ในเวที KBTG Techtopia ดร.แอนดรูว์ อึ้ง (Andrew Ng) หนึ่งในผู้ทรงอิทธิพลที่สุดในวงการ AI และผู้ร่วมก่อตั้ง Google Brain และ Coursera ได้กลับมาเยือนอีกครั้งเพื่อให้ภาพอนาคตของปัญญาประดิษฐ์ที่เปลี่ยนแปลงไปอย่างรวดเร็วภายในเวลาเพียงหนึ่งปี จากยุคของ Generative AI สู่ Agentic AI พร้อมทั้งไขข้อกระจ่างเกี่ยวกับคำว่า AGI (Artificial General Intelligence) และให้คำแนะนำที่ทรงคุณค่าสำหรับบุคคล องค์กร และทิศทางของประเทศไทยในยุคแห่งการเปลี่ยนผ่านนี้
AGI: คำศัพท์ทางการตลาดและความก้าวหน้าที่เป็นไปอย่างค่อยเป็นค่อยไป
ท่ามกลางกระแสความตื่นตัวของโลกเทคโนโลยี คำว่า AGI (Artificial General Intelligence) หรือ ปัญญาประดิษฐ์ทั่วไป ได้กลายเป็นหนึ่งในหัวข้อที่ถูกพูดถึงมากที่สุด แต่ ดร.แอนดรูว์ อึ้ง ได้ให้มุมมองที่ชวนให้ทุกคนกลับมาตั้งหลักและทำความเข้าใจแก่นแท้ของมันอีกครั้ง โดยเขายืนยันว่า AGI ในปัจจุบันได้กลายเป็น “คำศัพท์ทางการตลาด” (Marketing Term)หรือคำที่ถูกใช้เพื่อสร้างกระแส (Hype) มากกว่าที่จะมีคำจำกัดความทางวิทยาศาสตร์ที่ชัดเจนและเป็นหนึ่งเดียวกัน
ประเด็นสำคัญประการแรกคือ “ความคลุมเครือของคำนิยาม” ดร.แอนดรูว์ ชี้ว่า นิยามดั้งเดิมของ AGI คือ ปัญญาประดิษฐ์ที่สามารถทำงานทางปัญญาได้ทุกอย่างทัดเทียมมนุษย์ซึ่งเป็นมาตรฐานที่สูงมาก แต่ในช่วงหลายปีที่ผ่านมาบริษัทเทคโนโลยีและองค์กรต่าง ๆ ได้นำเสนอคำจำกัดความของ AGI ในรูปแบบของตนเองเพื่อวัตถุประสงค์ทางการตลาดและการประชาสัมพันธ์ ส่งผลให้ปัจจุบันไม่มีใครมีภาพที่ตรงกันอีกต่อไปว่า AGI ที่แท้จริงคืออะไร
ความเข้าใจผิดที่สำคัญอีกประการหนึ่งคือ AGI ไม่ใช่สิ่งประดิษฐ์ชิ้นเดียว หลายคนมักจินตนาการว่าการมาถึงของ AGI จะเหมือนการค้นพบครั้งยิ่งใหญ่ หรือการประดิษฐ์เทคโนโลยีชิ้นใหม่ที่จะเปลี่ยนแปลงโลกในทันที แต่ดร.แอนดรูว์ ย้ำว่านี่เป็นความเข้าใจที่คลาดเคลื่อน เขามองว่าความก้าวหน้าของ AI นั้นต่อเนื่องและเป็นไปอย่างค่อยเป็นค่อยไป มันคือวิวัฒนาการที่ไม่ใช่การปฏิวัติแบบพลิกฝ่ามือ เราจะไม่ได้ตื่นขึ้นมาในเช้าวันหนึ่งแล้วพบว่ามีคนสร้าง AGI สำเร็จ แต่เราจะเห็นความสามารถของ AI ค่อย ๆ เพิ่มขึ้นทีละน้อยอย่างต่อเนื่อง
ความย้อนแย้งของเส้นเวลา (Timeline Paradox) ที่ขึ้นอยู่กับคำนิยาม เพื่อขยายความให้เห็นภาพชัดเจนยิ่งขึ้น ดร.แอนดรูว์ได้ยกตัวอย่างที่แสดงให้เห็นว่าการมาถึงของ AGI ขึ้นอยู่กับว่าเราใช้ไม้บรรทัดอันไหนมาวัด หาก AGI หมายถึง AI ที่สามารถเรียนรู้ที่จะขับรถหรือขับเครื่องบินได้โดยใช้เวลาเรียนรู้เพียงไม่กี่สิบชั่วโมงเหมือนมนุษย์ เราอาจยังอยู่ห่างจากจุดนั้นอีกหลายสิบปี แต่หากเราใช้คำจำกัดความอื่นที่บางบริษัทอาจนำเสนอ เขาให้ความเห็นติดตลกว่า “เราอาจจะไปถึงจุดนั้นแล้วเมื่อ 3 ปี หรือแม้กระทั่ง 20 ปีที่แล้ว”
ความย้อนแย้งนี้ชี้ให้เห็นว่าการถกเถียงว่า เราจะไปถึง AGI เมื่อไรนั้นไร้ความหมาย หากปราศจากคำนิยามที่เป็นมาตรฐานเดียวกัน คำตอบสามารถเป็นได้ทั้ง “อดีตที่ผ่านมานานแล้ว” และ “อนาคตที่ยังอยู่อีกไกล”
ดังนั้น แทนที่จะไล่ตามภาพฝันของ AGI ที่ยังคลุมเครือ ดร.แอนดรูว์ แนะนำให้เราหันมาให้ความสำคัญกับความก้าวหน้าที่เกิดขึ้นจริงอย่างต่อเนื่องในปัจจุบัน เพราะไม่ว่านิยามของ AGI จะเป็นอย่างไร โอกาสทางธุรกิจที่เกิดจากความสามารถของ AI ที่เพิ่มขึ้นในทุก ๆ วันนั้นเป็นของจริงและกำลังเติบโตอย่างต่อเนื่อง
จาก Generative AI สู่ Agentic AI: ยุคแห่ง “ตัวต่อเลโก้” ที่ซับซ้อนขึ้น
ดร. แอนดรูว์ อึ้ง กล่าวว่า วิวัฒนาการของ AI ก้าวกระโดดอย่างรวดเร็วภายในเวลาเพียงหนึ่งปี จากที่ปีที่แล้วทุกคนต่างให้ความสนใจกับ Generative AI ซึ่งมีความสามารถในการสร้างสรรค์เนื้อหาใหม่ ๆ มาในปีนี้ โลกกำลังมุ่งสู่ยุคของ Agentic AI ซึ่งมีความสามารถในการคิด วางแผน และดำเนินการที่ซับซ้อนกว่าเดิมมาก เขาได้เปรียบเทียบการเปลี่ยนแปลงนี้ไว้อย่างเห็นภาพชัดเจนผ่าน ทฤษฎีตัวต่อเลโก้ (Lego Building Blocks Analogy)
เขาอธิบายว่า ให้ลองจินตนาการว่าเครื่องมือ AI ต่างๆ คือตัวต่อเลโก้ ซึ่งในยุคแรก เราอาจมีตัวต่อเลโก้แค่ไม่กี่ชนิด เช่น มีเพียง “ตัวต่อสีเหลือง” เราก็สามารถสร้างได้แค่สิ่งที่เรียบง่ายและเป็นสีเหลือง เช่น เป็ดยาง ซึ่งเปรียบได้กับ AI ในยุคแรกที่มีความสามารถจำกัด
ในยุคปัจจุบัน สิ่งที่เกิดขึ้นคือ ชุดตัวต่อเลโก้ของเรามีความหลากหลายและทรงพลังมากขึ้นอย่างมหาศาล ตอนนี้เรามีตัวต่อสารพัดสี สารพัดรูปทรง ทำให้เราสามารถสร้างสรรค์สิ่งที่น่าทึ่งและซับซ้อนได้อย่างที่ไม่เคยทำได้มาก่อน เขากล่าวว่า ความเป็นไปได้ในการสร้างสรรค์นั้นเติบโตขึ้นแบบทวีคูณ (Exponentially)
แล้ว “ตัวต่อเลโก้” ใหม่ ๆ ในยุคนี้คืออะไร? ดร.แอนดรูว์ ได้ยกตัวอย่างว่า คือ RAG (Retrieval-Augmented Generation) หรือเทคนิคที่ช่วยให้ AI สามารถดึงข้อมูลจากแหล่งข้อมูลภายนอกที่ทันสมัยและน่าเชื่อถือมาใช้ในการตอบคำถาม ทำให้คำตอบไม่ใช่แค่การคาดเดาจากข้อมูลที่เคยเรียนรู้มา แต่มีความแม่นยำและอ้างอิงได้
Agentic AI Workflows คือการสร้าง AI ที่ไม่ได้ทำแค่ตอบคำถามเป็นครั้งๆ แต่สามารถ วางแผนและดำเนินการเป็นลำดับขั้น (Multi-step tasks) เพื่อให้บรรลุเป้าหมายที่ซับซ้อนได้ด้วยตัวเอง และ Evals (เครื่องมือประเมินผล) เครื่องมือที่ช่วยในการวัดผลและตรวจสอบคุณภาพของผลลัพธ์จาก AI เพื่อให้แน่ใจว่าผลลัพธ์นั้นถูกต้อง ปลอดภัย และเป็นไปตามที่ต้องการ
เขาย้ำว่าทักษะที่สำคัญที่สุดในยุคนี้ไม่ใช่แค่การรู้จักใช้ตัวต่อแต่ละชิ้น แต่คือการมีกรอบความคิดที่จะนำตัวต่อเหล่านี้มาประกอบร่างเข้าด้วยกันเพื่อสร้างแอปพลิเคชันที่มีคุณค่าอย่างแท้จริง
AI คือเครื่องมือเสริมพลังมนุษย์ ไม่ใช่สิ่งที่มาแทนที่
ท่ามกลางความกังวลว่า AI จะเข้ามาสร้างอนาคตที่มืดมน (Dystopian “Mad Max” scenario) ดร.แอนดรูว์ ยืนหยัดอย่างชัดเจนในฝั่งตรงข้าม เขาเชื่อมั่นในอนาคตที่ AI จะสร้างความอุดมสมบูรณ์และเสริมศักยภาพมนุษย์ (Utopian “Wall-E” scenario) โดยวิสัยทัศน์ที่สดใสนี้ตั้งอยู่บนหลักการและมุมมองที่ลึกซึ้งหลายประการ
1. หลักการทางเศรษฐศาสตร์: วงจร “ผลิตภาพ” สู่ “ความมั่งคั่ง”
รากฐานสำคัญของความเชื่อมั่นของ ดร.แอนดรูว์ คือหลักการทางเศรษฐศาสตร์ที่พิสูจน์แล้วผ่านประวัติศาสตร์ เขาอธิบายเป็นเหตุเป็นผลดังนี้
AI เพิ่มผลิตภาพ (Productivity) นี่คือความจริงที่ชัดเจนที่สุด AI ในฐานะเครื่องมือช่วยให้มนุษย์แต่ละคนทำงานได้มากขึ้น เร็วขึ้น และมีประสิทธิภาพสูงขึ้น ไม่ว่าจะเป็นในสายงานเทคนิคหรือสายงานอื่น ๆ ผลิตภาพที่สูงขึ้นนำไปสู่รายได้ที่สูงขึ้น เขาย้ำว่า “หากมองย้อนไปในประวัติศาสตร์ เมื่อผลิตภาพของมนุษย์โดยรวมเพิ่มสูงขึ้น ค่าจ้างและเงินเดือนก็จะเพิ่มสูงขึ้นตามไปด้วย”
เกิดประโยชน์ทั้งสองฝ่าย (Win-Win) นี่คือสถานการณ์ที่ส่งผลดีต่อทุกคน เมื่อพนักงานมีผลิตภาพสูงขึ้น พวกเขากลายเป็นทรัพยากรที่มีค่ามากขึ้นสำหรับองค์กร และจะได้รับผลตอบแทนที่สูงขึ้นโดยเฉลี่ย ในขณะเดียวกัน ธุรกิจที่จ้างงานก็จะได้ผลลัพธ์ที่ดีขึ้นและเติบโตได้ต่อไป
2. นิยามใหม่ของการแข่งขันในตลาดแรงงาน: ไม่ใช่ “คน vs AI”
ดร.แอนดรูว์ ยอมรับว่า AI จะทำให้บางตำแหน่งงานเปลี่ยนแปลงไป แต่หัวใจสำคัญไม่ได้อยู่ที่การต่อสู้ระหว่างมนุษย์กับเทคโนโลยี “AI จะไม่เข้ามาแทนที่คุณ แต่คนอื่นที่ใช้ AI เป็น จะเข้ามาแทนที่คุณ”
นัยสำคัญของประโยคนี้คือ ภัยคุกคามที่แท้จริงไม่ใช่ตัวเทคโนโลยี แต่คือ การหยุดนิ่งและไม่ปรับตัว การแข่งขันในอนาคตจะเกิดขึ้นระหว่าง “มนุษย์ที่ใช้เครื่องมือ AI” กับ “มนุษย์ที่ไม่ได้ใช้” ดังนั้น ทางรอดและการเติบโตในยุคนี้จึงขึ้นอยู่กับการเปิดรับ เรียนรู้ และผสาน AI เข้าเป็นส่วนหนึ่งของทักษะในการทำงาน
3. พรมแดนต่อไป Physical AI (หุ่นยนต์): ความท้าทายที่ต้องก้าวข้าม
เมื่อมองไปยังอนาคตของ AI ในโลกกายภาพ หรือ Physical AI (หุ่นยนต์) ดร.แอนดรูว์าชี้ว่าแม้จะมีความก้าวหน้าที่น่าตื่นเต้น แต่ Physical AI ยังไม่ถึงจุดเปลี่ยนสำคัญ (Inflection Point) เหมือนที่เกิดขึ้นแล้วกับโมเดลภาษาขนาดใหญ่ (LLMs) โดยมีอุปสรรคสำคัญ 2 ประการที่ต้องเอาชนะให้ได้ คือ
อุปสรรคทางเทคนิค – ปัญหาข้อมูลที่แตกต่างกัน (Heterogeneous Data) เขาอธิบายว่า ข้อมูลอย่างข้อความ, รูปภาพ หรือเสียง มีมาตรฐานที่เป็นสากล (เช่น ASCII, JPEG, MP3) ทำให้ง่ายต่อการรวบรวมข้อมูลมหาศาลมาฝึกฝน AI แต่สำหรับหุ่นยนต์นั้นแตกต่างออกไป หุ่นยนต์แต่ละรุ่น แต่ละผู้ผลิต มีโครงสร้างทางกายภาพ ข้อต่อ เซ็นเซอร์ และข้อจำกัดที่แตกต่างกันโดยสิ้นเชิง เปรียบเสมือนหุ่นยนต์แต่ละตัว “พูดคนละภาษา” ทำให้การรวบรวมข้อมูลที่เป็นมาตรฐานเดียวกันในปริมาณที่มากพอเพื่อสร้าง “Foundation Model สำหรับหุ่นยนต์” นั้นเป็นเรื่องที่ท้าทายอย่างยิ่ง
อุปสรรคทางภูมิรัฐศาสตร์ – ปัญหาฮาร์ดแวร์และซัพพลายเชน คือ อีกหนึ่งความซับซ้อนคือมิติของฮาร์ดแวร์ เขาชี้ว่า ซัพพลายเชนการผลิตฮาร์ดแวร์หุ่นยนต์ส่วนใหญ่กระจุกตัวอยู่ในประเทศจีน ในขณะที่ซอฟต์แวร์ AI สำหรับหุ่นยนต์ที่ล้ำหน้าที่สุดส่วนหนึ่งถูกพัฒนาในสหรัฐอเมริกา ความไม่สอดคล้องกันนี้สร้างความท้าทายเชิงภูมิรัฐศาสตร์ (Geopolitics) และความเปราะบางของซัพพลายเชน ซึ่งเป็นปัญหาที่ซับซ้อนกว่าโลกของซอฟต์แวร์ล้วนๆ
แม้จะมีความท้าทายที่ใหญ่หลวงเหล่านี้ แต่ดร.แอนดรูว์ ก็ยังคงมีมุมมองเป็นบวกอย่างระมัดระวัง (Cautiously Optimistic) ต่ออนาคตของ Physical AI โดยสรุปแล้ว วิสัยทัศน์ของเขาคืออนาคตที่สดใสซึ่งขับเคลื่อนด้วยการทำงานร่วมกันระหว่างมนุษย์และ AI โดยมีเทคโนโลยีเป็นเครื่องมือขยายขีดความสามารถและสร้างความมั่งคั่งให้แก่มนุษยชาติโดยรวม
คำแนะนำสำหรับบุคคลและองค์กรในยุค AI
ดร.แอนดรูว์ ได้ให้คำแนะนำที่เปรียบเสมือนแผนที่นำทางสำหรับทั้งบุคคลที่ต้องการเติบโต และองค์กรที่ต้องการทรานส์ฟอร์มตัวเองให้ประสบความสำเร็จในยุค AI โดยแยกเป็นสองส่วนที่ชัดเจนดังนี้
สำหรับบุคคลทั่วไปที่เผชิญกับความกังวลว่าจะถูกทิ้งไว้ข้างหลังหรือกลายเป็นคนที่ไม่เกี่ยวข้อง (Irrelevant) ดร. แอนดรูว์ มีคำตอบที่ตรงไปตรงมาว่า
1. หัวใจหลักคือ จงเรียนรู้ AI (Learn AI) นี่คือคำแนะนำที่สำคัญที่สุด เขาเชื่อว่าการเรียนรู้และนำ AI มาใช้คือหลักประกันที่ดีที่สุดที่จะทำให้คุณยังคงเป็นที่ต้องการในตลาดแรงงานต่อไป
2. สลายความกลัวว่าความรู้จะล้าสมัย หลายคนลังเลที่จะเริ่มเรียนรู้เพราะกลัวว่า “สิ่งที่เรียนรู้วันนี้จะล้าสมัยในอีกหนึ่งปีข้างหน้า” ดร.แอนดรูว์ ได้ชี้แจงเพื่อทำลายความเชื่อนี้ว่า กระแส Hype ทำให้ดูเร็วกว่าความเป็นจริง ความรู้สึกว่าเทคโนโลยีเปลี่ยนแปลงเร็วมาก ส่วนหนึ่งเป็นผลมาจากการตลาดและการประชาสัมพันธ์ของบริษัทต่าง ๆ
เขาให้มุมมองว่า ความรู้เกี่ยวกับ AI ที่คุณเรียนในวันนี้ ประมาณ 80% จะยังคงมีประโยชน์และสามารถนำไปต่อยอดได้ในอีก 1-2 ปีข้างหน้า แม้จะมีเพียงส่วนเล็กน้อย (20%) ที่อาจล้าสมัยไป แต่แก่นความรู้พื้นฐานยังคงอยู่
ยิ่งเริ่มเร็วยิ่งได้เปรียบ: ผู้ที่เริ่มเรียนรู้เมื่อ 2 ปีก่อน ย่อมได้เปรียบผู้ที่เริ่มเรียนเมื่อ 1 ปีก่อน และได้เปรียบผู้ที่เพิ่งจะเริ่มในวันนี้ การรอไม่ได้ช่วยอะไร มีแต่จะทำให้ตามหลังคนอื่นมากขึ้น
3. “เรียนรู้อะไร” และ “เรียนรู้อย่างไร”? เขาได้ให้แนวทางปฏิบัติที่ชัดเจนว่าการเรียนรู้ AIหมายถึงเรียนรู้ที่จะ Prompt ฝึกฝนการตั้งคำถามและออกคำสั่ง AI ให้ได้ผลลัพธ์ที่ดีที่สุด ลงเรียนคอร์สออนไลน์ หาความรู้ที่เป็นระบบจากแหล่งที่น่าเชื่อถือ ฝึกฝนและทดลองใช้ ลงมือปฏิบัติและทดลองใช้เครื่องมือ AI ต่าง ๆ อย่างสม่ำเสมอ และ เรียนรู้ที่จะเขียนโค้ดด้วย AI ซึ่งไม่ได้หมายความว่าทุกคนต้องเป็นโปรแกรมเมอร์ แต่คือการเรียนรู้ที่จะอธิบายความต้องการของเราให้ AI เข้าใจและแปลงเป็นโค้ดหรือระบบอัตโนมัติให้ได้
คำแนะนำสำหรับองค์กร ดร.แอนดรูว์ ชี้ว่ามีความแตกต่างอย่างมากระหว่างองค์กรที่นำ AI ไปใช้แล้วประสบความสำเร็จกับองค์กรที่ล้มเหลว โดยสูตรสำเร็จ AI Transformation ประกอบด้วย 3 เสาหลักที่ต้องทำควบคู่กันไป
1. กลยุทธ์ด้านบุคลากร (Talent Strategy) ที่ถูกต้อง ไม่จำเป็นต้องจ้างผู้เชี่ยวชาญ AI หลายพันคน แต่ให้สร้างทีมขนาดเล็กที่แข็งแกร่ง ทำหน้าที่เป็นที่ปรึกษาภายใน กำหนดทิศทางและกลยุทธ์ และวางมาตรฐานการใช้งาน และฝึกอบรมพนักงานทั่วทั้งองค์กร เป้าหมายไม่ใช่การทำให้ทุกคนเป็นผู้เชี่ยวชาญ AI แต่คือการเสริมศักยภาพให้พนักงานทุกคนสามารถใช้ AI เป็นเครื่องมือในบทบาทหน้าที่ของตนเองได้
2. กลยุทธ์นวัตกรรมแบบผสมผสาน (Hybrid Innovation) เปิดโอกาสให้พนักงานทุกระดับได้ทดลองใช้ AI และสร้างสรรค์นวัตกรรมเล็ก ๆ น้อย ๆ ในหน่วยงานของตนเอง ซึ่งจะช่วยสร้างวัฒนธรรมแห่งการเรียนรู้และค้นพบ Use Case ใหม่ ๆ ในขณะเดียวกัน ผู้บริหารระดับสูงต้องกำหนดโครงการยุทธศาสตร์ 2-3 โครงการที่มีความสำคัญสูงสุดต่อธุรกิจ และทุ่มเททรัพยากรอย่างเต็มที่เพื่อผลักดันให้สำเร็จ การทำเช่นนี้จะช่วยให้เกิดผลกระทบในวงกว้างและสอดคล้องกับเป้าหมายหลักขององค์กร
3. สร้าง “Sandbox” -พื้นที่ปลอดภัยสำหรับการทดลองที่รวดเร็ว นี่คือกลยุทธ์ที่สำคัญที่สุดเพื่อเอาชนะ “ความเฉื่อย” และ “ความกลัวความเสี่ยง” ในองค์กรขนาดใหญ่ ในองค์กรแบบดั้งเดิม การจะทดลองโปรเจกต์เล็ก ๆ สักหนึ่งชิ้นอาจต้องผ่านการอนุมัติจากผู้บริหาร 5 ระดับ ซึ่งกระบวนการเหล่านี้ได้ฆ่าความเร็วและนวัตกรรม
“ต้นทุนในการทดลอง (Cost of Experimentation) หรือการสร้าง Proof of Concept (POC) นั้น ลดลงอย่างมหาศาล ด้วยเครื่องมือ AI-assisted coding”
สร้าง Sandbox หรือสภาพแวดล้อมที่ปลอดภัยและถูกควบคุม เพื่อให้ทีมต่าง ๆ สามารถทดลองไอเดียใหม่ ๆ ได้อย่างรวดเร็วและเต็มที่ ภายใต้กฎเกณฑ์ที่ชัดเจน เช่น ห้ามใช้ข้อมูลอ่อนไหวของลูกค้า (Sensitive Data) ห้ามเปิดตัวสู่สาธารณะ (Public Launch) และห้ามใช้แบรนด์ของบริษัทในการทดลอง
เปลี่ยนกรอบความคิดสู่ “ล้มให้เร็ว ล้มให้ถูก ค้นหาผู้ชนะ” ดร.แอนดรูว์ ย้ำว่าองค์กรต้องยอมรับว่า “POC ส่วนใหญ่จะล้มเหลวและไม่ได้ไปต่อ และนั่นเป็นเรื่องที่ดี หากเราสามารถทดลอง 20 ไอเดียแล้วล้มเหลวไป 18 อย่าง แต่ค้นพบ 2 ไอเดียที่มีคุณค่ามหาศาล ถือว่าคุ้มค่าอย่างยิ่ง เพราะต้นทุนในการค้นพบผู้ชนะ นั้นต่ำลงกว่าในอดีตมาก นี่คือการเปลี่ยนกรอบความคิดที่สำคัญสำหรับผู้นำองค์กรในยุคนี้”
วิสัยทัศน์ถึงไทย: อนาคตที่ขับเคลื่อนด้วย AI ในมุมมอง Andrew Ng
ในช่วงท้ายของการสนทนา ดร.แอนดรูว์ ได้สรุปวิสัยทัศน์ที่ยิ่งใหญ่ของเขาเกี่ยวกับอนาคตของ AI และได้ส่งสารที่เปี่ยมด้วยความหวังและกำลังใจมาถึงประเทศไทยโดยเฉพาะ ซึ่งสะท้อนให้เห็นถึงมุมมองที่เขาเชื่อมั่นว่า AI จะเป็นพลังขับเคลื่อนโลกไปในทิศทางที่ดีขึ้น
วิสัยทัศน์ที่ยิ่งใหญ่ที่สุด การทำให้ “ปัญญา” เป็นสิ่งที่ทุกคนเข้าถึงได้ (Democratizing Intelligence) ดร.แอนดรูว์ กล่าวว่า “หนึ่งในสิ่งที่แพงที่สุดในโลก ณ ขณะนี้ คือ ‘ปัญญา’ (Intelligence)” ในปัจจุบันการเข้าถึงปัญญาหรือความรู้ความเชี่ยวชาญระดับสูงนั้นมีราคาแพงและจำกัดอยู่แค่ในวงแคบของคนที่มีฐานะร่ำรวย เขายกตัวอย่างที่เห็นภาพชัดเจน เช่น การปรึกษาแพทย์ผู้เชี่ยวชาญ ไม่ใช่ทุกคนที่จะสามารถจ่ายเงินเพื่อขอคำปรึกษาด้านสุขภาพจากแพทย์ที่เก่งที่สุดได หรือ การจ้างติวเตอร์ส่วนตัวก็ไม่ใช่ทุกครอบครัวที่จะมีกำลังทรัพย์จ้างติวเตอร์ที่เก่งและมีความอดทนมาสอนลูก ๆ ได้อย่างใกล้ชิด เขาชี้ว่า แม้การทำให้ “ปัญญามนุษย์” มีราคาถูกลงเป็นเรื่องที่ยากมาก แต่ AI คือคำตอบที่จะเข้ามาทลายกำแพงนี้
“AI คือเทคโนโลยีที่เรามีโอกาสจะทำให้ปัญญานั้นมีราคาถูกลง” เขา กล่าว
ภาพอนาคต คือ การมีกองทัพที่ปรึกษา AI สำหรับทุกคน แทนที่การเข้าถึงผู้เชี่ยวชาญจะเป็นสิทธิพิเศษของคนรวย ในอนาคตทุกคนจะสามารถมี ‘กองทัพที่ปรึกษา AI’ ที่ชาญฉลาดและรอบรู้ไว้คอยให้คำแนะนำในทุก ๆ เรื่อง ตั้งแต่เรื่องสุขภาพ การศึกษา การเงิน ไปจนถึงการทำธุรกิจ เมื่อมนุษย์ทุกคนไม่ว่าจะอยู่ในระดับฐานะใด สามารถเข้าถึงเครื่องมือที่ช่วยขยายศักยภาพทางปัญญาของตนเองได้เช่นนี้ จะทำให้มนุษยชาติโดยรวมจะทรงพลังขึ้นอย่างมหาศาล
เมื่อนำวิสัยทัศน์นี้มามองในบริบทของประเทศไทย ดร.แอนดรูว์ ได้แสดงความชื่นชมและมุมมองเชิงบวกอย่างยิ่ง เขาเห็นสัญญาณที่ดีและรู้สึกประทับใจและได้รับการสนับสนุนอย่างยิ่งเมื่อได้เห็นความตื่นตัวและแรงผลักดัน (Excitement and Momentum) ในการเปิดรับเทคโนโลยี AI ของประเทศไทย
“ประเทศไทยอยู่ในจุดที่ดีเยี่ยม (Good Position) ที่จะสามารถนำ AI มาพัฒนาและประยุกต์ใช้ในรูปแบบที่เหมาะสมกับบริบทของประเทศตนเอง (Thailand Context) ได้อย่างแน่นอน”
เขากล่าวชื่นชมการจัดงานอย่าง KBTG Techtopia ที่ช่วยแบ่งปันความรู้และสร้างความตื่นตัวในวงกว้าง และได้ให้คำมั่นสัญญาว่าจะผู้สนับสนุนที่แข็งแกร่งของประเทศไทย
“ผมเป็น และจะยังคงเป็นผู้สนับสนุนที่แข็งแกร่งของประเทศไทยต่อไป”
(I am and will continue to be a strong supporter of Thailand.)
คำกล่าวนี้ไม่เพียงแต่เป็นการแสดงความเชื่อมั่นในศักยภาพของคนไทยและวงการเทคโนโลยีไทย แต่ยังเป็นการส่งมอบแรงบันดาลใจและกำลังใจอันยิ่งใหญ่ให้ทุกคนร่วมกันขับเคลื่อนประเทศไปข้างหน้าด้วยปัญญาประดิษฐ์ เพื่อสร้างอนาคตที่ดีกว่าสำหรับคนรุ่นต่อไป
ข่าวอื่น ๆ ที่น่าสนใจ
AI บนทางแยก: 6 ทางเลือกกำหนดอนาคตมนุษยชาติ ผ่านมุมมอง ‘กระทิง-เรืองโรจน์ พูนผล’
สกสว. ยกเครื่องระบบทุนวิจัย เชื่อมห้องแล็บสู่ตลาด ปั้นนวัตกรรมสร้างชาติ
