Traditional AI คือ ระบบที่มีความสามารถในการเรียนรู้จากข้อมูลและตัดสินใจหรือคาดการณ์ตามข้อมูลนั้น ๆ โดยที่ไม่สามารถสร้างอะไรใหม่ได้ เนื่องจากระบบถูกแบบมาเพื่อตอบสนองต่อชุดข้อมูลที่เฉพาะเจาะจง ส่งผลให้ Traditional AI มีประสิทธิภาพจำกัดเท่ากับข้อมูลที่ใช้ในการฝึกอัลกอริทึมเท่านั้น
โดยการทำงานของ Traditional AI ระบบจะได้รับการฝึกเกี่ยวกับชุดข้อมูลที่มีการ labeled และเรียนรู้ที่จะระบุ pattern ของข้อมูล และใช้ข้อมูลเหล่านั้นเพื่อคาดการณ์หรือสร้างผลลัพธ์ออกมา ตัวอย่าง Traditional AI บางส่วน เช่น
Expert systems: ระบบที่ออกแบบมาเพื่อเลียนแบบความรู้ และความเชี่ยวชาญของผู้เชี่ยวชาญที่เป็นมนุษย์ในสาขาเฉพาะ เช่น ระบบผู้เชี่ยวชาญที่สามารถใช้เพื่อวินิจฉัยโรค แก้ไขปัญหาทางเทคนิค หรือให้คำแนะนำทางการเงินได้
Decision trees: ระบบที่ใช้เพื่อการตัดสินใจตามกฎเกณฑ์ต่าง ๆ เช่น การตัดสินใจว่าจะอนุมัติการสมัครขอสินเชื่อหรือไม่
Natural language processing (NLP): ระบบ NLP ใช้เพื่อทำความเข้าใจและสร้างภาษาของมนุษย์ โดยระบบ NLP ถูกใช้ใน search engines, chatbots และ machine translation systems เป็นต้น
ตัวอย่างการประยุกต์ใช้ Traditional AI เช่น voice assistants อย่าง Siri, โปรแกรมแนะนำหนังบน Netflix, Fraud Detection สำหรับบัตรเครดิต และอัลกอริธึมของ Google's search เป็นต้น
ส่วน Generative AI คือวิวัฒนาการขั้นถัดมาของ AI ที่สามารถสร้างสิ่งใหม่ หรือเนื้อหาใหม่ได้ด้วยตัวเอง เช่น ข้อความ วิดีโอ รูปภาพ และเนื้อหาประเภทอื่น ๆ ได้ ตัวอย่างของ Generative AI ที่เป็นเครื่องมือยอดนิยมเช่น ChatGPT, Gemini, DALL-E และ Microsoft Copilot
Generative AI อาศัย Machine Learning เพื่อทำความเข้าใจ คาดการณ์ และสร้างเนื้อหาจากข้อมูล ทำความเข้าใจแนวคิดตามบริบทและสร้างเนื้อหาใหม่ ซึ่งมีความคล้ายคลึงทางสถิติกับข้อมูลเดิมที่ได้รับการฝึก และเมื่อได้รับคำสั่งเพียงไม่กี่คำ AI จะสามารถสร้างเรื่องราวใหม่เสมือนจริงในรูปแบบต่าง ๆ ได้ ไม่ว่าจะเป็นคำแนะนำ บทความสนับสนุน รายงาน รูปภาพ หรือแม้แต่เพลง ทำให้ความคิดสร้างสรรค์ของเราจะไม่ถูกจำกัดด้วยทักษะที่มีอีกต่อไป
ความแตกต่างที่สำคัญ
Traditional AI คือ ระบบที่มีความสามารถในการเรียนรู้จากข้อมูลและตัดสินใจหรือคาดการณ์ตามข้อมูลนั้น ๆ โดยที่ไม่สามารถสร้างอะไรใหม่ได้ ตัวอย่างเช่น การทำนายยอดขาย การระบุโอกาสการเป็นมะเร็งปอดจากภาพถ่าย X-Ray ในขณะที่ Generative AI สามารถก้าวไปอีกขั้นด้วยการเข้าใจบริบทและสร้างเนื้อหาใหม่ที่มีความคล้ายคลึงทางสถิติกับข้อมูลเดิมที่ได้รับการฝึก เช่น ข้อความ โค้ด เพลง เสียง วิดีโอ ข้อมูล ฯลฯ
Traditonal AI โดดเด่นในเรื่องของ pattern recognition ในขณะที่ Generative AI โดดเด่นในด้าน pattern creation พูดง่าย ๆ คือ Traditonal AI สามารถวิเคราะห์ข้อมูล และบอกเราในสิ่งที่ได้จากข้อมูลส่วน Generative AI สามารถใช้ข้อมูลเดียวกันในการสร้างสิ่งใหม่ทั้งหมดขึ้นมาได้
Traditional AI สามารถนำไปใช้กับกรณีการใช้งานเฉพาะ เช่น ตรวจจับการฉ้อโกง เล่นหมากรุก การสแกนหน้า ทำในสิ่งที่เรารู้ว่าคำตอบจะออกมาอย่างไร ส่วน Generative AI สามารถนำไปใช้กับการสร้างสรรค์ปลายเปิด เช่น การตอบคำถามที่ซ้ำซ้อน การสร้างภาพ เสียง หรือวิดีโอใหม่ ๆ
Traditional AI ใช้ชุดข้อมูลต้นแบบที่จำกัดเพื่อวัตถุประสงค์เฉพาะนั้นๆ ในขณะที่ Generative AI ใช้ข้อมูลการฝึกที่รวบรวมจากข้อมูลขนาดใหญ่กว่า และหลากหลายกว่า
ปัจจุบัน Traditional AI ถือเป็นที่ใช้งานอย่างแพร่หลาย โดยเฉพาะในภาคธุรกิจ ทั้งในรูปแบบของการสร้าง AI ขึ้นมาจากข้อมูลของตัวเอง และการใช้ AI สำเร็จรูป แต่ Generative AI กลายเป็นเทคโนโลยีที่กำลังเป็นที่จับตามองอย่างรวดเร็ว เนื่องจากเป็น AI ที่พร้อมใช้ ไม่ต้องพัฒนาเป็นระบบที่ซับซ้อน และได้ผลลัพธ์ที่มีความคิดสร้างสรรค์ และสร้างเป็นนวัตกรรมใหม่ ๆ ทำให้สามารถนำมาประยุกต์ใช้กับชีวิตประจำวันได้ ไม่ว่าจะเป็นตัวช่วยแปลภาษา หรือการค้นหาคำตอบจากคำถามต่าง ๆ อย่างไรก็ตาม ในการใช้ AI อาจจะต้องคำนึงถึงผลเสียที่จะเกิดขึ้นด้วย โดยเฉพาะในภาคส่วนขององค์กร ที่ควรจะมี AI Governance ครอบคลุม เพื่อให้แน่ใจว่า AI ที่นำมาใช้ เป็น AI ที่มีประสิทธิภาพ และไม่มีความเสี่ยงต่อองค์กร
Comments