Generative AI เช่น ChatGPT กำลังถูกนำมาใช้ในอุตสาหกรรมการผลิต ที่ช่วยมนุษย์ทำงานและสร้างนวัตกรรมใหม่ได้เร็วขึ้น และมีต้นทุนถูกลงอย่างมาก
“ChatGPT คือ ปัญญาประดิษฐ์ (Artificial Intelligence: AI) หรือ AI chatbot พัฒนาขึ้นโดยบริษัท OpenAI เป็น Language model ในกลุ่ม generative pre-trained transformer (GPT) และเป็น Generative AI ชนิดหนึ่งที่ถูกออกแบบขึ้นเพื่อรับคำสั่งจากผู้ใช้ในภาษาธรรมชาติ (Natural language) เช่น ภาษาพูด เพื่อสร้างข้อมูลใหม่จากฐานข้อมูลที่มีอยู่ ไม่ว่าจะเป็นข้อความ รายงาน ไปจนถึงข้อมูลในรูปแบบอื่น ๆ เช่น ภาพและเสียง”
สิ่งสำคัญที่ทำให้ Generative AI ได้รับการจับตามองเป็นอย่างมากในปัจจุบัน คือ คอมพิวเตอร์ได้เปลี่ยนบทบาทจากการสนับสนุนมนุษย์ในการสร้างสรรค์ผลงานมาเป็นทำงานเหล่านี้แทนทั้งหมด เช่น การเขียนบทความ การทำภาพประกอบ และการเขียนโปรแกรม ไปจนถึงเปลี่ยนการทำงานจากที่มนุษย์สั่งเครื่องจักรจาก “ทำงานอย่างไร” มาเป็น “ทำงานอะไร” เช่น สั่งให้ ChatGPT เขียนบทความแทนการเขียนเอง หรือสั่งให้ MidJourney สร้างรูปขึ้นมาแทนการลากเส้นด้วยตัวเอง
สมาคมเพื่อความก้าวหน้าของออโตเมชัน หรือ A3 (Association for Advancing Automation) ได้พูดถึงเรื่องดังกล่าวผ่านบทความในหัวข้อ “ChatGPT และอุตสาหกรรมการผลิต: Generative AI จะเปลี่ยนการใช้งานในภาคอุตสาหกรรมได้อย่างไร” ซึ่งเผยแพร่เมื่อวันที่ 8 พฤษภาคม 2023 มีสาระสำคัญ ดังนี้
Generative AI ใช้ทำงานได้ แต่ไม่ 100%
โดยทั่วไปแล้ว AI ทำงานโดยการมองหารูปแบบและทำซ้ำ แม้ว่า ChatGPT สามารถเขียนบทกวีได้ แต่ ChatGPT ไม่เข้าใจบทกวีนั้น หรือ MidJourney ที่แม้จะสร้างภาพขึ้นได้แต่ไม่รู้ว่ากำลังวาดอะไรอยู่ ซึ่งสิ่งนี้ คือข้อจำกัดของ AI ในปัจจุบัน ยกตัวอย่างเช่น CNET เว็บไซต์สื่อจากสหรัฐฯ ที่ใช้ Generative AI เขียนบทความ ซึ่งหลายบทความที่ถูกเขียนขึ้นจำเป็นต้องได้รับการแก้ไข สิ่งนี้หมายความว่า Generative AI สามารถใช้ในการทำงานได้ แต่ไม่ใช่ 100% ยกตัวอย่างเช่น หากใช้ AI เขียนโปรแกรม ก็จำเป็นต้องมีโปรแกรมเมอร์ตรวจสอบผลลัพธ์ที่ได้ ซึ่งหมายถึง มนุษย์จะยังไม่ถูกแทนที่ในเร็ว ๆ นี้ แต่ก็สะท้อนว่า AI กำลังเข้ามาเปลี่ยนแปลงการสร้างสรรค์ การออกแบบ และการทำงานเช่นเดียวกัน
นาย Holger Kenn ผู้อำนวยการฝ่ายกลยุทธ์ธุรกิจ AI และเทคโนโลยีเกิดใหม่ บริษัท Microsoft แสดงความเห็นว่า การวิวัฒนาการร่วม (Coevolution) เกิดจากการผนวกสิ่งที่ AI ทำเข้ากับทักษะของมนุษย์ ยิ่ง AI ก้าวหน้า มนุษย์ก็จะยิ่งมีวิธีคิดเปลี่ยนไป ยกตัวอย่างเช่น ศิลปินที่แต่เดิมใช้รูปทรงในการสร้างสรรค์ผลงาน มาเป็นการใช้คำอธิบาย หรือ “Prompt” ในการผลิตผลงาน ซึ่ง Generative AI ได้เปลี่ยนบทบาทของศิลปินให้เหมือนกับผู้กำกับงานศิลป์มากขึ้น
ด้วยเหตุนี้ จึงคาดการณ์ได้ว่าในอุตสาหกรรมการผลิตเองก็จะมีการเปลี่ยนแปลงในแนวทางคล้ายคลึงกัน
Generative AI ในอุตสาหกรรมการผลิต
ที่แล้วมา การออกแบบหุ่นยนต์ หัวหน้าวิศวกรจำเป็นต้องตั้งเป้าว่าหุ่นยนต์จะทำอะไรได้บ้าง จากนั้นจึงสร้างหุ่นยนต์ขึ้นมา แต่ Generative AI จะข้ามขั้นตอนการออกแบบรายละเอียดปลีกย่อย เปลี่ยนการออกแบบไปเป็นการสั่ง AI ว่าอยากได้หุ่นยนต์แบบไหน จากนั้น AI จึงจะออกแบบเพื่อให้มนุษย์ทำงานต่อ ซึ่งแม้ว่าปัจจุบันจะยังไม่มี AI ที่ออกแบบหุ่นยนต์ได้ แต่เครื่องมือต่าง ๆ กำลังเดินหน้าไปสู่จุดนี้
การนำ AI มาใช้งาน
โดยทั่วไปแล้ว อุตสาหกรรมการผลิตเป็นอุตสาหกรรมที่นำเทคโนโลยีออโตเมชันมาใช้งานช้า แม้ว่า AI จะมีศักยภาพ แต่หลายบริษัทก็รอให้ผู้ผลิตรายใหญ่พิสูจน์ศักยภาพนี้ให้เห็นก่อน ทำให้การใช้เทคโนโลยีเหล่านี้จะเป็นแบบ Top-down อย่างไรก็ตาม บางบริษัทได้เล็งเห็นความเป็นไปได้ในการใช้ Generative AI แก้ปัญหาและนำมาใช้งานแล้ว และมีหลายบริษัทที่แม้จะยังไม่นำมาใช้อย่างเป็นทางการ แต่ก็พบว่ามีพนักงานนำ AI มาใช้แล้ว
AI ข้อดี ข้อเสีย เมื่อนำมาใช้ในอุตสาหกรรม
อย่างไรก็ตาม AI ไม่ได้มีแต่ข้อดีอย่างเดียว เมื่อนำมาใช้งานก็มีข้อควรระวังดังนี้
AI อาจเข้าใจความหมายผิด ระบบอุตสาหกรรมถูกสร้างขึ้นบนฐานข้อมูลเชิงเทคนิค ซึ่งหมายความว่าฐานข้อมูลนี้อาจมีความหมายต่างกับภาษาธรรมชาติ
AI ไม่ได้ถูกเสมอ หลายคนเชื่อว่าคอมพิวเตอร์ถูกเสมอ อย่างไรก็ตาม AI ไม่ได้ถูกต้องเสมอไป ยกตัวอย่างเช่น ChatGPT ซึ่งใช้ฐานข้อมูลจากอินเทอร์เน็ต แต่ฐานข้อมูลนี้ยังมีข้อมูลผิดพลาดจำนวนมาก
AI ไม่ได้อัปเดตตลอดเวลา AI ใช้ฐานข้อมูลที่ตายตัวเมื่อถูกสร้างขึ้น ดังนั้น จึงมีความเสี่ยงที่ข้อมูลจะไม่ทันต่อเหตุกรณ์ เช่น หากผู้ใช้ย้ายเครื่องจักรในโรงงาน Digital Twin ก็จะมีข้อมูลไม่ตรงกับความเป็นจริงจนกว่าจะได้รับการอัปเดต
AI ใช้งานได้เสมอ ในขณะเดียวกัน หาก AI มีการอัปเดตทุกวัน ก็อาจนำมาซึ่งปัญหาใหม่ ๆ ได้ เช่น AI ทำงานขัดข้อง
AI ไม่มีข้อมูลในภาษาที่ต้องการ ศักยภาพของ AI ไม่ได้อยู่ที่ฐานข้อมูลที่มีอยู่ แต่เป็นการเข้าถึงฐานข้อมูลผ่านภาษาต่าง ๆ ซึ่งนาย Kenn อธิบายว่า หากแยกโมเดลข้อมูลและโมเดลภาษาออกจากกันก็จะทำงานได้ดีขึ้น
ขอบคุณข้อมูลจาก : Mreport