เกริ่นนำ – AI ไม่ได้ฉลาดเอง มันฉลาดเพราะ Data
ช่วงนี้ไม่ว่าจะเปิดข่าวไหน อ่านบทความอะไร หรือคุยกับใครในวงการธุรกิจ คำว่า “AI” โผล่มาทุกที่ครับ
บางคนตื่นเต้น บางคนกลัว บางคนก็งงว่ามันคืออะไรกันแน่
แต่มีสิ่งหนึ่งที่คนส่วนใหญ่ยังไม่รู้ และผมคิดว่าสำคัญมากๆ คือ AI ไม่ได้ฉลาดขึ้นมาเองครับ มันฉลาดเพราะมีคนป้อน data ให้มันเรียนรู้ ในปริมาณที่เรียกว่า “มหาศาล”
ถ้าเปรียบ AI เป็นนักเรียน data ก็คือหนังสือ ครู และประสบการณ์ทั้งหมดในชีวิตของมัน
ไม่มี data ที่ดี ก็ไม่มี AI ที่ดีครับ ง่ายแค่นั้นเลย
บทความนี้ผมจะพาไปทำความเข้าใจว่า data กับ AI สัมพันธ์กันยังไง มันทำงานด้วยกันอย่างไร และกำลังเปลี่ยนแปลงโลกที่เราอยู่ในแบบไหนบ้าง โดยไม่ต้องมีพื้นฐานด้านเทคนิคเลยก็ตามได้ครับ
หัวข้อที่ 1 — AI เรียนรู้จาก Data ยังไง ? อธิบายแบบเข้าใจง่ายๆ
ลองนึกถึงตอนที่เราสอนเด็กเล็กให้รู้จักแมวนะครับ
เราไม่ได้บอกว่า “แมวคือสัตว์ที่มีหู 2 ข้าง หาง 1 เส้น ขน 4 สี และเสียงร้องเป็น meow” เราแค่ชี้ไปที่แมวแล้วบอกว่า “นั่นแมว” ทำแบบนี้ซ้ำๆ หลายร้อยครั้ง เด็กก็จะเริ่มจำแพทเทิร์นได้เองว่าแมวหน้าตาเป็นยังไง
AI เรียนรู้แบบเดียวกันเลยครับ เพียงแต่แทนที่จะเป็นร้อยครั้ง
มันต้องการแค่ data เป็นล้านๆหรือหลายร้อยล้านตัวอย่าง
กระบวนการนี้เรียกว่า Machine Learning ซึ่งแบ่งง่ายๆ ได้เป็น 3 แบบ
แบบแรกคือ Supervised Learning คือการสอนแบบมีครู ให้ข้อมูลพร้อมคำตอบ เช่น รูปภาพแมว 1 ล้านรูป พร้อม label ว่า “แมว” หรือ “ไม่ใช่แมว” แล้วให้ AI เรียนรู้จากตรงนั้น
แบบที่สองคือ Unsupervised Learning คือให้ data ไปแล้วให้ AI หา pattern เองโดยไม่บอกคำตอบ เช่น ให้ข้อมูลลูกค้าแล้วให้มันแบ่งกลุ่มเอง ซึ่งบางทีมันพบ pattern ที่มนุษย์ไม่เคยนึกถึงมาก่อน
แบบที่สามคือ Reinforcement Learning คือการเรียนรู้จากการลองผิดลองถูก เหมือนสอนสุนัขด้วยขนม ถ้าทำถูกได้รางวัล ถ้าทำผิดไม่ได้รางวัล AI จะค่อยๆ ปรับพฤติกรรมให้ได้รางวัลมากขึ้นเรื่อยๆ นี่คือวิธีที่ใช้ฝึก AI เล่นหมากรุกหรือเกมต่างๆ จนเก่งกว่ามนุษย์ครับ
หัวข้อที่ 2 — ทำไม Data ที่ดีถึงสำคัญกว่า Algorithm ที่เก่ง ?
ในวงการ data science มีประโยคที่ได้ยินบ่อยมากครับว่า “Garbage in, Garbage out”
แปลตรงๆ คือ ถ้าใส่ขยะเข้าไป ก็จะได้ขยะออกมา
ไม่ว่า AI จะฉลาดแค่ไหน ถ้า data ที่ใช้ฝึกมันมีปัญหา ผลลัพธ์ที่ได้ออกมาก็จะมีปัญหาด้วยครับ และที่น่ากังวลคือ AI ส่วนใหญ่ไม่รู้ตัวว่าตัวเองผิด มันจะตอบด้วยความมั่นใจเสมอ
ตัวอย่างที่เกิดขึ้นจริงในโลกคือระบบ AI ที่ใช้คัดกรองใบสมัครงานของบริษัทใหญ่แห่งหนึ่ง ซึ่งถูกฝึกด้วย data ประวัติการจ้างงานในอดีตที่มีพนักงานชายเป็นส่วนใหญ่ ผลคือ AI เรียนรู้ว่า “ผู้ชายมีแนวโน้มได้รับการจ้างมากกว่า” และเริ่มให้คะแนนใบสมัครของผู้หญิงต่ำกว่าโดยอัตโนมัติ ทั้งที่ไม่มีใครตั้งใจให้มันทำแบบนั้น
นี่คือสิ่งที่เรียกว่า AI Bias ครับ ซึ่งเกิดจาก data ที่มี bias อยู่แล้วตั้งแต่ต้น
ดังนั้นคุณภาพของ data จึงสำคัญกว่าความซับซ้อนของ algorithm เสมอครับ data ที่ดี สะอาด และครอบคลุมทุกกลุ่มอย่างสมดุล คือรากฐานของ AI ที่เชื่อถือได้
หัวข้อที่ 3 — AI กำลังเปลี่ยนโลกยังไงบ้างในตอนนี้?
เรื่องนี้พูดได้ทั้งวันครับ แต่ขอหยิบมาแค่ส่วนที่กระทบชีวิตเราจริงๆ
การแพทย์และสุขภาพ
AI ในวงการแพทย์ไม่ใช่แค่นิยายวิทยาศาสตร์อีกต่อไปครับ ปัจจุบันมีระบบ AI ที่สามารถวิเคราะห์ภาพ X-ray หรือ MRI เพื่อตรวจหามะเร็งในระยะแรกได้แม่นยำไม่แพ้แพทย์ผู้เชี่ยวชาญ และในบางกรณีทำได้เร็วกว่ามาก
สิ่งที่ทำให้มันทำได้คือการฝึกด้วยภาพสแกนหลายล้านภาพพร้อม diagnosis จากแพทย์ผู้เชี่ยวชาญ นั่นแหละครับคือ data ที่อยู่เบื้องหลัง
การศึกษา
ระบบการเรียนรู้แบบ adaptive ที่ใช้ AI ติดตามพฤติกรรมการเรียนของนักเรียนแต่ละคน แล้วปรับเนื้อหาและความยากให้เหมาะกับแต่ละบุคคลแบบ real-time กำลังเปลี่ยนห้องเรียนไปครับ แทนที่จะสอนทุกคนด้วย content เดียวกัน นักเรียนคนที่เข้าใจเร็วก็จะได้โจทย์ที่ยากขึ้น ส่วนคนที่ต้องการเวลามากกว่าก็จะได้การอธิบายซ้ำในรูปแบบที่ต่างออกไป
การเงินและธนาคาร
ระบบตรวจจับการทุจริตบัตรเครดิตที่เราใช้อยู่ทุกวันนี้ทำงานด้วย AI ครับ มันวิเคราะห์ทุก transaction ในแบบ real-time เปรียบเทียบกับ pattern การใช้จ่ายปกติของเรา ถ้าพฤติกรรมผิดปกติ เช่น มีการซื้อของในต่างประเทศในขณะที่เราเพิ่งใช้บัตรในไทยเมื่อ 10 นาทีที่แล้ว ระบบจะ flag ทันที
การเกษตร
อันนี้อาจฟังดูไกลตัว แต่จริงๆ ใกล้มากครับ โดยเฉพาะในประเทศไทยที่เริ่มมีเกษตรกรจำนวนมากใช้ AI ที่วิเคราะห์ข้อมูลดาวเทียม ภาพถ่ายทางอากาศ และสภาพอากาศ โดยจะสามารถบอกได้ว่าแปลงไหนมีโรคพืชเริ่มต้น หรือพื้นที่ไหนที่ดินขาดแร่ธาตุอะไร ก่อนที่ชาวนาจะเห็นด้วยตาเปล่า
หัวข้อที่ 4 — ChatGPT และ Generative AI คืออะไร ต่างจาก AI ทั่วไปยังไง?
ในช่วง 2-3 ปีที่ผ่านมา มี AI ประเภทใหม่ที่กำลังสร้างคลื่นลูกใหญ่ครับ นั่นคือ Generative AI ซึ่ง ChatGPT, Claude หรือ Gemini คือตัวอย่างที่คนรู้จักมากที่สุด
AI ประเภทนี้ต่างจาก AI แบบเดิมตรงที่มันไม่ได้แค่ “จำแนก” หรือ “ทำนาย” แต่มันสามารถ สร้างสิ่งใหม่ขึ้นมาได้ ไม่ว่าจะเป็นข้อความ รูปภาพ โค้ด หรือแม้แต่เพลง
สิ่งที่อยู่เบื้องหลังคือ data มหาศาลครับ ChatGPT ถูกฝึกด้วยข้อความจากอินเทอร์เน็ตนับล้านล้านคำ หนังสือหลายล้านเล่ม บทความวิชาการ และบทสนทนาอีกมหาศาล จนมันเรียนรู้ pattern ของภาษาและความรู้ได้ในระดับที่น่าทึ่ง
แต่สิ่งสำคัญที่ต้องเข้าใจคือ Generative AI ไม่ได้ “รู้” หรือ “เข้าใจ” จริงๆ ครับ มันเป็นระบบที่เก่งมากในการ “ต่อ pattern” จาก data ที่เคยเห็น นั่นคือทั้งจุดแข็งและข้อจำกัดของมันในเวลาเดียวกัน
หัวข้อที่ 5 — เราในฐานะคนธรรมดา ควรมองเรื่อง AI ยังไง?
ผมเชื่อว่าคนที่อ่านบทความนี้หลายคนมีคำถามในใจอยู่ว่า “แล้ว AI จะมาแย่งงานเราไหม?”
คำตอบที่ซื่อสัตย์ที่สุดคือ บางงานจะเปลี่ยนไป บางงานจะหายไป และงานใหม่จะเกิดขึ้นมาครับ เหมือนทุกครั้งที่เทคโนโลยีใหม่เข้ามาในประวัติศาสตร์
แต่สิ่งที่ผมอยากให้โฟกัสมากกว่าคือ AI ทำงานได้ดีที่สุดเมื่อมีมนุษย์ที่เข้าใจมันอยู่ข้างๆ
คนที่เข้าใจว่า AI ทำงานยังไง รู้ว่ามันเก่งเรื่องอะไรและอ่อนแอตรงไหน และรู้จักใช้มันเป็นเครื่องมือ จะได้เปรียบมหาศาลเหนือคนที่ไม่รู้อะไรเลยหรือกลัวมันจนไม่กล้าแตะต้อง
ทักษะที่มีค่าในยุค AI ไม่ใช่การเขียนโค้ด เพื่อสร้าง AI เองครับ
แต่คือการตั้งคำถามที่ดี การตรวจสอบผลลัพธ์ที่ AI ให้มาอย่างมีวิจารณญาณ
รวมไปถึงการเข้าใจ context ที่ AI ไม่มีทางรู้ได้เพราะมันไม่ได้อยู่ในโลกจริงๆของเรานั่นเอง
สรุป — Data คือเชื้อเพลิง AI คือเครื่องยนต์ แต่คนยังคือ คนขับ
ถ้าจะสรุปความสัมพันธ์ระหว่าง data กับ AI ให้กระชับที่สุด ผมจะพูดแบบนี้ครับ
Data คือเชื้อเพลิง
AI คือเครื่องยนต์
เชื้อเพลิงที่ดีทำให้เครื่องยนต์ทำงานได้อย่างมีประสิทธิภาพ แต่ถ้าเชื้อเพลิงเป็นขยะ เครื่องยนต์ก็จะพัง และที่สำคัญที่สุดคือ ไม่ว่าเครื่องยนต์จะดีแค่ไหน มันก็ยังต้องการคนขับที่รู้ว่าจะพาไปไหน
โลกในอีก 10 ปีข้างหน้าจะถูกขับเคลื่อนด้วย AI ที่ได้รับพลังจาก data อย่างแน่นอนครับ คำถามคือเราจะเป็นคนที่นั่งอยู่ในรถและถูกพาไปโดยไม่รู้ทิศทาง หรือจะเป็นคนที่เข้าใจระบบและควบคุมทิศทางได้เอง
การเริ่มทำความเข้าใจว่า data กับ AI ทำงานร่วมกันยังไง คือก้าวแรกที่สำคัญที่สุดครับ และคุณก็เพิ่งเดินก้าวนั้นไปแล้ว(ด้วยการอ่านบทความนี้นี่แหละ!)
Leave a Reply