ในขณะที่การพัฒนา AI ภายในประเทศกำลังเติบโตอย่างต่อเนื่องในประเทศไทย รวมไปถึงโมเดลภาษาขนาดใหญ่แบบเปิด (Open-source LLM) อย่าง Typhoon ก็เริ่มเป็นที่รู้จักมากขึ้น แต่ทั้งนี้หลายคนก็อาจยังไม่เข้าใจถึงคุณค่าที่แท้จริงของมันต่อภาคธุรกิจ นักพัฒนา และระบบนิเวศโดยรวม
เพื่อช่วยให้เรื่องนี้ชัดเจนขึ้น Typhoon และพันธมิตรของเราจึงได้รับเชิญให้ขึ้นเวทีในงาน Techsauce Global Summit โดยมีไฮไลต์อยู่ที่เวทีเสวนาพิเศษในหัวข้อ AI Advantage for Thai Enterprises: Local Language Models in Action ซึ่งมีผู้เชี่ยวชาญจาก SCBX, SCB 10X, VISTEC และ TDRI ร่วมแลกเปลี่ยนความคิดเห็น ได้แก่:
-
คุณกสิมะ ธารพิพิธชัย, Head of AI Strategy, SCB 10X
-
คุณวีรินท์ ฉันทโรจน์, Head of Innovation Lab, SCBX
-
คุณนรินทร์ ธนนิธาพร, Researcher, Thailand Development Research Institute (TDRI)
-
รศ.ดร.สรณะ นุชอนงค์, Head of the Natural Language Processing and Representation Learning Lab, VISTEC
บทความนี้เป็นการสรุป Insights สำคัญจากเวทีเสวนานี้ อันประกอบไปด้วย 4 ประเด็นใหญ่ ได้แก่
1. Local LLM กับการสร้างความได้เปรียบทางธุรกิจในระยะยาว
คุณวีรินท์ ฉันทโรจน์ จาก SCBX แชร์ประสบการณ์ตรงว่าทำไมโมเดลแบบ open source ที่พัฒนาภายในประเทศจึงสามารถสร้างข้อได้เปรียบทางธุรกิจได้อย่างมีนัยสำคัญ จากการทดสอบใช้ Typhoon และโมเดลอื่นๆ ในการสร้าง POC (Proof of Concept) ภายในองค์กรมาหลายโปรเจกต์ SCBX พบ 3 ประโยชน์หลัก ได้แก่:
1. ด้านต้นทุน (Cost)
จากการทดลองทำ POC ในหลายโครงการ คุณวีรินท์พบว่าการใช้โมเดลอย่าง Typhoon สามารถช่วยลดค่าใช้จ่ายจากการใช้ API ได้อย่างมีนัยสำคุญ ตัวอย่างเช่น กรณีศึกษานึงในการใช้งานเกี่ยวกับ Voice AI ทาง SCBX พบว่าการใช้โมเดล Typhoon สามารถลดค่าใช้จ่ายได้ถึง 8 เท่าเมื่อเทียบกับการจ่ายค่า API ให้กับโมเดลต่างประเทศ โดยประสิทธิภาพด้านต้นทุนนี้ คือผลประโยชน์และการสร้างความได้เปรียบที่สำคัญ โดยเฉพาะอย่างยิ่งเมื่อจะมีการใช้งาน AI ที่ผนวกเข้ากับธุรกิจในระยะยาว
2. ด้านการควบคุมความเสถียร (Controllability)
คุณวีรินท์ ยกตัวอย่างเหตุการณ์จริงที่ผ่านมา ในเดือนตุลาคม 2024 SCBX ใช้โมเดลภาษาชั้นนำจากต่างประเทศ ซึ่งในช่วงแรกทำงานได้ดี แต่เมื่อผู้ให้บริการออกรุ่นใหม่ในเดือนธันวาคม ประสิทธิภาพของโมเดลในภาษาไทยกลับลดลงอย่างไม่คาดคิด และทีมงานไม่สามารถแก้ไขได้
โมเดลใหม่นั้นอาจเก่งขึ้นในเรื่องอื่นๆ ก็จริง แต่ใน Use Case นั้นๆ กับภาษาไทยกับลดลง และเหตุการณ์แบบนี้มีความเป็นไปได้ที่จะเกิดขึ้นซ้ำ เพราะ Benchmark ในการวัดผลของโมเดลต่างประเทศนั้นอาจไม่ได้รวมภาษาไทยลงไปด้วย
คุณไม่สามารถปล่อยให้ความเสี่ยงแบบนี้กระทบต่อธุรกิจได้ ธุรกิจต้องการโซลูชันที่เชื่อถือได้และควบคุมได้
คุณวีรินท์กล่าว
3. ด้านการปรับแต่ง (Customization)
ธุรกิจที่ต้องการความได้เปรียบในระยะยาว ไม่สามารถพึ่งพาแค่โซลูชันสำเร็จรูปได้ แม้ว่าโมเดลระดับโลกจะให้ความสามารถพื้นฐานที่แข็งแกร่ง แต่ก็ให้ประสบการณ์เหมือนกันกับทุกคน โมเดลโอเพนซอร์สช่วยให้องค์กรสามารถปรับแต่งได้อย่างไร้ขีดจำกัดมากกว่า และช่วยให้ออกแบบ AI ให้เหมาะกับความต้องการ บริบทของอุตสาหกรรม และกระบวนการทำงานของตนเองได้อย่างแท้จริง
โมเดลที่ดีที่สุด ไม่ต้องเก่งไปหมดทุกเรื่อง แต่คือโมเดลที่บาลานซ์ระหว่างต้นทุน การควบคุม และการปรับแต่งได้อย่างเหมาะสมและพอดีกับการใช้งานในธุรกิจของคุณเองมากที่สุด
2. เปลี่ยน Mindset จาก “ใช้งานเงียบๆ” มาเป็น “สร้างสรรค์ ร่วมมือ และเติบโตไปด้วยกัน”
ภาษาไทยมักจะไม่ถูกนำไปอยู่ในเกณฑ์การวัดผล (Benchmark) ของโมเดลระดับโลก ส่งผลให้เกิดสถานการณ์เหมือนที่คุณวีรินท์เล่า เมื่อภาษาไทยไม่ถูกจัดเป็นลำดับความสำคัญ การเสื่อมลงของประสิทธิภาพเช่นนี้มักจะไม่ถูกสังเกต และไม่ถูกแก้ไข
คุณกสิมะ ธารพิพิธชัย จาก SCB 10X ย้ำว่าโมเดลภายในประเทศจึงมีบทบาทสำคัญในการทำให้ภาษาไทยไม่เพียงได้รับการรองรับ แต่ยังได้รับการปรับแต่งให้เหมาะสมและพัฒนาอย่างต่อเนื่อง นั่นจึงเป็นภารกิจของ Typhoon ซึ่งย้ำถึงความสำคัญของการทำให้ภาษาไทยและคนไทยเป็น “พลเมืองชั้นหนึ่ง” ในโลกของ AI ไม่เพียงเพื่อรองรับภาษาไทย การซึบซับความละเอียดอ่อนทางวัฒนธรรมและบริบท และการสร้างขึ้นมาเพื่อ Use Case ที่ใช้งานจริงในประเทศเพียงเท่านั้น แต่ยังรวมไปถึงการเปิดโอกาสในการรับฟัง ปรับปรุง และร่วมมือกันด้วย
คุณกสิมะ ยังได้นำประสบการณ์กว่า 10 ปีในซิลิคอนแวลลีย์มาเล่า โดยชี้ให้เห็นว่าปัจจัยหลักของความสำเร็จของที่นั่น ไม่ได้มาจากแค่เทคโนโลยีล้ำสมัยเท่านั้น แต่คือการที่ผู้ใช้และผู้สร้างอยู่ใกล้กันและเกิดบทสนทนาอย่างต่อเนื่อง ระหว่างนักพัฒนา ผู้ใช้ นักวิจัย และบุคคลต่างๆ ในระบบนิเวศ ทำให้เกิดวงจรการรับส่งข้อเสนอแนะ (Feedback Loop) ที่สั้นและรวดเร็ว และทำให้ชุมชนผู้ใช้งานมีบทบาทอย่างมากในการกำหนดทิศทางและความสามารถของเทคโนโลยีที่พวกเขาใช้
เราไม่ต้องการให้ประเทศไทยเป็นเพียงผู้ใช้เงียบๆ ที่รับเครื่องมือแบบไหนมาก็ใช้แบบนั้นไป เราต้องการสร้างระบบนิเวศของนักนวัตกรรม ที่ผู้ใช้งานมีส่วนร่วมในบทสนทนา มีส่วนร่วมในการสร้างสรรค์ทิศทางของนวัตกรรมนั้นๆ ด้วย
หากขาดการมีส่วนร่วมเช่นนี้ คุณกสิมะเตือนว่าผู้ใช้จะต้องติดอยู่กับเครื่องมือที่พวกเขาไม่สามารถพัฒนาได้ และนี่คือเหตุผลที่ Typhoon ถูกออกแบบมาให้เป็นแบบเปิดและขับเคลื่อนโดยชุมชน เพื่อให้มั่นใจว่าเสียงของคนไทยไม่เพียงถูกได้ยินแต่ยังมีบทบาทในการกำหนดอนาคตของ AI ที่เข้าใจและตอบสนองต่อบริบทท้องถิ่นของเราอย่างแท้จริง
3. ประสิทธิภาพ การเข้าถึง และการมีส่วนร่วมทางเศรษฐกิจ: มุมมองสองด้านจาก TDRI
ในฐานะตัวแทนทั้งจากมุมมองของผู้ใช้งานและนักวิจัยเชิงนโยบาย คุณนรินทร์ ธนนิธาพร จาก TDRI เล่าถึงความสำเร็จของทีมในการนำ Typhoon ไปใช้จริงในโครงการวิจัย ซึ่งแสดงให้เห็นทั้งประสิทธิภาพและความคุ้มค่าในด้านต้นทุน
โครงการนี้มุ่งวิเคราะห์ตลาดแรงงานไทย โดยข้อมูลที่ใช้มาจากประกาศรับสมัครงาน ซึ่งเป็นชุดข้อมูลที่ไม่มีโครงสร้าง (Unstructured Job Postings) ทำให้ประมวลผลได้ยาก งานลักษณะนี้เป็นจุดแข็งของโมเดลภาษาขนาดใหญ่ (LLM) โดยเฉพาะในด้านการจัดหมวดหมู่ (Classification) เนื่องจากสามารถจัดการกับข้อมูลที่ไม่เป็นระเบียบและอยู่นอกตัวอย่างได้ดี ด้วยปริมาณข้อมูลมากกว่า 200,000 ประกาศต่อไตรมาส โซลูชันที่เลือกใช้จึงต้องทั้งรวดเร็วและสเกลได้
เมื่อเปรียบเทียบตัวเลือกโมเดล ทีมได้คัด Typhoon และโมเดลโอเพนซอร์สจากต่างประเทศมาเป็นสองตัวเลือกสุดท้าย เนื่องจากทั้งคู่มีต้นทุนต่ำกว่าทางเลือกเชิงพาณิชย์อย่างมาก ในการประเมินประสิทธิภาพ TDRI ได้สร้างชุดข้อมูลทดสอบมาเป็นเกณฑ์วัดผลการทำงานของทั้งสองโมเดล ผลลัพธ์พบว่า แม้ทั้งสองโมเดลจะทำผลงานได้ใกล้เคียงกันโดยรวม แต่ Typhoon มีความแม่นยำสูงกว่ามากในการจำแนกอาชีพด้าน STEM ซึ่งเป็นพื้นที่สำคัญต่อการพัฒนาเศรษฐกิจ ทำให้ Typhoon กลายเป็นตัวเลือกที่เหมาะสมกว่า
นอกเหนือจากมุมมองของผู้ใช้งานจริงของ Typhoon นรินทร์ยังชี้ให้เห็นถึงนัยสำคัญเชิงนโยบายที่ลึกซึ้งขึ้น โดยโมเดลภาษาไทยแบบโอเพนซอร์สเป็นกุญแจสำคัญต่อการสร้างเศรษฐกิจ AI ที่ทุกคนมีส่วนร่วมได้ เพราะมันทำให้สตาร์ทอัพ ธุรกิจ SMEs และสถาบันวิจัย สามารถเข้าถึงเครื่องมือทรงพลัง ลดอุปสรรคในการเริ่มต้น และเปิดโอกาสให้ผู้เล่นหลากหลายเข้ามามีส่วนร่วม สร้างนวัตกรรม และเติบโตไปด้วยกัน
4. มากกว่าแค่การใช้ AI คือการสร้างองค์ความรู้เพื่อความก้าวหน้าอย่างยั่งยืน
ดร.สรณะ นุชอนงค์ จาก VISTEC กล่าวถึงองค์ประกอบสำคัญ 3 ประการเพื่อการพัฒนา AI อย่างยั่งยืน ได้แก่ การใช้งานรูปแบบใหม่ (New Utilization), องค์ความรู้ใหม่ (New Knowledge) และ ทรัพยากรและเครื่องมือใหม่ (New Resources & Toolsets) โดย ดร.สรณะ ได้ใช้แผนภาพนี้เพื่อชี้ให้เห็นช่องว่างสำคัญในภูมิทัศน์ AI ของประเทศไทย
ภาพรวมในประเทศไทยตอนนี้โฟกัสที่การสร้างบุคลากรจากระดับปริญญาตรีเข้าสู่อุตสาหกรรมโดยตรง แม้ว่าวิธีนี้จะสร้างผลงานได้อย่างรวดเร็ว แต่ก็พึ่งพาเครื่องมือหรือเทคโนโลยีที่มีอยู่เดิม (ซึ่งมักเป็นของต่างประเทศ) โดยไม่ได้สร้างทรัพย์สินทางปัญญาใหม่ องค์กรจำนวนมากโฟกัสเฉพาะในขั้น New Utilization นี้ เช่น การสร้าง Use Case และแอปพลิเคชัน แต่ยังมีเพียงไม่กี่แห่งที่ลงทุนในการสร้างองค์ความรู้ใหม่หรือพัฒนาเครื่องมือที่นำกลับมาใช้ได้ซ้ำ ซึ่งหากขาดรากฐานเหล่านี้ ความก้าวหน้าและความสามารถในการแข่งขันระยะยาวก็จะถูกจำกัด
อีกเส้นทางหนึ่งซึ่งดร.สรณะ สนับสนุน คือการพัฒนาบุคลากรผ่านการเรียนรู้ในระดับบัณฑิตศึกษาที่ขับเคลื่อนด้วยงานวิจัย ควบคู่กับความร่วมมืออย่างใกล้ชิดกับภาคอุตสาหกรรม แนวทางนี้จะสร้างองค์ความรู้ ทรัพยากร และเครื่องมือที่สามารถส่งกลับไปสู่อุตสาหกรรม ทำให้องค์กรได้รับทั้งความเชี่ยวชาญเชิงปฏิบัติและทรัพยากรที่สามารถปรับปรุงได้อย่างต่อเนื่อง การจับคู่ระหว่างการใช้งานกับการสร้างรากฐานลักษณะนี้ จะช่วยเสริมความแข็งแกร่งให้กับระบบนิเวศ AI ของประเทศ และทำให้ประเทศไทยก้าวสู่การเป็นผู้มีส่วนร่วมในนวัตกรรมระดับโลก แทนที่จะเป็นเพียงผู้บริโภคเทคโนโลยีจากต่างประเทศ
ดร.สรณะ เสริมว่า
ประเทศไทยต้องการทีม R&D ในอุตสาหกรรมอย่าง Typhoon ที่เชื่อมโยงงานวิจัยทางวิชาการเข้ากับการประยุกต์ใช้งานจริงในอุตสาหกรรม เพื่อให้เกิดการไหลเวียนของนวัตกรรมในทั้งสองทิศทาง
สรุป
เวทีเสวนาครั้งนี้ได้สื่อสารข้อความสำคัญอย่างชัดเจนคือ ประเทศไทยไม่ควรพอใจแค่การเป็นผู้ใช้เทคโนโลยี AI จากต่างประเทศแต่เพียงเท่านั้น นอกจากนี้ยังยกตัวอย่างให้เห็นภาพถึงประโยชน์ที่จับต้องได้ต่อภาคธุรกิจ และประโยชน์ในภาพใหญ่ต่อสังคม
การที่เรามีโอเพนซอร์ส LLM อย่าง Typhoon รวมไปถึงวัฒนธรรมที่ต้องการให้เกิดความร่วมมือและ Feedback loop ของชุมชน จะเป็นการช่วยให้องค์กรไทย นักพัฒนา และนักวิจัยไทยมีโอกาสที่จะ
-
ลดต้นทุนและลดการพึ่งพาโมเดลเชิงพาณิชย์
-
ปรับแต่งโซลูชันให้ตรงกับความต้องการในท้องถิ่น
-
มีส่วนร่วมในการกำหนดทิศทางของเครื่องมือที่ใช้
-
สร้างองค์ความรู้และนวัตกรรมใหม่เพื่อระบบนิเวศ AI ของไทย
