เราใช้คุกกี้เพื่อทำให้ประสบการณ์ของคุณดีขึ้น เพื่อให้สอดคล้องกับคำสั่งใหม่ของ e-Privacy เราจำเป็นต้องขอความยินยอมจากคุณในการตั้งค่าคุกกี้ เรียนรู้เพิ่มเติม
การอ่านภาพ X-Ray Baggage Scanner ให้แม่นยำ อาศัยหลัก 3 อย่าง คือ (1) สี ที่บอกชนิดวัสดุ — ส้มคืออินทรีย์ (ยา/วัตถุระเบิด), น้ำเงินคือโลหะ (ปืน/มีด), เขียวคือวัสดุผสม (2) รูปทรงและเงา ที่ผิดปกติหรือถูกวางซ้อนกันเพื่อพราง และ (3) ความหนาแน่น (Zeff) ที่เครื่อง AI คำนวณให้ ยิ่งอ่านครบ 3 มิตินี้ ยิ่งจับของซ่อนได้ไวและพลาดน้อยลง
เครื่อง X-Ray ราคาหลักล้านที่แม่นแค่ไหน ก็ไร้ความหมายถ้าคนหน้าจออ่านภาพไม่เป็น เพราะเครื่องมันแค่ "ยิงรังสีทะลุ" แล้วแปลงเป็นภาพสีให้ดู แต่คน (หรือ AI) คือคนตัดสินว่า "อันนี้คือไดร์เป่าผม หรือปืนพก" ที่น่ากลัวคือ จุดพลาดส่วนใหญ่ไม่ได้อยู่ที่เครื่อง แต่อยู่ที่สายตาคน ยิ่งดูนานตายิ่งล้า สมาธิยิ่งหลุด ของที่ซ่อนมาแนบเนียนจึงหลุดผ่านไปได้ง่ายกว่าที่คิด
⬤ สีส้ม = วัสดุอินทรีย์ (จุดที่ต้องจ้องที่สุด)
⬤ สีน้ำเงิน = โลหะ (ปืน มีด วัตถุแข็ง)
⬤ สีเขียว = วัสดุกึ่งอินทรีย์ / อลูมิเนียม
เครื่อง X-Ray Scanner สมัยใหม่ใช้เทคนิค Material Discrimination คือแยกวัสดุด้วยสีตามค่าเลขอะตอม (Zeff) ถ้าจำ 3 สีหลักนี้ได้ คุณจะอ่านภาพได้เร็วขึ้นทันที
สีส้ม คือกลุ่มคาร์บอนต่ำ เช่น อาหาร, พลาสติก, กระดาษ — แต่ยาเสพติดและวัตถุระเบิดพลาสติก (C4) ก็ให้สีส้มเหมือนกัน ดังนั้นก้อนสีส้มทึบผิดปกติ รูปทรงแปลกๆ ในกระเป๋า คือสิ่งที่ต้องเพ่งเป็นพิเศษ
โลหะเลขอะตอมสูงจะขึ้นสีน้ำเงิน เข้มถึงดำ อาวุธปืน มีด หรือชิ้นส่วนโลหะจะเด่นชัด แต่ระวังกลลวง เช่น การถอดปืนเป็นชิ้นๆ วางกระจายปนกับของโลหะอื่น เพื่อให้ดูเหมือนขยะโลหะทั่วไป
สีเขียว คือของที่ผสมทั้งอินทรีย์และอนินทรีย์ เช่น อุปกรณ์อิเล็กทรอนิกส์ สายไฟ — จุดนี้มักถูกใช้ พรางวงจรจุดชนวน ปนไปกับแล็ปท็อปหรือ power bank
การซ่อนของผิดกฎหมายในกระเป๋ามีรูปแบบซ้ำๆ ถ้ารู้ทันจะอ่านภาพได้ไวขึ้นมาก:
จุดอ่อนที่สุดของระบบเดิมคือ "ความล้าของคน" AI เข้ามาแก้ตรงนี้พอดี เพราะ AI ไม่เหนื่อย ไม่ล้า และจำภาพอาวุธได้เป็นหมื่นแบบ เครื่อง X-Ray AI อย่างรุ่น 6040-AI และ 100100-AI ของ JARTON จะ ตีกรอบสี่เหลี่ยมเตือน (Auto-Detect) ทันทีที่เจอวัตถุต้องสงสัย พร้อมแสดงภาพ 3 มิติ หลายสี ทำให้เจ้าหน้าที่ไม่ต้องพึ่งสายตาอย่างเดียว แต่มี "ผู้ช่วยที่ไม่มีวันเผลอ" คอยชี้เป้าให้

| ปัจจัย | ระบบเดิม (คนดูอย่างเดียว) | ระบบ AI (คน + AI ช่วยชี้เป้า) |
|---|---|---|
| ความเร็วในการจับ | ขึ้นอยู่กับความชำนาญ และประสบการณ์ของเจ้าหน้าที่ | AI วิเคราะห์และแจ้งเตือน วัตถุต้องสงสัยได้ทันที |
| จุดอ่อนเรื่องความล้า | สายตาอาจล้า สมาธิลดลงเมื่อทำงานต่อเนื่อง | AI ทำงานต่อเนื่องได้ตลอดเวลา ไม่เกิดความเหนื่อยล้า |
| การชี้ตำแหน่งวัตถุ | อาจพลาดหากประสบการณ์น้อย หรือภาพซับซ้อน | AI ระบุตำแหน่งวัตถุต้องสงสัย และช่วยไฮไลต์บนภาพ |
| การแยกวัสดุ (ยาเสพติด / ระเบิด) | อาศัยการตีความสี และประสบการณ์ของผู้ปฏิบัติงาน | AI วิเคราะห์ค่า Zeff เพื่อช่วยจำแนกวัสดุอัตโนมัติ |
| ความสม่ำเสมอ (กะงาน) | ประสิทธิภาพอาจลดลง เมื่อทำงานเป็นเวลานาน | ให้ผลลัพธ์สม่ำเสมอ ตลอด 24 ชั่วโมง |
| การฝึกเจ้าหน้าที่ใหม่ | ต้องใช้เวลาเรียนรู้ และสะสมประสบการณ์ | AI ช่วยแนะนำและชี้เป้า ลดระยะเวลาการเรียนรู้ |
บทเรียนราคาแพงจากสนามบินสหรัฐ: เมื่อ "คนดูภาพ" คือจุดอ่อนที่สุด
ย้อนกลับไปช่วงปี 2015 เกิดเรื่องที่สั่นสะเทือนวงการความปลอดภัยทั่วโลก เมื่อทีมสายลับของสำนักงานผู้ตรวจการกระทรวงความมั่นคงแห่งมาตุภูมิสหรัฐ (DHS OIG) แอบทดสอบระบบตรวจของสนามบินด้วยการลักลอบนำอาวุธและวัตถุระเบิดปลอมผ่านจุดตรวจ ผลลัพธ์ที่ออกมา "น่าตกใจ" อย่างที่ประธานกรรมาธิการเรียก เจ้าหน้าที่ตรวจไม่พบวัตถุทดสอบถึง 67 จาก 70 ครั้ง คิดเป็นอัตราพลาดราว 95% Foundation for Economic Education
และแม้ในการทดสอบชุดต่อมาปี 2017 ที่มีการปรับปรุงแล้ว เจ้าหน้าที่ก็ยังปล่อยอาวุธและวัตถุระเบิดปลอมผ่านไปได้ราว 70% ของการทดสอบ Forbes
สิ่งที่เหตุการณ์นี้สอนเราตรงกับหัวข้อของเราพอดี ปัญหาไม่ได้อยู่ที่เครื่องไม่ดี แต่อยู่ที่ ขีดจำกัดของสายตาคน ที่ต้องดูภาพซ้ำๆ นับพันครั้งต่อวัน จนความล้าทำให้พลาดของที่ซ่อนแนบเนียน นี่คือเหตุผลที่หน่วยงานทั่วโลกหันมาใช้ X-Ray AI ที่ตีกรอบเตือนอัตโนมัติ เพื่อเป็น "ตาคู่ที่สอง" ที่ไม่มีวันเหนื่อยล้า ช่วยลดจุดพลาดที่เกิดจากมนุษย์ลงอย่างมีนัยสำคัญ
แหล่งอ้างอิง: DHS OIG Covert Testing (รายงานผ่าน RAND / FEE, 2015; Forbes, 2017)
Login and Registration Form