ปัญญาประดิษฐ์จะก้าวไปได้ไกลแค่ไหน?

ในงาน AI ประจำปีของ Zalo วิทยากรได้แบ่งปันประสบการณ์ในการนำ AI มาใช้ในชีวิตประจำวัน และคาดการณ์แนวโน้มใหม่ ๆ ที่เกี่ยวข้องกับ AI เชิงตัวแทนและ AI เชิงกายภาพ

งานประชุม Zalo AI Summit ซึ่งจัดขึ้นครั้งแรกในปี 2017 เป็นงานที่รวบรวมผู้เชี่ยวชาญที่มีชื่อเสียงในด้านปัญญาประดิษฐ์ (AI) ภายใต้หัวข้อ "เวียดนามในยุคแห่งการเปลี่ยนแปลงสู่ AI" งาน Zalo AI Summit 2025 จะนำเสนอโซลูชันสำหรับการประยุกต์ใช้ AI ในชีวิตประจำวัน คาดการณ์แนวโน้ม AI และแสดงให้เห็นถึงความสำเร็จของ Zalo ในการนำ AI มาใกล้ชิดกับผู้ใช้มากขึ้น

ในคำกล่าวเปิดงาน นายเหงียน มินห์ ตู ผู้อำนวยการฝ่ายเทคโนโลยีของ Zalo กล่าวว่า ยุค AI เริ่มต้นขึ้นในปี 2018-2019 ด้วยโมเดล Transformer รุ่นแรกๆ อย่างไรก็ตาม จนกระทั่ง GPT-3.5 และ ChatGPT ปรากฏขึ้นในปี 2022 โมเดลภาษาเหล่านี้จึงมีคุณภาพสูงและเข้าถึงได้ในวงกว้างมากขึ้น

"นั่นคือจุดเริ่มต้นของยุค AI เมื่อผู้คนเริ่มใช้ ChatGPT" นายตูเน้นย้ำ

สัญญาณเชิงบวกสำหรับเวียดนาม

เนื่องจากบริษัทต่างๆ เช่น Google, Anthropic และ DeepSeek พัฒนาการสร้างแบบจำลองภาษาขนาดใหญ่ (LLM) ให้ดีขึ้นเรื่อยๆ ตลาด AI จึงกำลังเผชิญกับจุดเปลี่ยนที่เรียกว่า AI เชิงตัวแทน (agentic AI)

แตกต่างจาก AI ทั่วไปที่สามารถแก้ปัญหาได้เพียงงานเดียว AI แบบเอเจนต์เป็นระบบอัตโนมัติที่สามารถเชื่อมต่อเอเจนต์หลายตัวเพื่อจัดการกับปัญหาที่ซับซ้อนได้

นายตู กล่าวเสริมว่า "AI ตัวแทนทำงานเหมือนกับพนักงานของเรา มันสามารถวิเคราะห์ คิดวิเคราะห์ ปฏิบัติงาน และเขียนรายงานตามคำสั่งของเราได้"

ในเวียดนาม Zalo เป็นหนึ่งในบริษัทที่ผสานรวมฟีเจอร์ AI มากมายเพื่อให้บริการผู้ใช้ คาดว่าภายในปี 2025 จำนวนผู้ใช้บริการเหล่านี้จะเพิ่มขึ้นเป็นกว่า 17 ล้านคน เพิ่มขึ้นกว่า 200% โดยมีผู้ใช้ฟีเจอร์การแปลงเสียงเป็นข้อความ (Distance to Text) มากกว่า 7.5 ล้านคน

“ฟีเจอร์นี้ได้เปลี่ยนวิธีการใช้งาน Zalo ของผู้คนจำนวนมาก จากเดิมที่ต้องพิมพ์ข้อความ การใช้เสียงนั้นเร็วกว่าและสะดวกกว่ามาก” นายตูเน้นย้ำ

ฟีเจอร์การแปลข้อความจากภาษาเวียดนามเป็นภาษาอังกฤษก็ดึงดูดผู้ใช้จำนวนมากเช่นกัน คุณตูเปิดเผยว่า ฟีเจอร์การแปลแบบเรียลไทม์สำหรับการโทรผ่าน Zalo จะถูกเพิ่มเข้ามาในเร็วๆ นี้

Mr. Nguyen Minh Tu ผู้อำนวยการฝ่ายเทคโนโลยีของ Zalo

นอกเหนือจากการให้บริการผู้ใช้ปลายทางแล้ว AI ยังช่วยสนับสนุนการดำเนินงานของ Zalo อีกด้วย บริษัทได้สร้างแชทบอทบริการลูกค้า ซึ่งช่วยแก้ปัญหาการขยายตัวในช่วงเวลาที่มีปริมาณงานสูง ซึ่งเป็นช่วงเวลาที่ยากต่อการสรรหาพนักงานเพิ่มเติม

หลังจากใช้งานระบบแชทบอทใน Zalo ไปได้ 3 เดือน ระบบก็มีอัตราการตอบสนองสูงถึง 90% ซึ่งสูงกว่ามนุษย์ มีเพียงประมาณ 2-3% ของกรณีเท่านั้นที่ต้องอาศัยความช่วยเหลือจากมนุษย์ผ่านแชทบอท

ตัวแทนจาก Zalo ยอมรับว่ายังคงมีข้อท้าทายบางประการในการนำ AI มาใช้ภายในองค์กร โดยเฉพาะอย่างยิ่งในเรื่องความเป็นส่วนตัวและความปลอดภัย ด้วยเหตุนี้แพลตฟอร์มจึงเลือกใช้วิธีการที่ยืดหยุ่น โดยใช้โมเดลที่พัฒนาขึ้นเองสำหรับข้อมูลที่ละเอียดอ่อน และใช้แชทบอทภายนอกสำหรับข้อมูลที่ไม่ละเอียดอ่อนมากนัก

นอกจากนี้ คุณตูยังกล่าวถึงการแข่งขัน Zalo AI Challenge 2025 ซึ่งเป็นการแข่งขันเพื่อพัฒนาแอปพลิเคชัน AI สำหรับใช้ในชีวิตประจำวัน นอกเหนือจากเยาวชนและนักศึกษาแล้ว การแข่งขันในปีนี้ยังดึงดูดนักเรียนมัธยมปลายหลายคน และบางคนก็สามารถติดอันดับ 5 อันดับแรกได้ด้วย

ตัวแทนจาก Zalo กล่าวเน้นย้ำว่า "นี่แสดงให้เห็นว่า AI ได้แทรกซึมเข้าไปในทุกภาคส่วนของสังคม แม้กระทั่งในโรงเรียนที่เด็ก ๆ ได้สัมผัสกับ AI ตั้งแต่อายุยังน้อย นี่เป็นสัญญาณที่ดีสำหรับเวียดนามในยุค 'การเปลี่ยนแปลงด้วย AI'"

คลื่นของเอเจนต์ AI

ในการประชุมช่วงแรก รองศาสตราจารย์ Quan Thanh Tho จากมหาวิทยาลัยเทคโนโลยีโฮจิมินห์ ได้ตั้งคำถามว่า AI แบบหลายรูปแบบจะเปลี่ยนแปลง โลก อย่างไร โดยเขาให้เหตุผลว่า LLM ได้มาถึงจุดสิ้นสุดแล้ว และแนวโน้มเทคโนโลยีกำลังค่อยๆ เปลี่ยนไปสู่ระบบเอเจนต์หลายตัว (MAS)

รองศาสตราจารย์ ดร. เห็นด้วยกับคุณตูเกี่ยวกับการก้าวสำคัญของ LLM ด้วยการนำ GPT-3.5 มาใช้ โดยระบุว่าเป้าหมายร่วมกันของแชทบอทคือการเลียนแบบมนุษย์ให้ใกล้เคียงที่สุดเท่าที่จะเป็นไปได้ แนวคิดของเอเจนต์ AI มีอยู่ก่อนแล้ว แต่เพิ่งจะเฟื่องฟูอย่างแท้จริงภายใต้กรอบงาน LLM

นายโทกล่าวว่า “เอเจนต์เป็นสถาปัตยกรรมแบบคลาสสิก และเมื่อนำมาใช้ร่วมกับ LLM จะช่วยให้สามารถสื่อสารระหว่างโมเดลได้” นอกจากนี้ คำค้นหา “AI Agents” และ “Agency AI” ยังติดอันดับคำค้นหาที่ได้รับความนิยมมากที่สุดใน Google Trends ตั้งแต่ปลายปี 2024 จนถึงปัจจุบัน

รองศาสตราจารย์ ดร. ควาน ทันห์ โถ หัวหน้าภาควิชา วิทยาการคอมพิวเตอร์ และวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีโฮจิมินห์

รองศาสตราจารย์กล่าวว่า AI แบบเอเจนต์นั้นเป็นเพียงระบบที่ประกอบด้วยเอเจนต์หลายตัวทำงานร่วมกัน เมื่อได้รับคำสั่งจากผู้ใช้ เอเจนต์เหล่านั้นจะแยกย่อยคำขอ มอบหมายงาน เลือกเครื่องมือที่เหมาะสม และดำเนินการทีละขั้นตอนเพื่อให้ได้ประสิทธิภาพที่สูงกว่าเมื่อเทียบกับโมเดลเดียว

นอกจากนี้ คุณโท ยังได้นำเสนอการประยุกต์ใช้ MAS ในภาคธุรกิจภายในประเทศในทางปฏิบัติ โดยเฉพาะอย่างยิ่ง ตัวแทน AI สามารถประมวลผลไฟล์ PDF รูปภาพ และเอกสารพร้อมกันได้ ซึ่งช่วยเพิ่มประสิทธิภาพได้ถึง 40-60% ในภาคธุรกิจประกันภัย เทคโนโลยีนี้ช่วยให้บริษัทสามารถลดภาระงานลงได้ 20-40%

นอกจากนี้ ตัวแทน AI ยังมีความสามารถในการรวบรวมข้อมูลแบบเรียลไทม์ ช่วยให้สามารถให้ข้อมูลราคาตลาดได้ทันที ศาสตราจารย์ ดร. [ชื่อ] กล่าวว่า ระบบตัวแทน AI ทำหน้าที่เป็นผู้ช่วยอัจฉริยะ สามารถตอบคำถามเกี่ยวกับการเรียนสำหรับผู้ปกครองและนักเรียนได้ ในด้าน การศึกษา ตัวแทน AI ช่วยสร้างแบบจำลองการเรียนรู้ส่วนบุคคลที่ปรับให้เข้ากับเส้นทางการเรียนรู้ของนักเรียนแต่ละคน

งานประชุม Zalo AI Summit 2025 ดึงดูดผู้เข้าร่วมจำนวนมากที่สนใจในด้านปัญญาประดิษฐ์ (AI)

โดยรวมแล้ว ข้อได้เปรียบของ MAS อยู่ที่ความสามารถในการจัดการปัญหาที่ซับซ้อนหลายอย่างพร้อมกัน ผ่านกระบวนการให้เหตุผล ตัวแทนสามารถประมวลผลข้อมูลได้อย่างอิสระ เรียนรู้ซึ่งกันและกัน และเรียนรู้จากผู้ใช้เพื่อลดข้อผิดพลาด สร้างผลลัพธ์ที่แม่นยำและเป็นส่วนตัว

สถาปัตยกรรมเอเจนต์สมัยใหม่มักถูกนำเสนอในรูปแบบของเครื่องมือและแพลตฟอร์มที่มีอินเทอร์เฟซที่ใช้งานง่าย ทำให้บุคคลทั่วไปสามารถเข้าถึงได้ง่ายขึ้น

จากประโยชน์เหล่านี้ นายโทเน้นย้ำถึงความสำคัญของการประยุกต์ใช้เทคโนโลยีและการปรับกระบวนการทำงานภายในธุรกิจ ตามที่รองศาสตราจารย์กล่าว ในบริบทของกระแสการสร้างนวัตกรรมที่เกิดขึ้นอย่างแข็งแกร่งทั่วโลก นี่คือกระแสที่ธุรกิจต่างๆ จำเป็นต้องให้ความสนใจเป็นพิเศษ

อะไรจะมาแทนที่ AI ที่มีบทบาทเฉพาะ?

ปัจจุบัน หุ่นยนต์ฮิวมานอยด์กลายเป็นกระแสที่ดึงดูดความสนใจในวงการเทคโนโลยี และนี่ก็เป็นแอปพลิเคชันที่พบได้บ่อยที่สุดของปัญญาประดิษฐ์เชิงกายภาพ (Physical AI)

ดร. ตรัน มินห์ ควาน นักเทคโนโลยีอาวุโสของ Nvidia เวียดนาม ได้แสดงความคิดเห็นในหัวข้อนี้ โดยเน้นย้ำว่า AI ทางกายภาพเป็นพัฒนาการที่ก้าวหน้าที่สุดในแนวโน้ม AI ต่อจากยุคของ AI เชิงสร้างสรรค์หรือ AI เชิงตัวแทน

"โมเดล AI เหล่านี้สามารถรับคำสั่งหรือข้อมูลป้อนเข้า จากนั้นสร้างการกระทำเฉพาะที่ส่งผลต่อมอเตอร์หรือควบคุมส่วนประกอบของหุ่นยนต์ เช่น แขนหุ่นยนต์ ยานพาหนะอัตโนมัติ โรงงาน ฯลฯ" นายควานกล่าว โดยให้ภาพรวมของ AI ทางกายภาพ

ดร. ตรัน มินห์ ควาน จาก Nvidia ได้แบ่งปันข้อมูลเชิงลึกเกี่ยวกับแนวโน้มในด้านปัญญาประดิษฐ์เชิงกายภาพ

จากข้อมูลของตัวแทนจาก Nvidia ปัญญาประดิษฐ์เชิงกายภาพ (Physical AI) อาจกลายเป็นอุตสาหกรรมมูลค่าล้านล้านดอลลาร์ในอนาคต ศักยภาพในการประยุกต์ใช้ปัญญาประดิษฐ์เชิงกายภาพนั้นมหาศาล เนื่องจากโครงสร้างพื้นฐานด้านฮาร์ดแวร์ทั่วโลกในปัจจุบันประกอบด้วยกล้องอุตสาหกรรมประมาณ 2 พันล้านตัว โรงงาน 10 ล้านแห่ง คลังสินค้า 200,000 แห่ง และยานพาหนะ 1.5 พันล้านคัน ยังไม่รวมถึงหุ่นยนต์ฮิวมานอยด์อีกหลายพันล้านตัวที่อาจถูกนำไปใช้งานในอนาคต

นายควานกล่าวเสริมว่า "หากอุปกรณ์แต่ละชิ้นติดตั้ง 'สมอง' AI เพื่อจัดการกับปริมาณงานในปัจจุบัน งานต่างๆ ที่สามารถรองรับได้ก็จะเพิ่มขึ้นในระดับที่แตกต่างไปจากที่เป็นอยู่ในปัจจุบันอย่างมาก"

ความต้องการปัญญาประดิษฐ์เชิงกายภาพ (Physical AI) เกิดจากการขาดแคลนบุคลากรในหลายอุตสาหกรรม งานที่ต้องใช้ทักษะสูงในสภาพแวดล้อมที่ยากลำบาก เช่น การเชื่อมโลหะในที่แคบและมืด เป็นสิ่งที่มนุษย์ทำได้ยาก

ปัจจุบันหุ่นยนต์เป็นทางออกที่ช่วยสร้างสมดุลระหว่างต้นทุนด้านบุคลากรและต้นทุนการดำเนินงาน ต้นทุนสามารถลดลงได้เนื่องจากหุ่นยนต์มีความสามารถในการเรียนรู้งานใหม่ ๆ ได้ด้วยตนเอง แทนที่จะทำงานซ้ำซากจำเจเพียงอย่างเดียว

"นั่นเป็นเหตุผลว่าทำไม 'ช่วงเวลาสำคัญ' ของ ChatGPT สำหรับวงการหุ่นยนต์จึงอาจเกิดขึ้นในปีนี้หรือปีหน้า" นายควานเน้นย้ำ

ปัญญาประดิษฐ์เชิงกายภาพ (Physical AI) ถือเป็นก้าวต่อไปหลังจากปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) และปัญญาประดิษฐ์เชิงตัวแทน (Agentic AI)

เพื่อให้บรรลุวิสัยทัศน์นี้ ตัวแทนของ Nvidia ได้เสนอโมเดลคอมพิวเตอร์สามเครื่อง ซึ่งสอดคล้องกับสามขั้นตอนสำคัญในการพัฒนาปัญญาประดิษฐ์เชิงฟิสิกส์

ดังนั้น ระยะแรกจึงมุ่งเน้นไปที่การสร้างรากฐานบนเซิร์ฟเวอร์ หลังจากฝึกฝนเสร็จแล้ว โมเดลสามารถนำไปไว้ในสภาพแวดล้อมจำลองเพื่อเรียนรู้เกี่ยวกับปฏิสัมพันธ์เชิงสาเหตุ ซึ่งจะช่วยให้โมเดลพัฒนาพฤติกรรมที่ดีขึ้นในโลกแห่งความเป็นจริง

การจำลองช่วยให้หุ่นยนต์สามารถจดจำวัตถุและรู้วิธีจัดการกับวัตถุได้อย่างแม่นยำ ที่สำคัญกว่านั้น การจำลองช่วยให้หุ่นยนต์หลายตัวสามารถทำงานร่วมกันได้พร้อมกัน ทดสอบสถานการณ์การชนกันโดยไม่ต้องเสียค่าใช้จ่ายสำหรับฮาร์ดแวร์จริง สุดท้ายแล้ว การจำลองยังช่วยให้สามารถใช้งานจริงบนฮาร์ดแวร์ได้โดยตรง

ความท้าทายในการนำ AI ไปใช้ในวงกว้าง

กระบวนการ "การนำ AI มาใช้" ซึ่งเกี่ยวข้องกับการบูรณาการเทคโนโลยีเข้ากับการดำเนินงานประจำวันเพื่อปรับปรุงประสิทธิภาพและสนับสนุนการตัดสินใจ กำลังเร่งตัวขึ้นทั่วโลก

ดร. เชา ทันห์ ดึ๊ก ผู้อำนวยการฝ่ายวิจัยของ Zalo AI กล่าวว่า ความก้าวหน้าของ AI ในเวียดนามเกิดจากหลายปัจจัย โดยเฉพาะอย่างยิ่งการพัฒนาโมเดล AI การพัฒนาอย่างรวดเร็วของฮาร์ดแวร์และโครงสร้างพื้นฐานด้านข้อมูล และกระบวนการเปลี่ยนแปลงทางดิจิทัล

เวียดนามได้รับการพิจารณาว่าเป็นหนึ่งในประเทศที่มีศักยภาพสูงในการพัฒนาปัญญาประดิษฐ์ (AI) ดังที่เห็นได้จากโครงการสรรหาบุคลากร การสร้างชุมชนเทคโนโลยี และการสนับสนุนจากภาครัฐ นอกจากนี้ ประชาชนชาวเวียดนามยังได้รับการประเมินว่ามีความพร้อมสูงสำหรับการเปลี่ยนแปลงทางดิจิทัล

ดร. เชา ทันห์ ดึ๊ก ผู้อำนวยการฝ่ายวิจัยของ Zalo AI

ในการเปลี่ยนแปลงครั้งนี้ Zalo ได้เปิดตัวฟีเจอร์ที่เกี่ยวข้องกับ AI มากมาย เช่น ผู้ช่วยเสมือนจริง Kiki บริษัทมุ่งมั่นที่จะพัฒนาเครื่องมือที่ช่วยเพิ่มประสิทธิภาพในการทำงาน และใช้งานง่ายสำหรับทุกคน เครื่องมือของ Zalo รองรับทุกอย่างตั้งแต่การเขียนโค้ด การเขียนโปรแกรม และการวิจัย ไปจนถึงกิจกรรมในชีวิตประจำวัน เช่น การสื่อสาร การแปล และการค้นหารูปภาพ

อย่างไรก็ตาม ผู้เชี่ยวชาญเชื่อว่านี่เป็นเพียงจุดเริ่มต้น และยังมีอุปสรรคอีกมากมายในกระบวนการเปลี่ยนแปลงสู่ปัญญาประดิษฐ์ ดร. เหงียน ตรวง ซอน ผู้อำนวยการฝ่ายวิทยาศาสตร์ของ Zalo AI กล่าวว่า อุปสรรคเหล่านั้นมาจากเรื่องความปลอดภัย ปัญหาด้านต้นทุน และความต้องการที่สูงจากผู้ใช้งาน ซึ่งไม่ใช่แค่ปัญหาสำหรับ Zalo เท่านั้น แต่ยังเป็นปัญหาสำหรับผู้ใช้งานและธุรกิจต่างๆ ด้วย

อุปสรรคแรกอยู่ที่การเลือกโมเดล AI ที่รับประกันระดับความเป็นอิสระที่แน่นอน โมเดลจากผู้ให้บริการภายนอกมักให้ประสิทธิภาพและคุณภาพผลลัพธ์ที่ดีกว่า ในขณะที่โมเดลภายในมีข้อได้เปรียบในด้านการควบคุมข้อมูล แต่มีข้อจำกัดในด้านความเสถียรและประสิทธิภาพ

ข้อมูลที่เผยแพร่โดยตัวแทนจาก Zalo AI

นอกจากนี้ โมเดลส่วนใหญ่ในปัจจุบันยังมีจุดอ่อนที่คล้ายคลึงกัน เช่น ความแม่นยำไม่สมบูรณ์และผลลัพธ์ที่ไม่สม่ำเสมอ แชทบอทจำนวนมากมีความสามารถจำกัดในการทำความเข้าใจและประมวลผลภาษาเวียดนาม ทำให้ไม่สามารถตอบสนองความต้องการหรือบริบทเฉพาะได้

เพื่อแก้ไขปัญหานี้ ผู้เชี่ยวชาญของ Zalo ได้เสนอแนวทางแก้ไขหลายประการ เช่น การประยุกต์ใช้เทคโนโลยีการพัฒนาโมเดลขั้นสูง และการผสมผสานแหล่งข้อมูลที่เชื่อถือได้ระหว่างการฝึกแชทบอท ในขณะเดียวกัน ทีมพัฒนาได้ประเมินโมเดลอย่างต่อเนื่องผ่านการทดสอบภายใน

ความท้าทายอีกประการหนึ่งคือการสร้างสมดุลระหว่างต้นทุน ประสิทธิภาพ และความปลอดภัย ดร. เหงียน ตรวง ซอน กล่าวว่า การใช้โมเดลขนาดเล็กในการจัดการคำขอที่ซับซ้อนอาจทำให้เวลาในการประมวลผลและต้นทุนการดำเนินงานเพิ่มขึ้น และในทางกลับกัน

ดร. เหงียน เจือง เซิน ผู้อำนวยการฝ่ายวิทยาศาสตร์ของ Zalo AI

เขาแย้งว่าการปรับปรุงประสิทธิภาพสามารถเริ่มต้นได้ตั้งแต่ขั้นตอนการป้อนคำสั่ง ผู้ใช้สามารถลดต้นทุนโทเค็นได้โดยการจำกัดความยาวที่ไม่จำเป็นและให้บริบทที่ชัดเจนและกระชับสำหรับแชทบอท

ในระดับระบบ ทีมงาน Zalo นำเสนอโซลูชันต่างๆ เช่น การแนะนำคำสั่งที่เหมาะสม และการวางระบบควบคุมหลายชั้น เพื่อให้มั่นใจในความปลอดภัยของข้อมูลผู้ใช้

โดยรวมแล้ว เวียดนามถือว่ามีความพร้อมเป็นอย่างดีสำหรับกระแส AI ระดับโลก Zalo เป็นหนึ่งในผู้ริเริ่มการเปลี่ยนแปลงนี้ โดยมุ่งเน้นการแก้ไขปัญหาด้านต้นทุน คุณภาพ และความปลอดภัยในการนำ AI มาใช้ในวงกว้าง

การแข่งขันชิปที่ดุเดือด

การเติบโตอย่างก้าวกระโดดของ AI เป็นผลมาจากการพัฒนาด้านฮาร์ดแวร์หรือชิป ดร. ฟาม ฮี ฮิว จาก OpenAI เน้นย้ำว่า การเกิดขึ้นของ ChatGPT ได้ปฏิวัติวงการชิป ทำให้ Nvidia เติบโตอย่างรวดเร็วในระยะเวลาอันสั้น

เมื่อ ChatGPT เปิดตัวครั้งแรก การทำงานของมันพึ่งพาชิปของ Nvidia เกือบทั้งหมด ส่งผลให้บริษัทยักษ์ใหญ่ด้านเทคโนโลยีอย่าง Anthropic และ Meta เร่งซื้อฮาร์ดแวร์เพิ่มขึ้นอย่างมาก

อย่างไรก็ตาม เกมนี้ไม่ได้จำกัดอยู่แค่ Nvidia เท่านั้น คู่แข่งอย่าง AMD และ Google ก็ได้นำเสนอโซลูชันฮาร์ดแวร์ที่เหมาะสมที่สุดสำหรับนักพัฒนาโมเดล AI เช่นกัน

"การหมุนเวียนของชิปและเงินทุนที่เกี่ยวข้องกับชิปส่งผลกระทบต่อกระแสเศรษฐกิจ โดยเฉพาะอย่างยิ่งการเติบโตของเศรษฐกิจสหรัฐฯ"

นอกจากนี้ บริษัทต่างๆ ที่มุ่งมั่นพัฒนา AI ยังมีความทะเยอทะยานที่จะพัฒนาชิปของตนเองด้วย เนื่องจากต้นทุนการซื้อชิปเพิ่มสูงขึ้น ดังนั้นแม้การประหยัดเพียงเล็กน้อยก็ถือเป็นประโยชน์อย่างมาก นั่นเป็นเหตุผลที่ทุกบริษัทต้องการพึ่งพาตนเองในด้านทรัพยากรชิป" นายฮิ้วกล่าวเสริม

ดร. Pham Hy Hieu ตัวแทนของ OpenAI

ปัจจุบัน ตลาดชิป AI แบ่งออกเป็นสองประเภทหลักตามวัตถุประสงค์การใช้งาน ประเภทแรกคือชิปสำหรับฝึกฝน ซึ่งต้องการความสามารถในการคูณเมทริกซ์ขนาดใหญ่ มิติข้อมูลที่สม่ำเสมอ และแบนด์วิดท์สูงเพื่อเชื่อมต่อชิปหลายพันตัวพร้อมกัน

ชิปประเภทที่สองคือชิปอนุมาน ซึ่งต้องการจำนวนลิงก์ที่น้อยกว่า (ประมาณ 50-100 ชิป) และเน้นที่ปัญหาเมทริกซ์ขนาดเล็กที่มีขนาดไม่สม่ำเสมอ อย่างไรก็ตาม ชิปอนุมานต้องการการจัดการพลังงานที่ดีเพื่อให้สามารถทำงานได้อย่างยั่งยืน

เมื่อมองย้อนกลับไปในประวัติการพัฒนา หากช่วงปี 2019-2023 เน้นไปที่การฝึกฝนและการบีบอัดข้อมูลสำหรับโมเดล GPT แล้ว ตั้งแต่ปี 2024 เป็นต้นไป จุดสนใจจะเปลี่ยนไปที่ความสามารถในการให้เหตุผล การเปลี่ยนแปลงนี้ส่งผลให้เกิดความต้องการชิปสำหรับการอนุมานเพิ่มขึ้น

นายฮิ้วกล่าวว่า "เวียดนามมีบทบาทอย่างไรในอุตสาหกรรมการผลิตชิป? แม้ว่าอุตสาหกรรมชิปจะเป็นอุตสาหกรรมมูลค่าหลายล้านล้านดอลลาร์ แต่เราไม่จำเป็นต้องมีเงินหลายหมื่นล้านดอลลาร์เพื่อเข้าร่วม เวียดนามสามารถมีส่วนร่วมในแวดวงชิป AI ได้หลายวิธี"

ข้อคิดเห็นจาก ดร. ฟาม ฮี ฮิว เกี่ยวกับฮาร์ดแวร์ในโครงสร้างพื้นฐาน AI

ตัวแทนจาก OpenAI เสนอแนวทางหลักสองประการ แทนที่จะเร่งผลิตชิปสำหรับโมเดลประมวลผลภาษาขนาดใหญ่ เวียดนามควรหันมาเน้นการพัฒนาชิปพลังงานต่ำสำหรับรถยนต์ สมาร์ทโฟน หรืออุปกรณ์ทางการแพทย์แบบฝังในร่างกาย ซึ่งเป็นกลุ่มตลาดที่มีศักยภาพการเติบโตสูงและต้นทุนการลงทุนต่ำกว่า

ประการที่สอง คือการบูรณาการระหว่างฮาร์ดแวร์และซอฟต์แวร์ ผลงานอย่างเช่นอัลกอริทึม Flash Attention 2 แสดงให้เห็นว่าการผสมผสานอย่างชาญฉลาดระหว่างการเขียนโปรแกรมและฮาร์ดแวร์สามารถสร้างความก้าวหน้าได้โดยไม่จำเป็นต้องใช้เงินลงทุนมหาศาล

นายฮิ้วกล่าวสรุปว่า "อนาคตอยู่ในมือของผู้ที่กล้ามองเห็นโอกาส กล้าที่จะเสี่ยง และกล้าที่จะเผชิญกับอันตราย"

ทีมที่โดดเด่นในการแข่งขัน Zalo AI Challenge 2025

หลังจากการนำเสนอของวิทยากรแล้ว มีการนำเสนอโซลูชันเชิงปฏิบัติมากมายสำหรับการประยุกต์ใช้ AI ในงาน Zalo AI Challenge 2025 ซึ่งเปิดตัวในปลายเดือนตุลาคมและดึงดูดทีมเข้าร่วมมากกว่า 1,000 ทีม

ในปีนี้ การแข่งขัน Zalo AI Challenge แบ่งออกเป็นสองประเภท ได้แก่ RoadBuddy (การใช้อัลกอริทึมในการระบุป้ายจราจร) และ AeroEyes (การออกแบบ AI สำหรับโดรนเพื่อจดจำวัตถุบนพื้นดิน) ทีมที่ชนะจะได้รับเงินรางวัลรวม 12,000 ดอลลาร์สหรัฐ พร้อมของขวัญจากผู้สนับสนุน

ตามที่ผู้จัดงานระบุ ข้อสอบในปีนี้เป็นข้อสอบเชิงปฏิบัติทั้งหมด ซึ่งแสดงให้เห็นถึงศักยภาพของ AI นอกเหนือจากสภาพแวดล้อมการวิจัย เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง

ในการแข่งขัน RoadBuddy ผู้เข้าแข่งขันมุ่งเน้นไปที่การประมวลผลข้อมูลจากกล้องติดหน้ารถ ทีมต่างๆ ต้องประมวลผลชุดข้อมูลวิดีโอที่มีความยาว 0-15 วินาที ซึ่งบันทึกภายใต้เงื่อนไขเวลาต่างๆ กัน หน้าที่ของโมเดล AI คือการระบุรายละเอียดต่างๆ เช่น ป้ายจราจร สัญญาณไฟจราจร และเส้นแบ่งเลนที่ปรากฏในวิดีโอได้อย่างแม่นยำ

การแบ่งปันและมอบรางวัลสำหรับการแข่งขัน Zalo AI Challenge 2025

โดยใช้ชุดข้อมูลที่ประกอบด้วยตัวอย่างฝึกฝน 1,500 ตัวอย่าง ตัวอย่างทดสอบสาธารณะ 500 ตัวอย่าง และตัวอย่างทดสอบส่วนตัว 500 ตัวอย่าง ทีมที่เข้าร่วมแข่งขันจะได้รับการประเมินตามเกณฑ์สองประการ ได้แก่ ความแม่นยำและเวลาตอบสนอง

จากการประเมินของนายเหงียน ตรวง ซอน ผู้เข้าแข่งขันได้ประยุกต์ใช้เทคนิคขั้นสูง เช่น โมเดลภาษาภาพ (Vision Language Model: VLM) กระบวนการทั่วไปคือการแยกเฟรมจากวิดีโอเป็นข้อมูลป้อนเข้า จากนั้นนำไปรวมกับโมเดลต่างๆ เช่น Qwen หรือ YOLO เพื่อระบุวัตถุและวิเคราะห์เชิงตรรกะ

จากผลการแข่งขันรอบสุดท้าย ทีม CtelAI คว้าอันดับหนึ่งด้วยอัตราความแม่นยำ 71.3% ตามมาด้วยทีม BitterSweet ที่ได้ 70.5%

ภายใต้หัวข้อ AeroEyes ทีมต่างๆ ได้เข้าร่วมการแข่งขันรอบคัดเลือกก่อนที่จะเข้าสู่รอบชิงชนะเลิศ ในรอบชิงชนะเลิศ ผู้เข้าแข่งขันจะต้องเขียนโปรแกรมโมเดลลงบนโดรนโดยตรง กำหนดเส้นทางการบิน และควบคุมกล้องในสภาพแวดล้อมจริงเพื่อตรวจจับวัตถุ

เนื่องจากโจทย์ยาก จำนวนทีมที่ทำตามข้อกำหนดจึงไม่สูงนัก ผู้จัดจึงได้เพิ่มหัวข้อเสริมเข้ามาอย่างยืดหยุ่น ทีมที่เข้าร่วมแข่งขันได้ปรับเปลี่ยนโมเดลของตนอย่างรวดเร็วเพื่อให้ตรงตามข้อกำหนด ส่งผลให้ทีม AIO_C3A ชนะเลิศด้วยประสิทธิภาพสูงสุด ส่วนอันดับสองได้แก่ทีม IUH_Alers_K16 และ AEB ร่วมกัน

ที่มา: https://znews.vn/ai-se-di-xa-den-dau-post1613033.html