บทความพิเศษ | พิธา ลิ้มเจริญรัตน์
ปีนี้ AI กำลังเผชิญกับการเสื่อมศรัทธาอย่างหนักจากทั่วโลก
ในพิธีจบการศึกษาของ Harvard คำปราศรัยถึงบัณฑิตเตือนสติว่า อย่าปล่อยให้ AI ขโมยความสนุก พรากความพยายาม และการฝึกฝนจนเชี่ยวชาญไปจากชีวิต ในหลายมหาวิทยาลัย บัณฑิตตั้งใจโห่ร้องหรือแม้กระทั่งเดินออกจากพิธีรับปริญญา
ขณะเดียวกัน ชุมชนในหลายประเทศทั่วโลก รวมถึงบ้านเรา เริ่มต่อต้าน Data Center หรือศูนย์ข้อมูล
ประท้วงเรื่องการแย่งใช้น้ำและไฟฟ้า
คนทำงานหวั่นโดนแทนที่ วัยรุ่นพึ่งพาแชตบอตด้านสุขภาพจิตทั้งที่ระบบยังให้ข้อมูลหลอน จนกระทั่งมีการฆ่าตัวตายจนบางรัฐบาลต้องออกกฎหมายปกป้องเยาวชน
ตัดภาพมาที่ประเทศไทย โครงการ TH-AI Passport มูลค่ากว่า 1.6 พันล้านบาท ก็ถูกสังคมตั้งคำถามหนักเรื่องความคุ้มค่า ความโปร่งใส และประโยชน์ที่ประชาชนจะได้จริง
ทั่วโลกกำลังก้าวเข้าสู่ยุคสมัยที่ผู้คนเริ่มตั้งคำถามกับ AI อย่างตรงไปตรงมาว่า ผลลัพธ์ที่เราได้กลับมานั้น คุ้มค่ากับต้นทุนที่โลกต้องจ่ายไปจริงหรือ
หาก AI ทำได้เพียงช่วยเขียนอีเมลแทนเรา สร้างภาพได้สวยขึ้น หรือเพิ่มประสิทธิภาพการทำงานเพียงเล็กน้อย แต่สิ่งที่สังคมต้องแลกกลับเป็นการใช้พลังงานและน้ำมหาศาลเพื่อหล่อเลี้ยงศูนย์ข้อมูล การปล่อยคาร์บอนที่พุ่งสูงขึ้น ความหวาดผวาว่างานจะถูกแทนที่
ไปจนถึงความรู้สึกสิ้นหวังของคนรุ่นใหม่ที่ไม่แน่ใจว่าอนาคตยังเหลือพื้นที่ให้พวกเขายืนอยู่ตรงไหน
สมการระหว่างต้นทุนกับประโยชน์ของ AI จึงกลายเป็นคำถามสำคัญของยุคนี้
ไม่มีใครปฏิเสธว่าเราต้องพยายามลดผลกระทบด้านลบของ AI ให้มากที่สุด
แต่สิ่งที่ผมสนใจไม่แพ้กันคือ เราจะเพิ่ม “คุณค่า” ของ AI ให้กับมนุษยชาติได้อย่างไร
จะใช้มันเพื่อลดความขาดแคลน ลดความเหลื่อมล้ำ และแก้ปัญหาให้กับคนธรรมดาทั่วโลกได้อย่างไร
คําตอบอาจเริ่มต้นจากการเปลี่ยนคำถาม ตลอดหลายปีที่ผ่านมา การแข่งขันด้าน AI มักถูกเล่าผ่านขนาดของโมเดล จำนวนชิพ และกำลังประมวลผล ราวกับชัยชนะวัดกันที่จำนวนเครื่องจักร
แต่คำถามที่สำคัญกว่านั้นอาจเรียบง่ายกว่ามาก โลกกำลังขาดอะไร
โลกไม่ได้ขาดข้อมูล เรามีข้อมูลมากที่สุดในประวัติศาสตร์
สิ่งที่ขาดคือ “คน” ที่จะเปลี่ยนข้อมูลนั้นให้กลายเป็นคำวินิจฉัย บทเรียน และคำแนะนำ เราขาดแพทย์ ขาดครู และขาดผู้เชี่ยวชาญด้านการเกษตร
หาก AI จะมีความหมายต่อมนุษยชาติ ความหมายนั้นไม่ควรอยู่ที่การแข่งกันสร้างโมเดลที่ใหญ่ที่สุด แต่ควรอยู่ที่การเติมเต็มช่องว่างของมนุษย์ในจุดที่โลกกำลังขาดแคลนมากที่สุด
ผมจึงคุยกับผู้เชี่ยวชาญและลองหาคำตอบมานำเสนอท่านผู้อ่าน
1.สาธารณสุข : AI และการลดปัญหาขาดแคลนของแพทย์
WHO ประเมินว่าภายในปี 2573 โลกจะขาดแคลนบุคลากรด้านสุขภาพถึง 11 ล้านคน โดยเฉพาะในประเทศรายได้ต่ำและปานกลาง ต่อให้เร่งผลิตแพทย์ตั้งแต่วันนี้ก็ยังไม่ทันการณ์
Qure.ai จากอินเดียเข้ามาตอบโจทย์นี้ด้วยการพัฒนา AI อ่านภาพเอ็กซเรย์ทรวงอก เพื่อคัดกรองวัณโรคและมะเร็งปอดในพื้นที่ขาดแคลนรังสีแพทย์ ระบบจะวิเคราะห์ภาพเบื้องต้นอย่างรวดเร็วและชี้จุดเสี่ยงให้แพทย์ตรวจสอบต่อ
ในปีเดียว Qure.ai ช่วยคัดกรองวัณโรคให้ประชาชนกว่า 7 ล้านคน และระบุผู้เสี่ยงได้กว่า 650,000 คน แม้ในพื้นที่ที่ไฟฟ้าและอินเตอร์เน็ตเข้าถึงยาก
เช่นเดียวกับ Butterfly iQ ที่เปลี่ยนเครื่องอัลตราซาวด์ขนาดใหญ่และราคานับล้านบาท ให้กลายเป็นหัวตรวจขนาดจิ๋วที่เสียบต่อกับสมาร์ตโฟนได้ โดยมีระบบ AI ทำหน้าที่เป็น “นักรังสีเทคนิคส่วนตัว” คอยบอกตำแหน่งมือ วิเคราะห์ขนาดอวัยวะ และแจ้งเตือนความผิดปกติในหัวใจหรือการตั้งครรภ์ได้แบบเรียลไทม์
ทำให้เจ้าหน้าที่สาธารณสุขในพื้นที่ห่างไกลสามารถตรวจอัลตราซาวด์เบื้องต้นได้ทันทีโดยไม่ต้องรอผู้เชี่ยวชาญ
ในระบบที่มีแพทย์พอ AI ช่วยจัดลำดับเคสเร่งด่วน แต่ในพื้นที่ห่างไกล มันคือเครื่องมือชิ้นแรกที่ช่วยให้เห็นความผิดปกติเร็วขึ้น
2.การศึกษา : AI และการลดปัญหาขาดแคลนของครู
UNESCO ระบุว่าโลกต้องการครูเพิ่มอีก 44 ล้านคนภายในปี 2573 เบื้องหลังตัวเลขนี้คือห้องเรียนขนาดใหญ่ที่ครูหนึ่งคนต้องดูแลเด็กหลายสิบคน เด็กเรียนช้าไม่กล้าถามซ้ำ เด็กเรียนไวต้องนั่งรอ ความเหลื่อมล้ำจึงเกิดขึ้นตั้งแต่ในห้องเรียน
Rising Academies ในแอฟริกาตะวันตก แก้โจทย์นี้ด้วยการสร้าง Rori ครูสอนคณิตศาสตร์ AI ที่ทำงานผ่าน WhatsApp เด็กใช้เพียงโทรศัพท์ธรรมดาถามคำถามซ้ำ เรียนตามจังหวะตนเอง โดยระบบถูกออกแบบมาให้ชวนคิด ไม่ใช่แจกคำตอบสำเร็จรูป การทดลองในกานาพบว่า เด็กที่เรียนกับ Rori สัปดาห์ละ 1 ชั่วโมง เป็นเวลา 8 เดือน มีพัฒนาการด้านคณิตศาสตร์สูงกว่ากลุ่มเรียนปกติอย่างมีนัยสำคัญ
ขณะที่ Squirrel AI ยกระดับการเรียนรู้แบบเฉพาะบุคคลไปอีกขั้น โดยการใช้ AI ย่อยบทเรียนออกเป็น “จุดความรู้ย่อย” นับพันจุด ระบบจะประเมินหาจุดที่ไม่เข้าใจของนักเรียนแต่ละคนทันที หากเด็กทำโจทย์เรขาคณิตไม่ได้ AI สามารถวิเคราะห์ย้อนกลับไปพบว่าเด็กขาดความรู้พื้นฐานตั้งแต่เมื่อสองปีก่อน แล้วส่งแบบฝึกหัดซ่อมแซมตรงจุดให้ทันที ช่วยแบ่งเบาภาระครูจากการตรวจทานรายคน ให้ครูมีเวลาไปดูแลจิตใจและสร้างแรงบันดาลใจให้เด็กได้อย่างเต็มที่
ความได้เปรียบในการเรียนพิเศษและการเข้าถึงการสอนแบบตัวต่อตัวที่เคยขึ้นอยู่กับฐานะ กำลังถูกทลายลงด้วยเทคโนโลยีเหล่านี้
3.การเกษตร : AI และการลดปัญหาการขาดแคลนของเกษตรกร
ปัญหาเกษตรกรขาดข้อมูลเฉพาะพื้นที่ที่ทันเวลา สภาพอากาศที่ผันผวนและโรคพืชระบาดทำให้ประสบการณ์เดิมใช้ไม่ได้ผลอีกต่อไป
เกษตรกรรายใหญ่อาจมีเซ็นเซอร์และภาพถ่ายดาวเทียม แต่เกษตรกรรายย่อยต้องแบกรับความเสี่ยงเพียงลำพัง หลายบริษัทกำลังใช้ AI ในการแก้ไขปัญหาเหล่านี้
Cropin จากอินเดีย สร้างระบบ AI ที่รวบรวมข้อมูลพืช ดิน สภาพอากาศ และโรคพืช เพื่อประเมินสุขภาพแปลงและแนะนำการจัดการน้ำหรือปุ๋ยแบบรายแปลง ปัจจุบันถูกนำไปใช้ในกว่า 100 ประเทศ เชื่อมโยงเกษตรกรราว 7 ล้านคน
ส่วน Plantix ทำหน้าที่เป็น “หมอพืชดิจิทัล” ประจำตัวเกษตรกรรายย่อยกว่า 10 ล้านคนทั่วโลก เพียงแค่ถ่ายภาพใบพืชที่เหี่ยวแห้งหรือเปลี่ยนสีด้วยสมาร์ตโฟน AI จะประมวลผลและระบุชนิดของโรคพืช ศัตรูพืช หรือภาวะขาดสารอาหารได้ภายในไม่กี่วินาที พร้อมแนะนำวิธีรักษาด้วยยาหรือปุ๋ยที่หาได้ในท้องถิ่นทันที ช่วยป้องกันความเสียหายก่อนผลผลิตจะเสียหายทั้งหมดโดยไม่ต้องเสียเวลาและเงินซื้อสารเคมีผิดประเภท
สิ่งเหล่านี้คือการมอบ “นักวิชาการเกษตรส่วนตัว” ให้เกษตรกรรายย่อย เปลี่ยนความรู้ที่เคยกระจุกตัวในสถาบันใหญ่ให้ไปถึงมือผู้ใช้ในเวลาที่ต้องตัดสินใจจริง
กลับมาสู่โจทย์ประเทศไทย
: ยุทธศาสตร์ AI จากภาวะขาดแคลน
ผมเชื่อว่าประเทศไทยก็ควรเริ่มยุทธศาสตร์ AI จากภาวะขาดแคลนของเราเองเช่นกัน
หากโรงพยาบาลชุมชนขาดแคลนรังสีแพทย์ เราควรทดลองใช้ AI เพื่อช่วยอ่านภาพถ่ายรังสี คัดกรองผู้ป่วยเร่งด่วน หรือช่วยตรวจอัลตราซาวด์เบื้องต้น
หากโรงเรียนขนาดเล็กมีครูไม่ครบชั้น เราควรพัฒนา AI ครูผู้ช่วยภาษาไทยที่สอดคล้องกับหลักสูตร ช่วยวิเคราะห์จุดอ่อนของนักเรียนรายบุคคล และตรวจสอบคุณภาพได้
และหากเกษตรกรต้องเผชิญกับทั้งภัยแล้ง น้ำท่วม โรคพืช และความผันผวนของราคา เราควรเชื่อมโยงข้อมูลดาวเทียม สภาพอากาศ ดิน ภาพถ่ายโรคพืช และราคาตลาด ให้กลายเป็นคำแนะนำรายแปลงที่ใช้งานได้จริง
โจทย์ของเราควรรวมถึงผู้สูงอายุที่อยู่ตามลำพัง เจ้าหน้าที่สาธารณสุขที่มีภาระล้นมือ ข้าราชการที่เสียเวลากับงานเอกสาร และประชาชนที่ต้องเดินทางไกลเพื่อรับบริการรัฐ ทุกจุดที่คนมีไม่พอ เวลามีไม่พอ หรือความเชี่ยวชาญไปไม่ถึง ล้วนเป็นพื้นที่ที่ AI สามารถสร้างคุณค่าสาธารณะได้สูงสุด
การลงทุนจึงต้องวัดที่ผลลัพธ์ต่อประชาชนเป็นหลัก ไม่ใช่จำนวนชิพหรือมูลค่างบประมาณ เราควรกำหนดให้ชัดเจนตั้งแต่แรกว่าโครงการหนึ่งจะช่วยผู้ป่วยได้กี่คน ลดเวลารอได้เท่าไร ทำให้เด็กเรียนดีขึ้นเพียงใด เพิ่มรายได้หรือลดความเสี่ยงให้เกษตรกรได้แค่ไหน และพร้อมจะหยุดโครงการทันทีหากผลลัพธ์ไม่เป็นไปตามเป้าหมาย
ขณะเดียวกัน ข้อมูลส่วนบุคคลต้องได้รับการคุ้มครอง การตัดสินใจสำคัญต้องมีมนุษย์รับผิดชอบ ระบบต้องเปิดให้ตรวจสอบอคติ และกระบวนการจัดซื้อต้องโปร่งใส
ความไว้วางใจใน AI จะเกิดขึ้นจากประสบการณ์จริงของผู้คน มากกว่าคำโฆษณาหรือชื่อโครงการที่ยิ่งใหญ่
KPI ที่ถูกต้องของ AI
การแข่งขันด้าน AI ของโลกยุคถัดไป ไม่ควรวัดกันที่ใครมีโครงสร้างพื้นฐานใหญ่ที่สุด
แต่ควรวัดด้วยตัวชี้วัดชุดใหม่ว่า มีผู้ป่วยกี่คนที่ได้รับการรักษาเร็วขึ้น มีเด็กกี่คนที่ได้เรียนรู้ตามจังหวะของตนเอง มีเกษตรกรกี่ครัวเรือนที่รอดพ้นจากความเสียหาย มีเจ้าหน้าที่รัฐกี่คนที่ได้เวลากลับไปดูแลประชาชน และมีคนอีกกี่ล้านคนที่เข้าถึงความเชี่ยวชาญซึ่งครั้งหนึ่งเคยสงวนไว้สำหรับคนส่วนน้อย
ชื่อเสียงของ AI จะฟื้นกลับมาได้ เมื่อสังคมเห็นว่าเทคโนโลยีนี้กำลังช่วยแก้ปัญหาที่จริงจัง กว่าการเขียนอีเมลให้เร็วขึ้นหรือสร้างรูปให้สวยขึ้น
ประเทศที่ก้าวหน้าในยุค AI จึงไม่ใช่ประเทศที่มีเครื่องจักรมากที่สุด แต่คือประเทศที่สามารถเปลี่ยนเทคโนโลยี ให้กลายเป็นสุขภาพ การศึกษา รายได้ และศักดิ์ศรีของประชาชนได้มากที่สุด
เพราะปัญญาประดิษฐ์จะมีคุณค่าที่สุด เมื่อมันช่วยให้สิ่งที่โลกมีไม่เพียงพอ ไปถึงผู้คนที่รอคอยสิ่งนั้นมากที่สุด
