ไทยจะเปลี่ยนจาก ‘ผู้ตาม’ เป็น ‘ผู้สร้าง AI’ อย่างไร ปั้นอนาคตเอไอไทยสู่เวทีโลก ฉบับ BDI

ในงาน Techsauce Global Summit 2025 เทรนด์ AI กลายเป็นประเด็นที่ทุกคนจับตามอง ไม่ใช่แค่การโชว์ความก้าวหน้าทางเทคโนโลยี แต่เป็นการตั้งคำถามใหญ่ว่าไทยจะเปลี่ยนจาก “ผู้ตาม” มาเป็น “ผู้สร้าง” ในสมรภูมิ AI ระดับโลกได้อย่างไร

เวทีนี้รวมตัวผู้นำและผู้เชี่ยวชาญจากทุกวงการ ทั้งภาครัฐและเอกชนจากไทยและต่างประเทศ นำโดย รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการ BDI, ดร.วาริน รัชนานุสรณ์ จาก depa, ดร.พาฤทธิ์ เปลี่ยนขำ ผู้ช่วยผู้อำนวยการ โรงพยาบาลสมิติเวช ศรีนครินทร์ , คุณทาเคชิ คิโตะ ผู้ร่วมก่อตั้งและซีอีโอ GFTN ประเทศญี่ปุ่น มาร่วมพูดคุยในหัวข้อ Asia’s New Dawn: Forging Our AI Future Together 

ความท้าทายและความกังวล เมื่อ AI เป็นโจทย์ใหญ่ของทุกวงการ

รศ.ดร.ธีรณี อจลากุล ผู้อำนวยการ BDI บอกว่า ปัญหาที่แท้จริงของไทยไม่ใช่เรื่องเทคโนโลยีขาด แต่เป็น “กำแพงการทำงานแบบไซโล” ที่ทำให้ข้อมูลกระจัดกระจาย ทีมงานแยกกันทำงาน และกฎหมายไม่เชื่อมโยงกัน

ถ้าอยากสร้างโครงสร้างพื้นฐาน AI ที่แข็งแรง ต้องเชื่อมโยงกำแพงเหล่านี้ให้ทุกคนทำงานร่วมกันได้ และข้อมูลต้องบูรณาการกันได้ - รศ.ดร.ธีรณี กล่าว

ต่อด้วยภาคการเงิน คุณทาเคชิ เล่าว่า AI เหมือนดาบสองคม เพราะช่วยให้การทำธุรกรรมข้ามประเทศสะดวกขึ้น แต่ก็ทำให้การโกงมีความซับซ้อนมากขึ้นด้วย ดังนั้นเราจึงต้องสร้างระบบที่ช่วยจัดการความเสี่ยงและกำกับดูแลอย่างรัดกุมไปพร้อมกัน

ด้านสาธารณสุข ดร.พาฤทธิ์ จากโรงพยาบาลสมิติเวช ชี้ว่า แม้ AI จะช่วยทำนายผลลัพธ์ในระดับบุคคลได้ แต่การนำไปใช้จริงยังมีอุปสรรคอยู่ อย่างไรก็ตาม สมิติเวชแสดงให้เห็นว่า AI ช่วยให้แพทย์วินิจฉัยมะเร็งลำไส้และมะเร็งเต้านมได้แม่นยำขึ้น และยังมีแนวคิดอยากใช้ข้อมูลเปลี่ยนระบบสุขภาพไทยจากการรักษาเป็นการป้องกัน

ขณะที่ ดร.วาริน จาก depa บอกว่า ประเทศเรายังมี “รอยแยกทางดิจิทัล” เพราะธุรกิจส่วนใหญ่ยังใช้เทคโนโลยีแบบเก่า การแก้ปัญหานี้ต้องเริ่มจากการพัฒนาทักษะคนผ่านโครงการ Digital Skill Roadmap และต้องมีความร่วมมือจากทุกฝ่ายเพื่อลดช่องว่างนี้

ไทยจะสู้ในเวที AI โลกได้ยังไง?

รศ.ดร.ธีรณี เปิดด้วยคำถามที่หลายคนสงสัยว่า 'ประเทศไทยจะก้าวทันประเทศตะวันตกและจีน และขึ้นเป็นผู้นำด้าน AI ในอาเซียนได้อย่างไร?คำถามนี้นำไปสู่แผนยุทธศาสตร์ AI แห่งชาติ ซึ่งแบ่งเป็น 2 ส่วนหลักๆ คือ

1. การสร้างความพร้อม: คือการเตรียมบ้านให้แข็งแรงก่อน ประกอบด้วย 3 เรื่องสำคัญ

• สร้างคนให้พร้อม: ตั้งเป้าให้คนไทย 10 ล้านคนใช้ AI เป็น และปั้นโปรแกรมเมอร์ AI เก่งๆ 50,000 คน
• สร้างเครื่องมือและ Data ให้พร้อม: พัฒนาโครงสร้างพื้นฐานที่ใครๆ ก็ใช้ได้ (Open-source) พร้อมกับสร้าง "คลังข้อมูล" ที่เปรียบเสมือนขุมทรัพย์ของประเทศ
• สร้างกติกาที่ยืดหยุ่น: มีพื้นที่ทดลองกฎระเบียบใหม่ๆ (Regulatory Sandbox) เพื่อให้เราไม่ติดขัดกับกฎเกณฑ์เก่าๆ ที่ตามเทคโนโลยีไม่ทัน

2. การส่งเสริมให้เกิดการใช้งานจริง: ผลักดันให้มีการใช้ AI ในอุตสาหกรรมสำคัญๆ ของประเทศ เช่น การแพทย์, ท่องเที่ยว, เกษตร โดยมีภาคเอกชนเป็นหัวหอก และตั้ง 'ศูนย์เชี่ยวชาญเฉพาะทาง' หรือ COE ขึ้นมา 9 แห่ง พร้อมงบประมาณกว่า 25,000 ล้านบาทใน 2 ปีข้างหน้าเพื่อขับเคลื่อนแผนนี้

ปัญหาใหญ่สุด คือการทลายกำแพงการทำงานแบบ Silo

แม้แผนจะดีแค่ไหน อาจารย์ธีรณีชี้ว่าเรามีปัญหาใหญ่ที่เหมือนเป็นกำแพงขวางอยู่ นั่นคือ 'ความเป็นไซโล' หรือการที่ 'ทำงานแบบตัวใครตัวมัน'

• ข้อมูลแยกส่วน: แต่ละหน่วยงานเก็บข้อมูลของตัวเอง ไม่เชื่อมถึงกัน
• ทีมงานแยกกันทำ: ต่างคนต่างทำโปรเจกต์ของตัวเอง
• กฎหมายไม่เอื้อ: อาจารย์ยกตัวอย่างกฎหมาย PDPA ที่พอเรานำของต่างชาติมาใช้ตรงๆ ก็ทำให้หน่วยงานรัฐด้วยกันเองแชร์ข้อมูลกันลำบาก ทั้งๆ ที่ควรจะทำงานร่วมกันได้

เพื่อที่จะสร้างโครงสร้างพื้นฐาน AI ที่แข็งแกร่ง เราจำเป็นต้องเชื่อมต่อไซโลทั้งหมดนี้ คนต้องทำงานร่วมกันได้ ข้อมูลต่าง ๆ ต้องสามารถเชื่อมโยงกันและนำมาใช้ประโยชน์ร่วมกันได้

เพื่อทลายกำแพงนี้ BDI กำลังขับเคลื่อน 2 โปรเจกต์ยักษ์ที่เป็นหัวใจสำคัญ:

• DII : Data Integration and Intelligence Platform: แพลตฟอร์มที่จะมาทลายกำแพงไซโล พูดง่ายๆ คือระบบกลางที่ทำให้หน่วยงานต่างๆ สามารถเชื่อมข้อมูลกันได้ โดยไม่ต้องส่งข้อมูลทั้งหมดมาเก็บไว้ที่เดียว แต่เป็นการ 'ขอดึงข้อมูลมาใช้ชั่วคราว' พอวิเคราะห์เสร็จก็จบไป ทำให้ปลอดภัยและสะดวกขึ้นมาก
• ThaiLLM: โปรเจกต์สร้าง 'AI ภาษาไทยฉลาดๆ เป็นของคนไทยเอง' คล้ายกับ ChatGPT แต่เป็นเวอร์ชันที่เข้าใจวัฒนธรรมและบริบทของคนไทยอย่างลึกซึ้ง โดย BDI ร่วมมือกับหน่วยงานเก่งๆ ทั่วประเทศรวบรวมข้อมูลภาษาไทยจากทุกแหล่งที่เป็นไปได้

ตอนนี้โปรเจกต์ Thai LLM เริ่มนำไปใช้จริงแล้ว เช่น ทำแชทบอทให้คำปรึกษาด้านกฎหมายแพ่ง หรือแชทบอทสำหรับนักท่องเที่ยว

จงเป็นผู้สร้าง ไม่ใช่เป็นเพียงผู้บริโภค AI เพียงอย่างเดียว - รศ.ดร.ธีรณี กล่าวทิ้งท้าย

มาต่อกันที่ Session 2 กับหัวข้อ “ThaiLLM as Public Infrastructure and Its Challenges” ที่จะพาเราไปเจาะเบื้องหลังโครงการ ThaiLLM โดยคุณปฏิภาณ ประเสริฐสม ผู้จัดการโครงการ ThaiLLM สถาบัน BDI

ในยุคที่ AI และโมเดลภาษาใหญ่ (LLMs) กำลังเปลี่ยนโลก แต่ภาษาและบริบทวัฒนธรรมไทยยังถูกมองเป็น 'ภาษากลุ่มน้อย' ในโลกดิจิทัล โครงการ ThaiLLM จึงเกิดขึ้นจากความร่วมมือของภาครัฐ เอกชน และภาควิชาการ เพื่อสร้างโมเดลภาษาไทยที่เป็น 'โครงสร้างพื้นฐาน' ที่ให้ทุกคนเข้าถึงและพัฒนาได้ 

Session นี้จะเล่าให้ฟังว่าเบื้องหลังโครงการนี้มีที่มาอย่างไร เป้าหมายคืออะไร และเจอความท้าทายอะไรบ้างในการพัฒนา AI ภาษาไทยให้ตอบโจทย์จริงในโลกยุคใหม่ 

ทำไมภาครัฐต้องสร้าง LLM ของตัวเอง?

หลายคนอาจสงสัยว่าในเมื่อบริษัทเอกชนพัฒนาโมเดลภาษาอยู่แล้ว ทำไมภาครัฐต้องทำเอง? คุณปฏิพรรธ์ให้เหตุผลที่น่าสนใจไว้ 4 ข้อหลัก:

• ความอ่อนไหวทางวัฒนธรรม: ข้อมูลส่วนใหญ่บนอินเทอร์เน็ตเป็นภาษาอังกฤษ ทำให้ LLM ที่ฝึกฝนจากข้อมูลเหล่านั้นเข้าใจบริบทไทยไม่ลึกพอ เช่น ถามเรื่องประเพณี “ขนทรายเข้าวัด” คำตอบมักไม่ถูกต้องหรือตกหล่นข้อมูลสำคัญ แสดงให้เห็นช่องว่างทางวัฒนธรรมที่ต้องเติมเต็ม
• อธิปไตยทางดิจิทัล: การมีโมเดลภาษาไทยของตัวเอง ทำให้มั่นใจได้ว่าจะเข้าถึงทรัพยากร AI สำคัญโดยไม่ต้องพึ่งพาเทคโนโลยีต่างประเทศอย่างเดียว
• สร้างบุคลากรและองค์ความรู้: เปิดโอกาสให้นักวิจัยและนักพัฒนาทั้งรัฐและเอกชน ฝึกฝนและสร้างโมเดลด้วยตัวเอง ช่วยยกระดับศักยภาพบุคลากรในประเทศ
• ส่งเสริมระบบนิเวศ NLP ของไทย: โมเดลเปิดให้คนไทยช่วยกันพัฒนาและใช้เทคโนโลยีภาษาธรรมชาติ ทำให้ชุมชน NLP ในไทยแข็งแรงขึ้น

โครงการไม่ได้ตั้งใจแข่งกับโมเดลเชิงพาณิชย์ แต่เพื่อสร้าง 'ทางเลือก' ที่เข้าใจภาษาและวัฒนธรรมไทยมากขึ้น

4 เสาหลักของโครงการ ThaiLLM

ความร่วมมือขององค์กรชั้นนำหลายแห่ง เช่น NECTEC, VISTEC, AIAT  สมาคมปัญญาประดิษฐ์ประเทศไทย (AIAT), มหาวิทยาลัยและเอกชน ขับเคลื่อนโครงการด้วย 4 แกนหลัก

• การรวบรวมข้อมูล: เป็นขั้นตอนที่ยากที่สุด เพราะภาษาไทยมีข้อมูลน้อย BDI ในฐานะหน่วยงานรัฐช่วยรวบรวมข้อมูลภาษาไทยคุณภาพสูงที่ไม่เคยเปิดเผยมาก่อน ข้อมูลเหล่านี้ถูกตรวจสอบและทำความสะอาดก่อนจะเปิดให้ทุกคนใช้ได้แบบเสรี
• การฝึกโมเดลล่วงหน้าอย่างต่อเนื่อง: การสร้างโมเดลใหม่ตั้งแต่ต้นมีค่าใช้จ่ายสูงมาก เช่น โมเดล Llama 2 อาจใช้ทุนกว่า 300 ล้านบาทต่อรอบ โครงการจึงเลือกนำโมเดลที่มีอยู่แล้วมาเสริมฝึกด้วยข้อมูลภาษาไทย เพื่อให้เข้าใจภาษาไทยได้ดีขึ้นอย่างรวดเร็ว
• การปรับเฉพาะทาง: ปรับโมเดลให้เหมาะกับงานเฉพาะของรัฐบาล เช่น ด้านการแพทย์ ที่เน้นการป้องกันและตอบคำถามสุขภาพ รวมถึงด้านการท่องเที่ยว
• การฝึกอบรมและสร้างเครื่องมือ: จัดอบรมทั้งผู้ใช้งานทั่วไป นักพัฒนา และนักวิจัย พร้อมปล่อยชุดเครื่องมือและแพลตฟอร์มสำหรับประเมินผลโมเดลให้ใช้งานฟรี

ผลลัพธ์และแผนงานต่อไป การทดลองเบื้องต้นพบว่า การฝึกโมเดลต่อเนื่อง (Continuous Pre-training) ช่วยเพิ่มความแม่นยำในการเข้าใจภาษาไทยขึ้นประมาณ 4-5% เมื่อเทียบกับโมเดลต้นแบบ ถือเป็นสัญญาณที่ดีของการพัฒนา

ไทม์ไลน์โครงการ

• ปลายสิงหาคมหรือต้นกันยายน 2025 จะปล่อยโมเดลขนาดเล็กเวอร์ชันแรก ประมาณ 8 พันล้านพารามิเตอร์
• ไตรมาสแรกของปี 2026 ปล่อยโมเดลขนาดใหญ่ขึ้น (เช่น 70 พันล้านพารามิเตอร์) พร้อมโมเดลที่ปรับจูนเฉพาะด้านการแพทย์และการท่องเที่ยว

จากวิสัยทัศน์สู่ภารกิจจริงที่บูธ BDI หน่วยงานภายใต้กระทรวงดิจิทัลฯ ที่ทำหน้าที่เชื่อมโยงและวิเคราะห์ข้อมูลขนาดใหญ่ เพื่อสนับสนุนการใช้ข้อมูลในภาครัฐและเอกชน

3 ภารกิจหลักของ BDI

• B.I.G. (Big Data Integration & Governance): เชื่อมโยงข้อมูลจากหลายหน่วยงาน และให้บริการวิเคราะห์ข้อมูล พร้อมพัฒนาแพลตฟอร์มสำคัญ เช่น Health Link, Travel Link และ Envi Link
• BRIDGE: สร้างสะพานเชื่อมระหว่างภาคเอกชน นักวิจัย และผู้ประกอบการ ให้มาอยู่ในระบบนิเวศข้อมูลเดียวกัน
• BUILD: พัฒนาบุคลากรผ่านแพลตฟอร์ม E-learning และงานวิชาการระดับนานาชาติ เพื่อยกระดับทักษะด้านข้อมูลของประเทศ

ทั้งหมดนี้สะท้อนภาพ BDI ในฐานะ 'ที่ปรึกษาและพัฒนาระบบข้อมูลครบวงจร' ที่ทำงานใกล้ชิดกับทุกภาคส่วน แน่นอนว่าการมีส่วนร่วมของ BDI ใน Techsauce Global Summit 2025 คือการประกาศว่าไทยพร้อมก้าวขึ้นเป็น 'ผู้เล่นคนสำคัญ' ในเวที AI โลกโดยมี 'ข้อมูล' เป็นทรัพยากรสำคัญและ 'ความร่วมมือ' เป็นอาวุธหลักในการสร้างอนาคตที่ทุกคนมีส่วนร่วม