แผนพัฒนาเศรษฐกิจและสังคมแห่งชาติด้านปัญญาประดิษฐ์และข้อมูลขนาดใหญ่

ชูกิจ ลิมปิจำนงค์

ผู้แต่ง

ชูกิจ ลิมปิจำนงค์ National Science and Technology Development Agency

คำสำคัญ:

ปัญญาประดิษฐ์, ข้อมูลขนาดใหญ่, ยุทธศาสตร์ชาติ, การพัฒนาเศรษฐกิจ, Thai LLM

บทคัดย่อ

ง

งานวิจัยเรื่อง “แผนพัฒนาเศรษฐกิจและสังคมแห่งชาติด้านปัญญาประดิษฐ์และข้อมูลขนาดใหญ่” มีวัตถุประสงค์เพื่อศึกษาและเสนอแนะแนวทางการจัดสรรทรัพยากรเพื่อพัฒนาปัญญาประดิษฐ์และข้อมูลขนาดใหญ่ที่มีอยู่อย่างจำกัดของประเทศไทยให้เกิดประโยชน์เชิงเศรษฐกิจและสังคมมากที่สุด งานวิจัยนี้ใช้ระเบียบวิธีวิจัยเชิงคุณภาพ (Qualitative Research) โดยอาศัยข้อมูลจากการสัมภาษณ์เชิงลึก (In-depth Interview) ผู้ทรงคุณวุฒิระดับสูงที่มีบทบาทในการกำหนดนโยบายของประเทศประกอบกับการวิเคราะห์เอกสารนโยบายชาติและรายงานสถานการณ์โลก ผลการวิจัยชี้ว่าควรการกำหนดยุทธศาสตร์เร่งด่วน 3 ด้าน ได้แก่ (1) การศึกษาและการพัฒนาทรัพยากรมนุษย์ (2) อาหารและการเกษตร และ (3) การแพทย์และสาธารณสุข โดยทั้งสามภาคส่วนนี้ประกอบกันเป็น “ยุทธศาสตร์สามประสาน” ที่ใช้การศึกษาเพื่อสร้าง “ความรู้ (Knowledge)” เป็นรากฐาน ขับเคลื่อนการสร้าง “ความมั่งคั่ง (Wealth)” ในภาคเกษตรซึ่งเป็นเศรษฐกิจฐานราก และภาคการแพทย์ซึ่งเป็นอุตสาหกรรมบริการมูลค่าสูง เพื่อสร้างการเติบโตแบบก้าวกระโดด (New S-Curve) นอกจากนี้ งานวิจัยยังค้นพบความจำเป็นเร่งด่วนในการพัฒนาโมเดลภาษาขนาดใหญ่ภาษาไทย (Thai Large Language Model) ให้เป็นโครงสร้างพื้นฐานของชาติ เพื่อลดการพึ่งพาเทคโนโลยีต่างประเทศและสร้างความมั่นคงทางดิจิทัลที่ยั่งยืน

เอกสารอ้างอิง

กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัย และนวัตกรรม และกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม. (2565). “แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 - 2570)”.

Alan, M. Turing. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460.

Brown, T. B., et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877-1901.

Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137-144.

Lecun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.

Lighthill, J. (1973). Artificial Intelligence: a paper symposium. Science Research Council.

Mak, K. K., & Pichika, M. R. (2019). Artificial intelligence in drug development: present status and future prospects. Drug Discovery Today, 24(3), 773-780.

McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence. AI Magazine, 27(4), 12.

Pranav Rajpurkar, et al. (2017). CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning. arXiv preprint arXiv:1711.05225.