ในขณะที่ประเทศไทยกำลังตื่นตัวกับการนำปัญญาประดิษฐ์ (AI) มาประยุกต์ใช้ในภาคส่วนต่างๆ อย่างกว้างขวาง นักวิจัยชั้นนำได้ออกมาให้มุมมองว่า การเป็นเพียง “ผู้ใช้เทคโนโลยี” ที่เก่งกาจนั้นไม่เพียงพอ แต่หนทางสู่การมี “อธิปไตยทาง AI” (AI Sovereignty) ที่แท้จริงนั้น ปราศจากทางลัดและต้องอาศัยการลงทุนอย่างจริงจังในรากฐานที่สำคัญที่สุด นั่นคือ “การสร้างองค์ความรู้และบุคลากรวิจัยระดับสูง” ผ่านระบบนิเวศของบัณฑิตศึกษาที่แข็งแกร่ง
ดร.สรณะ นุชอนงค์ คณบดีสำนักวิชาวิทยาศาสตร์และเทคโนโลยีสารสนเทศ สถาบันวิทยสิริเมธี (VISTEC) ซึ่งมีประสบการณ์เป็นนักวิจัยจากสถาบันชั้นนำในสหรัฐอเมริกา ได้ชี้ให้เห็นถึงภาพอนาคตของ AI ไทยที่ยืนอยู่บนทางสองแพร่งระหว่างการเป็น “ผู้ใช้” และ “ผู้สร้าง”
สองสมรภูมิ AI: เมื่อไทยโดดเด่นบนเวที‘ประยุกต์ใช้’ แต่ขาดตัวตนบนเวที‘สร้างองค์ความรู้’
ดร.สรณะ ได้แบ่งภูมิทัศน์ของการพัฒนา AI ออกเป็น 2 ระดับที่ต้องเดินหน้าไปพร้อมกัน ได้แก่ ระดับการใช้ประโยชน์จากเทคโนโลยี (Technology Utilization) คือ การนำ AI ที่มีอยู่มาสร้างเป็นนวัตกรรมและธุรกิจ ซึ่งเป็นพื้นที่ของบุคลากรระดับปริญญาตรีและภาคอุตสาหกรรม ในเวทีระดับโลก นี่คือสิ่งที่จัดแสดงในงานอย่าง Consumer Electronics Show (CES) ซึ่งประเทศไทยมีความเคลื่อนไหวที่น่าตื่นเต้น
และระดับการสร้างองค์ความรู้และทรัพยากร (Knowledge & Resource Creation) คือ การวิจัยเชิงลึกเพื่อสร้างเทคโนโลยี เครื่องมือ และองค์ความรู้ใหม่ ๆ ซึ่งเป็นหัวใจของการขับเคลื่อนวงการและเป็นพื้นที่หลักของบัณฑิตศึกษา (Graduate Studies) ในเวทีระดับโลก นี่คือสิ่งที่เกิดขึ้นในงานประชุมวิชาการชั้นนำ เช่น NeurIPS, CVPR และ ACL ซึ่งน่าเสียดายที่ผลงานจากมหาวิทยาลัยในประเทศไทยยังปรากฏให้เห็นน้อยมาก
“ถ้าเราสนใจแต่ส่วนบน (Utilization) เราก็จะผลิตคนที่จบปริญญาตรีแล้วเข้าไปทำงานในสตาร์ตอัพหรือบริษัท แต่ถ้าเราจะได้รับการยอมรับในฐานะ AI Sovereignty อย่างแท้จริง มันต้องมีส่วนสีม่วงข้างล่าง (Knowledge Creation) ด้วย ซึ่งนี่คือส่วนของบัณฑิตศึกษา” เขากล่าว
เจาะปมท้าทาย: ทำไม AI ยังไม่สามารถ‘ให้เหตุผล’ ได้เหมือนมนุษย์?
เพื่อชี้ให้เห็นถึงความสำคัญของการวิจัยพื้นฐาน ดร.สรณะ ได้ยกตัวอย่างประเด็นที่เป็นพรมแดนความรู้ (Frontier Issue) ที่สำคัญคือ การให้เหตุผล (Reasoning) ของ AI
เขากล่าวว่า หากปราศจากความสามารถในการให้เหตุผล AI ก็ไม่ต่างจากนักเรียนที่เพียงแต่ “ท่องจำรูปแบบ” (Pattern Recognition) แต่ไม่สามารถแก้ปัญหาที่ซับซ้อนหรือพลิกแพลงได้ พร้อมยกตัวอย่างเปรียบเทียบที่เห็นภาพชัดเจน:
“แพทย์ที่เรียนจบจากประเทศไทย สามารถย้ายไปทำงานที่อังกฤษได้โดยไม่ต้องกลับไปเรียนแพทย์ใหม่ทั้งหมด เพียงแค่เรียนรู้ภาษาและปรับความรู้ให้เข้ากับบริบทใหม่ เพราะแก่นความรู้ด้านการให้เหตุผลทางการแพทย์นั้นสามารถถ่ายทอดข้ามภาษาได้ แต่สำหรับ AI ในปัจจุบันไม่ใช่แบบนั้น โมเดลที่ถูกสอนให้ให้เหตุผลในภาษาอังกฤษ จะทำข้อสอบในภาษาไทยได้แย่มาก นี่แสดงให้เห็นว่าศักยภาพการให้เหตุผลของมันยังผูกติดอยู่กับรูปแบบของภาษา ไม่ใช่การคิดเชิงตรรกะที่เป็นอิสระอย่างแท้จริง”
การทดลองด้วยเทคนิคต่าง ๆ เช่น การให้ AI แสดงวิธีทำ (Chain of Thought) หรือ การให้ AI เขียนโค้ดเพื่อแก้ปัญหา (Program of Thought) ก็ยังคงยืนยันข้อสรุปเดียวกันว่า AI ในปัจจุบันยังคงเป็นนักจดจำรูปแบบที่เก่งกาจ แต่ยังไม่ใช่นักคิดที่มีเหตุผลโดยสมบูรณ์ ซึ่งเป็นโจทย์ใหญ่ที่ต้องอาศัยการวิจัยเชิงลึกเพื่อก้าวข้าม
วิกฤตินักวิจัย: เมื่อ ‘ท่อส่ง’ ทรัพยากรมนุษย์แตกและสมองไหลไม่หยุด
ปัญหาที่สำคัญที่สุดซึ่งเป็นอุปสรรคต่อการสร้างอธิปไตยทาง AI ของไทย คือ ระบบนิเวศและเส้นทางอาชีพของนักวิจัย (Talent Pipeline) ที่ยังไม่สมบูรณ์
ปัจจุบัน ประเทศไทยมีนักศึกษาระดับปริญญาตรีที่เก่งกาจจำนวนมากที่สามารถเข้าศึกษาต่อในมหาวิทยาลัยชั้นนำของโลกได้ แต่ปัญหาคือ ไม่มีตำแหน่งงานวิจัยที่น่าดึงดูดเพียงพอที่จะดึงดูดให้พวกเขากลับมาทำงานในประเทศ ทำให้เกิดภาวะสมองไหลอย่างต่อเนื่อง
แม้จะมีความพยายามในการสร้างสถาบันวิจัยที่มุ่งเน้นการตีพิมพ์ผลงานในเวทีระดับโลกเพื่อสร้างชื่อเสียงและดึงดูดบุคลากร เช่นที่ VISTEC และการริเริ่มโครงการ Super AI Engineer ในเส้นทางนักวิจัย (Researcher Track) เพื่อให้นักศึกษาได้สัมผัสกับงานวิจัยจริง แต่ก็ยังเป็นเพียงจุดเริ่มต้น
ข้อเสนอเชิงนโยบาย: “ไม่มีทางลัด” และ“อย่าชิงสุกก่อนห่าม”
เพื่อแก้ปัญหานี้อย่างยั่งยืน ดร.สรณะ ได้ทิ้งท้ายด้วยข้อเสนอเชิงนโยบาย 3 ประการที่สำคัญสำหรับผู้กำหนดทิศทางของประเทศ คือ ประการแรก ไม่มีทางลัดสู่ความเป็นเลิศ การจะพัฒนา AI ของประเทศให้แข็งแกร่ง ต้องลงทุนในบัณฑิตศึกษาอย่างจริงจังและต้องยอมรับมาตรฐานความเป็นเลิศระดับสากล เช่น การตีพิมพ์ในเวทีวิชาการชั้นนำ ไม่ใช่การสร้างมาตรฐานของตัวเองขึ้นมาใหม่
ประการต่อมา ฟูมฟักนักวิจัยรุ่นใหม่ (อย่าชิงสุกก่อนห่าม) ต้องปกป้องอาจารย์และนักวิจัยรุ่นใหม่ (Assistant Professor) จากภาระงานที่ไม่ใช่งานวิจัยหลัก เช่น งานบริหาร การหาทุน หรือการบริการวิชาการที่มากเกินไป ในช่วง 5-6 ปีแรกของอาชีพ เพื่อให้พวกเขามีเวลาทุ่มเทให้กับการสร้างรากฐานงานวิจัยที่แข็งแกร่ง “พอเขามีพื้นฐานที่แข็งแรงแล้ว เขาก็จะมีศักยภาพเหลือพอที่จะมาช่วยงานด้านอื่นได้”
และประการสุดท้าย ความสำเร็จต้องใช้เวลา การสร้างระบบนิเวศวิจัยที่แข็งแกร่งต้องใช้เวลาและมีต้นทุนเริ่มต้นที่สูง แต่เมื่อสำเร็จแล้วจะสามารถสร้างผลกระทบที่ยั่งยืนได้
การเดินทางสู่การเป็นผู้นำด้าน AI ของไทยไม่ได้วัดกันที่ความเร็วในการนำเทคโนโลยีมาใช้ แต่อยู่ที่ความอดทนและวิสัยทัศน์ในการลงทุนระยะยาวกับ “คน” และ “องค์ความรู้” ซึ่งเป็นเดิมพันสำคัญที่จะตัดสินอนาคตและอธิปไตยทางเทคโนโลยีของประเทศในทศวรรษข้างหน้า
ข่าวอื่น ๆ ที่น่าสนใจ
รศ.ดร.กาญจนา แก้วเทพ ชี้ ‘Knowledge Shift’ นิเทศศาสตร์ยุคใหม่ ต้องเชื่อมโยงบูรณาการ
ไมโครซอฟท์ เปิดยุทธศาสตร์ ‘Frontier Firm’ ปั้น 1 แสน AI Developer พลิกโฉมประเทศไทย
