ภายใน ai ของ Google เขียนใหม่: สร้างเครื่องจักรให้เรียนรู้ทุกสิ่ง

Makoto Koike เป็นเกษตรกรแตงกวาในญี่ปุ่น Koike เป็นอดีตนักออกแบบระบบฝังตัวที่ใช้เวลาหลายปีทำงานในอุตสาหกรรมยานยนต์ญี่ปุ่น แต่ในปี 2558 เขากลับบ้านเพื่อช่วยฟาร์มแตงกวาพ่อแม่ของเขา ในไม่ช้าเขาก็ตระหนักว่างานที่ทำด้วยมือในการเรียงแตงกวาตามสีรูปร่างขนาดและคุณลักษณะเช่น "ความหนืด" มักจะยุ่งยากและยากลำบากกว่าการปลูกพวกมัน ได้รับแรงบันดาลใจจากนวัตกรรมการเรียนรู้อย่างลึกซึ้งของซอฟต์แวร์ปัญญาประดิษฐ์ (AI) ของ Google AlphaGo เขาจึงออกเดินทางเพื่อทำงานอัตโนมัติ

ธุรกิจต่าง ๆ เริ่มนำ AI มาใช้ในทุกด้าน แต่ก็ปลอดภัยที่จะกล่าวว่าไม่มีใครเห็นวิธีแก้ปัญหาการเรียงลำดับแตงกวา AI ของ Koike ที่กำลังจะมาถึง Koike ไม่เคยทำงานกับเทคนิค AI มาก่อน แต่ด้วยการใช้ไลบรารี่การเรียนรู้แบบ Open-source TensorFlow machine learning (ML) เขาก็เริ่มใส่รูปแตงกวา ขอบคุณอัลกอริธึมการมองเห็นด้วยคอมพิวเตอร์สำหรับการจดจำวัตถุและการเรียนรู้อย่างลึกซึ้งในการฝึกอบรม TensorFlow เกี่ยวกับความแตกต่างของแตงกวาที่แตกต่างกัน Koike ตระหนักว่ามันสามารถระบุและเรียงลำดับผักด้วยความแม่นยำระดับสูง จากนั้นโดยไม่ใช้อะไรนอกจาก TensorFlow และคอมพิวเตอร์ราสเบอร์รี่ Pi 3 ราคาถูก Koike สร้างเครื่องคัดแยกอัตโนมัติที่ฟาร์มยังคงใช้อยู่ในปัจจุบัน

TensorFlow เป็นหนึ่งในอัลกอริธึมและเครื่องมือแบบโอเพนซอร์สมากมายที่ปฏิวัติสิ่งที่ธุรกิจและนักพัฒนาสามารถแก้ไขได้โดยใช้ AI บริษัท ขยายภารกิจในการ "นำผลประโยชน์ของ AI มาสู่ทุกคน" ด้วยการเปิดตัว Google.ai ในการประชุม Google I / O รวมทรัพยากร AI ทั้งหมดเข้าด้วยกันเป็นแพลตฟอร์มแบบครบวงจร Google ยังได้รวมเทคนิคเหล่านี้และแอปพลิเคชันการเขียนโปรแกรมอินเทอร์เฟซ (API) เข้ากับทุกสิ่งที่มันทำ ML ให้เป็นผลิตภัณฑ์และนิยามใหม่ของพื้นฐานการทำงานของซอฟต์แวร์ในกระบวนการ

PCMag ได้เยี่ยมชม Googleplex และได้พูดคุยกับผู้บริหารจาก G Suite, แพลตฟอร์ม Google Cloud (GCP) และห้องปฏิบัติการการแก้ปัญหาขั้นสูงของ Machine Learning (ML ASL) ของ บริษัท เกี่ยวกับวิธีที่ Google สร้างตัวเองใหม่ด้วย AI

ปัญญาประดิษฐ์ทุกที่

สมมติว่าลูกค้าของคุณคนหนึ่งกำลังมีปัญหา ตัวแทนจากแผนกช่วยเหลือของ บริษัท ของคุณอยู่ในการแชทสดกับลูกค้าผ่านแอพแชทที่จัดเก็บข้อมูลบนแพลตฟอร์ม Google Cloud เพื่อช่วยพวกเขาในการแก้ไขปัญหาผู้ใช้จำเป็นต้องส่งข้อมูลส่วนตัวที่ละเอียดอ่อนบางส่วนให้ตัวแทน ตอนนี้สมมติว่าลูกค้าคือคุณยายของคุณ ตัวแทนฝ่ายบริการลูกค้าขอให้คุณสอบถามข้อมูลบางส่วน แต่คุณย่าส่งข้อมูลมากกว่าที่เธอต้องการเมื่อเธออัพโหลดรูปภาพบัตรประกันสังคมของเธอไปยังการแชท

แทนที่จะเป็น Google ที่เก็บถาวรข้อมูลที่สามารถระบุตัวตนได้ (PII) ภาพจะปรากฏขึ้นพร้อมหมายเลขประกันสังคมและ PII อื่น ๆ จะทำการ redacted โดยอัตโนมัติ ตัวแทนไม่เคยเห็นข้อมูลใด ๆ ที่พวกเขาไม่ต้องการและไม่มีข้อมูลใดที่จะเข้าสู่ที่เก็บถาวรที่เข้ารหัสของ Google ในระหว่างการสาธิตเทคโนโลยี DLP API ที่สำนักงานใหญ่ของ Google ใน Mountain View รัฐแคลิฟอร์เนีย บริษัท ได้ดึงข้อมูลกลับมาเกี่ยวกับวิธีที่ ML algorithm วิเคราะห์ข้อความและรูปภาพเพื่อให้สิ่งนี้เกิดขึ้น

Rob Sadowski หัวหน้าฝ่ายการตลาดและความปลอดภัยที่เชื่อถือได้สำหรับ Google Cloud อธิบายว่าการตอบสนองอัตโนมัตินั้นขับเคลื่อนโดยการป้องกันการสูญเสียข้อมูล (DLP) API ของ Google ที่ทำงานภายใต้พื้นผิวเพื่อจำแนกข้อมูลที่ละเอียดอ่อน อัลกอริทึมทำสิ่งเดียวกันกับข้อมูลเช่นหมายเลขบัตรเครดิตและยังสามารถวิเคราะห์รูปแบบการตรวจจับเมื่อหมายเลขปลอม นี่เป็นเพียงตัวอย่างหนึ่งของกลยุทธ์ที่ละเอียดอ่อนของ Google ในการทอผ้า AI ให้เป็นประสบการณ์และมอบธุรกิจและนักพัฒนาเช่น Koike ให้ทรัพยากรทำเช่นเดียวกัน

Google อยู่ไกลจากยักษ์ใหญ่ด้านเทคโนโลยีเพียงรายเดียวที่สร้างเลเยอร์ข่าวกรองที่เชื่อมต่อกันลงในซอฟต์แวร์ของตน แต่นอกเหนือจาก Amazon และ Microsoft แล้ว Google ยังเป็นเครื่องมือและบริการด้านข่าวกรองบนคลาวด์ที่แพร่หลายที่สุด เมื่อพิจารณาถึงผลิตภัณฑ์ของ บริษัท คุณสามารถค้นหา Google Assistant และ API การมองเห็นและการใช้คอมพิวเตอร์ที่หลากหลายในการใช้งานได้ทุกที่

Google Search ใช้อัลกอริทึม ML ในระบบ RankBrain AI เพื่อประมวลผลและปรับแต่งข้อความค้นหาจัดอันดับใหม่และรวบรวมข้อมูลตามโฮสต์ของปัจจัยที่เปลี่ยนแปลงเพื่อปรับปรุงคุณภาพของผลการค้นหาอย่างต่อเนื่อง Google Photos ใช้การมองเห็นคอมพิวเตอร์เพื่อต่อภาพถ่ายที่เกี่ยวข้องเข้าไว้ในความทรงจำและรวมภาพหลาย ๆ ภาพของตำแหน่งเดียวกันไว้ในภาพพาโนรามา กล่องขาเข้าช่วยให้ผู้ใช้สร้างการตอบกลับอัจฉริยะโดยอัตโนมัติเพื่อเลือกและแสดงอีเมลที่เกี่ยวข้องโดยการรวมหมวดหมู่ที่คล้ายกันเข้าด้วยกัน แอพแชท Google Allo ใหม่ของ บริษัท มาพร้อมกับ Google Assistant ในตัวรายการจะดำเนินต่อไป

แอพทั้งหมดเหล่านี้ทำงานบนโครงสร้างพื้นฐานคลาวด์ของ Google และ บริษัท ยังใช้ ML ในศูนย์ข้อมูลเพื่อลดการใช้พลังงานด้วยการปรับปั๊มทำความเย็นตามข้อมูลภาระและสภาพอากาศ Sadowski กล่าวว่าสิ่งนี้ยังทำหน้าที่เป็นเลเยอร์สุดท้ายของการป้องกันในกลยุทธ์การรักษาความปลอดภัยของ Google ซึ่ง บริษัท ใช้หน่วยข่าวกรองเครื่องและการให้คะแนนความเสี่ยงภายในสแต็กความปลอดภัยเพื่อตรวจสอบว่า

"Google ใช้โมเดล ML และ AI เหล่านี้ทั้งหมดที่เราพัฒนาขึ้นและปรับแต่งเพื่อความปลอดภัย" Sadowski อธิบาย "ความปลอดภัยเปลี่ยนไปอย่างรุนแรงกว่าภาคส่วนใหญ่ของไอทีผลิตภัณฑ์ที่เป็นแกนหลักของโครงสร้างความปลอดภัยของคุณสามหรือสี่ปีที่ผ่านมาเช่นไฟร์วอลล์และการป้องกันจุดปลายยังคงมีความสำคัญ แต่เราต้องการให้การป้องกันในเชิงลึกระดับและ ใช้ค่าเริ่มต้นผ่านโครงสร้างพื้นฐานแบบหลายผู้เช่าที่มีผู้ใช้งานประจำวันนับล้านราย

"มันเริ่มต้นด้วยฮาร์ดแวร์ของศูนย์ข้อมูลพื้นฐาน" Sadowski กล่าวต่อ "เหนือสิ่งอื่นใดคือแอปพลิเคชันบริการและการรับรองความถูกต้องด้วยข้อมูลและการสื่อสารที่เข้ารหัสอย่างสมบูรณ์นอกจากนั้นยังเป็นข้อมูลประจำตัวของผู้ใช้และการป้องกันชั้นสุดท้ายคือวิธีที่เราทำงานด้วยการเฝ้าระวังตรวจจับ แก้ปัญหาสำหรับสิ่งต่าง ๆ เช่นการเข้าถึงระยะไกลที่ปลอดภัยด้วยพร็อกซีที่มีการระบุตัวตนซึ่งเป็นบริการค้นหาโปรแกรมและป้องกันการรั่วไหลของข้อมูลและการช่วยเหลือด้านการกำกับดูแลข้อมูลและความปลอดภัยเรามุ่งหวังที่จะทำให้ความสามารถเหล่านี้ง่าย "

G Suite ที่ชาญฉลาดกว่า

ML นั้นถูกฝังอยู่ในแอปเพิ่มประสิทธิภาพของ G Suite ของ Google Allan Livingston ผู้อำนวยการฝ่ายจัดการผลิตภัณฑ์สำหรับ G Suite ได้แยกแยะวิธีการที่ AI ทำให้ G Suite ฉลาดขึ้นและมีบริบทมากขึ้นโดยที่ผู้ใช้ไม่ได้ตระหนักถึงมัน

"คิดเกี่ยวกับวิธีที่ G Suite นำแอปพลิเคชันทั้งหมดเหล่านี้มารวมกันอย่างเป็นธรรมชาติ" ลีฟวิ่งสตันกล่าว "คุณเริ่มงานของคุณในหนึ่งในนั้นและดำเนินไปตามความเหมาะสมคุณเปิดเอกสารแนบ Gmail ในไดรฟ์และนั่นจะนำคุณเข้าสู่เอกสารซึ่งเป็นเรื่องอัตโนมัติ

"เรากำลังพยายามคิดให้ดีสำหรับผู้ใช้และนั่นก็เกี่ยวข้องกับการเรียนรู้ของเครื่องด้วยเราเริ่มต้นด้วยการตอบกลับอย่างฉลาดในกล่องจดหมายและเราประสบความสำเร็จกับ Gmail และนั่นนำไปสู่คุณลักษณะสำรวจในเอกสารแผ่นงาน และสไลด์ "

เปิดตัวเมื่อฤดูใบไม้ร่วงที่ผ่านมาสำรวจใช้การประมวลผลภาษาธรรมชาติ (NLP) กับประสบการณ์การเพิ่มประสิทธิภาพในแอป ในเอกสารสำรวจให้คำแนะนำแบบทันทีตามเนื้อหาในเอกสารของคุณและแนะนำหัวข้อและแหล่งข้อมูลที่เกี่ยวข้องโดยอัตโนมัติ ในสไลด์จะสร้างคำแนะนำการออกแบบเพื่อลดการจัดรูปแบบงานนำเสนอ กรณีการใช้งานที่น่าสนใจที่สุดนั้นอยู่ในชีต Livingston อธิบายว่า Explore ใช้ ML เพื่อทำให้การวิเคราะห์ข้อมูลและข้อมูลเชิงลึกทางธุรกิจ (BI) ง่ายขึ้นได้อย่างไร

"ผู้ใช้จำนวนมากไม่รู้ว่าอะไรที่เหมือนกับโต๊ะหมุนหรือวิธีใช้เพื่อแสดงภาพของแผ่นข้อมูล" Livingston อธิบาย "สมมติว่าคุณกำลังจัดการกับข้อมูลการขายสำหรับลูกค้าโดยที่แต่ละแถวเป็นรายการที่ถูกขายสำรวจให้คุณพิมพ์ข้อความค้นหาด้วยภาษาธรรมชาติเช่น 'รายการยอดนิยมในวัน Black Friday คืออะไร' และคายคำตอบเช่น 'คุณขายกางเกง 563 คู่' เรากำลังจัดการกับการวิเคราะห์ข้อมูลด้วยวิธีที่ช่วยประหยัดเวลาในการตัดสินใจโดยใช้ข้อมูลโดยใช้การเรียนรู้ของเครื่องเพื่อปรับปรุงปัญหาที่เกิดขึ้นโดยทั่วไป "

ตัวอย่างคุณสมบัติสำรวจในชีตจากการประชุม Google Cloud NEXT เมื่อเดือนมีนาคมที่ผ่านมา

ตามรายงานของ Livingston Google มีแผนที่จะขยายการค้นหาคลาวด์ที่ขับเคลื่อนด้วย ML แบบนี้ไปยังบุคคลที่สามและเริ่มสร้างระบบนิเวศรอบ ๆ แนวคิดที่ครอบคลุมเป็นแนวคิดทั่วไปใน AI ที่ใช้งานได้จริง: การประมวลผลด้วยตนเองโดยอัตโนมัติเพื่อให้ผู้ใช้ว่างสำหรับงานสร้างสรรค์มากขึ้น แนวคิดดังกล่าวเป็นหัวใจสำคัญของแอพส่วนใหญ่ของแอพ ML: เพื่อให้กระบวนการทางธุรกิจที่ทำซ้ำได้โดยอัตโนมัติและงานประจำวันรวมถึงการเรียงลำดับแตงกวา

“ ในธุรกิจและกับผู้บริโภคผู้ใช้มีรูปแบบการโต้ตอบตามธรรมชาติการเปลี่ยนมาใช้ระบบคลาวด์และการผลิตโทรศัพท์มือถือกำลังเปลี่ยนวิธีการทำงานของผู้คนจริง ๆ และเทคนิคการเรียนรู้ของเครื่องใช้เหล่านี้เป็นพื้นฐานสำหรับมัน” Livingston กล่าว "เนื่องจากความแข็งแกร่งของเราในการเรียนรู้ของเครื่องจักรเนื่องจากผลิตภัณฑ์ของเราทำหน้าที่เป็นฐานเนื่องจากข้อมูลทั้งหมดในคลาวด์ของเราเราอยู่ในตำแหน่งที่ไม่ซ้ำกันในการนำไปใช้และปรับขนาดอย่างไม่สิ้นสุด"

เพิ่มพลังการปฏิวัติการเรียนรู้ของเครื่อง

รากฐานของทุกสิ่งที่ Google ทำเกี่ยวกับ AI นั้นมีรากฐานมาจาก API, อัลกอริทึมและเครื่องมือโอเพนซอร์ส ห้องสมุด TensorFlow ของ บริษัท เป็นเครื่องมือ ML ที่ใช้กันอย่างแพร่หลายใน GitHub ซึ่งเป็นแอพที่วางไข่เช่นตัวเรียงลำดับแตงกวาของ Koike ชุด API พื้นฐานของ Google Cloud - อัลกอริธึมที่ครอบคลุมการมองเห็นของคอมพิวเตอร์, วิดีโออัจฉริยะ, การพูดและ NLP, การสร้างแบบจำลองการทำนายและ ML ขนาดใหญ่ผ่าน Google Cloud Machine Learning Engine - เป็นเทคโนโลยีที่ขับเคลื่อนคุณสมบัติ AI ทุกตัว ตอนนี้แพลตฟอร์ม Google.ai เช่นกัน

Francisco Uribe ผู้จัดการผลิตภัณฑ์สำหรับทีม AI / ML ของ Google Cloud ทำงานเป็นหัวใจของเครื่องยนต์ที่เขียนใหม่ว่า Google ทำงานอย่างไร Uribe เป็นผู้ดูแล ML ASL ของ Google ดังกล่าวห้องปฏิบัติการที่มีโปรแกรมที่น่าทึ่งซึ่งผู้เชี่ยวชาญ Google ML ทำงานโดยตรงกับองค์กรต่างๆเพื่อใช้โซลูชัน AI ด้วยการใช้ API ของ Google และ Cloud ML Engine ห้องปฏิบัติการจะทำงานร่วมกับธุรกิจต่างๆเพื่อฝึกอบรมและปรับใช้โมเดลของตนเองในการผลิต

Uribe ทำงานในพื้นที่ AI มานานกว่าทศวรรษ เขาก่อตั้ง BlackLocus ซึ่งเป็นระบบเริ่มต้นที่ขับเคลื่อนด้วยข้อมูลซึ่งสร้างเครื่องมือกำหนดราคาอัตโนมัติสำหรับผู้ค้าปลีกซึ่งซื้อโดย Home Depot ในปี 2012 หลังจากนั้นเขาเข้าร่วมกับ Google และทำงานเป็นเวลาสี่ปีในทีมค้นหาโฆษณาที่ใช้ ML เพื่อปรับปรุงประสบการณ์โฆษณา . ในปี 2559 เขาย้ายไปทำงานวิจัยที่ทำหน้าที่ ML ASL และทำหน้าที่เป็นที่ปรึกษาใน Launchpad Accelerator ของ Google Uribe กล่าวว่าเขาประหลาดใจอย่างต่อเนื่องว่าธุรกิจและนักพัฒนาใช้เครื่องมือของ Google อย่างไร

“ เราเห็นกรณีการใช้งานทั่วกระดานตั้งแต่การดูแลสุขภาพและการเงินไปจนถึงการค้าปลีกและการเกษตร” Uribe กล่าว "เรากำลังพยายามช่วยเหลือลูกค้าในการปรับปรุงความสามารถในการรับรู้การแปลเสียงการวิเคราะห์ภาพวิดีโอ API ภาษาธรรมชาติ: พวกเขาทั้งหมดเป็นส่วนหนึ่งของการเข้าถึงประชาธิปไตยในเครื่องและอัลกอริทึมการเรียนรู้อย่างลึกล้ำ

ML ASL ทำงานร่วมกับ HSBC Bank plc ซึ่งเป็นหนึ่งในองค์กรด้านการธนาคารและการเงินที่ใหญ่ที่สุดในโลกเกี่ยวกับโซลูชั่น ML สำหรับการป้องกันการฟอกเงินและการให้คะแนนสินเชื่อที่คาดการณ์ได้ ML ASL ยังทำงานร่วมกับ United Services Automobile Association (USAA) ซึ่งเป็นกลุ่มบริการทางการเงินของ Fortune 500 ในการฝึกอบรมวิศวกรขององค์กรเกี่ยวกับเทคนิค ML ที่ใช้กับสถานการณ์การประกันภัยเฉพาะ eBay ใช้เครื่องมือของ Google ในการฝึกอบรมผู้ช่วยดิจิตอล ShopBot เมื่อ ML ASL ทำงานร่วมกับ บริษัท Uribe อธิบายสี่เสาหลักที่ประกอบกันเป็นกระบวนการ

“ คุณต้องการข้อเสนอการคำนวณที่แข็งแกร่งเพื่อจัดการกับความต้องการขั้นสูงของงาน ML และแกนนำใยแก้วนำแสงแบบกระจายของ GCP จะย้ายข้อมูลจากโหนดหนึ่งไปอีกโหนดหนึ่งอย่างมีประสิทธิภาพมาก” Uribe กล่าว "เรามี Cloud Machine Learning Engine เพื่อช่วยลูกค้าฝึกฝนโมเดลต่างๆเราช่วยลูกค้าดำเนินการกับข้อมูลด้วยการเข้าถึงชุมชนนักวิทยาศาสตร์ข้อมูลที่มีการใช้งานมากกว่า 800, 000 คนของ Kaggle ในที่สุดคุณต้องการความสามารถที่จะอยู่ที่นั่นดังนั้นในด้านการวิจัย เรามีโครงการ Brain Residency Program เพื่อฝึกอบรมวิศวกรเกี่ยวกับหลักสูตร ML ที่ซับซ้อนเราเห็นว่าสิ่งเหล่านี้เป็นหน่วยการสร้างเพื่อช่วยลูกค้าในการสร้างแอปพลิเคชันอัจฉริยะ "

ทั้งหมดนี้ฟีดเข้าสู่ชุมชนโอเพ่นซอร์สและระบบนิเวศของบุคคลที่สามที่ Google กำลังสร้างขึ้นรอบ ๆ เทคโนโลยี AI บริษัท ยังประกาศการแข่งขันเริ่มต้นของ ML เมื่อต้นปีที่ผ่านมาซึ่งได้รับรางวัลสูงถึง 500, 000 ดอลลาร์ในการลงทุนให้กับ ML startups Uribe พูดคุยเกี่ยวกับแอพพลิเคชั่นที่เป็นนวัตกรรมบางอย่างที่เขาได้เห็นแล้วเกี่ยวกับเทคโนโลยีของ Google และความเป็นไปได้อื่น ๆ

"สมมติว่าคุณเป็น บริษัท วิเคราะห์การบริการลูกค้าลองนึกถึง API เสียงพูดเพื่อคัดลอกเนื้อหาการโทรแล้ววิเคราะห์ความเชื่อมั่นเพื่อปรับปรุงคุณภาพการบริการลูกค้าของคุณ" Uribe กล่าว "ใช้ Vision API เพื่อถ่ายภาพสัญลักษณ์ถนนในต่างประเทศแล้วใช้ API การแปลเพื่อแปลเนื้อหานั้นแบบเรียลไทม์ผ่านประสบการณ์แอพไม่ใช่แค่เพิ่มประสิทธิภาพ แต่เป็นการสร้างประสบการณ์ผู้ใช้ที่แปลกใหม่ "

Uribe เห็นเครื่องมือต่าง ๆ เช่น TensorFlow ซึ่งเป็นเครื่องมือที่ยอดเยี่ยมสำหรับการยอมรับ ML ขนาดใหญ่ในตลาด ไม่เพียง แต่เทคโนโลยีเหล่านี้จะกลายเป็นแกนหลักในการพัฒนาผลิตภัณฑ์ของ Google แต่ทว่ายักษ์ใหญ่ด้านเทคโนโลยีนั้นเข้ามามีส่วนในการพัฒนาผลิตภัณฑ์ แต่ Uribe เชื่อว่าเทคโนโลยี ML ที่มีอยู่ในวงกว้างจะช่วยเพิ่มประสิทธิภาพให้กับธุรกิจเปิดกระแสรายได้ใหม่

“ คิดว่ามันเหมือนกับการปฏิวัติอุตสาหกรรมใหม่” Uribe กล่าว "เราเห็นเครื่องมือเหล่านี้ช่วยให้คำสั่งของการเพิ่มประสิทธิภาพและประสบการณ์ที่คุณไม่เคยเห็นมาก่อนมันน่าทึ่งมากที่เห็นว่า startups ใช้งานอย่างไรดูเกษตรกรแตงกวาในญี่ปุ่นเขาใช้ TensorFlow เพื่อสร้างแบบจำลองสำหรับการจำแนกประเภท และการจัดเรียงแตงกวาตามรูปแบบขนาดพื้นผิว ฯลฯ จากนั้นสร้างฮาร์ดแวร์พิเศษขึ้นมาเพื่อใช้งานจริงระดับของการทำให้เป็นประชาธิปไตยนั้นไม่น่าเชื่อที่จะเห็นและเราแทบจะไม่มีรอยขีดข่วนบนพื้นผิว "