นายไบรอัน เบิร์ก รองประธานฝ่ายวิจัยด้านนวัตกรรมและเทคโนโลยี การ์ทเนอร์ อิงค์ เปิดเผยว่า ปัจจุบันเทคโนโลยีโมเดล Generative AI จะโฟกัสไปยังที่ความสามารถด้านการเจเนอเรทข้อความและภาพ เพื่อเสริมงานด้านครีเอทีฟอย่างเช่น ChatGPT ที่หลายคนให้ความสนใจ ยังถือเป็นขั้นเริ่มต้น การใช้งาน Generative AI ในภาคองค์กรเต็มรูปแบบมีความซับซ้อนกว่ามาก

ในช่วงสามปีที่ผ่านมา บริษัท Venture Capital หลายแห่งทั่วโลกมีการลงทุนในโซลูชัน Generative AI เป็นมูลค่ามากกว่า 1.7 พันล้านดอลลาร์ หรือราว 58.5 พันล้านบาทโดยกลุ่มที่ได้รับเงินทุนมากที่สุด คือ กลุ่มที่ใช้ AI เพื่อพัฒนาด้าน ‘การค้นพบยา’ และการพัฒนาด้าน ‘ซอฟต์แวร์โค้ดดิ้ง’

โดยมีการคาดการณ์ว่า ภายในปี 2568 ภาคอุตสาหกรรมยาและการผลิตวัสดุ จะมีการใช้งานเทคโนโลยี Generative AI มากกว่า 30% จากเดิมที่ไม่เคยมีการลงทุนด้านนี้มาก่อน ในแวดวงการตลาด Outbound marketing สื่อที่ถูกเผยแพร่จากองค์กรใหญ่จะถูกสร้างขึ้นด้วย Generative AI กว่า 30% และมากไปกว่านั้นภายใน 7 ปี 90% ของภาพยนตร์ฟอร์มยักษ์จะถูกสร้างด้วย Generative AI

...

อนาคตการใช้ Generative AI ในภาคองค์กร จะเข้ามาช่วยธุรกิจสำรวจความเป็นไปได้ในภาคการผลิตที่จะเข้ามาสนับสนุนด้านการ ประดิษฐ์คิดค้น (Invent) นวัตกรรมการออกแบบได้อย่างหลากหลาย เพื่อค้นหาสิ่งที่เหมาะสมที่สุด กล่าว คือ Generative AI ทำให้ระบบต่างๆ สามารถสร้างสิ่งประดิษฐ์ที่มีมูลค่าสูงได้ อาทิ วิดีโอ การเล่าเรื่อง ข้อมูลการฝึกอบรม หรือแม้แต่การออกแบบและสร้างแผนผังวงจรไฟฟ้าหรืออิเล็กทรอนิกส์ต่างๆ

1. การออกแบบและพัฒนายารักษาโรค (Drug Design)

Generative AI ถูกนำมาใช้ออกแบบและพัฒนายารักษาโรคสำหรับใช้ในกรณีต่างๆ แทนที่ต้องใช้เวลาหลายปี สามารถย่นระยะเวลาให้เหลือเพียงไม่กี่เดือน เป็นโอกาสสำคัญของภาคเภสัชกรรมที่สามารถช่วยลดค่าใช้จ่ายและระยะเวลาในการค้นพบยาตัวใหม่ได้อย่างมีนัยสำคัญ

2. วัสดุศาสตร์ (Material Science)

Generative AI ถูกนำมาใช้ในการประกอบวัสดุขึ้นใหม่ทั้งหมด พร้อมกำหนดคุณสมบัติทางกายภาพได้อย่างเฉพาะ โดยกระบวนการนี้เรียกว่า Inverse Design สามารถกำหนดคุณสมบัติที่ต้องการและค้นหาวัสดุที่มีคุณสมบัติตรงตามที่กำหนดไว้ แทนที่จะอาศัยความบังเอิญเพื่อค้นหาวัสดุที่มีคุณสมบัติดังกล่าว จุดนี้จะสร้างผลกระทบเป็นอย่างมากต่อทั้งอุตสาหกรรมยานยนต์ การบินและอวกาศ การป้องกันประเทศ การแพทย์ รวมถึงอุตสาหกรรมอิเล็กทรอนิกส์และพลังงาน

3. การออกแบบชิป (Chip Design)

Generative AI สามารถใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) ซึ่งเป็นเทคนิคหนึ่งทางด้าน Machine Learning สำหรับเพิ่มประสิทธิภาพการจัดวางองค์ประกอบในการออกแบบแผงวงจรของเซมิคอนดักเตอร์ (Floorplanning) ช่วยย่นระยะเวลาของวงจรการพัฒนาผลิตภัณฑ์จากเดิมหลายสัปดาห์ที่ต้องทำงานร่วมกับผู้เชี่ยวชาญมนุษย์เหลือเป็นรายชั่วโมงแทน

4. ข้อมูลสังเคราะห์ (Synthetic Data)

Generative AI เข้ามาช่วยด้านการสร้างข้อมูลสังเคราะห์ (Synthetic Data) ซึ่งเป็นประเภทข้อมูลที่ถูกสร้างขึ้นโดยอัลกอริทึมที่สำคัญกว่าข้อมูลที่รวบรวมโดยตรงมาจากบุคคลจริงอย่างมีนัยสำคัญ ทำให้มั่นใจถึงความเป็นส่วนตัวของแหล่งข้อมูลดั้งเดิมที่ใช้ในการฝึกโมเดล ตัวอย่างเช่น ฐานข้อมูลด้านสุขภาพที่สามารถสร้างขึ้นเพื่อการวิจัยและวิเคราะห์โดยไม่ต้องเปิดเผยตัวตนของผู้ป่วย ซึ่งใช้เวชระเบียนรับรองความเป็นส่วนตัว

5. การออกแบบชิ้นส่วนประกอบต่าง ๆ (Parts Design)

Generative AI ช่วยให้อุตสาหกรรมต่างๆ ประกอบด้วย ภาคการผลิต ยานยนต์ การบินและอวกาศ และการป้องกันประเทศ สามารถออกแบบชิ้นส่วนประกอบต่างๆ ได้อย่างมีประสิทธิภาพ เพื่อบรรลุเป้าหมายและข้อจำกัดได้ตามที่กำหนด อาทิ ในด้านประสิทธิภาพ ชนิดวัสดุและวิธีการผลิต ตัวอย่าง ผู้ผลิตรถยนต์สามารถใช้ Generative Design เพื่อคิดค้นการออกแบบที่เน้นน้ำหนักเบาขึ้น นำไปสู่เป้าหมายในการทำให้รถยนต์ประหยัดน้ำมันมากขึ้น เป็นต้น