บทความโดยณัฐธิดา สงวนสิน กรรมการผู้จัดการ และผู้ร่วมก่อตั้งบริษัท บัซซี่บีส์ จำกัด (BUZZEBEES)

เมื่อ Prof. Andrew Ng มาเยือนประเทศไทย การบรรยายของเขานับเป็นอีกหนึ่งเหตุการณ์สำคัญของประเทศไทย ระดับปรมาจารย์ด้าน AI ระดับโลกมาทั้งที พิ้งค์ขอมาสรุปเนื้อหาสำคัญให้ฟังแบบเข้าใจง่าย พร้อมทั้งเชื่อมโยงตัวอย่างจริงจากทั้งประเทศไทยและต่างประเทศ เพื่อให้เห็นภาพชัดเจนยิ่งขึ้น แบ่งเป็น 5 ด้านดังนี้

1. ความสำคัญและบทบาทของ AI

AI เป็นเทคโนโลยีสำคัญที่มีผลต่อโลกเทียบเท่าการกำเนิดของไฟฟ้าเมื่อร้อยปีที่แล้ว ซึ่งจะเปลี่ยนแปลงและยกระดับการดำเนินชีวิตของเรา มันไม่ใช่เครื่องมือ แต่เหมือนเป็นโครงสร้างพื้นฐานที่จะเปลี่ยนพัฒนาการ และนวัตกรรมของโลกในอนาคตทั้งหมด เราควรมอง AI เป็นกลุ่มเครื่องมือที่รวมถึง Supervised, Unsupervised, Reinforcement และ Generative AI

Prof. Andrew อธิบายการฝึกสอนโมเดล Supervised Learning ที่ค้นหาความสัมพันธ์ ระหว่าง Input และ Output ในช่วงปี 2010-2020 เป็นยุคของ Large Scale Supervised Learning ซึ่งข้อมูลและโมเดลขนาดใหญ่ช่วยให้ประสิทธิภาพดีขึ้น ตั้งแต่ปี 2020 เป็นต้นมา เราเข้าสู่ยุคของ Generative AI ที่สามารถสร้างเนื้อหาใหม่ๆ เช่น ภาษา รูปภาพ เสียง และวิดีโอ

Supervised Learning คือรูปแบบของการเรียนรู้ของเครื่อง (Machine Learning) ที่ใช้ข้อมูลที่มีการติดป้ายกำกับ (labeled data) กล่าวคือ ข้อมูลที่ประกอบด้วยตัวอย่างของอินพุต (input) และเอาต์พุต (output) ที่ถูกต้อง โมเดลจะเรียนรู้การคาดการณ์จากข้อมูลเหล่านี้ ตัวอย่างเช่น การจำแนกภาพ (Image Classification) ที่โมเดลจะได้รับภาพพร้อมป้ายกำกับ เช่น ภาพแมวหรือสุนัข จากนั้นโมเดลจะเรียนรู้ที่จะจำแนกภาพใหม่เป็นแมวหรือสุนัขตามข้อมูลที่เรียนรู้มา

Unsupervised Learning คือรูปแบบของการเรียนรู้ที่ไม่มีป้ายกำกับในข้อมูล กล่าวคือ ข้อมูลไม่มีเอาต์พุตที่ถูกต้อง โมเดลจะต้องหาความสัมพันธ์หรือโครงสร้างในข้อมูลด้วยตัวเอง ตัวอย่างเช่น การจัดกลุ่มข้อมูล (Clustering) ที่โมเดลจะพยายามหากลุ่มของข้อมูลที่คล้ายคลึงกัน โดยไม่มีการกำหนดหมวดหมู่ล่วงหน้า การใช้ Unsupervised Learning มักจะใช้ในกรณีที่ต้องการวิเคราะห์ข้อมูลเชิงสำรวจและค้นพบโครงสร้างที่ซับซ้อนในข้อมูล

Reinforcement Learning คือรูปแบบของการเรียนรู้ที่โมเดลจะเรียนรู้ผ่านการทดลองและข้อผิดพลาด โดยโมเดลจะได้รับรางวัล (rewards) หรือบทลงโทษ (punishments) จากการกระทำในสิ่งแวดล้อมที่กำหนด ตัวอย่างที่ชัดเจนคือการเล่นเกมหรือการควบคุมหุ่นยนต์ โมเดลจะพยายามหานโยบาย (policy) ที่ดีที่สุดเพื่อเพิ่มผลตอบแทนรวมในระยะยาว การเรียนรู้แบบนี้มักใช้ในปัญหาที่ต้องการการตัดสินใจในแต่ละขั้นตอนและผลของการตัดสินใจมีผลต่ออนาคต

2. การใช้งานและผลกระทบของ AI

Generative AI ไม่เพียงเปลี่ยนแปลงโลก แต่ยังเปลี่ยนวิธีการที่มนุษย์ทำงานร่วมกับ AI

ตัวอย่าง บริษัท Associated Press ใช้ AI เขียนข่าวทางการเงินและกีฬาในปี 2023 หรือ Amazon Alexa ถูกใช้ในบ้านกว่า 200 ล้านหลังทั่วโลกในปี 2023

จากการเขียนโค้ดจำนวนมาก กลายเป็นการเขียน “Prompt” ภาษาธรรมชาติ ทำให้การใช้งาน AI เป็นเรื่องง่ายสำหรับทุกคน และ การเขียน Prompt ช่วยลดเวลาในการพัฒนา Software Applications จากหลายเดือนเหลือไม่กี่สัปดาห์ หรือชั่วโมง

ตัวอย่าง GitHub Copilot ช่วยนักพัฒนาเขียนโค้ดได้เร็วขึ้น 55% ตามรายงานของ GitHub ในปี 2022

การสร้าง Software ในยุค AI ประกอบด้วยการพัฒนา Prompt และการนำไปใช้งาน

3. AI ในธุรกิจและการพัฒนา

AI Stack ประกอบด้วย Hardware, Cloud, AI Tools และ Applications โดยมักเน้นที่ AI Tools Layer อย่าง OpenAI โดยมีบริษัทที่สร้างนวัตกรรมใหม่ๆ ใน App Layers เช่น Workera, Workhelix, NETAIL

ตัวอย่าง ธนาคารกสิกรไทยใช้ AI Chatbot “K PLUS Buddy” ให้บริการลูกค้าในปี 2022 โรงพยาบาลจุฬาลงกรณ์ใช้ AI วิเคราะห์ภาพถ่ายรังสีทรวงอกเพื่อคัดกรองวัณโรคปอด ในปี 2021

การสร้าง AI Startup ใน Silicon Valley มี 5 ขั้นตอน ได้แก่ Idea + Validate, Recruit CEO, Build, Pre-Seed Growth และ Scale โดยการเลือก CEO ที่ช่วยสร้าง MVP ต้องเป็น Technical CEO ที่มีความเข้าใจทั้งเทคนิคและธุรกิจ AI ช่วยลดต้นทุนและสร้างการเติบโตได้พร้อมกัน โดย Knowledge Workers จะได้รับผลกระทบจาก Generative AI มากที่สุด

MVP หรือ Minimum Viable Product คือผลิตภัณฑ์ที่มีฟังก์ชันและคุณสมบัติพื้นฐานที่สุดที่สามารถนำเสนอคุณค่าและแก้ปัญหาให้กับผู้ใช้ได้ ด้วยการสร้าง MVP สตาร์ทอัพสามารถทดสอบแนวคิดทางธุรกิจและรับคำติชมจากผู้ใช้อย่างรวดเร็วโดยไม่ต้องลงทุนมากเกินไป

4. อนาคตและความท้าทายของ AI

AI จะเข้ามาแทนที่งานบางส่วน โดยจะอัตโนมัติเฉพาะงานบางอย่างไม่ใช่ทั้งหมด สถิติแสดงว่าประมาณ 20-30% ของงานปัจจุบันจะถูก Automate ด้วย AI ส่วนที่เหลือ 70-80% ยังต้องพึ่งพามนุษย์ เราควรกำกับการใช้งาน  Applications มากกว่าตัวเทคโนโลยี เช่น การควบคุม Fake News บน Social Media และควรมีนโยบายปกป้อง Open-Source AI หลายประเทศมีบริษัทใหญ่ๆ ที่พยายามจำกัดการใช้งาน Open-Source ด้วยเหตุผลด้าน “Safety” AI Application ที่มีโอกาสเติบโตในประเทศไทย ได้แก่ Healthcare, Tourism, และ Agriculture

5. ข้อคิดและคำแนะนำจาก Prof. Andrew Ng

AI จะมีบทบาทในการลดและแก้ปัญหา Climate Change ในอนาคต การเขียนโค้ดยังคงมีความสำคัญในอนาคต เพราะเป็นทักษะที่สร้างความเข้าใจใน AI การเรียนเขียนโค้ดง่ายขึ้นในยุค Generative AI เนื่องจากมีโมเดลภาษาที่ช่วยสอนทุกเรื่อง การมี Community สำคัญต่อการยกระดับความรู้ด้าน AI ในประเทศไทย Andrew ปิดท้ายว่า “ผมอยากให้ทุกคนเรียนรู้และเติบโตให้เก่งกว่าผม“

แนะนำ Prof. Andrew Ng

Prof. Andrew Ng เป็นหนึ่งในผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) ที่มีชื่อเสียงระดับโลก เขาเป็นศาสตราจารย์ที่ Stanford University และเป็นผู้ร่วมก่อตั้ง Coursera ซึ่งเป็นแพลตฟอร์มการเรียนรู้ออนไลน์ที่ใหญ่ที่สุดในโลก นอกจากนี้ เขายังเคยดำรงตำแหน่งหัวหน้าฝ่ายวิจัยของ Baidu และหัวหน้าฝ่ายปัญญาประดิษฐ์ของ Google

Prof. Andrew Ng มีผลงานวิจัยที่สำคัญหลายประการในด้านการเรียนรู้ของเครื่อง (Machine Learning) และการเรียนรู้เชิงลึก (Deep Learning) โดยเฉพาะอย่างยิ่งในด้านการพัฒนาระบบที่สามารถเรียนรู้จากข้อมูลปริมาณมากๆ เขายังเป็นผู้ริเริ่มการพัฒนาหลักสูตรออนไลน์ฟรี ที่นำเสนอความรู้ด้าน AI และ Machine Learning แก่ผู้เรียนทั่วโลก

นอกจากนี้ Andrew ยังเป็นนักพูดที่มีความสามารถในการอธิบายแนวคิดที่ซับซ้อนในรูปแบบที่เข้าใจง่าย ทำให้เขาเป็นที่รู้จักและเป็นที่เคารพนับถือในวงการ AI และเทคโนโลยี นอกจากบทบาทในวงการศึกษาและวิจัยแล้ว เขายังมีบทบาทในการนำเทคโนโลยี AI มาใช้ในอุตสาหกรรมและธุรกิจ ทำให้เขาเป็นหนึ่งในผู้นำทางด้าน AI ที่มีอิทธิพลมากที่สุดในยุคปัจจุบัน

ข้อมูลทั้งหมดนี้ทำให้เราเห็นถึงการนำ AI มาใช้จริงในประเทศไทยและทั่วโลก แนวโน้มการพัฒนาและการใช้งาน AI ในปัจจุบันและอนาคตอันใกล้ยังคงเติบโตอย่างต่อเนื่อง แต่เราควรติดตามและตรวจสอบข้อมูลอย่างรอบคอบ เนื่องจากเทคโนโลยี AI มีการพัฒนาอย่างรวดเร็วและไม่หยุดนิ่ง หวังว่าคำแนะนำและข้อคิดจาก Prof. Andrew Ng จะเป็นแรงบันดาลใจให้กับทุกคนในการเรียนรู้และเติบโตไปพร้อมกับ AI และเทคโนโลยีในอนาคต