เทคโนโลยีอย่าง AI ไม่ได้จำเป็นว่าจะต้องนำมาแก้ปัญหาที่มีความซับซ้อนแต่จับต้องไม่ได้ แต่เพียงอย่างเดียว อย่าง Makoto Koike นักออกแบบ Embedded System ได้ตัดสินใจนำเอาระบบ Deep Learning บน TensorFlow ของกูเกิลมาใช้ในฟาร์มแตงกวาของพ่อแม่ตัวเอง เพื่อช่วยเรื่องการคัดแยกแตงกวาทั้งเรื่องของขนาด สี ฯลฯ ซึ่งช่วยลดระยะเวลาในการคัดแยกลงไปได้ค่อนข้างมาก

เมื่อวานนี้ Mark Zuckerberg ไปอิตาลีและร่วมงาน Q&A ที่ Town Hall ในกรุงโรม เปิดให้นักศึกษาเข้าร่วมพูดคุย ถามตอบกับ Mark โดยตรง ซึ่งภรรยาของเขา Priscilla Chan ก็เข้าร่วมงานด้วย นั่งอยู่แถวหน้าสุด

ในงานนี้ เขาเปิดเผยข้อมูลของระบบสั่งการเครื่องใช้ไฟฟ้าในบ้านที่เขาทำขึ้นมาเอง เขาบอกว่าที่บ้านเขาสามารถเปิดประตู ปิดประตู หรือเปิดปิดเครื่องใช้ไฟฟ้าต่างๆ ได้ด้วยคำสั่งเสียง แต่เป็นเสียงของเขาคนเดียวเท่านั้น ไม่รวมเสียงของภรรยา Priscilla ด้วย เขาบอกว่านี่เป็นหนึ่งในประโยชน์ของการเป็นวิศวกร และเขาจะให้ภรรยาเข้าถึงการใช้งานได้ ต่อเมื่อเขาสร้างมันเสร็จสมบูรณ์แล้ว

ปัญหาคนแสดงความเห็นแบบ "ยาวไปไม่อ่าน" คงเป็นปัญหากันทั้งโลกที่แก้ได้ยาก แต่กรณีกูเกิล ทางแก้หนึ่งที่เป็นไปได้คือเขียนปัญญาประดิษฐ์ขึ้นมาช่วยอ่านและสรุปมาให้

กูเกิลใช้เทคนิค sequence-to-sequence learning นำฐานข้อมูล Gigaword มาเรียนรู้กระบวนการสร้างข้อความสรุปเพราะตัวฐานข้อมูลคือเนื้อข่าวและหัวข่าวอยู่แล้ว

ตอนนี้โมเดลยังจำกัดอยู่ที่การอ่านไม่กี่ประโยคและสรุปออกมาได้เป็นประโยคสั้นๆ ในอนาคตทีมงาน Google Research กำลังหาทางให้อ่านเอกสารขนาดยาว และสรุปเป็นบทคัดย่อออกมาได้ด้วย รวมถึงการปรับปรุงคุณภาพการสรุปให้ดีขึ้น

ไมโครซอฟท์ซื้อกิจการบริษัท Genee ผู้ช่วยส่วนตัวสำหรับนัดหมายการประชุมต่างๆ ให้อัตโนมัติ โดยนำเทคนิคด้าน AI มาช่วยแก้ปัญหา

Genee ก่อตั้งในปี 2014 เพื่อแก้ปัญหาการนัดหมายคุยงานที่ต้องเกี่ยวข้องกับคนเยอะ แต่ละคนว่างไม่ตรงกัน และถ้าเลื่อนประชุมทีก็ต้องนัดคนใหม่ทั้งหมด สิ่งที่ Genee ทำคล้ายกับการเป็นเลขานุการให้เรา (เพียงแต่เป็น AI) โดยให้สิทธิ Genee เข้าถึงอีเมล จากนั้น Genee จะอ่านและตีความอีเมล พร้อมหาช่วงเวลาว่างและส่งอีเมลนัดหมายการประชุมให้เราเลย

บริการ Genee จะปิดตัวในวันที่ 1 กันยายนนี้ ทีมงานของบริษัทจะย้ายมาทำงานกับไมโครซอฟท์ในส่วน Office 365

ที่มา - Genee, Microsoft

รถไฟ JR East ของญี่ปุ่นเตรียมนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ตอบคำถามผู้โดยสารให้ได้ภายในปี 2018 โดยจะเริ่มปฏิบัติการตามแผนช่วงฤดูใบไม้ร่วงปีนี้ ให้ระบบเรียนรู้การตอบคำถามผ่านโทรศัพท์ เปลี่ยนเสียงเป็นข้อความอัตโนมัติ วิเคราะห์ข้อความทั้งหมด และนำมาสู่การตอบคำถามที่ดีและรวดเร็วที่สุดในอนาคต

ทางบริษัทจะเริ่มต้นจากการป้อนข้อมูลความคิดเห็นต่อการใช้บริการรถไฟกว่า 5 แสนข้อความที่บริษัทได้รับในแต่ละปี นอกจากระบบจะได้เรียนรู้จากสิ่งนี้แล้ว ยังประหยัดเวลาของเจ้าหน้าที่ที่ต้องอ่านฟีดแบ็กจากผู้โดยสารทั้งหมดด้วย

Facebook’s Artificial Intelligence Research (FAIR) หน่วยวิจัยของเฟซบุ๊กเปิดซอร์สโค้ด fastText ระบบกลุ่มประโยค (text classification) และหาคำสำคัญ (representation)

จุดขายอย่างหนึ่งของ fastText คือการทำงานด้วยความเร็วสูง ทางเฟซบุ๊กระบุว่าสามารถฝึกกับข้อมูลมากกว่าพันล้านคำได้ภายในสิบนาที บนเครื่องมัลติคอร์ธรรมดา เทียบกับระบบจัดกลุ่มข้อความอื่นๆ ที่อาจจะต้องใช้เวลานับชั่วโมงหรือนาที

สามารถดาวน์โหลดมาใช้งานได้จาก GitHub ตัวโค้ดเป็น C++ ที่ต้องการคอมไพล์เลอร์ใหม่สักหน่อย เพราะใช้ฟีเจอร์ของ C++11

อินเทลประกาศชิป Xeon Phi รุ่นต่อไปในชื่อ Knights Mill (KNM) หลังจากเริ่มขาย Knights Landing (KNL) ในปีนี้ โดย KNM จะเป็นซีพียูเต็มรูปแบบเหมือนกับ KNL

ตอนนี้อินเทลยังไม่บอกรายละเอียดใดๆ ของ KNM ออกมา บอกเพียงว่ามันจะออกแบบสำหรับงาน machine learning และ AI โดยเฉพาะ โดยการเชื่อมต่อจะเหมาะสำหรับการขยายระบบ (scale-out) และการปรับแต่งเพื่อการเทรนโมเดลสำหรับ deep-learning

ในงาน IDF อินเทลยังระบุว่า ผู้ใช้ Xeon Phi รายสำคัญในตอนนี้คือ Baidu ที่ใช้ฝึกระบบ DeepSpeech

คาดว่า KNM จะวางขายในปี 2017

คงจะจำกันได้เรื่องที่แชทบ็อตให้คำปรึกษาด้านกฎหมายช่วยคนชนะคดีเจอใบสั่งในที่ห้ามจอด โดยแชทบ็อตดังกล่าวมาจากบริษัท DoNotPay ในอังกฤษ ก่อตั้งโดย Joshua Browder อายุ 19 ปี ล่าสุด Browder สร้างผลงานใหม่ ด้วยการให้แชทบ็อตหาที่อยู่อาศัยให้คนไร้บ้าน

งานวิจัยชื่อ My Text in Your Handwriting จาก University College London สามารถเรียนรู้รูปแบบลายมือการเขียนข้อความของคนจนสามารถแยกแยะข้อความของคนอื่นที่พยายามเลียนแบบเพื่อปลอมลายมือนั้นได้ และที่สำคัญตัวโปรแกรมเองสามารถสังเคราะห์ข้อความที่กำหนดขึ้นมาโดยใช้ลายมือดังกล่าวได้เองด้วย

My Text in Your Handwriting มีการพัฒนาอัลกอริทึมแบบอาศัย machine learning ซึ่งทำงานเน้นการวิเคราะห์ภาพสัญลักษณ์ต่างๆ โดยอิงจากเอกลักษณ์เฉพาะในลายมือของแต่ละคนที่แตกต่างกันไป ทั้งการจัดเรียงตัวอักษร, การจัดเว้นช่องว่าง, ความต่อเนื่องของการลากเส้นเขียน, รูปร่างและรูปทรงของตัวอักขระต่างๆ ตลอดจนการลงน้ำหนักเส้น

Toyota Research Institute (TRI) หน่วยงานวิจัยและพัฒนาของ Toyota มอบเงินทุนสนับสนุนงานวิจัยให้แก่ University of Michigan เพื่อใช้สำหรับงานวิจัยด้านปัญญาประดิษฐ์ เป็นเงิน 22 ล้านดอลลาร์สำหรับแผนงานวิจัย 4 ปี

สำหรับ Toyota แล้วการลงทุนร่วมกับสถาบันการศึกษาเพื่องานวิจัยด้านปัญญาประดิษฐ์นี้ไม่ใช่ครั้งแรกที่เกิดขึ้น ก่อนหน้านี้พวกเขาเคยออกทุนร่วมวิจัยกับ Stanford และ MIT มาแล้วเช่นกัน

เม็ดเงินที่ Toyota ช่วยออกทุนให้แก่ University of Michigan ในครั้งนี้จะไม่เพียงใช้เพื่องานวิจัยด้านปัญญาประดิษฐ์สำหรับรถยนต์เท่านั้น แต่ยังจะช่วยงานวิจัยเรื่อง "หุ่นยนต์คู่หู" และ "ระบบเคลื่อนที่ภายในอาคาร" ด้วย

แนวทางการลงทุนสนับสนุนงานวิจัยของ Toyota แสดงให้เห็นอย่างเด่นชัดว่าผู้ผลิตรถยนต์รายใหญ่นี้กำลังพยายามผลักดันงานวิจัยและพัฒนาของตนเองไปในด้านเทคโนโลยีหุ่นยนต์และปัญญาประดิษฐ์

ที่มา - TechCrunch

ความกลัวว่าในอนาคตปัญญาประดิษฐ์จะมาแทนที่มนุษย์ยังคงมีให้เห็น แต่คนๆ หนึ่งในทีมพัฒนาปัญญาประดิษฐ์นั้นเห็นต่างออกไป

"ผมเป็นคนหนึ่งที่ไม่กังวลเรื่องปัญญาประดิษฐ์จะมาแทนที่คน แต่สิ่งที่ผมกังวลคือ เราขาดความหลากหลายของคนในทีมที่พัฒนาปัญญาประดิษฐ์ รวมถึงคนในวงการวิทยาศาสตร์คอมพิวเตอร์ด้วย" คือถ้อยคำที่ Jeff Dean นักวิทยาศาสตร์คอมพิวเตอร์ของ Google เขียนใน Reddit AMA ซึ่งเป็นบล็อกถามตอบเกี่ยวกับปัญญาประดิษฐ์

ไอบีเอ็มประกาศความสำเร็จในการใช้ปัญญาประดิษฐ์ Watson ในการวินิจฉัยโรคลูคิเมียเคสหายากภายในเวลาเพียง 10 นาที เทียบกับกระบวนการการแพทย์ปกติที่ใช้เวลาวินิจฉัยถึง 2 สัปดาห์

DARPA Cyber Grand Challenge การแข่งขันแฮกและป้องกันซอฟต์แวร์ (capture the flag - CTF) ที่แปลกกว่างานอื่นๆ คือระหว่างการแข่งขัน ไม่มีมนุษย์เข้าไปเกี่ยวข้องเลย แต่อาศัยปัญญาประดิษฐ์ทดสอบ, ป้องกัน, และโจมตี ซอฟต์แวร์กันเองทั้งหมด การแข่งขันรอบสุดท้ายเมื่อสัปดาห์ที่แล้วได้ผู้ชนะเป็นทีม ForAllSecure จากมหาวิทยาลัย Carnegie Mellon

การแข่งขันครั้งนี้ระหว่างแข่งแต่ละทีมจะได้รับไฟล์ไบนารีเป็นบริการแบบต่างๆ ที่วางช่องโหว่ไว้อย่างจงใจ ระบบ AI ของแต่ละทีมจะทดสอบไบนารีเพื่อหาช่องโหว่แล้วใช้ช่องโหว่เหล่านั้นโจมตีทีมอื่นๆ ทีมที่ถูกโจมตีอาจจะพบพฤติกรรมผิดปกติแล้วอุดช่องโหว่เหล่านั้น

เมื่อเดือนพฤษภาคมที่ผ่านมากูเกิลเปิดซอร์สระบบประสาทเทียม SyntaxNet สำหรับการอ่านรูปประโยคของคนทั่วไป สร้างขึ้นบน TensorFlow ตอนนี้กูเกิลก็เปิดซอร์สโมเดลภาษาที่ฝึกไว้พร้อมใช้งานแล้วอีก 40 ภาษาในชื่อโครงการ Parsey’s Cousins

ตามที่ทางไมโครซอฟท์ได้มีการพูดถึงระบบบ็อตใน Skype ที่งาน Build 2016 ในวันนี้ทาง Skype ได้เพิ่มบ็อตรูปแบบใหม่ๆ เพิ่มขึ้น ทั้งบน Android, Windows, iOS, Mac และเว็บแอพ ด้วยจุดมุ่งหมายที่จะให้บ็อตเป็นทางเลือกที่เร็วที่สุด ในการทำงานง่ายๆ

นักวิจัยจาก Yahoo ใช้เทคนิค Machine Learning ตรวจจับคำหยาบคายตามโซเชียล โดยใช้แหล่งข้อมูลจากคอมเมนท์ข่าวสองแหล่งคือ Yahoo Finance และ Yahoo News ผลก็คือซอฟต์แวร์สามารถเรียนรู้และตรวจจับคำหยาบคายได้ดีถึง 90%

ตามโซเชียลแพลตฟอร์มต่างๆ เวลามีข้อความสร้างความเกลียดชัง (Hate Speech) จะใช้วิธีให้ผู้ใช้ report ข้อความนั้น หรือไม่ก็มีคนมอนิเตอร์ แต่วิธีใหม่ที่ใช้ Machine Learning ตรวจจับและเปลี่ยนคำหยาบคายนั้นให้เป็นคำที่อ่านไม่รู้เรื่องแทน ให้ผลลัพธ์ได้ดีกว่ามาก

บริการ Google Cloud Platform เปิดบริการใหม่เพิ่มเติมอีกสองบริการ คือการวิเคราะห์ข้อความ และการแปลงเสียงเป็นข้อความ พร้อมกับเปิดศูนย์ข้อฝั่งตะวันตกของสหรัฐฯ ให้ผู้ใช้ทั่วไปบริการเมืองทางฝั่งตะวันตก เช่น ซานฟรานซิสโก

Google Cloud Natural Language API: วิเคราะห์ข้อความจากสามภาษา ได้แก่ อังกฤษ, สเปน, และญี่ปุ่น สามารถค้นหาคำสำคัญของประโยค เช่น ชื่อคน, สถานที่ วิเคราะห์อารมณ์ของประโยคว่าดีหรือร้าย และวิเคราะห์โครงสร้างประโยค ราคา 0.2-1.0 ดอลลาร์ต่อข้อความ 1,000 ตัวอักษร ยกเว้น 5,000 ตัวอักษรแรกฟรี

ในงานปาร์ตี้ Stallwächter ที่จัดโดยรัฐบาลเยอรมันเป็นครั้งแรกของหุ่นยนต์ BratWurst ในการโชว์ฝีมือ ย่างไส้กรอกให้แขกผู้มาร่วมงานถึง 200 ชิ้นโดยไม่มีคนช่วยแม้แต่คนเดียว โดยแขกผู้ร่วมงานสามารถสั่งไส้กรอกได้ผ่านหน้าจอแท็บเล็ตที่อยู่ข้างหน้า ทำงานผ่านกล้อง RGB และซอฟต์แวร์เพื่อดูสีไส้กรอกให้ได้ความสุกที่ลงตัว

นี่ไม่ใช่ครั้งแรกที่นำหุ่นยนต์มาทำอาหาร ในปาร์ตี้ Stallwächter ครั้งที่แล้วก็ใช้หุ่นยนต์เป็นบาร์เทนเดอร์เหมือนกัน

ที่มา - Engadget

Demis Hassabis ผู้ก่อตั้ง DeepMind สตาร์ทอัพด้านปัญญาประดิษฐ์ ที่ถูก Google ซื้อไปเมื่อ 2 ปีที่แล้ว เปิดเผยว่า นอกจากการวิจัยและพัฒนาด้านปัญญาประดิษฐ์แล้ว ตอนนี้ Google ได้ใช้ปัญญาประดิษฐ์ของ DeepMind เพื่อช่วยลดตัวเลขค่าไฟในห้องเซิร์ฟเวอร์ของบริษัท

ปัญญาประดิษฐ์จะเป็นผู้ควบคุมทั้งเซิร์ฟเวอร์และอุปกรณ์อื่นๆ รวมถึงระบบทำความเย็น ซึ่ง Hassabis เผยว่าช่วยเพิ่มประสิทธิภาพในการใช้พลังงาน (Power Usage Efficiency) ถึง 15% และลดการใช้พลังงานในระบบทำความเย็นได้ถึง 40%

ที่มา - Bloomberg

เวลาค้นหาร้านอาหาร หรือร้านไหนมีพิซซ่าอร่อยเว็บแรกที่นึกถึงคือ Google แน่นอน เพราะง่าย แค่พิมพ์ข้อความก็มีร้านรวงขึ้นมาให้เลือก พร้อมทั้งเรตติ้งร้าน รีวิวร้าน ตำแหน่งแห่งที่ครบเสร็จสรรพในการพิมพ์ข้อความไม่กี่ครั้ง แต่การใช้ Google อาจจะเก่าไปแล้ว เพราะตอนนี้มี Chat Bot ที่ช่วยเราค้นหาร้านอาหารได้เหมือนกัน แต่ต่างจาก Google ตรงที่ Ozlo ทำหน้าที่เหมือนเป็นที่ปรึกษาส่วนตัวด้านร้านอาหาร ตอบสนองความต้องการของผู้ใช้แต่ละคนได้ดีกว่า

ถ้ายังจำกันได้ เมื่อต้นปี ไมโครซอฟท์เปิดตัวโครงการฝึก AI ให้เล่นเกม Minecraft ในชื่อ Project AIX ล่าสุดไมโครซอฟท์เปลี่ยนชื่อเป็น Project Malmo และเปิดซอร์สโค้ดทั้งหมดแล้ว

Project Malmo ถูกพัฒนาโดยศูนย์วิจัยของไมโครซอฟท์ที่เมืองเคมบริดจ์ เป้าหมายของโครงการเพื่อการวิจัยเรื่อง AI ว่าจะสามารถเรียนรู้ "โลกจำลอง" ในเกม Minecraft ได้อย่างไร ตอนแรกเริ่ม AI จะไม่รู้จักอะไรในเกม Minecraft เลย แต่จะค่อยๆ เรียนรู้จากการลองผิดลองถูก

AI แทรกซึมไปแทบจะทุกวงการแล้วทั้งการแพทย์ การศึกษา การออกแบบ แล้วทำไมจะเข้ามาเป็นส่วนหนึ่งของวงการทำเบียร์บ้างไม่ได้ และนี่ก็คือ IntelligentX เบียร์เจ้าแรกในโลกที่ใช้ปัญญาประดิษฐ์เป็นหนึ่งในทีมงาน

เบียร์ของ IntelligentX มี 4 ตัว ที่แต่ละตัวจะค่อยๆ พัฒนาตามฟีดแบ็กลูกค้าผ่านอัลกอริทึมในแชท bot ของ Facebook การใช้ AI ทำให้บริษัทสามารถพัฒนารสชาติเบียร์ได้ตรงกับความเรียกร้อง ข้อติชม ได้รวดเร็วกว่าเดิม

ทางบริษัทระบุว่าข้อมูลจากลูกค้าที่เข้ามามีมากมายมหาศาล มันยากมากที่คนทำจะเข้าไปตรวจสอบและคำนวณได้หมดว่าควรทำเบียร์ออกมาอย่างไรให้ลูกค้าชอบ ซึ่งระบบแชท bot มันง่ายกว่าที่จะเก็บข้อมูลมหาศาลนั้นและการถามตอบระหว่าง AI กับลูกค้าทำให้ AI ถามคำถามครั้งต่อไปได้ดีขึ้น เช่น ชอบให้มีกลิ่นฮ็อปมากกว่านี้ไหม เป็นต้น

ที่มา - WIRED

คนที่หน้าตาเหมือนโจรเป็นยังไง? ต้องหนวดเคราเฟิ้ม ผมกระเซอะกระเซิงหรือเปล่า? ใบหน้าน่าจะมีรอยแผลเป็น ผิวหน้าดูหยาบกร้านไหม? ริ้วรอย, แววตา, สีหน้าล่ะ เป็นอย่างไร? เรื่องเหล่านี้คนเราอาจคาดคะเนแตกต่างกันไปตามปูมหลังและข้อมูลที่เคยผ่านหูผ่านตามาสำหรับแต่ละคน และปัญญาประดิษที่ชื่อ Faception ก็มีคำตอบสำหรับคำถามนี้ในแบบฉบับของตัวมันเองเช่นกัน

Faception เป็นผลงานการพัฒนาโดยสตาร์ทอัพชื่อเดียวกันจากอิสราเอล พวกเขาอ้างว่าเทคโนโลยี Faception นั้นมีระบบ machine learning ที่ผ่านการเรียนรู้ฐานข้อมูลภาพถ่ายใบหน้าของคนจำนวนมาก จนทำให้มันสามารถวิเคราะห์ภาพใบหน้าของบุคคลใดๆ เพื่อระบุบุคลิกลักษณะของบุคคลนั้น

DeepMind ทำงานร่วมกับภาคสาธารณสุขของอังกฤษอย่างรวดเร็ว หลังจากเมื่อกลางเดือนที่แล้วเพิ่งประกาศความร่วมมือกับ NHS ตอนนี้ DeepMind ก็ประกาศความร่วมมือกับโรงพยาบาลจักษุ Moorefields

ภายใต้ความร่วมมือนี้ DeepMind จะเข้าถึงข้อมูลภาพสแกนดวงตากว่าล้านรายการโดยไม่ระบุตัวตน แต่มีข้อมูลสภาวะของดวงตาและโรค โดยทางโรงพยาบาลยืนยันว่าข้อมูลเหล่านี้ไม่สามารถค้นหาตัวตนของคนไข้ได้ และจะไม่กระทบต่อการรักษาของผู้ป่วยในตอนนี้

ความร่วมมือครั้งนี้หาความเป็นไปได้ที่จะพัฒนาระบบวินิจฉัยโรคจากภาพสแกน และอาจจะนำไปถึงการวินิจฉัยโรคได้ตั้งแต่เนิ่นๆ ก่อนมีอาการ

ต่อเนื่องจากข่าวเมื่อ 2 เดือนก่อนเรื่องป้ายโฆษณาข้างทางด่วนของ Dentsu ที่จะเปลี่ยนเนื้อหาอิงตามผู้ที่ขับรถผ่าน ตอนนี้ก็มีข้อมูลจากการทดลองใช้งานเปิดเผยว่าระบบของป้ายดังกล่าวสามารถแยกแยะยี่ห้อ, โมเดล และปีที่ผลิตของรถที่แตกต่างกันได้ 200 รุ่นแล้ว โดยมีความแม่นยำในการระบุข้อมูลของรถถึง 94%

Couldian ซึ่งเป็นหนึ่งใน 3 บริษัทไอทีที่ร่วมพัฒนาป้ายโฆษณาอัจฉริยะของ Dentsu นี้ เปิดเผยว่าทีมพัฒนาได้ทำการสอนให้ปัญญาประดิษฐ์รู้จักจำแนกภาพของรถยนต์ยี่ห้อและรุ่นต่างๆ โดยใช้ภาพถ่ายรถยนต์จากเว็บขายรถมือสองหลายแสนภาพ โดยมีภาพรถยนต์ที่แตกต่างกันทั้งยี่ห้อ, โมเดล และปีที่ผลิตของรถ ปะปนกันไป (เฉลี่ยแล้วปัญญาประดิษฐ์จะได้เรียนรู้ภาพรถยนต์แต่ละรุ่นประมาณ 4,000 ภาพ)

หลังผ่านการทดสอบมาตั้งแต่ช่วงต้นปี Dentsu จะเปิดใช้งานป้ายโฆษณาอัจฉริยะนี้อย่างเป็นทางการในช่วงปลายปีนี้ โดยจะรับลงโฆษณาแบบเน้นกลุ่มเป้าหมายอิงตามข้อมูลรถของผู้ขับขี่สัญจรไปมา

ที่มา - CNN Money