Techsauce

ใครที่อยากเรียน AI แต่ไม่รู้จะเริ่มจากตรงไหน ตอนนี้บริษัทเทคฯ ชั้นนำหลายแห่งเปิดคอร์สให้เรียนฟรีตั้งแต่พื้นฐาน ไม่ว่าจะเป็น OpenAI, Google, Microsoft, NVIDIA, Anthropic, AWS และ Meta
ภายในคอร์สครอบคลุมตั้งแต่การทำความเข้าใจพื้นฐานของ AI การใช้งานเครื่องมือ เช่น ChatGPT, Claude และ Copilot ไปจนถึงการพัฒนาโมเดลและแอปพลิเคชัน AI สำหรับผู้ที่ต้องการต่อยอดความรู้ในระดับที่สูงขึ้น
1. OpenAI Academy
OpenAI เปิดแพลตฟอร์มเรียน AI ฟรีสำหรับทุกคน ตั้งแต่ผู้เริ่มต้นไปจนถึงนักพัฒนา ครอบคลุมทั้งการเขียน Prompt การใช้ ChatGPT วิเคราะห์ข้อมูล และการสร้างระบบอัตโนมัติด้วย AI
2. Google AI
ภายในคอร์สจะเรียนผ่าน Grow with Google และ Google Cloud Skills Boost โดยมีเนื้อหาครอบคลุมพื้นฐาน AI และการนำไปใช้งาน เหมาะสำหรับผู้ที่เพิ่งเริ่มต้นและต้องการทำความเข้าใจ
3. Microsoft Learn
ครอบคลุมเนื้อหาตั้งแต่การทำความเข้าใจ AI เบื้องต้น ไปจนถึงการใช้งานเครื่องมือของ Microsoft อย่าง Copilot และ Azure AI
4. Anthropic Academy
เน้นการสร้างความเข้าใจเกี่ยวกับ AI และการใช้งาน Claude ในสถานการณ์จริง
5. NVIDIA Deep Learning Institute
ภายในคอร์สจะครอบคลุมตั้งแต่พื้นฐาน ไปจนถึงการพัฒนาโมเดล AI และการใช้ GPU สำหรับงานประมวลผล เหมาะสำหรับทั้งผู้เริ่มต้นและผู้ที่ต้องการต่อยอดทักษะด้าน AI
6. DeepLearning.AI
เน้นคอร์สเรียนระยะสั้นที่สามารถเรียนตามได้ไม่ยาก เหมาะสำหรับผู้เริ่มต้นและผู้ที่ยังไม่มีพื้นฐานด้านเทคนิค
7. Hugging Face
เน้นการฝึกปฏิบัติและการเขียนโค้ด เหมาะสำหรับผู้ที่อยากก้าวจากการเป็นผู้ใช้งาน AI ไปสู่การสร้างและพัฒนา AI ด้วยตัวเอง
8. IBM SkillsBuild
เหมาะสำหรับผู้ที่ต้องการพัฒนาทักษะด้าน AI ไม่ว่าจะเป็นนักเรียน คนทำงานหรือผู้ที่กำลังเปลี่ยนสายอาชีพ โดยมี Digital Badge ให้หลังเรียนจบ
9. Meta AI
เหมาะสำหรับผู้ที่อยากเข้าใจ AI ให้ลึกขึ้น โดยเนื้อหาจะเน้นโมเดลตระกูล Llama และ AI แบบโอเพนซอร์ส ซึ่งหลายคอร์สพัฒนาร่วมกับ DeepLearning.AI
10. MIT Open Learning
เหมาะสำหรับผู้ที่ต้องการปูพื้นฐานด้าน AI ตั้งแต่ระดับเริ่มต้น ไปจนถึงผู้ที่อยากเข้าใจการทำงานของ AI, Machine Learning และ Generative AI มากขึ้น โดยภายในประกอบด้วยคอร์สและแหล่งเรียนรู้ทั้งหมด 13 หลักสูตร ครอบคลุมทั้งภาคทฤษฎี การเขียนโปรแกรม การวิเคราะห์ข้อมูล และประเด็นด้านจริยธรรมของ AI ซึ่งส่วนใหญ่เปิดให้เรียนได้ฟรี

ทุกวันนี้เราเห็นข่าวความเทพของ AI ออกมาไม่เว้นแต่ละวันในฐานะเครื่องมือขับเคลื่อนธุรกิจยุคใหม่ แต่เบื้องหลังความอัจฉริยะที่ไร้รูปร่างนี้ รู้ไหมว่ามีต้นทุนที่โลกต้องจ่ายสูงมาก
รายงานล่าสุดจาก สถาบันมหาวิทยาลัยสหประชาชาติ (UNU-INWEH) ได้ออกมาเตือนว่า ภายในปี 2030 โครงสร้างพื้นฐานของ AI จะสร้างผลกระทบต่อทรัพยากร พลังงาน และน้ำ ของโลกในระดับที่เราไม่ควรมองข้ามอีกต่อไป และนี่คือ 3 ประเด็นสำคัญเชิงลึกที่คนวงการ Tech ต้องรู้
ที่ผ่านมา เวลาเราพูดถึงเรื่องผลกระทบของ AI เรามักจะโฟกัสไปที่เรื่องของ Carbon Footprint หรือปริมาณการปล่อยก๊าซคาร์บอนตอนที่เรากำลังสร้างและฝึกฝนโมเดลเป็นหลัก แต่รายงานของ UN ชี้ชัดว่า นั่นเป็นเพียงแค่ยอดภูเขาน้ำแข็ง เพราะต้นทุนที่แท้จริงที่ถูกมองข้ามไปคือ ทรัพยากรน้ำและผืนดิน
และนี่คือสถิติที่น่าตกใจหากเรายังคงขับเคลื่อน AI ด้วยความเร็วระดับนี้ไปจนถึงปี 2030

ไฟฟ้าพุ่ง 3% ของโลก: Data Center สำหรับ AI จะกินไฟเพิ่มขึ้นเป็น 2 เท่า หรือคิดเป็น 3% ของกระแสไฟฟ้าที่ใช้ทั้งโลก (เทียบเท่ากับการปล่อยก๊าซเรือนกระจกของประเทศอังกฤษทั้งประเทศ)

วิกฤตกระหายน้ำ: ระบบหล่อเย็นของ Data Center เหล่านี้จะใช้น้ำสูงถึง 9.3 ล้านล้านลิตร ซึ่งเป็นปริมาณที่ มากกว่าน้ำดื่มของประชากรโลกทั้งปีรวมกัน หรือเทียบเท่ากับน้ำที่ประชากรทวีปแอฟริกา 1,300 ล้านคนใช้ประทังชีวิตทั้งปี

พื้นที่มหาศาล: เราต้องใช้พื้นที่ดินตั้ง Data Center และโครงสร้างพื้นฐานใหญ่กว่าขนาดของกรุงเม็กซิโกซิตีเกือบ 10 เท่า และถ้าอยากปลูกต้นไม้เพื่อชดเชยคาร์บอนที่เกิดจาก AI เราต้องปลูกต้นไม้ถึง 6,700 ล้านต้นเลยทีเดียว
หลายคนในอุตสาหกรรมเทคโนโลยีอาจจะโต้แย้งว่า แต่เดี๋ยวชิปรุ่นใหม่ ๆ ก็ประหยัดไฟขึ้น โมเดล AI ในอนาคตก็ฉลาดและใช้พลังงานน้อยลงหรือเปล่า?
อีกหนึ่งประเด็นที่น่าคิดคือ ความไม่เท่าเทียมในโลกของ AI ปัจจุบัน ขีดความสามารถของระบบคลาวด์สำหรับ AI กว่า 90% กระจุกตัวอยู่ในสหรัฐอเมริกาและจีน (มีเพียง 32 ประเทศทั่วโลกที่มีเทคโนโลยีระดับนี้)
กลายเป็นว่า ประเทศมหาอำนาจและบริษัทยักษ์ใหญ่เป็นผู้ขับเคลื่อนนวัตกรรมและเก็บเกี่ยวเม็ดเงินมหาศาล แต่ประเทศกำลังพัฒนาหรือกลุ่มประเทศที่เป็นเพียงผู้บริโภค กลับต้องเป็นผู้แบกรับภาระทางสิ่งแวดล้อมที่ตัวเองไม่ได้ก่อ ตั้งแต่การทำเหมืองแร่หายากเพื่อส่งออกไปทำชิปคอมพิวเตอร์ ปัญหาขยะอิเล็กทรอนิกส์ (E-waste) ไปจนถึงการสูญเสียทรัพยากรน้ำในท้องถิ่นเพื่อเอาไปหล่อเย็นเซิร์ฟเวอร์

สตาร์ทอัพที่เพิ่งยื่นไฟล์ทำ Initial Public Offering (IPO) ด้วยมูลค่าบริษัทเฉียดล้านล้านดอลลาร์ ตามหลักแล้วควรจะเร่งเครื่องพัฒนาสินค้าให้สุดตัว แต่ Anthropic กลับทำตรงกันข้าม ด้วยการออกมาตะโกนบอกทั้งวงการว่าถึงเวลาที่โลกควรกดปุ่มหยุดพักการพัฒนา AI ชั่วคราว เพื่อให้มนุษย์อย่างเรา ๆ มีเวลาตั้งหลักก่อนที่เทคโนโลยี AI จะวิ่งหนีไปไกลเกินกว่าจะตามทัน
เสียงเตือนนี้มาจากบล็อกโพสต์สุดเข้มข้นชื่อ "When AI builds itself" เขียนโดย Jack Clark ผู้ร่วมก่อตั้ง Anthropic และ Marina Favaro หัวหน้า Anthropic Institute ทั้งคู่ส่งสัญญาณตรงไปตรงมาว่าความสามารถของ AI กำลังโตเร็วเกินไป จนใกล้แตะจุดที่หลายคนเคยคิดว่าเป็นแค่เรื่องในหนัง
[ทำไมต้องหยุด? เมื่อ AI ใกล้จะอัปเกรดตัวเองได้โดยไม่ง้อมนุษย์]
หัวใจของความกังวลอยู่ที่คำว่าการพัฒนาตัวเองแบบเรียกซ้ำ (Recursive Self-Improvement) หรือภาวะที่ AI ฉลาดพอจะเขียนโค้ด ปรับปรุงระบบ และออกแบบ AI รุ่นลูกที่เก่งกว่าตัวเองขึ้นมาได้เอง แล้วรุ่นลูกก็ไปสร้างรุ่นหลานที่เก่งกว่าเดิมอีก วนเป็นวงจรที่เร่งตัวเองไปเรื่อย ๆ โดยแทบไม่ต้องพึ่งมนุษย์
และนี่ไม่ใช่การขู่ลอย ๆ เพราะ Anthropic ชี้ว่าความยาวของงานที่โมเดลทำเองได้กำลังเพิ่มขึ้นเป็นเท่าตัวทุก ๆ ราว 4 เดือน ลองไล่ไทม์ไลน์ก็เห็นภาพ จากงานที่ใช้เวลาราว 4 นาทีในเดือนมีนาคม 2024 ขยับเป็น 90 นาทีในปี 2025 และพุ่งไปถึง 12 ชั่วโมงในเดือนมีนาคม 2026 ถ้าเส้นนี้ลากต่อ งานระดับที่กินเวลาเป็นสัปดาห์ก็จะตกอยู่ในมือโมเดลภายในปี 2027
สิ่งที่ตามมาคือความเสี่ยงรูปแบบใหม่ที่เราไม่เคยเจอ ในฉากที่เบาที่สุด AI จะดันให้ทีมเล็ก ๆ ทำงานได้เทียบเท่าองค์กรหลักหมื่นคน บริษัทขนาด 100 คนอาจมีพลังเท่าองค์กร 10,000 คน ส่วนในฉากที่หนักที่สุดคือ Recursive Self-Improvement เต็มขั้น ที่ AI กลายเป็นคนกำหนดจังหวะการพัฒนาตัวเอง เหลือมนุษย์ไว้แค่บทบาทคนคอยกำกับดูแลและตรวจงาน ซึ่ง Anthropic ยอมรับตรง ๆ ว่าคำถามที่ว่าเราจะคุมให้ AI อยู่ในร่องในรอย (Alignment) ได้หรือไม่ในโลกแบบนั้น คือสิ่งที่บริษัทมั่นใจน้อยที่สุด
ที่ทำให้คำเตือนนี้น่าเชื่อถือคือ Anthropic ไม่ได้พูดจากทฤษฎี แต่ยกตัวเลขในบ้านตัวเองมากางให้ดู โดยภายในเดือนพฤษภาคม 2026 โค้ดกว่า 80% ที่ถูกรวมเข้าระบบของบริษัทเขียนโดย Claude ไม่ใช่วิศวกรที่เป็นมนุษย์ ทั้งที่ก่อนเดือนกุมภาพันธ์ 2025 ตัวเลขนี้ยังอยู่แค่หลักหน่วย
ฝั่งงานวิจัยก็เร่งขึ้นแบบน่าขนลุก เพราะเมื่อลองให้โมเดลไปจูนโค้ดสำหรับเทรน AI นักวิจัยมนุษย์ฝีมือดีต้องใช้เวลา 4 ถึง 8 ชั่วโมงกว่าจะรีดความเร็วเพิ่มได้ 4 เท่า แต่ Claude Mythos Preview ทำได้ถึง 52 เท่าเมื่อเดือนเมษายน 2026 จากที่เคยทำได้แค่ราว 3 เท่าเมื่อปีก่อน ส่วนในโปรเจกต์วิจัยด้านความปลอดภัยชิ้นหนึ่ง Claude ปิดช่องว่างของงานได้ถึง 97% ขณะที่นักวิจัยมนุษย์สองคนทำได้แค่ราว 23% ในเวลาหนึ่งสัปดาห์
ฝั่งความสามารถด้านไซเบอร์ก็ชวนหวาดเสียวไม่แพ้กัน ในโปรเจกต์ชื่อ Project Glasswing โมเดลตระกูล Mythos ไล่เจอช่องโหว่ซอฟต์แวร์ระดับวิกฤตได้มากกว่า 10,000 จุดภายในเวลาไม่กี่สัปดาห์ ซึ่งปกติเป็นงานที่ต้องใช้แรงมนุษย์มหาศาล ทั้งหมดนี้คือเหตุผลว่าทำไมคนที่สร้างเครื่องมือเองถึงเป็นคนที่กลัวความเร็วของมันที่สุด

เรื่องนี้เกิดขึ้นจากการที่นักวิจัยอยากทดสอบความสามารถของ AI โดยการทดลองสร้างโรคปลอมที่ไม่มีอยู่จริงขึ้นมา แล้วนำข้อมูลเกี่ยวกับโรคดังกล่าวไปเผยแพร่บนอินเทอร์เน็ตเพื่อดูว่าระบบเอไอจะแยกแยะได้ไหม ผลปรากฏว่าเอไอไม่ใช่แค่เชื่อ แต่ยังนำข้อมูลมั่ว ๆ นี้ไปใช้ตอบคำถามและวินิจฉัยอาการราวกับเป็นข้อมูลทางการแพทย์ที่ถูกต้อง
สิ่งหนึ่งที่น่ากังวลมาก ๆ คือข้อมูลชุดนี้ยังถูกนำไปอ้างอิงในงานวิจัยทางการแพทย์จริง ๆ นี่จึงเป็นสัญญาณเตือนครั้งใหญ่ว่า AI อาจไม่ได้มีความสามารถในการแยกแยะข้อมูลจริงหรือข้อมูลเท็จมากขนากนั้น และหากไม่มีการตรวจสอบที่ดีพอ ความผิดพลาดเหล่านี้ก็อาจส่งผลกระทบในวงกว้างได้เช่นกัน
โรคปลอมที่ถูกสร้างขึ้นมามีชื่อว่า Bixonimania ถูกแต่งสตอรี่ให้มีอาการตาแดงและปวดตาจากการจ้องจอหรือแสงสีฟ้ามากเกินไป โปรเจกต์นี้เริ่มขึ้นช่วงต้นปี 2024 นำโดย Almira Osmanovic Thunström นักวิจัยจากมหาวิทยาลัยโกเธนเบิร์ก ประเทศสวีเดน
ซึ่งเธอได้เผยแพร่งานวิจัยปลอม 2 ฉบับลงไปผ่านแพลตฟอร์ม Preprint เพื่อดูว่าระบบ AI จะตีความข้อมูลเหล่านี้อย่างไร เพื่อทดสอบสมมติฐานว่า AI จะสามารถแยกแยะโรคที่ไม่มีอยู่จริงบนโลกออกจากข้อมูลทางการแพทย์ได้หรือไม่ หรือจะเอาข้อมูลไปแนะนำเหมือนกับเป็นข้อมูลแพทย์ที่น่าเชื่อถือ
[1] เมื่อ AI เชื่อข้อมูลที่ไม่มีอยู่จริงบนโลก
ผลปรากฏว่า AI เชื่อสนิทใจ หลังจากที่งานวิจัยถูกปล่อยออกไปเพียงไม่กี่สัปดาห์ ระบบ AI บางตัวก็เริ่มนำข้อมูลดังกล่าวไปใช้อ้างอิงเหมือนกับว่าโรคนี้มีจริง
และเมื่อมีคนสอบถามเกี่ยวกับอาการ Copilot อธิบายว่า Bixonimania เป็นโรคที่เกิดจากการได้รับแสงสีฟ้าจากหน้าจอมากเกินไป ขณะที่ ChatGPTให้ข้อมูลว่าเป็นภาวะรอยคล้ำรอบดวงตารูปแบบหนึ่ง ทั้งที่โลกนี้ไม่เคยมีจริงอยู่บนโลกด้วยซ้ำ แต่เรื่องที่น่าตกใจกว่าการที่ AI หลงเชื่อโรคปลอมก็คือข้อมูลเหล่านี้ไม่ได้หลอกแค่เอไอเท่านั้น เพราะภายหลังยังพบว่ามีงานวิจัยที่ผ่านการตรวจสอบจากผู้เชี่ยวชาญแล้ว ได้นำข้อมูลนี้ไปใช้อ้างอิงต่อ