How AI Could Empower Any Business | Andrew Ng | TED

Translator: Supakij Patthanapitoon Reviewer: Sakunphat Jirawuthitanant

When I think about the rise of AI,

เมื่อผมนึกถึงการผงาดขึ้นของปัญญาประดิษฐ์

I'm reminded by the rise of literacy.

มันย้ำเตือนให้ผมนึกถึงการผงาดขึ้น ของการรู้หนังสือ

A few hundred years ago,

ไม่กี่ร้อยปีก่อนหน้า

many people in society thought

ผู้คนในสังคมต่างคิดว่า

that maybe not everyone needed to be able to read and write.

ไม่จำเป็นที่ทุกคน ต้องอ่านออกเขียนได้

Back then, many people were tending fields or herding sheep,

ตอนนั้นหลายคน กำลังดูแลท้องทุ่งและต้อนฝูงแกะ

so maybe there was less need for written communication.

ก็เป็นได้ที่การเขียนหนังสือ ไม่ค่อยจำเป็น

And all that was needed

มันจำเป็นสำหรับ

was for the high priests and priestesses and monks

นักบวชชั้นสูง แม่ชี และพระ

to be able to read the Holy Book,

ที่จะต้องอ่านคัมภีร์ไบเบิลออก

and the rest of us could just go to the temple or church

ส่วนที่เหลือก็แค่ ไปวัด ไปโบสถ์

or the holy building

หรือวิหารศักดิ์สิทธิ์

and sit and listen to the high priest and priestesses read to us.

นั่งลง และสดับฟังสิ่งที่ นักบวชและแม่ชีชั้นสูงอ่านให้เราฟัง

Fortunately, it was since figured out that we can build a much richer society

โชคดีที่มีคนมองออกว่า เราจะสร้างสังคมที่ร่ำรวยขึ้นได้

if lots of people can read and write.

ถ้าหากมีผู้คนสามารถอ่านออกเขียนได้ เป็นจำนวนมาก

Today, AI is in the hands of the high priests and priestesses.

วันนี้ ปัญญาประดิษฐ์อยู่ในมือ ของนักบวชและแม่ชีชั้นสูงเหล่านั้น

These are the highly skilled AI engineers,

พวกเขาคือวิศวกรปัญญาประดิษฐ์มากฝีมือ

many of whom work in the big tech companies.

ผู้ซึ่งส่วนมาก ทำงานในบริษัทเทคโนโลยียักษ์ใหญ่

And most people have access only to the AI that they build for them.

และคนส่วนมากจะเข้าถึงปัญญาประดิษฐ์ได้ จากเท่าที่เหล่าวิศวกรสร้างขึ้นเพื่อพวกเขา

I think that we can build a much richer society

ผมคิดว่าเราจะสร้างสังคมที่ร่ำรวยขึ้นได้

if we can enable everyone to help to write the future.

ถ้าหากเราอนุญาตให้ทุก ๆ คน มาช่วยเขียนอนาคตร่วมกัน

But why is AI largely concentrated in the big tech companies?

ว่าแต่ทำไมปัญญาประดิษฐ์ถึงไปกระจุกตัว อยู่กับบริษัทเทคโนโลยียักษ์ใหญ่

Because many of these AI projects have been expensive to build.

นั่นก็เพราะการสร้างปัญญาประดิษฐ์ ต้องใช้เงินมาก

They may require dozens of highly skilled engineers,

บริษัทเหล่านั้นจำเป็นต้อง ใช้วิศวกรผู้เชี่ยวชาญจำนวนหลายสิบคน

and they may cost millions or tens of millions of dollars

และใช้เงินลงทุนหลายล้าน หรือหลายสิบล้านเหรียญ

to build an AI system.

เพื่อจะสร้างปัญญาประดิษฐ์ขึ้นมา

And the large tech companies,

และบริษัทยักษ์ใหญ่เหล่านั้น

particularly the ones with hundreds of millions

โดยเฉพาะบริษัทที่ มีผู้ใช้งานหลายร้อยล้าน

or even billions of users,

หรือหลักหลายพันล้านคน

have been better than anyone else at making these investments pay off

ก็ทำได้ดีกว่าใคร ๆ ในการสร้างความคุ้มค่าให้การลงทุน

because, for them, a one-size-fits-all AI system,

เพราะสำหรับบริษัทเหล่านั้น ระบบปัญญาประดิษฐ์ครอบจักรวาล

such as one that improves web search

เช่นที่ช่วยปรับปรุงหน้าค้นหาเว็บ

or that recommends better products for online shopping,

หรือที่ช่วยแนะนำผลิตภัณฑ์ที่เหมาะสม สำหรับลูกค้าชอปปิงออนไลน์

can be applied to [these] very large numbers of users

สามารถนำไปใช้ได้กับผู้ใช้ จำนวนมากมายมหาศาล

to generate a massive amount of revenue.

เพื่อก่อให้เกิดรายได้จำนวนมาก

But this recipe for AI does not work

แต่นี่ไม่ใช่สูตรสำเร็จ ของการสร้างปัญญาประดิษฐ์

once you go outside the tech and internet sectors to other places

เพราะโลกข้างนอกบริษัทเทคโนโลยี และอินเทอร์เน็ต

where, for the most part,

ที่ซึ่ง ส่วนมากแล้ว

there are hardly any projects that apply to 100 million people

ไม่ค่อยมีโครงการไหน ที่จะนำไปใช้กับคนร้อยล้านคน

or that generate comparable economics.

หรือสร้างผลทางเศรษฐกิจขนาดใหญ่

Let me illustrate an example.

เพื่อให้เห็นภาพ ลองฟังตัวอย่างนี้

Many weekends, I drive a few minutes from my house to a local pizza store

ผมขับรถจากบ้านไปที่ร้านพิซซ่าท้องถิ่น หลายสัปดาห์ติดต่อกันเป็นประจำ

to buy a slice of Hawaiian pizza

เพื่อซื้อพิซซ่าฮาวายเอียนสักชิ้น

from the gentleman that owns this pizza store.

จากชายเจ้าของร้านพิซซ่า

And his pizza is great,

พิซซ่าเขาอร่อยมาก

but he always has a lot of cold pizzas sitting around,

ทว่าเขามีแต่พิซซ่าเย็นชืดเต็มไปหมด

and every weekend some different flavor of pizza is out of stock.

และในทุกสัปดาห์ จะมีบางหน้าที่หมดไปก่อน

But when I watch him operate his store,

เมื่อผมดูเขาจัดการงานหลังร้าน

I get excited,

ผมรู้สึกตื่นเต้น

because by selling pizza,

เพราะแทนที่เขาจะขายพิซซ่า

he is generating data.

จริง ๆ แล้วเขากำลังสร้างฐานข้อมูล

And this is data that he can take advantage of

ซึ่งมันเป็นข้อมูลที่จะทำให้เขาได้เปรียบ

if he had access to AI.

ถ้าหากเขาเข้าถึงปัญญาประดิษฐ์

AI systems are good at spotting patterns when given access to the right data,

ปัญญาประดิษฐ์จะเก่งกาจในการตรวจจับรูปแบบ ถ้ามันเข้าถึงข้อมูลที่ถูกต้อง

and perhaps an AI system could spot if Mediterranean pizzas sell really well

และบางทีปัญญาประดิษฐอาจจะจับได้ว่า พิซซ่าหน้าเมดิเตอร์เรเนียนขายดี

on a Friday night,

ในคืนวันศุกร์

maybe it could suggest to him to make more of it on a Friday afternoon.

บางทีมันอาจจะแนะนำให้เขา อบหน้านี้เพิ่มตอนบ่ายวันนั้น

Now you might say to me, "Hey, Andrew, this is a small pizza store.

ทีนี้คุณอาจจะพูดกับผมว่า ”เฮ้ แอนดรูว์ มันก็แค่ร้านพิซซ่าเล็ก ๆ

What's the big deal?"

จะไปสำคัญอะไร”

And I say, to the gentleman that owns this pizza store,

ผมจะตอบว่า สำหรับชายเจ้าของร้านพิซซ่า

something that could help him improve his revenues

อะไรก็ตามที่ช่วยเพิ่มรายได้ให้แก่เขา

by a few thousand dollars a year, that will be a huge deal to him.

แม้จะไม่กี่ร้อยเหรียญต่อปี มันสำคัญต่อเขามากจริง ๆ

I know that there is a lot of hype about AI's need for massive data sets,

ผมรู้ว่าผู้คนต่างพูดเป็นเสียงเดียวกันว่า ปัญญาประดิษฐ์จำเป็นต้องมีฐานข้อมูลขนาดใหญ่

and having more data does help.

ข้อมูลยิ่งมากยิ่งดี

But contrary to the hype,

แต่ในทางตรงกันข้าม

AI can often work just fine

ปัญญาประดิษฐ์ก็ทำงานได้ดี

even on modest amounts of data,

กับฐานข้อมูลเล็ก ๆ ด้วยเช่นกัน

such as the data generated by a single pizza store.

เช่น ข้อมูลที่เกิดขึ้นจาก ร้านพิซซ่าร้านเดียว

So the real problem is not

ดังนั้นปัญหาที่แท้จริง

that there isn’t enough data from the pizza store.

ไม่ได้อยู่ที่ร้านพิซซ่ามีข้อมูลไม่พอ

The real problem is that the small pizza store

แต่ปัญหามันอยู่ที่ ร้านพิซซ่าเล็ก ๆ นั้น

could never serve enough customers

อบพิซซ่าเสิร์ฟลูกค้าไม่เพียงพอ

to justify the cost of hiring an AI team.

ที่จะเอามาจ้างทีมปัญญาประดิษฐ์

I know that in the United States

ผมทราบมาว่าในอเมริกา

there are about half a million independent restaurants.

มีร้านอาหารอิสระกว่าห้าแสนแห่ง

And collectively, these restaurants do serve tens of millions of customers.

ร้านอาหารเหล่านี้ รวม ๆ แล้วให้บริการลูกค้าหลายสิบล้านคน

But every restaurant is different with a different menu,

ทว่าแต่ละร้านก็ทำอาหารกันคนละเมนู

different customers, different ways of recording sales

ฐานลูกค้าต่างกัน จัดเก็บข้อมูลต่างกัน

that no one-size-fits-all AI would work for all of them.

มันก็เลยไม่มีปัญญาประดิษฐ์ระบบเดียว ที่จะใช้ได้กับทุก ๆ ร้าน

What would it be like if we could enable small businesses

จะเป็นอย่างไรถ้าธุรกิจรายย่อย โดยเฉพาะร้านค้าท้องถิ่นเหล่านี้

and especially local businesses to use AI?

สามารถเข้าถึงปัญญาประดิษฐ์ได้

Let's take a look at what it might look like

มาดูกันว่าบริษัทที่ผลิตและขายเสื้อยืด

at a company that makes and sells T-shirts.

จะทำอย่างไรกับประเด็นนี้

I would love if an accountant working for the T-shirt company

ผมว่ามันน่าจะดี ถ้านักบัญชีของบริษัทเสื้อยืด

can use AI for demand forecasting.

ใช้ปัญญาประดิษฐ์ ทำนายยอดความต้องการได้

Say, figure out what funny memes to prints on T-shirts

หรือค้นหาว่าลายเส้นตลก ๆ แบบไหน ที่จะพิมพ์ลงบนเสื้อ

that would drive sales,

เพื่อกระตุ้นยอดขาย

by looking at what's trending on social media.

โดยดูจากแนวโน้มบนสื่อโซเชียล

Or for product placement,

หรือสำหรับการจัดวางผลิตภัณฑ์

why can’t a front-of-store manager take pictures of what the store looks like

ทำไมผู้จัดการหน้าร้านจะถ่ายรูป

and show it to an AI

ให้ปัญญาประดิษฐ์ดู

and have an AI recommend where to place products to improve sales?

แล้วให้มันแนะนำวิธีจัดเรียงสินค้า เพื่อเพิ่มยอดขายไม่ได้ล่ะ

Supply chain.

ห่วงโซ่อุปทาน

Can an AI recommend to a buyer whether or not they should pay 20 dollars

ปัญญาประดิษฐ์จะบอกได้ไหมว่าให้ฝ่ายจัดซื้อ จ่ายเงิน 20 เหรียญต่อผ้าหนึ่งหลา

per yard for a piece of fabric now,

ในตอนนี้เลย

or if they should keep looking

หรือแนะให้ชะลอไว้ก่อน

because they might be able to find it cheaper elsewhere?

เพราะอาจมีที่อื่นขายถูกกว่า

Or quality control.

ฝ่ายควบคุมคุณภาพ

A quality inspector should be able to use AI

ผู้ตรวจสอบคุณภาพอาจใช้ปัญญาประดิษฐ์

to automatically scan pictures of the fabric they use to make T-shirts

สแกนรูปถ่ายผ้าดิบ ที่ไว้สำหรับทำเสื้อยืดโดยอัตโนมัติ

to check if there are any tears or discolorations in the cloth.

เพื่อตรวจสอบตำหนิอย่างรอยขาดหรือรอยด่าง

Today, large tech companies routinely use AI to solve problems like these

ทุกวันนี้ บริษัทเทคโนโลยียักษ์ใหญ่ ใช้ปัญญาประดิษฐ์แก้ปัญหาพวกนี้เป็นประจำ

and to great effect.

และให้ผลดีเสียด้วย

But a typical T-shirt company or a typical auto mechanic

แต่บริษัทเสื้อยืดหรือร้านรถทั่ว ๆ ไป

or retailer or school or local farm

หรือร้านค้าปลีก โรงเรียน ฟาร์มท้องถิ่น

will be using AI for exactly zero of these applications today.

ไม่สามารถเข้าถึงปัญญาประดิษฐ์ แบบที่ว่ามาได้เลยแม้แต่น้อย

Every T-shirt maker is sufficiently different from every other T-shirt maker

ผู้ผลิตเสื้อยืดแต่ละราย ล้วนมีความแตกต่างกัน

that there is no one-size-fits-all AI that will work for all of them.

จนไม่มีปัญญาประดิษฐ์ระบบใดระบบหนึ่ง ที่จะเอามาใช้ได้กับทั้งหมด

And in fact, once you go outside the internet and tech sectors

และถ้าคุณมองออกไป ให้ไกลกว่าโลกของเทคโนโลยีและอินเทอร์เน็ต

in other industries, even large companies

ในอุตสาหกรรมอื่น แม้จะมีขนาดใหญ่กว่าก็ตาม

such as the pharmaceutical companies,

เช่นบริษัทผลิตยา

the car makers, the hospitals,

ผู้ผลิตรถยนต์ โรงพยาบาล

also struggle with this.

ต่างประสบปัญหาเหล่านี้

This is the long-tail problem of AI.

นี่คือปัญหาหางกราฟของปัญญาประดิษฐ์

If you were to take all current and potential AI projects

หากคุณนำโครงการปัญญาประดิษฐ์ ทั้งที่มีในปัจจุบันและที่กำลังจะเกิดขึ้น

and sort them in decreasing order of value and plot them,

มาเรียงลำดับตามมูลค่าจากมากไปน้อย และนำมาสร้างกราฟ

you get a graph that looks like this.

คุณจะได้กราฟหน้าตาแบบนี้

Maybe the single most valuable AI system

ระบบปัญญาประดิษฐ์ที่มีมูลค่าสูงสุด

is something that decides what ads to show people on the internet.

คือระบบที่ใช้ตัดสินใจว่า โฆษณาตัวไหนจะเด้งขึ้นมาบนอินเทอร์เน็ต

Maybe the second most valuable is a web search engine,

รองลงมาคือระบบค้นหาเว็บไซต์

maybe the third most valuable is an online shopping product recommendation system.

อันดับสามได้แก่ ระบบแนะนำผลิตภัณฑ์ชอปปิงออนไลน์

But when you go to the right of this curve,

ทีนี้ถ้าคุณเหลือบมองหางกราฟทางขวา

you then get projects like T-shirt product placement

ก็จะพบกับระบบแนะนำการจัดวางเสื้อยืด

or T-shirt demand forecasting or pizzeria demand forecasting.

การพยากรณ์ความต้องการเสื้อยืด หรือความต้องการพิซซ่า

And each of these is a unique project that needs to be custom-built.

โครงการเหล่านี้ ต้องสร้างขึ้นเองใหม่หมด

Even T-shirt demand forecasting,

แม้กระทั่งเรื่องของเสื้อยืด

if it depends on trending memes on social media,

ถ้ามันต้องใช้ข้อมูลมุกตลก ที่กำลังเป็นกระแสบนสื่อโซเชียล

is a very different project than pizzeria demand forecasting,

ก็จะแตกต่างไปอย่างมาก กับการพยากรณ์ความต้องการพิซซ่า

if that depends on the pizzeria sales data.

ถ้ามันต้องใช้ข้อมูลยอดขายพิซซ่า

So today there are millions of projects

ดังนั้นวันนี้มันจึงมีโครงการเป็นล้าน ๆ

sitting on the tail of this distribution that no one is working on,

นั่งรออยู่ตรงหางกราฟ ที่ซึ่งไม่มีใครหยิบจับมาทำ

but whose aggregate value is massive.

แต่มูลค่าโดยรวมของพวกมัน มหาศาลอย่างยิ่ง

So how can we enable small businesses and individuals

แล้วเราจะเปิดให้ ธุรกิจรายย่อยและคนทั่วไป

to build AI systems that matter to them?

สร้างระบบปัญญาประดิษฐ์ ที่เหมาะกับตัวเองได้อย่างไร

For most of the last few decades,

ไม่กี่ทศวรรษที่ผ่านมา

if you wanted to build an AI system, this is what you have to do.

การสร้างระบบปัญญาประดิษฐ์ คุณต้องทำสิ่งเหล่านี้

You have to write pages and pages of code.

คุณต้องเขียนโปรแกรมหน้าแล้วหน้าเล่า

And while I would love for everyone to learn to code,

แม้ผมจะอยากให้ทุก ๆ คน เรียนรู้ที่จะเขียนโปรแกรม

and in fact, online education and also offline education

และแม้จะมีการเรียนการสอน ทั้งออนไลน์และออฟไลน์

are helping more people than ever learn to code,

เพื่อช่วยให้คนเขียนโปรแกรมเป็น ได้มากกว่าที่เคยเป็นมา

unfortunately, not everyone has the time to do this.

โชคร้ายที่ไม่ใช่ทุกคนที่จะมีเวลาทำสิ่งนี้

But there is an emerging new way

แต่ตอนนี้มันมีวิธีการใหม่

to build AI systems that will let more people participate.

ในการสร้างระบบปัญญาประดิษฐ์ ที่ช่วยให้คนเข้ามามีส่วนร่วมได้

Just as pen and paper,

เหมือนกับที่ปากกาและกระดาษ

which are a vastly superior technology to stone tablet and chisel,

ซึ่งนับเป็นเทคโนโลยีชั้นสูง เมื่อเทียบกับศิลาจารึกและค้อนสิ่ว

were instrumental to widespread literacy,

เคยถูกใช้เป็นเครื่องมือขยายการรู้หนังสือ

there are emerging new AI development platforms

แพลตฟอร์มสร้างปัญญาประดิษฐ์แบบใหม่นี้

that shift the focus from asking you to write lots of code

แทนที่จะเรียกร้องให้คุณ เขียนโปรแกรมเป็นหน้า ๆ

to asking you to focus on providing data.

มันกลับขอให้คุณใส่ใจกับข้อมูล ที่กำลังป้อนเข้าสู่ระบบ

And this turns out to be much easier for a lot of people to do.

และมันกลับกลายเป็นความง่าย สำหรับคนจำนวนมาก

Today, there are multiple companies working on platforms like these.

ทุกวันนี้มีบริษัทหลายแห่ง กำลังสร้างแพลตฟอร์มที่ว่า

Let me illustrate a few of the concepts using one that my team has been building.

ผมจะขยายภาพคอนเซปต์นี้ให้ชัด โดยใช้โครงการที่ทีมผมกำลังสร้างขึ้น

Take the example of an inspector

ยกตัวอย่างเช่น ผู้ตรวจสอบคุณภาพ

wanting AI to help detect defects in fabric.

ที่ต้องการให้ปัญญาประดิษฐ์ ช่วยตรวจจับตำหนิของผ้าดิบ

An inspector can take pictures of the fabric

เขาก็แค่ถ่ายรูปผ้าดิบ

and upload it to a platform like this,

และอัปโหลดขึ้นบนแพลตฟอร์ม หน้าตาแบบนี้

and they can go in to show the AI what tears in the fabric look like

แล้วเขาก็ทำให้ปัญญาประดิษฐ์รู้จักว่า รอยขาดบนผ้าดิบเป็นอย่างไร

by drawing rectangles.

โดยการวาดกรอบสี่เหลี่ยม

And they can also go in to show the AI

เขายังทำให้ปัญญาประดิษฐ์รู้จักว่า

what discoloration on the fabric looks like

รอยด่างบนผ้าดิบเป็นอย่างไร

by drawing rectangles.

โดยการวาดกรอบสี่เหลี่ยม

So these pictures,

ดังนั้นรูปพวกนี้

together with the green and pink rectangles

รวมกับสี่เหลี่ยมสีเขียวสีชมพู

that the inspector's drawn,

ที่ผู้ตรวจสอบเป็นคนวาด

are data created by the inspector

เป็นข้อมูลที่สร้างขึ้นโดยมนุษย์

to explain to AI how to find tears and discoloration.

เพื่ออธิบายให้ปัญญาประดิษฐ์รู้ว่า จะหารอยขาดและรอยด่างบนผ้าได้อย่างไร

After the AI examines this data,

หลังจากที่ปัญญาประดิษฐ์สำรวจข้อมูลแล้ว

we may find that it has seen enough pictures of tears,

เราอาจพบว่ามันเห็นรูปรอยขาดเยอะพอแล้ว

but not yet enough pictures of discolorations.

แต่รูปรอยด่างยังไม่มากพอ

This is akin to if a junior inspector had learned to reliably spot tears,

มันเป็นกรณีเดียวกันกับผู้ตรวจสอบมือใหม่ ที่เรียนรู้วิธีการหารอยขาดจนคล่อง

but still needs to further hone their judgment about discolorations.

แต่ยังต้องฝึกอีกนิด สำหรับการหารอยด่างอย่างเฉียบคม

So the inspector can go back and take more pictures of discolorations

ดังนั้นผู้ตรวจสอบก็ต้องไปหารูปรอยด่าง

to show to the AI,

มาฝึกปัญญาประดิษฐ์เพิ่ม

to help it deepen this understanding.

เพื่อช่วยให้มันเข้าใจลึกซึ้งยิ่งขึ้น

By adjusting the data you give to the AI,

การปรับข้อมูลที่คุณป้อนให้ปัญญาประดิษฐ์

you can help the AI get smarter.

จะช่วยทำให้มันฉลาดขึ้น

So an inspector using an accessible platform like this

ดังนั้นถ้าผู้ตรวจสอบ สามารถเข้าถึงแพลตฟอร์มแบบนี้ได้

can, in a few hours to a few days,

แล้วให้เวลาไม่กี่ชั่วโมงไปจนถึงไม่กี่วัน

and with purchasing a suitable camera set up,

และจัดซื้อระบบกล้องถ่ายภาพที่เหมาะสม

be able to build a custom AI system to detect defects,

เขาจะสร้างระบบปัญญาประดิษฐ์ขึ้นมาได้เอง ซึ่งช่วยตรวจจับตำหนิ

tears and discolorations in all the fabric

เช่นรอยขาดหรือรอยด่าง ในผ้าดิบทุกประเภท

being used to make T-shirts throughout the factory.

ก่อนถูกนำไปใช้กับทั้งโรงงาน

And once again, you may say,

และ อีกครั้งหนึ่ง คุณอาจจะพูดว่า

"Hey, Andrew, this is one factory.

“เฮ้ แอนดรูว์ มันก็แค่โรงงานเดียว

Why is this a big deal?"

จะสำคัญอะไรนักหนา”

And I say to you,

และผมจะตอบคุณว่า

this is a big deal to that inspector whose life this makes easier

มันสำคัญต่อผู้ตรวจสอบคนนั้น เพราะชีวิตเขาจะง่ายขึ้นมาก

and equally, this type of technology can empower a baker to use AI

ในทำนองเดียวกัน เทคโนโลยีประเภทนี้ จะช่วยให้คนอบขนมใช้ปัญญาประดิษฐ์

to check for the quality of the cakes they're making,

ตรวจสอบคุณภาพเค้กที่กำลังอบ

or an organic farmer to check the quality of the vegetables,

หรือเกษตรกรออร์แกนิก ตรวจสอบคุณภาพผัก

or a furniture maker to check the quality of the wood they're using.

หรือช่างไม้ตรวจสอบคุณภาพ เนื้อไม้ที่เขากำลังทำงานด้วยอยู่

Platforms like these will probably still need a few more years

แพลตฟอร์มประเภทนี้อาจใช้เวลาอีกสองสามปี

before they're easy enough to use for every pizzeria owner.

ก่อนที่จะง่ายเพียงพอ ให้เจ้าของร้านพิซซ่าหันมาใช้งาน

But many of these platforms are coming along,

แต่แพลตฟอร์มจำนวนมาก ก็กำลังทยอยออกสู่ตลาด

and some of them are getting to be quite useful

และบางแพลตฟอร์ม ก็ก่อให้เกิดประโยชน์

to someone that is tech savvy today,

แก่ใครก็ตามที่ก้าวทันเทคโนโลยี

with just a bit of training.

ด้วยการฝึกฝนเพียงเล็กน้อย

But what this means is that,

ความหมายที่ซ่อนอยู่ก็คือ

rather than relying on the high priests and priestesses

แทนที่จะปล่อยให้อยู่ในมือ ของเหล่านักบวชและแม่ชีชั้นสูง

to write AI systems for everyone else,

เพื่อเขียนระบบปัญญาประดิษฐ์สำหรับทุกคน

we can start to empower every accountant,

เราจะริเริ่มมอบอำนาจให้แก่นักบัญชีทุกคน

every store manager,

ผู้จัดการร้านทุกคน

every buyer and every quality inspector to build their own AI systems.

ผู้จัดซื้อทุกคน และผู้ตรวจสอบทุกคน สร้างระบบปัญญาประดิษฐ์ของตัวเอง

I hope that the pizzeria owner

ผมหวังว่าเจ้าของร้านพิซซ่า

and many other small business owners like him

และเจ้าของธุรกิจรายย่อยจำนวนมากดังเช่นเขา

will also take advantage of this technology

จะเข้ามาหาประโยชน์จากเทคโนโลยีนี้ได้

because AI is creating tremendous wealth

เพราะตอนนี้ปัญญาประดิษฐ์ กำลังสร้างความมั่งคั่งอย่างมหาศาล

and will continue to create tremendous wealth.

และจะสร้างความมั่งคั่งเพิ่มขึ้นเรื่อย ๆ

And it's only by democratizing access to AI

มีเพียงแค่การทำให้ ทุกคนเข้าถึงปัญญาประดิษฐ์ได้เท่านั้น

that we can ensure that this wealth is spread far and wide across society.

ที่จะทำให้แน่ใจว่าความมั่งคั่งนี้ จะกระจายไปสู่สังคมในวงกว้าง

Hundreds of years ago.

หลายร้อยปีก่อน

I think hardly anyone understood the impact

ผมคิดว่ายากที่จะมีคนเข้าใจถึงผลกระทบ

that widespread literacy will have.

ของการกระจายการรู้หนังสือ ว่ามันยิ่งใหญ่เพียงใด

Today, I think hardly anyone understands

วันนี้ ผมคิดว่ายากที่จะมีคนเข้าใจว่า

the impact that democratizing access to AI will have.

การเปิดให้คนเข้าถึงปัญญาประดิษฐ์อย่างเสรี จะส่งผลกระทบได้มากมายเพียงใด

Building AI systems has been out of reach for most people,

การสร้างระบบปัญญาประดิษฐ์ เป็นสิ่งที่คนส่วนมากเอื้อมไม่ถึงมาโดยตลอด

but that does not have to be the case.

แต่มันไม่จำเป็นต้องเป็นเช่นนั้นเสมอไป

In the coming era for AI,

ในยุคสมัยแห่งการมาถึง ของปัญญาประดิษฐ์

we’ll empower everyone to build AI systems for themselves,

เราจะส่งเสริมให้ทุกคน สร้างระบบปัญญาประดิษฐ์ของตัวเอง

and I think that will be incredibly exciting future.

ซึ่งผมคิดว่า มันจะเป็นอนาคตที่โคตรน่าตื่นเต้น

Thank you very much.

ขอบคุณมากครับ

(Applause)

(ปรบมือ)