ไทยอยากสร้าง AI เอง—แต่โจทย์ใหญ่คือเชื่อมคนเก่งกับทุนวิจัย

ศ.ดร.ยศชนัน วงศ์สวัสดิ์ รองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม กล่าวปาฐกถาเรื่องการเตรียมคนและรัฐไทยรับมือ AI และโลกรวนในงาน TDRI Annual Public Conference 2026 วันที่ 22 ตุลาคม 2569 ที่สามย่านมิตรทาวน์ฮอลล์ ตามกำหนดการของทีดีอาร์ไอ เขาเสนอให้ไทยสร้างขีดความสามารถทางวิทยาศาสตร์และเทคโนโลยีของตนเอง โดยใช้ AI กับพลังประมวลผลเชื่อมความรู้ข้ามสาขา พร้อมพัฒนาบุคลากรและโครงสร้างพื้นฐานวิจัย ยศชนันอธิบายความเสี่ยงจากการพึ่งพาผู้อื่นด้วยถ้อยคำว่า “ไม่สามารถหายใจด้วยจมูกของตัวเองได้” ในรายงานปาฐกถาของฐานเศรษฐกิจ

โจทย์เรื่องคนและทุนมีรายละเอียดจากอีกเวทีก่อนหน้านั้น ในการปาฐกถาวันที่ 20 ตุลาคม 2569 ยศชนันเสนอแนวคิด Nation of Masters เพื่อเชื่อมผู้เชี่ยวชาญ มหาวิทยาลัย งานวิจัย ภาคธุรกิจ และนักลงทุน ตามรายงานของกรุงเทพธุรกิจ เขายกเครื่องมือซินโครตรอนสำหรับศึกษาวัสดุ พร้อมกล่าวถึงสิทธิบัตรและทุนร่วมลงทุนในฐานะส่วนประกอบของเส้นทางจากความรู้ไปสู่ธุรกิจ สองเวทีจึงให้ภาพต่อเนื่องกัน: AI ช่วยงานวิทยาศาสตร์ ส่วนคน เครื่องมือ สิทธิในผลงาน และเงินทุนกำหนดว่างานวิจัยจะพัฒนาไปได้ไกลเพียงใด

AI จะเชื่อมศาสตร์ได้เมื่อมีข้อมูลและคำถามวิจัย

บทบาทของ AI ในปาฐกถา TDRI อยู่ที่การช่วยสังเคราะห์ความรู้จากศาสตร์ที่มักศึกษากันแยกส่วน ยศชนันยกประสาทวิทยาศาสตร์ วิทยาศาสตร์ควอนตัม วัสดุศาสตร์ พลังงาน และการเปลี่ยนแปลงสภาพภูมิอากาศเป็นขอบเขตของปัญหาที่ต้องอาศัยความรู้หลายด้าน การเชื่อมศาสตร์เช่นนี้เริ่มจากคำถามที่นักวิจัยระบุได้ชัดว่าอยากอธิบายหรือคาดการณ์อะไร แล้วจึงเลือกข้อมูลและวิธีประมวลผลที่เหมาะกับคำถามนั้น

หากศึกษาวัสดุสำหรับแบตเตอรี่ นักวิจัยต้องรู้ทั้งองค์ประกอบของวัสดุ การเปลี่ยนแปลงระหว่างใช้งาน และผลต่อประสิทธิภาพ ข้อมูลแต่ละชนิดมาจากวิธีวัดต่างกัน จึงต้องระบุเงื่อนไขการทดลองก่อนนำมาวิเคราะห์ร่วมกัน AI อาจช่วยมองหารูปแบบหรือเสนอวัสดุที่ควรศึกษาต่อ แต่ข้อสรุปเรื่องคุณสมบัติยังต้องกลับไปพิสูจน์ด้วยการทดลอง ตัวอย่างนี้แสดงหน้าที่ของการประมวลผลโดยไม่ถือว่าการคาดการณ์เป็นผลิตภัณฑ์ที่ใช้ได้แล้ว

ข้อมูลของไทยมีคุณค่าต่อโจทย์ที่ผูกกับพื้นที่และอุตสาหกรรมของประเทศ ความรู้เรื่องพืชอาหาร วัสดุที่ใช้ในการผลิต หรือสภาพแวดล้อมเฉพาะแห่งอาจอยู่ทั้งในห้องปฏิบัติการและประสบการณ์ของผู้ปฏิบัติงาน การนำความรู้เหล่านี้เข้าสู่งาน AI ต้องแปลงให้เป็นข้อมูลที่อธิบายที่มา วิธีเก็บ และขอบเขตการใช้งานได้ หากไม่รู้ว่าตัวอย่างถูกเก็บภายใต้เงื่อนไขใด ผลวิเคราะห์ที่ดูแม่นยำก็อาจใช้กับสถานการณ์จริงผิดประเภท

ผู้เชี่ยวชาญเฉพาะด้านจึงมีหน้าที่มากกว่าป้อนข้อมูลให้ระบบ พวกเขาช่วยแยกสัญญาณที่มีความหมายออกจากความบังเอิญ ระบุข้อจำกัดของเครื่องมือวัด และตัดสินว่าคำตอบที่ระบบเสนอควรนำไปทดลองอย่างไร ความสามารถด้าน AI ของประเทศจึงขึ้นกับทั้งผู้พัฒนาแบบจำลองและผู้ที่เข้าใจปรากฏการณ์ซึ่งแบบจำลองพยายามอธิบาย เมื่อสองกลุ่มใช้คำจำกัดความของข้อมูลต่างกัน งานวิจัยย่อมต่อกันได้ยาก

การสร้างเทคโนโลยีเองในบริบทนี้หมายถึงความสามารถในการตั้งโจทย์ ปรับเครื่องมือ วิเคราะห์ผล และตรวจสอบความผิดพลาดได้ด้วยบุคลากรของไทย เครื่องมือที่ซื้อมาอาจช่วยให้เริ่มงานเร็วขึ้น แต่ความรู้เกี่ยวกับสาเหตุที่มันใช้ได้หรือใช้ไม่ได้กับข้อมูลไทยต้องเกิดจากการวิจัยของทีมเอง นี่คือเหตุผลที่การลงทุนเฉพาะแบบจำลองภาษาไม่ครอบคลุมข้อเสนอในปาฐกถา งานวิทยาศาสตร์ต้องมีข้อมูลทดลอง เครื่องมือวัด และความเชี่ยวชาญของแต่ละสาขาประกอบกัน

เครื่องมือวิทยาศาสตร์ทำให้คำตอบของ AI ตรวจสอบได้

โครงสร้างพื้นฐานวิจัยเป็นส่วนที่เปลี่ยนสมมติฐานให้กลายเป็นหลักฐาน เครื่องมือวัดบอกว่าวัสดุหรือระบบเปลี่ยนไปอย่างไร ส่วนกำลังประมวลผลช่วยจัดการข้อมูลจำนวนมากและค้นหาความสัมพันธ์ในผลที่วัดได้ ทั้งสองหน้าที่สนับสนุนกัน แต่ตอบคำถามคนละช่วงของการวิจัย หากไม่มีการวัดที่น่าเชื่อถือ การประมวลผลก็ไม่มีฐานให้ยืนยันข้อค้นพบ

ตัวอย่างซินโครตรอนทำให้เรื่องนี้เห็นภาพชัดขึ้น แสงความเข้มสูงช่วยให้นักวิจัยศึกษาคุณสมบัติและโครงสร้างของวัสดุอย่างละเอียด ในกรณีแบตเตอรี่ ข้อมูลจากการตรวจวัสดุอาจช่วยระบุว่าการเปลี่ยนแปลงส่วนใดสัมพันธ์กับการเสื่อมสภาพ นักวิจัยจึงนำผลไปออกแบบการทดลองครั้งต่อไปหรือปรับวัสดุที่ใช้ผลิตได้ เส้นทางจากการวัดไปสู่การปรับปรุงเป็นงานต่อเนื่อง ไม่ใช่ผลที่เครื่องมือชิ้นเดียวสร้างขึ้นโดยลำพัง

การมีเครื่องมือขั้นสูงยังต้องมีกติกาให้ทีมที่เกี่ยวข้องใช้ประโยชน์ได้ นักวิจัยต้องเข้าถึงเวลาทดลอง ทราบวิธีเตรียมตัวอย่าง และได้รับข้อมูลผลการวัดในรูปแบบที่นำไปวิเคราะห์ต่อได้ หากแต่ละสถาบันเก็บข้อมูลด้วยมาตรฐานต่างกัน การรวมผลเพื่อศึกษาคำถามใหญ่ขึ้นจะใช้แรงมากกว่าการทดลองแต่ละครั้ง ระบบสนับสนุนเครื่องมือจึงรวมถึงบุคลากรที่ดูแลการวัดและการจัดการข้อมูลด้วย

สำหรับงานข้ามศาสตร์ สิ่งที่ต้องเชื่อมคือหลักฐานจากหลายวิธีศึกษา นักวัสดุศาสตร์อาจเห็นโครงสร้างของตัวอย่าง วิศวกรเห็นพฤติกรรมระหว่างใช้งาน และนักวิเคราะห์ข้อมูลเห็นรูปแบบจากผลทดลองจำนวนมาก ข้อค้นพบจะมีน้ำหนักเมื่อทีมเหล่านี้อธิบายร่วมกันได้ว่าข้อมูลชิ้นใดตอบคำถามใด การเพิ่มกำลังคำนวณโดยไม่มีข้อตกลงเรื่องวิธีวัดและความหมายของข้อมูลอาจทำให้ประมวลผลเร็วขึ้น แต่ไม่ได้ทำให้ข้อสรุปน่าเชื่อถือขึ้นตามไปด้วย

Nation of Masters ต้องเชื่อมความเชี่ยวชาญกับงานที่ทำร่วมกัน

แนวคิด Nation of Masters ให้ความสำคัญกับคนที่เข้าใจหลักการพื้นฐานของศาสตร์ตนเองจนสามารถต่อยอดเป็นสิ่งใหม่ ความเชี่ยวชาญลักษณะนี้ต่างจากการใช้เครื่องมือสำเร็จรูปตามขั้นตอน เพราะผู้เชี่ยวชาญต้องอธิบายได้ว่าเหตุใดผลจึงเกิดขึ้น และเงื่อนไขใดทำให้ผลเปลี่ยนไป ความรู้เชิงลึกยังช่วยให้ปรับตัวเมื่อเทคโนโลยีที่ใช้อยู่ล้าสมัย โดยไม่ต้องเริ่มเรียนรู้ปัญหาเดิมจากศูนย์ทุกครั้ง

ความเชี่ยวชาญรายบุคคลจะสร้างผลระดับประเทศได้เมื่อมีระบบส่งต่องาน มหาวิทยาลัยอาจพัฒนาวิธีวัดหรือคำอธิบายทางวิทยาศาสตร์ ภาคธุรกิจมีโจทย์ด้านต้นทุน คุณภาพ และการผลิต ส่วนผู้ลงทุนพิจารณาความเสี่ยงของการพัฒนาต่อ การเชื่อมคนเหล่านี้ต้องทำให้แต่ละฝ่ายเห็นสถานะของผลงานเดียวกัน ว่าอะไรเป็นข้อสังเกต อะไรผ่านการทดลองซ้ำ และอะไรพร้อมทดสอบในสภาพใช้งาน

ตัวอย่างของความรู้เฉพาะด้านในภาคเกษตรคือประสบการณ์เรื่องสภาพดิน การดูแลพืช และคุณภาพผลผลิต ความรู้จากผู้ปลูกจะใช้ร่วมกับวิทยาศาสตร์ได้เมื่อแยกสิ่งที่สังเกตได้ออกจากข้อสันนิษฐาน แล้วเก็บข้อมูลภายใต้เงื่อนไขที่เปรียบเทียบกันได้ นักวิจัยจึงทดสอบความสัมพันธ์ที่ผู้ปฏิบัติงานพบ ส่วน AI ช่วยวิเคราะห์รูปแบบจากข้อมูลที่สะสม ผลที่ได้อาจนำไปสู่คำถามวิจัยใหม่ก่อนจะไปถึงสินค้าใด ๆ

ในฝั่งอุตสาหกรรม ความรู้เรื่องกระบวนการผลิตมีค่าเมื่อเชื่อมกับการทดลองวัสดุและการออกแบบต้นแบบ ทีมวิจัยอาจพบคุณสมบัติที่น่าสนใจในห้องปฏิบัติการ แต่ผู้ผลิตต้องรู้ว่าวัสดุนั้นหาได้ต่อเนื่องหรือไม่ ใช้กับกระบวนการเดิมได้เพียงใด และคุณภาพคงที่หรือเปล่า คำถามเหล่านี้ทำให้ภาคธุรกิจไม่ใช่เพียงผู้รับผลงานปลายทาง แต่เป็นผู้ให้ข้อจำกัดที่ช่วยกำหนดโจทย์วิจัยตั้งแต่ต้น

การเชื่อมผู้เชี่ยวชาญจึงไม่จบที่การตั้งเครือข่ายหรือรวบรวมรายชื่อ งานร่วมต้องมีคำถามที่ทุกฝ่ายรับผิดชอบคนละส่วน มีวิธีแบ่งข้อมูลที่ตกลงกัน และมีจุดตัดสินใจว่าควรทดลองต่อหรือหยุด นักวิทยาศาสตร์ยังต้องรักษาเสรีภาพในการรายงานผลที่ไม่เป็นไปตามคาด เพราะผลล้มเหลวอาจบอกข้อจำกัดของเทคโนโลยีได้ชัดกว่าผลสำเร็จเฉพาะครั้ง การทำงานลักษณะนี้ช่วยให้ทุนวิจัยถูกใช้กับคำถามที่ตรวจสอบได้

จากข้อมูลและงานวิจัยไปสู่สิทธิในเทคโนโลยี

เส้นทางจากความเชี่ยวชาญไปสู่ธุรกิจมีหลายจุดที่ผลงานอาจหยุดลง จุดเริ่มคือการระบุปัญหาที่ต้องการแก้และเก็บข้อมูลที่มีสิทธิใช้งานได้ จากนั้นนักวิจัยสร้างวิธีวิเคราะห์หรือแบบจำลองเพื่อทดสอบสมมติฐาน ผลที่ผ่านการทดลองจึงนำไปพัฒนาต้นแบบ แล้วตรวจว่าสามารถใช้ในเงื่อนไขของผู้ผลิตหรือผู้ใช้จริงได้หรือไม่ การผ่านแต่ละช่วงต้องใช้หลักฐานต่างกัน

สิทธิในข้อมูลกับสิทธิในสิ่งประดิษฐ์เป็นคำถามคนละข้อ ข้อมูลบางส่วนอาจมาจากผู้ประกอบการ เกษตรกร หรือหน่วยงานที่กำหนดเงื่อนไขการเปิดเผยไว้ ขณะที่วิธีผลิตหรือวัสดุใหม่อาจเกิดจากนักวิจัยหลายสถาบัน หากตกลงสิทธิกันภายหลังเมื่อผลงานเริ่มมีมูลค่า การนำผลงานไปทดลองต่อหรือเจรจากับผู้ลงทุนอาจสะดุด ข้อตกลงตั้งแต่ต้นจึงต้องระบุทั้งการใช้ข้อมูล การเผยแพร่ผล และการใช้ประโยชน์เชิงพาณิชย์

สิทธิบัตรมีหน้าที่กำหนดขอบเขตการคุ้มครองสิ่งประดิษฐ์ที่เข้าเงื่อนไข แต่การยื่นสิทธิไม่เท่ากับการพิสูจน์ว่าผลิตได้คุ้มต้นทุน ต้นแบบยังต้องผ่านการตรวจสมรรถนะ ความสม่ำเสมอ และข้อกำหนดที่เกี่ยวข้องกับการใช้งานแต่ละประเภท ในทางกลับกัน งานวิจัยบางอย่างสร้างประโยชน์ผ่านวิธีทดสอบ ข้อมูล หรือความรู้ที่ถ่ายทอดได้โดยไม่จำเป็นต้องกลายเป็นสิทธิบัตรทุกชิ้น การเลือกรูปแบบสิทธิจึงขึ้นกับลักษณะผลงานและทางนำไปใช้

ถ้า AI ช่วยค้นหารูปแบบในข้อมูลจนเกิดแนวทางวิจัยใหม่ ทีมยังต้องแยกให้ชัดว่าความรู้ที่เป็นแกนของผลงานอยู่ตรงไหน อาจเป็นข้อมูลที่รวบรวมยาก วิธีวิเคราะห์ที่ปรับให้เข้ากับโจทย์ไทย หรือวัสดุที่ผ่านการทดลองแล้ว คำตอบนี้มีผลต่อการจัดการสิทธิและการถ่ายทอดเทคโนโลยี ผู้ลงทุนต้องเข้าใจว่าอะไรเป็นผลงานที่ทีมควบคุมได้ และอะไรยังอาศัยทรัพยากรหรือสิทธิของผู้อื่น

ความต่อเนื่องของเอกสารทดลองก็สำคัญต่อการพัฒนาผลงาน แม้ข้อเสนอเชิงนโยบายจะพูดถึง AI และทุน แต่ธุรกิจที่รับเทคโนโลยีไปต้องย้อนดูได้ว่าต้นแบบได้ผลภายใต้เงื่อนไขใด หากวิธีทดลองเปลี่ยนโดยไม่มีบันทึกเปรียบเทียบ การขยายผลจะประเมินความเสี่ยงได้ยาก หลักฐานที่จัดเก็บเป็นระบบจึงเป็นสะพานระหว่างความสำเร็จในห้องปฏิบัติการกับการตัดสินใจลงทุน

ทุนวิจัยและทุนเสี่ยงรับภาระคนละช่วง

ทุนวิจัยรองรับคำถามที่ยังไม่รู้คำตอบและการทดลองที่อาจไม่ให้ผลตามหวัง ผู้ให้ทุนต้องประเมินคุณภาพของคำถาม วิธีศึกษา และสิ่งที่จะเรียนรู้จากผลลัพธ์ แม้ยังไม่มีสินค้าให้ขาย ส่วนทุนร่วมลงทุนมองความเป็นไปได้ของทีม ผลิตภัณฑ์ และตลาดเมื่อเทคโนโลยีพัฒนาไกลขึ้น หากใช้เกณฑ์ของทุนธุรกิจกับงานวิจัยตั้งแต่เริ่มต้น โจทย์ที่มีความเสี่ยงสูงแต่มีคุณค่าทางความรู้อาจไม่ได้รับโอกาสทดลอง

ช่วงระหว่างผลวิจัยกับธุรกิจมักต้องใช้เงินไปกับการทำต้นแบบ ทดสอบซ้ำ ปรับกระบวนการ และแก้ปัญหาที่ไม่ปรากฏในการทดลองขนาดเล็ก ระยะนี้ต้องมีผู้รับผิดชอบการพัฒนาเทคโนโลยีต่อเนื่อง ไม่ใช่ส่งผลงานจากมหาวิทยาลัยให้นักลงทุนแล้วถือว่างานเสร็จ ทีมที่รู้ทั้งข้อจำกัดทางวิทยาศาสตร์และเงื่อนไขการใช้งานจริงจะช่วยให้ตัดสินใจได้ว่าควรใช้เงินกับการทดลองใดก่อน

ทิศทางเศรษฐกิจที่ยศชนันยกขึ้นมาครอบคลุมวัสดุและเซมิคอนดักเตอร์ สุขภาพ และอาหารมูลค่าสูง แต่ละด้านต้องการหลักฐานต่างกัน งานวัสดุต้องพิสูจน์คุณสมบัติและกระบวนการผลิต งานสุขภาพต้องระวังข้อกล่าวอ้างเกี่ยวกับประโยชน์ของผลิตภัณฑ์ ส่วนอาหารต้องตอบทั้งคุณภาพและความต้องการของผู้ซื้อ ความหลากหลายนี้ทำให้การเชื่อมทุนกับงานวิจัยไม่อาจใช้เกณฑ์ชุดเดียวตัดสินทุกโครงการได้

สำหรับสตาร์ตอัป สิทธิในเทคโนโลยีและผลทดลองที่ตรวจสอบได้ช่วยให้คุยกับผู้ลงทุนอย่างเป็นรูปธรรม แต่เงินทุนไม่ได้แก้ปัญหาความพร้อมของผลงานทั้งหมด หากต้นแบบยังทำซ้ำไม่ได้หรือยังไม่รู้ว่าจะผลิตในต้นทุนที่ยอมรับได้เพียงใด การระดมทุนเร็วขึ้นก็อาจเพิ่มภาระให้ทีมก่อนเทคโนโลยีพร้อม ในทางกลับกัน หากผลงานพร้อมทดสอบกับผู้ใช้แล้วแต่ขาดเงินสำหรับขั้นนั้น ความรู้ที่สร้างไว้ก็อาจหยุดอยู่ในสถาบันวิจัย

ความหมายของการพึ่งพาเทคโนโลยีตนเองจึงอยู่ที่ความสามารถในการเรียนรู้และพัฒนาต่อ ประเทศที่มีคนเข้าใจโจทย์ มีเครื่องมือสร้างหลักฐาน จัดการสิทธิได้ และมีทุนรับความเสี่ยงตามระยะของงาน ย่อมมีทางเลือกมากขึ้นเมื่อเทคโนโลยีเปลี่ยน ข้อเสนอบนเวที TDRI ยังต้องตามด้วยรายละเอียดว่าโจทย์วิจัยใดจะเริ่มก่อน ใครดูแลการใช้ข้อมูลและเครื่องมือร่วมกัน และเงินทุนช่วงทดลองจะเชื่อมต่อกับช่วงพัฒนาธุรกิจอย่างไร