เปิดข้อเสนอเชิงยุทธศาสตร์การใช้เอไอในประเทศไทย

งานประชุมวิชาการ สวทช. ประจำปี 2568 (NSTDA Annual Conference 2025 : NAC2025) สวทช. ผนึกกำลังกับ Techsauce จัดขึ้น เมื่อเร็วๆนี้การประชุมจัดขึ้นภายใต้แนวคิด “ขับเคลื่อนวิทยาศาสตร์และเทคโนโลยีด้วย AI เพื่อประเทศไทยที่ยั่งยืน” (AI-driven Science and Technology for Sustainable Thailand” เพื่อเผยแพร่ความรู้และผลงานวิจัย สร้างความตระหนัก สร้างแรงบันดาลใจ และส่งเสริมความร่วมมือในการพัฒนาและประยุกต์ใช้ AI โดยมุ่งเน้นการนำเสนอความก้าวหน้าและผลกระทบของเทคโนโลยี AI ต่อการพัฒนาประเทศในหลากหลายมิติ อาทิ ด้านเศรษฐกิจ สังคม สิ่งแวดล้อม และการศึกษา

                 **ทำไมประเทศต้องขับเคลื่อนด้วยเอไอ

งานประชุมนี้มีเวทีเสวนา Decoding Thailand’s AI Future: Strategy for Competitive Edge  โดย ดร.สมเกียรติ ตั้งกิจวานิชย์ ประธานสถาบันวิจัยเพื่อการพัฒนาประเทศ   ( TDRI)   กล่าวในหัวข้อ กลยุทธ์นำเอไอมาใช้ในประเทศ ( A Perspective for AI Strategy in Thailand)ว่า โดยเสนอให้ไทยมองเอไอเป็นเครื่องมือแก้ปัญหาสำคัญของชาติ โดยเปลี่ยนกระบวนทัศน์การวางยุทธศาสตร์จากฝั่งอุปทานผู้ผลิต  (ซัพพลาย ไซด์ Supply-side) เป็นการขับเคลื่อนโดยอุปสงค์หรือความต้องการของลูกค้าหรือ ดีมานด์ ไดร์ฟเวน   (Demand-driven )เน้นการประยุกต์ใช้ และลงทุนการพัฒนาและวิจัย เฉพาะในส่วนที่จำเป็นและสร้างความได้เปรียบให้ประเทศไทย อย่างไรก็ตาม ขณะนี้เอไอแพร่หลายในทุกวงการ เอไอเข้าไปมีบทบาทในทุกสาขา โดยเฉพาะวงการวิทยาศาสตร์ที่ใช้เอไอ มากที่สุดวงการหนึ่ง เกิดประเด็นถกเถียงเรื่องการให้รางวัลโนเบลแก่ผู้ใช้ เอไอเช่น สาขาฟิสิกส์ (Geoffrey Hinton และ Yoshua Bengio) จากการใช้สมการฟิสิกส์ และสาขาเคมี (DeepMind) จากการใช้ เอไอทำนายโครงสร้างโปรตีน ซึ่งเป็นปัญหาที่ค้างคามากว่า 50 ปี

ความสำคัญของ เอไอในอนาคต: การแข่งขันในวงการวิทยาศาสตร์และการสร้างนวัตกรรมยุคใหม่จะพึ่งพา เอไออย่างมาก หากไม่มีเอไอ เป็นเครื่องมือทุ่นแรงที่สำคัญ ก็จะแข่งขันได้ยากลำบาก

ตัวอย่างความสำเร็จของ เอไอ มีประวัติผลงาน ( Track RecordX ที่ดี เช่น ช่วยวิเคราะห์ข้อมูลขนาดใหญ่ในการค้นพบอนุภาคฮิกส์โบซอน, ค้นพบดาวเคราะห์นอกระบบสุริยะ (Exoplanet) หลายพันดวง จากเดิมที่รู้จักแค่ในระบบสุริยะของเรา, บุกรุกเข้าสู่วงการภาษาศาสตร์ ช่วยให้เข้าใจภาษาของเด็กเล็ก หรือแม้กระทั่งภาษาสัตว์ เช่น พบว่าช้างมีการเรียกชื่อกัน และความสำเร็จครั้งสำคัญคือการทำนายโครงสร้างโปรตีน 200-300 ล้านโครงสร้างโดย DeepMind

  **การแบ่งกลุ่มคนในยุคเอไอออกเป็น 4 กลุ่ม

 โลกอนาคตจะแบ่งคนตามความสามารถและการใช้เอไอ

Smart Cyborgs: คนที่เก่งในสาขาของตนและใช้ เอไอได้อย่างเชี่ยวชาญ (ตัวอย่าง: นักวิทย์ที่ได้โนเบล) ทำให้ก้าวข้ามขีดจำกัดเดิม

Smart Users: คนที่ไม่เก่งมาก แต่ใช้ เอไอช่วยเสริมความสามารถ ทำให้เก่งขึ้นมาก

Smart Humans: คนเก่ง แต่ใช้ เอไอ ไม่เป็น กำลังถูกลดบทบาทลงเรื่อยๆ

Humans: คนที่ไม่เก่งและใช้ เอไอไม่เป็น จะเดือดร้อนมากที่สุด เอไอจึงเป็นเครื่องมือสำคัญในการยกระดับความสามารถของคน เพิ่มความสามารถในการแข่งขันของบริษัท และเพิ่มขีดความสามารถของประเทศ

                 **แนวโน้มการพัฒนา เอไอ

     โมเดลใหญ่สุดยอด (State-of-the-art): โมเดลการใช้เอไอในการสร้างข้อมูลใหม่ ( Generative AI) ( โดยเฉพาะ Large Language Models (LLMs) ใหญ่ขึ้นและเก่งขึ้นตาม Scaling Law แต่ต้นทุนการเทรนสูงขึ้นมหาศาล ทำให้การสร้างสุดยอด AI แพงขึ้นเรื่อยๆ และกระจุกตัวอยู่ในบริษัทเทคยักษ์ใหญ่ (Google, Facebook, Amazon etc.) มหาวิทยาลัยชั้นนำก็ไม่สามารถลงทุนได้ ตัวอย่างเช่น DeepMind และ OpenAI ที่เริ่มจากองค์กรอิสระ แต่สุดท้ายต้องเข้าร่วมกับบริษัทใหญ่เพราะต้นทุนสูง (ค่า ประมวลผล หรือGPU, ข้อมูล, นักวิจัยแพง)

   โมเดลรองลงมา ขนาดเล็ก: ในขณะเดียวกัน ต้นทุนในการพัฒนา เอไอให้มีความสามารถ ระดับหนึ่ง (วัดผลด้วย MMLU Benchmark) กลับลดลงอย่างรวดเร็วแบบ Exponential (กราฟ Log Scale เป็นเส้นตรง) และเกิดโมเดลขนาดเล็กจากการกลั่น ( Distill) โมเดลใหญ่ ทำให้ราคาถูกลง ปรับใช้ได้หลากหลาย (Adaptation) และรันบนอุปกรณ์ขนาดเล็กได้ เช่น ชิปในรถยนต์ หรือแม้กระทั่งคอมพิงเตอร์ขนาดเล็กราคาถูก ( Raspberry Pi)

  **เอไอกับประเทศไทย โจทย์และความท้าทาย

แผน เอไอ แห่งชาติของไทย (5 ยุทธศาสตร์): แผนฯ กำหนด 5 ด้านหลัก คือ:

ยุทธศาสตร์ที่ 1: เตรียมความพร้อมด้านจริยธรรม กฎระเบียบ (เป้าหมาย: คน 600,000 คนตระหนักรู้)

ยุทธศาสตร์ที่ 2: พัฒนาโครงสร้างพื้นฐาน (เป้าหมาย: ลงทุนเพิ่ม 10% ต่อปี)

ยุทธศาสตร์ที่ 3: พัฒนากำลังคน (เป้าหมาย: ผลิต 30,000 คน)

ยุทธศาสตร์ที่ 4: วิจัย พัฒนา และนวัตกรรม

ยุทธศาสตร์ที่ 5: ส่งเสริมการใช้ เอไอในภาคส่วนต่างๆ

 **ข้อสังเกตและข้อเสนอแนะต่อแผนเอไอแห่งชาติ

   ดร.สมเกียรติ ระบุว่าการทำแผน ประเทศไทยมี “อุตสาหกรรมทำแผน” ที่เจริญก้าวหน้า แต่ยังขาดความเข้าใจในการทำแผนที่ดี แผนมักเน้นความครอบคลุมทุกด้าน (เหมือนแผนมหาวิทยาลัยที่ต้องมีด้านวิจัย สอน บริการสังคม) ทำให้ไม่เกิดจุดเน้นที่ชัดเจน

มุมมองที่ต่าง (Contrarian View):

แผน 5 ปี อาจยาวไปสำหรับเทคโนโลยีที่เคลื่อนไหวเร็วมาก (แต่ยังดีกว่าแผนยุทธศาสตร์ 20 ปี)

เป็นแผนแบบ “Supply-Side”: เริ่มจากสร้างกฎระเบียบ -> โครงสร้างพื้นฐาน -> กำลังคน -> วิจัย -> การประยุกต์ใช้ เสนอให้เปลี่ยนเป็น “Demand-Driven”: เริ่มจากจะเอา AI ไปใช้อะไรที่ตอบโจทย์ประเทศ แล้วค่อยคิดย้อนกลับ (Work Backward) ว่าต้องมีอะไรบ้าง

ตั้งคำถามกับข้อมูลและเป้าหมาย: ตัวเลขกำลังคน 30,000 คน หรือคนตระหนักจริยธรรม 600,000 คน มาจากไหน เหมาะสมหรือไม่? โจทย์จริงของไทยคือคนขาดจริยธรรมเอไอ หรือคือการที่คนตกเป็นเหยื่อ (เช่น Call Center ที่อาจใช้ AI ในอนาคต)? ต้องตีโจทย์ให้แตกกลยุทธ์ที่ดีต้องมีการเลือก (Choices) และการให้น้ำหนัก ไม่ใช่ครอบคลุมทุกอย่าง (อ้างอิงแนวคิด Michael Porter, Peter Drucker)

  **โจทย์ใหญ่ของประเทศไทย

เศรษฐกิจพลังหมด การเติบโต GDP ลดลงต่อเนื่อง จาก 7% -> 5% -> 3% -> 2% ปัจจุบันพยายามทำให้ได้ 3% ถือว่าต่ำมาก ไทยโตช้ากว่าประเทศเพื่อนบ้านทั้งที่รายได้ต่ำกว่า (อินโดนีเซีย, เวียดนาม) และสูงกว่า (มาเลเซีย) แม้แต่บริษัทใหญ่ในตลาดหุ้นก็ยังประสบปัญหา (สะท้อนจากราคาหุ้นที่ไม่ขึ้น)

สังคมสูงวัย: ไทยเป็นประเทศแรกๆ ในอาเซียน/เอเชียตะวันออกที่ “แก่ก่อนรวย” ต่างจากญี่ปุ่น เกาหลีใต้ ที่รวยแล้วค่อยแก่ สิ่งนี้ทำให้ขาดแคลนแรงงานและกระทบการเติบโต

คุณภาพการศึกษา: เด็กไทยเรียนหนัก (ปีละกว่า 1,000 ชั่วโมง มากกว่า OECD) แต่ผลสัมฤทธิ์จากการประเมิน เช่น PISA ตกต่ำลงต่อเนื่อง ทั้งการอ่าน คณิตศาสตร์ และภาษาอังกฤษ (อันดับ 100 จาก 112 ประเทศ และอันดับสุดท้ายในอาเซียน) ช่องว่างกับประเทศอื่นถ่างขึ้น จำนวนเด็กเก่งลดลง (คณิตฯ 2%->1%, การอ่าน 0.8%->0.2%) ขณะที่เด็กสามารถอ่านเขียนได้ในระดับพื้นฐาน (กลุ่ม Functionally Illiterate) เพิ่มขึ้น

เอไอ คือเครื่องมือตอบโจทย์ประเทศ: AI ควรถูกนำมาใช้เพื่อช่วยแก้ปัญหาเหล่านี้ โดยการเพิ่มผลิตภาพ (Productivity), กระตุ้นการลงทุน, พัฒนาคุณภาพแรงงาน (ถ้าเพิ่มปริมาณไม่ได้), ส่งเสริมความเป็นผู้ประกอบการ, พัฒนาทักษะ, และช่วยในการรับนวัตกรรม (Adoption) ตลอดจนต่อยอดสร้างนวัตกรรม (Creation)

**การประยุกต์ใช้ เอไอ ในไทย

ภาคอุตสาหกรรม (ข้อมูลจาก JETRO): ผลสำรวจบริษัทญี่ปุ่นในไทยพบว่ามีการใช้ เอไอแล้ว

Visual Inspection (อันดับ 1): ใช้ในโรงงานเพื่อควบคุมคุณภาพสินค้า (QC) แทนการใช้คนตรวจทีละชิ้น ใช้มากในอุตสาหกรรมอาหาร, สิ่งทอ, อิเล็กทรอนิกส์, ยานยนต์

 Anomaly Detection/Predictive Maintenance: ใช้เพื่อตรวจจับความผิดปกติของเครื่องจักร ทำนายการบำรุงรักษา ใช้มากในอุตสาหกรรมหนัก (เคมี, โลหะ, เครื่องจักร) ที่การหยุดสายการผลิตมีต้นทุนสูงมาก

Demand Forecasting: การพยากรณ์ความต้องการสินค้า

                 ดังนั้น แผนพัฒนา เอไอของไทยเชื่อมโยงกับความต้องการใช้จริงในภาคการผลิตเหล่านี้มากน้อยเพียงใด?

  **โอกาสทางการศึกษาเมื่อใช้เอไอ

ราคาที่ถูกลงของเอไอ มาช่วยยกระดับคุณภาพการศึกษาที่ตกต่ำและทักษะภาษาอังกฤษที่ย่ำแย่ของเด็กไทย (อันดับ 100/112) อาจเริ่มจากการใช้เอไอ ช่วยครูออกแบบการเรียนการสอนที่ดี ก่อนนำไปใช้กับเด็กโดยตรง (เนื่องจาก AI Hallucination หรือ การรับรู้บางสิ่งบางอย่างที่ไม่มีอยู่จริง) หรือใช้ เอไอช่วยติวเด็กที่เรียนอ่อนให้ตามทัน (ซึ่งมีงานศึกษาชี้ว่าการลงทุนด้าน EdTech ลักษณะนี้ให้ผลตอบแทนสูงถึง 70 เท่า)

ความท้าทาย: การนำ เอไอสำเร็จรูปจากต่างประเทศมาใช้ (เช่น Khan Academy ใช้ Khanmigo สอนประวัติศาสตร์) จะขาดบริบทของไทย เด็กจะไม่รู้จักประวัติศาสตร์ไทย (เช่น พระนเรศวร) เพราะไม่มีข้อมูล Content ของไทยใน เอไอ

  **ใช้เอไอยกระดับจุดแข็งของไทย

          การแพทย์ สุขภาพ: เป็นจุดแข็งของไทย สามารถใช้ เอไอ เพิ่มประสิทธิผล Productivity เช่น รพ.ศิริราช ที่มีคนไข้ปีละ 3 ล้านคน ใช้เอไอช่วยคัดกรองโรคเบาหวานขึ้นตา เพื่อหาคนที่มีความเสี่ยงสูงและส่งต่อรับการรักษาพิเศษได้เร็วขึ้น

        การท่องเที่ยว: เป็นจุดเด่นแต่ยังใช้ เอไอ น้อยมาก ควรใช้ เอไอ วิเคราะห์ข้อมูลขนาดเล็ก Micro Data (ร่วมมือกับ Platform เช่น Agoda) เพื่อทำความเข้าใจพฤติกรรมนักท่องเที่ยวกลุ่มต่างๆ การจัด Event (เช่น Taylor Swift ในสิงคโปร์ ที่เพิ่มยอดจองโรงแรม 275%, หรือ F1 เพิ่มนักท่องเที่ยว 20%) จะคุ้มค่าหรือไม่ ควรจับกลุ่ม นักท่องเที่ยวกลุ่มไหน

  **ทิศทางการวิจัยและพัฒนา (R&D) ของไทย:

     เน้นการประยุกต์ใช้ (Application) และ R&D ที่สนับสนุนการประยุกต์ใช้โดยตรง: ไม่ควรแข่งสร้างโมเดล เอไอขนาดใหญ่ที่ล้ำสุด เพราะแพงมากและไม่ใช่เวทีของเรา

   ทำในสิ่งที่จำเป็นและไม่มีใครทำให้ (Make vs Buy): ต้องระบุให้ชัดว่าอะไรคือสิ่งที่ไทยต้องทำเอง เพราะไม่มีใครทำให้ หรือทำแล้วไม่ตอบโจทย์ไทย

   พัฒนาโมเดลภาษาไทยที่ดี (Thai LLM): โมเดลต่างประเทศมักไม่ Efficient กับภาษาไทยในการทำ Tokenization ทำให้เปลือง Token และลดความแม่นยำ

   สร้างชุดข้อมูลภาษาไทย (Thai Corpus) ขนาดใหญ่ คุณภาพสูง: เป็นเรื่องเร่งด่วนและจำเป็นอย่างยิ่ง ควรมีเจ้าภาพ (เช่น NECTEC, สวทช.) นำข้อมูลเอกสารภาครัฐ (ที่มักเป็น PDF ซึ่งเป็น “Public Data Failure” เพราะ AI อ่านยาก) มาแปลงด้วย OCR รวมถึงนำข้อมูลคุณภาพอื่น ๆ เช่น นวนิยาย มาใช้เทรน

     สอน เอไอให้รู้จักเอกลักษณ์ไทย: ประวัติศาสตร์ วัฒนธรรม Soft Power เช่น ถ้าให้ เอไอสร้างภาพ “ครุฑ” ควรได้ครุฑแบบไทย ไม่ใช่คล้ายมังกรเพราะเทรนจากข้อมูลตะวันตก

  **ข้อเสนอเชิงยุทธศาสตร์:

เปลี่ยนวิธีคิดเป็น “Demand-Driven”  “Use Case First” หรือการผลิตที่โฟกัสพฤติกรรมผู้ใช้งานก่อน แล้วคิดย้อนกลับ เริ่มจากคำถามว่า “จะเอาเอไอ ไปใช้ประยุกต์กับอะไรที่ตอบโจทย์ สร้าง มูลค่า (Value) ให้ประเทศไทยได้เยอะๆ?” แล้วค่อยทำย้อนกลับ ( Work Backward ) กลับมาว่าต้องมีโครงสร้างพื้นฐาน คน หรืองานวิจัยและพัฒนาอะไรบ้าง ซึ่งอาจได้คำตอบต่างจากการคิดแบบ Supply-Side (เช่น อาจไม่จำเป็นต้องมีระบบคอมพิวเตอร์ Supercomputer ที่ใหญ่ที่สุด)

กำหนด Use Case ที่ชัดเจน: มุ่งเน้นการใช้เอไอเพื่อเพิ่ม Productivity ของธุรกิจ และยกระดับคุณภาพการศึกษา ซึ่งเป็นโจทย์ใหญ่ของประเทศ

พัฒนาคนให้ตรงโจทย์: พัฒนากำลังคน เอไอโดยอิงจากข้อมูลความต้องการจริงในตลาด (Based on Real Data) ไม่ใช่การคาดเดา

ทำ R&D ที่ตอบโจทย์เฉพาะของไทย: เน้นทำในสิ่งที่ “ไม่มีใครทำให้เรา ถ้าเราไม่ทำเอง” ซึ่งเชื่อมโยงกับการสร้างโมเดลภาษาไทย ชุดข้อมูลไทย และการทำให้ เอไอเข้าใจบริบทไทย