ประเภทของปัญญาประดิษฐ์ (AI): คู่มือฉบับสมบูรณ์

ถ้ารู้สึกว่าอยู่ดีๆ ปัญญาประดิษฐ์ (AI) ก็มีอยู่ทุกที่ นั่นเป็นเพราะมันเป็นเช่นนั้นจริงๆ จาก งานวิจัยตลาดล่าสุดของ McKinsey การนำ AI ไปใช้ทั่วโลกเพิ่มขึ้นจากราว 50–60% ขององค์กรในปี 2020–2021 เป็น 88% อันน่าทึ่งในปี 2025

อย่างไรก็ตาม การเติบโตแบบก้าวกระโดดนี้ก่อให้เกิดปัญหาทางภาษา คำว่า "AI" กลายเป็นคำฮิตครอบจักรวาลที่ใช้เรียกเทคโนโลยีซึ่งแตกต่างกันอย่างมาก ใช้สลับแทนกันได้ทั้งแชตบอตรูปแบบกฎง่ายๆ เครื่องมือสร้างภาพ และหุ่นยนต์ไซไฟแห่งอนาคต

สำหรับผู้ปฏิบัติงานด้านข้อมูล ความกำกวมนี้คืออุปสรรค เมื่อผู้มีส่วนได้ส่วนเสียขอ "โซลูชัน AI" ควรเข้าใจว่า: ต้องการโมเดลรีเกรสชันอย่างง่าย เอเจนต์แบบสร้างสรรค์ หรือระบบคอมพิวเตอร์วิทัศน์?

ในคู่มือฉบับสมบูรณ์นี้ จะมาดูคำศัพท์เหล่านี้กัน ไม่ได้แค่ให้คำจำกัดความ แต่จะมองผ่านสี่มุมมองที่แตกต่างกัน: สร้างอย่างไร ทำอะไรได้บ้าง ตัดสินใจอย่างไร และเข้ากับเวิร์กโฟลว์ในโลกจริงอย่างไร

หากเป็นมือใหม่ แนะนำให้เรียนคอร์ส Understanding Artificial Intelligence

AI คืออะไร?

ปัญญาประดิษฐ์ (AI) เป็นสาขาย่อยของวิทยาการคอมพิวเตอร์ที่มุ่งสร้างเอเจนต์อัจฉริยะ สามารถทำงานที่โดยปกติต้องอาศัยสติปัญญามนุษย์ เช่น การแก้ปัญหา การรู้จำเสียงพูด และการตัดสินใจ

AI เป็นศาสตร์สหสาขาที่มีหลากหลายแนวทาง อาจเป็นแบบอิงกฎ (ทำงานตามเงื่อนไขที่กำหนดไว้ล่วงหน้า) หรือใช้วิธีการเรียนรู้ของเครื่องเพื่อนำข้อมูลมาฝึกสอน ให้ระบบสามารถปรับตัวกับสถานการณ์ที่ไม่คาดคิดได้

อย่างไรก็ตาม การให้คำนิยาม AI อย่างแม่นยำกลับยากกว่าที่คิด เนื่องจากสิ่งที่นักวิจัยเรียกว่า "AI Effect" ปรากฏการณ์นี้อธิบายการรับรู้ของสังคมต่อ AI ที่เปลี่ยนไปเรื่อยๆ ตามการเติบโตของเทคโนโลยี เมื่อความสามารถหนึ่งๆ กลายเป็นเรื่องสามัญ ผู้คนจะเลิกเรียกมันว่า "AI" และมองว่าเป็นซอฟต์แวร์ทั่วไป

ด้วยเหตุที่คำนิยามเปลี่ยนได้และขอบเขตกว้าง การจัดหมวดหมู่เดียวไม่เพียงพอ จึงต้องใช้หลายมุมมองเพื่อให้เห็นภาพรวมครบถ้วน:

• เทคโนโลยี: อัลกอริทึมและสถาปัตยกรรมเบื้องหลัง
• ขีดความสามารถ: วัดระดับความฉลาดตั้งแต่แคบไปจนถึงฉลาดยิ่งกว่ามนุษย์
• ฟังก์ชันการทำงาน: ระบบประมวลผลข้อมูลและคงสภาพความทรงจำอย่างไร

ตัวอย่างเช่น รถยนต์ไร้คนขับ สามารถจัดเข้าหมวดได้พร้อมกันสามแบบ:

• AI แบบแคบ (Narrow AI) (ตามขีดความสามารถเฉพาะ)
• ดีปเลิร์นนิง (ตามเทคโนโลยีเบื้องหลัง)
• หน่วยความจำจำกัด (ตามฟังก์ชันการทำงาน)

ในส่วนถัดไป เราจะสำรวจประเภทเฉพาะเหล่านี้

หากต้องการอ่านปูพื้นแบบไม่เทคนิค แนะนำอ่าน AI Guide for Beginners

ประเภทของ AI ตามเทคโนโลยี

วิธีที่เคร่งครัดที่สุดในการจัดประเภท AI คือพิจารณาจากเทคโนโลยีเบื้องหลัง หรือ "เครื่องยนต์" ที่ขับเคลื่อนระบบ การจำแนกแบบนี้แยกระบบตามวิธีประมวลผลข้อมูลและการเรียนรู้ มาดูประเภทที่ต่างกันเหล่านั้นกัน

การเรียนรู้ของเครื่อง

แมชชีนเลิร์นนิง (ML) เป็นสาขาย่อยของ AI ที่เน้นระบบที่เรียนรู้จากข้อมูลและพัฒนาขึ้นโดยไม่ต้องเขียนโปรแกรมกำหนดกฎทุกข้อ แทนที่จะเขียนโค้ดว่า "ถ้าอย่างนี้ ให้ทำอย่างนั้น" เราป้อนข้อมูลให้กับอัลกอริทึมและปล่อยมันค้นหารูปแบบเอง

แมชชีนเลิร์นนิงแบ่งเป็นสามพาราไดม์หลัก เหมาะกับปัญหาต่างชนิดกัน:

• การเรียนรู้แบบมีผู้สอน (Supervised): รูปแบบที่พบบ่อยที่สุดในธุรกิจ ใช้ข้อมูลที่ติดฉลาก (คู่ input-output) เพื่อฝึกอัลกอริทึม เช่น ให้โมเดลดูอีเมล 1,000 ฉบับที่ติดป้ายว่า "สแปม" หรือ "ไม่สแปม" เพื่อเรียนรู้การจัดประเภทอีเมลถัดไป อัลกอริทึมที่พบบ่อย ได้แก่ รีเกรสชันเชิงเส้น, K-Nearest Neighbors (KNN) และ ต้นไม้ตัดสินใจ
• การเรียนรู้แบบไม่มีผู้สอน (Unsupervised): อัลกอริทึมได้รับข้อมูลที่ไม่ติดฉลากและต้องค้นหาโครงสร้างหรือรูปแบบที่ซ่อนอยู่เอง มักใช้ในการแบ่งกลุ่มลูกค้า (clustering) เช่น K-Means Clustering และ Principal Component Analysis (PCA) เป็นอัลกอริทึมที่ใช้กันมาก
• การเรียนรู้เสริมกำลัง (Reinforcement Learning: RL): แนวทางที่ต่างออกไป RL สอนเอเจนต์ผ่านการลองผิดลองถูกโดยใช้ระบบรางวัลและโทษ เอเจนต์ RL ได้รับผลสะท้อนจากการปฏิสัมพันธ์กับสภาพแวดล้อม และค่อยๆ เรียนรู้พฤติกรรมที่เพิ่มรางวัลสะสมเมื่อเวลาผ่านไป วิธีนี้ใช้ฝึกหุ่นยนต์และ AI เล่นเกมขั้นสูง เช่น AlphaGo

เพื่อปูพื้นฐานที่ดีในแมชชีนเลิร์นนิง แนะนำให้เรียนแทร็กทักษะ Machine Learning Fundamentals with Python

ดีปเลิร์นนิง

ดีปเลิร์นนิง (DL) เป็นสับเซ็ตเฉพาะของ ML ที่ได้แรงบันดาลใจจากโครงสร้างสมองมนุษย์ ใช้โครงข่ายประสาทเทียมหลายชั้น (จึงเรียกว่า "ลึก") เพื่อจำลองความสัมพันธ์ที่ซับซ้อนไม่เชิงเส้นในชุดข้อมูลขนาดใหญ่ ขณะที่ ML แบบดั้งเดิมอาจถึงเพดานเมื่อมีข้อมูลมากขึ้น DL มักยังดีขึ้นต่อไป

สถาปัตยกรรมสำคัญได้แก่:

• Convolutional Neural Networks (CNNs): มาตรฐานทองคำสำหรับงานภาพ ใช้ "ฟิลเตอร์" สแกนภาพอัตโนมัติและตรวจจับลำดับชั้นเชิงพื้นที่ เช่น ขอบ รูปทรง และพื้นผิว
• Recurrent Neural Networks (RNNs): ออกแบบมาสำหรับข้อมูลลำดับ เช่น อนุกรมเวลา หรือเสียงพูด คง "ความทรงจำ" ของอินพุตก่อนหน้าเพื่อมีอิทธิพลต่อผลลัพธ์ปัจจุบัน
• Transformers: สถาปัตยกรรมเบื้องหลัง โมเดลภาษาขนาดใหญ่ (LLMs) สมัยใหม่ เช่น GPT 5.2 และ Gemini 3 ใช้ กลไก attention เพื่อประมวลผลทั้งลำดับพร้อมกัน ให้ค่าน้ำหนักความสำคัญของคำสัมพันธ์กัน แทนการประมวลทีละคำ
• Generative Adversarial Networks (GANs): กรอบงานที่มีสองเครือข่ายแข่งขันกัน คือ "generator" สร้างข้อมูลปลอม และ "discriminator" ที่พยายามตรวจจับว่าปลอม การแข่งกันนี้นำไปสู่ผลลัพธ์สังเคราะห์ที่เหมือนจริงมาก
• Diffusion Models: เครื่องยนต์เบื้องหลังเครื่องมืออย่าง Midjourney สร้างภาพคุณภาพสูงโดยเรียนรู้การย้อนกระบวนการจากสัญญาณรบกวนแบบสุ่มไปเป็นภาพที่คมชัดและแยกแยะได้

หากต้องการสร้างโมเดลเหล่านี้เอง แนะนำเริ่มที่คอร์ส Introduction to Deep Learning with PyTorch

การประมวลผลภาษาธรรมชาติ

การประมวลผลภาษาธรรมชาติ (NLP) มุ่งให้คอมพิวเตอร์เข้าใจ ตีความ และสร้างภาษามนุษย์ในแบบที่มีความหมาย NLP เชื่อมช่องว่างระหว่างการสื่อสารของมนุษย์กับความเข้าใจของเครื่อง โดยรับมือกับความกำกวม การพึ่งพาบริบท และความซับซ้อนที่มีอยู่ในภาษา

เทคนิคต่างๆ ได้แก่: 

• วิเคราะห์อารมณ์ความรู้สึก (Sentiment analysis): วิเคราะห์อารมณ์เบื้องหลังข้อความ เช่น จัดหมวดรีวิวว่าเป็นบวกหรือลบ
• การรู้จำเอนทิตีมีชื่อ (NER): ระบุบุคคลหรือสถานที่ในข้อความ
• การโทเคไนซ์: แบ่งข้อความเป็นหน่วยเล็กลง เช่น คำ พยางค์ หรือแม้แต่ตัวอักษร

มาดูตัวอย่างการวิเคราะห์อารมณ์ด้วย transformers ในภาษา Python:

# Example: Sentiment analysis using transformers
from transformers import pipeline
# Load pre-trained sentiment analysis model
sentiment_analyzer = pipeline("sentiment-analysis")
# Analyze multiple texts
texts = [
    "This product exceeded my expectations!",
    "Terrible customer service, very disappointed.",
    "The quality is okay, nothing special."
]
results = sentiment_analyzer(texts)
for text, result in zip(texts, results):
    print(f"Text: {text}")
    print(f"Sentiment: {result['label']}, Confidence: {result['score']:.2f}\n")

Text: This product exceeded my expectations!
Sentiment: POSITIVE, Confidence: 1.00

Text: Terrible customer service, very disappointed.
Sentiment: NEGATIVE, Confidence: 1.00

Text: The quality is okay, nothing special.
Sentiment: NEGATIVE, Confidence: 0.98

คอมพิวเตอร์วิทัศน์

คอมพิวเตอร์วิทัศน์ ทำให้เครื่องจักรสกัดข้อมูลที่มีความหมายจากภาพและวิดีโอดิจิทัล ให้คอมพิวเตอร์รับรู้และเข้าใจข้อมูลภาพในแบบคล้ายการรับรู้ของมนุษย์ สาขานี้เกี่ยวข้องกับการระบุตัววัตถุ การวัดระยะ หรือแม้แต่การรู้จำรูปแบบที่มนุษย์มองไม่เห็น

ระบบคอมพิวเตอร์วิทัศน์ผสานเทคนิคประมวลผลภาพกับแมชชีนเลิร์นนิง โดยเฉพาะดีปเลิร์นนิง เพื่อสกัดตัวแทนเชิงนามธรรมจากข้อมูลภาพดิบมากขึ้นเรื่อยๆ งานหลักได้แก่:

• การจัดประเภทภาพ: ระบุว่ามีอะไรอยู่ในภาพ (เช่น "นี่คือแมว")
• การตรวจจับวัตถุ: บอกตำแหน่งของวัตถุ (เช่น "มีคนเดินอยู่ที่พิกัด x,y")
• การรู้จำใบหน้า: ยืนยันตัวตนจากลักษณะใบหน้า

การถ่ายภาพทางการแพทย์เป็นหนึ่งในแอปพลิเคชันที่ทรงอิทธิพลที่สุดของคอมพิวเตอร์วิทัศน์ โดยระบบ AI ตรวจจับเนื้องอกในภาพเอกซเรย์ สแกน CT และ MRI ด้วยความแม่นยำที่เทียบเท่าหรือเหนือกว่ารังสีแพทย์มนุษย์ ระบบเหล่านี้ไม่ได้มาแทนผู้เชี่ยวชาญ แต่ช่วยสนับสนุน เช่น ชี้ธงความผิดปกติที่อาจเกิดขึ้นเพื่อให้ผู้เชี่ยวชาญพิจารณา

การประมวลผลเสียง

การประมวลผลเสียงมุ่งเน้นการรู้จำ ตีความ และสังเคราะห์สัญญาณเสียง ทั้งเสียงพูดของมนุษย์และเสียงสภาพแวดล้อม เป้าหมายคือทำให้เครื่องจักรสามารถฟัง เข้าใจ และสร้างเนื้อหาเสียง เชื่อมคลื่นเสียงกับความหมายเชิงสemantic

ระบบรู้จำเสียงพูดอัตโนมัติ (ASR) แปลงภาษาพูดเป็นข้อความ ใช้งานในผู้ช่วยเสียง บริการถอดเสียง และเครื่องมือช่วยการเข้าถึง ระบบ ASR สมัยใหม่ใช้สถาปัตยกรรมทรานส์ฟอร์เมอร์เพื่อแม็ปคลื่นเสียงไปเป็นลำดับตัวอักษรโดยตรง มีความแม่นยำใกล้เคียงมนุษย์ในเสียงพูดสะอาด และพัฒนาอย่างต่อเนื่องในสภาวะท้าทาย เช่น เสียงรบกวนหรือสำเนียงที่ต่างกัน

เอนจินแปลงข้อความเป็นเสียง (TTS) อย่าง Amazon Polly ทำงานกลับด้าน สังเคราะห์เสียงพูดที่ฟังดูเป็นธรรมชาติจากข้อความ โดยใช้ neural vocoder ที่สร้างจังหวะ น้ำเสียง และอารมณ์ที่สมจริง ระบบ TTS สมัยใหม่สามารถโคลนเสียงจากเสียงตัวอย่างเพียงไม่กี่นาที ซึ่งเปิดทั้งโอกาสเชิงสร้างสรรค์และข้อกังวลด้านจริยธรรม

การใช้งานขยายเกินกว่าการประมวลผลเสียงพูดไปสู่ด้านสร้างสรรค์และเชิงปฏิบัติ เทคโนโลยีโคลนเสียงช่วยให้ผู้ช่วยเสมือนส่วนบุคคล การบรรยายหนังสือเสียงด้วยเสียงคงที่ และเสียง ดีพเฟก ที่เป็นประเด็นถกเถียง

หุ่นยนต์และ Embodied AI

สาขานี้คือจุดตัดของ AI กับวิศวกรรม Embodied AI คือการนำ "สมอง" ขั้นสูง (เช่น โมเดลภาพ-ภาษา) ใส่ลงในร่างกายหุ่นยนต์จริง ขณะที่ AI ส่วนใหญ่มีอยู่ในรูปดิจิทัล Embodied AI ต้องรับมือกับแรงโน้มถ่วง แรงเสียดทาน และความซับซ้อนที่คาดเดาไม่ได้ของโลกกายภาพ

การยึดโยงกับความเป็นจริงนี้ทำให้เกิดความท้าทายที่ไม่มีใน AI เชิงคำนวณล้วนๆ แต่ก็ทำให้สามารถโต้ตอบกับโลกกายภาพได้โดยตรง เดิมหุ่นยนต์ต้องมีการโปรแกรมอย่างชัดเจนสำหรับแต่ละงาน วิศวกรต้องโค้ดการเคลื่อนไหวและต้นไม้ตัดสินใจอย่างละเอียดเพื่อให้ได้ผลลัพธ์เฉพาะ

ระบบ Embodied AI สมัยใหม่เข้าใจคำสั่งภาษาธรรมชาติ เช่น "หยิบแอปเปิล" หรือ "เปิดประตูนั้น" โดยใช้การรับรู้ภาพเพื่อระบุตัววัตถุและวางแผนการกระทำที่เหมาะสม โดยไม่ต้องโปรแกรมเฉพาะงาน

ความก้าวหน้านี้ตอบโจทย์พาราด็อกซ์ของ Moravec ซึ่งสังเกตว่าภารกิจที่มนุษย์ทำได้ง่ายมาก เช่น พับผ้า เปิดประตู และเดินในห้องรกๆ กลับยากลำบากอย่างยิ่งสำหรับหุ่นยนต์ ขณะที่งานที่มนุษย์ว่ายาก เช่น หมากรุกหรือแคลคูลัส กลับค่อนข้างง่ายสำหรับ AI

Embodied AI ที่ใช้โมเดลฐาน กำลังเชื่อมช่องว่างนี้ด้วยการให้หุ่นยนต์มีความเข้าใจการรับรู้และการวางแผนปรับตัวเช่นที่มนุษย์มี การใช้งานรวมถึงอุปกรณ์ผู้บริโภคอย่างหุ่นยนต์ดูดฝุ่น โคบอทในอุตสาหกรรม และหุ่นยนต์ฮิวแมนนอยด์ขั้นสูงอย่าง Atlas ของ Boston Dynamics

ประเภทของ AI ตามขีดความสามารถ

ขณะที่เทคโนโลยีบอกว่าสร้าง AI อย่างไร ขีดความสามารถบอกว่า AI ทำอะไรได้เมื่อเทียบกับสติปัญญามนุษย์ การจำแนกนี้ทำหน้าที่เสมือนไทม์ไลน์วิวัฒนาการของ AI จากข้อจำกัดปัจจุบันไปสู่อนาคตเชิงทฤษฎี

ปัญญาประดิษฐ์แบบแคบ

Artificial Narrow Intelligence (ANI) หรือ Weak AI คือปัญญาประดิษฐ์ที่มีอยู่ในปัจจุบัน หมายถึงระบบที่ถูกออกแบบมาให้เชี่ยวชาญงานเฉพาะที่กำหนดไว้ แต่ล้มเหลวโดยสิ้นเชิงหากให้ทำสิ่งใดนอกพารามิเตอร์การฝึกอันแคบ บอทเล่นหมากรุกขับรถไม่ได้ และเครื่องมือวินิจฉัยแพทย์ก็เขียนบทกวีไม่ได้

อย่างไรก็ตาม คำว่า "แคบ" กำลังขยายออก สถานะล้ำสมัยปัจจุบันเกี่ยวข้องกับโมเดลภาษาขนาดใหญ่แบบมัลติโหมดที่ก้าวหน้า เราเห็นการเปิดตัวโมเดลอย่าง GPT-5.2 และ Gemini 3 ซึ่งประมวลผลข้อความ เสียง และภาพได้พร้อมกัน

แม้จะเลียนแบบการให้เหตุผลได้ แต่ยังขาดความเข้าใจโลกที่แท้จริง นักพัฒนาโต้ตอบกับระบบ ANI เหล่านี้ผ่าน API เพื่อนำไปผสานในแอปพลิเคชัน

ก้าวถัดไปภายใน ANI คือ Agentic AI ระบบที่ก้าวข้ามการแชตแบบรับคำถาม-ตอบคำถาม สามารถปฏิบัติการหลายขั้นตอนอย่างอัตโนมัติ เช่น ท่องเว็บเพื่อจองตั๋วเครื่องบิน ทำหน้าที่เป็นสะพานไปสู่ความฉลาดที่กว้างขึ้น

ปัญญาประดิษฐ์ทั่วไป

Artificial General Intelligence (AGI) เป็นสุดยอดเป้าหมายของงานวิจัย AI หมายถึงระดับทฤษฎีที่เครื่องจักรมีความสามารถในการเรียนรู้ ให้เหตุผล และแก้ปัญหาข้ามโดเมนที่ไม่เกี่ยวข้องกันได้ เทียบเท่าความยืดหยุ่นทางสติปัญญาของมนุษย์

ตัวแยกความแตกต่างสำคัญคือการก้าวข้ามบริบท (generalization) ระบบ ANI ที่ฝึกพูดภาษาโปรตุเกสไม่สามารถใช้ความรู้นั้นเพื่อเรียนภาษาสเปนได้เร็วขึ้น แต่ระบบ AGI สามารถนำตรรกะจากสาขาหนึ่งไปใช้อีกสาขาได้โดยไม่ต้องฝึกใหม่แบบแมนนวล

กรอบเวลาสำหรับ AGI เป็นประเด็นถกเถียงอย่างเข้มข้น ฝ่ายมองโลกในแง่ดีคาดว่าจะมาถึงระหว่างปี 2026 ถึง 2029 ขณะที่ฝ่ายสงสัยมองว่าเรายังขาดสถาปัตยกรรมพื้นฐาน (โดยเฉพาะ "แบบจำลองโลก" ที่แม่นยำ) จึงวางกรอบเวลาไว้ที่ปี 2040 หรือไกลกว่านั้น

ปัญญาประดิษฐ์ยิ่งกว่ามนุษย์

Artificial superintelligence (ASI) อธิบายระดับสมมุติที่ AI เหนือกว่ามนุษย์ที่ฉลาดที่สุดแทบทุกด้าน: ความคิดสร้างสรรค์ทางวิทยาศาสตร์ ปรีชาญาณทั่วไป ทักษะสังคม และการแก้ปัญหา ASI ไม่ได้แค่เทียบเท่าไอน์สไตน์หรือดาวินชี แต่จะเหนือกว่านั้นอย่างมากพอๆ กับที่ทั้งสองเหนือกว่ามนุษย์ทั่วไป

ความกังวลสำคัญที่สุดของ ASI เกี่ยวข้องกับการพัฒนาตนเองแบบวนซ้ำ ที่ ASI ออกแบบสถาปัตยกรรมของตนให้ฉลาดขึ้น แล้วใช้ความฉลาดที่เพิ่มขึ้นนั้นพัฒนาต่อ เกิดวงจรป้อนกลับที่เร่งความฉลาดแบบทวีคูณ

การระเบิดของสติปัญญานี้อาจสร้างระบบที่ไกลเกินความเข้าใจของมนุษย์อย่างรวดเร็ว จนคาดเดาพฤติกรรมไม่ได้ ก่อให้เกิดคำถามด้านความปลอดภัยลึกซึ้งเกี่ยวกับ การจัดแนว (alignment) และการควบคุม หากเป้าหมายของ ASI คลาดเคลื่อนจากค่านิยมมนุษย์แม้เพียงเล็กน้อย ความฉลาดที่เหนือกว่านี้อาจไล่ตามเป้าหมายนั้นด้วยวิธีที่เป็นอันตรายต่อมนุษยชาติ

ปัจจุบันยังไม่มีโรดแมปที่น่าเชื่อถือสำหรับการสร้าง ASI และนักวิจัยจำนวนมากตั้งคำถามว่าปัญญายิ่งกว่ามนุษย์จะเป็นไปได้จริงหรือสอดคล้องในทางแนวคิดหรือไม่ อย่างไรก็ดี ความเป็นไปได้เชิงทฤษฎีของ ASI ก็ผลักดันงานวิชาการจริงจังด้านการจัดแนว AI เพื่อให้มั่นใจว่าระบบที่ทรงความสามารถมากขึ้นยังคงเป็นประโยชน์และควบคุมได้

ประเภทของ AI ตามฟังก์ชันการทำงาน

ในขณะที่ขีดความสามารถวัดพลัง ฟังก์ชันวัดวิธีที่ระบบโต้ตอบกับโลกและประมวลผลข้อมูล การจำแนกนี้ช่วยให้แยกแยะระหว่างคอมพิวเตอร์เล่นหมากรุกยุค 1990 กับหุ่นยนต์สังคมแห่งอนาคต มาดูแต่ละประเภทกัน

เครื่องจักรเชิงตอบสนอง

Reactive Machines คือรูปแบบพื้นฐานและเก่าแก่ที่สุดของ AI ระบบเหล่านี้ไม่มีแนวคิดเรื่องอดีตหรืออนาคต แต่ทำงานกับอินพุตที่ได้รับทันทีตามกฎที่โปรแกรมไว้

ลักษณะชี้ขาดของ AI เชิงตอบสนองคือไร้สถานะและกำหนดได้ หากป้อนอินพุตเดียวกันสิบครั้ง จะได้เอาต์พุตเดียวกันสิบครั้ง ไม่สามารถเรียนรู้จากประสบการณ์เพราะไม่เก็บความทรงจำ

ตัวอย่างที่ดีคือ Deep Blue ของ IBM คอมพิวเตอร์หมากรุกที่ชนะ Garry Kasparov มันไม่ได้เรียนรู้จิตวิทยาของ Kasparov เพียงคำนวณเดินที่ดีที่สุดจากสถานะกระดานปัจจุบัน ฟิลเตอร์สแปมมาตรฐานที่ปักธงตามคีย์เวิร์ดโดยไม่วิเคราะห์ประวัติอีเมลของคุณ ก็นับในกลุ่มนี้

AI แบบหน่วยความจำจำกัด

AI แบบหน่วยความจำจำกัดครองแอปพลิเคชันสมัยใหม่ โดยเก็บข้อมูลหรือบริบทล่าสุดชั่วคราวเพื่อตัดสินใจอย่างรอบรู้ ทำให้เกิดพฤติกรรมแบบไดนามิก แตกต่างจากเครื่องเชิงตอบสนองตรงที่อ้างอิงข้อมูลในอดีตภายใน หน้าต่างบริบท ที่จำกัด

เกือบทุกเครื่องมือ AI เชิงคาดการณ์และ AI แบบสร้างสรรค์ที่ใช้กันวันนี้อยู่ในหมวดนี้ LLM อย่าง Claude Opus 4.5 รักษาประวัติการสนทนา จดจำสิ่งที่พูดไปเมื่อไม่กี่นาทีก่อน เพื่อให้คำตอบที่สอดคล้องและต่อยอดจากบทสนทนาก่อนหน้า หน้าต่างบริบทเป็นตัวกำหนดว่าระบบอ้างอิงข้อมูลในอดีตได้มากเพียงใด

รถยนต์ไร้คนขับติดตามความเร็วและวิถีของยานพาหนะใกล้เคียงเป็นเวลาหลายวินาที คาดการณ์ตำแหน่งในอนาคตแทนที่จะตอบสนองเพียงตำแหน่งปัจจุบัน

AI ที่มีทฤษฎีใจ

Theory of Mind AI อยู่ในพื้นที่ที่ยังถกเถียง ระหว่างต้นแบบวิจัยกับความสามารถเชิงปฏิบัติ ระบบในหมวดนี้จะจำลองสถานะจิตใจ ความเชื่อ เจตนา อารมณ์ และความต้องการของมนุษย์เพื่อทำนายพฤติกรรมได้อย่างแม่นยำ

ความสามารถนี้จำเป็นสำหรับการปฏิสัมพันธ์ทางสังคมที่เป็นธรรมชาติ ทำให้ AI ตีความสัญญาณโดยนัย ตรวจจับการหลอกลวง หรือปรับการตอบสนองให้ตรงกับอารมณ์ของผู้ใช้

โมเดลแนวหน้าช่วงก่อนหน้าอย่าง GPT-4 ของ OpenAI ทำคะแนนระดับมนุษย์ในงานทดสอบความเชื่อที่ผิด เช่น การทำนายการกระทำที่อิงความเชื่อไม่ถูกต้อง ตามที่แสดงในงานวิจัย PNAS ปี 2024 ของ Michal Kosinski จากสแตนฟอร์ด

อย่างไรก็ดี ผู้เชี่ยวชาญยังถกเถียงกันว่าหมายความว่า LLM สมัยใหม่จัดเป็นระบบทฤษฎีใจแท้จริงแล้วหรือยัง หรือเพียงทำการจับคู่รูปแบบจากข้อมูลภาษา ความพยายามเชิงต้นแบบรวมถึง ToMnet ของ DeepMind ที่ออกแบบมาเพื่ออนุมานความเชื่อของเอเจนต์อื่นในสภาพแวดล้อมจำลอง

AI ที่ตระหนักรู้ตนเอง

Self-aware AI อธิบายแนวคิดว่ามีเครื่องจักรที่มีสติรู้สึก รับรู้ และเข้าใจการดำรงอยู่ของตนแยกจากโลกภายนอก

นี่ไม่ใช่เพียงความฉลาด แต่เป็นประสบการณ์เชิงอัตวิสัย เครื่องจักรเช่นนั้นจะไม่เพียงประมวลข้อมูลเกี่ยวกับตนเอง แต่มีความรู้สึกว่า "ฉันมีอยู่" พร้อมความรู้สึก ความต้องการ และความปรารถนา

ระดับนี้ก้าวข้ามขีดความสามารถการคำนวณ เข้าสู่ประเด็นปรัชญาเกี่ยวกับธรรมชาติของสติสัมปชัญญะเอง AI ที่ตระหนักรู้ตนจะรู้สึกเจ็บปวด พึงพอใจ หรือหวาดกลัวการปิดการทำงานหรือไม่? หากใช่ ควรได้รับการพิจารณาทางศีลธรรมหรือสิทธิหรือไม่? คำถามเหล่านี้เปลี่ยนการสนทนาจากวิศวกรรมไปสู่วิจารณ์เชิงจริยธรรม

ยังไม่มีระบบใดใกล้ระดับนี้ ตัวอย่างในนิยาย เช่น HAL 9000 จาก 2001: A Space Odyssey หรือ Data จาก Star Trek ช่วยอธิบายแนวคิด แต่ยังเป็นเพียงการคาดคะเนว่าจะไปถึงได้หรือไม่

ประเภทสำคัญของโมเดล AI

นอกเหนือจากทฤษฎีภาพกว้าง ผู้ปฏิบัติงานด้านข้อมูลต้องเข้าใจสถาปัตยกรรมเฉพาะที่จะพบในงานจริง โดยกว้างๆ แล้ว โมเดล AI ที่ใช้ในอุตสาหกรรมปัจจุบันจัดได้เป็นผู้สร้างหรือผู้วิเคราะห์ อ่านเพิ่มเติมเกี่ยวกับความแตกต่างนี้ได้ในบทความเรื่อง โมเดลแบบสร้างสรรค์เทียบกับแบบจำแนก

Generative AI: ผู้สร้าง

โมเดล Generative AI ถูกออกแบบมาเพื่อสร้างข้อมูลใหม่ที่มีลักษณะคล้ายชุดข้อมูลฝึก โมเดลเหล่านี้เรียนรู้การกระจายความน่าจะเป็นแฝงของชุดข้อมูล เพื่อผลิตข้อความ รูปภาพ โค้ด หรือเสียงต้นฉบับ การเปลี่ยนจากการวิเคราะห์ไปสู่การสร้างนี้เปิดโอกาสมากมายสำหรับการผลิตคอนเทนต์ที่ขยายขนาดได้ การเสริมสร้างสรรค์ และการจำลอง

ตัวอย่างยอดนิยมได้แก่ LLM อย่าง Claude สำหรับงานเขียนและการเขียนโค้ด โมเดล diffusion อย่าง Midjourney หรือ Nano Banana Pro สำหรับสังเคราะห์ภาพ และโมเดลสร้างวิดีโออย่าง Sora ที่จำลองฉากซับซ้อนได้ ทั้งนี้ ไม่ใช่ตัวสร้างภาพทั้งหมดจะใช้ diffusion; โมเดลอย่าง GPT Image 1.5 ใช้สถาปัตยกรรมแบบ autoregressive แทน

Generative AI เป็นความก้าวหน้าใหญ่ในเวิร์กโฟลว์แบบ agentic ที่โมเดลไม่เพียงตอบสนอง แต่ยังสร้างแอสเซทหรือแผนการทำงานอย่างแข็งขัน เราจะดูเรื่องเอเจนต์ AI อย่างละเอียดในภายหลัง

Discriminative AI: ผู้วิเคราะห์

แม้ Generative AI จะเป็นที่กล่าวถึง แต่ Discriminative AI หรือ AI เชิงคาดการณ์ ยังคงเป็นกระดูกสันหลังของการดำเนินงานในองค์กร โมเดลเหล่านี้ไม่ได้สร้างข้อมูลใหม่ แต่เรียนรู้เส้นแบ่งระหว่างคลาสต่างๆ ในชุดข้อมูลเพื่อจัดประเภทอินพุตหรือทำนายค่าที่จะเกิดขึ้น

คุณค่าทางธุรกิจของ Discriminative AI อยู่ที่ความสามารถในการให้ข้อมูลสำหรับการตัดสินใจและประเมินความเสี่ยง องค์กรใช้โมเดลเหล่านี้เพื่อทำให้การตัดสินที่ต้องใช้เกณฑ์ที่เรียนรู้มาอย่างสม่ำเสมอเป็นอัตโนมัติ

ต่างจากโมเดลแบบสร้างสรรค์ โมเดลแบบจำแนกไม่ได้เน้นความคิดสร้างสรรค์ แต่ให้ความสำคัญกับความแม่นยำและความน่าเชื่อถือ มักทำงานในสถานการณ์ที่มีความเสี่ยงสูงซึ่งข้อผิดพลาดมีผลกระทบมาก

ตัวอย่างได้แก่:

• โมเดลให้คะแนนเครดิตที่พยากรณ์ความเสี่ยงผิดนัดชำระเงินกู้
• ฟิลเตอร์สแปมที่จัดอีเมลว่าเป็นขยะหรือไม่
• เครื่องมือวินิจฉัยทางการแพทย์ที่ระบุความผิดปกติในเอกซเรย์
• ระบบเฝ้าระวังทางการเงินที่ตรวจจับธุรกรรมฉ้อโกง

โมเดลฐาน (Foundation models)

โมเดลฐานถูกฝึกด้วยชุดข้อมูลจำนวนมหาศาลและหลากหลาย รวมถึงข้อความ ภาพ โค้ด และข้อมูลเชิงโครงสร้าง เรียนรู้รูปแบบทั่วไปที่ใช้ได้ข้ามโดเมน โมเดลฐานไม่ได้แค่เรียนรู้การจัดประเภทภาพหรือสร้างข้อความ แต่พัฒนาความเข้าใจด้านภาษา การให้เหตุผล และความรู้เกี่ยวกับโลกที่ถ่ายทอดไปสู่งานใหม่ๆ ด้วยการฝึกเพิ่มเพียงเล็กน้อย

แนวทางนี้ลดเวลาและข้อมูลที่ต้องใช้ในการปรับใช้ AI กับงานใหม่ๆ ลงอย่างมาก แทนที่จะสร้างโมเดลแยกกันสำหรับทุกปัญหา องค์กรจะทำ fine-tune โมเดลฐานเพียงตัวเดียวให้รับมือกับงานที่หลากหลาย ตั้งแต่วิเคราะห์เอกสารกฎหมายไปจนถึงสร้างโค้ดและแปลภาษา

ปัจจุบันเราเห็นการเติบโตของ Small Language Models (SLMs) ซึ่งเป็นเวอร์ชันประหยัดทรัพยากรของโมเดลฐาน ออกแบบให้รันบนอุปกรณ์โลคัล (อย่างแล็ปท็อปหรือโทรศัพท์) ให้ทั้งความเป็นส่วนตัวและความเร็ว โดยไม่ต้องใช้ทรัพยากรคอมพิวต์มหาศาลบนคลาวด์

ประเภทของเอเจนต์ AI

AI กำลังพัฒนาจากเครื่องมือแบบรับไปสู่เอเจนต์อัตโนมัติที่ดำเนินเวิร์กโฟลว์ซับซ้อนได้ ขณะที่โมเดลมาตรฐานรออินพุตเพื่อส่งเอาต์พุต เอเจนต์ AI สามารถรับรู้สภาพแวดล้อม ให้เหตุผลเกี่ยวกับวิธีบรรลุเป้าหมาย และลงมือปฏิบัติเพื่อทำให้สำเร็จ หากต้องการเข้าใจสถาปัตยกรรมเบื้องหลังเอเจนต์และวิธีสร้าง แนะนำเริ่มด้วยคอร์ส Introduction to AI Agents

ประเภทของเอเจนต์ AI โดยทั่วไปจัดตามระดับความซับซ้อนและความเป็นอิสระ มาดูกัน

เอเจนต์ตอบสนองอย่างง่าย

Reflex agents เป็นเอเจนต์รูปแบบง่ายที่สุด ทำงานตามกฎ "เงื่อนไข-การกระทำ" อย่างเคร่งครัด ตอบสนองต่อการรับรู้ปัจจุบันเท่านั้น ไม่สนใจประวัติ ตัวอย่างคือเทอร์โมสแตทอัจฉริยะที่มีกฎเช่น: หากอุณหภูมิต่ำกว่า 68°F ให้เปิดฮีต หากเกิน 72°F ให้เปิดทำความเย็น

หุ่นยนต์สายการผลิตก็เป็นอีกตัวอย่างหนึ่ง ดำเนินการเมื่อเซ็นเซอร์ตรวจจับได้ว่าอะไหล่มาถึงตำแหน่งที่กำหนด Reflex agents เด่นในงานซ้ำๆ ในสภาพแวดล้อมที่เสถียร แต่จะลำบากเมื่อเงื่อนไขเปลี่ยนกะทันหัน เพราะขาดความเข้าใจบริบทในการปรับตัว

เอเจนต์ตอบสนองเชิงแบบจำลอง

Model-based reflex agents รักษาแบบจำลองโลกภายใน ติดตามสถานะตามกาลเวลาเพื่อรับมือสภาพแวดล้อมที่สังเกตได้ไม่ครบถ้วน ไม่เพียงตอบสนอง แต่ยังจดจำข้อมูลสำคัญที่จำเป็นต่อการทำงานที่ถูกต้อง

ระบบเบรกฉุกเฉินอัตโนมัติเป็นตัวอย่าง โดยหลอมรวมข้อมูลจากเรดาร์และกล้องเพื่อติดตามวิถียานพาหนะตามกาลเวลา แทนที่จะตอบสนองต่อภัยคุกคามเฉพาะหน้าเท่านั้น ระบบรักษาค่าประมาณสถานะที่แม่นยำได้แม้ข้อมูลไม่ครบ เช่น จำตำแหน่งรถโดยประมาณเมื่อมันหายไปหลังกระบะบรรทุก

เอเจนต์เชิงเป้าหมาย

Goal-based agents ลงมือเพื่อให้บรรลุวัตถุประสงค์เฉพาะ แทนการตอบสนองล้วน เมื่อได้รับเป้าหมายอย่าง "วางแผนท่องเที่ยวอิตาลี" จะพิจารณาลำดับการกระทำหลายแบบและประเมินว่าแบบใดทำให้บรรลุเป้าหมาย นี่คือแนวหน้าของ AI แบบ agentic

เครื่องมืออย่าง Roo Code สำหรับวิศวกรรมซอฟต์แวร์ หรือผู้ช่วยจองอัตโนมัติ จะดำเนินเวิร์กโฟลว์หลายขั้น เช่น ค้นหา เปรียบเทียบ ตรวจข้อจำกัด และตัดสินใจ เพื่อทำงานทั้งงานให้สำเร็จ แพลตฟอร์มเวิร์กโฟลว์อย่าง n8n เปิดให้สร้างกระบวนการซับซ้อนที่เอเจนต์ AI จัดการจุดตัดสินใจและตรรกะปรับตัว

หากต้องการปูพื้นฐานแข็งแรงด้านเอเจนต์ AI แนะนำแทร็ก AI Agent Fundamentals

เอเจนต์เชิงอรรถประโยชน์

Utility-based agents ก้าวไปอีกขั้น: ไม่เพียงหาทางที่ทำได้ แต่หาทางที่ดีที่สุดไปสู่เป้าหมาย โดยใช้อรรถประโยชน์ฟังก์ชันที่ให้คะแนนเชิงตัวเลขกับผลลัพธ์ เพื่อเปรียบเทียบเชิงปริมาณ

ในขณะที่เอเจนต์เชิงเป้าหมายจองเที่ยวบินไปโรมแบบใดก็ได้ เอเจนต์เชิงอรรถประโยชน์จะพิจารณาปัจจัยอย่างค่าใช้จ่าย ระยะเวลา การแวะพัก และเวลาออกเดินทาง เพื่อเพิ่มอรรถประโยชน์รวม

ตัวอย่างได้แก่ ระบบเทรดเชิงอัลกอริทึมที่สร้างสมดุลกำไรกับความเสี่ยง และแอปนำทางอย่าง Waze ที่หาทางที่เหมาะตามความชอบ เช่น เร็วที่สุด สั้นที่สุด หรือเลี่ยงค่าทางด่วน

เอเจนต์ที่เรียนรู้ได้

Learning agents ทำงานในสภาพแวดล้อมที่ไม่รู้จักหรือเปลี่ยนแปลง เรียนรู้อย่างต่อเนื่องจากประสบการณ์โดยไม่ต้องมีการแทรกแซงของมนุษย์ สถาปัตยกรรมประกอบด้วยองค์ประกอบวิจารณ์ (critic) ที่ให้ฟีดแบ็กผลการทำงาน และองค์ประกอบการเรียนรู้ที่ปรับนโยบายของเอเจนต์

รถสำรวจดาวอังคารเรียนรู้ว่าลักษณะภูมิประเทศใดบ่งชี้เส้นทางปลอดภัยเมื่อเจอรูปแบบธรณีวิทยาใหม่ๆ อัลกอริทึมแนะนำของ Netflix ก็เป็นอีกตัวอย่างหนึ่ง: ปรับความเข้าใจความชอบผู้ใช้ตามประวัติการรับชมอย่างต่อเนื่อง ทำให้คำแนะนำดีขึ้นตามเวลา

กรอบงานแบบ agentic: สร้างเอเจนต์

กรอบงานแบบ agentic ทำหน้าที่เสมือนระบบปฏิบัติการสำหรับเอเจนต์ซับซ้อน เชื่อมแก่นการให้เหตุผล (มักเป็น LLM) เข้ากับหน่วยความจำ เครื่องมือ และการประสานงานหลายเอเจนต์ จัดการดังนี้:

• การออร์เคสเตรต: ตัดสินใจว่าเอเจนต์ใดจัดการงานย่อยแต่ละส่วน และจัดการเวิร์กโฟลว์ระหว่างองค์ประกอบ
• การวางแผน: แตกเป้าหมายที่ซับซ้อนเป็นขั้นที่ดำเนินการได้ และปรับเมื่อสถานการณ์เปลี่ยน
• การใช้เครื่องมือ: ให้เอเจนต์เข้าถึงเสิร์ชเอนจิน ฐานข้อมูล API หรือการรันโค้ด
• หน่วยความจำ: รักษาประวัติการสนทนาและบริบทระยะยาวเกินกว่าปฏิสัมพันธ์ทันที

กรอบงานยอดนิยมได้แก่:

• LangChain/LangGraph: มาตรฐานอุตสาหกรรมในการเชื่อม LLM เข้ากับแหล่งข้อมูล มีอินทิเกรชันกว้างขวาง
• Google ADK: เฟรมเวิร์กโอเพนซอร์สสำหรับสร้างเอเจนต์ชั้นสูงบน Vertex AI
• CrewAI: ออร์เคสเตรตเอเจนต์หลายบทบาทที่ทำงานร่วมกันในงานซับซ้อน

สำหรับเอกสารอ้างอิงด่วนเกี่ยวกับสถาปัตยกรรมเหล่านี้ แนะนำดูชีตสรุป AI Agents

สรุป

เราได้ครอบคลุมหลายประเด็น มาปิดท้ายกัน

แทนที่จะมอง AI เป็นเทคโนโลยีเดียว ควรมองว่าเป็นระบบนิเวศอันหลากหลายของแนวทางเฉพาะทาง แต่ละแบบเหมาะกับปัญหาเฉพาะ การเข้าใจ AI อย่างถ่องแท้ต้องมองผ่านสามเลนส์ คือ เทคโนโลยี ขีดความสามารถ และฟังก์ชันการทำงาน

ปัจจุบันเรากำลังอยู่ในช่วงเปลี่ยนผ่านจาก AI แบบแคบที่โฟกัสงานเฉพาะ ไปสู่รูปแบบแรกๆ ของ AI แบบ agentic ที่ดำเนินเวิร์กโฟลว์ซับซ้อนได้เอง ทำให้เป็นจุดเปลี่ยนสำคัญต่อการยอมรับใช้งานในอุตสาหกรรมต่างๆ

ก้าวแรกสู่การเป็นผู้เชี่ยวชาญ AI ด้วยการลงทะเบียนแทร็กทักษะ AI Fundamentals