การผลิตผู้เชี่ยวชาญด้าน AI เมื่อ'คณิตศาสตร์'สำคัญกว่า'เขียนโค้ด'

เรื่องนี้ยังมีความเข้าใจผิดว่า การสร้างผู้เชี่ยวชาญด้านเอไอเป็นการพัฒนาคนด้านไอทีในการใช้โปรแกรม หรือฝึกให้คนเก่งด้านการเขียนโปรแกรม แต่ความจริงแล้ว หัวใจสำคัญการพัฒนาเอไอ อยู่ที่พื้นฐานทางคณิตศาสตร์ที่แข็งแกร่ง และแทบจะเป็นไปไม่ได้หากเยาวชนในประเทศไม่เก่งคณิตศาสตร์แล้วจะสามารถมาแข่งขันในการพัฒนาเอไอได้ดี

ผมขอแบ่งปันประสบการณ์ส่วนตัวในการทำงานกับเอไอ เพื่อให้เห็นภาพชัดขึ้น เพราะบางคนอาจเห็นว่า ผมสัมผัสเทคโนโลยีเอไอ มาพอควร และเขียนบทความทางด้านนี้บ่อย จึงอาจเข้าใจว่าผมเป็นผู้เชี่ยวชาญเอไอ แต่ความจริงแล้ว ผมเป็นเพียง “ผู้ใช้เอไอที่เก่ง (Smart User)” ที่ลองเล่นเอไออย่างจริงจังและเข้าใจวิธีประยุกต์ใช้กับงาน รวมถึงเป็นโปรแกรมเมอร์ที่พัฒนาเอไอเพิ่มเติมได้ด้วยการเขียนโค้ด

สมัยเรียนหนังสือ ผมก็เหมือนหลายคน ที่อยากเห็นคอมพิวเตอร์ฉลาดเหมือนมนุษย์ อยากพัฒนาโปรแกรมให้คอมพิวเตอร์แก้ปัญหายากๆ ได้เหนือมนุษย์ แม้ผมจะทำวิทยานิพนธ์ปริญญาโทและเอกในด้านเอไอ ซึ่งยุคนั้นยังเป็นยุคที่ต้องเขียนโปรแกรมซับซ้อนพอควร ผมก็สามารถทำได้ดีระดับหนึ่ง แต่พอพัฒนาอัลกอริทึมให้คอมพิวเตอร์ฉลาดกว่าเดิม ผมก็ไปได้ไม่มากนัก เมื่อพบกับคณิตศาสตร์ที่ซับซ้อน แม้ผมได้เรียนวิชาทางด้านคณิตศาสตร์มาหลายสิบแขนงในมหาวิทยาลัย และได้คะแนนดี แต่ก็ต้องยอมรับว่า ผมเก่งคณิตศาสตร์ไม่พอที่จะเชี่ยวชาญเอไอในเชิงลึก

หลังๆ มานี้ ผมหันมาทำโปรแกรมมากขึ้น พัฒนาแอปต่างๆ และเล่นเรื่องของบิ๊กดาต้า เมื่อเอไอเริ่มกลับมาได้รับความสนใจ โดยเฉพาะเรื่อง Deep Learning ผมก็เริ่มกลับมาศึกษาจริงจังขึ้น แต่สุดท้ายก็มองตัวเองว่าเป็นได้แค่โปรแกรมเมอร์เช่นเดิม ทำงานทางวิทยาศาสตร์ข้อมูลได้บ้าง หรือเขียนโปรแกรมเพื่อทำการพัฒนาโมเดลได้เล็กน้อย แต่ไม่ใช่ผู้เชี่ยวชาญด้านเอไอที่จะพัฒนาออกแบบอัลกอริทึมที่ซับซ้อนเรื่องใหม่ๆ หรือแก้ปัญหายากๆ ได้ เพราะงานเหล่านั้นต้องใช้ความรู้คณิตศาสตร์ที่ค่อนข้างลึก และระยะหลังๆ ผมห่างเหินจากคณิตศาสตร์ที่ซับซ้อนไปนาน

ประสบการณ์ผมสะท้อนให้เห็นว่า เอไอทำงานบนพื้นฐานของอัลกอริทึมที่ซับซ้อน ซึ่งต้องอาศัยความรู้ทางคณิตศาสตร์ขั้นสูง เช่น แคลคูลัส พีชคณิตเชิงเส้น และทฤษฎีความน่าจะเป็น การทำความเข้าใจและวิเคราะห์ข้อมูลขนาดใหญ่ต้องใช้ทักษะทางสถิติและการวิเคราะห์เชิงตัวเลข ในขณะที่การพัฒนาโมเดล ต้องอาศัยความเข้าใจในทฤษฎีการเรียนรู้ของเครื่องมือและการหาค่าเหมาะสมที่สุด ซึ่งล้วนมีรากฐานมาจากคณิตศาสตร์

ปัจจุบันเมื่อเครื่องมือพัฒนาโปรแกรมเก่งขึ้น รวมทั้งมีเครื่องมืออย่าง Generative AI ที่สร้างโค้ดได้โดยง่ายทำให้คนทั่วไปพัฒนาโมเดลได้เอง ความจำเป็นการเขียนโปรแกรมอาจลดน้อยลงไป เรายิ่งเห็น Smart User ที่ใช้เอไอเก่งๆ ในโดเมนตัวเอง เช่น นักเศรษฐศาสตร์ แพทย์ ก็จะยิ่งทำให้ความต้องการคนที่จะมาพัฒนาโปรแกรมเอไอแบบเดิมๆ น้อยลง

แต่นั่นไม่ได้หมายความว่าเราไม่ต้องการผู้เชี่ยวชาญด้านเอไออีกต่อไป ตรงกันข้ามการเรียนการสอนหลักสูตรด้านเอไอ ต้องไม่ใช่แค่การสอนการเขียนโปรแกรม เพื่อพัฒนาเอไอแบบเดิม แต่ต้องสอนคนให้สามารถพัฒนาและเข้าใจทฤษฎี อัลกอริทึมในระดับลึก และออกแบบทฤษฎีใหม่ๆ ได้ แน่นอนว่าพื้นฐานที่สำคัญที่สุดคือวิชาด้านคณิตศาสตร์

ถ้าพื้นฐานคณิตศาสตร์แน่นพอ ไม่ว่า Generative AI จะเก่งขึ้นแค่ไหนก็ตาม จะเขียนโปรแกรมได้เอง จะเทรนโมเดลเอไอได้ แต่เราก็ยังต้องการคนที่เก่งเอไอ ที่มีพื้นฐานคณิตศาสตร์ที่ดีมาออกแบบ Generative AI ตัวใหม่ๆ อยู่ดี นี่คือเหตุผลว่าทำไมการสอนคนให้เก่งเอไอ ต้องเน้นสอนทฤษฎีและวิชาคณิตศาสตร์ให้มาก ไม่เช่นนั้นคงสู้ Smart User ไม่ได้

ที่น่าตกใจไปกว่านั้นคือ หลักสูตรด้านเอไอ ด้านวิทยาศาสตร์ข้อมูล หรือด้านไอทีจำนวนมากในมหาวิทยาลัยในบ้านเรา ได้ลดจำนวนวิชาคณิตศาสตร์ลงไป บางแห่งให้เรียนเพียงแค่ 3-4 แขนงวิชาหรือน้อยกว่านั้น ซึ่งไม่เพียงพอต่อการทำความเข้าใจคณิตศาสตร์และสถิติศาสตร์ที่จะมาสร้างผู้เชี่ยวชาญด้านเอไอ ด้วยเหตุผลหลักที่ว่ากลัวว่าวิชาคณิตศาสตร์ยากเกินไปทำให้นักศึกษาเรียนไม่ไหว สอบไม่ผ่าน แต่กลับเน้นสอนการเขียนโปรแกรมแทนหรือสอนการใช้เครื่องมือเอไอ โดยไม่เน้นสอนทฤษฎีที่ต้องใช้คณิตศาสตร์ที่ซับซ้อน

การพัฒนาประเทศให้มีบุคลากรที่เชี่ยวชาญด้านเอไอ จึงต้องเริ่มต้นด้วยการปรับหลักสูตรทางด้านเหล่านี้ให้เน้นการเรียนคณิตศาสตร์มากขึ้น และปลูกฝังความสนใจและทักษะทางคณิตศาสตร์ตั้งแต่เด็ก โดยใช้วิธีการสอนที่สนุกและน่าสนใจ สร้างหลักสูตรที่ผสมผสานระหว่างคณิตศาสตร์ วิทยาการคอมพิวเตอร์ และสถิติศาสตร์ เพื่อสร้างพื้นฐานที่แข็งแกร่งสำหรับการพัฒนาเอไอ

นอกจากนี้ ควรส่งเสริมการวิจัยด้านคณิตศาสตร์ประยุกต์ที่นำความรู้ทางคณิตศาสตร์มาประยุกต์ใช้ในการพัฒนาเอไอ และสร้างความร่วมมือระหว่างภาคการศึกษาและอุตสาหกรรม เพื่อเปิดโอกาสให้นักศึกษาได้เรียนรู้และฝึกฝนทักษะในสถานการณ์จริง

การพัฒนาหลักสูตรคณิตศาสตร์ขั้นสูงสำหรับเอไอโดยเฉพาะ และการส่งเสริมการเรียนรู้ตลอดชีวิตให้กับผู้เชี่ยวชาญด้านเอไอ เพื่อพัฒนาความรู้ทางคณิตศาสตร์อย่างต่อเนื่อง จะช่วยรองรับเทคโนโลยีเอไอ ที่ก้าวหน้าอย่างรวดเร็ว

ในขณะเดียวกัน เราต้องไม่ละเลยทักษะอื่นๆ ที่จำเป็นสำหรับผู้เชี่ยวชาญด้านเอไอด้วย ไม่ว่าจะเป็นการโมเดลและวิศวกรรมข้อมูล การวิเคราะห์ข้อมูลขนาดใหญ่ ความเข้าใจในโมเดลและอัลกอริทึม การใช้บริการเอไอบนคลาวด์ รวมถึงความเข้าใจในด้านความปลอดภัยของเอไอ ทักษะเหล่านี้ล้วนมีความสำคัญและต้องพัฒนาควบคู่ไปกับความรู้ทางคณิตศาสตร์

ที่สำคัญ เราต้องไม่ลืมพัฒนาทักษะทั่วไป เช่น การสื่อสารและการทำงานร่วมกัน ความสามารถในการปรับตัวและเรียนรู้อย่างต่อเนื่อง การคิดเชิงวิพากษ์และการแก้ปัญหา รวมถึงพัฒนาความรู้เฉพาะด้านในสาขาที่เกี่ยวข้อง

ท้ายที่สุด การพัฒนาประเทศให้เก่งด้านเอไอ จึงไม่ใช่โจทย์ในการสร้างนักพัฒนาโปรแกรมที่เก่งกาจ แต่ต้องสร้างบุคลากรที่มีพื้นฐานทางคณิตศาสตร์ที่แข็งแกร่ง มีความสามารถในการคิดวิเคราะห์ และแก้ปัญหาที่ซับซ้อนได้ ความรู้ทางคณิตศาสตร์ขั้นสูงเป็นพื้นฐานที่สำคัญในการพัฒนาเทคโนโลยีเอไอที่มีประสิทธิภาพและสามารถแก้ปัญหาที่ซับซ้อนได้

ดังนั้น ถึงเวลาแล้วที่เราต้องให้ความสำคัญกับการพัฒนาทักษะทางคณิตศาสตร์อย่างจริงจัง ควบคู่ไปกับการพัฒนาทักษะด้านการเขียนโปรแกรมและทักษะอื่นๆ ที่จำเป็น เพื่อสร้างผู้เชี่ยวชาญเอไอที่มีคุณภาพและพร้อมรับมือกับความท้าทายในอนาคต

นี่คือก้าวสำคัญที่จะนำพาประเทศของเราไปสู่การเป็นผู้นำด้านเอไอในระดับโลก และสร้างอนาคตที่สดใสในยุคแห่งปัญญาประดิษฐ์ ถ้าเด็กเราไม่เก่งคณิตศาสตร์อย่าหวังครับว่าจะแข่งเรื่องเอไอได้ หรือจะสร้างผู้เชี่ยวชาญด้านเอไอปีละหลายพันคนได้ เพราะคนที่จะมาเรียนแบบนี้ได้ต้องมีพื้นฐานคณิตศาสตร์ขั้นสูง ซึ่งในประเทศเราไม่ได้มีมากมายขนาดนั้น