AI กับอนาคตประเทศไทย สรุปการประชุมสุดยอดว่าด้วย AI โดยราชบัณฑิตยสภา

การประชุมสุดยอดว่าด้วยปัญญาประดิษฐ์แห่งประเทศไทย 2568  (Thailand National AI Summit 2025) จัดขึ้นโดยราชบัณฑิตยสภา ระหว่างวันที่ 10-11 กันยายน พ.ศ.2568  ณ ศูนย์การประชุมแห่งชาติสิริกิติ์ โดยเป็นส่วนหนึ่งของการเฉลิมฉลองวาระครบรอบ 100 ปีของการก่อตั้งราชบัณฑิตยสภา 

ปัจจุบันปัญญาประดิษฐ์ หรือ AI กำลังปรับเปลี่ยนภูมิทัศน์เทคโนโลยีของโลกอย่างรวดเร็ว ประเทศไทยเองก็อยู่ในจุดเปลี่ยนที่สำคัญของการพัฒนาเทคโนโลยีนี้ การประชุมสุดยอดว่าด้วยปัญญาประดิษฐ์แห่งประเทศไทย 2568 จึงมุ่งหวังที่จะลดช่องว่างด้านความสามารถด้านปัญญาประดิษฐ์ระหว่างประเทศไทยกับประเทศผู้นำระดับโลก โดยตระหนักว่า AI เป็นได้ทั้งโอกาสอันยิ่งใหญ่ในการพัฒนาประเทศให้ก้าวกระโดด แต่ขณะเดียวกันก็มีความเสี่ยงหากนำไปใช้ในทางที่ไม่ถูกต้อง  เป้าหมายสูงสุดของการจัดประชุม คือจะมีการนำข้อสรุปและข้อเสนอแนะจากเวทีนี้ไปจัดทำเป็น "สมุดปกขาว" เพื่อเสนอต่อรัฐบาลและนายกรัฐมนตรี 

สำหรับเป็นแนวทางและแผนพัฒนา AI ที่ชัดเจนสำหรับประเทศไทยในอนาคต การประชุมได้ครอบคลุมประเด็นสำคัญอย่างรอบด้าน เพื่อตอบคำถามว่า ประเทศไทยจะยืนอยู่ตรงไหนในโลกที่ AI กำลังขับเคลื่อนนี้ รวมถึงการสร้าง "AI ที่สะท้อนคุณค่าความเป็นไทย" การหารือมุ่งเน้นทั้งในมิติของความพร้อมด้านบุคลากรและโครงสร้างพื้นฐาน การพิจารณาด้านจริยธรรม คุณธรรม และกฎหมายที่เกี่ยวข้อง ตลอดจนการประยุกต์ใช้ปัญญาประดิษฐ์ในภาคส่วนสำคัญต่าง ๆ อย่างสร้างสรรค์ สมดุล และยั่งยืน 

โดยการประชุมถูกแบ่งออกเป็น 7 ภาค รวม 18 หัวข้อบรรยาย ที่จะนำเสนอรายละเอียดเชิงลึกเกี่ยวกับภูมิทัศน์ของ AI ผลกระทบต่อสังคม เศรษฐกิจ การพัฒนาขีดความสามารถของประเทศ การประยุกต์ใช้ในอุตสาหกรรมต่าง ๆ และยุทธศาสตร์การเตรียมพร้อมเชิงกลยุทธ์สำหรับประเทศไทยในยุคปัญญาประดิษฐ์ 

ภาคที่ 1 :แผนยุทธศาสตร์ปัญญาประดิษฐ์แห่งชาติ

1.ปัญญาประดิษฐ์กับการเรียนรู้และการศึกษา

ศาสตราจารย์ นายแพทย์วิจารณ์ พานิช
นายกสภามหาวิทยาลัยเทคโนโลยีสุรนารี

การใช้ปัญญาประดิษฐ์ในการเรียนรู้และการศึกษาต้องเน้นใช้ เพื่อกระตุ้นหรือเพิ่มปฏิสัมพันธ์ระหว่างผู้เรียนกับครู และระหว่างผู้เรียนด้วยกันเอง ไม่ใช่ใช้แทนครู ไม่ใช่ทดแทนการเรียนรู้จากปฏิสัมพันธ์ทางสังคม และต้องใช้เพื่อกระตุ้น การคิดวิเคราะห์ การคิดสร้างสรรค์ และการเรียนรู้เชิงรุกของนักเรียน

AI ไม่ใช่ใช้ช่วยทำงานแทนนักเรียน เพื่อให้นักเรียนมีผลงานส่งครูโดยตนเองไม่ต้องทำงาน นักเรียนและครูต้องใช้วิจารณญาณของตนเองต่อคำตอบหรือคำแนะนำของปัญญาประดิษฐ์ โดยตระหนักว่าปัญญาประดิษฐ์อาจมีความไม่แม่นยำ หรือมีอคติได้ รวมทั้งอาจมีอาการหลอน (hallucination)และต้องไม่ลอกคำตอบของปัญญาประดิษฐ์ไปอ้างเป็นผลงานของตนเอง เพราะเป็นพฤติกรรมทุจริต รวมทั้งต้องระมัดระวังเรื่องความเป็นส่วนตัวของข้อมูล

ประโยชน์ที่สำคัญอีกอย่างหนึ่งของปัญญาประดิษฐ์ คือ ใช้ช่วยให้คำแนะนำ ป้อนกลับ เพื่อการปรับตัวและพัฒนาอย่างต่อเนื่องแก่นักเรียนและครู 

ศ.นพ. วิจารณ์ ชี้ว่า ปัญหาการศึกษาไทยที่ตกต่ำมาจากการเน้น "ความรู้" เพียงอย่างเดียว ซึ่งไม่ใช่การสร้างพลเมืองที่มีคุณภาพสูงอย่างแท้จริง ควรปรับเปลี่ยนไปสู่ "การเรียนรู้แบบองค์รวม" (Holistic Learning) ซึ่งครอบคลุมทั้งค่านิยม (Values), เจตคติ (Attitudes), ทักษะ (Skills), และความรู้ (Knowledge) หรือที่เรียกว่า VASK โดยรูปแบบการเรียนรู้ที่เหมาะสมควรเน้น Mastery Learning (เรียนรู้จนเป็นนิสัย), Active Learning (เรียนรู้จากการปฏิบัติ), และ Experiential Learning (เรียนรู้จากประสบการณ์จริง) AI ไม่ควรใช้เพื่อหาคำตอบที่รวดเร็ว (System 1 Thinking) แต่ควรใช้เพื่อฝึกการคิดที่ซับซ้อนและรอบคอบ (System 2 Thinking) ครูควรใช้ AI เพื่อลดภาระและสร้างคำถามที่ท้าทายความคิด ส่วนนักเรียนควรใช้เวลาอยู่กับ AI ไม่เกิน 20% และใช้เวลา 80% กับกิจกรรมจริง เพื่อเรียนรู้จากประสบการณ์และปฏิสัมพันธ์กับผู้อื่น เพราะ AI ไม่ควรเข้ามาแทนที่การเรียนรู้ร่วมกันของมนุษย์

2.แผนยุทธศาสตร์ AI และการพัฒนากำลังคน

ดร.ชัย วุฒิวิวัฒน์ชัย
ผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ

ได้นำเสนอ แผนยุทธศาสตร์ AI แห่งชาติ พ.ศ. 2565-2570 ซึ่งมุ่งแก้ไขปัญหาและพัฒนา AI ใน 5 ด้านหลัก ได้แก่ จริยธรรม โครงสร้างพื้นฐาน การพัฒนากำลังคน การวิจัยและพัฒนา และการประยุกต์ใช้ในภาคส่วนสำคัญ โดยมีการพัฒนาโครงการสำคัญต่างๆ เช่น การสร้างศูนย์ซูเปอร์คอมพิวเตอร์, แพลตฟอร์ม AI ภาษาไทย, และการพัฒนาโมเดลภาษาขนาดใหญ่ (LLM) "ปทุมมา"

ผลการขับเคลื่อนแผนในระยะ 2 ปีที่ผ่านมา เน้นการเตรียมความพร้อมตามยุทธศาสตร์ 3 ด้านแรก เช่น

• การประกาศแนวทางจริยธรรมและการจัดทำร่างกฎหมายปัญญาประดิษฐ์
• การเตรียมโครงสร้างพื้นฐานด้านการประมวลผลขั้นสูงของประเทศ
• การส่งเสริมการพัฒนากำลังคนในทุกระดับ

นอกจากนี้ ยังมีการริเริ่มโครงการด้านวิจัยและนวัตกรรม เช่น

• โครงการพัฒนาคลังข้อมูลภาพขนาดใหญ่เพื่อส่งเสริม AI ด้านการแพทย์
• โครงการวิจัยและพัฒนาแบบจำลองภาษาไทยขนาดใหญ่ (Large Thai Model) เปิดให้ใช้งานได้แบบสาธารณะ เพื่อส่งเสริมการต่อยอดทางธุรกิจ
• โครงการ AI เพื่อสังคม เช่น ระบบบริหารจัดการข้อมูลการพัฒนาคนแบบชี้เป้า และโครงการจัดเก็บข้อมูลอัตลักษณ์คนต่างด้าวเพื่อบริการด้านสาธารณสุข

การขับเคลื่อนแผนในระยะต่อไป ยังคงเน้นการพัฒนากำลังคนในทุกระดับ ตั้งแต่การศึกษาขั้นพื้นฐานไปจนถึงระดับวิชาชีพ การดึงดูดการลงทุนด้านโครงสร้างพื้นฐานเพิ่มขึ้น เพื่อส่งเสริมระบบนิเวศปัญญาประดิษฐ์ และการพัฒนา AI เพื่อการประยุกต์ใช้ในภาครัฐและภาคธุรกิจอุตสาหกรรมสำคัญ เช่น การแพทย์และสุขภาพ การศึกษา และเกษตรกรรม โดยอาศัยความร่วมมือจากภาครัฐ ภาควิชาการ และภาคเอกชนในสาขาต่าง ๆ

ภาคที่ 2: การประยุกต์ปัญญาประดิษฐ์ในบริบทของประเทศไทย 

3.โซลูชัน AI สำหรับองค์กรธุรกิจขนาดใหญ่

คุณโฆษิต สุขสิงห์
กรรมการผู้อำนวยการใหญ่ และผู้บริหารสูงสุดปฏิบัติการประเทศไทย
บริษัท ไทยเบฟเวอเรจ จำกัด (มหาชน)

กว่า 25 ปีที่กลุ่มไทยเบฟได้เดินหน้าพัฒนาองค์กร ไม่ใช่เพียงการเติบโตทางธุรกิจ แต่ยังลงทุนต่อเนื่องในด้านเทคโนโลยีเพื่อสร้างขีดความสามารถภายใน (Internal Capability) ของตนเอง ไม่ให้เทคโนโลยีกลายเป็นข้อจำกัดต่อการดำเนินงาน วิสัยทัศน์จากผู้นำองค์กรรุ่นต่าง ๆ ตั้งแต่คุณเจริญ สิริวัฒนภักดี คุณฐาปน สิริวัฒนภักดี และคุณปณต สิริวัฒนภักดี

เบื้องหลังความสำเร็จของไทยเบฟคือระบบโลจิสติกส์ที่ซับซ้อนและยิ่งใหญ่ในระดับประเทศและภูมิภาค

• รถขนส่งเดินทางรวมกว่า 180 ล้านกิโลเมตรต่อปี เทียบเท่าการเดินทางไป-กลับ กรุงเทพฯ–ดวงจันทร์ 228 รอบ
• มีโรงงานผลิตหลายสิบแห่ง คลังสินค้านับร้อย และสินค้าหลากหลายร้อย SKU
• มีจุดกระจายสินค้ากว่า 500,000 จุดทั่วประเทศ

ระบบโลจิสติกส์นี้ถูกบริหารจัดการด้วยขีดความสามารถภายในทั้งหมดทำให้ไทยเบฟสามารถควบคุมคุณภาพ เสถียรภาพ และการพยากรณ์การเติบโตในอนาคตได้อย่างมีประสิทธิภาพ

ไทยเบฟเลือกพัฒนาแนวคิด “AI + Human + Automation” เสมือนวงออร์เคสตราที่ทุกบทบาทสำคัญต้องทำงานร่วมกัน

• การสร้าง Startup Certu “ชูชู” (Choo Chue): ก่อตั้งขึ้นเพื่อพัฒนาทักษะใหม่ ใช้ข้อมูลเชิงโครงสร้างจากธุรกิจไทยทั้งหมด และสร้าง Private AI Model ของตนเอง
• โมเดล GPT-OSS: ใช้ดึงฐานความรู้เชิงลึกในแต่ละอุตสาหกรรม มาประมวลผลข้อมูลมหาศาลในเวลาเพียงไม่กี่วินาที
• การขยายผลระดับโลก: ระบบ AI ของไทยเบฟถูกนำไปใช้ใน 5 ประเทศ (ไทย สิงคโปร์ มาเลเซีย เวียดนาม สหรัฐฯ และเม็กซิโก) ช่วยวางแผนการผลิต ขนส่ง และการจัดจำหน่ายได้อย่างมีประสิทธิภาพ

คุณโฆษิต  ย้ำช่วงท้ายว่า การเอา AI มาใช้ในภาคธุรกิจขนาดใหญ่ต้องมีความชัดเจนว่านำมาแก้ Pain point เรื่องอะไรและแก้ถูกจุดหรือไม่ ถ้าหาดเราทำได้ดีวางแผนได้ถูกต้องก็จะเป็นประโยชน์ต่อองค์กรอย่างมากเหมือนอย่างที่ไทยเบฟได้ดำเนินการเรื่องนี้มาอย่างยาวนาน  

4.ปัญญาประดิษฐ์ พุทธศาสนา กับจริยธรรม

ศาสตราจารย์ ดร.โสรัจจ์ หงศ์ลดารมภ์
ภาคีสมาชิก ประเภทวิชาปรัชญา สาขาวิชาอัคฆวิทยา
สำนักธรรมศาสตร์และการเมือง วิทยาลัยพุทธศาสนานานาชาติ
มหาวิทยาลัยมหาจุฬาลงกรณราชวิทยาลัย

ในปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์ในรูปแบบต่าง ๆ ได้เข้ามามีบทบาทในสังคมเป็นอย่างมาก เทคโนโลยีนั้นเข้ามาช่วยงานและทำให้งานต่าง ๆ ของผู้คนทำได้อย่างมีประสิทธิภาพมากขึ้น ตัวอย่างเช่น เทคโนโลยีการผลิตข้อความ การทำนายผล หรืออุปกรณ์ที่สามารถทำงานได้เองโดยไม่ต้องมีคนบังคับ

อย่างไรก็ตาม การพัฒนาเทคโนโลยีเหล่านั้น นอกจากจะสร้างประสิทธิภาพแก่การทำงานแล้ว ก็ยัง ก่อให้เกิดผลกระทบในด้านต่าง ๆ ต่อสังคม ด้วย เช่น

• ผลกระทบต่อสิทธิความเป็นส่วนตัว
• การทำนายผลที่ทำให้ความได้เปรียบเสียเปรียบแก่กลุ่มบุคคลบางกลุ่ม

การคิดอย่างเป็นระบบเกี่ยวกับประเด็นทางจริยธรรมต่าง ๆ ของปัญญาประดิษฐ์นั้น ควรคำนึงถึง ความแตกต่างทางวัฒนธรรมระหว่างภูมิภาคต่าง ๆ ของโลก ด้วย การแก้ปัญหาด้านจริยธรรมจึงไม่ควรพึ่งพาแนวคิดทางจริยธรรมที่มาจากโลกตะวันตกแต่เพียงประการเดียว เพราะจะเป็นการทำลายความแตกต่างทางวัฒนธรรมในระยะยาว

ด้วยเหตุนี้ จึงเสนอว่า หลักคิดของสังคมไทยซึ่งรับมาจากคำสอนของพระพุทธศาสนา สามารถเสนอหลักการพื้นฐานของจริยธรรมปัญญาประดิษฐ์ เป็นการวิพากษ์หลักการของตะวันตก แต่ในขณะเดียวกันเห็นการรักษาความเห็นพ้องกันเกี่ยวกับความสำคัญของการคิดค้นหลักจริยธรรมที่เกี่ยวข้องกับ AI

5.ปัญญาประดิษฐ์กับกฎหมายไทย

ผู้ช่วยศาสตราจารย์ ดร.พีรพัฒน์ โชคสุวัฒนสกุล
คณะนิติศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

ปัญญาประดิษฐ์ (AI) กำลังเข้ามาปฏิวัติวงการกฎหมายและกระบวนการยุติธรรมทั่วโลก โดยมีการประยุกต์ใช้อย่างแพร่หลายเพื่อเพิ่มประสิทธิภาพในหลายแง่มุม เช่น

• การวิเคราะห์เอกสารทางกฎหมาย
• การสืบค้นกฎหมายและหาพยานหลักฐานที่เกี่ยวข้อง
• การช่วยให้ประชาชนเข้าถึงความยุติธรรม

ซึ่งการนำ AI มาใช้ในบริบทประเทศไทยก็สามารถทำได้เช่นเดียวกัน แต่ การปรับใช้ AI ในไทยมีความท้าทายเฉพาะตัว ได้แก่

• วัฒนธรรมการทำงาน
• ความรู้พื้นฐานด้านเทคโนโลยีและการประยุกต์ใช้งานของบุคลากร
• โครงสร้างหน่วยงานที่ยังเป็นแบบแยกส่วน (Silo)
• ข้อจำกัดจากระเบียบการจัดซื้อจัดจ้างภาครัฐ ที่อาจขาดความยืดหยุ่น

ในด้านมิติทางจริยธรรมและธรรมาภิบาล (Governance) ของการใช้ AI ที่มีความสำคัญอย่างยิ่ง โดยเน้นว่า ต้องใช้ AI อย่างรับผิดชอบ และหลีกเลี่ยงการใช้เพียงเพื่อสร้างภาพ (AI-Washing)

คำถามสำคัญด้านความน่าเชื่อถือ ผู้ช่วยศาสตราจารย์ ดร.พีรพัฒน์ ได้ยกตัวอย่างเชิงเปรียบเทียบเกี่ยวกับ ความเชื่อถือและความไว้วางใจ ระหว่างมนุษย์และ AI เมื่อเปรียบเทียบกับ อัลกอริทึมของ AI แม้ว่าจะมีความถูกต้องแม่นยำสูง แต่ก็มีองค์ประกอบของ ความไม่แน่นอน (stochastic process) อยู่เช่นกัน นี่จึงถูกเรียกว่าเป็นปัญหา “สองมาตรฐาน” ในการประเมินความผิดพลาดระหว่างมนุษย์กับ AI ท้ายที่สุด ปัญหาสำคัญคือ ความไม่ชัดเจนในเรื่องความรับผิดทางกฎหมายของ AI ซึ่งทำให้เห็นภาพความซับซ้อนของการนำเทคโนโลยีมาใช้ในวงการกฎหมาย ดังนั้นการใช้ AI ในกระบวนการยุติธรรมไม่ได้ขึ้นอยู่กับเพียงตัวผลิตภัณฑ์หรือความก้าวหน้าของโมเดล AI เท่านั้น

ภาคที่ 3 : ความก้าวหน้าในการพัฒนาปัญญาประดิษฐ์

6.ถอดรหัสAI หลักการทำงานแบบเข้าใจง่ายสำหรับประชาชน

ศาสตราจารย์ดร. ชิดชนก เหลือสินทรัพย์
ราชบัณฑิตประเภทวิชาวิทยาศาสตร์ธรรมชาติ สาขาวิชาวิทยาการคอมพิวเตอร์
สำนักวิทยาศาสต ร์ภาควิชาคณิตศาสตร์ และวิทยาการคอมพิวเตอร์ จุฬาลงกรณ์มหาวิทยาลัย 

AI เป็นเทคโนโลยีที่ช่วยแก้ปัญหาในสาขาต่าง ๆ ได้อย่างเหมาะสม และให้ผลที่น่าพึงพอใจต่อผู้ใช้งานในปัจจุบัน ความสามารถของเทคโนโลยีนี้ทำให้เกิดความเข้าใจหรือความเชื่อกันไปว่า เทคโนโลยีเอไอสามารถทำได้ทุกอย่าง เสมือนยา “วิเศษ” ที่รักษาได้ทุกโรค และยังทำให้เกิดความหวาดกลัวในตด้านต่างๆ อาจทำให้คนตกงาน ก่อสงคราม หรือทำให้สติปัญญาขิงเด็กลดลง  สิ่งเหล่านี้ เป็นจริงหรือแค่คาดการณ์ การบรรยายนี้จึงมีเป้าหมายที่จะ ถอดรหัส ให้ประชาชนเข้าใจว่า เอไอสร้างขึ้นมาจากอะไร ใช้ความรู้อะไรบ้าง เพื่อให้สามารถมองเห็นขอบเขตที่แท้จริงของความสามารถของเอไอ รวมทั้งปัญหาที่กระทบต่อสิ่งแวดล้อมระดับสากลที่ซ่อนอยู่เบื้องหลังการพัฒนาเทคโนโลยีนี้

7.การสังเคราะห์เสียงและการป้องกันการสวมรอยเสียงพูด

ผู้ช่วยศาสตราจารย์ ดร.เอกพล ช่วงสุวนิจ
ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

ความก้าวหน้าอย่างรวดเร็วของ Generative AI ได้นำมาซึ่งความสามารถในเทคโนโลยีการแปลงข้อความเป็นเสียง (Text-to-Speech, TTS) ซึ่งก็ได้สร้างความท้าทายที่สำคัญในด้านความปลอดภัยและการยืนยันตัวตนทางเสียง ทำให้ต้องมีการสำรวจภูมิทัศน์ที่ซับซ้อนของเทคโนโลยีการสร้างเสียงพูด โดยให้ความสนใจเป็นพิเศษกับระบบการตรวจจับและมาตรการป้องกันการสวมรอยเสียง (Voice Spoofing)

ทางจุฬาลงกรณ์มหาวิทยาลัย จึงมีความพยายามในการทำงานวิจัยขั้นสูงในการพัฒนาชุดข้อมูลการสวมรอยเสียง วิธีการตรวจจับ และกลยุทธ์การป้องกัน ซึ่งออกแบบมาเพื่อลดความเสี่ยงจากการสังเคราะห์เสียงและการแอบอ้างตัวตนของผู้ไม่ประสงค์ดี

8.การเรียนรู้เชิงลึกสำหรับการวิเคราะห์ภาพทางการแพทย์ และการประมวลผลภาษาธรรมชาติทางการแพทย์

ดร.ฐิติพัทธ อัชชะกุลวิสุทธิ์
ภาควิชาวิศวกรรมชีวการแพทย์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล

ในปัจจุบัน การเรียนรู้เชิงลึก (Deep Learning) ได้รับการประยุกต์ใช้อย่างแพร่หลายใน การวิเคราะห์ภาพทางการแพทย์ และ การประมวลผลภาษาธรรมชาติทางการแพทย์ ซึ่ง ดร.ฐิติพัทธ ได้อธิบายพัฒนาการโดยรวมของเทคโนโลยี AI ตามลำดับเวลา โดยโมเดลที่ใช้งานมีตั้งแต่งานแมชีนเลิร์นนิ่งแบบดั้งเดิม เช่น การจำแนกประเภทด้วยการตรวจสอบวัตถุ การแบ่งส่วนจากภาพ (segmentation)ไปจนถึงโมเดลภาษาขนาดใหญ่แบบหลายรูปบ (Multimodal LLM)  ที่สามารถอ่านภาพเอกซ์เรย์และให้ผลการตีความได้การนำเสนอ

ดร.ฐิติพัทธ  ได้ยกตัวอย่างจากประสบการณ์การวิจัยอาทิ การประยุกต์ใช้กับภาพจอประสาทตา (Fundus) และ ภาพ OCT สำหรับการวินิจฉัยโรคตา การสร้างโครงสร้างกะโหลกศีรษะและขากรรไกรใหม่และการนำไปใช้ร่วมกับแพทย์ นอกจากนี้ยังรวมถึงการประยุกต์ใช้การประมวลผลภาษาธรรมชาติล่าสุดเช่น การสร้างเกณฑ์คัดเลือกผู้เข้าร่วมการศึกษาทางคลินิกเพื่อช่วยในการวางแผนการทดลองทางคลินิก และระบบตอบคำถามทางการแพทย์ที่มีการอ้างอิงข้อมูลที่เชื่อถือได้ 

ทั้งนี้การพัฒนาเทคโนโลยีเหล่านี้มีศักยภาพในการปรับปรุงคุณภาพการวินิจฉัยและการดูแลรักษาผู้ป่วย โดยเฉพาะในด้านการวิเคราะห์ภาพทางการแพทย์ที่มีความแม่นยำสููงและการประมวลผลข้อมูลทางคลินิกที่มีประสิทธิภาพการนำเสนอจะแสดงให้เห็นถึงวิวัฒนาการของเทคโนโลยี ความท้าทายที่พบในแต่ละช่วงเวลาและแนวโน้มการพัฒนาในอนาคตของการประยุกต์ใช้เทคโนโลยีเหล่านี้ในบริบทของการดูแลสุขภาพ

9.ปัญญาไซบอร์ก (Cyborg Intelligence) การออกแบบการปฏิสัมพันธ์ระหว่างมนุษย์
และปัญญาประดิษฐ์ เพื่อส่งเสริมความงอกงามของมนุษย์

ผู้ช่วยศาสตราจารย์ ดร.พัทน์ ภัทรนุธาพร
Massachusetts Institute of Technology (MIT), USA

การสร้างระบบปัญญาประดิษฐ์ (AI) ที่ยกระดับความสามารถและส่งเสริมความงอกงามของมนุษย์ (human flourishing) ทั้งในระดับบุคคลและสังคม ต้องอาศัยความเชี่ยวชาญจากหลากหลายสาขาวิชา งานวิจัยของ ผู้ช่วยศาสตราจารย์ ดร.พัทน์ ใช้แนวทางสหวิทยาที่มุ่งเน้นมนุษย์เป็นศูนย์กลางในการพัฒนาระบบปัญญาประดิษฐ์ส่วนบุคคล (personal AI systems) เพื่อศึกษาปฏิสัมพันธ์ระหว่างมนุษย์และปัญญาประดิษฐ์ (human-AI interaction) ในเงื่อนไขต่าง ๆ ที่มีความซับซ้อน

องค์ความรู้ใหม่แก่แวดวงวิชาการ มีดังนี้

1. สร้างต้นแบบ (prototype) ของปัญญาประดิษฐ์แนวใหม่ ผ่านระบบที่ปรับเปลี่ยนตามบุคคล (personalization) เพื่อส่งเสริมและสนับสนุนความงอกงามของมนุษย์ในด้าน สติปัญญา (Wisdom), แรงบันดาลใจ (Wonder), และสุขภาวะ (Wellbeing)
2. ศึกษาการเสริมสร้างความสามารถของมนุษย์ (human augmentation) โดยระบบปัญญาประดิษฐ์ ผ่านการศึกษาเชิงทดลองขนาดใหญ่ ที่เผยให้เห็นผลกระทบของปัญญาประดิษฐ์ต่อจิตวิทยาและพฤติกรรมของมนุษย์ ทั้งด้านบวกและด้านลบ ได้แก่ การตัดสินใจ การตั้งคำถาม การเรียนรู้ ความเชื่อ ความรู้สึก และแง่มุมสำคัญอื่น ๆ ของมนุษย์
3. นำเสนอเทคนิคใหม่และเครื่องมือในการวิจัย ได้แก่ แพลตฟอร์มและเครื่องมือที่นักวิจัยท่านอื่น และผู้สนใจสามารถนำไปต่อยอดเพื่อพัฒนาระบบเสริมสร้างความสามารถของมนุษย์
4. พัฒนาระเบียบวิธีการวิจัยแนวใหม่ ที่ผสมผสานการวิเคราะห์เชิงคุณภาพและเชิงปริมาณของการปฏิสัมพันธ์ระหว่างมนุษย์และปัญญาประดิษฐ์

เป้าหมายของงานวิจัย คือการสถาปนาสาขาวิชาใหม่ “Cyborg Psychology” โดยคำว่า Cyborg มาจากคำว่า cybernetics ซึ่งมันคือ ปรากฏการณ์ของการรวมร่างระหว่างมนุษย์กับเทคโนโลยีเข้าด้วยกัน ผู้ช่วยศาสตราจารย์ ดร.พัทน์  เชื่อว่า ความคิดของมนุษย์ถ่ายทอดลงไปสู่เทคโนโลยีได้ ทำให้เกิดสมองที่สองของมนุษย์ได้ ดังนั้นการศึกษาของ ผู้ช่วยศาสตราจารย์ ดร.พัทน์ มุ่งเน้นการศึกษาแบบสหสาขาเพื่อการเสริมสร้างความสามารถของมนุษย์ และเสริมศักยภาพให้นักพัฒนาปัญญาประดิษฐ์เข้าใจผลกระทบของทางเลือกในการออกแบบระบบปัญญาประดิษฐ์ที่ปฏิสัมพันธ์กับมนุษย์ เพื่อกระตุ้นให้เกิดยุคฟื้นฟูทางปัญญาใหม่ และมีส่วนร่วมในการพัฒนาปัญญาประดิษฐ์ที่เป็นประโยชน์ต่อมนุษยชาติในระยะยาว และให้ AI ช่วยพัฒนามิติต่างๆของมนุษย์ และต้องไม่โดน AI หลอก 

ภาคที่ 4: การพัฒนาปัญญาประดิษฐ์ในประเทศไทย 

10.การขับเคลื่อนศูนย์ความเชี่ยวชาญด้าน AI โดยภาคีเครือข่ายรัฐ-เอกชน

รองศาสตราจารย์ ดร.ธีรณี อจลากุล
ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

รัฐบาลไทยประกาศแผนพัฒนาปัญญาประดิษฐ์ (AI) สู่อนาคตชาติ โดยมีเป้าหมายที่จะสร้างไทยให้เป็นหนึ่งในผู้นำด้าน AI ในอาเซียน ซึ่งเป็นความร่วมมือสำคัญระหว่างภาครัฐและเอกชน โดยแผนงานนี้เรียกว่า “ปัญญาประดิษฐ์แห่งชาติ” ซึ่งเน้นการพัฒนาศักยภาพของคนไทยให้พร้อมรับมือและใช้ประโยชน์จากเทคโนโลยี AI อย่างเต็มที่ในทุกมิติของชีวิต

การวางแผนพัฒนา AI ของไทยจำเป็นต้องเป็นระบบ ครอบคลุม และเหมาะสมกับทรัพยากรด้านเทคโนโลยีและนวัตกรรมของประเทศ โดยแบ่งเป็นสองมิติหลัก คือ

1. ความพร้อมด้าน AI (AI Readiness)
2. การนำ AI ไปใช้ในภาคส่วนต่าง ๆ (AI Adoption)

ความสำคัญเชิงยุทธศาสตร์ต่อประเทศไทย

• ก้าวข้ามกับดักรายได้ปานกลาง - (Overcoming Middle-Income Trap)
• การเปลี่ยนผ่านสู่เศรษฐกิจขับเคลื่อนด้วยนวัตกรรมและเทคโนโลยี Deep Tech อย่าง AI เป็นหนทางสำคัญที่จะทำให้ประเทศไทย หลุดพ้นจากกับดักรายได้ปานกลาง ได้อย่างยั่งยืน
• สร้างความมั่นคงทางเศรษฐกิจ -(Economic Security)
• การลงทุนใน AI และ Electronics จะช่วยลดการพึ่งพาเทคโนโลยีจากต่างประเทศ และสร้างความมั่นคงทางเศรษฐกิจให้กับประเทศ
• รับมือความท้าทายระดับชาติ - (Addressing National Challenges)

AI สามารถช่วยแก้ไขปัญหาท้าทายหลายด้านของประเทศ ตั้งแต่การเติบโตของ GDP ไปจนถึงปัญหาสังคมผู้สูงอายุ และการพัฒนาการศึกษา

AI คือ กุญแจ ขับเคลื่อนอนาคตไทย AI มีศักยภาพ สามารถช่วยเพิ่ม GDP ไทยได้สูงถึง 14–16%
ใน 10 ปี (ข้อมูลจาก McKinsey & WEF) หากไทยไม่เร่งขับเคลื่อน AI วันนี้ เราจะเสียโอกาสทางเศรษฐกิจ และการแข่งขันระดับภูมิภาค

ประโยชน์ของ AI ในมิติต่างๆของประเทศ 

• เกษตรกรรม -Smart Farming เพิ่มผลผลิต ลดต้นทุน
• สุขภาพ -AI ช่วยวินิจฉัยโรค ดูแลผู้สูงวัย
• ท่องเที่ยว -AI-driven Tourism สร้างประสบการณ์ใหม่ให้นักท่องเที่ยว
• ความมั่นคง -  AI ใน Cybersecurity และการพยากรณ์ภัยพิบัติ

ทั้งนี้ภาพรวมการลงทุน AI ในประเทศไทยจากบริษัทยักษ์ใหญ่เทคโนโลยีระดับโลกสู่การเป็น AI Hub แห่งอาเซียน ปัจจุบันมูลค่าการลงทุนรวมโดยประมาณ (ที่ประกาศแล้ว) 5.3 – 6 แสนล้านบาท (ยังไม่รวมการลงทุนจาก Microsoft และบริษัทอื่น ๆ ที่ยังไม่ประกาศตัวเลข)

• Google -3.67 หมื่นล้านบาท สร้าง Data Center ที่สมุทรปราการ และ Cloud Region ในกรุงเทพฯ เพื่อเสริมบริการ AI (US $1B)

• AWS -1.83 แสนล้านบาท ลงทุนโครงสร้างพื้นฐาน AI ช่วยระยะ 15 ปี พร้อมเปิด Cloud Region แห่งใหม่ (US $5B)

• Microsoft -ประกาศแผนลงทุนเตรียมเปิดตัว Data Center ระดับภูมิภาค แห่งแรกในไทยเป็นส่วนหนึ่งของแผนการลงทุนใน SEA

• TikTok -  3.05 แสนล้านบาท สร้างศูนย์วิจัยด้านเนื้อหาและระบบวิเคราะห์ข้อมูลในไทย (US $8.8B)

• NVIDIA- 7.3 หมื่นล้านบาท ลงทุนโครงสร้างพื้นฐาน AI พร้อมเปิด NVIDIA Cloud Provider รายแรกในไทย (US $2B)

• BlackRock (Global Infrastructure Partners) - 1.1 – 1.8 แสนล้านบาท พิจารณาสร้าง Hub ศูนย์ข้อมูลขนาดใหญ่ (Giga-scale) เพื่อรองรับ AI และ Big Data (US $3–5B)

ทำไมจึงสำคัญกับ AI ของไทย?

• ศูนย์กลาง AI ภูมิภาค -การสร้างศูนย์ Data Center ทำให้ดึงดูดนักลงทุนต่างชาติและสร้างฐานข้อมูลใหญ่ในประเทศ
• สร้างงานและอาชีพ- โครงการลงทุนเหล่านี้จะสร้างงานใหม่หลายหมื่นตำแหน่ง และยกระดับทักษะแรงงานไทย
• อธิปไตยทางดิจิทัล - การมี Sovereign Cloud ช่วยให้ข้อมูลสำคัญอยู่ในประเทศ เพิ่มความมั่นคงและลดความเสี่ยง
• เติบโตด้วยนโยบายรัฐ - ได้รับการสนับสนุนจากนโยบายไทยแลนด์ดิจิทัล ทำให้มีโอกาสเพิ่ม GDP อีก 30% ในปี 2030

11.การพัฒนาขีดความสามารถด้านปัญญาประดิษฐ์ของประเทศไทย

ดร.สรณะ นุชอนงค์ สถาบันวิทยสิริเมธี

ความก้าวหน้าด้านปัญญาประดิษฐ์ (AI) ในระดับโลก ขับเคลื่อนผ่าน 3 มิติหลัก ได้แก่ การใช้งานเชิงพาณิชย์ การค้นพบองค์ความรู้ใหม่ และการพัฒนาเครื่องมือและทรัพยากรที่สนับสนุนการสร้างองค์ความรู้ใหม่

แม้ว่าสังคมจะให้ความสนใจไปที่มิติแรก เช่น ผู้ช่วยอัตโนมัติ หรือระบบเพิ่มประสิทธิภาพการทำงานต่าง ๆ แต่นวัตกรรมเชิงพาณิชย์เหล่านี้จะเกิดขึ้นไม่ได้เลย หากขาดรากฐานจากสองมิติหลัง ที่มุ่งวิเคราะห์และยกระดับกระบวนการเรียนรู้ของระบบ AI อย่างลึกซึ้งและเป็นระบบ

หนึ่งในความท้าทายสำคัญของ AI คือ การสร้างความสามารถที่ generalize ได้อย่างแท้จริง โดยเฉพาะในบริบทที่ข้ามภาษา (cross-lingual generalization) เช่น หากโมเดลเรียนรู้การใช้เหตุผล (reasoning) ได้ดีในภาษาอังกฤษ ความสามารถนั้นจะถ่ายทอดหรือแสดงออกในภาษาอื่น โดยเฉพาะภาษาที่มีทรัพยากรจำกัด ได้มากน้อยเพียงใด

การประเมินจึงต้องไม่จำกัดอยู่แค่การวัดผลบนข้อมูลที่ระบบถูกฝึกมา แต่ควรครอบคลุมกรณีที่โมเดลต้องทำงานในสถานการณ์ใหม่ ภาษาใหม่ หรือสภาพแวดล้อมใหม่ แนวโน้มในปัจจุบันคือ การออกแบบชุดข้อมูลและเครื่องมือวัดผลที่สามารถแยกแยะได้ว่า โมเดลเรียนรู้ “สิ่งที่ควรเรียน” หรือเพียงแค่จำจากข้อมูลที่เคยเห็นมาเท่านั้น

การสร้าง ecosystem ที่ส่งเสริมความสามารถในการวิจัยเรื่องการ generalize ข้ามภาษาและบริบท จำเป็นต้องมีการลงทุนทั้งในระดับ ทรัพยากรข้อมูล (เช่น datasets ที่มีความโปร่งใสและตรวจสอบได้), เครื่องมือประเมิน (เช่น benchmarks ที่ออกแบบมาเพื่อตรวจวัดศักยภาพการเรียนรู้ที่แท้จริง),
และ โครงสร้างพื้นฐานในการฝึกและทดสอบโมเดลขนาดใหญ่ สำหรับภูมิภาคเอเชียตะวันออกเฉียงใต้

บทบาทของ สถาบันการศึกษา โดยเฉพาะบัณฑิตวิทยาลัย คือจุดศูนย์กลางของการสร้างองค์ความรู้เหล่านี้ ผ่านการทำงานแบบเปิด ความร่วมมือระดับภูมิภาค และการสร้างความไว้วางใจในการแบ่งปันทรัพยากร ทั้งหมดนี้ล้วนเป็นรากฐานที่จำเป็น หากเราจะเปลี่ยนบทบาทจาก “ผู้ตาม” (adopter) ไปเป็น “ผู้มีส่วนร่วมในการกำหนดอนาคตของ AI ในระดับโลก”

12.การสร้างระบบปัญญาประดิษฐ์ที่เชื่อถือได้ด้วยข้อมูลจำกัด

ดร.นนทวัฒน์ เจริญภักดี นักวิจัย บริษัท Preferred Networks, Inc.

ปัญญาประดิษฐ์ (Artificial Intelligence – AI) ที่พัฒนาด้วยการเรียนรู้ของเครื่อง (Machine Learning) มีประโยชน์อย่างมากในการแก้ปัญหาในหลากหลายสาขา ความสำเร็จเหล่านี้มักเกิดจากการมีข้อมูลฝึกจำนวนมากและมีคุณภาพสูง อย่างไรก็ตาม การเข้าถึงข้อมูลจำนวนมากที่มีการเก็บอย่างครบถ้วนและถูกต้อง มักเป็นเรื่องยากเนื่องจากข้อจำกัดหลายประการ เช่น ต้นทุนในการเก็บข้อมูล ข้อกฎหมายด้านความเป็นส่วนตัว ลักษณะเฉพาะตัวของข้อมูลที่อาจทำให้ข้อมูลที่เก็บมามีความผิดพลาด รวมถึงการขาดแคลนผู้เชี่ยวชาญเฉพาะด้านในการตรวจสอบข้อมูล ส่งผลให้ข้อมูลฝึกมักมีความไม่สมบูรณ์

นอกจากนี้ แม้ว่า AI จะมีประสิทธิภาพโดยรวมสูงเมื่อวัดจากตัวชี้วัด เช่น ความแม่นยำ แต่ AI ก็อาจแสดงพฤติกรรมที่ทำให้ผู้ใช้เกิดความไม่เชื่อถือได้ เช่น การทำนายผิดแม้มีความมั่นใจสูงในข้อมูลที่ผู้ใช้เห็นว่าไม่น่าผิดพลาดได้

ทิศทางการวิจัย ก็เพื่อสร้างระบบ AI ที่เชื่อถือได้ภายใต้ข้อจำกัดด้านข้อมูลทั้งแนวทางพื้นฐานและแนวทางใหม่ ๆ เช่น การเรียนรู้แบบมีผู้สอนที่ให้ข้อมูลไม่สมบูรณ์ (Weakly Supervised Learning)
การเรียนรู้ที่รักษาความเป็นส่วนตัวของข้อมูล (Privacy-preserving Learning) ซึ่งช่วยให้สามารถเรียนรู้จากข้อมูลอ่อนไหวได้โดยไม่ละเมิดความเป็นส่วนตัว

ส่วน“ความน่าเชื่อถือ” ของระบบ AI พบว่า ความแม่นยำเพียงอย่างเดียวไม่สะท้อนถึงความสามารถของระบบในการรู้ขอบเขตของตนเอง ระบบ AI ที่เชื่อถือได้ควรสามารถประเมินและสื่อสารความไม่แน่นอน หลีกเลี่ยงการตัดสินใจเมื่อความมั่นใจต่ำ และสามารถอธิบายเหตุผลในการตัดสินใจได้ในรูปแบบที่ผู้ใช้งานเข้าใจ ดังนั้นความท้าทาย คือ ประเทศไทยเราจะสามารถใช้จุดแข็งที่มีอยู่ในการพัฒนา AI ที่เชื่อถือได้ภายใต้ข้อจำกัดด้านข้อมูลได้อย่างไร

13.ปัญญาประดิษฐ์กับอัตลักษณ์ไทย

ดร.อนันต์ เหล่าเลิศวรกุล ภาคีสมาชิก ประเภทวิชาวรรณศิลป์
สาขาวิชาภาษาไทย สำนักศิลปกรรม

เราตระหนักดีว่า AI เข้าถึงข้อมูลจำนวนมากได้รวดเร็ว และประมวลผลเรื่องที่ซับซ้อนได้ในพริบตา แต่ AI ยังเข้าถึงข้อมูลอัตลักษณ์ไทยที่ถูกต้องและน่าเชื่อถือได้อย่างจำกัด ทำให้ผลลัพธ์ที่ AI ประมวลออกมาดูน่าเคลือบแคลง และเป็นอันตรายอย่างมากต่อวงการศึกษา โดยเฉพาะอย่างยิ่ง เมื่อผู้เรียนเน้นเอาง่ายและเอาเร็วเข้าไว้ ขณะที่ครูไม่ใส่ใจตรวจสอบผลงานของผู้เรียน

อันตรายยิ่งขึ้นไปอีก หากผลงานที่ AI ประมวลออกมานั้นถูกใส่กลับเข้าไปในระบบเครือข่ายที่ AI เข้าถึงได้ อันตรายอีกประการหนึ่ง คือ AI อาจนำเสนอภาพอัตลักษณ์ไทยออกสู่สายตาชาวโลกด้วยภาพที่ดูเหมือนใช่ แต่ที่จริงกลับไม่ใช่ หากผู้ใช้งาน AI ชาวต่างชาติหลงเชื่อถือ อัตลักษณ์ไทยในความรับรู้ของชาวต่างชาติก็จะค่อย ๆ คลาดเคลื่อนไปเรื่อย ๆ

จากเดิมที่ทั้งคนไทยและคนต่างชาติ เคยเห็นอัตลักษณ์ไทยโดดเด่นท่ามกลางอัตลักษณ์ร่วมของวัฒนธรรมเอเชียตะวันออกเฉียงใต้ ความโดดเด่นนั้นอาจค่อย ๆ เลือนรางไปในจักรวาลของ AI

ประเด็นนี้ ราชบัณฑิตยสภา สถาบันอุดมศึกษา และกระทรวงวัฒนธรรม จำเป็นต้องตระหนัก และมีมาตรการทั้งเชิงรุกและเชิงรับ พร้อมแบ่งหน้าที่กันทำงานอย่างเป็นระบบ เพื่อป้อนข้อมูลอัตลักษณ์ไทยที่มีคุณค่าทางวิชาการและน่าเชื่อถือสูงเข้าสู่ระบบเครือข่ายอินเทอร์เน็ต

ภาคที่ 5: การประยุกต์ปัญญาประดิษฐ์ในภาคอุตสาหกรรม 

14.การใช้ปัญญาประดิษฐ์ถอดรหัสวัฒนธรรมไทย

ผู้ช่วยศาสตราจารย์ ดร.พัทน์ ภัทรนุธาพร   MIT Media Lab, USA
และ นายพิเชษฐ กลั่นชื่น

โครงการนี้นำเสนอแนวทางในการพัฒนาองค์ความรู้ด้านนาฏศิลป์ไทยให้เป็นเทคโนโลยีด้วย interactive computational models ที่ขยายขอบเขตของการอนุรักษ์มรดกทางวัฒนธรรมให้ไกลกว่าการเพียงบันทึกการแสดงที่แช่แข็งท่าเต้นเอาไว้ไม่นำไปสู่การงอกงามทางศิลปะ

โครงการนี้นำเสนอแนวคิด “Human–AI co-dancing” ซึ่งเกี่ยวข้องกับการผสานนักเต้นมนุษย์กับนักเต้นเสมือนจริง (virtual dance partners) ที่ขับเคลื่อนด้วยแบบจำลองคอมพิวเตอร์ (model) ซึ่งได้มาจากองค์ความรู้ทางการเต้น (choreographic principles)

โครงการมุ่งเน้นไปที่องค์ความรู้จาก ท่ารำใน “แม่บทใหญ่” อันเป็นพื้นฐานของนาฏศิลป์ไทย โดยท่ารำเหล่านี้ได้รับการวิเคราะห์ ตีความ และแปลงเป็นกระบวนการทางคณิตศาสตร์ในคอมพิวเตอร์ ที่สามารถควบคุมและสร้างท่าเต้นบนร่างกายของ virtual character แบบ real-time

ทีมวิจัยได้พัฒนา interactive system ที่ช่วยให้นักเต้นสามารถมีปฏิสัมพันธ์ (improvise) และเต้นร่วมกับ virtual character ได้ โดยใช้ระบบ voice control รับคำสั่งเสียง ซึ่งช่วยให้นักเต้น ผู้ออกแบบท่าเต้น หรือแม้แต่ผู้ชม สามารถมีส่วนร่วมในการปรับเปลี่ยน choreography ของ virtual characters ผ่านการปรับ parameters ที่สะท้อนถึงองค์ประกอบของนาฏศิลป์ไทย

การซ้อมเต้นระหว่างมนุษย์กับ AI ได้ให้ผลลัพธ์ทางศิลปะที่น่าสนใจ เกิด สุนทรียะแบบใหม่ จากการผสมผสานและความแตกต่างระหว่างมนุษย์และเทคโนโลยี งานวิจัยนี้ยังนำไปสู่ผลงานการแสดงที่มีชื่อว่า “Cyber Subin” ซึ่งแสดงให้เห็นถึงศักยภาพของการผสมผสานมรดกทางวัฒนธรรมและเทคโนโลยี เพื่อขยายขอบเขตการแสดงออกทางศิลปะ และอนุรักษ์ภูมิปัญญาดั้งเดิมในบริบทร่วมสมัย 

15.Farm Analytics Solution เทคโนโลยีการวิเคราะห์ข้อมูลเพื่อยกระดับการเกษตรไทย

ดร.รัสรินทร์ ชินโชติธีรนันท์
ประธานเจ้าหน้าที่บริหาร บริษัท ListenField จำกัด

บริษัท ListenField ซึ่งก่อตั้งโดย ดร.รัสรินทร์ ชินโชติธีรนันท์ เป็นตัวอย่างของการนำเทคโนโลยีมาแก้ไขปัญหาการเกษตรไทย โดยพัฒนาระบบนิเวศทางเทคโนโลยีที่ผสานการวิเคราะห์ข้อมูลหลายมิติ เพื่อทำให้ห่วงโซ่อุปทานสามารถคาดการณ์ได้ล่วงหน้า และพัฒนาศักยภาพการผลิตของเกษตรกรตั้งแต่การเตรียมดินไปจนถึงการเก็บเกี่ยว

1. ระบบวิเคราะห์ดินอัจฉริยะ (Intelligent Soil Analytics) ใช้เทคโนโลยี Near-Infrared Spectroscopy (NIR) ในการตรวจวัดและวิเคราะห์คุณภาพดินแบบเรียลไทม์ อีกทั้งยังประยุกต์ใช้ Generative AI เพื่อให้ระบบสามารถให้คำแนะนำเฉพาะเจาะจงได้อย่างแม่นยำ
2. ระบบพยากรณ์อากาศและการเตือนภัยล่วงหน้า (Predictive Weather and Early Warning System) ประมวลผลข้อมูลจากแหล่งข้อมูลที่หลากหลาย เพื่อสร้างแบบจำลองในการประเมินความเสี่ยงจากการเกิดโรคพืชและภัยแล้ง
3. ระบบวิเคราะห์ภาพและการเชื่อมโยงห่วงโซ่อุปทาน (Machine Vision and Supply Chain Integration) ประยุกต์ใช้ Computer Vision และ Deep Learning ในการวิเคราะห์ภาพจากดาวเทียมและแปลงเกษตร เพื่อประเมินสุขภาพพืช คาดการณ์ปริมาณผลผลิต และเชื่อมโยงกับระบบการจัดการห่วงโซ่อุปทาน (Supply Chain Management) เพื่อสนับสนุนการวางแผนการเก็บเกี่ยว การขนส่ง และสร้างความโปร่งใสในห่วงโซ่อุปทาน

เทคโนโลยีของบริษัท ListenField ถูกนำไปใช้งานจริงแล้วในประเทศญี่ปุ่น ไทย และภูมิภาคเอเชียตะวันออกเฉียงใต้ โดยมีการใช้งานครอบคลุมพื้นที่กว่า 500,000 ไร่ ในประเทศไทย ครอบคลุมพืชเศรษฐกิจสำคัญ เช่น ข้าวโพดหวาน อ้อย ข้าว และมันสำปะหลัง ส่งผลให้ประสิทธิภาพการทำการเกษตรเพิ่มขึ้นกว่า 20% และยังมีการทำงานร่วมกับบริษัทผู้ผลิตอาหารทั้งในระดับประเทศและระดับสากลอีกด้วย

16.การประยุกต์ใช้ปัญญาประดิษฐ์ในด้านสุขภาพและการแพทย์ในประเทศไทย

ศาสตราจารย์ นายแพทย์รุ่งโรจน์ พิทยศิริ
ราชบัณฑิต ประเภทวิชาแพทยศาสตร์และทันตแพทยศาสตร์
สาขาวิชาอายุรศาสตร์ สำนักวิทยาศาสตร์

เมื่อโลกหมุนเข้าสู่ยุคแห่งปัญญาประดิษฐ์ (AI) การแพทย์ก็ไม่อาจอยู่นิ่งเฉย ท่ามกลางวิกฤตประชากรสูงวัย โรคเรื้อรังที่เพิ่มขึ้น และความท้าทายจากสภาพภูมิอากาศ การนำ AI มาประยุกต์ใช้ในระบบสุขภาพจึงไม่ใช่เพียงโอกาส — แต่คือ ความจำเป็น

ประเทศไทยมีต้นทุนสำคัญที่พร้อมจะก้าวขึ้นเป็น “ศูนย์กลางสุขภาพของภูมิภาค” ไม่ว่าจะเป็นบุคลากรแพทย์ที่มีคุณภาพ ระบบสาธารณสุขที่เข้มแข็ง หรือข้อมูลสุขภาพที่หลากหลาย การประยุกต์ใช้ AI ในบริบทของไทยได้เริ่มต้นขึ้นแล้วในหลายมิติ ตั้งแต่การคัดกรองโรคพาร์กินสันผ่านแอปพลิเคชัน การใช้ AI ช่วยวินิจฉัยมะเร็ง การติดตามผู้สูงอายุที่บ้าน ไปจนถึงระบบแจ้งเตือนอัตโนมัติในโรงพยาบาลชนบท

แต่ไม่ว่า AI จะทรงพลังเพียงใด ก็ยังไม่เพียงพอ หากไร้ความเข้าใจมนุษย์ บทเรียนจากทั่วโลกสะท้อนว่า “AI ที่ประสบความสำเร็จ” คือ AI ที่ทำงานร่วมกับมนุษย์ ไม่ใช่แทนที่ แนวคิด “Co-intelligence” จึงเป็นหัวใจสำคัญ คือการบูรณาการระหว่างสติปัญญาของมนุษย์กับอัลกอริทึมที่แม่นยำและใช้ได้จริง เพื่อยกระดับประสบการณ์ทั้งของแพทย์ ผู้ที่เกี่ยวข้อง และโดยเฉพาะผู้มารับบริการอย่างยั่งยืน

การเดินหน้าของประเทศไทยในเส้นทางนี้ยังเผชิญกับความท้าทายด้านโครงสร้างพื้นฐาน การคุ้มครองข้อมูลส่วนบุคคล การยอมรับของประชาชน รวมถึงจริยธรรมทางการแพทย์ในยุคที่อัลกอริทึมเริ่มมีบทบาทตัดสินใจแทนมนุษย์ ดังนั้น การพัฒนา AI ทางการแพทย์จึงต้องไม่ลืมคำสำคัญ 3 คำ คือ “โปร่งใส เท่าเทียม และน่าเชื่อถือ”

การประชุม AI Summit ครั้งนี้ จึงเป็นหมุดหมายสำคัญของประเทศไทยในการกำหนดทิศทาง “AI เพื่อประชาชน” โดยเฉพาะในระบบสุขภาพที่ทุกคนเกี่ยวข้อง ไม่ว่าจะเป็นผู้มารับบริการ แพทย์ ผู้พัฒนา หรือผู้กำหนดนโยบาย เพราะอนาคตของระบบสุขภาพไทยไม่ได้ขึ้นอยู่กับ AI เพียงอย่างเดียว — แต่ขึ้นอยู่กับว่า เราจะออกแบบ “AI ที่เข้าใจมนุษย์” ให้เป็นคู่คิดทางสุขภาพของคนไทยทั้งประเทศได้อย่างไร

17.การขับเคลื่อนปัญญาประดิษฐ์ในภาคอุตสาหกรรมของประเทศไทย

ดร.ชาญวิทย์ บุญช่วย
นายกสมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย

การขับเคลื่อนปัญญาประดิษฐ์ (AI) ในภาคอุตสาหกรรมไทยเป็นกลไกสำคัญในการยกระดับขีดความสามารถทางการแข่งขัน ภาคเอกชนได้ประยุกต์ใช้ AI ในหลากหลายสาขา อาทิ การผลิต เกษตร อาหาร ยานยนต์ โลจิสติกส์ พลังงาน การเงิน และการแพทย์ เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และสร้างนวัตกรรมธุรกิจใหม่

แนวคิด “มูลค่าเพิ่มจากปัญญาประดิษฐ์” (AI Added Value) หมายถึงการสร้างคุณค่าใหม่ที่มีมูลค่าสูง เช่น การใช้ข้อมูลเชิงลึกเพื่อเพิ่มความแม่นยำในการตัดสินใจ การยกระดับมาตรฐานความปลอดภัย การลดความสูญเสียในสายการผลิต และการสร้างบริการหรือผลิตภัณฑ์ใหม่ ๆ องค์กรที่ประสบความสำเร็จมักใช้ AI เพื่อเพิ่มผลตอบแทนเชิงธุรกิจในจุดสำคัญ

ปัจจัยแห่งความสำเร็จประกอบด้วย

• การกำหนดยุทธศาสตร์ AI Added Value
• การพัฒนาทักษะบุคลากร
• การเริ่มจากโครงการนำร่องแล้วขยายผล
• การจัดการข้อมูลและโครงสร้างพื้นฐานดิจิทัล
• การสร้างพันธมิตรด้านเทคโนโลยี
• ความร่วมมือระหว่างภาคเอกชน ภาครัฐ สถาบันการศึกษา และสตาร์ทอัพ ช่วยเร่งการพัฒนาผ่านโครงการวิจัยและการบ่มเพาะบุคลากร

อย่างไรก็ตาม การนำ AI มาใช้ยังเผชิญความท้าทาย เช่น ความพร้อมของข้อมูล จำนวนผู้เชี่ยวชาญที่ยังจำกัด ต้นทุนสูง และความกังวลด้านความมั่นคงทางไซเบอร์ ภาคเอกชนจึงเสนอให้รัฐสนับสนุนโครงสร้างพื้นฐานดิจิทัล มาตรการจูงใจทางภาษี การพัฒนาบุคลากร และการกำหนดมาตรฐาน AI

บทเรียนจากต่างประเทศชี้ว่า ความสำเร็จต้องอาศัย นโยบายระดับชาติ การลงทุนวิจัย และความร่วมมือข้ามภาคส่วน เพื่อให้ประเทศไทยสามารถขับเคลื่อน AI ในภาคอุตสาหกรรมได้อย่างยั่งยืน และก้าวสู่เศรษฐกิจฐานนวัตกรรม

ภาคที่ 6: ยุทธศาสตร์การเตรียมความพร้อมสำหรับโลกยุคปัญญาประดิษฐ์ 

18.เมื่อเอไอครองโลก คนไทยจะอยู่อย่างไร

ศาสตราจารย์กิตติคุณ ดร.วรศักดิ์ กนกนุกุลชัย
ราชบัณฑิต ประเภทวิชาวิศวกรรมศาสตร์ สาขาวิชาวิศวกรรมโยธา สำนักวิทยาศาสตร์

19.การเตรียมพร้อมเชิงกลยุทธ์สำหรับประเทศไทยในโลกยุคปัญญาประดิษฐ์ 

โดยมีวิทยากรผู้ร่วมเสวนา
-ผู้ช่วยศาสตราจารย์ ดร.เอกพล ช่วงสุวนิช จุฬาลงกรณ์มหาวิทยาลัย
-ดร.นนทวัฒน์ เจริญภักดี Preferred Networks, Japan
-ดร.ชาญวิทย์ บุญช่วย สมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย
-ผู้ช่วยศาสตราจารย์ ดร.พัทน์ ภัทรนุธาพร MIT Media Lab, USA

ประเด็นสำคัญจากการเสวนา:

1. ความรอบรู้ทางด้าน AI (AI Literacy)

• นิยามและความสำคัญ

• ดร. ชาญวิทย์: เน้นการใช้งาน AI อย่างถูกต้องและปลอดภัย การปูรากฐานความเข้าใจสำคัญมาก โดยเฉพาะสำหรับคนรุ่นใหม่
• ดร. นนทวัฒน์: หมายถึงความรู้ความเข้าใจ AI และความสามารถในการใช้งานอย่างมีวิจารณญาณ รู้คุณรู้โทษ ไม่เชื่อ AI ทุกอย่าง
• ดร.พัทน์ : มองว่า AI Literacy ไม่สำคัญเท่า "Humanity Literacy" (ความเป็นมนุษย์) โดยเสนอว่าเทคโนโลยีจะกลืนไปกับชีวิต คนควรเรียนรู้ที่จะเรียนรู้ และเป็นมนุษย์ที่ดีในยุคที่มีเทคโนโลยีหลากหลาย
• ดร. เอกพล: จุฬาลงกรณ์มหาวิทยาลัยได้ตั้ง AI Competency List 10 ข้อ เพื่อให้นิสิตมีความสามารถด้าน AI ครอบคลุมทั้งความรู้ การประเมิน และการตระหนักถึงบทบาทของมนุษย์ใน AI.

2. การพัฒนา Foundation Model ของไทย

สถานะปัจจุบันและความท้าทาย

• ดร. ชาญวิทย์: ปัจจุบันไทยส่วนใหญ่ทำได้เพียง Post-training หรือ Fine-tuning โมเดล Open Source ไม่ได้สร้างโมเดลใหม่ทั้งหมด เนื่องจากค่าใช้จ่ายสูงและมีความเสี่ยง
• ดร.พัทน์: เสนอว่าไทยไม่ควรวิ่งแข่งในลู่เดียวกับต่างชาติที่ก้าวหน้าไปแล้ว แต่ควรสร้าง "New Track" หรือโมเดลที่เป็นเอกลักษณ์ของไทย เช่น Foundation Food Model หรือ Human Model โดยเน้นการสนับสนุนนักวิจัยผู้บุกเบิก
• ดร. เอกพล: การเทรนโมเดลจากศูนย์มีค่าใช้จ่ายสูงมาก (2-3 ล้านเหรียญสหรัฐต่อครั้ง) เสนอให้ร่วมมือกับประเทศในอาเซียนเพื่อ Pool Resources สร้างโมเดลของอาเซียนก่อนนำมา Fine-tune

ความเป็นไปได้ในการตั้งบริษัท AI แห่งชาติ

• ดร.พัทน์: แสดงความกังวลว่าอาจประสบปัญหาเหมือนรัฐวิสาหกิจอื่นๆ หากขาดการสนับสนุนบุคลากรที่มีความสามารถ และมุ่งเน้นที่การสร้างผลิตภัณฑ์มากกว่าการวิจัยพื้นฐาน
• ดร. ชาญวิทย์: เสนอว่ามีกลไกอื่นที่สามารถให้ภาคเอกชนเข้ามาร่วมขับเคลื่อนได้ โดยไม่จำเป็นต้องให้รัฐบาลถือหุ้นทั้งหมด

3. ผลกระทบของ AGI (Artificial General Intelligence)

ความกังวลและโอกาส

• ดร.พัทน์: ไม่ได้กลัว AGI เท่า "Artificial Human Stupidity" หรือการที่มนุษย์โง่ลงจากการพึ่งพาเทคโนโลยี ควรพัฒนาศักยภาพของมนุษย์ให้ใช้ AI อย่างมีวิจารณญาณ
• ดร. ชาญวิทย์: มอง AGI เป็นโอกาสทางธุรกิจที่สำคัญ และไม่กังวล แต่เน้นย้ำถึงความจำเป็นในการปรับตัวของมนุษย์
• ดร. นนทวัฒน์: หาก AGI สามารถแก้ปัญหาได้จริง มนุษย์อาจค้นพบตัวตนและคุณค่าของความเป็นคนมากขึ้น
• ดร. เอกพล: อ้างอิงนิยามของ Sam Altman ที่ว่า AGI คือ AI ที่เก่งเท่ามนุษย์ในทุกด้าน หากเกิดขึ้นจริง งานหลายอย่างจะหายไปและงานจะเปลี่ยนไป Soft Skills และ Human Touch จะสำคัญมากขึ้น.

4. ผลกระทบต่อแรงงานและการปรับตัว

• ดร. เอกพล: กังวลถึงช่วงเปลี่ยนผ่านที่คนตกงานจำนวนมากก่อนที่จะเกิด Universal Basic Income (UBI) การ Re-skill บุคลากรอย่างรวดเร็วเป็นสิ่งสำคัญ. การงานยังให้ "ความหมายของชีวิต" และความภาคภูมิใจ
• ดร.พัทน์: มองว่าปัญหาการตกงานและความเหลื่อมล้ำเป็นปัญหาพื้นฐานของมนุษย์ที่มีอยู่แล้วก่อน AI

5. AI กับความเหลื่อมล้ำ

• ดร.เอกพล: มองว่า AI อาจช่วยลดความเหลื่อมล้ำ โดยทำให้บริษัทขนาดเล็กและผู้เรียนเข้าถึงทรัพยากรและเครื่องมือที่มีประสิทธิภาพได้เทียบเท่าบริษัทใหญ่หรือโรงเรียนที่มีทุนสูง
• ดร.นนทวัฒน์: มองว่า AI อาจลดความเหลื่อมล้ำในการเข้าถึงบางทรัพยากร แต่ก็อาจเพิ่มความเหลื่อมล้ำในแง่ของเจ้าของแพลตฟอร์มที่สามารถควบคุมพฤติกรรมผู้ใช้ได้หากเกิดการผูกขาด
• ดร.พัทน์: เตือนเรื่อง "Illusion of Competency" หรือภาพหลอนว่าเราเก่งเพราะใช้ AI นำเข้า ซึ่งไม่ได้สร้างคุณค่าที่แท้จริง ความเหลื่อมล้ำยังเป็นเรื่องของ Mindset หรือวิธีคิดของคน

6. การศึกษาในยุค AI

• ดร.พัทน์: เสนอ 3 สิ่งสำคัญ:เรียนรู้ที่จะเรียนรู้ (Learning to Learn): เพื่อรับมือกับเทคโนโลยีใหม่ๆ ที่จะมาอย่างต่อเนื่องเรียนรู้ที่จะรู้จักตัวเอง (Learning to Know Oneself) เพื่อสุขภาพจิตที่ดีและเข้าใจความสัมพันธ์กับผู้อื่น เรียนรู้ที่จะมีส่วนร่วมกับสังคม (Learning to Contribute) การช่วยเหลือผู้อื่นสร้างความสุขและความหมายในชีวิต
• ดร.ชาญวิทย์: Motivation เป็นสิ่งสำคัญ ครูต้องสร้างบรรยากาศที่กระตุ้นให้เด็กคิดและอยากเรียนรู้
• ดร. เอกพล: แนะให้ลูกเรียนสิ่งที่ตัวเองชอบ เพื่อให้เป็นมนุษย์ที่ "เหนือมาตรฐาน" และใช้ AI เป็นเครื่องมือช่วย

7. วิสัยทัศน์และนโยบาย AI ระดับชาติ

• ดร.ชาญวิทย์: ยอมรับปัญหานี้ในฐานะผู้มีประสบการณ์ในบอร์ดของรัฐบาล แต่ยืนยันว่าภาครัฐระดับคนทำงานมีความตั้งใจที่จะหาแนวทางให้งานด้าน AI ดำเนินการต่อเนื่อง ไม่ว่าจะเปลี่ยนรัฐบาล
• ดร.พัทน์: เสนอว่านโยบาย AI ต้องเชื่อมโยงกับนโยบายอื่นๆ เช่น โครงสร้างพื้นฐาน (การจราจร) และวัฒนธรรมองค์กร (การส่งต่อนโยบายที่ดีเพื่อประโยชน์ส่วนรวม)

คำแนะนำและข้อคิดจากผู้เชี่ยวชาญ

• ดร.ชาญวิทย์: เราต้องปรับตัวให้เร็วกับการเปลี่ยนแปลงของโลก และพัฒนาความเป็นมนุษย์ให้ดีขึ้น เพราะความเป็นคนที่ดีจะหายากขึ้นในอนาคต
• ดร.นนทวัฒน์: แนะนำให้ผู้ฟังลองใช้ ChatGPT เพื่อสัมผัสประสบการณ์ AI ที่มีการโต้ตอบและเรียนรู้ผู้ใช้ได้ ซึ่งเป็นจุดเริ่มต้นที่ดีในการทำความเข้าใจ
• ดร.พัทน์ : เตือนให้ระมัดระวังในการใช้ AI เพราะอาจนำไปสู่ปัญหา เช่น Romance Scam หรือคำแนะนำอันตราย ควรมีวิจารณญาณ. สุดท้ายแล้ว เรื่องทั้งหมดมีความซับซ้อน ไม่มีคำตอบเดียวตายตัว เราต้องเรียนรู้ที่จะอยู่ท่ามกลางความซับซ้อนนั้น
• ดร.เอกพล: แนะนำให้ศึกษา AI ผ่านคอร์สออนไลน์ต่างๆ และสำหรับผู้ปกครอง ควรให้บุตรหลานเรียนในสิ่งที่ตนเองชอบ เพื่อสร้างแรงจูงใจและพัฒนาตนเองให้เป็นมนุษย์ที่เหนือมาตรฐาน สามารถใช้ AI เป็นเครื่องมือช่วยได้

และภาคภาคที่ 7 ปิดการประชุม โดย ศาสตราจารย์เกียรติคุณ นายแพทย์สุรพล อิสรไกรศีล นายกราชบัณฑิตยสภา และได้ให้สัมภาษณ์กับ SPOTLIGHT ว่า การประชุมสุดยอด AI ครั้งนี้จึงมีความสำคัญอย่างยิ่ง โดยมีเป้าหมายหลักในการให้ความรู้ทั่วไปเกี่ยวกับ AI และหารือถึงแผนงานที่จำเป็นสำหรับประเทศไทย ซึ่งครอบคลุมถึงการเตรียมบุคลากร การพิจารณาด้านจริยธรรม คุณธรรม และกฎหมาย รวมถึงการประยุกต์ใช้ AI ในสาขาต่างๆ ปัญญาประดิษฐ์ถูกมองว่าเป็นทั้งโอกาสสำคัญในการพัฒนาประเทศ แต่หากนำไปใช้ในทางที่ผิดก็อาจก่อให้เกิดความเสียหายได้  ทั้งนี้วัตถุประสงค์สูงสุดของการประชุมคือการจัดทำ "สมุดปกขาว" เพื่อเสนอต่อรัฐบาลและนายกรัฐมนตรี เพื่อเป็นแนวทางและแผนพัฒนา AI สำหรับประเทศไทยในอนาคต

ขอบคุณภาพและข้อมูล : จากราชบัณฑิตยสภา