คนไทยคุ้นชิน AI! พบ 1 ใน 3 ของข้อความเป็นคำถามเกี่ยวกับชีวิตประจำวัน และกว่า 80% สื่อสารด้วยภาษาไทย ‘Google Cloud’ หนุนต่อยอดจาก Chatbot สู่ AI Agent ที่วางแผน เชื่อมโยงข้อมูล และลงมือทำงานในระดับองค์กรไทย หวังเพิ่มผลิตภาพและขีดความสามารถในการแข่งขันเศรษฐกิจใหม่

ไพบูลย์ วงศาสุทธิกุล AI Specialist, Google Cloud ประเทศไทย ซึ่งเป็นผู้เชี่ยวชาญที่มีบทบาทสำคัญในการผลักดันและให้คำปรึกษาด้านเทคโนโลยีปัญญาประดิษฐ์ (AI) และระบบคลาวด์สำหรับองค์กรขนาดใหญ่ในไทย กล่าวในงาน American Fair ซึ่งจัดขึ้นระหว่างวันที่ 23-25 ตุลาคม 2569 ณ พาร์ค พารากอน และ SCBX Next Tech ที่ สยามพารากอน เพื่อเฉลิมฉลองครบรอบ 250 ปี ว่า ปัจจุบันคนไทยจำนวนมากคุ้นเคยกับการใช้ AI ในชีวิตประจำวันแล้ว ทั้งการค้นหาข้อมูล การถามคำถามเพื่อช่วยคิด การสร้างภาพ และการสื่อสารผ่านเสียง

อย่างไรก็ตาม โจทย์สำคัญในระยะต่อไปคือการต่อยอดจากการใช้งานส่วนบุคคล (Consumer AI) สู่การใช้งานในระดับองค์กร (Enterprise AI) เพื่อเพิ่มผลิตภาพ (Productivity) และขีดความสามารถในการแข่งขันของประเทศ

“วันนี้เราใช้ AI ในมุมของ Personal Use กันมากขึ้นแล้ว แต่สิ่งที่ Google อยากแชร์คือ AI ที่เราใช้ในชีวิตประจำวัน ยังมีอีกหลายมิติที่สามารถนำมาต่อยอดในมุม Corporate Use ได้ให้มีประสิทธิภาพได้อีกมาก”

ไพบูลย์ ชี้ว่า เมื่อพูดถึง Super Intelligence หลายคนอาจนึกถึง AI Model เป็นหลัก แต่ในมุมของ Google ศักยภาพของ AI ไม่ได้จำกัดอยู่เพียงโมเดล หากแต่ครอบคลุมตั้งแต่การพัฒนาชิป AI

การสร้างโมเดลโดยทีมวิจัยอย่าง หน่วยงานวิจัยและพัฒนา (Google DeepMind) ไปจนถึงแพลตฟอร์มกลาง ระบบความปลอดภัย และแอปพลิเคชันที่นำ AI ไปใช้งานจริง ซึ่งการพัฒนาเทคโนโลยีตั้งแต่ต้นน้ำถึงปลายน้ำช่วยให้ระบบ AI ทำงานเชื่อมต่อกันได้อย่างราบรื่น

ขณะเดียวกัน Google ไม่ได้มองว่าทุกงานจำเป็นต้องใช้โมเดลเพียงตัวเดียว แต่ควรเปิดโอกาสให้ลูกค้าเลือกใช้โมเดลที่เหมาะสมกับลักษณะงานแต่ละประเภท ผ่านแพลตฟอร์มที่รองรับการใช้งานได้หลากหลายและเหมาะสมกับบริบทองค์กรนั้นๆ

คนไทยคุ้นชิน AI 1 ใน 3 ใช้ถามเกี่ยวกับชีวิตประจำวัน

ไพบูลย์ เปิดเผยชุดข้อมูลอันน่าสนใจว่า รายงานเกี่ยวกับการใช้งาน AI ในภูมิภาคเอเชียแปซิฟิกที่ Google จัดทำเมื่อต้นปี สะท้อนให้เห็นถึงการเติบโตของการใช้งาน AI ทั่วโลก โดยแอปพลิเคชันที่กล่าวถึงมีฐานผู้ใช้มากกว่า 1,000 ล้านคนทั่วโลก และมีจำนวนผู้ใช้งานต่อเนื่องและเพิ่มขึ้นอย่างรวดเร็ว

สำหรับประเทศไทย ข้อมูลที่ Google รวบรวมชี้ให้เห็นว่า ผู้ใช้จำนวนมากเข้าถึง AI ผ่านโทรศัพท์มือถือ โดยข้อความ คำถาม คำสั่ง หรือชุดข้อมูลที่ผู้ใช้ป้อนให้กับระบบปัญญาประดิษฐ์ (AI) เพื่อบอกให้ AI ทำตามความต้องการ เช่น การเขียนบทความ แปลภาษา วิเคราะห์ข้อมูล สร้างรูปภาพ (Prompt) เข้าสู่ระบบประมาณ 1 ใน 3 เกี่ยวข้องกับเรื่องใกล้ตัวและชีวิตประจำวัน ขณะที่ มากกว่า 80% เป็นการสื่อสารด้วยภาษาไทย

นอกจากนี้ ผู้ใช้อายุ 54 ปีขึ้นไป ยังมีรูปแบบการใช้งานที่น่าสนใจ ทั้งการสร้างภาพและการใช้เสียงสนทนากับ AI สะท้อนให้เห็นว่าการใช้ AI ไม่ได้จำกัดอยู่แค่การพิมพ์ข้อความเพื่อถามคำถาม แต่ขยายไปสู่การสื่อสารหลายรูปแบบที่เข้าถึงผู้คนได้หลากหลายกลุ่ม

ไพบูลย์ ยกตัวอย่าง กระแสการสร้างภาพฟิกเกอร์ หรือภาพจำลองบุคคลที่แพร่หลายในโลกออนไลน์ โดยระบุว่า เทรนด์ดังกล่าวมีต้นกำเนิดจากประเทศไทย ก่อนจะได้รับความนิยมไปทั่วโลก เป็นตัวอย่างที่สะท้อนว่าคนไทยมีความคุ้นเคยกับการใช้ AI เพื่อสร้างสรรค์เนื้อหา และสามารถเป็นส่วนหนึ่งของกระแสเทคโนโลยีระดับโลกได้

อย่างไรก็ตาม แม้การใช้ AI ในระดับผู้บริโภคจะเติบโตขึ้นมาก แต่โอกาสสำคัญในระยะต่อไปคือการนำเทคโนโลยีไปเพิ่มประสิทธิภาพการทำงานขององค์กร ทั้งธุรกิจขนาดเล็กและขนาดใหญ่ ตลอดจนหน่วยงานภาครัฐและเอกชน

จาก Chatbot สู่ AI Agent ที่มากกว่าคำตอบ

การใช้ AI ในฐานะ Chatbot ช่วยให้ผู้ใช้ตั้งคำถาม แลกเปลี่ยนความคิดเห็น และทำความเข้าใจข้อมูลได้มากขึ้น แต่ก้าวต่อไปของ AI คือการเปลี่ยนผ่านไปสู่ Enterprise AI ซึ่งมีศักยภาพในการสร้างผลิตภาพให้กับ ธุรกิจและเศรษฐกิจไทยได้มากกว่าเดิม

“Next Page ของ AI คือการนำไปสู่ Institutional AI ไม่ว่าจะเป็นองค์กรขนาดเล็ก ขนาดใหญ่ ภาครัฐ หรือภาคเอกชน หากเราสามารถเปลี่ยนผ่านไปสู่การใช้ AI ในระดับองค์กรได้ ก็จะช่วยสร้าง Productivity ให้กับเศรษฐกิจประเทศได้เป็นอย่างมาก”

การเปลี่ยนผ่านดังกล่าวไม่ได้หมายถึงการมี Chatbot ที่ตอบคำถามได้ดีขึ้นเท่านั้น แต่เป็นการพัฒนา AI Agent ที่สามารถรับเป้าหมายจากผู้ใช้ วางแผนแบ่งงานออกเป็นขั้นตอน เลือกใช้เครื่องมือที่เหมาะสม และดำเนินงานจนได้ผลลัพธ์ตามที่ต้องการ

ไพบูลย์ อธิบายว่า AI สำหรับบุคคลทั่วไป กับ AI ที่ใช้ในองค์กร มีข้อแตกต่างสำคัญ โดย AI สำหรับบุคคลมักทำงานภายใต้บัญชีและข้อมูลของผู้ใช้รายนั้น

แต่เมื่อนำมาใช้ในองค์กร จำเป็นต้องมีระบบระบุตัวตนและสิทธิ์การเข้าถึงตามบทบาท สามารถเชื่อมต่อกับฐานข้อมูลและระบบ งานขององค์กรได้อย่างเหมาะสม รวมถึงมีกลไกควบคุมไม่ให้ AI ดำเนินการนอกเหนือจากขอบเขตที่ได้รับอนุญาต

เขาอธิบายความแตกต่างระหว่าง Chatbot กับ AI Agent ว่า Chatbot มีหน้าที่หลักในการให้คำตอบ

ส่วน AI Agent สามารถรับเป้าหมายแล้วแปลงเป็นแผนการทำงาน กำหนดขั้นตอนย่อย เลือกใช้เครื่องมือ และสร้างผลลัพธ์ที่ต้องการได้

เพื่อให้เห็นภาพชัดเจน ไพบูลย์ยกตัวอย่าง การสร้างบ้านทรงไทยว่า การสร้างบ้านหนึ่งหลังต้องเริ่มจากการวางแผนว่าจะต้องทำอะไรบ้าง ใช้เครื่องมือใด และดำเนินงานตามลำดับอย่างไร AI Agent ก็ทำงานในลักษณะเดียวกัน

โดยเป็นเสมือนผู้ช่วยดิจิทัลที่สามารถวางแผนและใช้เครื่องมือต่าง ๆ เพื่อทำงานให้สำเร็จ ไม่ใช่เพียงให้ข้อมูลหรือคำแนะนำเท่านั้น

4 องค์ประกอบสำคัญของ AI Agent ในองค์กร

ดังนั้น มองว่า การนำ AI Agent ไปใช้ในองค์กรต้องพิจารณามากกว่าหน้าจอหรือแอปพลิเคชันที่ผู้ใช้มองเห็น เพราะหัวใจสำคัญอยู่ที่ระบบเบื้องหลัง ซึ่งทำให้ AI เข้าใจบริบท เชื่อมโยงข้อมูล และดำเนินงานได้อย่างมีประสิทธิภาพ

1. Memory: จดจำบริบทและทำงานต่อเนื่องได้

AI ในอนาคตจะไม่จำกัดอยู่กับการทำงานเพียงอย่างเดียวหรือการเปิดแอปพลิเคชันแยกกัน แต่สามารถช่วยทำงานหลายรูปแบบ

ทั้งเขียนโค้ด สร้างภาพ และค้นคว้าวิจัย พร้อมจดจำบริบทจากการสนทนาได้ทั้งภายในเซสชันเดียวกันและข้ามเซสชัน

เมื่อ AI สามารถจดจำข้อมูลและบริบทที่เกี่ยวข้อง รวมถึงเข้าถึงข้อมูลขององค์กรได้ตามสิทธิ์ ก็จะช่วยให้ทำงานต่อเนื่องและส่งมอบผลลัพธ์ได้ดีขึ้น

2. Open Platform: ทำงานร่วมกับเครื่องมืออื่นได้

Google เชื่อว่า AI ไม่ควรถูกจำกัดให้ใช้งานได้เฉพาะบนคอมพิวเตอร์หรือโทรศัพท์มือถือ หรือผูกติดอยู่กับระบบใดระบบหนึ่ง แต่ควรสามารถทำงานร่วมกับเครื่องมือที่องค์กรใช้อยู่แล้วได้

ไพบูลย์ ยกตัวอย่างการนำ Gemini และ AI Agent ไปทำงานร่วมกับแพลตฟอร์มต่าง ๆ เช่น Microsoft Teams และ Slack เพื่อให้ผู้ใช้สามารถเข้าถึง AI ได้จากเครื่องมือที่คุ้นเคย โดยไม่จำเป็นต้องเปลี่ยนวิธีทำงานทั้งหมด

3. Data Integration: เชื่อมต่อข้อมูลจากหลายแหล่ง

AI ควรสามารถเชื่อมต่อกับแหล่งข้อมูลและบริการต่าง ๆ นอกเหนือจากระบบของ Google เพื่อทำความเข้าใจข้อมูลและบริบทการทำงานของผู้ใช้ได้ครอบคลุมยิ่งขึ้น

ตอบโจทย์ความต้องการเฉพาะของแต่ละองค์กรได้ดีขึ้น ทั้งนี้ การเข้าถึงข้อมูลต้องอยู่ภายใต้สิทธิ์และนโยบายที่องค์กรกำหนด

4. Governance: กำกับดูแลและควบคุมการใช้งาน

อีกหนึ่งองค์ประกอบสำคัญคือการกำกับดูแลการใช้ AI Agent ในองค์กร โดยไพบูลย์ระบุว่าจำเป็นต้องมี 4 กลไกหลัก ได้แก่ Identity, Policy, Budget, Audit

กลไกเหล่านี้มีความสำคัญต่อการนำ AI มาใช้ในระดับองค์กร เพราะการทำงานของ AI ต้องสามารถตรวจสอบ ควบคุม และอยู่ภายใต้ขอบเขตที่กำหนดได้ ไม่ใช่เพียงมุ่งให้ AI ทำงานได้รวดเร็วขึ้นเท่านั้น

คนทั่วไปก็สร้าง AI Agent ได้ แนะต่อยอด NotebookLM

ไพบูลย์ กล่าวทิ้งท้ายว่า “ปัจจุบันผู้ใช้ทั่วไปสามารถเริ่มทดลองสร้าง AI Agent ของตนเองได้ โดยไม่จำเป็นต้องใช้ AI เพียงเพื่อถาม-ตอบข้อมูล แต่สามารถนำมาเป็นผู้ช่วยในการทำงาน เช่น การจัดทำเอกสารและการค้นคว้าหาความรู้

“NotebookLM เป็นอีกเครื่องมือที่ช่วยจัดการข้อมูลและต่อยอดการเรียนรู้ โดยผู้ใช้สามารถนำเครื่องมือ AI มาประยุกต์ใช้กับงานที่ทำอยู่ได้ เพื่อเพิ่มประสิทธิภาพและลดภาระงานบางส่วน” ไพบูลย์ กล่าว

รายงานข่าวระบุว่า ปัจจุบันตลาด AI Agent ทั่วโลกกำลังเติบโตด้วย CAGR 46% ต่อปี จาก 7.9 พันล้านดอลลาร์สู่ 52.6 พันล้านดอลลาร์ภายในปี 2030

การเปลี่ยนผ่านจาก Consumer AI สู่ Enterprise AI จึงไม่ใช่เพียงการนำเครื่องมือใหม่มาใช้ แต่เป็นการเปลี่ยนวิธีทำงาน ตั้งแต่การใช้ AI เป็นผู้ช่วยส่วนบุคคล ไปจนถึงการให้ AI Agent ทำงานร่วมกับระบบ ข้อมูล และบุคลากรภายในองค์กรอย่างเป็นระบบ

โจทย์สำคัญขององค์กรไทยในระยะต่อไปจึงอยู่ที่การเลือกใช้ AI ให้เหมาะกับงาน การเชื่อมต่อข้อมูลอย่างปลอดภัย และการวางระบบกำกับดูแลที่มีประสิทธิภาพ เพื่อให้เทคโนโลยีสามารถสร้างผลลัพธ์ที่จับต้องได้ และเพิ่มผลิตภาพให้กับองค์กรในระยะยาว

ภาพ: KAWS HOLIDAY THAILAND, สถานทูตสหรัฐฯ ประจำประเทศไทย, FabrikaSimf/ Shutterstock

The post คนไทยใช้ AI ทำอะไร? เมื่อ 1 ใน 3 ใช้ถามเรื่องใกล้ตัว ‘Google Cloud’ ดันต่อยอด Chatbot สู่ AI Agent องค์กรไทย รับเศรษฐกิจยุคใหม่ appeared first on THE STANDARD.

ช่วงไม่กี่วันที่ผ่านมา ผู้บริหารบริษัทเทคโนโลยีและ AI ออกมาส่งสัญญาณไปในทิศทางเดียวกันว่า อุตสาหกรรมอาจต้องลดความเร็วในการพัฒนาเทคโนโลยีดังกล่าวลง เพื่อพัฒนามาตรการความปลอดภัยไปพร้อมกับความก้าวหน้าของเทคโนโลยี

ทั้งนี้ ดาริโอ อโมเดอี CEO Anthropic เป็นคนเปิดประเด็นอย่างชัดเจนที่สุด โดยเรียกร้องให้บริษัท AI ชะลอการเพิ่มขีดความสามารถของโมเดล ขณะที่ แซม อัลต์แมน CEO OpenAI ออกมาสนับสนุนอโมเดอี พร้อมเปิดเผยว่า จังหวะการพัฒนา AI เป็นหนึ่งในหัวข้อหลักที่บริษัทหารือกันในช่วงหลายสัปดาห์ที่ผ่านมา

นอกจากนี้ อีลอน มัสก์ CEO SpaceX ออกมาสนับสนุนด้วยข้อความสั้นๆ ว่า อโมเดอีพูดถูก ส่วน เดมิส ฮัสซาบิส ผู้บริหาร Google DeepMind ระบุว่า ทิศทางที่ผู้บริหาร Anthropic เสนอถือเป็นทิศทางที่ถูกต้อง แม้ยังต้องหารือกันต่อว่า ในทางปฏิบัติจะดำเนินการอย่างไร

น่าสนใจว่า ท่าทีของผู้บริหารเหล่านี้เกิดขึ้นพร้อมกับกระแสความกังวลภายในบริษัท AI หลัง เจคอบ ค็อกซัน (Jacob Coxon) นักวิจัยวัย 27 ปีของ Anthropic และอดีตนักวิจัยของ OpenAI ประกาศลาออก โดยกล่าวหาว่า บริษัทยักษ์ใหญ่กำลังเอาชีวิตมนุษย์เป็นเดิมพัน เพื่อพัฒนา Artificial Superintelligence (ASI) หรือ AI ที่มีสติปัญญาเหนือกว่ามนุษย์ที่ฉลาดที่สุด

ดาริโอ อโมเดอี เรียกร้องให้ AI Safety มีเวลาตามทัน

เมื่อวันที่ 12 กันยายน ตามเวลาสหรัฐฯ ดาริโอ อโมเดอี CEO และผู้ร่วมก่อตั้ง Anthropic บริษัทผู้พัฒนา Claude เผยแพร่บทความความยาวประมาณ 3,800 คำ โดยเสนอให้อุตสาหกรรมลดความเร็วในการพัฒนา AI ที่มีความสามารถสูงขึ้น

อโมเดอีระบุว่า เขาเตือนเรื่องความเสี่ยงจาก AI มาหลายปี แต่ข้อเสนอครั้งนี้ไปไกลกว่าการเพิ่มงบประมาณหรือบุคลากรด้านความปลอดภัย เพราะมองว่า หากความสามารถของโมเดลยังเพิ่มขึ้นเรื่อยๆ ด้วยความเร็วในปัจจุบัน การพัฒนามาตรการป้องกันอาจตามไม่ทัน

เขาอธิบายว่า ในช่วงหลายเดือนที่ผ่านมา ตนเองมีความเชื่อมากขึ้นว่า การจัดการความเสี่ยงของ AI จำเป็นต้องคำนึงถึงความเร็วในการเพิ่มขีดความสามารถด้วย ถือเป็นการให้เวลานักวิจัยพัฒนาระบบป้องกัน รวมถึงทำความเข้าใจความเสี่ยงที่เกิดขึ้น

อโมเดอีจึงเสนอให้ห้องปฏิบัติการ AI ยอมรับการประเมินและตรวจสอบจากผู้เชี่ยวชาญภายนอก โดยเปิดให้ผู้ประเมินสามารถเข้าไปตรวจสอบระบบและมาตรฐานความปลอดภัยของบริษัทได้อย่างใกล้ชิด รวมถึงเสนอให้ประเทศประชาธิปไตยร่วมกันจัดทำมาตรฐานด้าน AI

อย่างไรก็ตาม เขามองว่า หากต้องการควบคุมความเร็วของการพัฒนา AI อย่างมีประสิทธิภาพ ต้องพึ่งพาความร่วมมือระดับโลก รวมถึงประเทศที่มีระบบการเมืองแตกต่างกัน เพราะการที่บางประเทศหรือบางบริษัทชะลอเพียงฝ่ายเดียวอาจไม่เพียงพอ

อีกหนึ่งความเสี่ยงที่อโมเดอีพูดถึงคือ ‘Recursive Self-Improvement’ หรือความเป็นไปได้ที่ AI จะสามารถมีส่วนช่วยในการพัฒนา AI รุ่นต่อไปได้มากขึ้น โดยไม่ต้องพึ่งพานักวิจัยมนุษย์ในระดับเดิม

เขายังเตือนว่า ถ้ากระบวนการดังกล่าวเกิดขึ้นโดยปราศจากการควบคุม ความสามารถของ AI อาจเพิ่มขึ้นเร็วมากเกินไป จนมนุษย์ไม่สามารถทำความเข้าใจและควบคุมได้ จึงจำเป็นต้องเดินหน้าด้วยความระมัดระวังอย่างมาก

OpenAI พร้อมชะลอ แต่ต้องเกิดขึ้นพร้อมกับคู่แข่ง

ท่าทีของ OpenAI ขยับไปในทิศทางเดียวกัน หลัง The New York Times รายงานในช่วงเช้าวันนี้ตามเวลาประเทศไทยว่า อัลต์แมนระบุว่า OpenAI พร้อมชะลอการพัฒนา AI แนวหน้า หากห้องปฏิบัติการคู่แข่งยอมชะลอไปพร้อมกัน ภายใต้ความหวังว่า การลดความเร็วในการพัฒนา AI จะกลายเป็นแนวปฏิบัติปกติ จนกว่าอุตสาหกรรมจะมีมาตรฐานความปลอดภัยที่ได้รับการยอมรับร่วมกัน

นอกจากนี้ อัลต์แมนสนับสนุนแนวคิดของอโมเดอีว่า อุตสาหกรรมต้องกำหนดจังหวะการพัฒนา AI พร้อมสนับสนุนข้อเสนอที่ให้ผู้ประเมินอิสระสามารถเข้าถึงระบบภายในบริษัทได้ในระดับใกล้เคียงกับพนักงาน

อัลต์แมนระบุด้วยว่า OpenAI จะดำเนินการในลักษณะเดียวกัน โดยจะเปิดเผยรายละเอียดเพิ่มเติมในภายหลัง

ก่อนหน้านี้ คริส เลเฮน ผู้บริหารฝ่ายนโยบายของ OpenAI ระบุว่า บริษัทพร้อม ‘ชะลอหรือหยุด’ การพัฒนาหรือการนำระบบออกใช้งาน หากพบว่า ไม่สามารถสร้างมาตรการป้องกันความเสี่ยงได้อย่างเหมาะสม

ส่วน ยาคุบ ปาโชกี หัวหน้านักวิทยาศาสตร์ของ OpenAI เรียกร้องให้มีกฎด้านความปลอดภัยที่สามารถบังคับใช้ได้จริง ผ่านผู้ตรวจสอบอิสระ หน่วยงานรัฐบาล หรือองค์กรระหว่างประเทศ พร้อมเตือนว่า ขณะนี้ ยังไม่มีฝ่ายใดเตรียมพร้อมที่จะรับมือผลกระทบที่ตามมา หากระดับสติปัญญาของ AI ยังเพิ่มขึ้นอย่างรวดเร็ว

นอกจากนี้ OpenAI ยังยืนยันว่า จะไม่ทำ IPO ในปี 2026 โดยล่าสุด อัลต์แมนให้สัมภาษณ์กับ Fortune ว่า นี่ไม่ใช่ช่วงเวลาที่เหมาะสมในการนำบริษัทเข้าตลาดหลักทรัพย์ เนื่องจากความกังวลด้านความปลอดภัยของ AI พร้อมย้ำว่า บริษัทยังไม่มีแรงกดดันให้ต้องรีบดำเนินการดังกล่าว

อัลต์แมนระบุว่า OpenAI ยังมีภารกิจอีกมาก เช่น การรับมือกับโจทย์ด้านความปลอดภัย และการทำให้พฤติกรรมของ AI สอดคล้องกับเป้าหมายของมนุษย์ ตลอดจนการกำหนดรูปแบบความร่วมมือระหว่างรัฐบาลกับบริษัทเทคโนโลยี

มัสก์และ Google DeepMind ขานรับแนวคิดชะลอ AI

ขณะเดียวกัน มัสก์โพสต์ข้อความสนับสนุน CEO Anthropic บน X ว่า ‘ดาริโอพูดถูก’ โดยไม่ได้ขยายความเพิ่มเติม ส่วน ฮัสซาบิส ผู้บริหาร Google DeepMind ระบุว่า บทความของอโมเดอีถือเป็นก้าวสำคัญที่อุตสาหกรรมกำลังเดินไปทิศทางที่ถูกต้อง เพื่อการรับมือสถานการณ์สำคัญ แม้รายละเอียดของมาตรการต่างๆ ยังจำเป็นต้องพัฒนาต่อ

ก่อนหน้านี้ ฮัสซาบิสเคยเผยแพร่กรอบแนวทางสำหรับการพัฒนา AI รุ่นใหม่อย่างปลอดภัย โดยเสนอให้บริษัทต่างๆ เพิ่มความร่วมมือในการจัดการความเสี่ยง

การที่ผู้บริหารจากบริษัทคู่แข่งออกมาเห็นตรงกันในเรื่องนี้จึงมีความสำคัญ เพราะตลอดหลายปีที่ผ่านมา OpenAI, Anthropic, Google และบริษัทเทคโนโลยีรายอื่นต่างแข่งขันกันอย่างหนักเพื่อพัฒนาโมเดลที่มีความสามารถสูงขึ้น และพยายามขึ้นเป็นผู้นำในการพัฒนา AI รุ่นถัดไป

การลาออกของนักวิจัย Anthropic จุดกระแส ‘Doomsday’ รอบใหม่

กระแสเรียกร้องให้ชะลอ AI รุนแรงขึ้นในสัปดาห์ที่ผ่านมา หลัง ค็อกซัน นักวิจัยของ Anthropic ลาออกจากบริษัท พร้อมออกมาเตือนว่า OpenAI และ Anthropic กำลังเดิมพันชีวิตของมนุษยชาติเพื่อเร่งพัฒนาเทคโนโลยีที่บริษัทควบคุมความเสี่ยงไม่ได้

โดยสรุป ค็อกซันอธิบายว่า Anthropic ยังคงมุ่งเอาชนะการแข่งขันพัฒนา Artificial Superintelligence (ASI) หรือ AI ที่มีสติปัญญาเหนือกว่ามนุษย์ที่ฉลาดที่สุด ซึ่งอาจหลุดออกจากการควบคุมของมนุษย์ และหันกลับมาทำลายทุกคนแทน

จากกรณีดังกล่าว The New York Times รายงานว่า การลาออกของค็อกซันทำให้ความกังวลที่มีอยู่ภายในบริษัท AI ถูกนำออกมาพูดในที่สาธารณะมากขึ้น โดยพนักงาน Anthropic บางส่วนแสดงความเห็นผ่านช่องทางภายในว่า สิ่งที่เขาพูดคือเรื่องเดียวกับที่หลายคนหารือกันอยู่แล้ว เพียงแต่ครั้งนี้ถูกพูดออกมาต่อสาธารณะ

นอกจากนี้ นักวิจัยและพนักงานจาก Anthropic, OpenAI, Meta และ Google ยังเริ่มพูดคุยกันผ่านช่องทางภายในบริษัท ห้องแชตเข้ารหัส และการพบปะส่วนตัว เพื่อหารือว่า จะผลักดันให้บริษัทเพิ่มมาตรการรับมือความเสี่ยงได้อย่างไร

ขณะที่นักวิจัยบางส่วนเริ่มเรียกร้องให้ผู้บริหารชะลอการพัฒนาเทคโนโลยี เพื่อเปิดเวลาให้การวิจัยด้านความปลอดภัยพัฒนาตามทันความสามารถของโมเดล เช่น มีการตั้งกลุ่ม Coalition of Concerned AI Staff โดยมีเป้าหมายผลักดันมาตรการป้องกัน และสร้างช่องทางให้พนักงานสามารถร่วมกันตรวจสอบว่าบริษัทปฏิบัติตามคำมั่นด้านความปลอดภัยหรือไม่

ถึงอยากชะลอ แต่ไม่มีใครอยากเป็นฝ่ายชะลอเพียงคนเดียว

แม้ผู้บริหารหลายบริษัทเริ่มเห็นตรงกันว่า อุตสาหกรรมควรลดความเร็วลง แต่การทำให้แนวคิดดังกล่าวเกิดขึ้นจริงยังติดข้อจำกัดหลายประการ

ประการแรกคือการแข่งขันระหว่างบริษัท OpenAI, Anthropic, Google, Meta และบริษัทอื่นต่างทุ่มเงินจำนวนมหาศาลเพื่อพัฒนาโมเดลรุ่นใหม่ หากบริษัทหนึ่งชะลอการพัฒนา แต่คู่แข่งยังเดินหน้าต่อ บริษัทที่เลือกชะลอก็จะเสี่ยงเสียความได้เปรียบในการแข่งขัน

อีกปัจจัยหนึ่งคือการแข่งขันด้าน AI ระหว่างสหรัฐฯ กับจีน หลังบริษัทจีนสามารถพัฒนาโมเดล AI ที่มีศักยภาพแข่งขันกับบริษัทสหรัฐฯ ได้มากขึ้น นั่นหมายความว่า หากบริษัทอเมริกันยอมลดความเร็วเพียงฝ่ายเดียว ขณะที่บริษัทในประเทศอื่นยังเดินหน้าพัฒนาเทคโนโลยีต่อ ก็มีความเสี่ยงที่สหรัฐฯ จะเสียความได้เปรียบในการแข่งขัน

ภาพ: Skorzewiak / Shutterstock

อ้างอิง:

• https://www.nytimes.com/2026/09/12/technology/anthropic-dario-amodei-ai-slowdown.html
• https://www.nytimes.com/2026/09/12/technology/doomsday-discussions-ai-companies.html
• https://www.reuters.com/legal/litigation/openai-ipo-will-not-happen-2026-amid-ai-safety-fears-altman-says-2026-09-12/

The post ทำไมเจ้าพ่อ AI เรียกร้องให้โลก ‘ชะลอ’ การพัฒนา เมื่อนักวิจัยเตือนว่า เทคโนโลยีที่เร็วเกินควบคุม อาจฆ่ามนุษย์ได้ appeared first on THE STANDARD.

ในปฏิทินมีข้อความสั้นๆ ว่า: Team brainstorm นำไอเดียมาด้วยนะ

ลองจินตนาการว่า Einstein มาทำงานในบริษัทของคุณ

สัปดาห์หนึ่ง เขาเขียนงานวิจัยที่ถูกอ้างถึงในทุกเวทีของอุตสาหกรรมไปอีกสิบปี แต่สัปดาห์ถัดมา เขาลืมส่งสัญญาให้ลูกค้า แล้วคุณก็เสียดีลนั้นไป

คุณจะไล่เขาออกไหม หรือคุณจะให้เขาอยู่ต่อ คุณจะบริหารเขาอย่างไร แล้วทีมของคุณล่ะ ยังจำเป็นอยู่ไหมในเมื่อคุณมี Einstein แล้ว

AI ในวันนี้กำลังเริ่มมีหน้าตาคล้าย Einstein คนนั้น

ปรากฏการณ์ใหม่นี้ มีชื่อเรียกแล้ว ในเดือนกรกฎาคม 2024 Andrej Karpathy หนึ่งในสมาชิกผู้ก่อตั้ง OpenAI ได้บัญญัติศัพท์ว่า jagged intelligence เพื่ออธิบายธรรมชาติที่แปลกประหลาดและไม่สม่ำเสมอของ AI ยุคใหม่ เขาเขียนไว้ว่าโมเดลที่ก้าวหน้าที่สุดในวันนี้สามารถแก้โจทย์คณิตศาสตร์ที่ซับซ้อนได้ แต่ในขณะเดียวกันก็อาจพลาดในเรื่องที่เด็กยังทำได้ ในงาน World Economic Forum ที่เมือง Davos เมื่อเดือนมกราคมที่ผ่านมา Demis Hassabis ซีอีโอของ Google DeepMind หยิบคำนี้ขึ้นมาพูดต่อ เขาบอกว่า AI ในวันนี้มี ‘jagged edges (ขอบที่ขรุขระ)’ หรือในคำของ Karpathy คือ ‘เป็นทั้งอัจฉริยะรอบด้าน และเด็กประถมที่สับสน ในเวลาเดียวกัน’

งานวิจัยชิ้นสำคัญจาก Harvard Business School ร่วมกับ Boston Consulting Group ที่ตีพิมพ์ในวารสาร Organization Science เมื่อเดือนมีนาคมที่ผ่านมา ให้ที่ปรึกษาจำนวน 758 คนทำโจทย์ธุรกิจจริง 18 ข้อ โดยกลุ่มหนึ่งใช้ GPT-4 และอีกกลุ่มหนึ่งไม่ใช้ งานที่อยู่ในขอบความสามารถของ AI กลุ่มที่ใช้ AI ได้ผลงานคุณภาพสูงขึ้นอย่างมีนัยสำคัญและทำงานเสร็จเร็วกว่าอย่างเห็นได้ชัด แต่งานที่อยู่นอกขอบเขตนั้นเพียงเล็กน้อย ที่ปรึกษากลุ่มเดิมกลับมีโอกาสตอบผิดสูงกว่าถึง 19 เปอร์เซ็นต์ สิ่งที่น่าจะทำให้ผู้บริหารทุกคนหยุดคิดอยู่ตรงนี้ AI พูดด้วยน้ำเสียงมั่นใจเท่ากันทั้งสองกรณี และมนุษย์ก็แยกไม่ออก ความเฉียบแหลมและความผิดพลาดดูเหมือนกันจากภายนอก

นี่ไม่ใช่อนาคต นี่คือปัจจุบัน PwC รายงานว่าสัดส่วนคนทำงานชาวไทยที่ใช้ generative AI ในชีวิตประจำวันเพิ่มจาก 17% เป็น 24% ภายในเวลาแค่ปีเดียว เราไม่ได้กำลังรอให้ AI เข้ามาในที่ทำงาน มันอยู่ตรงนี้แล้ว คำถามจึงไม่ใช่ว่าจะใช้ AI หรือไม่ แต่คือเราจะทำงานร่วมกับสิ่งที่ในงานหนึ่ง อาจเฉียบแหลมสุดขีด หรืออาจผิดพลาดอย่างเงียบๆ ได้อย่างไร

ความจริงคือยังไม่มีใครรู้แน่ชัด แต่รูปแบบบางอย่างกำลังเริ่มชัดขึ้น องค์กรที่ได้ประโยชน์จาก AI มากที่สุดในวันนี้ ไม่ใช่องค์กรที่เข้าถึงโมเดลที่ฉลาดที่สุด แต่คือองค์กรที่ลงมือทำงานที่ยากกว่าและมองเห็นได้ยากกว่า พวกเขาออกแบบกระบวนการทำงานให้รองรับ jagged edges ของ AI พวกเขาลงทุนในโครงสร้างพื้นฐานที่เหมาะสม ในข้อมูลที่เหมาะสม ในคนที่เหมาะสม และในการกำกับดูแลที่เหมาะสม เพื่อแปลงศักยภาพของโมเดลให้กลายเป็นผลลัพธ์จริง การจัดการกับ jagged edges เป็นส่วนหนึ่งของคำตอบ แต่เป็นเพียงส่วนหนึ่งเท่านั้น การใช้ AI ให้ถูกต้องคือโจทย์ของทั้งองค์กร ไม่ใช่เพียงการเลือกโมเดลที่ดีที่สุด

ที่ SCBX นี่คือคำถามที่เรากลับมาทบทวนอยู่เสมอ ในขณะที่เรากำลังเดินหน้าสู่การเป็นองค์กรแบบ AI-first เราเชื่อว่าความได้เปรียบจะไม่ได้มาจากการไล่หาโมเดลที่ฉลาดที่สุด แต่จะมาจากการออกแบบกระบวนการทำงานที่รองรับ jaggedness ของ AI และการสร้างวิจารณญาณของมนุษย์ที่คอยจับช่วงเวลาที่ AI ตอบผิดด้วยความมั่นใจเต็มที่ นี่คือหนึ่งในแก่นความคิดหลักของ SCBX AI Outlook 2026: The Age of Abundant Intelligence ซึ่งสำรวจสิ่งที่เราเรียกว่า harness หรือทุกอย่างที่องค์กรสร้างขึ้นรอบ AI เพื่อแปลงศักยภาพให้กลายเป็นผลลัพธ์ที่น่าเชื่อถือ ในโลกที่ใกล้จะถึงวันที่เกือบทุกองค์กรเข้าถึงโมเดลระดับแนวหน้าเดียวกัน harness นี่เองที่กำลังกลายเป็นความได้เปรียบในการแข่งขันที่แท้จริง

กลับมาที่ Einstein คุณคงไม่ไล่ทีมของคุณออกเพียงเพราะคุณจ้าง Einstein มา คุณจะออกแบบงานใหม่ให้เหมาะกับเขา คุณจะสร้างบริษัทที่รองรับความเฉียบแหลมของเขาได้ โดยไม่พังลงเพราะจุดบอดของเขา

AI กำลังขอให้เราทำสิ่งเดียวกัน ไม่ใช่ทำงานน้อยลง แต่ทำงานฉลาดขึ้น ไม่ใช่ลดจำนวนคน แต่จัดวางคนให้อยู่ในจุดที่เหมาะสมยิ่งขึ้น ไม่ใช่การแข่งกันแทนที่ตัวเอง แต่คือการลงมือออกแบบระบบอย่างประณีตเพื่อให้แข็งแรงพอที่จะรองรับสติปัญญาที่ในตอนนี้ ยังไม่สามารถยืนได้ด้วยตัวเอง

อ่าน SCBX AI Outlook 2026 ฉบับเต็มได้ทาง LINE OA: https://lin.ee/8dvXKVs

The post Jagged Intelligence: ถ้า Einstein ทำงานในบริษัทของคุณ คุณจะทำอย่างไร appeared first on THE STANDARD.

Physical AI คือหุ่นยนต์ที่สามารถรับรู้ คิดวิเคราะห์ และลงมือทำได้เองในโลกกายภาพจริง ล่าสุดสร้างแรงสั่นสะเทือนไปทั่วโลกหลังเจ้าหุ่นยนต์ฮิวแมนนอยด์สีแดง Lighting วิ่งชนะมนุษย์ในการแข่งฮาล์ฟมาราธอนด้วยเวลา 50 นาที 26 วินาที ซึ่งเร็วกว่าสถิติโลกเดิมของมนุษย์เกือบ 7 นาที จุดเปลี่ยนประวัติศาสตร์นี้กำลังเปลี่ยนแรงงานให้กลายเป็นเทคโนโลยี ซึ่งผู้นำและคนทำงานที่เริ่มศึกษาและปรับใช้ก่อนเท่านั้นที่จะกุมความได้เปรียบในเกมธุรกิจรอบใหม่

เกิดอะไรขึ้นในสนามแข่งมาราธอน

หุ่นยนต์ฮิวแมนนอยด์เพิ่งเอาชนะมนุษย์ในสนามวิ่งจริง ซึ่งเป็นสัญญาณชัดเจนว่าเทคโนโลยี Physical AI มีทั้งสมองและร่างกายที่พร้อมทำงานแทนคนในโลกกายภาพแล้ว เหตุการณ์ไวรัลที่มีคนร่วมวิ่งกว่า 12,000 คนที่ปักกิ่งนี้ ทุบสถิติโลกมนุษย์จนกระจุย

สอดคล้องกับที่ เจนเซน หวง ซีอีโอของ NVIDIA ประกาศว่านี่คือช่วงเวลา ChatGPT Moment ของ Physical AI ที่เครื่องจักรเริ่มเข้าใจ มีเหตุผล และทำงานในโลกจริงได้จริง จากเดิมที่หุ่นยนต์มีแค่ร่างกายแข็งแกร่งดุดันแบบ ไมค์ ไทสัน แต่ขาดสมองอัจฉริยะแบบ สตีเฟน ฮอว์กิง วันนี้ทุกอย่างกำลังเปลี่ยนไปด้วย 3 องค์ประกอบหลัก

สมองกลฉลาดขึ้น ด้วยการนำโมเดล VLA อย่าง RT-2 ของ Google DeepMind หรือ Gemini Robot เข้าไปเป็นสมองหลัก ทำให้หุ่นยนต์เข้าใจภาพและภาษาจนเกิด World Model ที่เข้าใจกฎฟิสิกส์และแรงโน้มถ่วงได้เอง

ระบบประสาทสัมผัสถูกลงมาก โดยเฉพาะเซ็นเซอร์ 6 มิติซึ่งคิดเป็น 40% ของต้นทุนหุ่นยนต์ฮิวแมนนอยด์ มีแนวโน้มราคาลดลงถึง 70-80% ในอีก 3-5 ปีข้างหน้า

การฝึกฝนในโลกเสมือนทำได้เร็วและประหยัด ค่ายสตาร์ตอัพหันมาจำลองกฎฟิสิกส์ในโลกเสมือน ให้หุ่นยนต์ลองผิดลองถูกนับล้านครั้งในไม่กี่ชั่วโมงแล้วค่อยโหลดความจำลงหุ่นยนต์จริง เช่น บริษัท Sereact ที่ใช้กับหุ่นยนต์คลังสินค้า หรือ Linkerbot ที่ผลิตมือหุ่นยนต์ความแม่นยำสูงระดับ Sub-millimeter สำหรับงานประกอบชิ้นส่วนอิเล็กทรอนิกส์หรือช่วยผ่าตัด

เทรนด์ Physical AI จะเปลี่ยนโฉมหน้าอุตสาหกรรมต่างๆ อย่างไร

เทคโนโลยีนี้กำลังเปลี่ยนผ่านจากระบบอัตโนมัติแบบเดิมไปสู่ระบบปฏิบัติการอิสระที่หุ่นยนต์สามารถคิด วิเคราะห์ และตัดสินใจหน้างานได้เองร้อยเปอร์เซ็นต์ วงจรของมันขยับไปสู่การรับรู้ มีเหตุผล และลงมือทำเองได้สมบูรณ์แบบเหมือนพฤติกรรมมนุษย์ โดยมี 4 อุตสาหกรรมเป้าหมายหลักที่จะเปลี่ยนไปตลอดกาล

โลจิสติกส์มุ่งสู่ยุค Dark Warehouse หรือโกดังที่ไม่ต้องเปิดไฟเพราะไม่มีมนุษย์ทำงานอยู่ข้างใน โดยมี Amazon เป็นผู้นำในการใช้ AI เป็นสมองส่วนกลางเคลื่อนย้ายและแพ็กสินค้า

การผลิตในโรงงานยุคใหม่เน้นความยืดหยุ่นสูง มีการนำ Cobot AI มาทำงานร่วมกับคน ตรวจจับชิ้นส่วนเสียได้แบบเรียลไทม์ ควบคู่กับการทำ Digital Twin จำลองการทำงานของโรงงาน เช่น แบรนด์รถยนต์ BMW หรือ Foxconn ที่ปรับสายการผลิตได้ทันทีโดยไม่ต้องเขียนโค้ดใหม่

Healthcare แก้ Pain Point สังคมสูงวัย ตั้งแต่ชุดโครงกระดูกภายนอก Exoskeleton ของบริษัท Wondercraft ที่ช่วยให้ผู้ป่วยอัมพาตรวมถึงผู้มีปัญหาการเคลื่อนไหวลุกเดินได้ ไปจนถึงหุ่นยนต์เอไอสำหรับผู้สูงวัยอย่าง Lovot ของญี่ปุ่น และหุ่นยนต์ผู้ช่วยผ่าตัดทางไกลจาก Waseda University

การขนส่งเปลี่ยนผ่านสู่ระบบอัจฉริยะเต็มรูปแบบ ทั้งโรโบแท็กซี่ของ Waymo ในสหรัฐฯ หรือระบบขับเคลื่อนอัตโนมัติในรถ Tesla ที่สามารถขับบนไฮเวย์ด้วยความเร็วสูงถึง 70 ไมล์ต่อชั่วโมงได้อย่างนุ่มนวลและปลอดภัยยาวนานถึง 8 ชั่วโมงเต็ม

ประเทศไทยจะอยู่ตรงไหนในเกมนี้

ประเทศไทยต้องผันตัวมาเป็นผู้ประยุกต์ใช้นวัตกรรมในห่วงโซ่มูลค่าสูง แทนการเป็นเพียงผู้ใช้งานหรือผู้ซื้อเทคโนโลยีเพื่อไม่ให้ซ้ำรอยความพ่ายแพ้ในยุคอีคอมเมิร์ซและแพลตฟอร์มต่างชาติ

ปัจจุบันมหาอำนาจโลกกำลังแบ่งเค้กออกเป็นสามขั้วใหญ่ โดยสหรัฐฯ คุมซอฟต์แวร์ระบบสมองกลด้วยเงินทุนหนาถึง 3.8 พันล้านเหรียญสหรัฐ จีนเน้นความเร็วในการเอาลงสนามจริงและสเกลสายการผลิตฮิวแมนนอยด์ระดับ 15,000 ตัว ส่วนญี่ปุ่นและเยอรมนีครองตลาดวิศวกรรมความแม่นยำสูง ทางรอดสำคัญของไทยคือการจับกระแสนี้มาแก้โจทย์เฉพาะทางที่มีแต้มต่อ เช่น ภาคการเกษตร การท่องเที่ยวเชิงสุขภาพ หรือระบบสาธารณสุขและสมุนไพรไทย เพื่อสร้างจุดแข็งที่ผู้อื่นไม่สามารถลอกเลียนแบบได้ง่าย

การมาถึงของ Physical AI กำลังขยับเส้นตายของธุรกิจให้เร็วขึ้นกว่าเดิม คลื่นลูกนี้พร้อมจะเปลี่ยนสนามแข่งขันในโลกจริงไปอย่างสิ้นเชิง การเร่งเรียนรู้ มองหาโอกาส และกล้าทดลองปรับใช้ตั้งแต่วันนี้ คือกุญแจสำคัญที่จะช่วยให้องค์กรพลิกเกมกลับมานำหน้า และสร้างการเติบโตครั้งใหม่ในสมรภูมิอนาคตได้อย่างมั่นคง

The post Physical AI: เมื่อเครื่องจักรคิดเองทำเองได้ สมรภูมิใหม่ที่ผู้นำต้องแคร์ appeared first on THE STANDARD.

เวที World Economic Forum 2026 ที่ดาวอส สวิสเซอร์แลนด์ บทสนทนาที่ชวนสะเทือนใจที่สุด ไม่ได้มาจากสงคราม การเมือง หรือภูมิรัฐศาสตร์ แต่มาจากปากของคนที่กำลังสร้างเทคโนโลยีทรงพลังที่สุดในประวัติศาสตร์มนุษยชาติ

Dario Amodei ซีอีโอ Anthropic และ Demis Hassabis ซีอีโอ Google DeepMind สองผู้ทรงอิทธิพลด้าน AI ที่สุดของโลกถูกถามคำถามง่ายๆ แต่หนักหน่วงที่สุดคำถามหนึ่งของยุคสมัย

“จะเกิดอะไรขึ้นในวันหลังจาก AGI มาถึง?”

คำตอบของทั้งสองคน ไม่ได้ให้ความมั่นใจ แต่เผยให้เห็นความจริงสำคัญ มนุษยชาติอาจกำลังเข้าใกล้จุดเปลี่ยนครั้งใหญ่ เร็วกว่าที่ระบบเศรษฐกิจ การเมือง และสังคมจะปรับตัวทัน

AGI ไม่ใช่เรื่องอนาคตไกลอีกต่อไป

เมื่อหนึ่งปีก่อน AGI ยังถูกพูดถึงในฐานะทฤษฎี แต่ที่ดาวอสปี 2026 มันกลายเป็น ‘โจทย์เชิงปฏิบัติ’

Amodei ยืนยันกรอบเวลาเดิมว่า ระบบที่มีความสามารถเทียบเท่ามนุษย์ระดับสูงอาจเกิดขึ้นภายใน 1 – 2 ปีข้างหน้า แรงขับสำคัญคือวงจรใหม่ที่ AI ใช้เขียนโค้ดเพื่อพัฒนา AI รุ่นถัดไป

ภายใน Anthropic วิศวกรจำนวนมากแทบไม่เขียนโค้ดเองแล้ว เพราะบทบาทของมนุษย์คือ ‘กำกับ แก้ไข และตัดสินใจ’

Amodei เชื่อว่า เราอาจอยู่ห่างจากวันที่ AI ทำงานวิศวกรซอฟต์แวร์ได้ครบวงจร เพียง 6 -12 เดือน

Demis Hassabis ยังคงระมัดระวังมากกว่า เขาประเมินว่า AGI มีโอกาสเกิดภายในปลายทศวรรษนี้ราว 50% แต่ก็ยอมรับว่า ความเร็วของความก้าวหน้า โดยเฉพาะด้านโค้ดและคณิตศาสตร์ เร็วกว่าที่หลายคนคาดไว้มาก

ทั้งสองเห็นตรงกันในจุดสำคัญข้อหนึ่ง ไม่ใช่ว่า AGI จะมาไหม แต่คือ จะมาเร็วแค่ไหน

การแข่งขันที่แท้จริงไม่ใช่ใครเก่งกว่า แต่ใคร ‘ปิดวงจร’ ได้ก่อน

การแข่ง AI วันนี้ ไม่ได้วัดกันที่โมเดลไหนเก่งที่สุดอีกต่อไป แต่คือใครจะสร้างระบบที่ ‘พัฒนาตัวเองได้’ ก่อน

หาก AI สามารถเขียนโค้ด วิจัย และปรับปรุงตัวเองได้โดยแทบไม่ต้องพึ่งมนุษย์ เทคโนโลยีนี้จะไม่ใช่เครื่องมืออีกต่อไป แต่กลายเป็น ‘เครื่องยนต์อัตโนมัติของความก้าวหน้า’

Hassabis ยอมรับว่า ในบางโดเมน เช่น คณิตศาสตร์และโค้ด ความเป็นไปได้นี้เริ่มชัดขึ้น แม้โลกจริงยังมีข้อจำกัดด้านชิป ฮาร์ดแวร์ และเวลา แต่แม้การปิดวงจรเพียงบางส่วน ก็อาจสร้างความได้เปรียบมหาศาล

“นี่ไม่ใช่เทคโนโลยีปกติ” เขากล่าว

รอยร้าวแรกในตลาดแรงงานเริ่มปรากฏ

แม้ตัวเลขการว่างงานยังไม่พุ่ง แต่ทั้งสองยอมรับว่า ‘สัญญาณเริ่มต้น’ ได้ปรากฏแล้ว โดยงานระดับเริ่มต้น งานฝึกงาน และตำแหน่ง junior โดยเฉพาะในสายเทค เริ่มหายไปอย่างเงียบๆ

Amodei เตือนว่า ปัญหาไม่ใช่สังคมปรับตัวไม่ได้ แต่คือ ความเร็วของ AI อาจเร็วกว่าความสามารถในการปรับตัวของมนุษย์ ซึ่งต่างจากการเปลี่ยนผ่านในอดีต

ครั้งนี้เทคโนโลยีไม่ได้ค่อยๆ เปลี่ยน แต่มันเร่งตัวแบบทวีคูณ

Demis เสริมว่า “ผมรู้สึกได้ถึงการชะลอตัวในการจ้างงานกลุ่มนี้ แต่ผมคิดว่ามันชดเชยได้ด้วยการที่เครื่องมือ AI ที่น่าทึ่งเหล่านี้มีให้ใช้ฟรีๆ ถ้าผมคุยกับนักศึกษามหาวิทยาลัยตอนนี้ ผมจะบอกให้พวกเขาฝึกใช้เครื่องมือเหล่านี้ให้เชี่ยวชาญแบบสุดๆ ซึ่งจะช่วยให้พวกเขาก้าวกระโดด (Leapfrog) ตัวเองให้เป็นประโยชน์ในวิชาชีพได้ นั่นคือสิ่งที่ผมเห็นใน 5 ปีข้างหน้า”

เขายังเป็นห่วงว่า สิ่งที่น่ากังวลกว่างาน คือ ‘ความหมายของชีวิต’

เมื่อสติปัญญาไม่ใช่ทรัพยากรขาดแคลนอีกต่อไป มนุษย์จะยืนอยู่ตรงไหนในระบบเศรษฐกิจและสังคม

AI กลายเป็นประเด็นความมั่นคงโลก

บทสนทนาที่ตึงเครียดที่สุด เกิดขึ้นเมื่อพูดถึงจีนและชิปขั้นสูง

Amodei วิจารณ์นโยบายการขายชิปอย่างตรงไปตรงมา เขามองว่า AI ไม่ใช่เทคโนโลยีทั่วไป แต่เป็นโครงสร้างอำนาจ

“มันเหมือนการถามว่า เราจะขายอาวุธนิวเคลียร์ให้เกาหลีเหนือไหม เพียงเพราะมันสร้างกำไรให้บริษัท Boeing?”

สำหรับเขา การจำกัดชิปไม่ใช่เพื่อชนะการแข่งขัน แต่เพื่อ “ซื้อเวลาให้มนุษยชาติ”

AI ในมุมนี้ ไม่ใช่เรื่องธุรกิจอีกต่อไป แต่คือความมั่นคงระดับอารยธรรม

วัยรุ่นทางเทคโนโลยีของมนุษยชาติ

Amodei ใช้คำที่น่าคิดที่สุดคำหนึ่งบนเวที มนุษยชาติกำลังเข้าสู่ ‘วัยรุ่นทางเทคโนโลยี’ (Technological Adolescence) หรือก็คือ ช่วงเวลาที่เรามีพลังมหาศาล

แต่ยังไม่มีวุฒิภาวะมากพอจะควบคุมมัน

อ้างอิงจากภาพยนตร์ Contact ของ Carl Sagan คำถามไม่ใช่ว่า เทคโนโลยีจะมาหรือไม่ เพราะตั้งแต่มนุษย์ค้นพบไฟ เส้นทางนี้ก็ถูกกำหนดไว้แล้ว

คำถามคือ เราจะผ่านช่วงนี้ไปได้โดยไม่ทำลายตัวเองหรือไม่

แม้แต่ผู้สร้าง AI เอง ก็ยอมรับว่า “ไม่มีใครรู้แน่ชัดว่าโลกหลัง AGI จะหน้าตาเป็นอย่างไร”

สิ่งที่ชัดเจนมีเพียงหนึ่งเดียว การตัดสินใจในไม่กี่ปีข้างหน้า จะกำหนดทิศทางของมนุษยชาติในระยะยาว

สิ่งที่น่าจับตาที่สุดในปี 2027 สำหรับ Amodei คือ ‘ระบบ AI ที่สร้างระบบ AI (AI systems building AI systems) ว่ามันจะเป็นอย่างไร นั่นจะเป็นตัวตัดสิน’ ส่วน Demis มองว่าคือเรื่อง World Models และ Robotics ที่อาจจะมีจุดเปลี่ยนสำคัญ

“ผมหวังว่ามันจะใช้เวลานานกว่านี้อีกนิด (Slower pace) เพื่อให้โลกปรับตัวทัน ผมอยากให้เรามีเวลามากกว่านี้”

The post นับถอยหลัง 24 เดือนสู่ AGI เมื่อผู้สร้าง AI ส่งสัญญาณเตือนกลางเวที Davos ‘เรากำลังเข้าสู่ช่วงวัยรุ่นทางเทคโนโลยีที่อาจทำลายตัวเองได้’ appeared first on THE STANDARD.

เมื่อชีววิทยาที่เคยซับซ้อนเกินเข้าใจ กำลังถูกถอดรหัสด้วยพลังของ AI และวิศวกรรม เมื่อสิ่งที่เคยเป็นงานวิจัยในห้องแล็บ กลายเป็นสินค้าที่ตอบโจทย์ตลาดจริง

นี่ไม่ใช่แค่เทรนด์ แต่มันคือจุดเปลี่ยนเชิงโครงสร้างของโลกธุรกิจ และเราเรียกมันว่า ‘Bioconvergence’

Bioconvergence คืออะไรและทรงพลังแค่ไหน?

Bioconvergence คือการหลอมรวมเทคโนโลยีสายชีวภาพเข้ากับสายดิจิทัลและวิศวกรรม ลองนึกภาพว่าความก้าวหน้าของ AI ในวันนี้ไม่ได้อยู่แค่บนโลกคอมพิวเตอร์อีกต่อไป แต่มันสามารถเข้าไปช่วยเร่งการค้นพบทางชีววิทยาได้อย่างที่ไม่เคยเกิดขึ้นมาก่อน 

นี่เป็นเหมือนการเปิดประตูสู่นวัตกรรมชุดใหม่ ที่จะเข้ามาเปลี่ยนแปลงอุตสาหกรรมและวิถีชีวิตอย่างสิ้นเชิง ข้อดีหลักๆ คือการสร้างความเป็นไปได้ที่ไม่เคยเกิดขึ้นมาก่อนในหลายมิติ ตั้งแต่การแพทย์, อาหาร, ไปจนถึงวัสดุศาสตร์ โดยมีศักยภาพในการสร้างธุรกิจใหม่และแก้ปัญหาสำคัญของโลก

ตัวอย่างนวัตกรรมที่เกิดขึ้นมาแล้ว เช่น

AlphaFold แพลตฟอร์ม AI จาก DeepMind ของ Google ที่สามารถทำนายโครงสร้าง 3 มิติของโปรตีนได้เกือบทั้งหมดที่วงการวิทยาศาสตร์รู้จัก ซึ่งช่วยย่อเวลาการวิจัยที่เคยใช้เวลาหลายสิบปีให้เหลือเพียงไม่กี่เดือน การค้นพบนี้จะนำไปสู่การพัฒนายาและวัคซีนใหม่ๆ , การสร้างเกษตรกรรมอัจฉริยะ , อาหารแห่งอนาคตอย่างเนื้อสัตว์เพาะเลี้ยงในห้องแล็บ (Lab-grown Meat) ไปจนถึงวัสดุชีวภาพใหม่ๆ เช่น หนังจากเห็ด หรือแบตเตอรี่ชีวภาพ

Deep Tech Commercialization จากห้องแล็บสู่ธุรกิจเปลี่ยนโลก

ปรากฏการณ์ Bioconvergence นำมาสู่เทรนด์ที่สำคัญอย่างยิ่งสำหรับผู้ประกอบการ นั่นคือ ‘Deep Tech Commercialization’ หรือการนำเทคโนโลยีเชิงลึกออกจากห้องทดลองมาสร้างเป็นธุรกิจที่จับต้องได้จริง ซึ่งเทรนด์นี้กำลังเกิดขึ้นจริงในประเทศไทย

Perceptra: สตาร์ทอัพไทยที่ใช้ AI ช่วยแพทย์วินิจฉัยโรคมะเร็งปอดในระยะเริ่มต้นได้อย่างแม่นยำ

Meticuly: ผู้พัฒนาเทคโนโลยีที่ใช้ AI และการพิมพ์สามมิติในการสร้างกระดูกเทียมเฉพาะบุคคลสำหรับผู้ป่วย

แสดงให้เห็นว่า Deep Tech ไม่ใช่แค่เรื่องของนักวิทยาศาสตร์ แต่เป็นโอกาสทางธุรกิจที่รอให้ผู้ประกอบการเข้าไปไขว่คว้า

Playbook สำหรับผู้ประกอบการ: สูตรสำเร็จในสมรภูมิ Deep Tech

การจะสร้างธุรกิจจาก Deep Tech ให้ประสบความสำเร็จ มีแค่เทคโนโลยีล้ำๆ ยังไม่เพียงพอ แต่ต้องมีกลยุทธ์ที่ถูกต้อง ซึ่งมีหัวใจสำคัญอยู่ที่สูตรนี้

Deep Tech = Deep Technology + Expertise Knowledge (เทคโนโลยีเชิงลึก + ความเชี่ยวชาญเฉพาะทาง)

ความสำเร็จไม่ได้เริ่มต้นจากเทคโนโลยี แต่เริ่มต้นจาก ‘การเข้าใจปัญหา’ อย่างลึกซึ้ง ผู้ประกอบการที่อยากลงเล่นในสนาม ควรทำตามแบบแผนเหล่านี้

เริ่มต้นจาก Pain Point ของผู้ใช้งาน: ความสำเร็จของสตาร์ทอัพ Deep Tech จำนวนมากเกิดจากการเข้าไปพูดคุยกับผู้เชี่ยวชาญในวงการนั้นๆ เช่น เข้าไปคุยกับแพทย์เพื่อหาว่าปัญหาที่แท้จริงในการทำงานของพวกเขาคืออะไร แล้วจึงนำเทคโนโลยีเข้ามาเป็นเครื่องมือในการแก้ปัญหา

หา Problem-Solution Fit ให้เจอก่อน: ก่อนที่จะทุ่มงบประมาณสร้างผลิตภัณฑ์ ต้องตอบให้ได้ก่อนว่าปัญหาที่เราจะแก้นั้นใหญ่พอและมีคนยอมจ่ายเงินเพื่อแก้หรือไม่ และวิธีการแก้ปัญหาของเรานั้นตอบโจทย์ได้จริงหรือไม่

ร่วมมือกับนักวิจัยอย่างใกล้ชิด: ผู้ประกอบการไม่จำเป็นต้องเป็นนักวิทยาศาสตร์เอง แต่ต้องสามารถทำงานร่วมกับนักวิจัยเพื่อนำเทคโนโลยีมาต่อยอดเป็นแกนหลักของธุรกิจได้ 

Bioconvergence และ Deep Tech ไม่ใช่แค่ buzzword ที่ผ่านมาแล้วผ่านไป แต่มันคือการเปลี่ยนแปลงเชิงโครงสร้างของวิธีการสร้างนวัตกรรมและมูลค่าทางเศรษฐกิจ

โอกาสที่ยิ่งใหญ่ที่สุดไม่ได้อยู่ที่การเป็นเจ้าของเทคโนโลยี แต่อยู่ที่การเป็นสะพานที่เชื่อมระหว่างเทคโนโลยีล้ำสมัยเข้ากับปัญหาที่แท้จริงของมนุษย์ ผู้ประกอบการที่สามารถมองเห็นปัญหาและนำเทคโนโลยีมาใช้แก้โจทย์ได้อย่างถูกจุด คือผู้ที่จะสร้างความเปลี่ยนแปลงและคว้าชัยชนะในทศวรรษข้างหน้านี้

เรียนรู้วิธีการใช้ Deep Tech คว้าโอกาสจาก Bioconvergence พัฒนาธุรกิจให้เป็นที่ต้องการของโลกอนาคตอย่างแท้จริง ได้ในงาน The Secret Sauce Summit 2025 เทศกาลธุรกิจสำหรับผู้ประกอบการที่ใหญ่ที่สุดในประเทศไทย

16-17 September 2025 | UOB LIVE ชั้น 6, EMSPHERE

The Secret Sauce Summit 2025 ซื้อบัตรได้แล้ววันนี้ https://www.zipeventapp.com/e/The-Secret-Sauce-Summit-2025?ref=Key-Takeaway-Bioconvergence

ชมคลิปสรุป 10 เรื่อง CEO ต้องรู้ ปี 2026 ได้ที่ https://youtu.be/LGN1JcFXBOI

The post Bioconvergence เทรนด์ Deep Tech ที่จะเปลี่ยนวงการแพทย์ อาหาร และวัสดุศาสตร์ appeared first on THE STANDARD.

Google DeepMind เผยโฉม GenCast โมเดล AI พยากรณ์อากาศล้ำสมัยที่เหนือกว่าวิธีการพยากรณ์แบบเดิมๆ โดย GenCast สามารถคาดการณ์สภาพอากาศได้แม่นยำและรวดเร็วกว่า โดยให้การพยากรณ์ล่วงหน้าได้ถึง 15 วัน และเก่งในการคาดการณ์เหตุการณ์รุนแรง

Ilan Price นักวิทยาศาสตร์การวิจัยของ Google DeepMind กล่าวว่า “นี่ถือเป็นจุดเปลี่ยนของ AI สำหรับการพยากรณ์อากาศ โดยโมเดลแมชชีนเลิร์นนิง GenCast สามารถผสานเป็นส่วนหนึ่งของระบบพยากรณ์อากาศ เพื่อช่วยให้ผู้มีอำนาจตัดสินใจ เข้าใจ และเตรียมพร้อมสำหรับเหตุการณ์สภาพอากาศที่จะเกิดขึ้น”

GenCast แตกต่างจากโมเดลแมชชีนเลิร์นนิงรุ่นก่อนๆ ตรงที่นำการพยากรณ์แบบ Ensemble ที่ได้ผลดีในการพยากรณ์แบบดั้งเดิมมาประยุกต์ใช้กับ AI ทำให้ได้ผลลัพธ์ที่แม่นยำมากขึ้นและใช้เวลาน้อยลง

GenCast ได้รับการฝึกฝนจากข้อมูล 4 ทศวรรษ จาก European Centre for Medium-Range Weather Forecasts: ECMWF โดยผลการศึกษาที่ตีพิมพ์ใน Nature ระบุว่า GenCast แม่นยำกว่าการพยากรณ์ 15 วันของ ECMWF ถึง 97.2%

GenCast ยังพัฒนาขึ้นจาก GraphCast โมเดล AI พยากรณ์อากาศที่ Google DeepMind เปิดตัวเมื่อปีที่แล้ว ซึ่ง GraphCast แม่นยำกว่าการพยากรณ์ของ ECMWF ประมาณ 90% สำหรับการพยากรณ์ล่วงหน้า 3-10 วัน

โมเดลการพยากรณ์ AI มักจะเร็วกว่าและมีประสิทธิภาพกว่าวิธีการพยากรณ์แบบมาตรฐาน ซึ่งต้องใช้พลังการคำนวณจำนวนมาก GenCast สามารถสร้างการพยากรณ์ได้ในเวลาเพียง 8 นาที เทียบกับการพยากรณ์แบบดั้งเดิมที่ใช้เวลาหลายชั่วโมง

อย่างไรก็ตาม นักวิจัยกล่าวว่า GenCast ยังสามารถปรับปรุงได้อีก เช่น ความสามารถในการพยากรณ์ความรุนแรงของพายุขนาดใหญ่

ECMWF กล่าวว่า การพัฒนา GenCast เป็น ‘ก้าวสำคัญในการพัฒนาการพยากรณ์อากาศ’ และได้รวมองค์ประกอบสำคัญของ GenCast เข้ากับระบบพยากรณ์ AI ของตัวเองแล้ว

กระนั้นการพัฒนา GenCast กระตุ้นการถกเถียงเกี่ยวกับการใช้ AI ในการพยากรณ์อากาศ โดยนักวิทยาศาสตร์หลายคนสนับสนุนเทคนิคแบบไฮบริด

ในเดือนกรกฎาคม Google เปิดตัว NeuralGCM ซึ่งผสานแมชชีนเลิร์นนิงและฟิสิกส์แบบดั้งเดิม เพื่อให้ได้ผลลัพธ์ที่ดีกว่า AI เพียงอย่างเดียว สำหรับการพยากรณ์ระยะยาวและแนวโน้มสภาพภูมิอากาศ

“มีคำถามและการอภิปรายเกี่ยวกับความสมดุลที่ดีที่สุดระหว่างฟิสิกส์และระบบการพยากรณ์แมชชีนเลิร์นนิง ชุมชนวิทยาศาสตร์กำลังสำรวจสิ่งนี้อย่างแข็งขัน” ECMWF กล่าว

Steven Ramsdale หัวหน้านักพยากรณ์อากาศของ UK Met Office กล่าวว่า “เราเชื่อว่าคุณค่าสูงสุดมาจากวิธีการแบบไฮบริด ซึ่งผสานการประเมินของมนุษย์ แบบจำลองทางฟิสิกส์แบบดั้งเดิม และการพยากรณ์อากาศจาก AI”

อ้างอิง:

• https://www.ft.com/content/4a2f0a5c-d23d-4f6a-9c89-32c1d76be19e 

The post 8 นาทีเท่านั้น! GenCast โมเดล AI ของ Google DeepMind เปลี่ยนการพยากรณ์อากาศจากชั่วโมงเป็นนาที พร้อมความแม่นยำกว่า 97% ใน 15 วัน appeared first on THE STANDARD.

ถือเป็นก้าวสำคัญในวงการแพทย์ เมื่อทีมนักวิจัยจาก Google DeepMind นำโดย ดร.เฉิงจุน ได้พัฒนาโปรแกรมปัญญาประดิษฐ์ (AI) ในชื่อ ‘AlphaMissense’ ที่สามารถพยากรณ์การกลายพันธุ์ในระดับยีนของมนุษย์ได้อย่างแม่นยำ

AlphaMissense เป็นผลงานที่พัฒนาต่อเนื่องมาจากโปรแกรม ‘AlphaFold’ เมื่อ 3 ปีที่แล้ว ที่สร้างขึ้นมาเพื่อคาดการณ์โครงสร้าง 3 มิติของโปรตีนมนุษย์จากองค์ประกอบทางเคมี โดยเวอร์ชันสุดท้ายพัฒนาเสร็จในปี 2020

AlphaMissense จะช่วยเปลี่ยนการระบุการกลายพันธุ์ของ DNA ด้วยวิธีแบบเก่าที่มีขั้นตอนที่ซับซ้อน ใช้เวลานาน และมีค่าใช้จ่ายสูง ให้กลายเป็นเรื่องง่าย รวดเร็ว และประหยัดขึ้นมาก 

AI ตัวนี้ถูกสร้างให้พุ่งเป้าไปที่การกลายพันธุ์ของ DNA แบบ Missense ซึ่งเป็นการแทนที่อักษรในลำดับเบสที่ตำแหน่งใดตำแหน่งหนึ่ง จนส่งผลให้เกิดการสร้างกรดอะมิโนโปรตีนของโคดอนนั้นเพี้ยนไปจากเดิม ผลลัพธ์ของการกลายพันธุ์แบบนี้ส่วนใหญ่จะไม่ส่งผลใดกับร่างกายเลย แต่ก็มีโอกาสไม่น้อยที่จะปล่อยโปรตีนที่ก่อปัญหาออกมา เป็นต้นเหตุให้เกิดโรคหรืออาการต่างๆ หลายชนิด เช่น โรคโลหิตจางชนิดเคียว (SCD), โรคมะเร็ง, โรคซิสติกไฟโบรซิส ไปจนถึงพัฒนาการของสมอง

“สิ่งนี้คล้ายกับภาษามนุษย์มาก” ดร.เฉิงจุน อธิบาย “ถ้าเราแทนที่คำในประโยคภาษาอังกฤษ คนที่คุ้นเคยกับภาษาอังกฤษจะสามารถมองเห็นได้ทันทีว่าการแทนที่คำนั้นจะเปลี่ยนความหมายของประโยคหรือไม่ อย่างไร”

ทีมงานป้อนข้อมูลเกี่ยวกับลำดับ DNA ทั้งจากมนุษย์และวานร (ไพรเมต) เข้าไปสู่ระบบการเรียนรู้ของ AlphaMissense เพื่อให้มันสามารถแยกแยะได้ว่าการกลายพันธุ์แบบ Missense ชนิดใดจะเกิดโปรตีนที่ปลอดภัย และชนิดใดจะเกิดโปรตีนที่เป็นอันตราย ส่งผลให้เกิดโรคร้ายต่างๆ ในเวลาเดียวกัน AI ก็จะได้ทำความคุ้นเคยกับลำดับเบสต่างๆ จนสุดท้ายตัวมันเองก็จะเรียนรู้ได้เองว่าโปรตีนที่ ‘ดีต่อสุขภาพ’ มีหน้าตาเป็นอย่างไร

เมื่อทีมงานป้อนข้อมูลการกลายพันธุ์แบบ Missense จำนวน 71 ล้านรายการเข้าสู่  โปรแกรม AlphaMissense แล้วตั้งค่าความแม่นยำในการประมวลผลไปที่ 90% ผลการพยากรณ์ของ AI ตัวนี้บอกเราว่า 57% ของการกลายพันธุ์แบบ Missense ไม่ส่งผลร้ายใดๆ ต่อร่างกายมนุษย์ แต่พบว่า 32% ที่อาจก่อให้เกิดโรค 11% ที่เหลือคือผลที่ยังก้ำกึ่ง ไม่อาจฟันธงด้านใดด้านหนึ่งได้ 

ศ.โจ มาร์ช นักชีววิทยาเชิงคำนวณจากมหาวิทยาลัยเอดินบะระ ผู้ที่ไม่ได้มีส่วนได้เสียกับงานวิจัยครั้งนี้ ได้ออกมาชื่นชมผลงานของทีมวิจัยจาก DeepMind ว่า ระบบปัญญาประดิษฐ์ AlphaMissense นั้นถือได้ว่ามีศักยภาพที่ยอดเยี่ยม 

“เรามักมีปัญหากับระบบพยากรณ์ทางชีววิทยาเชิงคำนวณ เนื่องจากผลคำนวณของมนุษย์นั้นเชื่อถือไม่ค่อยได้ แต่กับระบบ AI ที่สร้างขึ้นมานี้มีความแม่นยำใช้ได้เลยทีเดียว”

ทีมงาน Google DeepMind ได้แยกไฟล์ที่ได้จากการประมวลผลครั้งนี้เตรียมไว้ให้นักพันธุศาสตร์และแพทย์ หรือบุคคลผู้สนใจผลของการกลายพันธุ์แบบ Missense เอาไว้ให้ดาวน์โหลดตามลิงก์นี้: https://zenodo.org/record/8360242

ทีมงานตีพิมพ์เผยแพร่ผลงานครั้งนี้ลงในวารสาร Science: https://www.science.org/doi/10.1126/science.adg7492

ภาพ: DeepMind

อ้างอิง: 

• https://www.deepmind.com/blog/alphamissense-catalogue-of-genetic-mutations-to-help-pinpoint-the-cause-of-diseases
• https://www.theguardian.com/science/2023/sep/19/google-deepmind-ai-tool-assesses-dna-mutations-for-harm-potential

The post นักวิจัย Google DeepMind สร้าง AI ที่สามารถ​ระบุการกลายพันธุ์ของ DNA สำเร็จ​ อาจช่วยพยากรณ์การเกิดโรคในอนาคตได้ appeared first on THE STANDARD.

ตอนนี้ AI หรือปัญญาประดิษฐ์ มีความก้าวหน้าอันแสนวิเศษ แต่มันสามารถเป็นอันตรายได้หรือไม่? จากบทความใหม่ที่ร่วมเขียนโดยนักวิจัยจาก Google DeepMind และนักวิจัยจาก Oxford ที่ตีพิมพ์ไปเมื่อเดือนที่แล้ว กล่าวว่า มันสามารถกลายเป็นอันตรายได้ ซึ่งบทความดังกล่าวระบุว่า AI อาจก่อให้เกิดความเสี่ยงต่อมนุษยชาติ 

AI = ฉลาดเกมโกง

ในปัจจุบันการพัฒนา AI จะใช้ระบบที่มีชื่อว่า Generative Adversarial Network (GAN) โดยจะทำงานภายใต้ 2 กฎเกณฑ์คือ ส่วนแรกพยายามสร้างรูปภาพจากข้อมูลที่ป้อนเข้าไป ในขณะที่อีกส่วนจะให้คะแนนประสิทธิภาพการทำงานของมัน นักวิจัยคาดการณ์ในรายงานของพวกเขาว่า AI ขั้นสูงสามารถคิดกลยุทธ์การโกง เพื่อรับรางวัลอย่างมีประสิทธิภาพมากขึ้นกว่าเดิม

ไมเคิล เค. โคเฮน จาก University of Oxford ซึ่งเป็นหนึ่งในผู้เขียน บอกกับ Motherboard ในการให้สัมภาษณ์ว่า “ในโลกที่มีทรัพยากรไม่จำกัด ผมไม่รู้ว่ามันจะเกิดอะไรขึ้น แต่ในโลกที่มีทรัพยากรจำกัด มันจะมีการแข่งขันอย่างหลีกเลี่ยงไม่ได้ เพื่อทรัพยากรพวกนั้น 

ข่าวที่เกี่ยวข้อง

• วงการศิลปะเจอคำถามใหม่ ตกลงแล้ว ‘ศิลปิน’ คืออะไร? หลัง AI ชนะการประกวดวาดภาพ
• นักวิจัยจีนเสนอระบบ AI โฉมใหม่ เข้าใจ ‘ความต้องการของมนุษย์’ มากขึ้น ปูทางสู่ความสัมพันธ์แบบสองทิศทาง
• เหมือนอย่างที่คิดไหม? AI จำลองหน้าตัวละครใน Harry Potter โดยอ้างอิงจากคำบรรยายในหนังสือ

“ยิ่งถ้าคุณอยู่ในการแข่งขันกับสิ่งที่จะชนะคุณได้ทุกรอบ คุณก็ไม่ควรคาดหวังว่าจะชนะ และสาระสำคัญอีกอย่างคือ มันจะมีความกระหายที่ไม่รู้จบสำหรับพลังงานที่มากขึ้น เพื่อให้เข้าใกล้ความเป็นไปได้มากยิ่งขึ้น”

สิ่งนี้หมายความว่า หาก AI มีหน้าที่ในการปลูกผักให้เรา มันจะหาวิธีที่ ‘ไม่ต้อง’ ทำสิ่งนั้น แต่ยังได้รางวัลอยู่แทน และในอนาคตมันอาจตัดสินใจ ‘ไม่ทำ’ งานที่มอบหมายทั้งหมดที่จำเป็นต่อการดำรงชีวิตของมนุษย์ด้วยซ้ำ 

ด้วยเหตุนี้โคเฮนจึงแย้งว่า เราไม่ควรสร้าง AI ขั้นสูงขึ้นมา เว้นแต่ว่าเราจะมีวิธีรับประกันว่าจะอยู่เหนือมัน

ช้าๆ ได้พร้าเล่มง่าม

“ในทางทฤษฎีมันไม่มีเหตุผลที่จะแข่งขันกันในเรื่องนี้ ไม่มีเผ่าพันธุ์ใดที่จะรู้วิธีควบคุมมัน” โคเฮนกล่าวเสริมในการให้สัมภาษณ์ “จากความเข้าใจในปัจจุบันของเรา มันไม่ใช่สิ่งที่มีประโยชน์ในการพัฒนา เว้นแต่เราจะทำงานอย่างจริงจังในตอนนี้ เพื่อหาวิธีที่เราจะควบคุมพวกมัน”

แม้ว่าบทความนี้จะมีประเด็นที่ถูกต้องและน่าสนใจ แต่ก็ควรตั้งข้อสังเกตว่า ในปัจจุบัน AI เป็นทรัพย์สินของมนุษยชาติและมิใช่ภาระแต่อย่างใด ตั้งแต่การขจัดความจำเป็นที่มนุษย์จะต้องทำงานที่น่าเบื่อในห่วงโซ่อุปทาน ไปจนถึงการพยากรณ์อากาศที่แม่นยำยิ่งขึ้น AI กำลังนำข้อดีหลายประการมาสู่มนุษยชาติ

ทั้งหมดนี้หมายความว่า หากเราระมัดระวัง เราจะสามารถพัฒนา AI ที่ช่วยเหลือมนุษยชาติต่อไปได้โดยไม่ทำร้ายมัน

อ้างอิง:

• https://interestingengineering.com/innovation/ai-may-destroy-humanity-deepmind

ช่องทางติดตาม THE STANDARD WEALTH

Twitter: twitter.com/standard_wealth
Instagram: instagram.com/thestandardwealth
Official Line: https://lin.ee/xfPbXUP

The post AI = ฉลาดเกมโกง? นักวิจัยเตือน AI อาจก่อให้เกิดความเสี่ยงต่อมนุษยชาติ appeared first on THE STANDARD.