KBTG ปักธง Specific LVM AI พร้อมเปิด 5 เทรนด์ AI ที่กำหนดทิศทางของ KBTG ใน 5 ปีนี้
อย่างที่ทราบกันดีว่า KBTG ไม่ได้เป็นน้องใหม่ด้าน AI KBTG ประกาศเรื่อง AI มาตั้งแต่ปี 2019 และยุทธศาสตร์ AI ล่าสุด คือ Human First, AI First transformation ถูกประกาศเมื่อต้นปี 2024 และเป็นการทรานส์ฟอร์มที่ต่อเนื่องจาก 5 ปีแรกของการทำทรานส์ฟอร์มจนถึงปี 2023
เคล็ดลับของความสำเร็จตลอด 5 ปีแรกของการตะลุยสร้างและพัฒนา AI ของ KBTG คือความชัดเจนในยุทธศาสตร์และความคมในการวางกลยุทธ์ เริ่มจากการตั้งทีมด้าน Machine Learning, AI และ Data ที่เรียกว่าทีม M.A.D. ทำให้ KBTG สามารถสร้างผลงานด้าน AI ที่สร้างให้เกิดผลกระทบทางธุรกิจราว 5,000 ล้านบาท
และสร้างผลิตภัณฑ์ด้าน AI ระดับโลกออกมาหลายตัว อาทิ Car AI, Verification Tech, Thai NLP และ Predictive AI/ML ยังไม่นับรวมอีกหลายงานวิจัยด้าน AI ที่อยู่ในกระบวนการพัฒนาและจะทยอยออกสู่ตลาดผ่านการใช้งานจริงของผู้ใช้รายแรกนั่นคือธนาคารกสิกรไทย
KBTG เป็นลมใต้ปีกที่สำคัญที่ทำให้ธนาคารกสิกรไทยกลายเป็นผู้บุกเบิกในการพัฒนาและนำ AI มาใช้ในธุรกิจของ KBank อาทิ การทำ Machine Commerce โดยมี Deep Learning อยู่เบื้องหลังการเสนอขาย การนำ Machine Lending มาปล่อยสินเชื่อผ่านแอป K-Persoanl Loan รวมถึงในบริการบัตรเดบิตของธนาคาร และเป็นหนึ่งในธนาคารแรก ๆ ที่นำ AI มาให้บริการยืนยันตัวตนด้วยใบหน้าเพื่อการทำธุรกรรมทางการเงินผ่านแอปพลิเคชัน เป็นต้น
KBTG ไม่เพียงสร้างงานวิจัยด้วนตัวเอง (in-house development) แต่มีการทำงานด้านวิจัยและพัฒนาร่วมกับหน่วยงานวิจัยระดับโลกอย่าง MIT Media Lab, Harvard University และ UCLA อย่างใกล้ชิด และเป็นพันธมิตรด้านงานวิจัยด้าน AI กับบริษัทระดับโลกอย่าง Google, Microsoft, AWS, Huawei และ NVIDIA
ทั้งยังทำงานวิจัยร่วมถึงสนับสนุนงานวิจัยด้าน AI ร่วมกับสถาบันการศึกษาจำนวนมากในไทย รวมถึงศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) หน่วยงานภายใต้สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) และ 2 สมาคมด้าน AI ไทย นั่นคือ สมาคมปัญญาประดิษฐ์ประเทศไทย (AIAT) และ สมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย (AIEAT) และล่าสุดได้ลงทุนในบริษัท AI ระดับโลกอย่าง Landing AI ที่ก่อตั้งโดยเจ้าพ่อ AI โลกอย่าง Andrew Ng
ท่ามกลางความกระแส AI ที่ผู้เล่นรายใหญ่ระดับโลกแข่งขันกันดุเดือดเพื่อยึดหัวหาดตลาด Foundation Model นั้น KBTG เลือกที่จะโฟกัสที่ตลาด Long-Tail ที่เป็น Vertical Industry โดยเฉพาะภาคอุตสาหกรรมการผลิต ยานยนต์และขนส่ง ฟินเทค บริการสุขภาพ และความปลอดภัยไซเบอร์ กระทิง เรืองโรจน์ พูนผล ประธาน กสิกร บิซิเนส-เทคโนโลยี กรุ๊ป (KBTG) เชื่อว่ามีโอกาสมหาศาลที่ KBTG เข้าไปมีส่วน
ทั้งนี้ AI ไม่ใช่สิ่งใหม่ที่เกิดขึ้น แต่มีประวัติยาวนาน ซึ่งหากจะแบ่งเป็นยุคการพัฒนา AI อดีตสามารถแบ่งได้เป็น 4
ยุค คือ ยุคแรก (1956 – 1980s) เป็นยุคที่ AI เน้นความเร็ว แนวคิดเทคโนโลยีเป็น Rule-based AI ตัวอย่างที่เห็นคือการทำให้คอมพิวเตอร์ชนะคนในการแข่งหมากรุก
ยุคต่อมา (1980s – 2000) เป็นยุคที่ AI เน้นการเรียนรู้ เทคโนโลยีหลักคือ Machine Learning เป็นยุคที่คนมีข้อมูลมากขึ้น จึงนำความรู้ด้านวิทยาศาสตร์ มาใส่รูปแบบ และทำการทำนายคาดการณ์ได้ อาทิ การจับสแปม
ยุคที่สาม (2000 – 2015) เป็นยุคที่ AI มีความเข้าใจ เทคโนโลยีหลัก คือ Deep Learning การมาของโครงข่ายประสาทเทียม (Neural Networks) ทำให้คอมพิวเตอร์สามารถเข้าใจข้อมูลเชิงลึกได้
ยุคปัจจุบัน (2015 เป็นต้นมา) คือยุคที่ AI เป็นผู้สร้าง เพราะเมื่อโครงข่ายประสาทเทียมมีขนาดใหญ่ขึ้นจนกลายเป็น foundation model ทำให้คอมพิวเตอร์สามารถสร้างข้อมูลที่คนสามารถเข้าใจได้ โดยมี เทคโนโลยีหลักคือ Generative AI
5 เทรนด์ AI ที่กำหนดทิศทางของ KBTG
และจากแนวโน้มของ AI ที่เกิด ดร.ทัดพงศ์ พงศ์ถาวรกมล Managing Director ของ KBTG กล่าวว่า KBTG เลือกเทรนด์ไหนโดยคำนึงถึงว่าเทรนด์นั้นมีโอกาสทางธุรกิจมากน้อยแค่ไหนอย่างไร และเทรนด์ของ AI ของโลกที่ KBTG ให้ความสำคัญมีอยู่ 5 แนวโน้ม ได้แก่
LVM (Large Vision Models) LVM คือ Gen AI และ LLM สำหรับภาพ เป็นโมเดลการมองเห็นขนาดใหญ่ ช่วยพัฒนาปัญญาประดิษฐ์ในการประมวลผลให้สามารถจดจำ เข้าใจ และวิเคราะห์ข้อมูลเชิงภาพได้อย่างมีประสิทธิภาพยิ่งขึ้น ทำให้สามารถสร้าง Image Application ที่มีความเข้าใจคนมากขึ้น
KBTG เชื่อว่า LVM AI จะเป็นพัฒนาการที่ยิ่งใหญ่ก้าวถัดไปของ AI KBTG จึงเดินหน้าขยายขีดความสามารถด้านนี้ด้วยการลงทุนใน Landind AI ประโยชน์ที่สำคัญของ LVM AI คือการนำมาสนับสนุนการพัฒนาโมเดล AI ตัวเล็ก ๆ
ซึ่งต้นทุนที่สูงสุดของการสร้าง AI (หรือราว 70%) คือ การทำ Data Labeling หรือการระบุประเภทของข้อมูลเพื่อทำการแยกแยะว่าข้อมูลนั้น ๆ คือข้อมูลอะไร จากต้องใช้เวลาเป็นหลักนาทีถึงชั่วโมงด้วย LVM AI ใช้เวลาเพียงไม่กี่วินาที สามารถทำให้การพัฒนาโมเดลเฉพาะต่าง ๆ ที่เป็นโมเดลเชิงอุตสาหกรรม หรือโมเดลเชิงลึกทำได้ง่ายขึ้น ช่วยลดต้นทุนการพัฒนาโมเดล AI ในส่วนของภาพได้
“เราเชื่อว่าการลงทุนใน Landing AI จะส่งผลทั้งเรื่องของ ROI และ synergy การพัฒนาผลิตภัณฑ์ด้าน AI ของ KBTG” ดร.ทัดพงศ์ กล่าว
Multi-Modal AI เป็นอีกขึ้นหนึ่งของ AI ที่จะมีความใกล้เคียงกับมนุษย์ นั่นคือมีสมองที่สามาถรเข้าใจข้อมูลหลากหลายประเภท เสียง ภาพ ข้อความ ภาษา ปัจจุบันบริษัทขนาดใหญ่กำลังลงทุนเพื่อสร้าง Foundation Model ที่ทำให้ AI สามารถสร้างมากกว่าเสียงหรือรูปภาพ เดิมจากเปลี่ยนจากข้อความเป็นรูปภาพ หรือจากเสียงเป็นข้อความ แต่เป็นข้อมูลหลาย ๆ ประเภท ทั้งข้อความ เสียง รูปภาพ ความลึก ความตื้น การเคลื่อนไหว และความร้อน นำมาเทรน AI ด้วยการจำลองสถานการณ์จริง
อาทิ ใส่ภาพรูปนกพิราบ และเสียงแตรรถมอเตอร์ไซค์ AI จะสร้างภาพที่มีนกพิราบบนกับคนขี้รถมอเตอร์ไซค์ หรือ เสียงนกเพนกวิน AI สามารถสร้างภาพนกเพนกวินออกมาได้
“Multi-Modal AI มีข้อจำกัด คือ ความใหญ่ของโมเดลและต้นทุนในการเทรน AI เป็นเทรนด์ที่เราจับตามมองอย่างใกล้ชิด เพราะเราเชื่อว่าโลกจะไปในทิศทางนี้” ดร.ทัดพงศ์ กล่าว
Multi-Agent AI หรือ Multi-Agent เทคโนโลยี LLM มีคุณสมบัติ 3 อย่างที่ทำให้ LLM เป็นเทคโนโลยีที่สร้างการปลี่ยนแปลง ประการแรกคือ LLM ทำให้คอมพิวเตอร์สามารถสติดสื่อเป็นภาษาคนไทย (Conversation Programming) ประการที่สอง คนสามารถกำหนดบทบาทให้ LLM ให้มีบทบทตามที่ต้องการได้ (Agent Customization)
อาทิ ให้ LLM เป็นนักธุรกิจ พนักงานขาย สามารถสร้างให้มีบุคลิกภาพและบทบาทตามที่ต้องการได้ ประการที่ 3 คือ LLM สามารถแบ่งงานออกเป็นงานชิ้นเล็ก ๆ ทำให้สามารถสร้างระบบทั้งหมดที่ให้สามาถรทำงานร่วมกันได้ระหว่าง LLM หลายตัวกับคน จะทำให้เกิดแนวโน้มใหม่คือ virtual organization และ solopreneur จะเริ่มเห็นการตั้งและรันธุรกิจด้วยคนหนึ่งคน และจ้าง AI มาทำงานในฟังก์ชั่นต่าง ๆ จะเห็นภาพนี้มากขึ้นในอนาคต
“Multi-Agent AI ทำให้ทั้งคน โค้ด และ AI และสื่อสารกันได้ด้วย API ทำให้คนกับ AI สามารถทำงานร่วมกันได้ ตัวอย่างเช่น การแข่งขันหมากรุก ที่มีทั้งผู้เล่นสองฝ่ายและกรรมการ กรรมการอาจจะเป็น AI ผู้เล่นคนหนึ่งอาจจะเป็น AI ผู้เล่นอีกคนเป็นมนุษย์ เป็นต้น” ดร.ทัดพงศ์
Rational AI คือ ความสามารถของ AI ที่มีความเข้าใจตรรกะของมนุษย์มากขึ้น และตอบคำถามที่ซับซ้อนทางตรรกะได้มากขึ้น AI สามารถตอบได้ว่าทำอย่างไรและเพราะอะไร AI จะตอบถูกและให้เหตุผลที่สมเหตุสมผลกับตรรรกะของมนุษย์ ในอนาคตความสามารถของ AI ไม่วัดว่าคำตอบถูกต้องแค่ไหน แต่วัดรวมไปถึงที่มาของคำตอบว่ามีตรรกะหรือไม่ AI ต้องอธิบายความได้
Domain-Specific AI หรือ vertical AI บางครั้ง LLM ที่สามารถใช้ทำงานเชิงลึกในแต่ละความเชี่ยวชาญเฉพาะด้าน อาทิ การแพทย์ กฎหมาย และการเงินได้ ซึ่งการทำ Domain-Specific AI ทำให้ประสิทธิภาพงานเฉพาะทางดีขึ้น โดยเฉพาะ Domain-Specific AI ที่เป็น Large Vision Models ข้อมูลรูปภาพมีข้อมูลมหาศาล หากจะทำให้ large vision model ทำงานได้จริงกับอุตสาหกรรมต่าง ๆ จะต้องทำให้เกิด Domain-Specific LVM
ตัวอย่างทางการแพทย์ คือการนำ AI มาจับดูพยาธิวิทยา พบว่า Domain-Specific LVM มีความสามารถในการแยกความแตกต่างของความผิดปกติจะดีกว่าการใช้ Generic LVM มาก ตัวอย่างในภาคอุตสาหกรรมก็เช่นกัน Domain-Specific LVM สามารถหาความผิดปกติของแผ่นเวเฟอร์ชิปวงจรรวมได้ผลดีกว่า
นั่นคือหตุผลว่าทำไม KBTG ถึงสร้าง THaLLE ขึ้นมา เพราะในฐานะของผู้ให้บริการเทคโนโลยีสำหรับอุตสาหกรรมการเงิน เชื่อว่าอุตสาหกรรมแรกของการสร้าง Domain-Specific LVM ที่เข้าใจทั้งภาษาไทยและการใช้งานคืออุตสาหกรรมการเงิน
“ใน 5 ปีนี้เราโฟกัสในการทำ vertical AI นำมาทำงานได้จริง เราเชื่อว่า Gen AI มีศักยภาพมหาศาล เราพัฒนาและใช้ AI อย่างมีความรับผิดชอบ จะพัฒนา AI สร้างประโยชน์ให้กับผู้เกี่ยวข้องทั้งหมดของเรา ทั้งลูกค้า พนักงาน ผู้ถือหุ้น และสังคม” ดร.ทัดพงศ์
THaLLE: Specific LVM AI ด้านการเงินตัวแรกของ KBTG
เส้นทางการพัฒนาเทคโนโลยี AI ของ KBTG เริ่มต้นภายในบริษัที่ KBTG Labs หน่วยงานหัวหอกด้านวิจ้ยและสร้างเทคโนโลยีระดับ world class มาหลายตัว ดร.มนต์ชัย เลิศสุทธิวงค์ Principal Research Engineer และ Head of AI Research, KBTG Labs บอกว่าเทคโนโลยีทุกตัวที่ใช้งานจริงเริ่มต้นจากการทำงานวิจัยและสร้างเทคโนโลยีขึ้นเองภายใน ก่อนนำมาให้ทดลองใช้เพื่อทดสอบระบบจนใช้งานได้จริง จึงนำออกสู่ภายนอกให้กับลูกค้า ซึ่งผลงาน AI ตัวล่าสุดที่เพิ่งปล่อยสู่ตลาดคือ THaLLE
LLM มีประโยชน์ แต่หากจะนำ LLM มาใช้ให้เกิดประโยชน์ในอุตสาหกรรมการเงินจะต้องสร้าง LLM ที่มีความสามารถเฉพาะทางขึ้นมา จึงเป็นที่มาของการสร้าง THaLLE (ทะเล) ที่ย่อมาจาก Text Hyperlocally Augmented Large Language Extension สะท้อนว่าเป็นการทำ LLM เพื่ออุตสหากรรมการเงินของไทย (Hyperlocally)
และไม่ได้ทำ THaLLE จากศูนย์ แต่นำเอา LLM อื่นมาเป็นตัวตั้งต้นและปรับแต่งให้ดีขึ้นและให้เหมาะกับความต้องการ คำตอบที่คมชัด คำตอบที่เชื่อใจได้ ตอบโจทย์คนไทย เก่งเรื่องการเงิน เข้าใจภาษาไทย THaLLE เข้าตลาดไปกับผลิตภัณฑ์ทางการเงินที่มีอยู่แล้ว เช่น การประเมินมูลค่าสินทรัพย์ เป็นต้น
KBTG มีแผนพัฒนา THaLLE ต่อไปในทุกมิติ ทั้งการวิจัยที่จะทำให้มีคุณภาพมากขึ้น การเป็นพันธมิตรด้าน R&D กับบริษัทเทคโนโลยีอื่น ๆ ตอนนี้ KBTG เป็นพันธมิตรกับ Google การนำไปใช้ผ่านผลิตภัฑณ์ THaLLE Chatbot ในภาคการเงินและการศึกษา รวมถึงการสร้างชุมชน ด้วยการเป็นส่วนหนึ่งของโครงการ Open-ThaiLLM
Human-First, AI-First ด้วย Responsible AI
ปัจจุบัน KBTG มีราว 2,500 คน หลากหลายอายุ (แต่ส่วนมาเป็น Gen Y) ใน 4 ประเทศ คือไทย จีน เวียดนาม และอินโดนีเซีย ทั้งหมดจะต้องถูกเสริมความรู้เรื่อง AI
KBTG นำ AI เข้ามาสร้างความแข็งแกร่งให้กับทั้งบริษัทไม่เฉพาะโปรแกรมเมอร์ ด้วยการนำ AI เข้ามาใช้ในทุกงานของบริษัททั้งฝั่งคนทำงาน tech ทั้ง Software Engineer, Data Engineer, Software Development และ Non-Tech โดยที่ AI ช่วยเพิ่มประสิทธิภาพงานด้านการพัฒนาซอฟต์แวร์ 20-50% และช่วยให้การพัฒนา Ddata และ AI เร็วขึ้น 20-80% ในขณะที่ฝั่งออฟฟิศและแอดมิน AI เข้ามาช่วยเพิ่มประสิทธิภาพเพียง 2-10% นั่นยังมีช่องว่างอีกมากที่จะพัฒนา AI มาใช้งาน
KBTG เน้นการศักยภาพพนักงาน KBTG ให้มีความสามารถด้าน AI อย่างมีความรับผิดชอบ ด้วยแนวคิด Responsible AI ตั้งแต่ปี 2017 ที่เริ่มพัฒนา Explainable AI ตัวแรก มาในปี 2019 มีการพัฒนา Sanbox ร่วมกับธนาคารแห่งประเทศไทยในการพัฒนา AI Framework ปี 2022 เริ่มมีโครงการเกี่ยวกับ Responsible AI Initiatives ปี 2023 ออก KBTG AI Principles และสอน Responsible AI ให้กับพนักงานทุกคน
ปัจจุบัน Responsible AI เป็นเรื่องที่ทุกคนต้องเรียน เรียกว่า AI Avengers และกำลังทำ AI Guideline ให้กับพนักงาน และจะทำ AI Literacy for All ให้กับสาธารณะต่อไป
ด้วยยุทธศาสตร์ Human First, AI First transformation และด้วย Key Focus ด้าน AI จะทำให้ KBTG สามารถสร้างแรงกระเพื่อมครั้งใหญ่อีกครั้งในคลื่น AI ลูกถัดไป
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
