อรรถการ สัตยพาณิชย์
ไม่กี่ปีที่ผ่านมา พัฒนาการของ AI (Artificial Intelligence) หรือปัญญาประดิษฐ์เป็นไปอย่างก้าวกระโดด มีการคาดการณ์กันว่า พลังการประมวลผลของ AI อาจเพิ่มขึ้นเป็นสองเท่าในทุก ๆ 6-7 เดือน เร็วกว่ากฎของมัวร์ดั้งเดิม ถึง 3 เท่า (Moore’s Law-เชื่อว่าพลังการประมวลผลของทรานซิสเตอร์บนไมโครชิปจะเพิ่มขึ้นเป็น 2 เท่าในทุก ๆ 2 ปี) อีกทั้งยังสอดคล้องกับแนวคิดอัตราเร่งแบบทวีคูณของการเปลี่ยนแปลง(The Law of accelerating Returns) ของ เรย์ เคิร์ซไวล์ (Ray Kurzweil) ที่เชื่อว่าเวลาในการพัฒนานวัตกรรมแต่ละอย่าง จะสั้นลงเรื่อย ๆ จากที่เคยใช้เวลาพัฒนา 100 ปี ยุคต่อมาอาจใช้แค่ 20 ปี และพอมาถึงยุคปัจจุบันอาจใช้เวลาเพียง 5 ปี เป็นต้น
ร่องรอยการให้ความสำคัญด้าน AI ในระดับประเทศเกิดขึ้นเมื่อปี 2565 คณะรัฐมนตรีได้ให้ความเห็นชอบ “แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ.2565-2570)” และในส่วนของสถาบันอุดมศึกษาในฐานะผู้ผลิตกำลังคนให้แก่ภาคธุรกิจ ภาคอุตสาหกรรม รวมทั้งหน่วยงานอื่น ๆ นายสุรศักดิ์ พันธ์เจริญวรกุล รัฐมนตรีว่าการกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) ได้ประกาศ เรื่อง แนวปฏิบัติเกี่ยวกับการจัดการเรียนการสอนด้านปัญญาประดิษฐ์ในหลักสูตรการศึกษาของสถาบันอุดมศึกษา พ.ศ. 2568 นับว่าเป็น Roadmap ที่เชื่อมโยง "ห้องเรียน" สู่ "โรงงาน" อย่างเป็นระบบ โดยเน้นยุทธศาสตร์การสร้างคน สร้างนวัตกรรม และส่งเสริมการประยุกต์ใช้อย่างแท้จริง
แผนการพัฒนากำลังคนด้าน AI
หัวใจสำคัญของแผนที่ทางเดินเพื่อไปสู่เป้าหมายหรือ Roadmap คือ การแก้ปัญหาการขาดแคลนกำลังคน โดยตั้งเป้าหมายผลิตและพัฒนาบุคลากรด้าน AI ให้ได้ ไม่ต่ำกว่า 30,000 คน (พ.ศ. 2568-2570) เพื่อให้เป็นไปตามแผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติฯ (พ.ศ.2565-2570) ภายใต้นโยบาย "อว. for AI" ของกระทรวงการอุดมศึกษาฯ ประกอบด้วย
- AI ภาคบังคับ: สถาบันอุดมศึกษาจะกำหนดให้บรรจุรายวิชาหรือเนื้อหาที่ประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ ไม่น้อยกว่า 6 หน่วยกิต (หรือ 2 รายวิชา) ในทุกหลักสูตร (ยกเว้นสาขาเฉพาะทาง) เพื่อให้บัณฑิตทุกคนมีทักษะพื้นฐานในการประยุกต์ใช้ AI ในสาขาอาชีพของตนเอง
- AI Workforce Development: เน้นการพัฒนาบุคลากรด้าน AI และสร้างพื้นฐานให้แก่แรงงานในตลาด เพื่อยกระดับทักษะ (Upskill/Reskill) ให้ตอบโจทย์ความต้องการของอุตสาหกรรมยุคใหม่
- ตั้งหน่วยให้คำปรึกษา (AI Consultation Unit): ในมหาวิทยาลัย เพื่อเป็นกลไกสนับสนุนและให้คำปรึกษาการใช้ AI ในระดับสถาบัน ซึ่งเป็นจุดเริ่มต้นของการสร้างความร่วมมือกับภาคธุรกิจ
เน้นสร้างนวัตกรรมจากงานวิจัยสู่ภาคธุรกิจ
นอกจากนี้ความรู้ในห้องเรียนต้องเปลี่ยนเป็นนวัตกรรมที่สามารถสร้างผลกระทบทางเศรษฐกิจได้ ภายใต้ ยุทธศาสตร์ที่ 4 (วิจัย–นวัตกรรม) และ AI Innovation จึงมีการกำหนดเป้าหมายการสร้างสรรค์ผลงานที่เป็นรูปธรรมเพื่อเชื่อมโยงกับภาคธุรกิจ ดังนี้
- เป้าหมาย 100 ต้นแบบ: สนับสนุนการพัฒนาเทคโนโลยีฐานและนวัตกรรม AI เพื่อนำสู่ตลาด โดยมีเป้าหมายสร้างต้นแบบนวัตกรรม AI ไม่ต่ำกว่า 100 ชิ้น
- การถ่ายทอดเทคโนโลยี: เน้นการสร้างโมเดลและอัลกอริทึมที่สามารถนำไปใช้ได้จริง เพื่อลดการพึ่งพาเทคโนโลยีจากต่างประเทศ และเปิดช่องทางให้ภาคธุรกิจสามารถนำผลงานวิจัยและนวัตกรรมเหล่านี้ไปใช้พัฒนาผลิตภัณฑ์และบริการของตนเอง
เชื่อมโยงโลกวิชาการสู่ภาคธุรกิจ-อุตสาหกรรม
ความสำเร็จของแผนฯ อยู่ที่การนำ AI ไปประยุกต์ใช้จริงในภาคส่วนต่าง ๆ ซึ่งเป็นไปตาม ยุทธศาสตร์ที่ 5 (การประยุกต์ใช้ในรัฐ–เอกชน) ที่จะเชื่อมโยงผลผลิตจากมหาวิทยาลัยเข้าสู่ภาคสนามจริง โดยมีแนวทางดังนี้
- เป้าหมาย 600 แห่ง: ส่งเสริมให้หน่วยงานภาครัฐและภาคเอกชนนำ AI ไปใช้งานจริง ไม่ต่ำกว่า 600 แห่ง เพื่อสร้างมูลค่าผลกระทบทางเศรษฐกิจในหลักหมื่นล้านบาท
- การใช้งานในอุตสาหกรรม: เน้นการนำ AI เข้าไปใช้ในภาคส่วนที่มีศักยภาพสูง เช่น ภาคการผลิต (โรงงาน/อุตสาหกรรม) ภาคบริการ การเกษตร และสาธารณสุข เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และสร้างสินค้า/บริการใหม่ ๆ
ส่วนในการทำงานจะเป็นการร่วมมือกันแบบ Triple Helix ประกอบด้วย 3 ฝ่าย คือ มหาวิทยาลัย/สถาบันวิจัย (U) ภาคเอกชน/อุตสาหกรรม (I) และภาครัฐ (G) โดยมีมหาวิทยาลัย เป็นผู้สร้างองค์ความรู้ คน และนวัตกรรม โดยมีการวิจัยเป็นสะพานเชื่อม และมีภาคธุรกิจ/อุตสาหกรรม นำไปพัฒนาผลิตภัณฑ์/บริการและขยายตลาด ทำหน้าที่เป็นผู้รับผลผลิตและขับเคลื่อนการเติบโตของชาติ ส่วนภาครัฐ ทำหน้าที่กำกับนโยบาย กฎหมาย มาตรฐาน และทุนสนับสนุน
ภายใต้หลักคิดเพื่อให้ทุกฝ่าย “บิดพันกันเป็นเกลียว (helix)” ทำงานร่วมกัน ตั้งแต่ ต้นน้ำ จนถึงปลายน้ำ ไม่แยกส่วนในการทำงาน นับเป็นการสร้าง “ระบบนิเวศ AI ที่ครบถ้วนและเชื่อมโยง” เพื่อยกระดับเศรษฐกิจ–คุณภาพชีวิต ซึ่งหมายถึง “การใช้จริง” ในอุตสาหกรรม การบริการ และภาครัฐ ไม่ใช่แค่ทำวิจัยในรั้วมหาวิทยาลัย นับเป็นการวางรากฐานสำคัญเพื่อให้ประเทศไทยก้าวเป็นหนึ่งในผู้เล่นสำคัญในยุค AI อย่างยั่งยืน
แนวทางการเรียนการสอนเพื่อสนับสนุน AI Ecosystem
เพื่อให้ผู้เรียนใช้ AI ประยุกต์ใช้ในการทำงานมีหลายวิธีด้วยกัน แต่แนวทางการเรียนการสอนที่สามารถนำไปใช้ได้ เช่น
- การรู้เท่าทัน AI และจริยธรรม (AI Literacy & Ethics for All) ทุกหลักสูตรต้องมีการสอน AI พื้นฐาน รูปแบบการจัดการเรียนการสอนสามารถผสมผสานกับการเรียนรู้จากประสบการณ์จริง (Experiential Learning) ในรูปแบบของโครงงาน (Project-Based Learning) โดยให้ความสำคัญในการปฏิบัติจริง มากกว่าบรรยาย เนื่องจากนักศึกษา Gen นี้เรียนรู้ในเรื่องเทคโนโลยีได้อย่างรวดเร็ว
- การร่วมมือกับภาคอุตสาหกรรมในรูปแบบ Capstone (Co-creation Capstone Project) โดยเน้นการทำของจริง ใช้ข้อมูลจริง เปิดรับโจทย์จากโรงงาน หรือธุรกิจ SMEs ข้อแตกต่างของ Capstone กับโครงงานหรือ Project และ Thesis ก็คือ Capstone จะเป็นวิชาหรือโครงงานก่อนจบการศึกษา โดยให้นักศึกษานำความรู้ตลอดหลักสูตรมาใช้แก้ปัญหาจริงแบบครบวงจร ต่างจากวิชา Project ทั่วไป ตรงที่ Capstone มักเป็นงานที่เกิดจากการนำความรู้ตลอดทั้งหลักสูตรมาใช้ มีที่ปรึกษาคู่ ประกอบด้วย อาจารย์ และที่ปรึกษาอุตสาหกรรมหรือองค์กร และมีเกณฑ์จบการศึกษาชัดเจน และต่างจาก Thesis คือ Capstone จะเน้นการ “แก้ปัญหาเชิงปฏิบัติและใช้งานได้จริง” มากกว่าการ “สร้างองค์ความรู้ใหม่”
- การเปิดคลินิก AI ที่มหาวิทยาลัย (AI Clinic @University) เป็นการจัดตั้งคลินิกให้คำปรึกษาธุรกิจ SMEs หรือโรงงาน สัปดาห์ละ 1–2 วัน มีการจับคู่โจทย์ ระหว่างทีมวิจัยกับผู้เรียน เพื่อพิสูจน์แนวคิด (Proof of Concept-POC) ซึ่งเป็นการทดสอบเล็ก ๆ เพื่อยืนยันไอเดีย เทคโนโลยี และวิธีการทำงานว่าทำได้จริงหรือไม่ และพอที่จะไปต่อเป็น Prototype (ทำแบบจำลอง/ตัวอย่าง) หรือ Pilot (นำของที่พร้อมแล้วไปทดลองใช้จริง) ว่าสามารถทำได้จริงหรือไม่ โดยใช้ทรัพยากรและเวลาน้อยที่สุด
การเรียนการสอนในรูปแบบ AI Based Education สามารถนำมาใช้ได้ในทุกสาขาวิชา ไม่ว่าจะเป็นมนุษยศาสตร์และสังคมศาสตร์ วิทยาศาสตร์เทคโนโลยี วิทยาศาสตร์สุขภาพ ฯลฯ และโครงงานที่ให้ฝึกปฏิบัติจริงก็ต้องออกแบบการเรียนการสอนให้เหมาะสมกับวัตถุประสงค์ในการเรียนรู้ของแต่ละศาสตร์ แต่เป้าหมายที่ต้องให้ความสำคัญเป็นอย่างมากก็คือ การจัดการเรียนการสอนด้าน AI ของสถาบันอุดมศึกษาจะต้องเชื่อมต่อกับการตอบโจทย์ในการทำงานจริงของตลาดแรงงานให้ได้อย่างเหมาะสม และช่วยเพิ่มความสามารถในการแข่งขันของประเทศ......
