# Generative AI: เก่งชัวร์ หรือมั่วนิ่ม!?

By [Sorranart Rattanarojmongkol](https://paragraph.com/@sorranart) · 2023-06-04

---

ช่วงที่ผ่านมานวัตกรรมที่ได้รับการพูดถึงมากที่สุดคงหนีไม่พ้น Generative AI เช่น ChatGPT ที่สามารถสร้างข้อความ เขียนโค้ด หรือกระทั่งแต่งบทกลอนได้โดยอัตโนมัติ และ DALL-E ที่สามารถสร้างภาพได้จากข้อความที่เราคีย์เข้าไป ผลผลิตที่โปรแกรมทั้งสองสามารถสรรค์สร้างออกมาได้นั้นสมจริงสมจังจนน่าตกตะลึง และทำให้เกิดการคาดการณ์กันไปต่าง ๆ นานาถึงผลกระทบที่จะเกิดขึ้น ไม่ว่าจะเป็นการนำไปใช้ในการเพิ่มประสิทธิภาพการทำงานประจำ เช่น การเขียนบล็อกและอีเมล ไปจนถึงการที่ AI ดังกล่าวอาจมาแย่งงานที่มนุษย์เคยทำ โดยเฉพาะในสาขาที่เกี่ยวกับความคิดสร้างสรรค์ ไม่ว่าจะเป็นนักโฆษณา นักการตลาด หรือกระทั่งศิลปิน

อย่างไรก็ตาม Generative AI ก็ยังต้องเผชิญกับข้อถกเถียงในหลายด้าน ไม่ว่าจะเป็นความถูกต้องของข้อมูลที่สร้างออกมา ซึ่งมักเป็นไปตามรูปแบบ garbage in garbage out โดยขึ้นกับข้อมูลที่นำเข้าไปว่ามีคุณภาพมากน้อยเพียงใด การนำเนื้อหาไปใช้ในการฝึกฝนระบบโดยไม่ได้รับอนุญาตจากเจ้าของผลงาน ไปจนถึงการนำผลลัพธ์ที่สร้างออกมาไปใช้ในทางที่ไม่ถูกต้อง เช่น ทำเป็นภาพประกอบข่าวลวงเพื่อเพิ่มความน่าเชื่อถือ และการนำผลลัพธ์ไปใช้โดยไม่ได้ตรวจสอบความถูกต้องของเนื้อหา เป็นต้น

**Generative AI คืออะไร**

![ภาพจาก Pixabay](https://storage.googleapis.com/papyrus_images/e7e8b6dd7f17fcc83f474e7cf2f1543f56cbccac4bf49b04a053844173984ec4.jpg)

ภาพจาก Pixabay

Generative AI คือปัญญาประดิษฐ์ประเภทหนึ่งที่สามารถสร้างเนื้อหาใหม่ได้จากข้อมูลที่มีอยู่ เช่น รูปภาพ ข้อความ เสียง หรือวิดีโอ โดยใช้อัลกอริทึมแบบ Generative Model เพื่อเรียนรู้จากข้อมูลและสร้างผลลัพธ์ที่ไม่เคยมีมาก่อน ตัวอย่างเช่น การสร้างภาพของสัตว์ที่ไม่มีในโลกจริง การแปลงข้อความเป็นเสียงดนตรี หรือการสร้างบทความจากคำถาม

ตัวอย่าง Generative AI ที่น่าสนใจ ได้แก่ ChatGPT เครื่องมือสำหรับสร้างแชทบอทที่ขับเคลื่อนด้วย AI โดยใช้ GPT-3 เป็นโมเดลหลัก DALL-E เครื่องมือสำหรับสร้างภาพแบบต่างๆ จากข้อความที่ผู้ใช้ตั้งไว้ และ Jukebox เครื่องมือสำหรับสร้างเพลงและเนื้อเพลงจากข้อความที่ผู้ใช้กำหนด นอกจากโปรแกรมเฉพาะกิจดังกล่าว หลายโปรแกรมที่เรารู้จักกันดีก็เริ่มนำโมเดล Generative AI ไปใช้เพิ่มความสามารถด้วยเช่นกัน อาทิ Microsoft Bing ซึ่งนำโมเดลของ ChatGPT ไปใช้เพิ่มประสิทธิภาพการค้นหาบนเว็บไซต์ โดยให้ผู้ใช้พิมพ์คำถาม และ AI ก็ไปค้นหาคำตอบบนเว็บไซต์ต่าง ๆ และเรียบเรียงออกมาเป็นข้อความที่อ่านเข้าใจง่ายพร้อมแจ้งแหล่งอ้างอิง ขณะที่ Adobe Photoshop ก็มี Generative Fill โดยเป็นฟังก์ชันที่ให้ผู้ใช้เพิ่ม ต่อขยาย หรือลบวัตถุออกจากภาพถ่ายของตน เป็นต้น

**บางครั้งก็เก่งชัวร์**

![ภาพจาก Pixabay](https://storage.googleapis.com/papyrus_images/7bbfd7967f37d391a732a7e7342e7bc002c948b916f65649d7d537355dced5dc.jpg)

ภาพจาก Pixabay

คุณลักษณะสำคัญของ Generative AI คือ ความสามารถในการเรียนรู้และประมวลผลจากฐานข้อมูลขนาดใหญ่ จึงทำให้มีประโยชน์อย่างยิ่งต่อการสร้างเนื้อหาที่จากเดิมต้องใช้กำลังของมนุษย์เป็นผู้รวบรวม เช่น นักการตลาดสามารถใช้ ChatGPT ในการสร้างคอนเทนต์ที่เป็นส่วนตัวและเหมาะสมกับผู้ใช้ ปรับแต่งแผนการตลาด เขียนบทความ และสร้างแชทบอตเพื่อตอบโต้กับลูกค้า คนทำงานสายความคิดสร้างสรรค์ก็สามารถใช้ AI ในการสร้างไอเดียเพื่อจุดประกายความคิดเริ่มต้น หรือใช้ในการออกแบบเนื้อหาใหม่ เช่น การสร้างภาพจากข้อความ การสร้างเพลงจากเสียง หรือการสร้างข้อความจากภาพ ส่วนโปรแกรมเมอร์ก็สามารถใช้ AI ในการช่วยเขียนโค้ด วิเคราะห์ข้อมูลขนาดใหญ่ หรือช่วยตรวจสอบข้อผิดพลาดที่อาจเกิดขึ้นจากการเขียนโปรแกรม

นอกจากการทำงานทั่วไปแล้ว Generative AI ยังมีศักยภาพในการสร้างผลกระทบในอีกหลายอุตสาหกรรม ไม่ว่าจะเป็นการออกแบบและพัฒนายารักษาโรค การประกอบวัสดุใหม่ที่มีคุณสมบัติทางกายภาพพิเศษ การออกแบบชิปวงจรไฟฟ้า หรือการสร้างข้อมูลสังเคราะห์ เพื่อใช้ในการฝึกสอนโมเดล Machine Learning อื่น ๆ Generative AI จึงเป็นเทคโนโลยีที่มีศักยภาพในการเปลี่ยนแปลงวิธีการทำงานและคิดค้นใหม่ในหลาย ๆ อุตสาหกรรม แต่ก็มีความท้าทายและความเสี่ยงที่ต้องพิจารณาด้วย เช่น การรักษาความปลอดภัยและความเป็นส่วนตัวของข้อมูล การตรวจสอบและตรวจสอบคุณภาพของผลิตภัณฑ์ที่ถูกสร้างขึ้นด้วย AI การป้องกันการละเมิดลิขสิทธิ์และผู้สร้างเนื้อหาปลอม การใช้ Generative AI ในภาคองค์กรจึงต้องพิจารณาถึงประโยชน์และผลกระทบต่อผู้ใช้งานและสังคม ตลอดจนต้องใช้ด้วยความรับผิดชอบและคำนึงถึงจริยธรรม เพื่อไม่ให้เกิดผลกระทบต่อผู้ใช้หรือผู้ผลิตเนื้อหา

**บางทีก็มั่วนิ่ม**

![ภาพจาก Pixabay](https://storage.googleapis.com/papyrus_images/9d33737a7442ba4c1091bfc557ad13944b1ef9f81b7e4470a3f1513954d2f64b.jpg)

ภาพจาก Pixabay

อย่างที่กล่าวไปในตอนต้นว่า Generative AI ยังคงมีจุดอ่อนที่การนำเข้าข้อมูลสำหรับการประมวลผลที่ต้องมีความถูกต้องและหลากหลาย เพื่อให้ระบบสามารถสร้างเนื้อหาที่มีความน่าเชื่อ ความท้าทายของ Generative AI ดังกล่าวสามารถแตกประเด็นย่อยได้หลากหลาย ได้แก่

*   **การสร้างข้อมูลที่ถูกต้องและเชื่อถือได้** Generative AI อาจสร้างข้อมูลที่ไม่สอดคล้องกับความเป็นจริงหรือไม่ถูกต้อง เช่น ข้อมูลประวัติศาสตร์ เหตุการณ์ข่าว เป็นต้น ซึ่งอาจส่งผลกระทบต่อความเชื่อถือของผลผลิตและแหล่งข้อมูล
    
*   **การป้องกันการละเมิดลิขสิทธิ์และสิทธิส่วนบุคคล** Generative AI อาจสร้างข้อมูลที่ละเมิดลิขสิทธิ์หรือสิทธิส่วนบุคคลของผู้อื่นได้ เช่น การสร้างข้อความ เพลง เรื่องสั้น เป็นต้น โดยไม่ได้ขออนุญาตหรือให้เครดิตผู้เขียน หรือการนำข้อมูลส่วนบุคคลไปใช้โดยที่เจ้าของข้อมูลยังไม่ได้อนุญาต เป็นต้น
    
*   **การจัดการกับข้อมูลที่ไม่เหมาะสมหรือเป็นอันตราย** Generative AI อาจสร้างข้อมูลที่ไม่เหมาะสมหรือเป็นอันตรายได้ เช่น การสร้างข้อความที่หยาบคาย ส่อเสียด หรือก่อให้เกิดความรุนแรง เป็นต้น ซึ่งอาจส่งผลกระทบต่อความเป็นมนุษย์และความสงบเรียบร้อยของสังคม
    
*   **การตรวจสอบและประเมินผลผลิตของ Generative AI** Generative AI อาจสร้างข้อมูลที่มีคุณภาพและความแม่นยำต่างกันไป เช่น การสร้างข้อความที่ไม่สมบูรณ์ ไม่เหมาะสม หรือไม่เกี่ยวข้อง เป็นต้น ซึ่งอาจทำให้ผู้ใช้งานไม่พอใจหรือไม่ได้ประโยชน์จากผลผลิต
    
*   **การสูญเสียความเป็นตัวตนของผู้สร้างข้อมูล** แน่นอนว่าความสามารถของ Generative AI เกิดมาจากการเรียนรู้ข้อมูลซึ่งเป็นผลงานของมนุษย์ เช่นนี้แล้ว เราจะถือว่าใครเป็นเจ้าของผลงานกันแน่? มนุษย์ผู้สร้างข้อมูลชั้นปฐมภูมิที่ AI ไปเรียนรู้มา หรือว่าเจ้าของผลงานคือ AI เองที่ได้มีการเรียนรู้และประมวลผลข้อมูลจากหลายแหล่งจนสามารถสร้างสรรค์ผลงานใหม่ออกมาได้
    

ดังนั้น ทางออกที่ดีที่สุดของความท้าทายดังกล่าวจึงอยู่ที่การกำหนดกรอบแนวทางการพัฒนา Generative AI ที่ชัดเจน ซึ่งต้องประกอบด้วยกลุ่มบุคคลที่มีความหลากหลายเพื่อให้ผลลัพธ์ได้มีการสะท้อนถึงแนวคิดต่าง ๆ อย่างรอบด้าน มีการเปิดเผยขั้นตอนการพัฒนาอย่างโปร่งใส และเปิดโอกาสให้ผู้สนใจสามารถเข้าไปทดลองและช่วยกันตรวจสอบความถูกต้องเหมาะสมของผลผลิตที่ Generative AI สร้างสรรค์ขึ้นมา

**สรุป**

          Generative AI เป็นเทคโนโลยีที่มีศักยภาพในการต่อยอดความสามารถของมนุษย์ โดยเฉพาะอย่างยิ่งการประมวลผลข้อมูลที่มีปริมาณมากและมีความหลากหลาย โดยสามารถย่อยให้ออกมาเป็นเนื้อหาที่มนุษย์สามารถนำไปใช้ต่อได้ ไม่ว่าจะเป็นการสร้างภาพและบทความ จึงสามารถช่วยในการสร้างสรรค์เนื้อหาใหม่ที่ไม่เคยมีมาก่อนได้อย่างรวดเร็ว อย่างไรก็ตาม Generative AI ยังต้องเผชิญกับความท้าทายด้านความถูกต้องแม่นยำของข้อมูลนำเข้า การประมวลผลเนื้อหาที่ยังไม่สมบูรณ์ประเภทจับแพะชนแกะ อันส่งผลให้ผลผลิตที่ออกมาไม่มีความน่าเชื่อถือ

            สำหรับบทความถัดไป ผมจะกล่าวถึงสองสุดยอดนวัตกรรมในปัจจุบันคือ AI และ Cryptocurrency นะครับว่า เราสามารถนำข้อดีของนวัตกรรมทั้งสองมาใช้ในการส่งเสริมศักยภาพซึ่งกันและกันได้อย่างไรบ้าง

---

*Originally published on [Sorranart Rattanarojmongkol](https://paragraph.com/@sorranart/generative-ai)*