สัมภาษณ์: ผศ.ดร.ณัฐวุฒิ หนูไพโรจน์ หัวหน้าศูนย์ปัญญาประดิษฐ์(AI)และอาจารย์ประจำคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
โดย ดร.นงค์นาถ ห่านวิไล
ดร.นงค์นาถ :วิวัฒนาการของAIในปี 2565 ตอนนี้ไปถึงไหนแล้ว
ผศ.ดร.ณัฐวุฒิ: จริงๆ AI เดินมาไกลมากแล้วในวันนี้ สมัยก่อนเขาเน้น AI ไปในเรื่องการทำ logic ใส่ตรรกะเข้าไป ให้เหตุผลซึ่งต้องใช้คนมานั่งคิดว่า logic มีหน้าตาเป็นอย่างไร แต่ปัจจุบัน AI เข้ามาสู่กระบวนการที่ว่าเป็น data-driven ซึ่งหมายความว่า แทนที่เราจะสอน AI ให้คิดแบบคน กลายเป็นว่าเอา data หรือคำตอบที่เกี่ยวกับโจทย์ใส่เข้าไปใน AI ให้มันศึกษาว่าโจทย์แบบนี้ คำตอบแบบนี้หน้าตาเป็นอย่างไรให้มันหาความสัมพันธ์ อย่างนี้เราเรียกว่า machine learning
ให้นึกถึงเหมือนเราเตรียมทำข้อสอบ สิ่งหนึ่งที่เราทำก็คือ หาโจทย์ตัวอย่างมาทำเยอะๆ เก็งข้อสอบอาจารย์ว่าข้อสอบแบบนี้ ทำแบบนี้ ซึ่งเราไม่ได้เอามาแค่โจทย์แน่นอนเราเอาเฉลยมาด้วยเพื่อที่จะศึกษาสิ่งเหล่านั้น พอเราทำโจทย์แบบนี้แล้วเห็นเฉลยเยอะๆ เราจะเริ่มเห็นความสัมพันธ์ระหว่างโจทย์กับคำตอบ พอเวลามีคำถามใหม่เข้ามาเป็นโจทย์ที่ไม่มีเฉลย มันเป็นอะไรที่เราเคยเห็นมาก่อนก็จะพอจะทำได้เพราะมันมีความคล้ายคลึงกัน นี่คือ หลักการของ AI ในปัจจุบันเป็นในเชิง machine learning
ช่วง 3-5 ปีที่ผ่านมาได้เกิดวิวัฒนาการ ที่ก้าวกระโดด เพราะว่ามีการใช้ deep learning ซึ่งก็คือ การจำลองสมองมนุษย์ ที่เรียกว่า neural network หรือเป็นแนวคิดที่ออกแบบระบบโครงข่ายคอมพิวเตอร์ ให้เลียนแบบการทำงานของสมองมนุษย์ ที่มีความซับซ้อนสูงและเอาใส่เครื่องที่มีความสามารถมากขึ้นกว่าเดิมเยอะในปัจจุบันกับ data จำนวนมากๆ เพราะ AI จะฉลาดหรือไม่ฉลาดอยู่ที่ว่าเห็น data มากน้อยแค่ไหน เหมือนคนประสบการณ์น้อยกับประสบการณ์มากย่อมแก้ปัญหาได้ไม่เท่ากัน
หลังๆ เริ่มมีการให้ AI เรียนรู้ด้วยตัวเอง เมื่อก่อนเราต้องเอา data ใส่เข้าไปให้เขาเรียนรู้ แต่ตอนนี้ให้ AI เรียนรู้ด้วยตัวเองแล้ว อย่างล่าสุดที่มีการแข่งขันตัวโกะ คิดว่า AI ดังเพราะโกะที่เป็นแอลฟ่าโกะ ที่จริงแอลฟ่าโกะยุคแรกๆ เป็นการเอาตัวอย่างการเล่นในอดีตมาให้เรียนรู้ก่อนนั่นคือ ยุคแรกๆ ซึ่งก็ชนะแชมป์โลก
แต่ช่วงประมาณ 2-3 ปีที่แล้ว เขาใช้วิธีการใหม่ก็คือให้ AI เล่นกับตัวเองคือ ไม่สอนเลย บอกแค่กติกานี่เรียกว่า reinforcement ปรากฏว่าตัวใหม่ผ่านไป 40 วันชนะทุกตัว ชนะทุกคน ถ้าเป็นแบบเก่าเรียนรู้จาก data นั่นคือ จะมีกรอบของ data data จะกำหนดกรอบว่านี่คือ ตัวอย่าง แต่พอให้มันเรียนรู้ด้วยตัวเองก็ไม่มีกรอบ มันก็จะลองทุกรูปแบบ อาศัยคอมพิวเตอร์ที่ไม่มีวันเหนื่อยลองผิดลองถูกจนกระทั่งหาช่องทางที่เรียกว่ากระบวนท่าที่พิสดารที่ไม่เคยเกิดมาก่อน ถ้าเป็น AI แบบเดิมก็จะเป็นกระบวนท่าที่มันเคยเห็นอย่างที่คนเคยเล่น
ดร.นงค์นาถ : Metaverse หรือจักรวาลนฤมิตจะเข้ามามีบทบาทในการพัฒนา AI อย่างไร
ผศ.ดร.ณัฐวุฒิ: Metaverse เป็น digital tranformation รูปแบบหนึ่ง ถ้าเราเทียบเมื่อก่อน นี่อาจจะมีการทำฟอร์มดิจิทัล เรามีอุปกรณ์แต่มือถือ ที่จริงมือถือเปลี่ยนชีวิตเราเยอะ เป็นการเปลี่ยนที่ทำให้เราอยู่ใกล้โลกดิจิทัลมากขึ้น แต่พอ Metaverse เราเข้าไปอยู่ในดิจิทัลแล้ว เราใช้ชีวิต และทำกิจกรรมอยู่บนนั้น
แต่เดิม data ที่สัมพันธ์กับชีวิตเรามันจะผ่านพวกอุปกรณ์ gadget อย่างมือถือมันก็จะได้ข้อมูลจำนวนหนึ่ง มีนาฬิกาที่เป็น IoT หรือ smart watch ที่สามารถรู้สุขภาพเราเพิ่ม แต่พอเราเข้าไป Metaverse กิจกรรมต่างๆ ที่เราทำมันก็จะถูกบันทึกเก็บไว้เป็น data ดังนั้น data ที่เกิดขึ้นจะมีจำนวนมากกว่าเดิมเยอะ และยิ่งเท่าที่ทราบมา headset อุปกรณ์ VR รุ่นถัดๆ ที่ใช้ใน Metaverse จะเริ่มมีเซ็นเซอร์แปลกๆ
เช่น ตรวจจับใบหน้าเพราะปัจจุบันมีปัญหาอย่างหนึ่งใน Metaverse ก็คือ VR เราเข้าไปเรามีอวตาร์ ตัวแทนเราในโลกดิจิทัลหน้าก็จะนิ่งๆ ตอนนี้เริ่มมีประเภทมีกล้องมาตรวจจับใบหน้าเวลาเราขยับปากหรือทำหน้าอย่างไร หน้าในอวตาร์ก็ปรับไปด้วย เลยเกิด digital twin มันคือ ก๊อปปี้ซึ่งกันและกัน อวตาร์จะมีลักษณะพฤติกรรมคล้ายคลึงเรา นั่นหมายความว่า data เหล่านี้ก็จะเกิดขึ้นมาหมด
แต่เดิมเมื่อเราจะมี dataก็ต่อเมื่อเราเคลื่อนที่ไปที่ไหน หัวใจเราเต้นเร็วแค่ไหน แต่ตอนนี้เห็นแม้กระทั่งใบหน้า มีหลายธุรกิจที่มีโอกาสมาคุยกันว่า เป็นไปได้หรือไม่ ที่เราจะมีโอกาสตรวจจับความพึงพอใจลูกค้าโดยไม่ต้องถาม อย่างที่เคาน์เตอร์มีกล้องจับใบหน้าแล้วตรวจจับว่าเขากำลังอารมณ์ดีหรือไม่พอใจเพราะว่ารอนานแล้ว พวกนี้จะทำให้ Metaverseเกิดdataลึก และละเอียดลงไปอีกเยอะ ตรงนี้จะเป็นสิ่งที่ทำให้ Aiจะยิ่งมี dataมาเรียนรู้เพิ่มอีกเยอะและจะตอบโจทย์ได้อีกสารพัดอย่าง
ดร.นงค์นาถ : ซึ่งจะตอบโจทย์ในด้านธุรกิจได้ดีเลยใช่ไหม
ผศ.ดร.ณัฐวุฒิ: ใช่ มากๆ เลย ปัจจุบันนี้เขาบอกว่าใครที่เข้าใจลูกค้า เราเชื่ออย่างหนึ่งว่าสิ่งที่เราเสนอให้ลูกค้าถ้าไม่ถูกที่ไม่ถูกเวลามันคือโฆษณา แต่ถ้าถูกที่ถูกเวลามันคือ การตอบสนองความต้องการของคน ของสิ่งเดียวกันมันสามารถพลิกได้
ดร.นงค์นาถ : พอ AI ไปไกลขนาดนี้แล้ว สามารถทำงานแทนคนได้มากขึ้น จากเดิมที่ว่า AI ไม่มีอารมณ์ความรู้สึก ตอนนี้มันถึงขั้นที่สามารถสะท้อนอารมณ์ได้บ้างแล้วใช่ไหม
ผศ.ดร.ณัฐวุฒิ: ต้องบอกว่าในระยะเวลาอันสั้นอาจจะยังไปถึงจุดนั้นได้ยากนิดหน่อย เพราะว่าการที่จะสะท้อนอารมณ์ได้โดยตรง AI จะสามารถทำงานได้ดีเมื่อเรามี data ที่เหมาะสม เรียกว่ามี data ที่มีคำตอบ ปัจจุบันนี้เท่าที่เราพัฒนา AI อยู่ส่วนใหญ่ที่เสียค่าใช้จ่ายและเสียเวลาเยอะส่วนมากคือ การพยายามทำให้ data นั้นมีคำตอบ
เช่น คนนี้หน้าแบบนี้คือ กำลังโกรธ ก็ต้องมีคนมาบอก เหมือนทำเฉลยแล้วต้องทำเฉลยเยอะด้วยถึงจะมีความแม่นยำ ปัญหาคือ ตัวทำเฉลยเนื่องจากว่า AI ยังไม่เคยเรียนรู้โจทย์แบบนี้ก็ไม่สามารถเอา AI มาทำเฉลยได้ ต้องเอาคนมาทำเฉลย ก็จะเกิดปัญหาว่าต้องใช้พลังงานอย่างอื่น
เพราะฉะนั้นเรื่องอารมณ์นี้เป็นอะไรที่คงต้องใช้เวลา แต่คงไปถึงจุดนั้นแน่ๆ เรื่องปัจจุบันที่เขาพูดถึง Generative AI คือ เริ่มจะมี AI ที่ใช้ความคิดสร้างสรรค์มากขึ้น ถ้ามองจริงๆ แล้วคิดว่าเรื่องของคน งานที่เข้ามาจะเป็นเรื่อง Emotional intelligence คือ ยังไม่ต้องสัมผัสถึงอารมณ์ของคนที่เข้ามาอยู่ด้วยหรือที่กำลังปฏิสัมพันธ์ด้วย
เพราะว่า ในแง่ของการรับรู้ถึงอารมณ์อาจจะยังมีช่องว่างอยู่ แต่งานประเภทที่มีกฎระเบียบชัดเจน มีกฎทางธุรกิจชัดๆ มีกระบวนการชัดๆ หรือทำซ้ำบ่อยๆ จนมีแพทเทิร์นแบบนี้ AIจะเริ่มเข้ามาแทนที่ เพราะว่าในช่วง 4-5 ปีที่ผ่านมามีอีกเทคโนโลยีหนึ่งที่เรียกว่า RPA (Robotic Process Automation) เป็นชื่อกลุ่มของซอฟต์แวร์ที่ว่า พอเราใส่เข้าไปในเครื่องมันจะช่วยเราทำงาน
อย่างเช่น เรามีหน้าที่เป็นเลขา มีหน้าที่รวบรวมยอดขายของแต่ละสาขา จากเดิมแต่ละสาขาส่งเป็น Excel เข้ามาแล้วเราก็ต้องมานั่งตัดแปะ สรุปรายงานอีกที อันนี้ RPAสามารถเข้ามาช่วยได้ ถ้างานมันซ้ำๆ มันก็จะมารองรับการทำงานของเรา เราสั่งให้ทันทำ มันก็จะทำเหมือนที่เราทำเลย คล้ายๆ กับมันทำงานแทนเรา
ดังนั้นการทำงานมองเป็น 2 ส่วน คือ 1.ทักษะบางทักษะจะถูกแทนที่โดย AI ช่วยให้เราทำงานได้ดีขึ้น และก็อาจจะมีบางงานที่อาจจะเรียกได้ว่า AI แทนทักษะได้เยอะมาก จนกระทั่งอาจจะกลายเป็นความจำเป็นต้องลดคน อาจจะต้องให้คนในบางตำแหน่ง ไปอยู่ในตำแหน่งที่มีความละเอียดอ่อนมากขึ้น อย่างตอนนี้แชทบอทของการให้บริการลูกค้า ก็กลายเป็นงานของ AI ไปแล้ว
แต่ถึงจุดๆ หนึ่งที่ลูกค้ามีปัญหาจริงๆ ก็ต้องคุยกับคนอยู่ดี AIคงจะแก้ปัญหาได้ตามที่เราตั้งโจทย์ให้กับเขา แต่ในเชิงของcreativityคงยังมีข้อจำกัดอยู่ ดังนั้นงานลักษณะแบบนี้อาจจะถูกแทนที่ reception ในญี่ปุ่นตอนนี้โรงแรมบางที่ก็เป็นหุ่นยนต์ต้อนรับ แต่แน่นอนว่ามันอาจจะขาดhuman touch คือ เราเป็นลูกค้าก็ยังอยากเจอพนักงานที่เป็นคนอยู่
ดร.นงค์นาถ : เห็น AI ตอนนี้เขาก็พัฒนาได้น่ารักมากเลยใช่ไหม
ผศ.ดร.ณัฐวุฒิ: ใช่ ก็มีรูปแบบที่ดีขึ้น ดูแล้วสบายตาขึ้น อย่างงาน telemarketing โทรขายของทางโทรศัพท์ นี่เดี๋ยวสักพักก็กลายเป็น AI โทร พวกนี้เป็นงานที่เป็นรูปแบบที่ชัดเจน อาจจะ อย่าง beta entry กรอกข้อมูลก็อาจจะเป็น AI เพราะตอนนี้ AI อ่านภาพแล้วแปลงเป็นตัวอักษรได้ง่ายขึ้นแม่นยำมากขึ้นอันนี้มีการใช้เพิ่มขึ้นเยอะทีเดียว อีกหน่อยก็จะมีพวก self-drive car
เรื่องทางฝั่ง logistic การขนของ การส่งของ คนขับรถ ในอนาคต 5-10 ปีก็อาจจะเห็นเทคโนโลยี ตอนนี้เราไปไกลพอสมควรเพราะรถถอยจอดเองได้ก็มีแล้ว แต่ก็ไม่แน่ใจว่าประเทศไทยจะไปถึงจุดนั้นได้มากแค่ไหนเพราะการขับรถในประเทศไทยค่อนข้างยาก
ดร.นงค์นาถ : มีอะไรอีกที่ใกล้ตัวที่คนรุ่นใหม่หรือพ่อแม่ต้องบอกลูกว่างานแบบนี้ไม่ต้องเรียนแล้ว เดี๋ยวAIจะมาทำแทนแล้ว
ผศ.ดร.ณัฐวุฒิ: ตรวจอักษร ตรวจความถูกต้องของประโยค พิสูจน์อักษร ใช้ AI แทนคนได้เลย เพราะเดี๋ยวนี้เราก็มีซอฟต์แวร์ช่วยอยู่แล้ว และอีกอาชีพหนึ่งที่พยายามเช็คกับต่างประเทศแล้วเขาคาดว่าจะเป็นอาชีพหมอ เพียงแต่ว่าไม่ใช่หมอในทุกศาสตร์หนึ่ง และแพทย์ในปัจจุบันเราขาดแคลนเยอะไม่ว่าจะประเทศไหนก็ตาม
ดังนั้นคิดว่าคุณหมอคงไม่ได้หายไปแต่จะมีงานหลายๆ งาน ที่ AIจะเข้ามาช่วยได้เยอะ สุดท้ายกว่าจะถึงจุดที่ Aiทำแทนคุณหมอได้ 100% ก็อีกนาน เพราะโรคเรามันซับซ้อนมาก โรคมีหลายประเภท อาจจะเข้ามาช่วยวินิจฉัยกลั่นกรองบางอย่าง อย่างปัจจุบันที่เราทำรีเสิร์ชกับคุณหมอเราพบว่าคุณหมอเก่งๆ ก็มีจำกัด ที่เหลือก็จะเป็นคุณหมออายุน้อยขาดประสบการณ์หรืออาจเป็นหมอทั่วไปไม่ใช่เฉพาะทาง
ดร.นงค์นาถ : ตอนนี้มี telemedicine ใช้ AIเข้ามาช่วย แล้วAI for health ก็ไปไกลแล้วใช่ไหม
ผศ.ดร.ณัฐวุฒิ: ใช่ ก็จะมีแทบทุกรูปแบบ อย่างเช่น อ่านฟิลม์ x-ray คือ ช่วยอ่าน และมีบอกตรงไหนที่คิดว่าผิดสังเกต หรือส่องกล้องก็จะไฮไลท์จุดที่เป็นติ่งเนื้อคือ ไม่ได้แทนคุณหมอแต่คุณหมอเวลาดูเคสวันหนึ่ง 20 กว่าเคส ก็จะเหนื่อยมาก ดังนั้นเราก็มี AI เป็นตัวช่วยว่าตรงนี้ผิดสังเกต อย่างทางฝั่งพยาธิก็จะดูสไลด์เนื้อเยื่อ จะมีนับจำนวนเซลล์บางอย่างพวกนี้ A Iก็จะมาช่วย
หรือตอนนี้โควิด ที่จุฬาฯ ก็จะเอาฟิล์ม x-ray มาให้ช่วยวัดขนาดของปอดเพราะขนาดของปอดจะเป็นตัวที่บอกถึงความสามารถในการหายใจสัมพันธ์กับโรคโควิด งานพวกนี้ถ้ามองอีกมุมหนึ่งต้องบอกว่าคนทำก็เหนื่อยเหมือนกัน เพราะเป็นงานที่ทำซ้ำๆ เราหวังว่าอาจจะมีหมอที่เป็นAIมาสกรีนคนเบื้องต้น ทุกคนก็เหมือนมีหมอประจำตัว และแน่นอน พอเป็นปัญหาโรคเฉพาะทางแล้วต้องการแพทย์ที่มีความชำนาญสูงๆ ก็ยังจำเป็นต้องเป็นคุณหมอที่เป็นคนอยู่ดี
ดร.นงค์นาถ : ธุรกิจที่พลิกฟื้นมาจากช่วงโควิดมีแนวโน้มที่จะลดจำนวนคนลงไปเรื่อยๆ และบางอย่างก็ใช้ AIทำแทนคน เพื่อลดต้นทุน ใช่ไหม
ผศ.ดร.ณัฐวุฒิ: ควร reskill คนดีกว่าลดคน คนที่เคยทำงานเดิมก็ต้องมีการปรับตัว เรียนรู้สกิลใหม่ๆ ที่สามารถทำประโยชน์ให้กับองค์กรในอีกมุมหนึ่งเพิ่มขึ้น และใช้ Aiช่วยในการลดทุนเพราะส่วนหนึ่งที่มาพร้อม AI คือ ต้องทำ digital transformation ก่อน เพราะถ้าไม่ทำตัวนี้ก่อนมันไม่มี data พอไม่มี data ก็ใช้ AI ไม่ได้อยู่ดี
ดังนั้นพอทำdigital transformation เสร็จ มันก็เริ่มเปลี่ยน business model ระดับองค์กรเป็นอีกระดับหนึ่ง เพราะว่าการเข้าถึงลูกค้า การเข้าใจลูกค้าก็จะมีโอกาสมากขึ้นเพราะมี data มากขึ้น ถึงจุดนี้ก็จะมี AI เข้ามาช่วยเพราะว่าเป็นการเก็บตกงานที่เกี่ยวกับข้อมูลเยอะๆ ได้ แต่สุดท้ายอย่างไรก็ต้องการความคิดสร้างสรรค์ของคนอยู่ดี อย่างเช่น การวางแผน strategy การปลุกใจลูกน้อง ดังนั้นอะไรที่เกี่ยวพันกับ human touch การดีลกับคนเยอะๆ อย่างไรก็ต้องการบุคคลอยู่ดี
ดร.นงค์นาถ : ช่วยสรุปสิ่งที่คนต้องปรับตัวเพื่อรับยุค AI
ผศ.ดร.ณัฐวุฒิ: อย่าคิดว่านี่คือ วิกฤติหรืออุปสรรค ต้องมองเป็นโอกาสที่เราจะพัฒนาตัวเองเพราะว่าถ้าเราอยู่ที่เดิม แน่นอนว่ามีโอกาสที่ความสำคัญของเราจะลดลงเพราะมีสกิลบางอย่างที่ถูกแทนที่ด้วย AI ดังนั้นเราต้องแสวงหาความรู้ใหม่ๆ เพิ่มสกิล และสิ่งสำคัญเท่าที่ดูมา AI ยังทำไม่ได้คือ soft skills การดีลกับคน สิ่งเหล่านี้เป็นสิ่งที่สำคัญยิ่งในอนาคตพราะว่าจะเป็นสกิลที่ยังจำเป็นอยู่ เราต้องดีลกับคนด้วยกัน และต้องเรียนรู้สิ่งใหม่ๆ และต้องมีทักษะ multidisciplinary ต้องสามารถคุยได้หลายๆ สาขาคือ ต้องสามารถทำงานเป็นทีมได้ดี ต้องสามารถมีทักษะที่เป็นคุณค่ากับองค์กร พอเรามีความยืดหยุ่นตรงไหนที่ถูกแทนที่เราสามารถย้ายตัวเองไปอยู่จุดอื่นที่สร้างคุณค่าให้องค์กรได้มากกว่าด้วยซ้ำไป
