SCBX AI Outlook 2025 เมื่อ AI ไม่หยุดวิวัฒนาการ พบเทรนด์สำคัญที่จะเปลี่ยนโลกในปี 2025 พร้อมดาวน์โหลด Report ฟรี ได้แล้ววันนี้

SCBX AI Outlook 2025 เมื่อ AI ไม่หยุดวิวัฒนาการ พบเทรนด์สำคัญที่จะเปลี่ยนโลกในปี 2025 พร้อมดาวน์โหลด Report ฟรี ได้แล้ววันนี้

ช่วงปลายปี 2022 หลังจากที่ OpenAI เปิดตัว ChatGPT เทคโนโลยี Generative AI ได้เข้ามาเปลี่ยนโลกอย่างที่เราไม่เคยเห็นมาก่อน ธุรกิจทุกระดับเริ่มตระหนักว่า AI ไม่ใช่แค่เทคโนโลยีในห้องแล็บอีกต่อไป แต่เป็น “ตัวเปลี่ยนเกม” ที่จะกำหนดความได้เปรียบในการแข่งขันยุคใหม่

ในปี 2025 การพัฒนาของ AI กำลังก้าวเข้าสู่ช่วงเวลาสำคัญ SCBX AI Outlook 2025 ได้รวบรวมและวิเคราะห์ 4 เทรนด์หลักที่จะเปลี่ยนแปลงภูมิทัศน์ด้านเทคโนโลยี ธุรกิจ และเศรษฐกิจในปีหน้า พร้อมกรณีศึกษาที่น่าสนใจ มาดูกันว่าอนาคตของ AI กำลังจะพาเราไปทางไหน

[การแข่งขันระหว่าง Open-Source และ Closed-Source]

การพัฒนาโมเดลปัญญาประดิษฐ์ระดับสูงกำลังเผชิญหน้ากันด้วยสองแนวคิดหลัก: “แบบเปิด” (Open-Source) และ “แบบปิด” (Closed-Source) ซึ่งแต่ละฝ่ายต่างมีจุดแข็งและข้อจำกัดที่แตกต่างกัน

ในช่วงแรกของการพัฒนา AI บริษัทยักษ์ใหญ่อย่าง OpenAI, Google และ Anthropic เป็นผู้นำด้วยโมเดลแบบปิดที่ทรงพลัง นำโดย GPT-3/4, Claude และอื่นๆ โมเดลเหล่านี้ได้แสดงให้เห็นถึงความสามารถอันน่าทึ่งในการสนทนาและสร้างเนื้อหา จุดประกายให้องค์กรต่างๆ เริ่มนำ AI มาใช้งานจริงจัง

แต่การเป็น “กล่องดำ” ที่ไม่เปิดเผยกลไกภายในของโมเดลปิดก็สร้างความกังวลด้านความโปร่งใสและความปลอดภัยของข้อมูล องค์กรหลายแห่งลังเลที่จะนำโมเดลแบบปิดมาใช้งานเนื่องจากไม่สามารถควบคุมหรือปรับแต่งกระบวนการทำงานได้เอง สะท้อนถึงข้อจำกัดที่สำคัญในการประยุกต์ใช้โมเดล AI แบบปิดในองค์กร

ในทางกลับกัน โมเดล “แบบเปิด” กำลังเปลี่ยนสมการของวงการ AI เมื่อเปิดให้สาธารณะเข้าถึงและพัฒนาต่อยอดได้ ศักยภาพจากการร่วมมือของชุมชนทำให้โมเดล AI ใหม่ๆ ถือกำเนิดและพัฒนาอย่างรวดเร็ว

สถิติจาก Stanford Institute for Human-Centered Artificial Intelligence (HAI) แสดงให้เห็นว่าในช่วงปี 2023 มีการเปิดตัวโมเดลพื้นฐาน (foundation model) จำนวนมากถึง 149 โมเดลในปีเดียว โดยกว่า 657% เป็นโมเดลแบบเปิด เพิ่มขึ้นจากสัดส่วน 444% ในปี 2022 และเพียง 333% ในปี 2021

[กรณี DeepSeek กับช่องว่างที่แคบลง]

แม้ในอดีตโมเดลปิดจะครองความได้เปรียบด้านประสิทธิภาพ แต่ช่องว่างระหว่างโมเดลทั้งสองประเภทกำลังลดลงอย่างรวดเร็ว ดังจะเห็นได้จากกรณีของ DeepSeek R1 ที่สามารถทำคะแนนในการทดสอบ MMLU ได้ใกล้เคียงกับ OpenAI o1 ทั้งที่ใช้ทุนในการพัฒนาน้อยกว่ามาก

ตัวอย่างที่น่าสนใจคือ Typhoon2 R1 70B โมเดลแบบเปิดของ SCB10X ที่ใช้งบประมาณเพียง 120 ดอลลาร์สหรัฐฯ (ประมาณ 4,000 บาท) และใช้เวลาเพียง 15 ชั่วโมงในการพัฒนา โดยอาศัยการรวม (merging) โมเดลที่มีความเชี่ยวชาญด้านภาษาไทยกับโมเดลที่มีความสามารถในการให้เหตุผล จนเกิดเป็นโมเดลใหม่ที่มีความสามารถเหนือกว่าโมเดลต้นทางอย่างมีนัยสำคัญ

[เศรษฐศาสตร์ใหม่ของ AI]

การแข่งขันระหว่าง Open-Source และ Closed-Source AI ไม่เพียงเปลี่ยนแปลงด้านเทคโนโลยี แต่ยังพลิกโฉมเศรษฐศาสตร์ของ AI ด้วยหลัก Economies of Scale และ Economies of Speed

Economies of Scale โมเดลเปิดช่วยลดต้นทุนการพัฒนา AI โดยกระจายภาระงานให้กับชุมชนและนักพัฒนาทั่วโลก ซึ่งต่างจากโมเดลปิดที่ต้องลงทุนมหาศาลเพียงผู้เดียว

Economies of Speed การเปิดซอร์สโค้ดช่วยให้การพัฒนา AI เร็วยิ่งขึ้น การที่นักพัฒนาจำนวนมากสามารถเข้ามาปรับปรุงโมเดล ทำให้การแก้ปัญหาและพัฒนานวัตกรรมใหม่เกิดขึ้นในอัตราที่เร็วกว่า

ในท้ายที่สุด ทั้งโมเดลแบบเปิดและแบบปิดต่างมีบทบาทสำคัญในการพัฒนา AI อนาคต โดยการใช้จุดแข็งของแต่ละแนวทางอย่างสมดุลจะเป็นกุญแจสำคัญที่ช่วยให้วงการ AI เติบโตอย่างต่อเนื่องและนำประโยชน์มาสู่เศรษฐกิจและสังคม

[เทรนด์ของ AI ยุคใหม่ โมเดลที่เล็กลงแต่ทรงพลังขึ้น]

เทรนด์ที่สองในปี 2025 คือการพัฒนา AI ที่มุ่งเน้น 3 แนวทางหลัก โมเดลที่รองรับข้อมูลหลากหลายรูปแบบ, โมเดลขนาดเล็กเฉพาะทาง และการพัฒนาความสามารถในการให้เหตุผล

โมเดล AI แบบมัลติโมด (Multimodal) คือโมเดลที่สามารถประมวลผลข้อมูลได้หลายรูปแบบพร้อมกัน เช่น ข้อความ ภาพ เสียง วิดีโอ ทำให้ระบบสามารถเข้าใจบริบทได้ลึกและตอบสนองงานที่ซับซ้อนได้หลากหลายยิ่งขึ้น

ตัวอย่างเช่น บริษัท สามารถนำมาใช้ในระบบฝึกอบรมพนักงานผู้จัดการความสัมพันธ์ลูกค้า (Smart RM Training) ที่เป็นการจำลองลูกค้าเพื่อใช้เป็นคู่สนทนาฝึกการขาย โดยใช้โมเดล Voice-to-Voice Realtime ซึ่งช่วยให้บุคลากรได้รับการพัฒนาทักษะอย่างทั่วถึงและรวดเร็ว ในขณะที่บริษัทก็ประหยัดค่าใช้จ่ายลง

แม้โมเดลขนาดใหญ่อย่าง GPT-4 จะทรงพลัง แต่การพัฒนา AI กำลังมุ่งสู่โมเดลขนาดเล็กที่ออกแบบมาเฉพาะทาง โมเดลเหล่านี้มีจำนวนพารามิเตอร์น้อยกว่าโมเดลขนาดใหญ่หลายเท่า แต่ทำงานได้รวดเร็ว ใช้ทรัพยากรน้อย และยังสามารถทำงานบนอุปกรณ์ปลายทางได้

ตัวอย่างที่น่าสนใจคือ Microsoft Phi-4 ที่มีขนาดเพียง 14,000 ล้านพารามิเตอร์ แต่ให้ผลลัพธ์การให้เหตุผลเชิงซับซ้อนสูง สามารถแก้ปัญหาคณิตศาสตร์ได้ดีกว่าโมเดลขนาดใหญ่อย่าง Gemini Pro 15 ในการทดสอบ AMC-10/12 ปี 2024

โมเดลขนาดเล็กเปิดโอกาสให้ธุรกิจขนาดกลางและเล็กสามารถนำ AI ไปใช้ได้อย่างกว้างขวาง โดยไม่ต้องลงทุนโครงสร้างพื้นฐานขนาดใหญ่ ลดความเหลื่อมล้ำทางเทคโนโลยีระหว่างองค์กรขนาดใหญ่กับรายย่อย

[การพัฒนาความสามารถในการให้เหตุผล]

เทรนด์ที่สามคือการพัฒนาวิธีใหม่ๆ ในการเพิ่มความสามารถด้านการให้เหตุผลของ AI โดยไม่จำเป็นต้องเพิ่มขนาดโมเดลอย่างเดียว

แนวทางหนึ่งคือการให้ AI “ใช้เวลาคิดนานขึ้น” เมื่อเจอปัญหาซับซ้อน ซึ่งเรียกว่า “Test-time Compute” หรือการ ‘คำนวณเพิ่ม’ ระหว่างการใช้งานจริง โดยโมเดลอาจลองสร้างวิธีแก้ปัญหาหลายแบบภายใน แล้วนำมาประเมินก่อนเลือกคำตอบที่ดีที่สุด

แนวทางนี้คล้ายกับการที่มนุษย์ใช้เวลาขบคิดปัญหา และอาจทำให้โมเดลสามารถแก้โจทย์ที่ต้องใช้เหตุผลหลายขั้นตอนได้ดีขึ้น โดยไม่จำเป็นต้องเพิ่มขนาดโมเดล

[AI ที่ทำงานได้เอง ยุคของ Agentic AI]

ช่วงสองปีที่ผ่านมา เราได้เห็นความก้าวหน้าอย่างรวดเร็วของเทคโนโลยี AI โดยเฉพาะ Large Language Models หรือ LLMs แต่ AI ที่เราคุ้นเคยส่วนใหญ่ยังอยู่ในรูปแบบของ Generative AI ซึ่งทำหน้าที่สร้างเนื้อหาตามคำสั่งของมนุษย์

ในปี 2025 เราจะได้เห็นการก้าวกระโดดครั้งใหม่กับ Agentic AI ซึ่งสามารถรับรู้ ให้เหตุผล วางแผน และดำเนินการตามแผนโดยใช้เครื่องมือต่างๆ ได้อย่างเป็นอิสระ เสมือนความแตกต่างระหว่างพนักงานที่คอยรับคำสั่ง กับผู้ช่วยที่เข้าใจเป้าหมายและสามารถตัดสินใจได้เองในระดับหนึ่ง

องค์กรระดับโลกอย่าง World Economic Forum และสถาบันชั้นนำต่างๆ ทั้ง Stanford HAI, MIT Sloan และผู้เชี่ยวชาญในอุตสาหกรรมต่างให้ความเห็นตรงกันว่า Agentic AI จะเป็นเทรนด์สำคัญที่จะครองตลาด AI ในปี 2025

[SCBX Agentic AI Financial Advisory Platform]

SCBX ได้พัฒนาแพลตฟอร์มให้คำปรึกษาทางการลงทุนที่ขับเคลื่อนด้วย Agentic AI ซึ่งแสดงให้เห็นถึงข้อได้เปรียบอย่างชัดเจนเมื่อเทียบกับการใช้ Gen AI ทั่วไป

เมื่อเปรียบเทียบการทำงาน จะเห็นความแตกต่างชัดเจน

– Gen AI ทั่วไป: เมื่อถูกขอให้วิเคราะห์หุ้น MSFT จะเพียงค้นหาข้อมูลบนเว็บแต่ได้ข้อมูลไม่ครบถ้วน ไม่สามารถให้คำแนะนำที่เป็นรูปธรรมได้ มีความรู้จำกัดและไม่อัปเดต

– Agentic AI ของ SCBX: สามารถรับและตีความข้อความ เข้าใจคำถามหรือข้อมูลที่ต้องการ วางแผนและออกแบบการวิเคราะห์ที่เหมาะสม ใช้ API เครื่องมือทางการเงินต่างๆ เพื่อรวบรวมข้อมูลสำหรับการวิเคราะห์ และนำเสนอข้อมูลที่ได้รับการอัปเดตล่าสุดในรูปแบบที่เข้าใจง่ายและมีประโยชน์

แพลตฟอร์มดังกล่าวแสดงให้เห็นถึงความแตกต่างอย่างมีนัยสำคัญในคุณภาพของคำแนะนำและความสามารถในการจัดการกับงานที่ซับซ้อน ช่วยให้ลูกค้าของ SCBX ได้รับประโยชน์จากการวิเคราะห์ที่ครอบคลุม แม่นยำ และเป็นปัจจุบัน

[ก้าวสู่ AGI กับเส้นทางสู่ AI ระดับมนุษย์]

หนึ่งในหัวข้อที่ได้รับความสนใจมากที่สุดในวงการ AI คือการพัฒนาไปสู่ Artificial General Intelligence (AGI) หรือปัญญาประดิษฐ์ที่มีความสามารถระดับมนุษย์

AGI หมายถึงปัญญาประดิษฐ์ที่คิด เรียนรู้ และปฏิบัติงานใดๆ ก็ตามในระดับที่เทียบเท่ามนุษย์ ซึ่งแตกต่างจาก AI ในปัจจุบันที่ส่วนใหญ่ยังเป็นระบบ Narrow AI ที่ถูกออกแบบมาเพื่อทำงานเฉพาะด้าน

ในวงการ AI ปัจจุบัน ผู้นำและผู้เชี่ยวชาญมีมุมมองที่แตกต่างกันอย่างมากเกี่ยวกับกรอบเวลาและความเป็นไปได้ในการพัฒนา AGI:

– Sam Altman (CEO of OpenAI)  กล่าวว่าเขาน่าจะก้าวถึง AGI เร็วกว่าที่คนส่วนใหญ่ในโลกคิด

– Mustafa Suleyman (CEO of Microsoft AI): เชื่อว่าการพัฒนา AGI อาจใช้เวลานานกว่าที่คาดการณ์ไว้ – อาจถึง 10 ปี

– Sir Demis Hassabis (หัวหน้าของ DeepMind): แสดงความเชื่อมั่นใน AGI ที่ฉลาดกว่ามนุษย์จะเกิดขึ้นใน 5-10 ปีข้างหน้า

[ กรณีศึกษาจริง ตัวอย่างการใช้ AI จาก SCBX และพันธมิตร]

SCBX ได้พัฒนา ‘Typhoon’ ซึ่งเป็นโมเดลภาษาไทยขนาดใหญ่ (LLM) ที่ออกแบบมาเพื่อเสริมศักยภาพในการประมวลผลภาษาไทยโดยเฉพาะ และถูกนำไปประยุกต์ใช้ในหลายองค์กรชั้นนำของประเทศ

โรงพยาบาลศิริราชใช้ Typhoon ในการจัดการเอกสารทางการแพทย์จำนวนมาก โดย Typhoon ใช้ Retrieval Augmented Generation (RAG) ในการดึงข้อมูลที่เกี่ยวข้องได้อย่างแม่นยำ

ประโยชน์ที่ได้รับคือลดภาระของบุคลากรทางการแพทย์ในการอ่านและจดจำข้อมูลจากเอกสารจำนวนมาก เพิ่มความรวดเร็วในการเข้าถึงข้อมูลสำคัญ ลดเวลาในการตัดสินใจ และช่วยให้กระบวนการดูแลผู้ป่วยมีประสิทธิภาพมากขึ้น

VISAI ได้พัฒนาโครงการ ‘สมหมาย’ แชทบอตด้านกฎหมายที่ใช้ Typhoon ในการตอบคำถามเกี่ยวกับกฎหมายธุรกิจและพาณิชย์ สามารถรองรับเอกสารขนาดใหญ่และให้ผลลัพธ์ที่แม่นยำเทียบเคียงระดับสากล

ความสามารถของ ‘สมหมาย’ คือการค้นหาข้อมูลด้านกฎหมายธุรกิจและพาณิชย์ (Corporate and Commercial Laws-CCL) ครอบคลุม 35 สาขากฎหมาย และสนับสนุนงานวิจัยด้านกฎหมาย ช่วยให้การเปรียบเทียบระบบกฎหมายไทยกับต่างประเทศทำได้สะดวกขึ้น

สถาบันวิจัยเพื่อการพัฒนาประเทศไทย (TDRI) ใช้ Typhoon ในการประมวลผลข้อมูลจากประกาศรับสมัครงานออนไลน์ เพื่อวิเคราะห์แนวโน้มของตลาดแรงงานในประเทศไทย ระบบสามารถระบุข้อมูลเกี่ยวกับตำแหน่งงาน สถานที่ทำงาน และทักษะที่เป็นที่ต้องการได้อย่างแม่นยำ

การใช้ Typhoon ในการทำงานให้ผลลัพธ์ที่รวดเร็วและแม่นยำกว่าระบบที่เคยใช้ ช่วยให้สามารถพัฒนานโยบายได้อย่างทันท่วงที โดยอ้างอิงจากข้อมูลเชิงลึกของตลาด ซึ่งช่วยให้ผู้กำหนดนโยบายเข้าใจแนวโน้มของตลาดแรงงานและทักษะที่จำเป็นในอนาคตได้ดียิ่งขึ้น

เทคโนโลยี AI ในปี 2025 จะไม่เพียงแค่ก้าวหน้าในแง่เทคนิค แต่จะเข้ามาเปลี่ยนแปลงวิธีที่เราทำงาน ใช้ชีวิต และแก้ไขปัญหาท้าทายต่างๆ อย่างที่เราไม่เคยเห็นมาก่อน นี่คือโอกาสทองสำหรับทุกคนที่พร้อมปรับตัวและเรียนรู้ที่จะใช้ประโยชน์จากเทคโนโลยีที่ทรงพลังนี้อย่างชาญฉลาด

สามารถดาวน์โหลด SCBX AI Outlook 2025 ได้แล้ววันนี้ ที่ https://www.scbx.com/th/scbx-exclusive/ai-outlook-2025/

#SCBX #AIoutlook2025