Home » โลกยุคหลัง Agentic AI

โลกยุคหลัง Agentic AI

โดย ปฐม อินทโรดม
527 views

บทความโดย: คุณปฐม อินทโรดม กรรมการผู้จัดการ บริษัท เอสวีโอเอ จำกัด (มหาชน)

“วันนี้เรากำลังจะผ่านจาก Agentic AI คือ “AI คิดแทนเรา” เพื่อก้าวไปสู่ยุคใหม่ที่เรียกว่า Physical AI เป็นยุคที่ “AI ลงมือทำแทนเรา” คือเรื่องจริงที่ทึ่ง และแม้แต่ข้อมูลก็จะถูกสร้างจากโลกจำลอง หรือ “Synthetic Data”

ถ้าย้อนกลับไปเมื่อปลายปีที่แล้ว ผมเชื่อว่าหลายคนยังจำความรู้สึกตื่นเต้นตอนที่ได้ลองใช้ ChatGPT หรือ Generative AI เป็นครั้งแรกได้ดี เราพิมพ์คำถามไม่กี่คำ มันตอบกลับมาเป็นเรื่องเป็นราว เขียนบทความได้ สรุปเอกสารได้ แต่งเพลงได้ สร้างรูปภาพได้ ราวกับมีผู้ช่วยอัจฉริยะนั่งอยู่หลังหน้าจอคอมพิวเตอร์ หลายคนในเวลานั้นเชื่อว่า นี่คือการเปลี่ยนแปลงครั้งใหญ่ที่สุดของโลกเทคโนโลยีแล้ว

แต่สิ่งที่เกิดขึ้นหลังจากนั้น กลับเร็วเสียจนหลายคนยังตามไม่ทัน

ผ่านไปเพียงไม่กี่เดือน กระแสของโลกก็เริ่มเปลี่ยนจาก Generative AI ไปเป็น Agentic AI เราเลิกถามว่า AI “ตอบคำถามเก่งแค่ไหน” แต่เริ่มถามว่า AI “ทำงานแทนเราได้มากแค่ไหน” AI ไม่ได้รอรับคำสั่งทีละข้ออีกต่อไป แต่มันวางแผนเอง เปิดโปรแกรมเอง ติดต่อระบบต่าง ๆ เอง เขียนโค้ดเอง ทดสอบเอง แก้ปัญหาเอง และประสานงานกับ AI ตัวอื่นเพื่อทำงานจนเสร็จ เปรียบเสมือนพนักงานดิจิทัลที่มีหน้าที่รับผิดชอบจริง ๆ ไม่ใช่เพียง Chatbot ที่คอยตอบคำถาม

แต่เมื่อผมได้มีโอกาสฟังทิศทางล่าสุดของ NVIDIA สิ่งที่ทำให้ผมประทับใจที่สุดคือ วันนี้อุตสาหกรรมไม่ได้หยุดอยู่แค่การสร้าง AI ที่ “คิดแทนเรา” อีกแล้ว แต่กำลังพยายามสร้าง AI ที่ “ลงมือทำแทนเรา” ต่างหาก

นี่คือสิ่งที่เรียกว่า Physical AI

เวลาพูดถึง AI หลายคนมักนึกถึง Prompt บนหน้าจอ แต่มุมมองของอุตสาหกรรมในวันนี้กว้างกว่านั้นมาก AI กำลังจะเข้าไปอยู่ในแทบทุกสิ่งที่เคลื่อนไหวได้และรับรู้โลกได้

ตัวเลขที่มีการนำเสนอในงานของ NVIDIA สะท้อนภาพนี้ได้ชัดเจน มีการประเมินว่าตลาดเป้าหมายของ Physical AI ครอบคลุมโรงงานกว่า 10 ล้านแห่ง หุ่นยนต์อุตสาหกรรมกว่า 4 ล้านตัว ฟาร์มกว่า 570 ล้านแห่ง เมืองกว่า 12,000 เมือง รถยนต์กว่า 1,500 ล้านคัน และกล้องอัจฉริยะที่เชื่อมต่ออินเทอร์เน็ตมากกว่า 2 พันล้านตัว

นั่นหมายความว่า AI รุ่นต่อไปไม่ได้ถูกสร้างมาเพื่อช่วยเราพิมพ์อีเมลเท่านั้น แต่ถูกสร้างมาเพื่อขับรถ ตรวจโรงงาน ดูแลผู้ป่วย เก็บสินค้าในคลัง ทำงานในฟาร์ม และควบคุมเครื่องจักรในสายการผลิต

โลกกำลังเปลี่ยนจาก Digital AI ไปสู่ Physical AI อย่างรวดเร็ว

สิ่งที่น่าสนใจอีกอย่างคือ วิธีคิดในการสร้าง AI ก็เปลี่ยนไปโดยสิ้นเชิง

Generative AI รับ Text แล้วสร้าง Text เพื่อทำงานสื่อสารให้คน  แต่ Physical AI รับข้อมูลจากโลกจริง ไม่ว่าจะเป็นภาพจากกล้อง เสียง เซนเซอร์ LiDAR เรดาร์ หรือข้อมูลจากเซนเซอร์หลายร้อยตัว พร้อมกับคำสั่งจากมนุษย์ จากนั้นจึงประมวลผลผ่าน Physical AI Foundation Model ก่อนจะส่งออกมาเป็น “การกระทำ”

ไม่ใช่ข้อความ แต่เป็นการเคลื่อนไหว เช่น ยกกล่อง เปิดประตู ขับรถ จับชิ้นงาน หรือช่วยแพทย์ในการผ่าตัด

AI จึงเริ่มเปลี่ยนจาก “ผู้ให้คำตอบ” ไปเป็น “ผู้ลงมือทำ”

อีกประเด็นหนึ่งที่ผมคิดว่าสำคัญมาก คือวิธีการฝึก AI รุ่นใหม่

ในอดีต เรามักพูดกันว่า “ข้อมูลคือทรัพยากรที่สำคัญที่สุด” ใครมีข้อมูลมากกว่า ย่อมสร้าง AI ได้ดีกว่า แต่แนวคิดนี้กำลังเปลี่ยน…

วันนี้หลายบริษัทเชื่อว่าการ Compute ก็คือ Data นั่นคือแทนที่จะเสียเวลาหลายปีในการเก็บข้อมูลจริง พวกเขาสร้างข้อมูลขึ้นมาเองผ่านโลกจำลอง หรือ Synthetic Data

พวกเขาสร้างเมืองจำลอง สร้างโรงงานจำลอง สร้างคลังสินค้า สร้างถนน สร้างผู้คน สร้างเหตุการณ์ที่อาจไม่เคยเกิดขึ้นจริง ฯลฯ แล้วปล่อยให้ AI หรือหุ่นยนต์เข้าไปเรียนรู้ในโลกนั้น

หากทำผิด ก็รีเซตแล้วเริ่มใหม่ได้ทันที ไม่ต้องทำเครื่องจักรจริงเสียหาย ไม่ต้องรอให้เกิดอุบัติเหตุจริง ไม่ต้องใช้เวลาหลายปีเก็บข้อมูล

ประโยคที่ผมชอบมากในสไลด์ของ NVIDIA คือ “Robots are Born in Simulation” หุ่นยนต์ยุคใหม่ไม่ได้เกิดในโรงงาน แต่มันเกิดในโลกจำลองก่อน

กระบวนการพัฒนา Physical AI ในวันนี้จึงมีลักษณะเป็นวงจรที่ชัดเจน เริ่มจากการสร้างข้อมูล (Data Generation) จากนั้นนำข้อมูลไปฝึกโมเดล (Model Training) แล้วนำโมเดลไปทดสอบในโลกจำลอง (Simulation & Validation) ก่อนจะนำไปใช้งานจริง (Deployment) เมื่อใช้งานแล้วก็จะเก็บข้อมูลกลับมาฝึกใหม่อีกครั้ง เป็นวงจรที่หมุนต่อเนื่องไม่สิ้นสุด

สิ่งนี้ต่างจากซอฟต์แวร์ในอดีตอย่างมาก เพราะ AI จะเก่งขึ้นเรื่อย ๆ จากประสบการณ์ที่สะสมทั้งในโลกจริงและโลกจำลอง

อีกแนวคิดที่ผมเห็นแล้วชอบใจมาก คือวิวัฒนาการของหุ่นยนต์

ที่ผ่านมา เราคุ้นเคยกับหุ่นยนต์แบบ Specialist คือทำงานเฉพาะอย่าง เช่น แขนกลเชื่อมรถยนต์ หรือหุ่นยนต์หยิบสินค้าในโกดัง มันเก่งมาก แต่ทำได้เพียงงานเดียว

แต่โลกกำลังเปลี่ยนไปสู่ Generalist Robot หุ่นยนต์ที่สามารถทำงานได้หลายอย่างเหมือนมนุษย์ แม้อาจยังไม่เก่งที่สุดในแต่ละด้าน แต่ช่วยงานเราได้มาก

และเป้าหมายสุดท้าย คือ Generalist + Specialist หุ่นยนต์ที่ทำได้แทบทุกงาน แต่เมื่อได้รับมอบหมายงานเฉพาะ ก็สามารถทำได้ในระดับผู้เชี่ยวชาญ

ถ้าสังเกตดี ๆ จะพบว่านี่คือเส้นทางเดียวกับที่ Large Language Model เดินผ่านมา จากโมเดลเฉพาะทาง สู่โมเดลอเนกประสงค์ที่ต่อยอดความสามารถเฉพาะด้านได้

อีกอุตสาหกรรมที่กำลังเปลี่ยนอย่างมหาศาลคือรถยนต์ไร้คนขับ

มีการประเมินว่าตลาดนี้มีมูลค่าราว 10 ล้านล้านดอลลาร์สหรัฐ ครอบคลุมรถยนต์กว่า 1,500 ล้านคัน รถเชิงพาณิชย์อีก 280 ล้านคัน ระยะทางการเดินรถทั่วโลกกว่า 13 ล้านล้านไมล์ต่อปี ขณะที่ตลาดรถไร้คนขับถูกคาดว่าจะเติบโตเฉลี่ยกว่า 32% ต่อปี

นี่จึงไม่ใช่แค่การแข่งขันเรื่องรถยนต์อีกต่อไป แต่เป็นการแข่งขันของ AI ที่ต้องมองเห็นโลก เข้าใจสถานการณ์ และตัดสินใจได้ในเสี้ยววินาที

สิ่งที่ผมรู้สึกหลังฟังจบ ไม่ใช่ความตื่นเต้นเรื่องหุ่นยนต์ แต่เป็นความรู้สึกว่า เรากำลังเห็นวิวัฒนาการของ AI เกิดขึ้นต่อหน้าต่อตา

ปลายปีที่แล้ว เราตื่นเต้นกับ AI ที่คุยกับเราได้… ต้นปีนี้ เราตื่นเต้นกับ AI ที่ทำงานแทนเราได้ แต่วันนี้ ทั้งโลกกำลังพยายามสร้าง AI ที่เดินแทนเรา ยกของแทนเรา ขับรถแทนเรา และทำงานในโลกจริงแทนเรา

ความเปลี่ยนแปลงนี้เกิดขึ้นภายในเวลาไม่ถึงหนึ่งปี

เร็วเสียจนหลายองค์กรยังปรับตัวกับ Generative AI ไม่ทัน โลกก็เดินเข้าสู่ Agentic AI และเริ่มพูดถึง Physical AI กันแล้ว

ผมจึงเชื่อว่า คำถามสำคัญในอีกไม่กี่ปีข้างหน้า อาจไม่ใช่ว่า “องค์กรของคุณใช้ AI หรือยัง”

แต่จะกลายเป็น

“องค์กรของคุณพร้อมหรือยัง เมื่อ AI ไม่ได้อยู่แค่ในคอมพิวเตอร์อีกต่อไป แต่กำลังเดินเข้ามาทำงานเคียงข้างพนักงานจริง ๆ”

และสำหรับประเทศไทย นี่อาจเป็นช่วงเวลาที่สำคัญที่สุดช่วงหนึ่ง เพราะหากเรามัวแต่เป็นผู้ใช้เทคโนโลยี เราก็จะเป็นเพียงผู้ซื้อหุ่นยนต์จากต่างประเทศ แต่หากเราเริ่มสร้างระบบนิเวศของ Physical AI ตั้งแต่วันนี้ ไม่ว่าจะเป็นการพัฒนาโมเดล การสร้างข้อมูลสังเคราะห์ การทำ Digital Twin การพัฒนาซอฟต์แวร์ควบคุม การผลิตชิ้นส่วน และการสร้างบุคลากร ประเทศไทยก็ยังมีโอกาสก้าวขึ้นไปเป็นส่วนหนึ่งของคลื่นเทคโนโลยีลูกใหญ่ที่สุดลูกหนึ่งของโลกได้

You may also like

เว็บไซต์นี้มีการใช้คุกกี้ในการเก็บรวบรวมข้อมูลการใช้งานของเจ้าของข้อมูลส่วนบุคคล เพื่อเก็บข้อมูลและรวบรวมสถิติวิจัยทางด้านการตลาด การวิเคราะห์แนวโน้ม ตลอดจนนำมาปรับปรุง และควบคุมการทำงานของเว็บไซต์ ทั้งนี้ หากท่านไม่ยินยอม ท่านยังสามารถใช้งานเว็บไซต์ได้ปกติ ยอมรับทั้งหมด