เราคงคุ้นเคยกับคำว่า ปัญญาประดิษฐ์ หรือ AI เป็นอย่างดี ว่าจะมาช่วยมนุษย์ทำงาน คิดวิเคราะห์ข้อมูล และช่วยในการตัดสินใจ ทำให้เราทำงานได้รวดเร็วและมีประสิทธิภาพยิ่งขึ้น เนื่องจาก AI มีความสามารถในการเรียนรู้ ทำให้ตัวมันนั้นฉลาดขึ้น สามารถทำงานได้ไม่มีเหนื่อย ทำแบบซ้ำๆ ได้ไม่เบื่อ และมีข้อผิดพลาดน้อย ด้วยข้อดีเหล่านี้จึงเกิดคำถามว่า AI จะกลายเป็น disruptive technology ที่ทำให้ธุรกิจบางอย่างหายไปหรือไม่ ปัจจุบัน ในบางสาขาอาชีพนั้น เราเริ่มเห็นแล้วว่า AI สามารถเข้ามามีบทบาทและทำได้ดีกว่ามนุษย์เสียอีก แล้วรูปแบบของ AI ในอนาคตจะเป็นแบบไหนกัน? 

ก่อนจะพูดถึงอนาคตของ AI เราต้องเริ่มจากความเข้าใจในวิวัฒนาการของอินเตอร์เน็ตก่อน ซึ่งสามารถแบ่งเป็น 3 ยุค ได้แก่ Web 1.0 เป็นรูปแบบของอินเตอร์เน็ตในยุคแรก ที่เป็นการให้ข้อมูลแบบทางเดียว (one-way communication) โดยผู้ใช้งานสามารถรับข่าวสารที่เจ้าของ content ได้เตรียมไว้ได้ แต่ไม่มีการตอบโต้แลกเปลี่ยนข้อมูลกันโดยตรง เป็นยุคที่มีการรวมศูนย์กลางของข้อมูล หรือก็คือรูปแบบของอินเตอร์เน็ตในแบบสมัยเก่า ที่เราเข้าไปหาข้อมูลต่างๆ จากในนั้นได้แค่เพียงการอ่านอย่างเดียวเท่านั้น ต่อมา ในยุค Web 2.0 ที่มีการปรับปรุงในแง่การมีส่วนร่วมของผู้ใช้งานและการโต้ตอบกันเกิดเป็น two-way communication ผ่านแพลตฟอร์มต่าง ๆ เช่น Facebook Instagram Twitter TikTok และ YouTube  เป็นยุคที่เราสามารถเป็นเจ้าของเนื้อหาและสร้าง content ของเราเองได้ ส่งผลให้เกิดการแลกเปลี่ยนข้อมูลกันอย่างกว้างขวางมากขึ้นและมีประสิทธิภาพกว่าอินเตอร์เน็ตในยุคแรก แต่ว่าการที่ต้องอาศัยตัวกลางในการแลกเปลี่ยนข้อมูลอาจก่อให้เกิดการเอาเปรียบผู้ใช้งาน ไม่ว่าจะเป็นในรูปแบบการใช้ประโยชน์จากข้อมูลของผู้ใช้งาน การควบคุม content จากเจ้าของ platforms ซึ่งความพยายามในการแก้ปัญหาเหล่านี้ทำให้เกิด Web 3.0 ซึ่งเป็นอินเตอร์เน็ตที่เน้นการทำงานแบบกระจายศูนย์ (decentralization) ไม่ต้องพึ่งพาการแลกเปลี่ยนข้อมูลผ่านตัวกลาง ผนวกกับเว็บไซต์และแอพพลิเคชันที่จะถูกขับเคลื่อนด้วยนวัตกรรม AI เพื่อสร้างเนื้อหาที่มีความเป็นส่วนตัวของแต่ละผู้ใช้งาน โดยมีเทคโนโลยี blockchain เป็นตัวขับเคลื่อนสำคัญ ข้อดีของระบบ Web 3.0 คือความปลอดภัยของข้อมูล ทุกคนสามารถแบ่งปันข้อมูลและเป็นส่วนหนึ่งในระบบนั้นโดยไม่ต้องผ่านตัวกลางอีกต่อไป ทำให้มีความโปร่งใส ยากต่อการที่บุคคลภายนอกจะเข้าไปทำการแก้ไขเนื่องจากสำเนาของข้อมูลไม่ได้ถูกรวมศูนย์อยู่ที่ใดที่หนึ่ง หากแต่กระจายไปยังผู้ใช้ทุกคน ในเชิงเศรษฐศาสตร์เราเริ่มเห็นตัวอย่างนี้กันชัดเจนมากผ่านระบบ cryptocurrency ซึ่งคือระบบการเงินที่ไม่ต้องมีธนาคารเป็นตัวกลางอีกต่อไป

AI in Web 3.0

ในทำนองเดียวกันกับการพัฒนาอินเตอร์เน็ต รูปแบบของ AI ในอนาคตจะเป็นไปในลักษณะ decentralized เช่นเดียวกัน โดยอุปกรณ์ต่างๆ จะมี AI ฝังอยู่ ทุกคนสามารถเข้าถึงและเป็นเจ้าของ AI ได้ 

ดังนั้น การเตรียมทรัพยากรสำหรับการคำนวณ การรวบรวมและสร้างฐานข้อมูล ตลอดจนการสร้างนักรบ AI เพื่อรองรับกับเทคโนโลยีในอนาคตเหล่านี้จึงเป็นสิ่งที่สำคัญยิ่ง ทีมวิจัยนาโนสารสนเทศและปัญญาประดิษฐ์ (Nanoinformatics and Artificial Intelligence, NAI) ภายใต้กลุ่มวิจัย NCAS ได้เริ่มพัฒนาระบบการคำนวณแบบกระจายศูนย์หรือ decentralized computing ที่เราเรียกสั้นๆ ว่า Peer-AI ที่ทุกคนสามารถแชร์ทรัพยากรการคำนวณและข้อมูลเพื่อสร้างโมเดลปัญญาประดิษฐ์ (AI model) ได้

แล้ว AI ที่ทีมวิจัย NAI พัฒนาขึ้น จะมีรูปแบบและระบบเพื่อรองรับกับการเข้าสู่ความเป็น decentralization ของยุค web 3.0 ได้อย่างไร? 

แน่นอนว่า AI ที่เราสร้างขึ้นจะอยู่บนระบบ Peer-AI ซึ่งเป็นแบบกระจายศูนย์ ที่ใครๆ สามารถเข้ามาแชร์ทรัพยากรการคำนวณ ข้อมูล และ AI models เพื่อให้เห็นภาพของ AI models ที่เรากำลังพัฒนาอยู่ เราจะขอยกตัวอย่างงานที่ตอบโจทย์วิจัยทางด้านนาโนสารสนเทศ (nanoinformatics) และตัวเร่งปฏิกิริยา เป็นที่ทราบกันดีว่าการที่เราจะสอน AI ให้เรียนรู้ได้ดี เราจะต้องมีข้อมูลที่ดีและควรมีจำนวนมากเพียงพอต่อการสร้างแบบจำลอง ดังนั้นการเก็บรวบรวมข้อมูลจึงมีความสำคัญไม่แพ้ขั้นตอนการเลือกอัลกอริทึมที่จะใช้สอน AI เลยทีเดียว สำหรับข้อมูลที่เราใช้ในงานวิจัยเหล่านี้ บางส่วนมาจากการทดลอง จากการทบทวนวรรณกรรม (literature review) และ/หรือข้อมูลจากการคำนวณทางทฤษฎี เช่น Density functional theory (DFT) เป็นต้น สำหรับบทความนี้จะขอยกตัวอย่าง AI models 3 งาน ได้แก่

• การใช้ AI เพื่อทำนายคุณสมบัติของตัวเร่งปฏิกิริยา  ในการศึกษานี้ เราได้พัฒนาระบบฐานข้อมูลเพื่อจัดเก็บผลการคำนวณเชิงทฤษฎีด้วยระเบียบวิธี DFT ของกลุ่มตัวเร่งปฏิกิริยาประเภทต่างๆ สามารถแสดงสูตรโครงสร้างทางเคมี ค่าพลังงานเชิงทฤษฎี ไปจนถึงการแสดงผลโครงสร้างโมเลกุลระดับ 3 มิติ เพื่อเป็นวัตถุดิบสำคัญในการต่อยอดไปสู่การพัฒนา AI models ที่สามารถค้นหาตัวเร่งปฏิกิริยาอุดมคติที่จำเพาะกับปฏิกิริยาเคมีที่สนใจ  โดยเฉพาะปฏิกิริยาเคมีที่มีกลไกการเกิดปฏิกิริยาที่เป็นไปได้หลายกลไก จำต้องใช้ผู้เชี่ยวชาญและทรัพยากรการคำนวณจำนวนมากเพื่อสร้างความเข้าใจเชิงกลไกการเกิดปฏิกิริยาเชิงลึก ซึ่ง AI จะสามารถเข้ามามีส่วนช่วยไขความซับซ้อนนี้ได้ โดยทำนายพลังงานการเกิดปฏิกิริยาและวิเคราะห์หาคุณสมบัติทางเคมีพื้นฐานของตัวเร่งปฏิกิริยาต่อกลไกการเกิดปฏิกิริยาที่สนใจ เพื่อร่วมออกแบบตัวเร่งปฏิกิริยาที่มีความจำเพาะและมีประสิทธิภาพสูงในอนาคต

• การสร้าง web application เพื่อเก็บข้อมูล X-ray absorption near edge structure (XANES)  spectrum และสร้าง AI เพื่อวิเคราะห์ข้อมูลองค์ประกอบของสารตัวอย่างที่ต้องการศึกษา ในการศึกษานี้เรามีการเก็บฐานข้อมูลสเปกตรัมของสารมาตรฐาน และมี AI ที่จะช่วยวิเคราะห์ข้อมูลและสามารถแนะนำสเปกตรัมของสารมาตรฐานที่เหมาะสมในการนำมาหาองค์ประกอบของสารตัวอย่างจากสเปกตรัมที่ต้องการวิเคราะห์ นอกจากนั้น AI ยังสามารถช่วยทำนายค่า oxidation numbers และ coordination numbers จากสเปกตรัมที่ต้องการวิเคราะห์ได้อีกด้วย

• การวิเคราะห์ข้อมูลที่เกี่ยวกับอนุภาคนาโน (nanoinformatics) ด้วย AI เราจะเก็บข้อมูลลักษณะของอนุภาคนาโนที่มีการทดสอบความเป็นพิษจาก literature review เช่น ชนิดและขนาดของอนุภาคนาโน สารที่เคลือบที่ผิวของอนุภาค ประจุที่ผิวของอนุภาคนาโน เซลล์ไลน์ที่นำมาทดสอบ และ cell viability เป็นต้น ซึ่งผลจาก AI จะช่วยวิเคราะห์คุณลักษณะ หรือ feature ของอนุภาคนาโนที่มีความสำคัญส่งผลต่อความเป็นพิษต่อเซลล์ และยังสามารถใช้ในการทำนายความเป็นพิษของอนุภาคนาโนได้ด้วย ซึ่งผลจากการศึกษาเหล่านี้จะเป็นประโยชน์ต่อการออกแบบและสังเคราะห์ ตลอดจนเป็นแนวทางการนำอนุภาคนาโนไปใช้ในสิ่งมีชีวิตทั้งในมนุษย์และสัตว์ 

จากที่กล่าวข้างต้นรูปแบบ AI models ที่เราพัฒนาขึ้น ในอนาคตนั้นจะมีความเป็น decentralization ที่ทุกคนจะสามารถเข้าถึง  ร่วมกันพัฒนา และร่วมกันเป็นเจ้าของได้ มากไปกว่านั้นเราก็สามารถฝัง AI models เหล่านี้เข้าไปกับอุปกรณ์เพื่อช่วยวิเคราะห์ข้อมูลแบบ real time ได้ เช่น การฝัง AI ในอุปกรณ์เก็บข้อมูลสเปกตรัมของ XANES ก็จะทำให้เราสามารถวิเคราะห์ข้อมูลได้ในขณะเก็บข้อมูลสเปกตรัม จะเห็นได้ว่า เมื่อ AI ไปผนวกกับอุปกรณ์อิเลกทรอนิกส์ ก็จะช่วยทำให้อุปกรณ์นั้นๆ มีความฉลาดสมบูรณ์แบบ เพราะนอกจากจะสามารถตรวจจับหรือเก็บข้อมูลสิ่งต่างๆ ได้แล้ว ยังสามารถเรียนรู้และวิเคราะห์ได้อีกด้วย

ในบทความถัดไปของทีม NAI เราจะมาเล่าความเชี่ยวชาญของทีมด้านอื่นๆ ไม่ว่าจะเป็น การสร้าง AI ทางการแพทย์ หรือทางการเกษตร เช่น การใช้ AI เพื่อช่วยจำแนกภาพจาก MRI เพื่อระบุตำแหน่งเนื้อร้าย หรือจำแนกความสุกของทุเรียนจากเสียงเคาะ หรือแม้กระทั่งการสร้างเหรียญ (tokens) มาดูซิว่า AI จะมีความฉลาดและประโยชน์ครอบจักรวาล ยาวไปถึงจักรวาลนฤมิต (Metaverse) ได้หรือไม่  มีจุดอ่อนและจุดแข็งอย่างไร

หากสนใจหรือมีข้อสงสัยสามารถติดต่อพวกเรา ทีมวิจัยนาโนสารสนเทศและปัญญาประดิษฐ์ (NAI) ได้ที่ https://peer-ai.com/contactus  

เรียบเรียงโดย 

ทีมวิจัยนาโนสารสนเทศและปัญญาประดิษฐ์ (NAI)

ดร. อิทธิ ฉัตรนันทเวช, ดร. มนฤดี เลี้ยงรักษา, ดร. กนกกร พิมพ์เจริญ, และ ดร. สุรัฐ ธีรพิทยานนท์

อ้างอิง: https://www.geeksforgeeks.org/web-1-0-web-2-0-and-web-3-0-with-their-difference/