫ້ເຫັນຢ່າງຈະແຈ້ງວ່າ, ໜ່ວຍງານທີ່ບໍ່ໄດ້ຈັດລະບຽບຂໍ້ມູນພື້ນຖານໃຫ້ດີ, ໂຄງການ AI ເກືອບທັງໝົດແມ່ນຈົບລົງດ້ວຍຄວາມລົ