ศ.ดร.ยศชนัน วงศ์สวัสดิ์ รองนายกรัฐมนตรีและ รมว.การอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) แถลงนโยบายการบริหารงานกระทรวง อว.โดยมี ศ.ดร.ศุภชัย ปทุมนากุล ปลัดกระทรวง อว.และผู้บริหารของทุกหน่วยงานในสังกัด อว. เข้าร่วมรับฟัง

ศ.ดร.ยศชนัน ซึ่งหลาย ๆ คนรู้จักในชื่อ 'อ.เชน' ประกาศเป้าหมายชัดเจนตั้งแต่ต้นว่า อว. จะเป็น 'กระดูกสันหลัง' อีกชิ้นของประเทศ และภารกิจหลักคือยกระดับไทยไปสู่ประเทศที่มีรายได้สูง ด้วยแผนปฏิบัติการ 8 ยุทธศาสตร์ที่ครอบคลุมทุกมิติตั้งแต่เศรษฐกิจ ความมั่นคง ไปจนถึงการปฏิรูปการศึกษา ได้แก่

1.ส่งเสริมให้เกิดนวัตกรรม (Innovation Ecosystem) ในประเทศไทย เชื่อมโยงมหาวิทยาลัย ภาครัฐ เอกชน แหล่งทุน และผู้ประกอบการ พร้อมผลักดันการใช้ประโยชน์ทรัพย์สินทางปัญญาในเชิงพาณิชย์

2.การพัฒนาประเทศสู่ศูนย์กลางสุขภาพและการแพทย์ (Wellness Thailand) ตั้งแต่สมุนไพร เวชสำอาง อาหารแห่งอนาคต ไปจนถึงเทคโนโลยีการแพทย์ขั้นสูง

3. การวางรากฐานอุตสาหกรรมเซมิคอนดักเตอร์ (Semiconductor Thailand) รองรับอุตสาหกรรมอนาคต เช่น ยานยนต์ไฟฟ้า AI และระบบสื่อสารยุคใหม่

4. การขับเคลื่อนประเทศด้วย AI และข้อมูล (AI & Data Driven Nation) ภายใต้แนวคิด “AI for ALL”

5.การลงทุนในเทคโนโลยีขั้นแนวหน้า (Frontier Innovation) อาทิ ควอนตัม อวกาศ และพลังงานสีเขียว

6. ส่งเสริมเทคโนโลยีความมั่นคง (Security Technology) ครอบคลุมความมั่นคงทางไซเบอร์ การป้องกันประเทศ การรับมือภัยพิบัติและเป้าหมาย Net Zero

7.ส่งเสริมเทคโนโลยีเพื่อต่อต้านคอร์รัปชั่น มุ่งสู่รัฐบาลดิจิทัล (Anti-Corruption & Digital Government) ด้วยการเปิดเผยข้อมูลและบริการภาครัฐแบบเบ็ดเสร็จ

8.การพลิกโฉมมหาวิทยาลัยสู่ระดับโลก (World-Class University) เพื่อเป็นแหล่งสร้างองค์ความรู้และพัฒนากำลังคนคุณภาพสูง

นักคิดต้องเจอนักปฏิบัติ

ยุทธศาสตร์แรกที่เขาเน้นย้ำมากที่สุดคือการสร้าง Innovation Ecosystem ในประเทศ โดยมองว่าปัญหาของงานวิจัยไทยที่ผ่านมาคือ นักวิจัย (นักคิด) กับภาคเอกชน (นักปฏิบัติ) ยังไม่ได้มาเจอกัน และ อว. จะแก้ปัญหานี้โดยตรง

อว. จะทำให้เกิดระบบนิเวศที่ทำให้นักคิดและนักปฏิบัติมาเจอกัน เพื่อสร้างไอเดียใหม่ให้เกิดการวิจัยและพัฒนา ผมเชื่อว่างานวิจัยดี ๆ ที่รู้ว่าทำไปเพื่ออะไรจะขอทุนวิจัยได้ง่าย

นอกจากนี้ ศ.ดร.ยศชนัน ยังมีแผนตั้งสำนักงานทรัพย์สินทางปัญญาส่วนหน้าขึ้นที่กระทรวง อว. โดยจะนัดหารือกับนางศุภจี สุธรรมพันธุ์ รองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงพาณิชย์ และยังวางแผนกระจายระบบนิเวศออกไปสู่จังหวัดต่าง ๆ ทั่วประเทศ เพื่อดึงคนเก่งทุกพื้นที่มาร่วมทำงานด้วยกัน

Wellness คือเครื่องยนต์ใหม่ของเศรษฐกิจ

ในบรรดายุทธศาสตร์ด้านเศรษฐกิจ (ยุทธศาสตร์ที่ 2-5) สิ่งที่ ศ.ดร.ยศชนัน ยกขึ้นมาเป็นธงนำคือ Wellness Thailand โดยชี้ว่าไทยอยู่ในตำแหน่งเบอร์ 1 ของโลกด้านนี้อยู่แล้ว ตั้งแต่สมุนไพร เวชสำอาง อาหารแห่งอนาคต ไปจนถึงเทคโนโลยีการแพทย์ขั้นสูง และจะใช้จุดแข็งตรงนี้เป็นตัวเชื่อมต่อไปสู่ AI และเซมิคอนดักเตอร์ที่กำลังเติบโต

ยุทธศาสตร์ที่ 3 คือ Semiconductor Thailand เพื่อรองรับอุตสาหกรรมยานยนต์ไฟฟ้าและระบบสื่อสารยุคใหม่ ขณะที่ยุทธศาสตร์ที่ 4 ขับเคลื่อนด้วยแนวคิด 'AI for ALL' และยุทธศาสตร์ที่ 5 ลงทุนใน Frontier Innovation ทั้งควอนตัม อวกาศ และพลังงานสีเขียว

ความมั่นคงต้องมาพร้อมความโปร่งใส

ศ.ดร.ยศชนัน กล่าวว่าเศรษฐกิจที่ดีจะไม่มีความหมายเลยถ้าประเทศไม่มีอธิปไตย ยุทธศาสตร์ที่ 6 จึงมุ่งส่งเสริมเทคโนโลยีความมั่นคงครบวงจร ทั้งไซเบอร์ การป้องกันประเทศ รับมือภัยพิบัติ และเป้าหมาย Net Zero

ขณะที่ยุทธศาสตร์ที่ 7 สู้คอร์รัปชันด้วยเทคโนโลยีผ่าน 2 โครงการหลัก คือ Open Thailand (เปิดข้อมูลภาครัฐ) และ Zero Corruption MHESI ACT โดยตั้งใจให้ อว. เป็นต้นแบบด้านความโปร่งใสให้กระทรวงอื่น ๆ

พลิกโฉมมหาวิทยาลัย: TCAS เท่าเทียม จบแล้วต้องได้งาน

ยุทธศาสตร์สุดท้าย (ยุทธศาสตร์ที่ 8) มุ่งพลิกโฉมมหาวิทยาลัยสู่ระดับโลก ครอบคลุมตั้งแต่ 

• TCAS เท่าเทียม 
• ระบบ Upskill Reskill 
• แนวคิด 'เรียนได้งบจบได้งาน' 
• การดึง Global Talent 
• AI for All ที่ต้องการให้ทุกคนเข้าถึงได้ 

เขายังเน้นว่าอาจารย์และนักวิจัยต้องออกไปมีส่วนร่วมพัฒนาประเทศในทุกด้าน ไม่ใช่แค่อยู่ในรั้วมหาวิทยาลัย

ผมมองว่าเราต้องชนะ Tech War โดยที่เราไม่ต้องลุยเองคนเดียวและเลือกเทคโนโลยีที่เหมาะสม อว. ต้องเข้าไปช่วยทุกภาคส่วน ทั้งเศรษฐกิจ ความมั่นคง สังคม และภัยพิบัติ งานนวัตกรรมมันต้องแทรกซึมไปได้ทุกที่

อ้างอิง : กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม

ภารกิจการกำกับดูแล AI และลดความเหลื่อมล้ำทางดิจิทัล ร่วมกับสำนักงานคณะกรรมการกฤษฎีกา

ต่อยอดจากความร่วมมือระหว่างไมโครซอฟท์และสำนักงานคณะกรรมการกฤษฎีกา (สคก.) Brad Smith ได้เดินทางไปร่วมเวทีเสวนาในหัวข้อ "AI Policy Dialogue: Good Regulatory Practices in the Age of AI" มุ่งหารือถึงแนวทางการนำ AI มาใช้งานอย่างมีความรับผิดชอบในภาครัฐ เพื่อยกระดับบริการสาธารณะให้ดียิ่งขึ้น ภายในงาน Brad Smith ได้เน้นย้ำถึงบทบาทของภาครัฐในฐานะผู้นำด้านการประยุกต์ใช้ AI เพราะหากประชาชนสัมผัสได้ถึงประโยชน์และคุณค่าจากเทคโนโลยีที่ภาครัฐนำมาใช้ ภาคเอกชนและบุคคลทั่วไปก็จะสามารถนำเทคโนโลยีนั้นมาปรับใช้ได้อย่างมั่นใจเช่นกัน โดยความมั่นใจนี้เอง เป็นปัจจัยที่ขับเคลื่อนให้ความร่วมมือกับ สคก. เป็นหนึ่งในองค์ประกอบเชิงยุทธศาสตร์ที่มีความสำคัญต่อพันธกิจของไมโครซอฟท์ในประเทศไทย

Brad Smith ได้เผยมุมมองเกี่ยวกับบทบาทของ AI ในการพัฒนาในระดับโลก ให้กับเจ้าหน้าที่จากหน่วยงานภาครัฐกว่า 150 คนที่เดินทางมาร่วมงานได้รับฟัง โดยเขาได้เปรียบเทียบ AI กับพลังงานไฟฟ้า ในฐานะเทคโนโลยีอเนกประสงค์ที่ปรับใช้ได้หลายรูปแบบ และสร้างความเปลี่ยนแปลงที่ผลักดันโลกให้ก้าวเข้าสู่ยุคใหม่ นอกจากนี้ Brad Smith ยังตอกย้ำความสำคัญของการเข้าถึง AI อย่างเท่าเทียม ท่ามกลางสถานการณ์ปัจจุบันที่ประเทศในกลุ่มพัฒนาแล้วกำลังเร่งนำ AI มาใช้ในอัตราที่เร็วกว่ากลุ่มประเทศกำลังพัฒนาถึงเกือบสองเท่าตัว ซึ่งอาจนำไปสู่ความเหลื่อมล้ำทางเศรษฐกิจที่มากขึ้น แม้ว่าเทคโนโลยีจะช่วยสร้างโอกาสใหม่ๆ ให้กับทุกชาติได้ก็ตาม

ในโอกาสนี้ Brad Smith ยังได้แลกเปลี่ยนความคิดเห็นเกี่ยวกับแนวทางการนำนวัตกรรม AI ไปพัฒนาต่อยอดเป็นโซลูชันที่ใช้ประโยชน์ได้จริง โดยอ้างอิงจากความร่วมมือระหว่างไมโครซอฟท์กับ สคก. เขาได้ชี้ให้เห็นถึงความสำคัญของการใช้เทคโนโลยีในระยะนำร่องโดยมีแผนงานและโครงสร้างที่ชัดเจน แยกกระบวนการทำงานออกเป็นขั้นตอนย่อย และนำ AI มาทดสอบกับแต่ละขั้นเพื่อระบุขั้นตอนที่ AI สามารถทำงานได้ดี ก่อนจะปรับปรุงแก้ไขให้ได้ประสิทธิภาพยิ่งขึ้น และนำไปขยายผลการใช้งานในที่สุด ทั้งนี้ Brad Smith กล่าวว่าความท้าทายในขั้นตอนต่างๆ นี้ ไม่ได้อยู่ที่การนำเทคโนโลยีมาปรับใช้ แต่อยู่ที่การฝึกอบรมบุคลากรให้สามารถผสานทักษะการใช้งาน AI เข้ากับการใช้ดุลยพินิจของมนุษย์ในฐานะผู้เชี่ยวชาญ ซึ่งจะช่วยให้คนทำงานสามารถเดินหน้าสู่จุดหมายได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น

พันธมิตรนานาชาติร่วมขับเคลื่อนการนำ AI มาใช้ในภาคอีคอมเมิร์ซของประเทศไทย

ในลำดับต่อมา Brad Smith ได้เป็นพยานในพิธีลงนามข้อตกลงมอบเงินทุนสนับสนุนระหว่างสำนักงานการค้าและการพัฒนาแห่งสหรัฐอเมริกา (USTDA) บริษัท เอคอมเมิร์ซ กรุ๊ป จำกัด (มหาชน) ผู้ให้บริการด้านอีคอมเมิร์ซชั้นนำ และบริษัท Ai-ssistance ผู้พัฒนาโซลูชัน AI เพื่อภาคธุรกิจ

ภายใต้ข้อตกลงนี้ AI-ssistance จะทำการศึกษาความเป็นไปได้ในการนำ Generative AI ขั้นสูง พร้อมด้วยโซลูชันคลาวด์ที่พัฒนาจากเทคโนโลยีของไมโครซอฟท์ มาปรับใช้กับแพลตฟอร์มอีคอมเมิร์ซของบริษัทเอคอมเมิร์ซ ทั้งนี้ แนวทางการปรับใช้ที่จะนำมาพิจารณา ครอบคลุมทั้งการสร้างคอนเทนต์ใหม่จากข้อมูล ระบบอัตโนมัติด้านงานขาย และผู้ช่วย AI สำหรับการช้อปปิ้ง โดยทุกโซลูชันมีเป้าหมายที่จะยกระดับการดำเนินงานของธุรกิจอีคอมเมิร์ซ และเปิดโอกาสให้ผู้ประกอบการเอสเอ็มอีในประเทศได้เข้าถึงเทคโนโลยีขั้นสูง พร้อมแข่งขันในระดับภูมิภาคได้อย่างมั่นใจยิ่งขึ้น

เมื่อเสร็จสมบูรณ์แล้ว ความร่วมมือนี้อาจได้รับการต่อยอดออกไปในตลาดอื่นๆ ของเอคอมเมิร์ซ ทั้งในอินโดนีเซีย มาเลเซีย ฟิลิปปินส์ และสิงคโปร์ ซึ่งจะนับเป็นการตอกย้ำสถานะของประเทศไทยในการสรรสร้างนวัตกรรม AI ทื่ “Born in Thailand” จากฝีมือนักพัฒนาไทย พร้อมส่งออกสู่ภูมิภาคเอเชียตะวันออกเฉียงใต้

ร่วมพลิกโฉมภาคธุรกิจของไทยด้วย AI 

นอกจากนี้ Brad Smith ยังได้ร่วมหารือกับ คุณศุภชัย เจียรวนนท์ ม.ร.ว. นงคราญ ชมพูนุท และคณะกรรมการสภาดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งประเทศไทย เพื่อหารือถึงแนวทางที่ไมโครซอฟท์จะให้การสนับสนุนพันธกิจของ DCT ทั้ง 5 ด้าน ในการพัฒนาเศรษฐกิจดิจิทัลของประเทศ ในโอกาสนี้ ทั้งสองฝ่ายเห็นพ้องที่จะสำรวจความเป็นไปได้ในด้านต่างๆ โดยเริ่มต้นจากการเสริมสร้างทักษะให้กับกำลังคนด้านดิจิทัลของไทย ยกระดับความสามารถในการแข่งขันของสตาร์ทอัพ และส่งเสริมการเข้าถึงนวัตกรรมดิจิทัลอย่างทั่วถึงและยั่งยืน

นอกเหนือจากการเปลี่ยนแปลงในระดับองค์กรแล้ว ทั้งสองฝ่ายยังได้แลกเปลี่ยนมุมมองด้านการขยายแผนงานสู่ระดับชาติ โดยเน้นย้ำถึงความสำคัญของการยกระดับมาตรฐานด้านความเข้าใจในเทคโนโลยี AI การสร้างทักษะ AI ให้กั้บแรงงานทุกภาคส่วน และการนำ AI มาผสมผสานเข้ากับระบบการศึกษาของประเทศไทย รวมถึงการปรับเปลี่ยนบทบาทให้บุคลากรครูสามารถส่งเสริมการเรียนรู้ในรูปแบบที่มี AI สนับสนุน

กล้ามเนื้อคือหนึ่งในสิ่งที่วิศวกรหุ่นยนต์อิจฉาธรรมชาติมากที่สุด มันแข็งแรง ตอบสนองเร็ว ยืดหดได้ในแนวเส้นตรง แถมยังเรียงซ้อนกันเป็นมัดได้ตามต้องการ แต่กว่าจะสร้างอะไรที่ใกล้เคียงได้ขนาดนี้ วิศวกรต้องพึ่งมอเตอร์ ปั๊ม สายยาง และอุปกรณ์ที่ทั้งหนัก ทั้งดัง ทั้งเทอะทะ

ตอนนี้ทีมวิจัยจาก MIT Media Lab ร่วมกับ Politecnico di Bari ในอิตาลี เพิ่งตีพิมพ์งานวิจัยลงวารสาร Science Robotics ที่อาจเปลี่ยนภาพนั้นไปเลย พวกเขาพัฒนา 'กล้ามเนื้อเทียมแบบเส้นใย' ที่ขับเคลื่อนด้วยไฟฟ้า ทำงานเงียบ ไม่ต้องมีมอเตอร์หรือปั๊มภายนอก และบางเส้นหนาไม่ต่างจากไม้จิ้มฟัน

สองเทคโนโลยีที่มาเจอกัน

หัวใจของระบบนี้คือการรวมสองสิ่งเข้าด้วยกัน สิ่งแรกคือ Thin McKibben Actuator ซึ่งเป็นกล้ามเนื้อเทียมแบบขับเคลื่อนด้วยของไหล เวลามีแรงดันเข้ามา เส้นใยจะหดตัว ปล่อยแรงดันออก เส้นใยจะคลายตัว คล้ายกับกล้ามเนื้อจริงที่เกร็งแล้วคลาย

สิ่งที่สองคือ Fiber Pump ขนาดจิ๋วที่ทำงานบนหลักการ Electrohydrodynamics หรือ EHD ปั๊มตัวนี้ไม่มีชิ้นส่วนเคลื่อนไหวเลยสักชิ้น มันสร้างแรงดันโดยการฉีดประจุไฟฟ้าเข้าไปในของเหลว Dielectric ทำให้เกิด Ion ที่ลากของเหลวไปด้วย ทั้งหมดนี้อยู่ในขนาดมิลลิเมตร หนักแค่ไม่กี่กรัม

Ozgun Kilic Afsar นักศึกษาปริญญาเอกจาก MIT Media Lab และหัวหน้าทีมวิจัย อธิบายว่าปัญหาใหญ่ที่สุดของ Soft Actuator แบบใช้ของไหลมาตลอดคือมัน 'ต้องพึ่งโครงสร้างไฮดรอลิกภายนอกที่หนัก เทอะทะ และมักจะส่งเสียงดัง' ทำให้ไม่สามารถนำไปใช้ในสถานการณ์จริงที่ต้องการความกะทัดรัดและน้ำหนักเบาได้

เลียนแบบธรรมชาติ แต่ไม่ใช่แค่เพราะมันดูเท่

กลยุทธ์สำคัญของทีมคือการจัดเส้นใยเป็นคู่แบบ Antagonistic Configuration ฟังดูซับซ้อน แต่จริงๆ มันคือหลักการเดียวกับแขนของเรา ตอนงอแขน Biceps หดตัว ขณะที่ Triceps ยืดออก ในระบบนี้ Fiber Pump ตัวหนึ่งจะอยู่ตรงกลางระหว่าง McKibben Actuator สองเส้น ดันของเหลวเข้าเส้นหนึ่งให้หด พร้อมกับปล่อยอีกเส้นให้คลาย

Vito Cacucciolo ศาสตราจารย์จาก Politecnico di Bari อธิบายว่า 'กล้ามเนื้อหนึ่งหดตัว ขณะที่อีกเส้นยืดออก' เหมือนกับการทำงานของกล้ามเนื้อจริงทุกประการ

แต่ Afsar ย้ำว่าพวกเขาไม่ได้เลือกแบบนี้เพียงเพราะอยากเลียนแบบธรรมชาติ มันมีเหตุผลทางวิศวกรรมที่ชัดเจน ปัญหาใหญ่ของ EHD Pump คือมันต้องมีถังเก็บของเหลวภายนอกที่เปิดสู่บรรยากาศ ซึ่งเป็นข้อจำกัดที่ทำให้ใช้นอกห้องแล็บไม่ได้จริง การจับคู่ McKibben สองเส้นกับ Fiber Pump ตรงกลางให้เป็นวงจรปิด ทำให้ไม่ต้องมีถังเก็บภายนอกอีกต่อไป

ต้องอัดแรงดันไว้ก่อน ไม่งั้นฟองอากาศจะทำพัง

อีกสิ่งที่ทีมค้นพบคือเส้นใยกล้ามเนื้อต้องมี 'แรงดันเบื้องต้น' อยู่ในระบบตลอดเวลา ไม่ใช่แค่เติมของเหลวเข้าไปแล้วจบ ถ้าแรงดันภายในตกต่ำเกินไป จะเกิดปรากฏการณ์ที่เรียกว่า Cavitation ซึ่งก็คือการเกิดฟองไอภายในของเหลว เมื่อแรงดันที่ทางเข้าปั๊มต่ำกว่าแรงดันไอของของเหลว ฟองพวกนี้จะนำไปสู่ Dielectric Breakdown ทำให้ปั๊มเสียหายหรือหยุดทำงาน

วิธีแก้คือการใส่ Bias Pressure ไว้ตั้งแต่ต้น ให้แรงดันภายในไม่ตกต่ำกว่าจุดวิกฤต Afsar อธิบายว่าขนาดของ Bias Pressure ปรับได้ตามการใช้งาน ถ้าต้องการให้หดตัวได้มากที่สุด มีค่าที่เหมาะสมอยู่ช่วงหนึ่ง ถ้าต้องการให้ตอบสนองเร็วขึ้น ก็เพิ่มแรงดันได้ แต่แลกกับระยะหดตัวที่น้อยลง

ทำไมถึงดีกว่า Servo Motor

Cacucciolo ชี้ให้เห็นว่าแขนหุ่นยนต์และหุ่นยนต์ Humanoid ส่วนใหญ่ในปัจจุบันสร้างขึ้นรอบ Servo Motor ซึ่งสร้างการเคลื่อนที่แบบหมุนบนเพลา แล้วต้องแปลงเป็นการเคลื่อนที่แนวเส้นตรงอีกที นั่นทำให้มีข้อจำกัดเรื่องการจัดวาง เพราะ Servo Motor จัดเรียงให้แน่นได้ยาก และมีแนวโน้มจะกระจุกน้ำหนักไว้ใกล้ข้อต่อ

กล้ามเนื้อเทียมแบบเส้นใยนี้ต่างออกไป มันหดและยืดในแนวเส้นตรงโดยธรรมชาติ เหมือนกล้ามเนื้อจริง จัดเรียงซ้อนกันแน่นได้ และกระจายไปทั่วโครงสร้างของหุ่นยนต์หรือ Exoskeleton ได้ แทนที่จะกระจุกอยู่ตรงข้อต่อ

จากแล็บสู่ Exoskeleton

กล้ามเนื้อเทียมแบบนี้น่าจะมีประโยชน์มากสำหรับอุปกรณ์สวมใส่ ไม่ว่าจะเป็น Exoskeleton ที่ช่วยยกของหนัก หรืออุปกรณ์ช่วยเหลือที่เพิ่มความคล่องแคล่วให้มือ แต่ Cacucciolo บอกว่าหลักการเบื้องหลังใช้ได้กว้างกว่านั้นมาก 'ทุกที่ที่ใช้ Fluidic Actuator หรือที่วิศวกรต้องการเปลี่ยนปั๊มภายนอกเป็นปั๊มภายใน หลักการออกแบบเหล่านี้นำไปใช้ได้ทั้งหมด'

Herbert Shea ศาสตราจารย์จาก Soft Transducers Laboratory แห่ง Ecole Polytechnique Federale de Lausanne ในสวิตเซอร์แลนด์ ซึ่งไม่ได้มีส่วนร่วมในงานวิจัยนี้ ให้ความเห็นว่า 'การที่ปั๊มไม่มีชิ้นส่วนเคลื่อนไหว ทำให้กล้ามเนื้อเหล่านี้เงียบสนิท ซึ่งเป็นข้อได้เปรียบสำคัญสำหรับอุปกรณ์เทียมและเสื้อผ้าช่วยเหลือ' และเสริมว่างานวิจัยนี้ 'เชื่อมช่องว่างระหว่างพลศาสตร์ของไหลพื้นฐานกับการประยุกต์ใช้ในหุ่นยนต์จริง'

ที่มา: News MIT

Jobs บอกว่า Passion ของเขาคือ ต้องรักในสิ่งที่ทำจริง ๆ ต้องสนุกกับมัน และต้องทำมันได้ยาวนาน ไม่ใช่แค่ช่วงที่ทุกอย่างดี ไม่ใช่แค่วันที่มีคนปรบมือ แต่รวมถึงวันที่ไม่มีใครมอง วันที่งานน่าเบื่อ วันที่ทุกอย่างพังต่อหน้าต่อตา

ถ้าคุณไม่ได้รักมันจริง คุณจะเลิก นั่นคือสิ่งที่เขาเห็นมาตลอด คนที่ประสบความสำเร็จไม่ได้มี passion แบบลุกโชนตลอดเวลา แต่พวกเขาอึดพอที่จะผ่านช่วงที่มันยากได้ ส่วนคนที่ไม่ได้รักจริง พอเจอแรงเสียดทาน ก็ถอย

ดังนั้น คำว่า Passion สำหรับ Jobs ไม่ได้กำลังพูดถึงไฟที่ลุกโชนเพียงชั่วข้ามคืน แต่เขากำลังพูดถึง ‘ความอึด’ ในการยืนระยะ

Passion ไม่ใช่พรสวรรค์ แต่คือความอดทน

หลายคนเข้าใจผิดว่าความหลงใหลคือสภาวะที่เรามีหรือไม่มีมันติดตัวมาแต่เกิด แต่ในโลกของการทำงานจริง Passion คือการยอมตื่นขึ้นมาจัดการกับกองงานตรงหน้าในบ่ายวันพฤหัสบดีที่แสนจืดชืด ในวันที่ไม่มีเสียงปรบมือ ไม่มีใครกดไลก์ แต่คุณยังเลือกที่จะทำมันต่อ

เขามองว่าการทำงานใหญ่หรือการทำธุรกิจ มันเหมือนเรากำลังวิ่งมาราธอนที่ไม่มีเส้นชัยชัดเจน ระหว่างทางคุณต้องเจอทั้งความน่าเบื่อ ปัญหาจุกจิก และวันที่อยากจะเลิกทำวันละหลาย ๆ รอบ Jobs เลยบอกว่า ถ้าคุณไม่ได้รักงานนั้นจริง ๆ คุณจะยอมแพ้แน่นอน เพราะคนปกติที่ไหนจะยอมทนกับความเหนื่อยสายตัวแทบขาดได้นานขนาดนั้น ถ้าใจมันไม่รัก

แต่ความพลาดของพวกเราส่วนใหญ่คือ เรามักแยกไม่ออกระหว่างความตั้งใจ กับความกดดัน เราชอบคิดไปเองว่า คนที่ตั้งใจทำงานคือคนที่ต้องยุ่งตลอดเวลา ต้องนั่งปั่นงานจนลืมกินข้าว หรือต้องเครียดหน้าดำคร่ำเครียด แต่จริงๆ แล้วนั่นไม่ใช่ Passion แต่มันคือการฝืน ซึ่งถ้าเราฝืนแบบนี้ไปเรื่อย ๆ ไฟมันจะมอดและกลายเป็นอาการหมดไฟในที่สุด Jobs เลยพยายามบอกว่า เราต้องเหลือช่องว่างให้ตัวเองได้พัก ได้สนุก และได้ใช้ความคิดสร้างสรรค์บ้าง งานมันถึงจะเดินหน้าต่อได้ยาว ๆ

แล้วเราทนทำสิ่งเหล่านี้ไปตลอดรอดฝั่งได้ยังไง? เคล็ดลับของ Jobs คือให้มองไปที่ความรู้สึกของคน เขาไม่ได้สร้าง iPhone แค่เพราะอยากขายของ แต่เขาสนใจว่าคนใช้จะรู้สึกยังไงเมื่อได้ใช้มัน 

งานของเราก็เหมือนกันครับ ถ้าเรามัวแต่มองว่ามันคือหน้าที่ มันก็จะเป็นแค่ภาระที่หนักอึ้ง แต่ถ้าลองหยุดถามตัวเองสักนิดว่า "งานที่เรากำลังง่วนอยู่เนี่ย มันไปช่วยให้ชีวิตใครดีขึ้นบ้าง?" พอเราเห็นคุณค่าตรงนี้ งานที่เคยดูน่าเบื่อจะเริ่มมีความหมายขึ้นมาทันที

สุดท้ายสิ่งที่ผู้นำต้องระวังคือ ความเครียดมันติดต่อกันได้ ถ้าหัวหน้าทำงานแบบอมทุกข์ ลูกน้องก็หมดไฟตามได้ง่าย ๆ ดังนั้นถ้าวันนี้คุณเริ่มรู้สึกไม่สนุก อย่าแค่ทนไปวัน ๆ แต่ให้ลองเปลี่ยนวิธีทำงาน หรือหาแง่มุมใหม่ ๆ ที่ทำให้ใจกลับมาเต้นแรงอีกครั้ง

เพราะสุดท้ายแล้ว ถ้างานมันไม่ดึงดูดให้เราแคร์อีกต่อไป ต่อให้คุณจะอึดแค่ไหน คุณก็ไปไม่ถึงฝันอยู่ดี

อ้างอิง: inc

คนทำงานออฟฟิศที่เคยลองใช้ AI ช่วยงาน อาจเคยรู้สึกหวั่น ๆ ว่าสักวันจะโดนแทนที่ แต่งานวิจัยล่าสุดจาก MIT บอกเราว่าตอนนี้ AI ยังทำงานได้แค่ระดับพอผ่านเท่านั้น ถ้าเปรียบเทียบก็เหมือนเด็กฝึกงานที่ทำงานส่งได้ แต่หัวหน้าต้องมานั่งแก้ทุกครั้ง

MIT ทดสอบอะไร แล้วทดสอบอย่างไร ?

ทีมวิจัยจาก MIT เอาโมเดล AI มา 41 ตัว ซึ่งรวมทั้ง Claude, Gemini และ ChatGPT แล้วให้ทำงานจริง ๆ ที่เป็นงานเขียนเป็นหลักมากกว่า 11,000 tasks ตามตำแหน่งงานต่าง ๆ ที่กระทรวงแรงงานสหรัฐฯ ระบุไว้

จากนั้นให้คนที่ทำงานจริงในสายนั้น ๆ มาให้คะแนน ไม่ใช่ให้ AI ตรวจ AI เอง แต่เอาคนที่มีประสบการณ์ตรงมาตัดสินว่าผลงานที่ AI ทำออกมา ถ้าส่งให้หัวหน้าโดยไม่ต้องแก้อะไรเลย จะผ่านไหม แล้วคุณภาพเป็นอย่างไร

ผลออกมา 65% ของงานทั้งหมด AI ทำได้แค่ 'พอใช้ได้'

MIT ใช้สเกลให้คะแนน 1-9 โดยที่คะแนน 7 หมายถึงพอใช้ได้ คือส่งงานได้โดยไม่ต้องแก้ แต่ก็ไม่ได้ดีเด่นอะไร ผลคือ ณ ปลายปี 2025 ที่ผ่านมา AI ทำคะแนนถึง 7 ได้ใน ราว ๆ 65% ของงานทั้งหมด ฟังดูเหมือนเยอะ แต่ถ้าคิดกลับกันหมายความว่ายังมีอีก 35% ที่ AI ยังทำไม่ถึงเกณฑ์ขั้นต่ำด้วยซ้ำ

พองานยากขึ้น AI ยิ่งสู้ไม่ไหว

ส่วนที่น่าสนใจที่สุดคือ เมื่อยกมาตรฐานขึ้นไปที่คะแนน 9 หรือระดับยอดเยี่ยม โอกาสที่ AI จะทำได้ ไม่เคยเกิน 50% เลย ไม่ว่าจะให้เวลาเท่าไหร่ก็ตาม พูดให้เข้าใจ คือถ้างานต้องใช้หลายขั้นตอน ต้องใช้ความคิดสร้างสรรค์ หรือต้องการความแม่นยำสูง AI ก็มีโอกาสพลาดมากกว่าสำเร็จ

งานไหนที่ AI ทำได้ งานไหนยังต้องพึ่งคน 

ข้อมูลจาก MIT ชี้ว่า AI ทำงานที่เป็นพื้นฐานในสายงานก่อสร้างและงานซ่อมบำรุงได้ค่อนข้างดี เพราะงานเหล่านี้มักเป็นงานที่มีรูปแบบชัดเจน ทำตามขั้นตอนได้ แต่พอเป็นงานที่ต้องใช้ทักษะเฉพาะทางอย่างเช่น งานกฎหมาย หรือ งาน IT คะแนนเฉลี่ยที่ออกมากลับต่ำกว่า สะท้อนว่า AI ยังรับมือกับงานที่ต้องตีความ วิเคราะห์ หรือตัดสินใจที่ซับซ้อนได้ไม่ดี

ซึ่งตรงนี้สอดคล้องกับสิ่งที่เราเห็นในตลาดแรงงานจริง ๆ ว่าบริษัทส่วนใหญ่เอา AI ไปแทนงาน routine หรืองาน entry-level ก่อน ขณะที่คนที่มีทักษะเฉพาะทาง โดยเฉพาะด้านดิจิทัลกลับได้ค่าตอบแทนสูงขึ้น

เคสจริงที่ AI ทำพลาดก็มีให้เห็น

เรื่องนี้ไม่ใช่แค่ตัวเลขในงานวิจัย แต่มีตัวอย่างจริงให้เห็นแล้ว

• Deloitte เคยใช้ AI ทำรายงานให้ลูกค้าภาครัฐในออสเตรเลียและแคนาดา แล้วพบว่ารายงานเต็มไปด้วย ข้อมูลที่ AI แต่งขึ้นมาเอง 
• สื่ออย่าง CNET และ Sports Illustrated ก็เคยถูกจับได้ว่าใช้ AI เขียนบทความที่มีข้อมูลผิด แถมใส่ชื่อนักเขียนปลอม 
• ในวงการกฎหมาย ก็มีกรณีที่สำนักงานทนายต้องออกมาขอโทษต่อสาธารณะ หลังจากเอกสารที่ยื่นต่อศาลมีการอ้างอิงคดีที่ AI สร้างขึ้นมา ซึ่งไม่มีอยู่จริง

แต่ตอนนี้ AI กำลังเก่งขึ้นเร็วมาก

ถึง AI จะยังไม่สมบูรณ์แบบ แต่สิ่งที่ปฏิเสธไม่ได้คือมันกำลังดีขึ้นอย่างรวดเร็ว 

ทีม MIT ประเมินว่าอัตราความสำเร็จของ AI เพิ่มขึ้นสูงสุดถึง 11 เปอร์เซ็นต์ต่อปี จากโมเดลที่ฉลาดขึ้นเรื่อย ๆ และคาดการณ์ว่าภายในปี 2029 AI จะสามารถทำงานเขียนได้ 80-95% ในระดับ 'พอใช้ได้' แต่คำถามสำคัญคือ AI จะไปถึงระดับยอดเยี่ยมได้หรือไม่ ตรงนี้ทีมวิจัยยังไม่ฟันธง โดยเฉพาะในงานที่ผิดพลาดไม่ได้ อย่างเช่น งานกฎหมาย งานการแพทย์ หรืองานการเงิน การจะปล่อยให้ AI ทำเองทั้งหมดยังเป็นเรื่องที่อีกไกล

สรุป

ถ้าเปรียบ AI ตอนนี้เป็นพนักงาน AI คือพนักงานที่ร่างอีเมลได้ สรุปข้อมูลได้ กรอกตัวเลขได้ แต่ถ้าจะให้ทำงานที่ต้องคิด ตัดสินใจ หรืองานที่ถ้าผิดพลาดแล้วจะเจ็บหนัก งานเหล่านี้ยังต้องมีคนมาคุมอยู่ดี 

สิ่งที่เราเห็นจากงานวิจัยนี้ชัดเจนว่าคนที่รู้จักใช้ AI เป็นเครื่องมือจะได้เปรียบกว่าคนที่ปล่อยให้ AI ทำเองทั้งหมด ทักษะในการตรวจสอบ แก้ไข และตัดสินใจว่าอะไรดี อะไรยังไม่ได้ ยังเป็นสิ่งที่ AI ทำแทนไม่ได้ 

อ้างอิง: fortune

การจะรู้ว่าแบคทีเรียในตัวผู้ป่วยเป็นเชื้ออะไร ดื้อยาหรือเปล่า ปกติต้องเพาะเชื้อแล้วรอผลหลายวัน แต่นักวิจัยจาก TU Delft ในเนเธอร์แลนด์ตั้งคำถามง่ายๆ ว่า ถ้าดูด้วยตายาก แล้วลอง 'ฟัง' มันแทนล่ะ?

พวกเขาสร้างสิ่งที่เรียกว่า 'Nanodrum' หรือกลองจิ๋วขนาดนาโนเมตร ทำจากแผ่นกราฟีนสองชั้นบางเพียง 1 นาโนเมตร วางทับบนช่องว่างขนาด 8 ไมโครเมตร พอดีกับขนาดของแบคทีเรียส่วนใหญ่ที่ยาวประมาณ 1 ถึง 10 ไมโครเมตร แล้วเมื่อแบคทีเรียที่ยังมีชีวิตมาเกาะบนแผ่นกราฟีนมันจะขยับตัว หมุน Flagellum (หางที่ใช้ว่ายน้ำ) สร้างแรงสั่นสะเทือนบนหน้ากลอง คล้ายกับมือกลองจิ๋วที่กำลังตีจังหวะของตัวเอง

ทีมวิจัยใช้ลำแสง Laser ยิงไปที่หน้ากลอง แล้วอ่านสัญญาณที่สะท้อนกลับมา จับการเคลื่อนไหวของแบคทีเรียตัวเดียวได้อย่างละเอียด Farbod Alijani วิศวกรเครื่องกลจาก TU Delft บอกว่า 'เราดูได้ถึงระดับเซลล์เดียวเลย เรามีความไวขนาดนั้น'

เรื่องสำคัญคือทำไมต้องกราฟีน ?

เพราะมันทั้งแข็งแรงพอรับน้ำหนักแบคทีเรียได้ และอ่อนไหวพอที่จะสั่นตามทุกการขยับเล็กๆ ของเชื้อ วิธีเก่าๆ ที่เคยจับการเคลื่อนไหวของแบคทีเรียได้นั้นมักต้องวัดค่าเฉลี่ยจากเชื้อจำนวนมากพร้อมกัน แต่ Nanodrum ของ TU Delft แยกฟังเชื้อทีละตัวได้

จากเสียงเป็นเสียงที่ต่างกัน

พอแปลงจังหวะกลองเป็นเสียงที่ฟังได้จริง Aleksandre Japaridze หัวหน้าฝ่ายเทคนิคของ SoundCell (บริษัท Spin-off จาก TU Delft) บอกว่า 'มันเสียงดังมาก เหมือนอยู่ในอุโมงค์ลม' แต่ถ้าฆ่าเชื้อด้วยยา เสียงจะเงียบลงทันที ไม่ได้ยินอะไรอีก

การค้นพบนี้นำไปสู่การทดสอบความดื้อยาปฏิชีวนะ เมื่อพวกเขาใส่ยาปฏิชีวนะลงไปบนกลองที่มี E. Coli เล่นอยู่ กลองเงียบลงภายในไม่กี่ชั่วโมง แต่ถ้าเป็น E. Coli สายพันธุ์ดื้อยา มันเล่นกลองต่อเหมือนไม่มีอะไรเกิดขึ้น

แต่เรื่องพลิกตอนที่มีคนถามในงานประชุมว่า 'แบคทีเรียต่างชนิดเล่นเสียงต่างกันไหม?' ทีมวิจัยยังไม่แน่ใจ เลยไปทดสอบจริงจัง โดยบันทึกจังหวะกลองของแบคทีเรียจากตัวอย่างผู้ป่วยจริง แล้วแปลงเป็น Spectrogram เพื่อวิเคราะห์รูปแบบการเคลื่อนไหว จากนั้นเทรน Machine Learning สองโมเดลให้แยกแยะเชื้อ 3 ชนิด ได้แก่ E. Coli, Staphylococcus Aureus (เชื้อก่อโรคติดเชื้อ Staph) และ Klebsiella Pneumoniae (หนึ่งในเชื้อก่อโรคปอดบวม)

ผลคือโมเดลทั้งสองแยกเชื้อได้แม่นถึง 87 ถึง 88 เปอร์เซ็นต์ ซึ่งยืนยันว่าแบคทีเรียแต่ละชนิดมี 'ลายเซ็นเสียง' เป็นของตัวเอง Japaridze อธิบายว่า 'มันเป็นวิธีตีความสปีชีส์ที่ต่างออกไปโดยสิ้นเชิง ไม่ใช่ทางเคมีหรือชีววิทยา แต่เป็นพฤติกรรมเชิงกลล้วนๆ'

เร็วกว่าวิธีปัจจุบันหลายเท่า

เรื่องนี้สำคัญมากในทางปฏิบัติ เพราะเชื้อดื้อยาปฏิชีวนะอาจเป็นสาเหตุการเสียชีวิตมากกว่าหนึ่งล้านคนต่อปี และหนึ่งในปัญหาใหญ่คือการตรวจว่าเชื้อดื้อยาหรือเปล่านั้นช้ามาก วิธีปัจจุบันอาจใช้เวลาหลายวัน แต่เทคโนโลยีของ SoundCell ทำได้เร็วที่สุดแค่ชั่วโมงเดียว

ตอนนี้ SoundCell ย่อขนาดอุปกรณ์จากโต๊ะออปติคอลขนาดใหญ่ในห้องแล็บ มาเป็นเครื่องขนาดเล็กที่เหมาะกับโรงพยาบาล และได้ติดตั้งเครื่องต้นแบบที่โรงพยาบาลสองแห่งในเนเธอร์แลนด์แล้ว เพื่อทดสอบประสิทธิภาพในสภาพแวดล้อมจริง

งานวิจัยนี้ตีพิมพ์ในวารสาร ACS Sensors เมื่อเดือนมีนาคมที่ผ่านมา

ถ้าทุกอย่างเป็นไปตามแผน อนาคตของการวินิจฉัยโรคติดเชื้ออาจไม่ใช่การส่องกล้องจุลทรรศน์อีกต่อไป แต่เป็นการ 'ฟัง' ว่าเชื้อโรคกำลังเล่นเพลงอะไรอยู่บนกลองจิ๋วของมัน

ที่มา: Spectrum IEEE

ChatGPT มีช่องโหว่ใหญ่เรื่องราคา ผู้ใช้ที่จ่าย Plus 20 ดอลลาร์ต่อเดือนแล้วรู้สึกไม่พอ ต้องกระโดดขึ้นไป Pro 200 ดอลลาร์ทันที ไม่มีจุดกึ่งกลางให้เลือก Sam Altman ซีอีโอของ OpenAI โพสต์ผ่าน X ว่าแพลนนี้เกิดขึ้นจากเสียงเรียกร้องของผู้ใช้จริง ๆ

โครงสร้างราคาปัจจุบันของ ChatGPT

จากการปรับเปลี่ยนล่าสุด ลำดับขั้นสมาชิกของ ChatGPT มีดังนี้

• Free: ใช้งานฟรี (ปัจจุบันมีโฆษณา)
• Go ($8/เดือน): แพ็กเกจเริ่มต้น (ยังมีโฆษณา)
• Plus ($20/เดือน): ไม่มีโฆษณา
• Pro ($100/เดือน): (ใหม่) เน้นงานสาย Coding
• Pro ($200/เดือน): แพ็กเกจสูงสุดสำหรับงานหนักพิเศษ (แม้ปัจจุบันหน้าเว็บจะไม่แสดงราคา แต่ OpenAI ยืนยันว่ายังมีให้บริการอยู่)

สิ่งที่ได้ในแพลน 100 ดอลลาร์สหรัฐฯ

แพลนใหม่ให้ Codex usage มากกว่า Plus 5 เท่า พร้อมสิทธิ์เข้าถึง exclusive Pro models, Instant models และ Thinking models แบบไม่จำกัด

สำหรับใครที่สมัครก่อนวันที่ 31 พฤษภาคม จะได้โปรโมชั่นพิเศษ คือ Codex usage เพิ่มเป็น 10 เท่าของ Plus หลังจากนั้นอาจมีการปรับลดเพดานการใช้งานลงสู่ระดับปกติ

อ้างอิง: techcrunch

ปัจจุบันสมาร์ทวอทช์ของ Garmin ไม่ได้เป็นแค่อุปกรณ์สำหรับติดตามการออกกำลังกายเพียงอย่างเดียวอีกต่อไป แต่ยังทำหน้าที่ช่วยให้ผู้ใช้สามารถดูข้อมูลสุขภาพโดยรวมได้กว้างขึ้น ล่าสุด Garmin ได้เพิ่มฟีเจอร์การติดตามรอบเดือนและวันไข่ตก เข้ามาในนาฬิกาหลายรุ่น โดยเป็นการร่วมมือกับ Natural Cycles 

ฟีเจอร์นี้ทำงานอย่างไร

ระบบจะทำงานโดยการวัดอุณหภูมิร่างกายของผู้ใช้งานในเวลากลางคืนขณะนอนหลับ จากนั้นเมื่อตื่นมา ข้อมูลอุณหภูมิดังกล่าวจะถูกซิงค์เข้ากับแอปพลิเคชัน Natural Cycles โดยตรง เพื่อประมวลผลเกี่ยวกับรอบเดือนและวันตกไข่ 

ข้อดีของการใช้นาฬิกาติดตามรอบเดือน คือมันง่าย เราไม่ต้องกินยาคุมกำเนิดให้ฮอร์โมนแกว่งหรือไปหาหมอทำขั้นตอนให้ยุ่งยาก แค่ดูข้อมูลจากข้อมือก็สามารถนำไปใช้ได้เลย ไม่ว่าจะวางแผนเตรียมมีลูกหรือใช้ข้อมูลนี้เพื่อคุมกำเนิดก็ได้ 

ใช้ได้กับรุ่นไหนบ้าง

ต้องบอกก่อนว่า Natural Cycles เป็นแอปพลิเคชันสำหรับการคุมกำเนิดเพียงแอปเดียวในขณะนี้ที่ได้รับการรับรองจากองค์การอาหารและยาของสหรัฐอเมริกา (FDA) การร่วมมือกันในครั้งนี้จึงทำให้นาฬิกา Garmin มีระบบติดตามรอบเดือนที่มีความน่าเชื่อถือสูง

ฟีเจอร์ใหม่นี้กำลังจะถูกอัปเดตและเปิดให้ใช้งานใน Smart Watch รุ่นยอดนิยมหลายรุ่นของ Garmin ได้แก่:

• Fenix 8
• Forerunner 570
• Venu 4
• Venu X1 

การแข่งขันในตลาดและประเทศที่รองรับการใช้งาน

Garmin ไม่ใช่แบรนด์แรกหรือแบรนด์เดียวที่มีการนำฟีเจอร์นี้มาใส่ไว้ในอุปกรณ์สวมใส่ แบรนด์คู่แข่งอื่นๆ ในตลาดอย่าง Apple, Whoop และ Fitbit ต่างก็มีฟีเจอร์ในลักษณะเดียวกันนี้ให้ผู้บริโภคเลือกใช้งานอยู่แล้ว

สำหรับการเปิดให้บริการนั้น ในปัจจุบันยังไม่ได้เปิดให้ใช้งานได้ทั่วโลก โดยทาง Garmin ระบุว่าตอนนี้สามารถใช้งานได้เฉพาะในกลุ่มประเทศดังต่อไปนี้:

• ออสเตรเลีย
• บราซิล
• แคนาดา
• สหภาพยุโรป
• นอร์เวย์
• สิงคโปร์
• สวิตเซอร์แลนด์
• สหราชอาณาจักร
• สหรัฐอเมริกา 

ส่วนประเทศอื่นๆ รวมถึงประเทศไทย ยังไม่มีกำหนดที่แน่ชัดว่าจะเริ่มปล่อยอัปเดตให้ใช้งานได้เมื่อใด

สรุป 

การจับมือระหว่าง Garmin และ Natural Cycles เพื่อเพิ่มฟีเจอร์ติดตามรอบเดือนและวันไข่ตก ถือเป็นการพัฒนาที่ช่วยให้ผู้ใช้งาน Smart Watch สามารถติดตามเรื่องสุขภาพที่สำคัญต่อชีวิตประจำวันได้อย่างสะดวกมากขึ้น โดยอาศัยข้อมูลอุณหภูมิร่างกายเพื่อวิเคราะห์รอบเดือน แม้จะยังไม่เปิดให้ใช้งานครบทุกประเทศในตอนนี้ แต่ก็ถือเป็นการเพิ่มทางเลือกที่มีประโยชน์และตอบโจทย์การดูแลสุขภาพโดยไม่ต้องใช้วิธีที่ซับซ้อน

อ้างอิง: techradar

แนวคิดของระบบนี้ไม่ใช่การปรับปรุงโมเดล LLM  โดยตรง แต่เป็นการเพิ่ม “ชั้นของความสามารถ” เข้าไปภายนอก เพื่อเปิดทางให้ Agent สามารถสร้าง ปรับปรุง และสะสม Skill ของตัวเองได้อย่างต่อเนื่อง โดยไม่ต้องเทรนโมเดลใหม่ทุกครั้ง

Jun Wang หนึ่งในผู้เขียนงานวิจัยอธิบายว่า Memento-Skills ทำหน้าที่เสริม Continual learning ให้กับ Agent ยุคใหม่ และสามารถนำไปใช้งานร่วมกับระบบเดิมได้ทันที เช่น OpenClaw และ Claude Code โดยไม่ต้องแก้ไขโครงสร้างหลักของโมเดล

ปัญหา AI agent ที่ “หยุดเรียนรู้” หลัง Deploy

โดยธรรมชาติของโมเดลภาษา เมื่อผ่านการ Train และถูก Deploy แล้ว พารามิเตอร์จะถูกตรึงไว้ ส่งผลให้ Agent ไม่สามารถเรียนรู้สิ่งใหม่จากการใช้งานจริงได้ช

ในทางปฏิบัติ ทีมพัฒนามักใช้วิธี “เสริมจากภายนอก” เช่น การเขียน Skill เพิ่มด้วยมือ หรือการปรับ Prompt เพื่อให้ตอบได้ดีขึ้น อย่างไรก็ตาม วิธีเหล่านี้ยังเป็นเพียงการปรับแต่งพฤติกรรม ไม่ใช่การเรียนรู้ที่แท้จริง และมักไม่สามารถนำไปใช้ข้าม Task ได้อย่างมีประสิทธิภาพ

ขณะเดียวกัน แนวทางอย่าง Rag ที่อาศัย Semantic similarity ในการค้นหาความรู้ ก็มีข้อจำกัดในตัวเอง เพราะความคล้ายของภาษาไม่ได้รับประกันว่าคำตอบจะเหมาะกับบริบทของงาน ตัวอย่างเช่น Agent อาจเลือกขั้นตอน “รีเซ็ตรหัสผ่าน” มาใช้กับ “คืนเงิน” เพียงเพราะใช้คำศัพท์ใกล้เคียงกัน แม้เนื้อหาจะไม่เกี่ยวข้องโดยตรง

จาก Memory ธรรมดา สู่ Skill ที่พัฒนาได้เอง

ที่มา: GitHub - Memento-Skills

Memento-Skills เสนอแนวคิดใหม่ โดยเปลี่ยน Memory ให้กลายเป็น 'คลัง Skill ที่พัฒนาได้' 

แทนที่จะเก็บเพียงประวัติการทำงาน ระบบจะสร้าง Skill ในรูปแบบที่มีโครงสร้างชัดเจน และสามารถนำไปใช้ซ้ำหรือปรับปรุงต่อได้ โดยแต่ละ Skill ประกอบด้วย 3 ส่วนสำคัญ ได้แก่

• Declarative specification ที่อธิบายว่า Skill คืออะไร และควรใช้ในสถานการณ์แบบใด
• Instruction และ Prompt ที่กำหนดแนวทางการคิดของ Agent
• Executable code ที่สามารถนำไปใช้ทำงานจริงได้

โครงสร้างนี้ทำให้ Skill ไม่ใช่แค่บันทึกสิ่งที่เคยทำแต่กลายเป็น “หน่วยความสามารถ” ที่สามารถนำกลับมาใช้และพัฒนาต่อได้อย่างเป็นระบบ

เรียนรู้จากการใช้งานจริงแบบ Reflective

หัวใจของระบบคือ Read-write reflective learning ที่ทำให้ Agent เรียนรู้จากผลลัพธ์ของตัวเอง ซึ่งเปลี่ยน Memory จาก Passive storage ให้กลายเป็น Active learning system

เมื่อ Agent ได้รับ Task ใหม่ ระบบจะใช้ Skill router เพื่อเลือก Skill ที่เหมาะสมที่สุด โดยพิจารณาจากลักษณะการใช้งานจริงหรือพฤติกรรม ไม่ใช่เพียงความคล้ายของข้อความ

หาก Skill ที่เลือกมาไม่สามารถแก้ปัญหาได้ Agent จะวิเคราะห์สาเหตุของความล้มเหลว และดำเนินการปรับปรุงโดยอัตโนมัติ ไม่ว่าจะเป็นการแก้ไข Prompt ปรับโค้ด หรือสร้าง Skill ใหม่ขึ้นมา

กระบวนการเรียนรู้เหล่านี้ถูกสนับสนุนด้วย Offline reinforcement learning ซึ่งเรียนรู้จากผลลัพธ์ของการทำงานจริง ทำให้การพัฒนา Skill มีทิศทางที่สอดคล้องกับประสิทธิภาพจริง ไม่ใช่เพียงการประเมินจากข้อความ

ในขณะเดียวกัน ระบบยังมี Unit-test gate เพื่อทดสอบ Skill ที่ถูกแก้ไขก่อนนำไปใช้งานจริง ช่วยลดความเสี่ยงของ Regression หรือการที่ระบบแย่ลงหลังการปรับปรุง

ประสิทธิภาพเพิ่มขึ้นอย่างมีนัยสำคัญ

ทีมวิจัยประเมินระบบบน Benchmark ที่มีความซับซ้อนสูง ได้แก่ Gaia ซึ่งต้องใช้ Multi-step reasoning และการทำงานร่วมกับเครื่องมือ และ Humanity’s last exam (Hle) ซึ่งครอบคลุมโจทย์ระดับผู้เชี่ยวชาญในหลายสาขา

ผลการทดสอบแสดงให้เห็นถึงการปรับปรุงที่มีนัยสำคัญ โดย Gaia จาก 52.3% เพิ่มเป็น 66.0% และ Hle จาก 17.9% เพิ่มเป็น 38.7%

ในด้านการเลือกใช้ Skill ระบบ Skill router สามารถเพิ่มอัตราความสำเร็จของงานเป็น 80% เมื่อเทียบกับ 50% ของวิธี Retrieval แบบดั้งเดิมอย่าง Bm25

อีกหนึ่งจุดที่น่าสนใจคือ ระบบสามารถเริ่มต้นจาก Seed skill เพียงไม่กี่รายการ เช่น การค้นเว็บหรือการใช้ Terminal ก่อนจะค่อย ๆ ขยาย Skill library ของตัวเองขึ้นเป็นหลายสิบหรือหลายร้อยรายการตามประสบการณ์การใช้งานจริง

เหมาะกับงานที่มีรูปแบบชัดเจน

แม้แนวทางนี้จะช่วยให้ Agent พัฒนาได้ต่อเนื่อง แต่ประสิทธิภาพยังขึ้นอยู่กับลักษณะของ Task หากงานมีโครงสร้างหรือรูปแบบซ้ำกัน ระบบจะสามารถถ่ายโอนความรู้และพัฒนา Skill ได้อย่างมีประสิทธิภาพ

ในทางกลับกัน หาก Task มีความหลากหลายสูง หรือไม่เกี่ยวข้องกัน การเรียนรู้ข้าม Task จะทำได้ยากขึ้น นอกจากนี้ งานที่เกี่ยวข้องกับ Physical agent หรือการตัดสินใจระยะยาวยังคงเป็นพื้นที่ที่ต้องการการวิจัยเพิ่มเติม

แม้ระบบจะมี Unit-test gate เป็นกลไกพื้นฐานในการควบคุมคุณภาพ แต่การนำไปใช้งานในระดับองค์กรยังต้องมีการออกแบบระบบกำกับดูแลเพิ่มเติม

นักวิจัยแนะนำว่าการให้ Agent ปรับปรุงตัวเองควรอยู่ภายใต้แนวคิดของ Guided self-development หรือการพัฒนาแบบมีกรอบ มากกว่าการเปิดให้เรียนรู้แบบไร้ขอบเขต ซึ่งอาจนำไปสู่ความเสี่ยงในระยะยาว

ปัจจุบัน Memento-Skills เปิดให้ใช้งานแล้วในรูปแบบ Open source บน GitHub และถือเป็นอีกหนึ่งแนวทางที่สะท้อนทิศทางสำคัญของ AI agent ในอนาคต นั่นคือการขยับจากระบบที่ทำตามคำสั่งไปสู่ระบบที่สามารถ “พัฒนาและเรียนรู้จากประสบการณ์ของตัวเอง” ได้อย่างต่อเนื่อง

อ้างอิง: VentureBeat

ล่าสุด Grab (แกร็บ) ยักษ์ใหญ่แห่งเอเชียตะวันออกเฉียงใต้ ได้จัดงานเปิดตัวผลิตภัณฑ์ประจำปี “GrabX 2026” ณ กรุงจาการ์ตา ประเทศอินโดนีเซีย พร้อมประกาศวิสัยทัศน์ครั้งสำคัญในการทรานส์ฟอร์มแพลตฟอร์มจาก “ซูเปอร์แอป” (Super App) ไปสู่การเป็น “ผู้ช่วยอัจฉริยะ” (Intelligent Everyday Guide) ผ่านการเปิดตัว 13 นวัตกรรมใหม่ที่ใช้ขุมพลัง AI เข้ามาจัดการชีวิตประจำวันแบบไร้รอยต่อ

ฟิลลิป แคนดัล ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของแกร็บ เผยว่าหัวใจสำคัญของ GrabX 2026 คือการทำให้ AI ทำงานเพื่อยกระดับคุณภาพชีวิตผู้คน ไม่ว่าจะเป็นผู้ใช้บริการ พาร์ทเนอร์ร้านค้า หรือคนขับ โดยการนำ Insight จากพฤติกรรมการใช้งานกว่าสองหมื่นล้านครั้ง มากลั่นกรองเป็นโซลูชันภายใต้ 3 แกนหลัก ดังนี้:

1. FOR LOCAL LIFE: เชื่อมต่อทุกจังหวะชีวิตด้วย AI ส่วนตัว

Grab พยายามเข้ามาแก้ Pain Point ในชีวิตประจำวันด้วยเทคโนโลยีที่ฉลาดขึ้น:

• Group Ride & Waiting Room: บริการเรียกรถแบบกลุ่มที่ AI ช่วยคำนวณเส้นทางและจุดรับ-ส่งหลายจุดให้มีประสิทธิภาพสูงสุด ช่วยประหยัดค่าโดยสารได้ถึง 40% พร้อมฟีเจอร์ติดตามสถานะผู้ร่วมทริปแบบเรียลไทม์
• Grab More: สั่งอาหารจากร้านใกล้เคียงในออเดอร์เดียวได้โดยไม่เสียค่าส่งเพิ่ม และ AI จะคำนวณให้ไรเดอร์นำส่งอาหารจากทุกร้านถึงมือผู้รับพร้อมกัน
• Grab AI Assistant & Shopping Agent: เลขาส่วนตัวที่ช่วยจองร้านอาหารตามเงื่อนไขเฉพาะ (เช่น ประเภทอาหาร หรือจำนวนคน) รวมถึง Shopping Agent ที่ผู้ใช้เพียงส่งรูปหรือข้อความเสียง AI จะทำการค้นหาสินค้าและเลือกของลงตะกร้าให้โดยอัตโนมัติ
• GrabMaps Next Gen: แผนที่ที่เชื่อมกับปฏิทินส่วนตัวเพื่อคาดการณ์จุดหมาย พร้อมฟีเจอร์ Indoor Navigation นำทางในอาคาร และ Custom Voice ที่ให้คุณใช้เสียงตัวเองหรือคนในครอบครัวเป็นเสียงนำทางได้
• AI-Powered Cash Loan: สินเชื่อเงินสดที่ใช้ AI วิเคราะห์ศักยภาพทางการเงินจาก Data บนแอป ทำให้คนเข้าถึงเงินทุนได้ง่ายขึ้นโดยไม่ต้องใช้เอกสาร และรู้ผลอนุมัติในไม่กี่วินาที

2. FOR EFFORTLESS TRAVEL: ยกระดับประสบการณ์ท่องเที่ยวแบบไร้รอยต่อ

• Travel Checklist & eSIM: จัดการทุกอย่างตั้งแต่พาสปอร์ต, ประตูขึ้นเครื่อง ไปจนถึงการซื้อ eSIM หรือ Travel Pass ในที่เดียว
• GrabStays & Discover: จับมือกับ Nuitee นำเสนอการจองโรงแรมแบบ Last-minute ด้วย AI พร้อมระบบสะสม GrabCoin และฟีเจอร์รีวิวร้านอาหารจากผู้ใช้จริงที่คัดสรรมาเฉพาะบุคคล
• GrabPay for Travel: สแกนจ่ายผ่าน QR Code ทั่วภูมิภาคได้ทันทีผ่านบัตรที่ผูกไว้ ไม่ต้องแลกเงินหรือเติมเงินเข้า E-Wallet ให้มีเงินค้างในบัญชี

3. FOR BUSINESS EMPOWERMENT: เสริมแกร่งผู้ประกอบการด้วย Computer Vision

นวัตกรรมสำหรับพาร์ทเนอร์ร้านค้าและคนขับเพื่อเพิ่มประสิทธิภาพสูงสุด

• Virtual Store Manager: ใช้ AI Computer Vision เปลี่ยนกล้องวงจรปิดให้เป็นผู้จัดการร้าน แจ้งเตือนเมื่อคิวยาว หรือเมื่อมาตรฐานสุขอนามัยมีปัญหา
• Cloud Printer & Tap to Pay: เครื่องพิมพ์อัจฉริยะที่เชื่อมต่อครัวและไรเดอร์แบบอัตโนมัติ และการเปลี่ยนสมาร์ทโฟนให้เป็นเครื่องรับชำระเงิน (EDC) ได้ทันที
• Driver AI Assistant: ผู้ช่วยอัจฉริยะสำหรับคนขับ ที่คอยแนะนำช่วงเวลาและพื้นที่ที่จะสร้างรายได้สูงสุด รวมถึงช่วยสื่อสารกับผู้ใช้บริการ

นอกจากการเปิดตัวนวัตกรรมแล้ว แกร็บยังส่งโปรแกรม Grab Early Access ให้ผู้ใช้ได้ทดลองฟีเจอร์ใหม่ก่อนใคร รวมถึงลูกเล่นสนุกๆ อย่าง Shake and Share เพียงแค่เขย่าโทรศัพท์ก็สามารถแจ้งปัญหาหรือแสดงความคิดเห็นได้ทันที

การขยับตัวครั้งนี้ของ Grab สะท้อนให้เห็นว่า AI ไม่ได้เป็นเพียงฟีเจอร์เสริม แต่คือกระดูกสันหลังใหม่ที่จะทำให้แพลตฟอร์มนี้ฝังตัวอยู่ในทุกมิติของชีวิตชาวอาเซียนอย่างแท้จริง