คุยกับ ‘นักวิจัย AI ไทย’ พัฒนา ‘Sovereign AI’ ให้พึ่งพาตนเองได้จริง

ดีลยักษ์ใหญ่ของ สยามเอไอ (SIAM AI) ที่ลงทุนซื้อชิป NVIDIA H100 และได้เชิญ เจนเซ่น หวง ผู้ก่อตั้ง เอ็นวิเดีย (Nvidia) มาเยือนประเทศไทย ได้ปลุกกระแสปั้นไทยเป็นผู้นำการประมวลผล AI ในเอเชียตะวันออกเฉียงใต้

แต่เส้นทางการไปสู่ดาต้าเซนเตอร์ระดับภูมิภาคนั้นไม่ง่ายและไม่ถูก หนึ่งในนักวิจัย AI ไทยที่สัมผัสชิป เอ็นวิเดียตั้งแต่รุ่นแรก ได้วิเคราะห์โอกาสและความท้าทายของไทยที่ต้องเตรียมพร้อมโครงสร้างพื้นฐาน AI ทั้งฮาร์ดแวร์และซอฟต์แวร์ไว้อย่างน่าสนใจ

รศ.ดร.ธนารัตน์ ชลิดาพงศ์ เจ้าของเพจ Carbonoi หรือ อ.ฝน อาจารย์ประจำภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ และรองคณบดี สำนักวิชาทรัพยากรการเกษตร จุฬาลงกรณ์มหาวิทยาลัย เล่าว่า ย้อนไปตั้งแต่ปี 2563 จุฬาลงกรณ์มหาวิทยาลัยเป็นเจ้าแรกที่ลงทุนซื้อ NVIDIA DGX A100 มูลค่าหลายล้านบาทมาใช้ในงานวิจัย

คุยกับ ‘นักวิจัย AI ไทย’ พัฒนา ‘Sovereign AI’ ให้พึ่งพาตนเองได้จริง ต่อมา องค์กรอื่นๆ ทั้งมหาวิทยาลัยและศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC) ก็เริ่มซื้อชิปรุ่นใหม่ขึ้นในราคาหลักร้อยล้านบาท จนกระทั่งภาคเอกชนหันมาสนใจการพัฒนาศูนย์ข้อมูล เกิดเป็นดีลล่าสุดระหว่าง SIAM AI และ NVIDIA

‘ฮาร์ดแวร์’ เลี่ยงไม่ได้ ต้องพึ่งต่างชาติ

หัวใจสำคัญของการสร้างศูนย์ข้อมูล คือฮาร์ดแวร์ที่ต้องใช้ชิปสมรรถนะสูงในการประมวลผลซึ่งปัจจุบันมีผู้ผลิตเพียงไม่กี่เจ้าบนโลก นั่นทำให้ NVIDIA ก้าวขึ้นมาเป็นบริษัทที่มีมูลค่าทางการตลาดสูงติดอันดับโลก

อย่างไรก็ดี ต้องไม่ลืมว่าชิปเหล่านี้ล้าสมัยเร็วมาก หากกระโดดเข้ามาในเกมนี้ต้องเตรียมพร้อมลงทุนใหม่ตลอดเวลาให้ทันกับเทคโนโลยี ยังไม่นับต้นทุนทรัพยากรธรรมชาติ ทั้งน้ำและไฟที่ต้องใช้มหาศาลร่วมกับภาคอุตสาหกรรมและภาคการเกษตร

อ.ฝน กล่าวว่า ในทางทฤษฎี ศูนย์ข้อมูลอยู่ที่ไหนก็ได้บนโลก อย่างในปัจจุบันข้อมูลไทยจำนวนไม่น้อยอยู่ในเซิร์ฟเวอร์ต่างประเทศโดยที่เราอาจไม่รู้ตัว เช่น อเมริกา อินเดีย สิงคโปร์ ซึ่งค่าเช่าคลาวด์ในแต่ละภูมิภาคราคาไม่เท่ากัน ค่าเช่าที่สิงคโปร์จะแพงกว่าอินเดีย ต่างกันทั้งความเร็ว ประสิทธิภาพ หรือแม้แต่เรื่องความปลอดภัยของเคเบิลใต้น้ำ

เมื่อถามถึงความปลอดภัยของข้อมูล อ.ฝน วิเคราะห์ว่า ข้อมูลที่มีความอ่อนไหวควรเก็บอยู่ในประเทศก็จริง แต่ไม่สามารถบอกได้ว่าปลอดภัยร้อยเปอร์เซ็นต์ เพราะแฮกเกอร์เก่งๆ ก็แฮกได้จากทั่วโลก ต้องสร้างความน่าเชื่อถือด้าน “Data Security” ให้ได้ด้วย

อย่างไรก็ตาม การมีดาต้าเซนเตอร์ในประเทศก็ย่อมมีข้อดีมากกว่าข้อเสีย ทั้งความปลอดภัยของข้อมูลและราคาที่ควบคุมได้

ถอยกลับไปเกือบสิบปีที่แล้ว นักวิจัยไทยได้เครดิตให้ทดลองใช้คลาวด์ฟรีเกือบทุกเจ้า แต่พอความต้องการใช้มากขึ้น ค่ายใหญ่ทั้งหลายก็เริ่มเก็บเงิน ตอนนี้เราต้องตั้งงบเช่าคลาวด์ทุกปี ถึงแม้จะมีการมาตั้งดาต้าเซนเตอร์ในไทย เราก็ต้องเสียเงินเช่าคลาวด์อยู่ดี แต่ราคาอาจถูกลงได้ หากบริษัทไอทีเหล่านี้ได้รับการสนับสนุนจากทางภาครัฐ เช่น สิทธิประโยชน์ทางภาษี

‘ซอฟแวร์’ ไทยทำ ไทยใช้ ไทยได้ประโยชน์

ในส่วนของซอฟแวร์ เป็นส่วนที่คนไทยสามารถพัฒนาเองได้เพื่อให้เข้ากับบริบทท้องถิ่น โดยเฉพาะโมเดลภาษาขนาดใหญ่ (LLM)

เช่น ตัวช่วยอ่านข้อความแบบ OCR หรือแปลงข้อความ Voice-to-Text ทำได้ดีกว่าของต่างชาติ เนื่องจากภาษาไทยมีคนใช้น้อยมากเมื่อเทียบกับภาษาอื่นบนโลก ค่ายต่างชาติจึงพัฒนาให้ดีระดับหนึ่งแต่ไม่ได้ทุ่มสรรพกำลังทำให้ดีที่สุด

ปัจจุบันมีนักวิจัยไทยพัฒนา Deep Learning กระจายอยู่ทั้งในมหาวิทยาลัยและภาคเอกชน ขณะนี้ลูกศิษย์ภาควิศวคอมฯ เข้าไปอยู่ในทุกอุตสาหกรรม ทั้งแบงก์ ประกัน ค้าปลีก หรือในแวดวงสาธารณสุข ศิริราชและจุฬาก็มีทีม MedTech ของตนเอง เพื่อลดอุปสรรคการใช้บริการของต่างชาติจาก 2 ปัญหาหลักคือ ราคาแพง และ ไม่มีบริการช่วยเหลือเวลามีปัญหา

ตอนนี้ยังมีพื้นที่ทางธุรกิจสำหรับงานโลคอลที่เกี่ยวข้องกับภาษาไทย ลูกค้าองค์กรที่เข้ามาหาล้วนมีประสบการณ์เคยใช้บริการต่างชาติมาก่อน แต่เปลี่ยนมาใช้ของไทยเพราะอยาก customize เราเลยไม่ต้องเสียเวลาทำการตลาดหรือคิดยูสเคสใหม่ แต่ถ้าเป็นเซอร์วิสทั่วไปที่ต่างชาติคิดมาแล้วสามารถใช้ได้ทั่วโลก เราก็ยังไม่สามารถแย่งตลาดได้ ต้องยอมรับว่าแบรนด์ดังมียี่ห้อเขาดูน่าเชื่อถือมากกว่า

ใช้ให้คุ้มค่า ใช้ให้ถูกทาง

อ.ฝน แสดงความเป็นห่วงในอีก 2 ประเด็นที่ประเทศไทยต้องรีบดำเนินการเพื่อทำให้โครงสร้างพื้นฐาน AI ในประเทศเป็น Sovereign AI หรือปัญญาประดิษฐ์แบบพึ่งพาตนเองได้จริง

ประการแรก ปรับปรุงการบริหารจัดการเพื่อนำข้อมูลไปใช้ประโยชน์ต่อสาธารณะได้จริง ยกตัวอย่างเช่น การบริหารจัดการน้ำ ภัยจากน้ำท่วม น้ำแล้ง การเปลี่ยนแปลงสภาพภูมิอากาศ สามารถใช้เทคโนโลยีที่มีอยู่แล้วอย่างการต่อยอดข้อมูลจากแพลตฟอร์ม NVIDIA Earth-2 ที่ใช้เทคโนโลยีปัญญาประดิษฐ์ร่วมกับแบบจำลองทางกายภาพ วิเคราะห์ข้อมูลสภาพอากาศได้รวดเร็วและละเอียดที่สุด

แต่ในทางปฏิบัติ การบริหารจัดการน้ำยังเกี่ยวข้องกับหลายกระทรวงมาก เมื่อการประสานงานไม่ราบรื่น ไม่สามารถจัดสรรทรัพยากรน้ำได้ทันเวลา ทำให้เสียโอกาสในการใช้ประโยชน์จากข้อมูล

ประการที่สอง ไทยต้องเร่งวางกรอบกำกับดูแลเพื่อให้ AI ถูกนำไปใช้อย่างปลอดภัย โปร่งใส และมีความรับผิดชอบ (AI Governance) เช่น การแบ่งระดับข้อมูลที่สามารถใช้ได้อย่างอิสระกับข้อมูลที่ต้องควบคุมการใช้งาน ปัจจุบัน มีความตื่นตัวจัดทำเรื่องนี้ในระดับองค์กร แต่ยังไม่มีการออกมาเป็นกฏหมายระดับประเทศ ซึ่งเป็นความเสี่ยงในการนำ AI มาใช้กับสาธารณชน

อ.ฝนทิ้งท้ายว่า ตลาด AI แข่งขันกันเร็วมาก มองไปทางไหนในทุกอุตสาหกรรมก็มีผู้ให้บริการหมดแล้ว ถ้าไทยไม่ทำเองก็มีต่างชาติทำมาให้ใช้ ยิ่งทำช้า การเปลี่ยนใจลูกค้ามาใช้บริการเจ้าใหม่จะยากมากยิ่งขึ้น เพราะการเปลี่ยนถ่ายจากระบบเก่ามาเป็นระบบใหม่ (System migration) มีต้นทุนสูง

หากประเทศไทยจะกระโดดเข้ามาในตลาดนี้ต้องร่วมมือกันมองไปให้ไกลกว่าเรื่องเทคโนโลยี มัดใจลูกค้าด้วยคุณภาพและบริการที่ดีอย่างต่อเนื่อง เพราะลูกค้ามีทางเลือกไปที่ไหนก็ได้บนโลก...