Category: AI & Generative AI

  • แนวคิดในการออกแบบ Prompt ที่มีประสิทธิภาพ หรือ “Design prompts that work”

    แนวคิดในการออกแบบ Prompt ที่มีประสิทธิภาพ หรือ “Design prompts that work”

    Prompt Engineering คือกระบวนการสร้างและปรับแต่งคำสั่ง (prompt) ที่เฉพาะเจาะจงและละเอียด เพื่อให้ได้การตอบสนองที่ต้องการจากโมเดล AI เชิงสร้างสรรค์. กระบวนการนี้มักถูกเปรียบกับการ “เขียนโค้ดด้วยภาษาอังกฤษ” ซึ่งบ่งชี้ถึงความซับซ้อนและความละเอียดอ่อนที่จำเป็นในการสื่อสารกับปัญญาประดิษฐ์ การทำความเข้าใจและเชี่ยวชาญในทักษะนี้จึงเป็นสิ่งสำคัญอย่างยิ่งในการดึงศักยภาพสูงสุดจาก AI ที่มีอยู่ในปัจจุบัน

    “Design prompts that work”

    สรุปเป็นขั้นตอน 5 ขั้นตอนดังนี้ครับ

    1. Task (ภารกิจ)

    ขั้นตอนนี้คือการกำหนด ภารกิจหลัก ที่คุณต้องการให้ AI ทำอย่างชัดเจนที่สุด คุณต้องบอก AI ว่าคุณต้องการอะไร และต้องการให้มันแสดงออกมาในรูปแบบไหน

    • อธิบายอย่างชัดเจน: ระบุว่าคุณต้องการให้เครื่องมือ AI สร้างอะไร
    • กำหนด Persona: ให้ AI สวมบทบาทเป็นใคร เช่น ผู้เชี่ยวชาญด้านการตลาด, นักเขียนเชิงสร้างสรรค์, หรือที่ปรึกษาด้านการเงิน การกำหนดบุคลิกนี้จะช่วยให้ AI สร้างคำตอบที่เหมาะสมกับบริบทมากขึ้น
    • ระบุ Format: บอกรูปแบบของผลลัพธ์ที่ต้องการ เช่น บทความ, อีเมล, รายชื่อ, ตาราง หรือแม้กระทั่งบทกวี

    ตัวอย่าง: “เขียนอีเมลในฐานะผู้จัดการฝ่ายการตลาด เพื่อแจ้งลูกค้าถึงโปรโมชันใหม่ โดยใช้ภาษาที่กระชับและเป็นกันเอง”

    2. Context (บริบท)

    บริบทคือข้อมูลเพิ่มเติมที่จำเป็นทั้งหมด เพื่อให้ AI เข้าใจและทำงานได้อย่างถูกต้องและตรงตามความต้องการของคุณ

    • ให้รายละเอียดที่จำเป็น: ระบุข้อมูลที่เกี่ยวข้องทั้งหมด เช่น กลุ่มเป้าหมาย, จุดประสงค์, ข้อมูลพื้นฐานของเรื่องที่ต้องการ, หรือข้อจำกัดต่างๆ
    • สร้างความเข้าใจ: ช่วยให้ AI เข้าใจว่าคุณต้องการให้มันทำอะไรในเชิงลึกมากขึ้น

    ตัวอย่าง: “โปรโมชันใหม่นี้สำหรับลูกค้าที่ซื้อสินค้าเกิน 1,000 บาท ภายในสิ้นเดือนนี้เท่านั้น” (ข้อมูลนี้จะช่วยให้ AI ไม่ส่งอีเมลหาลูกค้าที่ไม่ตรงกลุ่มเป้าหมาย)

    3. References (ข้อมูลอ้างอิง)

    หากคุณมีตัวอย่างหรือข้อมูลอ้างอิงที่ต้องการให้ AI นำมาใช้ประกอบการสร้างผลงาน ให้ระบุในขั้นตอนนี้

    • ให้ตัวอย่าง: มอบตัวอย่างรูปแบบประโยค, สไตล์การเขียน, หรือโครงสร้างที่คุณชื่นชอบ
    • ช่วย AI ในการเรียนรู้: การให้ข้อมูลอ้างอิงจะช่วยให้ AI สามารถสร้างผลลัพธ์ที่มีสไตล์หรือโทนเสียงที่ใกล้เคียงกับที่คุณต้องการได้

    ตัวอย่าง: “ให้ใช้ภาษาที่มีลักษณะคล้ายกับตัวอย่างบทความนี้: [แนบลิงก์หรือข้อความตัวอย่าง]”

    4. Evaluate (ประเมินผล)

    หลังจากที่ AI สร้างผลลัพธ์ออกมาแล้ว คุณต้องทำการประเมินว่าผลลัพธ์นั้นมีประโยชน์และตรงตามความต้องการของคุณหรือไม่

    • ประเมินผลลัพธ์: ตรวจสอบความถูกต้อง, ความครบถ้วน, และคุณภาพของผลลัพธ์ที่ได้จาก AI
    • ตัดสินว่ามีประโยชน์หรือไม่: พิจารณาว่าผลลัพธ์ที่ได้สามารถนำไปใช้งานได้จริงตามวัตถุประสงค์ของคุณหรือไม่

    ตัวอย่าง: “ผลลัพธ์ที่ได้ตรงตามที่ต้องการหรือไม่? ภาษาที่ใช้เหมาะสมกับกลุ่มเป้าหมายหรือยัง?”

    5. Iterate (ปรับปรุง)

    หากผลลัพธ์ที่ได้จากการประเมินยังไม่เป็นที่พอใจ คุณต้องกลับไปแก้ไข Prompt และให้ AI ลองสร้างผลลัพธ์ใหม่อีกครั้ง

    • ปรับแต่ง Prompt: ระบุส่วนที่ต้องการแก้ไขหรือทำให้ชัดเจนขึ้นใน Prompt เดิมของคุณ
    • ทำซ้ำจนกว่าจะพอใจ: ทำตามวงจรนี้ไปเรื่อยๆ จนกว่าจะได้ผลลัพธ์ที่ดีที่สุด

    ตัวอย่าง: “ช่วยแก้ไขส่วนท้ายของอีเมลให้สั้นลงและเพิ่มปุ่ม Call to Action ที่ชัดเจนขึ้น”

    ตารางกรอบแนวคิด TCREI

    โดยสรุปแล้ว หลักการที่ใช้ในการจดจำ 5 ขั้นตอนข้างต้นคือ Thoughtfully Create Really Excellent Inputs หรือ TCREI ซึ่งย่อมาจาก Task, Context, References, Evaluate, และ Iterate นั่นเองครับ


    ตัวอย่าง TCREI

    👉การสืบสวนธุรกรรมคริปโต

    Task: ทำหน้าที่เป็นนักสืบสอบสวนด้านอาชญากรรมไซเบอร์ สร้างขั้นตอนติดตามธุรกรรม Bitcoin ที่เกี่ยวข้องกับบัญชีต้องสงสัย พร้อมวิเคราะห์ความเสี่ยงทางกฎหมาย

    Context: คดีเกี่ยวข้องกับการฟอกเงินผ่านตลาดมืด ใช้ข้อมูลจาก Blockchain Explorer (เช่น Blockchair, Mempool.space) ต้องจัดทำรายงานให้พนักงานสอบสวนเข้าใจได้ใน 15 นาที

    References: แนบตัวอย่างรายงานการติดตามธุรกรรมจากคดีเก่า พร้อมรูปแบบตารางที่ใช้สรุป (Transaction ID, Time, Amount, Link)

    Evaluate: ตรวจความครบถ้วนของการระบุเส้นทางการโอน (อย่างน้อย 3 hop), ความถูกต้องของเวลา/จำนวน, การอ้างอิงแหล่งข้อมูล

    Iterate: หากไม่ครบข้อมูล ให้ถามกลับเฉพาะจุดที่ขาด เช่น รายละเอียดวอลเล็ตหรือช่วงเวลาของธุรกรรม


    👉การวิเคราะห์ข้อมูลอาชญากรรมพื้นที่

    Task: ทำหน้าที่เป็นนักวิเคราะห์ข้อมูล สร้าง Heatmap การเกิดคดีลักทรัพย์ในเขตเมืองจากข้อมูลตำรวจ

    Context: ข้อมูลย้อนหลัง 12 เดือน มีพิกัด GPS ของจุดเกิดเหตุ ต้องเน้นช่วงเวลาที่คดีเพิ่มสูงผิดปกติ เพื่อใช้วางกำลังสายตรวจ

    References: แนบตัวอย่าง Heatmap และตารางสรุปที่เคยใช้ในโครงการวิเคราะห์คดีชิงทรัพย์

    Evaluate: ตรวจว่าผลลัพธ์มีการไฮไลต์ช่วงเวลาความเสี่ยงสูง และใช้สเกลสีที่เข้าใจง่าย

    Iterate: หากยังไม่ชัดเจน ให้ปรับการแสดงผลเป็น Time-series + Heatmap ควบคู่กัน

    😊 คิดว่าน่าจะมีประโยชน์นะครับ ของดีจาก Google : พัฒนาโดยผู้เชียวชาญด้าน AI ของ Google ผ่านหลักสูตร “Prompting Essentials”

  • หลักการพื้นฐานของ Prompt ใน Generative AI  เบื้องต้น : part 1

    หลักการพื้นฐานของ Prompt ใน Generative AI เบื้องต้น : part 1

    คำว่า “Prompt” และความสำคัญของมันในบริบทของ “บทนำ” สามารถอธิบายได้ดังนี้:

    1. คำนิยามของ “Prompt”

    • Prompt คืออินพุตที่ให้กับโมเดล Generative AI (GenAI) เพื่อชี้นำผลลัพธ์ของมัน
    • Prompt สามารถประกอบด้วย ข้อความ, รูปภาพ, เสียง หรือสื่อรูปแบบอื่น ๆ
    • แม้ว่า Prompt มักจะมีส่วนประกอบที่เป็นข้อความ แต่สิ่งนี้อาจเปลี่ยนแปลงได้เมื่อรูปแบบที่ไม่ใช่ข้อความกลายเป็นเรื่องปกติมากขึ้น
    • ตัวอย่างของ Prompt ได้แก่:
      • ข้อความ เช่น “เขียนบทกวีเกี่ยวกับต้นไม้” หรือ “เขียนอีเมลสามย่อหน้าสำหรับแคมเปญการตลาดของบริษัทบัญชี”
      • รูปภาพ เช่น ภาพถ่ายกระดาษที่เขียนว่า “10*179 คืออะไร”
      • การบันทึกเสียง เช่น การบันทึกการประชุมออนไลน์พร้อมคำสั่ง “สรุปสิ่งนี้”
    • ในอดีต บางงานวิจัยเคยพิจารณาเฉพาะส่วนหนึ่งของอินพุตเป็น Prompt (เช่น คำว่า “llama” ใน “Translate English to French: llama”) และเรียกส่วนอื่นว่า “คำอธิบายงาน” แต่ปัจจุบัน เอกสารฉบับนี้และงานวิจัยล่าสุดอื่น ๆ อ้างถึงสตริงทั้งหมดที่ส่งไปยัง LLM ว่าเป็น Prompt

    2. ความสำคัญของ Prompt

    • การมีความรู้เกี่ยวกับวิธีสร้างสรรค์, ประเมิน และทำงานอื่น ๆ กับ Prompt ได้อย่างมีประสิทธิภาพนั้น จำเป็นอย่างยิ่งต่อการใช้งานโมเดล GenAI
    • โดยประสบการณ์พบว่า Prompt ที่ดีขึ้นนำไปสู่ผลลัพธ์ที่ดีขึ้นในงานที่หลากหลาย
    • ความสามารถในการส่ง Prompt ไปยังโมเดล โดยเฉพาะอย่างยิ่งการส่ง Prompt ด้วยภาษามนุษย์ ทำให้โมเดลเหล่านี้โต้ตอบและใช้งานได้อย่างยืดหยุ่นในกรณีการใช้งานที่หลากหลาย
    • อย่างไรก็ตาม การใช้ Prompt ยังคงเป็นเรื่องที่เข้าใจได้ไม่ดีนัก และมีเพียงส่วนน้อยของคำศัพท์และเทคนิคที่มีอยู่เป็นที่รู้จักกันดีในหมู่ผู้ปฏิบัติงาน

    3. Prompt Template (เทมเพลต Prompt)

    • Prompt มักถูกสร้างขึ้นผ่าน Prompt Template (เทมเพลต Prompt)
    • Prompt Template คือฟังก์ชันที่มีตัวแปรหนึ่งตัวหรือมากกว่า ซึ่งจะถูกแทนที่ด้วยสื่อบางอย่าง (โดยปกติคือข้อความ) เพื่อสร้าง Prompt
    • จากนั้น Prompt ที่ได้สามารถถือเป็นอินสแตนซ์ของเทมเพลตได้
    • ตัวอย่างเช่น สำหรับงานจำแนกทวีตแบบไบนารี Prompt Template อาจเป็น: “Classify the tweet as positive or negative: {TWEET}” โดยแต่ละทวีตในชุดข้อมูลจะถูกแทรกลงในอินสแตนซ์แยกต่างหากของเทมเพลต เพื่อสร้าง Prompt ให้กับ LLM

    4. ส่วนประกอบของ Prompt: Prompt มีส่วนประกอบทั่วไปหลายอย่างที่มักจะรวมอยู่ด้วย:

    • Directive (คำสั่ง): เป็นเจตนาหลักของ Prompt มักอยู่ในรูปของคำแนะนำหรือคำถาม (เช่น “Tell me five good books to read.”) อาจเป็นคำสั่งที่ซ่อนอยู่ก็ได้ เช่น ในกรณีของ One-Shot ที่มีวัตถุประสงค์เพื่อแปลภาษาอังกฤษเป็นสเปน
    • Examples (ตัวอย่าง): หรือที่เรียกว่า exemplars หรือ shots ทำหน้าที่เป็นตัวสาธิตเพื่อนำทาง GenAI ในการทำงานให้สำเร็จ
    • Output Formatting (การจัดรูปแบบผลลัพธ์): เป็นสิ่งที่ต้องการให้ GenAI แสดงข้อมูลในรูปแบบที่เฉพาะเจาะจง เช่น CSV, Markdown, XML หรือแม้แต่รูปแบบที่กำหนดเอง
    • Style Instructions (คำแนะนำด้านสไตล์): เป็นประเภทของการจัดรูปแบบผลลัพธ์ที่ใช้เพื่อปรับเปลี่ยนสไตล์แทนที่จะเป็นโครงสร้าง (เช่น “Write a clear and curt paragraph about llamas.”)
    • Role (บทบาท): หรือที่เรียกว่า persona เป็นส่วนประกอบที่มักกล่าวถึงและสามารถปรับปรุงการเขียนและสไตล์ข้อความได้ (เช่น “Pretend you are a shepherd and write a limerick about llamas.”)
    • Additional Information (ข้อมูลเพิ่มเติม): มักจำเป็นต้องรวมข้อมูลเพิ่มเติมใน Prompt (เช่น ชื่อและตำแหน่งในกรณีของการเขียนอีเมล) บางครั้งเรียกว่า ‘context’ แต่เอกสารนี้ไม่แนะนำเนื่องจากมีความหมายที่ซ้อนทับกัน

    5. ความท้าทายด้านคำศัพท์

    • คำศัพท์ในวงการ Prompt กำลังพัฒนาอย่างรวดเร็ว
    • มีคำนิยามที่ยังไม่เป็นที่เข้าใจดี (เช่น prompt, prompt engineering) และคำนิยามที่ขัดแย้งกัน (เช่น role prompt vs persona prompt)
    • การขาดคำศัพท์ที่สอดคล้องกันขัดขวางความสามารถของชุมชนในการอธิบายเทคนิคการ Prompt ต่างๆ ที่ใช้อยู่ได้อย่างชัดเจน
    • เอกสารนี้พยายามให้คำศัพท์ที่แข็งแกร่งซึ่งครอบคลุมคำที่ใช้กันทั่วไปส่วนใหญ่ในสาขานี้

    6. ประวัติโดยย่อของ Prompts

    • แนวคิดของการใช้ Natural Language Prefixes หรือ Prompts เพื่อดึงพฤติกรรมและการตอบสนองของโมเดลภาษา มีมาก่อนยุค GPT-3 และ ChatGPT
    • GPT-2 ใช้ Prompt และมีการกล่าวถึงการใช้ครั้งแรกในบริบทของ Generative AI โดย Fan et al. (2018)
    • อย่างไรก็ตาม แนวคิดของ Prompt มีมาก่อนโดยแนวคิดที่เกี่ยวข้อง เช่น Control Codes (Pfaff, 1979; Poplack, 1980; Keskar et al., 2019) และ Prompt การเขียนในวรรณคดี
    • คำว่า Prompt Engineering ดูเหมือนจะเกิดขึ้นเมื่อไม่นานมานี้จาก Radford et al. (2021) และต่อมาเล็กน้อยจาก Reynolds and McDonell (2021)

    โดยสรุป "Prompt" เป็นอินพุตสำคัญที่ใช้ชี้นำ GenAI โดยอาจมีหลายรูปแบบและส่วนประกอบ และการทำความเข้าใจและใช้ Prompt อย่างมีประสิทธิภาพเป็นสิ่งจำเป็นในยุคของ AI ในขณะที่สาขาวิชานี้กำลังพัฒนาและคำศัพท์ยังคงมีการเปลี่ยนแปลงอยู่

  • ข้อคิดจากหนังสือ The Coming Wave คลื่นลูกใหม่กำลังมา

    ข้อคิดจากหนังสือ The Coming Wave คลื่นลูกใหม่กำลังมา

    “เมื่อผู้คนถามผมเกี่ยวกับปัญญาประดิษฐ์ คำถามของพวกเขามักจะสรุปได้ดังนี้: ฉันควรจะกังวลอะไร และควรจะกังวลแค่ไหน ในปีที่ผ่านมา ผมตอบโดยบอกให้พวกเขาอ่าน The Coming Wave โดย Mustafa Suleyman นี่เป็นหนังสือที่ผมแนะนาที่เกี่ยวกับปัญญาประดิษฐ์มากกว่าเล่มอื่นๆ ไม่ว่าจะเป็นผู้นำรัฐ ผู้นำธุรกิจ หรือใครก็ตามที่ถาม เพราะหนังสือเล่มนี้มีสิ่งที่หาได้ยาก นั่นคือ มุมมองที่ชัดเจนเกี่ยวกับโอกาสอันยอดเยี่ยม และความเสี่ยงอันแท้จริงที่รออยู่ข้างหน้า” …..The Coming Wave แนะนำโดย Bill Gates (4 ธันวาคม ค.ศ. 2024)

    เครดิตภาพจาก : techsauce

    คลื่นลูกใหม่กำลังมา: มุสตาฟา สุไลมาน เผยวิสัยทัศน์แห่งอนาคต

    Mustafa Suleyman

    โลกกำลังจะเปลี่ยน คุณพร้อมรับมือหรือยัง?

    มุสตาฟา สุไลมาน ผู้ร่วมก่อตั้ง DeepMind เปิดเผยในหนังสือขายดีของเขาถึงการเปลี่ยนแปลงครั้งใหญ่ที่กำลังจะเกิดขึ้น เมื่อปัญญาประดิษฐ์และชีววิทยาสังเคราะห์เริ่มเข้ามามีบทบาทในชีวิตประจำวัน

    “คลื่นลูกใหม่กำลังมา และทุกอย่างจะไม่เหมือนเดิมอีกต่อไป”

    จากประสบการณ์อันยาวนานในฐานะผู้เชี่ยวชาญและผู้สนับสนุนเทคโนโลยีแนวหน้า สุไลมานไม่เพียงแค่มองเห็นประโยชน์มหาศาล แต่ยังเตือนถึงภัยอันตรายที่เราอาจไม่เคยพบเจอมาก่อน

    ทำไมคุณต้องใส่ใจ?

    คุณลองนึกภาพ:

    • AI ที่จัดการงานสำคัญในชีวิตประจำวันของคุณได้โดยอัตโนมัติ
    • การออกแบบ DNA ที่สามารถทำได้แม้ในโรงรถธรรมดา
    • โลกที่เทคโนโลยีพัฒนาเร็วเกินกว่าที่สังคมจะรับมือได้ทัน

    “The Coming Wave” ไม่ใช่แค่หนังสือ แต่เป็นสัญญาณเตือนให้เราเตรียมพร้อม เป็นคู่มือที่ครูทุกคนควรอ่านเพื่อเตรียมคนรุ่นถัดไปสำหรับอนาคตที่กำลังจะมาถึง

    คุณจะอยู่บนยอดคลื่นหรือถูกคลื่นซัดจม? ถึงเวลาเตรียมตัวแล้ว…

    9 ข้อคิดดี ๆ

    1.WAVES คลื่นแห่งการเปลี่ยนแปลง: เมื่อเทคโนโลยีกำลังจะพลิกโฉมโลกอีกครั้ง

    คลื่นในประวัติศาสตร์: สัญลักษณ์แห่งการเปลี่ยนแปลงครั้งใหญ่

    ลองนึกถึงเรื่องเล่าโบราณที่แทบทุกวัฒนธรรมมีร่วมกัน – เรื่องราวของน้ำท่วมใหญ่ที่พลิกโฉมโลก

    คลื่นไม่ใช่แค่ปรากฏการณ์ทางธรรมชาติ แต่เป็นสัญลักษณ์ของพลังมหาศาลที่สามารถเปลี่ยนแปลงทุกสิ่งในพริบตา

    คลื่นแห่งเทคโนโลยีที่เปลี่ยนโลก

    เราได้เห็นคลื่นเทคโนโลยีมาแล้วหลายระลอก:

    • การสร้างเครื่องมือเกษตรกรรมที่ทำให้มนุษย์เลิกเร่ร่อนและสร้างอารยธรรม
    • การปฏิวัติอุตสาหกรรมที่เปลี่ยนวิถีการทำงานและการใช้ชีวิต
    • การประดิษฐ์ชิปซิลิคอนที่นำไปสู่ยุคดิจิทัล

    แต่ละคลื่นได้เปลี่ยนสังคมมนุษย์อย่างถอนรากถอนโคน

    คลื่นลูกใหม่กำลังมา

    ในช่วง 50 ปีที่ผ่านมา เทคโนโลยีคอมพิวเตอร์พัฒนาแบบก้าวกระโดด จากเครื่องคำนวณขนาดห้องสู่คอมพิวเตอร์พกพาที่ทรงพลังกว่าหลายพันเท่า

    และตอนนี้ หลังจากเราเพิ่งปรับตัวกับคลื่นลูกแรกของยุคคอมพิวเตอร์ คลื่นลูกใหม่กำลังก่อตัวขึ้น – คลื่นที่อาจทรงพลังยิ่งกว่าที่เคยเห็นมา

    2.THE COMING WAVE คลื่นลูกใหม่ที่กำลังมา: AI และชีววิทยาสังเคราะห์

    กำลังจะมาถึง: คลื่นลูกใหญ่แห่งการเปลี่ยนแปลง

    คลื่นลูกใหม่ทางเทคโนโลยีกำลังก่อตัวขึ้น และเตรียมจะซัดเข้าสู่ชายฝั่งแห่งสังคมของเรา โดยมีสองพลังหลักที่ขับเคลื่อน:

    • ปัญญาประดิษฐ์ (AI) – ที่เรียนรู้และปรับตัวได้อย่างน่าทึ่ง
    • ชีววิทยาสังเคราะห์ – ที่เปิดโอกาสให้เราสร้างและเปลี่ยนแปลงชีวิต

    ความก้าวหน้าที่เหนือความคาดหมาย

    นึกถึงแชทบอทเมื่อ 5 ปีก่อน… ที่แทบใช้งานไม่ได้เลย

    เปรียบเทียบกับ ChatGPT ในวันนี้… ที่กลายเป็นผู้ช่วยอัจฉริยะ

    นี่คือความเร็วในการพัฒนาที่แทบไม่มีใครคาดคิดมาก่อน

    ดาบสองคม: โอกาสและความเสี่ยง

    เหมือนมีดที่คมกริบ – เครื่องมือที่ช่วยให้มนุษย์ยุคแรกสร้างสิ่งประดิษฐ์ แต่ก็ถูกใช้เป็นอาวุธได้เช่นกัน

    เทคโนโลยีลูกใหม่นี้:

    • สร้างโอกาสมหาศาลที่เราแทบจะจินตนาการไม่ถึง
    • แต่ก็มาพร้อมความเสี่ยงที่อาจส่งผลกระทบรุนแรงไม่แพ้กัน

    เหตุใดเราต้องเตรียมพร้อมตั้งแต่วันนี้

    เราอยู่ที่จุดเปลี่ยนสำคัญ – เรายังมีเวลาที่จะรับมือกับคลื่นลูกนี้อย่างชาญฉลาด

    แทนที่จะปล่อยให้คลื่นซัดเราจมน้ำ เรายังสามารถเรียนรู้ที่จะโต้คลื่นและใช้พลังของมันให้เป็นประโยชน์

    3.PESSIMISM AVERSION ความเกลียดชังต่อการมองโลกในแง่ร้าย: อุปสรรคต่อการรับมือกับเทคโนโลยีใหม่

    ทำไมเราถึงมักเลือกมองแต่ด้านดี?

    เรากำลังเผชิญกับความท้าทายใหญ่ในการรับมือกับคลื่นเทคโนโลยีลูกใหม่ – สิ่งที่มุสตาฟา สุไลมานเรียกว่า “ความเกลียดชังต่อการมองโลกในแง่ร้าย”

    ลองคิดดู – เมื่อมีคนเตือนถึงความเสี่ยงของเทคโนโลยีใหม่ คุณเคยรู้สึกไม่สบายใจและอยากปฏิเสธคำเตือนนั้นหรือไม่?

    สัญชาตญาณการปฏิเสธความเสี่ยง

    นี่เป็นปฏิกิริยาตามสัญชาตญาณของมนุษย์:

    • เราไม่อยากมองเห็นอันตรายที่กำลังจะมา
    • เราต้องการเชื่อว่าทุกอย่างจะดีเอง
    • เรามักจะ “เอาหัวมุดทราย” เมื่อเผชิญกับความเสี่ยง

    การโจมตีผู้เตือนภัย

    เมื่อมีคนพยายามเตือนถึงอันตรายที่อาจเกิดขึ้น เรามักจะ:

    • เรียกเขาว่า “คนชอบคัดค้าน”
    • กล่าวหาว่า “มองโลกในแง่ร้าย”
    • บอกให้พวกเขา “มองโลกในแง่ดีบ้าง”

    ความสมดุลที่จำเป็น

    ความเกลียดชังต่อการมองโลกในแง่ร้ายมีประเด็นที่ถูกต้อง: คลื่นเทคโนโลยีใหม่นี้จะนำมาซึ่งประโยชน์มหาศาลอย่างแน่นอน

    แต่การปฏิเสธที่จะมองเห็นอันตรายหรือความเสี่ยงเป็นเรื่องอันตรายอย่างยิ่ง

    สิ่งที่เราต้องการคือมุมมองที่สมดุล: เห็นทั้งโอกาสและความเสี่ยง พร้อมเตรียมรับมือกับทั้งสองด้าน

    4.GLOBAL ISSUES การแข่งขันระดับโลก: เมื่อประเทศต่างๆ เร่งพัฒนาเทคโนโลยีโดยไม่คำนึงถึงความเสี่ยง

    เชื้อเพลิงที่ขับเคลื่อนคลื่นเทคโนโลยีลูกใหม่

    นอกจากความเกลียดชังต่อการมองโลกในแง่ร้ายแล้ว ยังมีอีกปัจจัยหนึ่งที่เร่งให้คลื่นลูกใหม่ทวีความรุนแรง: การแข่งขันระดับโลก

    ลองคิดภาพ: เมื่อประเทศหนึ่งพัฒนา AI ที่ทรงพลัง ประเทศอื่นๆ จะยอมอยู่เฉยๆ ได้หรือไม่?

    แรงผลักดันจากความกลัวการล้าหลัง

    ประเทศต่างๆ ถูกขับเคลื่อนด้วยความกลัวพื้นฐาน:

    • ไม่มีประเทศใดต้องการเป็นรองในการแข่งขันด้านเทคโนโลยี
    • ทุกประเทศต้องการเป็นผู้นำในการพัฒนานวัตกรรมล้ำสมัย
    • ความกลัวที่จะถูกทิ้งไว้ข้างหลังนำไปสู่การเร่งพัฒนาอย่างไร้ขีดจำกัด

    การขยายขอบเขตโดยไม่คำนึงถึงผลกระทบ

    นี่คือวิธีที่เส้นแบ่งของวิทยาศาสตร์และเทคโนโลยีถูกผลักดันให้ก้าวไปข้างหน้าเรื่อยๆ:

    • การค้นพบใหม่ๆ เกิดขึ้นอย่างรวดเร็ว
    • มาตรฐานความปลอดภัยอาจถูกละเลย
    • ผลกระทบระยะยาวแทบไม่ได้รับการพิจารณาอย่างรอบคอบ

    คำถามสำคัญสำหรับสังคมของเรา

    เราจะสร้างสมดุลระหว่างการแข่งขันและความรับผิดชอบได้อย่างไร?

    เราจะสร้างกรอบการทำงานระดับโลกที่ช่วยให้เทคโนโลยีก้าวหน้าโดยไม่ละเลยความปลอดภัยได้หรือไม่?

    หรือเราจะปล่อยให้การแข่งขันระหว่างประเทศผลักดันให้เราก้าวไปสู่ดินแดนที่ไม่มีใครสำรวจมาก่อนโดยไม่มีแผนที่นำทาง?

    5.CONTAINMENT การควบคุมคลื่นเทคโนโลยี: ความท้าทายที่แทบเป็นไปไม่ได้

    จะควบคุมสิ่งที่ควบคุมไม่ได้อย่างไร?

    การรับมือกับคลื่นเทคโนโลยีที่กำลังมานั้น ต้องมีการควบคุม แต่นี่อาจเป็นความท้าทายที่ยากที่สุด

    มุสตาฟา สุไลมาน ให้นิยามของ “การควบคุม” ไว้อย่างชัดเจน:

    “ความสามารถในการตรวจสอบ จำกัด ควบคุม และอาจปิดเทคโนโลยีลงด้วยซ้ำ”

    แต่ประวัติศาสตร์บอกเราว่า นี่เป็นภารกิจที่แทบเป็นไปไม่ได้

    บทเรียนจากอดีต: เทคโนโลยีมักหาทางออก

    จักรวรรดิออตโตมันเคยพยายามห้ามใช้โรงพิมพ์ — แต่ผลเป็นอย่างไร?

    ล้มเหลวโดยสิ้นเชิง

    เทคโนโลยีมักหาทางเล็ดลอดผ่านการควบคุมเสมอ เหมือนน้ำที่หาทางไหลผ่านรอยแตกของเขื่อน

    เหตุใดคลื่นลูกใหม่จึงควบคุมยากกว่าที่เคย

    คลื่นเทคโนโลยีใหม่มีคุณสมบัติที่ทำให้การควบคุมเป็นเรื่องยากอย่างที่ไม่เคยเป็นมาก่อน:

    • ราคาถูก – ไม่ต้องลงทุนมหาศาลเหมือนเทคโนโลยีในอดีต
    • เข้าถึงง่าย – ใครๆ ก็สามารถใช้งานได้จากทั่วโลก
    • ใช้งานง่าย – ไม่จำเป็นต้องมีทักษะซับซ้อน

    เปรียบเทียบ: เครื่องบินขับไล่ vs เทคโนโลยีดิจิทัล

    สุไลมานใช้ตัวอย่างที่ชัดเจน:

    เครื่องบินขับไล่:

    • ราคาแพงหลายร้อยล้าน
    • ต้องการการฝึกฝนหลายปี
    • ควบคุมได้ง่ายเพราะมีอุปสรรคสูงในการเข้าถึง

    เทคโนโลยีดิจิทัลใหม่:

    • ถูกมาก (หรือฟรี)
    • ใช้งานง่าย ไม่ต้องผ่านการฝึกอบรมมาก
    • แพร่กระจายได้ทั่วโลกในเสี้ยววินาที

    6.THE FOUR FEATURES สี่คุณสมบัติที่ทำให้คลื่นเทคโนโลยีใหม่ควบคุมไม่ได้

    คลื่นเทคโนโลยีลูกใหม่มีลักษณะพิเศษที่ทำให้การควบคุมเป็นความท้าทายที่ไม่เคยเกิดขึ้นมาก่อน มุสตาฟา สุไลมานได้ระบุคุณสมบัติสำคัญ 4 ประการที่ทำให้เทคโนโลยีเหล่านี้มีความเสี่ยงสูง

    1. ความไม่สมดุล (Asymmetry)

    การเปลี่ยนแปลงเล็กน้อย = ผลกระทบมหาศาล

    เพียงแค่การปรับปรุงเล็กๆ น้อยๆ ในโค้ดหรือการทดลองทางชีววิทยา อาจส่งผลให้เกิดการเปลี่ยนแปลงขนาดใหญ่ที่ไม่คาดคิด

    ลองนึกภาพ: โค้ดเพียงไม่กี่บรรทัดอาจสร้างระบบที่ส่งผลกระทบต่อคนนับล้าน

    2. วิวัฒนาการขั้นสูงสุด (Hyper-evolution)

    พัฒนาเร็วเกินกว่าที่เราจะตามทัน

    เทคโนโลยีเหล่านี้ไม่ได้พัฒนาแบบเส้นตรง แต่พัฒนาแบบทวีคูณ – เร็วขึ้นเรื่อยๆ

    ระบบ AI ในวันนี้อาจกลายเป็นเรื่องล้าสมัยในอีกหกเดือนข้างหน้า ทำให้การสร้างกฎระเบียบที่มีประสิทธิภาพเป็นเรื่องยาก

    3. การใช้งานได้หลากหลาย (Omni-use)

    หนึ่งเทคโนโลยี = หลากหลายการใช้งาน

    เทคโนโลยีใหม่เหล่านี้ไม่ได้จำกัดอยู่แค่อุตสาหกรรมเดียว แต่สามารถนำไปใช้ได้แทบทุกด้านของชีวิต:

    • ทางการแพทย์
    • ทางการเงิน
    • ทางการศึกษา
    • และอีกมากมาย

    ซึ่งทำให้การควบคุมเป็นเรื่องยาก เพราะต้องคิดถึงการใช้งานที่หลากหลายและอาจไม่คาดคิด

    4. ความเป็นอิสระ (Autonomy)

    เทคโนโลยีที่คิดและตัดสินใจได้เอง

    ลักษณะที่น่ากลัวที่สุด: ระบบ AI ที่กำลังพัฒนาสามารถทำงานได้โดยอัตโนมัติ ตัดสินใจได้เอง และอาจพัฒนาตัวเองต่อไปได้

    นึกภาพระบบที่สามารถ:

    • เรียนรู้จากประสบการณ์
    • ปรับตัวเมื่อเผชิญอุปสรรค
    • ตัดสินใจด้วยตัวเองโดยไม่ต้องรอคำสั่งจากมนุษย์

    7.IN THE WRONG HANDS เมื่อเทคโนโลยีตกอยู่ในมือผู้ไม่หวังดี: อันตรายที่เพิ่มทวีคูณ

    ภัยคุกคามที่เพิ่มขึ้นเมื่อคนผิดได้ครอบครองเทคโนโลยีใหม่

    อีกด้านที่น่ากังวลของคลื่นเทคโนโลยีลูกใหม่คือโอกาสที่เทคโนโลยีเหล่านี้จะตกไปอยู่ในมือของผู้ที่มีเจตนาร้าย

    ความเสี่ยงไม่ได้เป็นเพียงทฤษฎี แต่เป็นภัยคุกคามที่จับต้องได้และน่ากลัวอย่างยิ่ง

    จินตนาการถึงภัยคุกคามรูปแบบใหม่

    ลองนึกภาพสถานการณ์ที่น่าสะพรึงกลัวนี้:

    โดรนติดอาวุธที่ขับเคลื่อนด้วย AI

    • สามารถจดจำใบหน้าและระบุเป้าหมายเฉพาะได้
    • บินอัตโนมัติโดยไม่ต้องมีคนควบคุม
    • ติดตั้งอาวุธที่ทำลายล้างสูง

    เทคโนโลยีเช่นนี้สามารถทำให้ผู้ก่อการร้ายเพียงคนเดียวมีอำนาจทำลายล้างเทียบเท่ากับกองทัพขนาดเล็ก

    สองด้านของเหรียญเดียวกัน

    แต่ในขณะเดียวกัน เราต้องตระหนักว่า:

    ในมือของคนดี เทคโนโลยีเดียวกันนี้สามารถ:

    • ช่วยแพทย์วินิจฉัยโรคได้แม่นยำยิ่งขึ้น
    • เพิ่มผลผลิตทางการเกษตรเพื่อแก้ปัญหาความหิวโหย
    • ช่วยชีวิตผู้คนในพื้นที่ประสบภัยพิบัติ

    การเดินบนเส้นทางแคบ

    มุสตาฟา สุไลมานเน้นย้ำว่า เราต้อง “เดินบนเส้นทางที่แคบ”:

    • ต้องควบคุม เทคโนโลยีอย่างเพียงพอเพื่อป้องกันการใช้ในทางที่ผิด
    • แต่ ไม่ควบคุมมากเกินไป จนทำลายศักยภาพที่จะสร้างประโยชน์อันยิ่งใหญ่

    คำถามสำคัญคือ: เราจะสร้างสมดุลนี้ได้อย่างไร? เราจะสร้างระบบที่ให้เทคโนโลยีใหม่เบ่งบานในมือของคนดี แต่ป้องกันไม่ให้ตกไปอยู่ในมือของคนร้ายได้หรือไม่?

    8.THE NARROW PATH เส้นทางแคบ: สมดุลที่ละเอียดอ่อนระหว่างนวัตกรรมและความปลอดภัย

    การเดินบนเส้นด้ายระหว่างอนาคตสองแบบ

    มุสตาฟา สุไลมาน ใช้คำว่า “เส้นทางแคบ” เพื่ออธิบายความท้าทายที่ยิ่งใหญ่ที่สุดของยุคสมัยเรา:

    “ศักยภาพของมนุษยชาติในการสร้างสมดุลระหว่างความเปิดกว้างและการปิดล้อม เมื่อต้องจำกัดเทคโนโลยีในคลื่นลูกใหม่ที่จะมาถึง เพื่อหลีกเลี่ยงผลลัพธ์ที่เลวร้าย”

    นี่คือเส้นทางที่เปราะบางที่เราต้องเดิน – ไม่เปิดกว้างจนเกินไป แต่ก็ไม่ปิดกั้นจนเกินไป

    ความท้าทายที่ไม่มีวันจบ

    เส้นทางนี้มีลักษณะสำคัญสองประการ:

    1. เป็นเส้นทางที่ยากลำบาก

    • ต้องการการตัดสินใจที่ละเอียดอ่อนและยากลำบาก
    • ต้องชั่งน้ำหนักระหว่างความเสี่ยงและประโยชน์อยู่ตลอดเวลา
    • ต้องยอมรับว่าไม่มีคำตอบที่สมบูรณ์แบบ

    2. เป็นเส้นทางที่ไม่มีวันสิ้นสุด

    • ไม่ใช่เป้าหมายที่เมื่อไปถึงแล้วจะจบ
    • เป็นกระบวนการที่ต้องทำอย่างต่อเนื่องไปตลอด
    • สังคมทุกแห่งต้องเดินบนเส้นทางนี้ไปพร้อมกัน

    ความสมดุลที่ต้องรักษา

    เส้นทางแคบนี้คือการหาจุดสมดุลที่เหมาะสมระหว่าง:

    • การปล่อยให้นวัตกรรมเติบโตอย่างเสรี
    • การกำกับดูแลที่เพียงพอเพื่อความปลอดภัย
    • การเปิดโอกาสให้เกิดประโยชน์
    • การป้องกันการนำไปใช้ในทางที่ผิด

    คำถามสำคัญสำหรับมนุษยชาติ

    เราจะรักษาสมดุลนี้ได้อย่างไร? มนุษยชาติจะมีวินัยและความรอบคอบเพียงพอที่จะเดินบนเส้นทางแคบนี้ไปด้วยกันได้หรือไม่?

    นี่ไม่ใช่เพียงความท้าทายทางเทคโนโลยี แต่เป็นความท้าทายทางศีลธรรมและจริยธรรมที่จะกำหนดอนาคตของเรา

    9.SCULPTING THE NEXT WAVE การปั้นแต่งคลื่นเทคโนโลยี: มนุษย์ต้องมาก่อนเสมอ

    บทเรียนจากประวัติศาสตร์ที่เราต้องไม่ลืม

    การปฏิวัติอุตสาหกรรมครั้งก่อนสร้างความเจริญก้าวหน้าอย่างมหาศาล แต่มาพร้อมกับราคาที่แสนแพง:

    ลองนึกภาพ:

    • เด็กน้อยที่ต้องทำงานในโรงงานอันอันตราย
    • ครอบครัวที่อาศัยอยู่ในสลัมสกปรก
    • ชีวิตที่ถูกบีบให้ปรับตัวเข้ากับจังหวะของเครื่องจักร

    มนุษย์ถูกบังคับให้ปรับตัวเข้ากับเทคโนโลยี แทนที่จะเป็นในทางกลับกัน

    จุดยืนของมุสตาฟา สุไลมาน

    มุสตาฟา สุไลมานเชื่อว่าเราต้องเปลี่ยนแนวคิดนี้อย่างสิ้นเชิง:

    “เราต้องมั่นใจว่าเทคโนโลยีถูกปรับให้เข้ากับผู้คน ชีวิตและความหวังของพวกเขาตั้งแต่แรกเริ่ม”

    นี่คือการเปลี่ยนมุมมองครั้งสำคัญ – แทนที่จะบังคับมนุษย์ให้ปรับตัวเข้ากับเทคโนโลยี เราต้องออกแบบเทคโนโลยีให้รับใช้ความต้องการของมนุษย์ตั้งแต่เริ่มต้น

    การจำกัดที่มีความหมาย

    เทคโนโลยีที่ปรับให้เข้ากับมนุษย์คือเทคโนโลยีที่ถูกจำกัดอย่างเหมาะสม:

    • จำกัดไม่ให้ละเมิดสิทธิความเป็นส่วนตัว
    • จำกัดไม่ให้เพิ่มความเหลื่อมล้ำทางสังคม
    • จำกัดไม่ให้ทำลายคุณค่าของมนุษย์

    ภารกิจหลักของเรา

    สุไลมานเน้นย้ำว่า:

    “ภารกิจเร่งด่วนที่สุดไม่ใช่การขี่หรือหยุดคลื่นลูกใหม่โดยเปล่าประโยชน์ แต่คือการปั้นแต่งมัน”

    เราไม่สามารถหยุดคลื่นเทคโนโลยีได้ และเราไม่ควรปล่อยให้มันพัดเราไปตามกระแสโดยไร้ทิศทาง

    แต่เราสามารถและควรที่จะปั้นแต่งคลื่นนั้น – กำหนดรูปร่างและทิศทางของมัน เพื่อให้นำมาซึ่งประโยชน์สูงสุดและความเสียหายน้อยที่สุด

    สัญญาแห่งอนาคต

    ครั้งนี้ มนุษย์ต้องมาก่อนเสมอ – ไม่ใช่กำไร ไม่ใช่ประสิทธิภาพ ไม่ใช่ความก้าวหน้าทางเทคนิค แต่เป็นความเป็นอยู่ที่ดีของมนุษย์

    เราจะสร้างอนาคตที่เทคโนโลยีรับใช้มนุษย์ ไม่ใช่มนุษย์รับใช้เทคโนโลยีได้หรือไม่? นี่คือคำถามที่จะกำหนดศตวรรษของเรา


    3 ขั้นตอนเตรียมพร้อมรับคลื่นเทคโนโลยีลูกใหม่

    เราไม่อาจหนีคลื่นได้ แต่เราสามารถเตรียมพร้อมได้

    มุสตาฟา สุไลมานได้เสนอแนวทาง 3 ขั้นตอน ที่จะช่วยให้เราพร้อมรับมือกับการเปลี่ยนแปลงครั้งใหญ่ที่กำลังจะมา

    1. ยอมรับว่าคลื่นกำลังมา

    คลื่นเทคโนโลยีใหม่นี้เป็นสิ่งที่หลีกเลี่ยงไม่ได้

    ก้าวแรกของการเตรียมพร้อมคือการยอมรับความจริง:

    • AI และชีววิทยาสังเคราะห์กำลังพัฒนาอย่างรวดเร็ว
    • การเปลี่ยนแปลงนี้จะเกิดขึ้นไม่ว่าเราจะพร้อมหรือไม่
    • แม้เราจะคาดเดาผลลัพธ์ทั้งหมดไม่ได้ แต่เราต้องยอมรับว่ามันกำลังจะเกิดขึ้น

    การปฏิเสธหรือการมองข้ามความจริงนี้จะทำให้เราตกอยู่ในอันตราย

    2. ก้าวทันเทคโนโลยี

    ความรู้คือพลัง – โดยเฉพาะในยุคแห่งการเปลี่ยนแปลง

    หากคุณไม่ต้องการถูกทิ้งไว้ข้างหลัง:

    • ติดตามความก้าวหน้าล่าสุดของเทคโนโลยี
    • เรียนรู้ว่าเทคโนโลยีใหม่ทำงานอย่างไร
    • ทำความเข้าใจทั้งประโยชน์และความเสี่ยง

    เปรียบเสมือนการเรียนรู้กระแสน้ำก่อนที่จะว่ายน้ำ – หากคุณไม่รู้ว่ากำลังเกิดอะไรขึ้น คุณไม่มีทางปกป้องตัวเองได้

    3. ปรับแต่งคลื่น

    นี่คือขั้นตอนที่สำคัญที่สุด: การร่วมกันกำหนดทิศทาง

    คลื่นลูกนี้จะส่งผลกระทบต่อทุกคน จึงเป็นความรับผิดชอบร่วมกันของสังคมที่จะ:

    • สร้างเทคโนโลยีที่ออกแบบมาเพื่อรับใช้มนุษย์ ไม่ใช่ในทางตรงกันข้าม
    • พัฒนานวัตกรรมที่ยกระดับคุณภาพชีวิตของทุกคน ไม่ใช่แค่คนกลุ่มเล็กๆ
    • กำหนดกรอบกติกาที่ช่วยให้เกิดประโยชน์สูงสุดและลดความเสี่ยง

    เวลาแห่งการตัดสินใจ

    คลื่นกำลังมา และเรามีทางเลือก:

    1. ปล่อยให้มันซัดเราไปตามยถากรรม
    2. พยายามต่อต้านมันอย่างไร้ผล
    3. หรือเรียนรู้ที่จะขี่คลื่นนั้น โดยนำทางให้มันไปในทิศทางที่สร้างสรรค์

    การเลือกอยู่ที่เรา – และการเลือกนั้นจะกำหนดโลกที่เราจะส่งต่อให้คนรุ่นถัดไป

    คุณพร้อมที่จะมีส่วนร่วมในการปั้นแต่งคลื่นหรือยัง?

    สรุปสาระสำคัญจาก “The Coming Wave”: เราจะรับมือกับคลื่นเทคโนโลยีครั้งใหญ่อย่างไร

    คลื่นลูกใหม่กำลังมา แน่นอนและหลีกเลี่ยงไม่ได้

    จุดสำคัญที่สุดที่มุสตาฟา สุไลมานต้องการสื่อใน “The Coming Wave” คือ:

    คลื่นเทคโนโลยีลูกใหญ่กำลังจะมาถึง ไม่ว่าเราจะเตรียมพร้อมหรือไม่ก็ตาม

    AI และชีววิทยาสังเคราะห์กำลังพัฒนาอย่างรวดเร็ว และจะเปลี่ยนแปลงโลกของเราอย่างถอนรากถอนโคน

    เราต้องก้าวไปพร้อมกับคลื่น ไม่ใช่ถูกพัดไปตามคลื่น

    วิธีที่เราตอบสนองต่อคลื่นนี้จะกำหนดอนาคตของเรา:

    • เราต้องเข้าใจเทคโนโลยีเหล่านี้อย่างลึกซึ้ง
    • เราต้องติดตามพัฒนาการอย่างใกล้ชิด
    • เราต้องร่วมกันกำหนดทิศทางการใช้งาน

    ในช่วงเวลาแห่งความไม่แน่นอน เราต้องเพิ่มความระมัดระวังเป็นพิเศษ เพราะเราไม่สามารถคาดเดาผลลัพธ์ทั้งหมดได้อย่างแม่นยำ

    อนาคตอยู่ในมือเรา

    ไม่มีใครสามารถบอกได้อย่างแน่ชัดว่า คลื่นเทคโนโลยีลูกนี้จะนำพาเราไปสู่:

    • ยุคทองแห่งความก้าวหน้า ที่แก้ปัญหาความหิวโหย โรคภัย และความยากจน
    • หรือ หายนะอันน่าสะพรึงกลัว ที่ทำลายล้างหรือเปลี่ยนแปลงสังคมไปตลอดกาล

    ทางเลือกอยู่ที่เราและการกระทำของเรา วันนี้

    เวลาคือสิ่งสำคัญ

    เราต้องเริ่มเตรียมพร้อมตั้งแต่ตอนนี้:

    • ทำความเข้าใจว่าเทคโนโลยีเหล่านี้ทำงานอย่างไร
    • ตระหนักถึงทั้งศักยภาพและความเสี่ยง
    • ร่วมกันกำหนดกฎเกณฑ์และแนวทาง

    การตัดสินใจของเราวันนี้จะกำหนดโลกที่ลูกหลานของเราจะได้อาศัยอยู่


    “คลื่นลูกใหม่กำลังมา สิ่งที่เราทำกับคลื่นนั้นจะกำหนดชะตากรรมของเรา”

  • บทสรุปรายงาน SCBX AI Outlook 2025

    บทสรุปรายงาน SCBX AI Outlook 2025

    รายงานฉบับนี้นำเสนอ 4 ประเด็นหลักเกี่ยวกับการเปลี่ยนแปลงที่ AI จะสร้างให้กับโลกในปี 2025

    ประเด็นที่ 1 การแข่งขันระหว่าง AI แบบ Open-Source และ Close-Source ที่ทวีความเข้มข้น

    1. Open-Source หมายถึง ระบบเปิดที่ทุกคนสามารถเข้าถึง ตรวจสอบ และพัฒนาต่อยอดได้อย่างอิสระ เปรียบเสมือนบริษัทที่มีความโปร่งใสในทุกกระบวนการ

    ส่วน Close-Source คือ ระบบปิดที่เปิดเผยเฉพาะผลลัพธ์หรือบางส่วนของข้อมูลเท่านั้น ไม่เปิดเผยกระบวนการพัฒนาหรือกลยุทธ์ภายใน

    2.ปัจจุบัน โมเดล AI แบบปิด (Close-Source) เช่น ChatGPT และ Claude ยังคงมีประสิทธิภาพสูงกว่าโมเดลแบบเปิด (Open-Source) เช่น Deepseek เนื่องจากได้รับการสนับสนุนด้านเงินทุนที่มากกว่า

    อย่างไรก็ตาม ช่องว่างด้านประสิทธิภาพนี้กำลังลดลงอย่างต่อเนื่อง ด้วยปัจจัยสำคัญสองประการ คือ Economies of Speed และ Economies of Scale กล่าวคือ เมื่อมีผู้ใช้จำนวนมากนำโมเดลแบบเปิดไปทดลองใช้ในหลากหลายสถานการณ์ จะเกิดการพัฒนาโมเดลแบบเปิดโดยไม่ต้องใช้เงินทุนเพิ่มเติม

    3.ผลกระทบ เมื่อโมเดลแบบเปิดมีการพัฒนามากขึ้น จะส่งผลให้วงการ AI มีการเติบโตอย่างรวดเร็วเกินคาด ธุรกิจต่างๆ จะสามารถนำ AI คุณภาพสูงมาใช้ด้วยต้นทุนที่ต่ำลงหรือไม่มีค่าใช้จ่าย และสามารถพัฒนาต่อยอดได้โดยไม่ต้องเริ่มต้นจากศูนย์

    ในอนาคตอันใกล้ เราอาจจะได้เห็นธุรกิจจำนวนมากฝึกฝน Chatbot เฉพาะทางสำหรับธุรกิจของตนเอง และมี AI Agent ที่สามารถตอบคำถามลูกค้าโดยอ้างอิงจากฐานข้อมูลได้โดยตรง

      ประเด็นที่ 2 สามเทรนด์หลักของ AI ในยุคถัดไป

      1. Multimodal LLMs เทคโนโลยี AI แบบหลากหลายรูปแบบกำลังเปลี่ยนแปลงโลกอย่างถาวร

      หากย้อนกลับไปในปี 2021 AI เริ่มมีบทบาทในการแปลงข้อความเป็นภาพ ซึ่งถือว่าน่าประทับใจมากแล้วในเวลานั้น แต่เมื่อมาถึงปี 2025 Multimodal AI หรือ AI ที่มีความสามารถรอบด้าน (เช่น ChatGPT รุ่นล่าสุด) สามารถสร้างภาพจากคำสั่ง ทำการวิจัยเชิงลึก และวิเคราะห์ภาพที่ผู้ใช้ส่งไปได้ AI ประเภทนี้สร้างมูลค่าทางเศรษฐกิจอย่างมหาศาล

      ปัจจุบัน SCBX ได้นำ AI แบบ Multimodal มาใช้ในการสร้างระบบครูอัจฉริยะสำหรับการอบรมพนักงาน รวมถึงการจำลองและวิเคราะห์การนำเสนอการขาย (Sales Pitch)

      นอกจากนี้ยังมีการประยุกต์ใช้ในอุตสาหกรรมอื่นๆ เช่น ทางการแพทย์ในการวินิจฉัยโรคจากภาพและข้อมูล หรือในวงการศึกษาที่จะใช้ AI ช่วยอธิบายหัวข้อที่ซับซ้อนให้เข้าใจง่ายขึ้นโดยสามารถตอบโต้แบบทันทีได้

      2.โมเดลขนาดเล็ก (SLMs) สำหรับงานเฉพาะทาง ผู้ที่เคยทดลองใช้ AI ในเครื่องคอมพิวเตอร์ส่วนตัว (เช่น Ollama หรือ Deepseek) จะพบว่ายิ่งเลือกโมเดลที่มีความสามารถสูง ขนาดของข้อมูลก็จะใหญ่ขึ้นตามไปด้วย

      นี่เป็นสาเหตุที่ทำให้บุคคลทั่วไปหรือบริษัทขนาดเล็กยังไม่สามารถเข้าถึง AI ได้โดยไม่มีค่าใช้จ่าย เนื่องจากการประมวลผลโมเดลขนาดใหญ่จะมีค่าใช้จ่ายสูง โมเดลเฉพาะทางเหล่านี้มีขนาดเล็กมากเนื่องจากได้รับการฝึกฝนเฉพาะในขอบเขตงานที่กำหนดเท่านั้น

      ข้อดีคือสามารถทำงานได้โดยใช้ทรัพยากรน้อย ไม่จำเป็นต้องใช้คอมพิวเตอร์ประสิทธิภาพสูง และมีความเร็วในการประมวลผลที่มากกว่าโมเดลขนาดใหญ่ แม้ว่าประสิทธิภาพอาจจะด้อยกว่าเล็กน้อย แต่ถือว่าคุ้มค่า เพราะทำให้บริษัทขนาดเล็กหรือบุคคลทั่วไปสามารถเข้าถึงได้

      3.การเพิ่มประสิทธิภาพของ AI ด้วยเวลาในการคิด ปัจจุบันมีการเปิดตัว AI รุ่นใหม่อย่างต่อเนื่อง แต่กำลังเผชิญกับกฎแห่งผลตอบแทนที่ลดลง (Law of diminishing return)

      กล่าวคือ แม้จะมีการลงทุนจำนวนมาก แต่ผลลัพธ์ที่ได้จากการพัฒนาอาจไม่คุ้มค่าเท่าที่ควร เปรียบเสมือนการวิ่ง 1 กิโลเมตรภายใน 3 นาที แต่หากต้องการลดเวลาลงเหลือ 2.5 นาที จำเป็นต้องฝึกซ้อมหนักขึ้นหลายเท่า

      วิธีแก้ปัญหาปัจจุบันคือการให้เวลา AI ในการคิดวิเคราะห์ เมื่อ AI ได้มีโอกาสทบทวนและคิดวิเคราะห์ จะสามารถสร้างผลลัพธ์ที่ดีขึ้นได้จากความสามารถเดิมที่มีอยู่ วิธีการนี้ช่วยลดต้นทุนและการใช้ทรัพยากร โดยยังคงสามารถใช้ประโยชน์จากความสามารถของ AI ได้มากขึ้น

        ทั้งสามเทรนด์นี้ชี้ไปในทิศทางเดียวกัน คือ ในอนาคต AI จะมีต้นทุนที่ต่ำลง มีประสิทธิภาพสูงขึ้น และทุกคนสามารถเข้าถึงได้ง่ายขึ้น

        ประเด็นที่ 3 การมาถึงของ AI Agent

        1.ความสำคัญของ AI Agent AI Agent

        เป็นสิ่งที่ผู้นำองค์กรหรือผู้บริหารควรให้ความสนใจอย่างยิ่ง เมื่อเทียบกับประสบการณ์การใช้งาน ChatGPT ครั้งแรกเมื่อ 2 ปีที่ผ่านมา ซึ่ง AI ประเภทนี้ (ChatGPT หรือ Claude) ถูกเรียกว่า Generative AI (Gen AI)

        2.ความแตกต่างระหว่าง Gen AI และ AI Agent

        Gen AI เป็น AI ที่ต้องพึ่งพามนุษย์ในการตัดสินใจและรอคำสั่งจากผู้ใช้งานเพื่อสร้างคำตอบ ในขณะที่ AI Agent สามารถคิดและประมวลผลได้ด้วยตนเองในระดับหนึ่ง ทำงานได้โดยไม่จำเป็นต้องรอคำสั่งในทุกขั้นตอน

        3.กรณีศึกษาจาก SCBX SCBX ได้ทดลองสั่งให้ Gen AI และ AI Agent วิเคราะห์หุ้น

        พบว่า Gen AI ที่คนทั่วไปใช้งานสามารถวิเคราะห์ได้เพียงผิวเผินและข้อมูลไม่ครบถ้วน ในขณะที่ AI Agent สามารถวิเคราะห์ได้อย่างละเอียด เรียกใช้เครื่องมือทางการเงิน และสร้างรายงาน ตารางสถิติ อัตราผลตอบแทนได้อย่างครบถ้วน

        4.การประยุกต์ใช้งาน AI Agent สามารถเปลี่ยนแปลงวิธีการทำงานได้อย่างมาก โดยสามารถทำงานหลายอย่างแทนมนุษย์ได้โดยที่ไม่ต้องควบคุมดูแลอย่างใกล้ชิด

          ประเด็นที่ 4 AGI – ความก้าวหน้าสู่ความเป็นมนุษย์

          1.AGI คืออะไร

          AGI (Artificial General Intelligence) หมายถึง AI ที่สามารถคิด วิเคราะห์ และทำงานต่างๆ ได้เสมือนมนุษย์ ซึ่งเป็นเป้าหมายสูงสุดของการพัฒนา AI

          อย่างไรก็ตาม แนวคิดนี้ยังเป็นที่ถกเถียงกัน เนื่องจากสมองมนุษย์ทำงานแตกต่างจากคอมพิวเตอร์อย่างมาก มนุษย์เข้าใจบริบท มีความคิดสร้างสรรค์ และตัดสินใจบนพื้นฐานของค่านิยมและอารมณ์ความรู้สึก ซึ่งการจำลองสิ่งเหล่านี้ยังเป็นความท้าทายอย่างมากในปัจจุบัน

          2.มุมมองผู้เชี่ยวชาญ

          ผู้เชี่ยวชาญด้าน AI มีความเห็นที่แตกต่างกัน เช่น
          👉 Sam Altman (ผู้ก่อตั้ง OpenAI – บริษัทเจ้าของ ChatGPT) เชื่อว่า AGI อาจจะเกิดขึ้นเร็วกว่าที่คนส่วนใหญ่คาดการณ์
          👉 ในขณะที่ Mustafa Suleyman (CEO ของ Microsoft AI) เชื่อว่าจะใช้เวลามากกว่า 10 ปีกว่าที่เราจะได้เห็น AGI ที่แท้จริง

          3.กรณีศึกษาของ SCBX

          SCBX ได้นำเสนอกรณีศึกษาเกี่ยวกับการนำโมเดล Typhoon (LLM ภาษาไทย) ที่พัฒนาขึ้นเองมาใช้ในหลายภาคส่วนธุรกิจ เช่น โรงพยาบาลศิริราช, VISAI และสถาบันวิจัยเพื่อการพัฒนาประเทศไทย (TDRI)

            บทสรุป

            เรากำลังอยู่ในยุคแห่งการเปลี่ยนผ่าน ซึ่งเปรียบเสมือนยุคเริ่มต้นของเว็บไซต์ ที่หลายบริษัทคิดว่าไม่จำเป็นและปฏิเสธการใช้งาน แต่ในปัจจุบัน เว็บไซต์และอินเทอร์เน็ตได้กลายเป็นส่วนหนึ่งของชีวิตประจำวันที่เราใช้โดยไม่รู้สึกว่าเป็นเรื่องพิเศษ เช่นเดียวกัน AI จะเปลี่ยนแปลงวิธีการทำงานของเราอย่างสิ้นเชิง จึงเป็นเรื่องสำคัญที่ควรศึกษาและเริ่มทดลองใช้งานตั้งแต่ตอนนี้

            สำหรับผู้ที่สนใจเรื่องนี้ แนะนำหนังสือ “The Coming Wave” ซึ่งอธิบายถึงการเปลี่ยนผ่านของแต่ละยุคและผลกระทบที่ AI กำลังสร้างให้กับโลกของเรา

          1. Prompt Engineering for Generative AI – ศิลปะและศาสตร์ของการสั่งงาน AI

            Prompt Engineering for Generative AI – ศิลปะและศาสตร์ของการสั่งงาน AI

            Subscribe to continue reading

            Subscribe to get access to the rest of this post and other subscriber-only content.

          2. การเปรียบเทียบปัญญาประดิษฐ์ (AI), Generative AI, และ Agentic AI

            การเปรียบเทียบปัญญาประดิษฐ์ (AI), Generative AI, และ Agentic AI

            วิวัฒนาการของปัญญาประดิษฐ์ จากอดีตถึงปัจจุบัน

            วิวัฒนาการของปัญญาประดิษฐ์ (AI): การเดินทางจากอดีตสู่จุดเปลี่ยนแห่งอนาคตปัญญาประดิษฐ์ (AI) ไม่ได้เกิดขึ้นในชั่วข้ามคืน แต่เป็นผลลัพธ์จากกระบวนการพัฒนาอย่างต่อเนื่องมาหลายทศวรรษโดยมีปัจจัยสำคัญที่ขับเคลื่อนการเติบโต ได้แก่ พลังการประมวลผลที่เพิ่มขึ้นอย่างมหาศาล ความก้าวหน้าของอัลกอริทึมที่ซับซ้อน และการระเบิดของข้อมูลที่เชื่อมโยงโลกเข้าด้วยกัน องค์ประกอบทั้งสามนี้ไม่เพียงแต่เป็นรากฐานของ AI ในอดีต แต่ยังเป็นตัวเร่งที่ทำให้ AI กลายเป็นเทคโนโลยีที่แทรกซึมเข้าสู่ชีวิตประจำวันของเราในปัจจุบันและอนาคต

            ปัญญาประดิษฐ์ (AI) พัฒนาขึ้นจากปัจจัยสำคัญ 3 ประการ

            1. การเพิ่มขึ้นของความสามารถในการประมวลผล
            2. การพัฒนาของอัลกอริทึม
            3. การเพิ่มขึ้นของข้อมูลดิจิทัล

            การพัฒนาด้านการประมวลผล

            • ปี 1965 เริ่มต้นจากกฎของมูร์ ที่ทำนายการเพิ่มขึ้นของประสิทธิภาพชิป
            • ปี 1997 IBM Deep Blue ชนะการแข่งหมากรุกระดับโลก
            • ปี 2002 Amazon เริ่มให้บริการคลาวด์
            • ปี 2023 NVIDIA และ Google พัฒนาชิปเฉพาะสำหรับ AI

            การพัฒนาด้านอัลกอริทึม

            • ปี 1805 วางรากฐาน Machine Learning
            • ปี 1989 เริ่มพัฒนาระบบจดจำภาพ
            • ปี 2018 Google พัฒนา BERT สำหรับประมวลผลภาษา

            การพัฒนาด้านข้อมูล

            • ปี 1991 เริ่มยุคอินเทอร์เน็ต
            • ปี 2005 เกิด YouTube และผู้ใช้อินเทอร์เน็ต 1 พันล้านคน
            • ปี 2022 เริ่มให้ความสำคัญกับคุณภาพข้อมูลและผลกระทบทางสังคม

            ยุค GenAI (2017-ปัจจุบัน)

            • ปี 2017 AlphaZero แสดงความสามารถในการเรียนรู้ด้วยตนเอง
            • ปี 2020 เปิดตัว ChatGPT รุ่น 3
            • ปี 2023 Google เปิดตัว Gemini ที่ทำงานได้หลายรูปแบบ
            • ปี 2024 AI เริ่มใช้งานจริงในหลายอุตสาหกรรม

            ผลกระทบต่ออนาคต

            • เปลี่ยนแปลงวิถีการทำงาน
            • สร้างโอกาสทางธุรกิจใหม่
            • ส่งผลต่อสังคมและวัฒนธรรม
            • เป็นเครื่องมือสำคัญในการพัฒนานวัตกรรม

            การเปรียบเทียบ AI สามประเภท

            ปัญญาประดิษฐ์ทั่วไป (AI)

            • เป็นระบบคอมพิวเตอร์ที่เลียนแบบความฉลาดของมนุษย์ในการวิเคราะห์และตัดสินใจ
            • ทำงานตามกฎที่กำหนด และต้องการคำสั่งจากมนุษย์
            • ตัวอย่าง: ระบบวิเคราะห์การตลาด แชตบอตตอบคำถามลูกค้า

            AI สร้างสรรค์ (Generative AI)

            • เป็น AI ที่สร้างเนื้อหาใหม่จากข้อมูลที่เรียนรู้
            • ต้องการคำสั่งจากมนุษย์ในการสร้างผลงาน
            • ตัวอย่าง: ChatGPT สร้างข้อความ, DALL-E สร้างภาพ

            AI อิสระ (Agentic AI)

            • เป็น AI ที่ทำงานและตัดสินใจได้เองโดยไม่ต้องรอคำสั่ง
            • ปรับตัวตามสถานการณ์และสิ่งแวดล้อมได้
            • ตัวอย่าง: รถยนต์ไร้คนขับ หุ่นยนต์ในโรงงาน

            ความแตกต่างที่สำคัญ

            1. ความเป็นอิสระ
              • AI ทั่วไป: ต้องการคำสั่งจากมนุษย์
              • Generative AI: ต้องการคำสั่งในการสร้างผลงาน
              • Agentic AI: ทำงานได้เองอย่างอิสระ
            2. การใช้ข้อมูล
              • AI ทั่วไป: ใช้ข้อมูลตามโครงสร้างที่กำหนด
              • Generative AI: ต้องการข้อมูลจำนวนมากเพื่อสร้างผลงาน
              • Agentic AI: ใช้ข้อมูลแบบเรียลไทม์ในการตัดสินใจ
            3. ข้อกังวลด้านจริยธรรม
              • AI ทั่วไป: ความลำเอียงและความเป็นส่วนตัว
              • Generative AI: ลิขสิทธิ์และการละเมิดผลงาน
              • Agentic AI: ความเสี่ยงจากการตัดสินใจผิดพลาด