ปัญญาประดิษฐ์ (AI) ได้เปลี่ยนจากการเป็นศัพท์เทคนิคในห้องทดลอง สู่เทคโนโลยีที่เข้ามามีบทบาทในชีวิตประจำวันของผู้คนทั่วโลกอย่างรวดเร็ว พัฒนาการดังกล่าวมีทั้งคุณประโยชน์หลายด้านและความท้าทายที่ต้องพิจารณา ท่ามกลางความเปลี่ยนแปลงนี้ การทำความเข้าใจแก่นแท้ของ AI ตั้งแต่หลักการพื้นฐานสำหรับประชาชนทั่วไป การรับมือกับภัยคุกคามทางไซเบอร์ ไปจนถึงการประยุกต์ใช้เพื่อพัฒนางานด้านการแพทย์ จึงเป็นเรื่องสำคัญ เพื่อให้สามารถนำเทคโนโลยีนี้มาใช้ประโยชน์ได้อย่างเหมาะสม
ศ.ดร.ชิดชนก เหลือสินทรัพย์ ราชบัณฑิต ได้เริ่มต้นบรรยายในหัวข้อ “ถอดรหัส AI: หลักการทำงานแบบเข้าใจง่ายสำหรับประชาชน” ในงาน “การประชุมสุดยอดว่าด้วยปัญญาประดิษฐ์แห่งประเทศไทย 2568 Thailand National AI Summit 2025 เพื่อการพัฒนาความพร้อมด้านปัญญาประดิษฐ์สำหรับประเทศไทย” โดยอธิบายว่าเทคโนโลยีที่ดูซับซ้อนนี้มีจุดเริ่มต้นจากแนวคิดพื้นฐาน โดยในยุคแรก AI ถูกนำมาประยุกต์ใช้ในปัญหาที่ไม่ซับซ้อนนัก เช่น การเล่นเกม OX การย้ายสิ่งของ (Block World) การตีความประโยคภาษาอังกฤษโดยใช้ตรรกะและการอนุมาน และการสร้าง Expert System เพื่อเลียนแบบความเชี่ยวชาญของมนุษย์ผ่านเงื่อนไข “if-then-else” รวมถึงการนำแนวคิด Fuzzy Set มาจัดการกับข้อมูลที่ไม่แน่นอน เช่น การจำแนกคนอ้วน
ในยุคปัจจุบัน ศักยภาพของ AI ได้รับการพัฒนาขึ้นมาก สามารถประยุกต์ใช้ได้หลากหลายและซับซ้อนยิ่งขึ้น ตั้งแต่การรู้จำใบหน้า ตรวจจับวัตถุ ตีความอารมณ์ ไปจนถึงการวิเคราะห์และสร้างสรรค์สิ่งใหม่ๆ เช่น การย่อความ สังเคราะห์ยา ทำนายการเคลื่อนที่ของพายุ หรือแม้แต่การสร้างประโยคของ Chatbot ซึ่งไม่ได้เกิดจากความเข้าใจในภาษา แต่มาจากการเรียนรู้รูปแบบและความสัมพันธ์ของคำจากข้อมูลจำนวนมาก และพัฒนาตัวเองได้อย่างต่อเนื่อง
หลักการทำงานพื้นฐานของ AI
เบื้องหลังความสามารถเหล่านี้ AI มีหลักการทำงานที่ตั้งอยู่บนพื้นฐานทางคณิตศาสตร์และตรรกศาสตร์ที่ถูกพัฒนามาอย่างต่อเนื่อง ศ.ดร.ชิดชนก กล่าวถึงประวัติว่าจุดเริ่มต้นแนวคิดมาจาก Alan Turing ซึ่งเป็นผู้ที่มองว่าหากเครื่องจักรสามารถเปลี่ยนสภาวะตามเงื่อนไขได้ ก็จะเกิดสิ่งที่เรียกว่าความฉลาดขึ้นมา
แก่นแท้ของ AI จึงถูกจำกัดอยู่ภายใต้ 2 สิ่ง คือ แนวคิดทางคณิตศาสตร์ ที่ใช้ตีความตัวเลข และขั้นตอนการไหลของข้อมูลเพื่อการคำนวณ ทำให้ขอบเขตความสามารถของ AI มีจำกัดและไม่ได้ซับซ้อนเกินกว่าที่หลักการจะอธิบายได้ ขณะที่แบบจำลองเครือข่ายเซลล์ประสาท (Neural Networks) ซึ่งเป็นหัวใจของ AI ยุคใหม่ ก็มีหลักการทำงานคล้ายเซลล์ประสาทในสมอง คือรับสัญญาณเข้ามา ประมวลผล และส่งสัญญาณออกไปเมื่อถึงระดับที่กำหนด ในทางคณิตศาสตร์ หน้าที่หลักมี 2 อย่างคือ แบ่งกลุ่มข้อมูล (เช่น แยกภาพผู้ชาย/ผู้หญิง) และประมาณค่าจริง (เช่น ทำนายราคาหุ้น) นอกจากนี้ ยังมีเทคนิค Metaheuristics ที่เป็นการแก้ปัญหาอีกรูปแบบหนึ่ง โดยให้คอมพิวเตอร์สุ่มคำตอบและเรียนรู้เพื่อหาคำตอบที่ดีที่สุด
จากหลักการพื้นฐานเหล่านี้ AI ได้กลายเป็นเครื่องมือที่มีประสิทธิภาพซึ่งถูกนำไปประยุกต์ใช้อย่างกว้างขวาง แต่ในขณะเดียวกันก็นำมาซึ่งข้อกังวลด้านจริยธรรมและการใช้งานในทางที่ผิด ทำให้เกิดคำถามสำคัญว่าใครควรเป็นผู้รับผิดชอบและจะกำกับดูแลเทคโนโลยีนี้อย่างไร
เรียกร้องปกป้องนักวิจัย
เมื่อเทคโนโลยีสามารถนำไปใช้ได้หลายทาง การกำกับดูแลจึงเป็นสิ่งจำเป็น ศ.ดร.ชิดชนก ระบุว่า AI ไม่ต่างจากมีดที่ใช้ทำอาหารหรือทำร้ายคนได้ สิ่งสำคัญคือการนำไปใช้อย่างระมัดระวัง ท่านได้แบ่งกลุ่มคนที่เกี่ยวข้องกับ AI เป็น 3 กลุ่ม คือ กลุ่มวิจัย ผู้สร้างความรู้ใหม่ กลุ่มประยุกต์ ผู้นำความรู้ไปสร้างโปรแกรม และ กลุ่มผู้ใช้ ที่อาจนำไปสร้างของปลอมหรือใช้ในทางที่ผิด ท่านจึงเสนอว่า ผู้วิจัยควรได้รับการปกป้องส่งเสริม ส่วนกลุ่มผู้ประยุกต์และผู้ใช้ควรถูกควบคุมดูแลด้วยกฎหมาย
พร้อมกันนี้ ได้หยิบยกงานวิจัยจาก MIT ที่ชี้ว่าการใช้ Chatbot บ่อยครั้งอาจส่งผลต่อการทำงานของสมองและลดความคิดสร้างสรรค์ (Creativity Lost) รวมถึงความท้าทายด้านเทคนิค เช่น การใช้พลังงานสูงในการฝึกฝน Neural Networks อย่างไรก็ตาม การวางยุทธศาสตร์ด้าน AI ของประเทศควรมาจากผู้รู้จริง ไม่ใช่นักการเมืองหรือข้าราชการที่อาจไม่มีความเข้าใจในเทคโนโลยีอย่างลึกซึ้ง
ประเด็นด้านการนำไปใช้ในทางที่ผิดนี้ปรากฏชัดเจนขึ้นในเทคโนโลยี AI แขนงหนึ่งที่พัฒนาไปอย่างรวดเร็ว นั่นคือการสังเคราะห์เสียง ซึ่งความสามารถในการลอกเลียนแบบเสียงมนุษย์ได้สร้างความท้าทายใหม่ที่ต้องให้ความสำคัญ
พัฒนาการเสียงสังเคราะห์จับผิดยาก
ความก้าวหน้าของเทคโนโลยีการสังเคราะห์เสียง (Text to Speech – TTS) ได้มาถึงจุดที่ต้องให้ความสำคัญทั้งในด้านบวกและลบ ผศ.ดร.เอกพล ช่วงสุวนิช จากคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ได้บรรยายให้เห็นว่า เทคโนโลยี Generative AI ในปัจจุบันสามารถสร้างเสียงสังเคราะห์ที่เหมือนมนุษย์ได้ดี โดยใช้เสียงตัวอย่างเพียง 7 วินาที ก็สามารถโคลนเสียง (Voice Cloning) ที่มีทั้งอารมณ์ จังหวะ และลีลาการพูดที่ใกล้เคียงต้นฉบับจนแยกได้ยาก
ความสามารถนี้แตกต่างจากในอดีตอย่างมาก เช่น ในปี 2019 ที่มีข่าวการปลอมเสียง CEO เพื่อหลอกให้เลขาฯ โอนเงิน ซึ่งในครั้งนั้นยังต้องใช้เสียงต้นฉบับนานนับ 10 ชั่วโมงเพื่อสร้างโมเดล แต่ปัจจุบัน เทคโนโลยีที่เข้าถึงง่ายขึ้นได้กลายเป็นเครื่องมือของมิจฉาชีพ เช่น แก๊งคอลเซ็นเตอร์ หรือการปลอมเสียงเป็นคนในครอบครัวเพื่อหลอกลวงทรัพย์สิน ผลการทดลองของ ผศ.ดร.เอกพล ยังพบว่าคนทั่วไปมีความสามารถในการแยกเสียงจริงกับเสียงสังเคราะห์ได้ใกล้เคียง 50:50 หรือไม่ต่างจากการเดาสุ่ม
เมื่อการรับฟังของมนุษย์อาจไม่ใช่เครื่องมือที่เพียงพอในการแยกแยะเสียงจริงและเสียงสังเคราะห์อีกต่อไป แนวทางหนึ่งจึงเป็นการพัฒนาเทคโนโลยีขึ้นมาเพื่อจัดการปัญหานี้โดยตรง
ใช้ AI ตรวจจับเสียง AI
เมื่อภัยคุกคามเกิดจาก AI แนวทางแก้ไขหนึ่งคือการพัฒนา AI ขึ้นมาเพื่อตรวจจับเสียงที่สร้างโดย AI ด้วยกันเอง เทคนิคที่ใช้มีความคล้ายคลึงกับการยืนยันตัวตนด้วยใบหน้า โดยระบบจะแปลงข้อมูลเสียงให้เป็นค่าตัวเลข (Vector) เพื่อนำมาวิเคราะห์และจำแนกความแตกต่างระหว่างเสียงจริงกับเสียงปลอม
อย่างไรก็ตาม ความท้าทายสำคัญในประเทศไทยคือการขาดแคลนชุดข้อมูลภาษาไทยสำหรับฝึกฝน AI ซึ่งทางห้องทดลองของ ผศ.ดร.เอกพล ได้พัฒนา ‘Chula Spoofed Speech (CSS) Dataset’ ขึ้นมาเพื่อแก้ปัญหานี้ ผลการทดลองเบื้องต้นพบว่า AI สามารถตรวจจับเสียงปลอมได้ดี โดยมีความผิดพลาดเพียง 1% แต่ประสิทธิภาพจะลดลงเมื่อเสียงถูกบีบอัดผ่านระบบโทรศัพท์ หรือเมื่อผู้พูดใช้อารมณ์ในการสื่อสาร ซึ่งเป็นโจทย์ที่ต้องพัฒนาต่อไป โดยมีแนวทางวิจัยใหม่ ๆ ที่น่าสนใจ เช่น เทคนิค Speech Enhancement ที่ใช้ AI ขยายสัญญาณผิดปกติที่ซ่อนอยู่ในเสียงปลอมให้ชัดขึ้น และเทคนิค Watermarking หรือการฝังลายน้ำดิจิทัลที่มนุษย์ไม่ได้ยินลงในเสียง เพื่อให้คอมพิวเตอร์สามารถตรวจสอบที่มาได้
ขณะที่การพัฒนาเทคนิคการสร้างและตรวจจับ AI ยังคงดำเนินต่อไป ในอีกด้านหนึ่ง AI ก็ได้ถูกนำไปใช้ประโยชน์ในวงการที่ต้องการความแม่นยำสูง เช่น วงการแพทย์ ซึ่งกำลังเป็นเครื่องมือสำคัญในการปรับปรุงวิธีการวินิจฉัยและรักษาโรค
Deep Learning ทางการแพทย์
ศักยภาพของ AI ในการวิเคราะห์ข้อมูลที่ซับซ้อนได้ถูกนำมาประยุกต์ใช้ในหลายด้านทางการแพทย์ โดยเฉพาะเทคนิคการเรียนรู้เชิงลึก (Deep Learning) ดร.ฐิติพัทธอัชชะกุลวิสุทธิ์ จากคณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล ชี้ว่า ตั้งแต่ปี 2017 เป็นต้นมา Deep Learning ได้แสดงให้เห็นถึงความสามารถที่โดดเด่น เช่น การจำแนกมะเร็งผิวหนังได้แม่นยำกว่าแพทย์ผู้เชี่ยวชาญ โดยหัวใจสำคัญคือการมีข้อมูลขนาดใหญ่ (Big Data) สำหรับการฝึกฝนโมเดล
ในบริบทของประเทศไทย โรงพยาบาลศิริราชได้ใช้ประโยชน์จากข้อมูลคลื่นไฟฟ้าหัวใจ (ECG) และภาพ MRI กว่า 14,000 ชุดที่เก็บรวบรวมมากว่า 10 ปี เพื่อสร้างโมเดล AI วินิจฉัยภาวะแผลเป็นในหัวใจ นอกจากนี้ ยังมีงานวิจัยที่น่าสนใจ เช่น การร่วมมือกับบริษัท เมติคูลี่ จำกัด เพื่อสร้างโมเดล AI แปลงภาพถ่ายกะโหลกศีรษะที่มีความผิดปกติให้กลายเป็นแบบจำลองที่สมบูรณ์ เพื่อใช้ในการออกแบบและพิมพ์ชิ้นส่วนทดแทนด้วยเครื่องพิมพ์ 3 มิติ การที่ข้อมูลทางการแพทย์ เช่น ภาพ X-ray หรือภาพถ่ายจอตา ถูกผลิตขึ้นจำนวนมากในทุกๆ วัน ทำให้การพัฒนาและประยุกต์ใช้ AI ในด้านนี้เกิดขึ้นอย่างรวดเร็ว
นอกเหนือจากการวิเคราะห์ภาพถ่ายทางการแพทย์แล้ว ความสามารถในการประมวลผลภาษาธรรมชาติของ AI ยังได้เข้ามามีบทบาทในการช่วยเหลือและปรับปรุงกระบวนการทำงานในโรงพยาบาลของไทยในหลายมิติ
ช่วยงานโรงพยาบาลไทยหลากมิติ
การประยุกต์ใช้ AI ในโรงพยาบาลไทยไม่ได้จำกัดอยู่แค่การวิเคราะห์ภาพ แต่ยังครอบคลุมไปถึงการจัดการข้อมูลและการสื่อสาร ซึ่งช่วยลดภาระงานของบุคลากรและเพิ่มประสิทธิภาพการบริการได้ ตัวอย่างที่สำคัญ ได้แก่ การจำแนกโรคด้วยรหัส ICD โดยอัตโนมัติจากบันทึกการตรวจของแพทย์ เพื่อประโยชน์ในการเบิกจ่ายประกัน การดึงข้อมูลสำคัญ เช่น ค่าเลือด หรือประวัติผู้ป่วยจากเอกสารที่เป็นข้อความมาสร้างเป็นฐานข้อมูลที่วิเคราะห์ต่อได้, การสรุปข้อมูล การสนทนาระหว่างแพทย์กับผู้ป่วยเพื่อจัดทำบันทึกการรักษา และการใช้ Speech to Text แปลงเสียงพูดเป็นข้อความแบบเรียลไทม์
นอกจากนี้ เทคโนโลยีล่าสุดอย่าง Multimodal Large Language Model ที่สามารถเข้าใจได้ทั้งภาพและข้อความ ก็กำลังถูกพัฒนาเพื่อใช้ในการอ่านภาพ X-ray พร้อมกับสร้างรายงานสรุปทางการแพทย์ได้ในคราวเดียว ซึ่งทั้งหมดนี้แสดงให้เห็นว่า AI กำลังกลายเป็นเครื่องมือที่ช่วยสนับสนุนการทำงานของบุคลากรทางการแพทย์ในประเทศไทย
ท้ายที่สุดแล้ว ไม่ว่าจะในมุมของประชาชนทั่วไป นักวิจัย หรือบุคลากรทางการแพทย์ AI ได้แสดงให้เห็นถึงศักยภาพในการสร้างการเปลี่ยนแปลงในหลายวงการ การเดินทางของ AI ยังคงดำเนินต่อไป และเป็นหน้าที่ของทุกภาคส่วนที่จะต้องร่วมกันส่งเสริมการพัฒนาที่สร้างสรรค์ ควบคู่ไปกับการวางกรอบกำกับดูแลที่เหมาะสม เพื่อให้แน่ใจว่าปัญญาประดิษฐ์จะถูกนำไปใช้เพื่อสร้างประโยชน์ต่อสังคมส่วนรวมต่อไป
ข่าวอื่น ๆ ที่น่าสนใจ
ดีป้า เผยอุตฯ ดิจิทัลไทยปี 67 โตแรง 23.35% มูลค่าทะลุ 2.4 ล้านล้านบาท
วปอ.67 จับมือ สวทช. พัฒนารถทำลายทุ่นระเบิด PMN-2 ฝีมือคนไทยปกป้องชีวิตทหาร
