Page 12

AI

ข่าวและบทความที่เกี่ยวข้อง

Related news and articles

PostType Filter En

บทความ

ผอ.BDI แนะ 3 รูปแบบ AI พลิกโฉมอุตสาหกรรมประกันภัยไทย – เน้นใช้ข้อมูลอย่างรับผิดชอบในยุคปัญญาประดิษฐ์
29 ตุลาคม 2568, กรุงเทพฯ – ศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) ร่วมบรรยายในงาน “InsurTech Summit 2025” ภายใต้หัวข้อ “Insurance in the Age of AI” พร้อมเผย 3 รูปแบบ AI พลิกโฉมอุตสาหกรรม และความท้าทายด้านธรรมาภิบาลข้อมูล ยืนยัน “AI จะไม่มาแทนที่คน แต่คนที่ใช้ AI ไม่เป็นต่างหากที่อาจถูกแทนที่” ผอ.BDI อธิบายว่า ปัญญาประดิษฐ์ (AI) สามารถแบ่งออกเป็น 3 ประเภทสำคัญ ได้แก่ 1. Traditional AI – หรือที่รู้จักกันในชื่อ Machine Learning และ Data Science ใช้ข้อมูลในรูปแบบตารางเพื่อวิเคราะห์และทำนายแนวโน้ม เช่น การวิเคราะห์พฤติกรรมลูกค้าหรือความเสี่ยง 2. Generative AI – ระบบที่สามารถสร้างสรรค์สิ่งใหม่ ๆ ได้ เช่น การเขียนข้อความ วาดภาพ หรือสรุปเนื้อหาอัตโนมัติ ตัวอย่างที่คุ้นเคยคือ ChatGPT และ 3. Agentic AI – การรวมบอทหลายตัวทำงานร่วมกันในลักษณะ Workflow อัตโนมัติ เช่น ระบบ Call Center หรือกระบวนการเบิกจ่ายในหน่วยงานภาครัฐ AI กำลังเข้ามาช่วยยกระดับอุตสาหกรรมประกันภัยไทยอย่างไร ผอ.BDI มองว่า AI กำลังเข้ามาช่วยให้ธุรกิจประกันภัยทำงานอย่างมีประสิทธิภาพมากขึ้น เช่น ระบบแนะนำประกันเฉพาะบุคคล (Personalized Insurance): วิเคราะห์พฤติกรรมลูกค้าเพื่อเสนอผลิตภัณฑ์ที่ตรงใจ ระบบตรวจจับความผิดปกติ (Anomaly Detection): ใช้ตรวจสอบการเบิกจ่ายผิดปกติ หรือพฤติกรรมเสี่ยงของผู้ขับขี่ และการประเมินความเสี่ยงเชิงสุขภาพและอาคาร: ใช้ข้อมูลจากเซ็นเซอร์เพื่อลดอุบัติเหตุ เช่น ตรวจจับอาการหลับใน หรือแรงดันท่อรั่วในอาคาร และเมื่อ AI ถูกนำมาใช้อย่างแพร่หลาย คำถามสำคัญจึงอยู่ที่ “ความรับผิดชอบ” และ “ความน่าเชื่อถือของข้อมูล” โดย ผอ.BDI ย้ำถึง 5 ประเด็นหลัก ได้แก่ 1. อคติของข้อมูล (Bias) – หากข้อมูลที่ใช้ฝึก AI ลำเอียง ผลลัพธ์ก็จะลำเอียงตามไปด้วย 2. อคติทางวัฒนธรรม (Cultural Bias) – ภาษาไทยมีเพียง 0.4% ในชุดข้อมูลโลก ทำให้ AI ต่างชาติอาจไม่เข้าใจบริบทไทย 3. ข้อมูลเท็จจาก Generative AI (Hallucination) – จำเป็นต้องมีระบบตรวจสอบความถูกต้องก่อนนำไปใช้ 4. กฎหมายและความรับผิดชอบ (Compliance & Liability) – ต้องคำนึงถึง PDPA และลิขสิทธิ์ของผลงานที่ AI สร้างขึ้น และ 5. การปรับตัวของคน – การเรียนรู้การใช้ AI อย่างมีสติเป็นทักษะจำเป็นในยุคดิจิทัล นอกจากนี้เจ้าหน้าที่โครงการ Health Link ได้ร่วมจัดแสดงนิทรรศการภายในงาน InsurTech Summit 2025 ซึ่งจัดขึ้นต่อเนื่องเป็นปีที่ 2 ภายใต้แนวคิด “Co-Creating the Future of Insurance, Powering the Community” ณ ศูนย์ ซี อาเซียน รัชดา (C asean Ratchada) มุ่งสร้างสรรค์อนาคตประกันภัย จุดพลังสังคมให้เติบโตและยั่งยืน โดยมีผู้บริหารระดับสูงจากวงการบริษัทประกันภัย บริษัทนายหน้าประกันภัย และบริษัทเทคโนโลยี (Tech Startup) ชั้นนำจากนานาประเทศเข้าร่วมกว่า 300 คน เพื่อร่วมกันขับเคลื่อนอนาคตของอุตสาหกรรมประกันภัยไทยสู่การเป็น Insurance Community ระดับสากล
29 October 2025

บทความ

ดีอี - สธ. เห็นชอบเชื่อมโยงข้อมูลสุขภาพผ่านระบบ Health Link - หมอพร้อม วางรากฐานสู่บริการสุขภาพดิจิทัลไร้รอยต่อ
29 ตุลาคม 2568, นนทบุรี – นางสาวสุชาดา ซาง แทนทรัพย์ เลขานุการรัฐมนตรีว่าการกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอี) และโฆษกกระทรวงดีอี ได้รับมอบหมายจาก นายไชยชนก ชิดชอบ รัฐมนตรีว่าการกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอี) พร้อมด้วยนางจีราวรรณ บุญเพิ่ม ที่ปรึกษารัฐมนตรีว่าการกระทรวงดีอี เข้าร่วมประชุมคณะกรรมการเฉพาะด้านระบบสุขภาพดิจิทัล ครั้งที่ 1/2568 โดยมีนายพัฒนา พร้อมพัฒน์ รัฐมนตรีว่าการกระทรวงสาธารณสุข (สธ.) เป็นประธานการประชุม พร้อมด้วยคณะทำงานจากทุกหน่วยงานที่เกี่ยวข้อง ณ สำนักปลัดกระทรวงสาธารณสุข จังหวัดนนทบุรี ซึ่งที่ประชุมมีมติเห็นชอบร่วมกันในการเชื่อมโยงข้อมูลสุขภาพ ทั้งในและนอกสังกัดกระทรวงสาธารณสุข ผ่านระบบ Health Link และหมอพร้อม ขานรับนโยบาย “Quick Win” ของรัฐบาล เพื่อสร้างรากฐานสู่บริการสุขภาพดิจิทัลไร้รอยต่อ นายพัฒนา พร้อมพัฒน์ รัฐมนตรีว่าการกระทรวงสาธารณสุข กล่าวว่า กระทรวงสาธารณสุขมุ่งยกระดับคุณภาพและมาตรฐานเทคโนโลยีด้านสุขภาพของประเทศ ภายใต้นโยบาย “หมอไม่ล้า ประชาชนไม่รอ เชื่อมต่อทุกบริการผ่านเทคโนโลยี” ซึ่งประเด็นสำคัญในการพิจารณาครั้งนี้ คือ การเชื่อมโยงข้อมูลสุขภาพข้ามกระทรวง และข้ามหน่วยงาน ถือเป็นก้าวสำคัญในการวางรากฐานธรรมาภิบาลด้านข้อมูลสุขภาพระดับชาติ และสร้างมาตรฐานใหม่ของการแลกเปลี่ยนข้อมูลสุขภาพที่ปลอดภัยและมีประสิทธิภาพ ซึ่งเป็นหัวใจสำคัญของการปฎิรูประบบสุขภาพของประเทศ โดยการดำเนินงานเห็นชอบการเชื่อมโยง 4 มิติ คือ 1. เชื่อมโยงข้อมูลในระดับประเทศผ่านระบบ “หมอพร้อม” 2. เชื่อมโยงข้อมูลในระดับพื้นที่กรุงเทพมหานคร (กทม.) ผ่านระบบ Health Link 3. เชื่อมโยงระหว่างกระทรวงสาธารณสุข กับ สำนักงานประกันสังคม กระทรวงแรงงาน เพื่อให้ประชาชนทุกกลุ่มเข้าถึงบริการสุขภาพดีถ้วนหน้า (Health for all) และ 4. กรอบการจัดทำ พ.ร.บ.สุขภาพดิจิทัล เนื่องจากระบบสุขภาพไทยยังขาดกฎหมายกลางที่กำกับดูแลและเชื่อมโยงข้อมูลสุขภาพอย่างบูรณาการ กฎหมายที่มีอยู่ยังไม่ครอบคลุมการแลกเปลี่ยนข้อมูลสุขภาพดิจิทัลและนวัตกรรมใหม่ นางสาวสุชาดา ซาง แทนทรัพย์ เลขานุการรัฐมนตรีว่าการกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอี) และโฆษกกระทรวงดีอี เปิดเผยถึงความร่วมมือระหว่างกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม และกระทรวงสาธารณสุข ว่าเป็นอีกหนึ่งก้าวสำคัญในการขับเคลื่อนการพัฒนาระบบข้อมูลสุขภาพของประเทศอย่างยั่งยืน โดยทั้งสองหน่วยงานได้ร่วมกันพัฒนาและผลักดันระบบ บริหารจัดการแลกเปลี่ยนข้อมูลสุขภาพระดับประเทศ (Central Data Exchange Service: CDES) ซึ่งเป็นกลไกสำคัญในการเชื่อมโยงข้อมูลสารสนเทศสุขภาพจากหน่วยงานต่าง ๆ ทั่วประเทศ ระบบดังกล่าวจะทำงานเชื่อมต่อกับแพลตฟอร์ม Health Link และกระทรวงสาธารณสุข เพื่อสร้าง ศูนย์กลางข้อมูลสุขภาพส่วนบุคคลของประเทศ ที่มีมาตรฐานความปลอดภัยสูงและสามารถนำข้อมูลมาใช้ประโยชน์ได้อย่างมีประสิทธิภาพ ทั้งในด้านการดูแลสุขภาพ การบริหารจัดการบริการสาธารณสุข ตลอดจนการกำหนดนโยบายเชิงรุกเพื่อยกระดับคุณภาพชีวิตของประชาชน ซึ่งสอดคล้องกับนโยบายของกระทรวงดีอี ที่ผลักดันการใช้เทคโนโลยีดิจิทัลในการบริหารภาครัฐและแก้ไขปัญหาภัยสังคม โดยมุ่งเน้นการสร้างระบบบริการภาครัฐที่มีศักยภาพ โปร่งใส และเชื่อมโยงถึงกันอย่างไร้รอยต่อ เพื่อให้ประชาชนสามารถเข้าถึงบริการด้านสาธารณสุขได้อย่างสะดวก รวดเร็ว และปลอดภัย ศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) กล่าวว่า การเชื่อมระบบ Health Link  และระบบหมอพร้อม จะทำให้ประเทศไทยสามารถเชื่อมข้อมูลสุขภาพได้กว่า 15,000 แห่งทั่วประเทศ โดยทั้งสองระบบสามารถเชื่อมข้อมูลกันด้วยกลไกการรักษาความปลอดภัยขั้นสูงสุดตามมาตรฐานสากล โดยระบบ Health Link ซึ่งพัฒนาโดย BDI  ได้ดำเนินงานเชื่อมโยงข้อมูลสุขภาพสถานพยาบาลนอกสังกัดกระทรวงสาธารณสุขในพื้นที่กรุงเทพมหานคร และ 7 หน่วยนวัตกรรมที่ขึ้นทะเบียนในระบบสำนักงานหลักประกันสุขภาพแห่งชาติ (สปสช.) ปัจจุบันเชื่อมโยงไปแล้วกว่า 8,000 แห่งทั่วประเทศ ดังนั้น การเชื่อมโยงข้อมูลสุขภาพทั้งในและนอกสังกัดกระทรวงสาธารณสุข ถือเป็นการนำร่องการเชื่อมโยงข้อมูลสุขภาพเพื่อการรักษาพยาบาลในระดับประเทศ ขานรับนโยบาย Quick Win ของรัฐบาล การประชุมครั้งนี้ถือเป็นครั้งแรกที่สองกระทรวง ร่วมกันผลักดันแพลตฟอร์มเชื่อมโยงข้อมูลระบบสารสนเทศสุขภาพระดับประเทศ เพื่อประโยชน์สูงสุดของประชาชนให้สามารถเข้ารับการรักษาได้ทุกที่ โดยไม่ต้องพกเอกสาร หรือกลับไปขอประวัติการรักษาจากโรงพยาบาลเดิม ช่วยลดภาระค่าใช้จ่ายด้านสุขภาพของประเทศ และเพิ่มประสิทธิภาพการทำงานของแพทย์และบุคลากรทางการแพทย์ ที่สามารถเข้าถึงข้อมูลประกอบการวินิจฉัยได้อย่างครบถ้วน ลดการตรวจซ้ำซ้อน ป้องกันความผิดพลาดจากการสั่งยาที่ผู้ป่วยมีประวัติแพ้ เพิ่มคุณภาพการรักษา และทำให้ระบบสุขภาพโดยรวมสามารถบริหารจัดการข้อมูลอย่างมีประสิทธิภาพ นำไปสู่การการนำข้อมูลไปวิเคราะห์เพื่อวางแผนเชิงนโยบาย สร้างรากฐานสู่บริการสุขภาพดิจิทัลไร้รอยต่อที่ยกระดับคุณภาพชีวิตของประชาชนครอบคลุมทุกมิติ
29 October 2025

บทความ

Data คือ ทรัพยากรแห่งศตวรรษที่ 21 – Soft Infrastructure และ Trusted Data Sharing กลไกสำคัญใน Quick Big Win ของประเทศ
27 ตุลาคม 2568, กรุงเทพฯ – ศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) ร่วมเสวนาในงาน THAIRATH FORUM 2025: The Next New Economy บนเวที “Deep Tech Economy” ณ โรงแรมอีสติน แกรนด์ พญาไท โดยกล่าวถึงบทบาทของข้อมูลในฐานะทรัพยากรยุคศตวรรษที่ 21 ที่จะเป็นพลังขับเคลื่อนเศรษฐกิจไทยสู่ยุคใหม่ พร้อมชี้ว่า “การสร้าง Soft Infrastructure” คือกุญแจสำคัญสู่การบรรลุเป้าหมาย Quick Big Win ของประเทศ โดยภายในงานได้รับเกียรติจากคุณเอกนิติ นิติทัณฑ์ประภาศ รองนายกรัฐมนตรี และรัฐมนตรีว่าการกระทรวงการคลัง มาร่วมแสดงวิสัยทัศน์ ผอ.BDI กล่าวว่า หากประเทศไทยสามารถบูรณาการข้อมูล (Data Integration) ระหว่างหน่วยงานภาครัฐและเอกชนได้อย่างเป็นระบบ จะเกิดผลลัพธ์เชิงเศรษฐกิจและสังคมในหลายมิติ เช่น ภาคสาธารณสุข สามารถใช้ Big Data ลดภาระงบประมาณ, ภาคการท่องเที่ยว ใช้ข้อมูลพฤติกรรมนักท่องเที่ยวเพื่อวางนโยบายอย่างแม่นยำ และภาคเกษตร ใช้ข้อมูลพยากรณ์ผลผลิตเพื่อลดความเสี่ยงจากภาวะล้นตลาดหรือขาดแคลนสินค้า ทั้งหมดนี้จะเกิดขึ้นได้จากการเชื่อมโยงข้อมูลอย่างเป็นระบบและต่อเนื่อง ศ. ดร.ธีรณี อธิบายอีกว่า “Unique Data Asset” คือข้อมูลที่เข้าถึงยากแต่สามารถใช้ประโยชน์ได้จริง โดยประเทศไทยมีจุดแข็งอย่างมากในด้าน “ข้อมูลภาครัฐ” ไม่ว่าจะเป็นข้อมูลความมั่นคง การท่องเที่ยว หรือ Mobility Data ซึ่งถือเป็นทุนข้อมูลสำคัญที่ต่างประเทศไม่มี แต่ปัจจุบันข้อมูลเหล่านี้ยังไม่ถูกรวมเป็นระบบเดียว และยังเปิดให้ภาคเอกชนเข้าถึงได้ในวงจำกัด ทำให้ไทยยังเสียเปรียบเมื่อเทียบกับแพลตฟอร์มระดับโลกอย่าง e-commerce หรือ OTA ที่มีข้อมูลผู้บริโภคในเชิงลึก ผอ.BDI ย้ำว่า “Quick Win ที่แท้จริง” จะเกิดขึ้นได้เมื่อรัฐและเอกชนมีการแชร์ข้อมูลร่วมกันอย่างปลอดภัยและโปร่งใส (Trusted Data Sharing) พร้อมผลักดันให้เกิดการลงทุนในระบบ AI for Policy เพื่อใช้ข้อมูลสนับสนุนการตัดสินใจเชิงนโยบาย ลดการตัดสินใจจากสมมติฐานหรือประสบการณ์ส่วนบุคคล และเปลี่ยนการบริหารภาครัฐให้ขับเคลื่อนด้วยข้อมูลอย่างแท้จริง หนึ่งในตัวอย่างความสำเร็จที่สะท้อนภาพดังกล่าว คือ แพลตฟอร์ม Trave Link Dashboard ที่บูรณาการข้อมูลตรวจคนเข้าเมืองเข้ากับข้อมูลจากผู้ให้บริการเครือข่ายโทรศัพท์มือถือ เพื่อนำมาวิเคราะห์เส้นทางและพฤติกรรมนักท่องเที่ยวแบบเรียลไทม์ ช่วยให้หน่วยงานรัฐและผู้ประกอบการสามารถออกแบบแผนการตลาดและกิจกรรมท่องเที่ยวได้อย่างแม่นยำ ตัวอย่างเช่น ห้างสรรพสินค้าในจังหวัดภูเก็ตที่นำข้อมูลจาก Dashboard ไปใช้ปรับสินค้าให้เหมาะกับกลุ่มนักท่องเที่ยวตะวันออกกลาง จนสามารถเพิ่มยอดขายได้อย่างเป็นรูปธรรม นอกจากนี้การสร้าง People Infrastructure ที่ต้องเดินควบคู่กับ Demand Pool โดยก่อนจะเร่งผลิตบุคลากรด้านเทคโนโลยี จำเป็นต้องสร้างความต้องการใช้งานจริงในภาคธุรกิจ ทั้ง SMEs และองค์กรขนาดใหญ่ เพื่อให้การพัฒนากำลังคนสอดคล้องกับตลาด พร้อมเสนอให้ภาครัฐใช้มาตรการ Reskill-Incentive ทั้งทางภาษีและนอกภาษี เพื่อกระตุ้นให้ภาคเอกชนนำ AI มาใช้เพิ่มประสิทธิภาพโดยไม่ลดการจ้างงาน ซึ่งจะทำให้การเปลี่ยนผ่านสู่เศรษฐกิจ AI ของไทยเกิดขึ้นอย่างทั่วถึงและยั่งยืน สำหรับเวทีเสวนา “Deep Tech Economy” ภายในงาน THAIRATH FORUM 2025: The Next New Economy ยังได้รับเกียรติจาก คุณจรีพร จารุกรสกุล ประธานกรรมการและประธานเจ้าหน้าที่บริหาร บริษัท ดับบลิวเอชเอ คอร์ปอเรชั่น (มหาชน) และ คุณพชร อารยะการกุล ประธานเจ้าหน้าที่บริหาร บริษัท บลูบิค กรุ๊ป (มหาชน) ร่วมแลกเปลี่ยนมุมมองต่อบทบาทของเทคโนโลยีขั้นลึก (Deep Tech) ในการยกระดับขีดความสามารถในการแข่งขันของประเทศเติบโตอย่างมีทิศทาง
27 October 2025

บทความ

Mixture-of-Experts (MoE): ขยายพลัง LLM แบบฉลาดและคุ้มค่า  
ตลอดไม่กี่ปีที่ผ่านมา โลกของปัญญาประดิษฐ์ได้พัฒนาไปอย่างรวดเร็ว โดยเฉพาะในด้านของโมเดลภาษา (Large Language Models – LLMs) ที่มีทั้งขนาดของโมเดลและปริมาณข้อมูลในการฝึกสอนเพิ่มขึ้นอย่างมาก การเติบโตนี้ทำให้โมเดลมีความสามารถมากขึ้นเรื่อย ๆ แต่ก็ต้องแลกมาด้วยต้นทุนด้านการประมวลผลที่สูงขึ้นตามไปด้วย  หนึ่งในแนวทางที่ช่วยให้โมเดลมีความสามารถสูงขึ้นโดยไม่สูญเสียประสิทธิภาพคือแนวคิด Mixture-of-Experts (MoE) ซึ่งเป็นวิธีการแบ่งโมเดลออกเป็นกลุ่มของ “ผู้เชี่ยวชาญ” (experts) หลายตัว และมี “ตัวเลือก” (router) คอยตัดสินใจว่าในแต่ละรอบการประมวลผลจะใช้ผู้เชี่ยวชาญตัวใดบ้าง วิธีนี้ช่วยให้ระบบทำงานได้รวดเร็วขึ้น ใช้พลังคำนวณอย่างคุ้มค่า และยังคงให้ผลลัพธ์ที่มีคุณภาพสูง  Mixture‑of‑Experts คืออะไร?  Mixture-of-Experts (MoE) คือสถาปัตยกรรมของระบบประสาทเทียมที่ประกอบด้วย “ผู้เชี่ยวชาญ” (experts) หลายตัว ซึ่งแต่ละตัวมักเป็นเครือข่ายประสาทแบบฟีดฟอร์เวิร์ด (Feed-Forward Neural Network: FFNN) ที่มีความถนัดแตกต่างกัน แนวคิดนี้ตั้งอยู่บนสมมติฐานว่า “เราไม่จำเป็นต้องใช้โมเดลขนาดใหญ่ทั้งหมดทุกครั้งในการประมวลผลข้อมูล” แต่สามารถเลือกใช้เฉพาะผู้เชี่ยวชาญบางส่วนที่เหมาะสมกับข้อมูลนั้นแทนได้  สถาปัตยกรรม MoE มีองค์ประกอบหลักอยู่สองส่วน ได้แก่  ด้วยการเลือกใช้เฉพาะบางส่วนของโมเดลในแต่ละครั้ง ทำให้ MoE สามารถลดการใช้ทรัพยากรในการประมวลผลลงได้อย่างมาก เมื่อเทียบกับโมเดลแบบหนาแน่น (Dense Models) ที่ต้องทำงานทุกส่วนพร้อมกัน ขณะเดียวกัน ผู้เชี่ยวชาญแต่ละตัวก็สามารถเรียนรู้รูปแบบเฉพาะของข้อมูลได้ลึกขึ้น ทำให้โมเดลโดยรวมมีความยืดหยุ่นและฉลาดมากขึ้น  หลักการทำงานและวิวัฒนาการของ MoE  แนวคิดของ Mixture-of-Experts (MoE) ทำงานโดย “กระจายงานให้ผู้เชี่ยวชาญเพียงบางส่วน” สำหรับการประมวลผลข้อมูลแต่ละครั้ง กล่าวคือ เครือข่ายตัวเลือก (router) จะประเมินคะแนนของผู้เชี่ยวชาญแต่ละตัวผ่านฟังก์ชัน softmax จากนั้นจะเลือกผู้เชี่ยวชาญที่มีคะแนนสูงสุดมาทำงานกับอินพุตนั้น วิธีนี้เรียกว่า “conditional computation” ซึ่งช่วยลดภาระในการประมวลผลลงได้มาก เพราะโมเดลไม่จำเป็นต้องเปิดใช้งานพารามิเตอร์ทั้งหมดเหมือนในโมเดลแบบหนาแน่น (dense models)  แนวคิดของ MoE ปรากฏครั้งแรกตั้งแต่ช่วงต้นทศวรรษ 1990 ในนิพนธ์ชื่อ Adaptive Mixtures of Local Experts และกลับมาได้รับความสนใจอีกครั้งเมื่อ Noam Shazeer และคณะ เสนอแนวคิด Sparsely-Gated MoE ในปี 2017 สำหรับงานจำลองภาษาแบบลำดับ (sequence modeling) โมเดลนี้ใช้ผู้เชี่ยวชาญจำนวนมากในชั้นฟีดฟอร์เวิร์ด (feed-forward layer) แต่เลือกใช้งานเพียงบางส่วนในแต่ละครั้ง ทำให้สามารถเพิ่มจำนวนพารามิเตอร์โดยรวมได้หลายเท่า โดยไม่ต้องเพิ่มภาระการคำนวณตามไปด้วย  จากภาพ แสดงโครงสร้างพื้นฐานของ MoE – Router เลือกผู้เชี่ยวชาญที่เหมาะสมจากหลายโมดูลเพื่อประมวลผลอินพุตอย่างมีประสิทธิภาพ โดย  ข้อดีและความท้าทายของ MoE  การออกแบบของ Mixture-of-Experts (MoE) ที่เปิดใช้งานเฉพาะส่วนของพารามิเตอร์ในแต่ละครั้ง ช่วยให้โมเดลมีจุดเด่นหลายประการ ได้แก่  ความท้าทายของ MoE  แม้ MoE จะมีศักยภาพสูง แต่ก็มีข้อจำกัดและความท้าทายที่ต้องพิจารณา ได้แก่  โมเดลรุ่นใหม่ที่ใช้หลักการ MoE  แนวคิด Mixture-of-Experts (MoE) ได้รับความนิยมอย่างต่อเนื่องในกลุ่มโมเดลภาษารุ่นใหม่ของปี 2025 ซึ่งหลายค่ายนำสถาปัตยกรรมนี้มาใช้เพื่อเพิ่มประสิทธิภาพและลดต้นทุนการประมวลผล โดยมีตัวอย่างที่น่าสนใจดังนี้  ตารางสรุปโมเดลที่ใช้ MoE  สรุป  Mixture-of-Experts (MoE) เป็นสถาปัตยกรรมที่ช่วยให้โมเดลภาษาขนาดใหญ่สามารถขยายขนาดได้อย่างมีประสิทธิภาพ โดยแบ่งโมเดลออกเป็น “ผู้เชี่ยวชาญ” หลายตัว และใช้ “ตัวเลือก” (router) ในการกำหนดเส้นทางของข้อมูลไปยังผู้เชี่ยวชาญที่เหมาะสม แนวทางนี้ช่วยลดภาระการคำนวณ ใช้พลังงานและหน่วยความจำน้อยลง แต่ยังคงเพิ่มขีดความสามารถของโมเดลได้อย่างต่อเนื่อง  แนวคิด MoE ซึ่งเริ่มต้นจากงานวิจัยในช่วงทศวรรษ 1990 ได้รับการพัฒนาจนกลายเป็นเทคโนโลยีสำคัญในโมเดลรุ่นใหม่ของยุคปัจจุบัน เช่น Llama 4, Qwen3, และ GPT-OSS ที่ต่างนำแนวคิดนี้ไปปรับใช้เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และเปิดโอกาสให้ชุมชนผู้พัฒนาสามารถต่อยอดได้อย่างอิสระ  สำหรับประเทศไทย การมีโมเดล โอเพนซอร์สที่ใช้สถาปัตยกรรม MoE จะช่วยให้นักวิจัยและนักพัฒนาสามารถทดลอง สร้างสรรค์ และต่อยอดบริการอัจฉริยะได้ด้วยตนเอง โดยไม่ต้องพึ่งพาแพลตฟอร์มปิดจากต่างประเทศ ความเข้าใจเกี่ยวกับ MoE จึงเป็นรากฐานสำคัญในการก้าวสู่ยุคใหม่ของปัญญาประดิษฐ์ ที่เน้นทั้ง ประสิทธิภาพ การเปิดกว้าง และความยั่งยืนของนวัตกรรม  เอกสารอ้างอิง :  [1] Shazeer et al., 2017, ‘Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer' (arXiv:1701.06538) https://arxiv.org/abs/1701.06538  [2] Lepikhin et al., 2020, ‘GShard' (arXiv:2006.16668) https://arxiv.org/abs/2006.16668  [3] Fedus et al., 2021, ‘Switch Transformers' (arXiv:2101.03961) https://arxiv.org/abs/2101.03961  [4] Meta Llama 4 บน Azure/Databricks https://azure.microsoft.com/en-us/blog/introducing-the-llama-4-herd-in-azure-ai-foundry-and-azure-databricks/  [5] Cloudflare: ‘Llama 4 is now available on Workers AI' https://blog.cloudflare.com/meta-llama-4-is-now-available-on-workers-ai/  [6] TechCrunch: ‘Meta releases Llama 4' https://techcrunch.com/2025/04/05/meta-releases-llama-4-a-new-crop-of-flagship-ai-models/  [7] Qwen3 GitHub https://github.com/QwenLM/Qwen3  [8] Qwen3 Blog (Qwen) https://qwenlm.github.io/blog/qwen3/  [9] Alibaba Cloud: ‘Qwen3 … Hybrid Reasoning' https://www.alibabacloud.com/blog/alibaba-introduces-qwen3-setting-new-benchmark-in-open-source-ai-with-hybrid-reasoning_602192  [10] OpenAI: ‘Introducing gpt‑oss' https://openai.com/index/introducing-gpt-oss/  [11] GitHub: openai/gpt‑oss https://github.com/openai/gpt-oss [12] Wikipedia. “Mixture of experts: Machine learning technique.” อธิบายว่า MoE ประกอบด้วยผู้เชี่ยวชาญหลายชุดและฟังก์ชันเกตสำหรับกำหนดน้ำหนัก. [13] Neptune.ai. “Mixture of Experts LLMs: Key Concepts Explained.” สรุปข้อดีของ MoE เช่น การใช้ผู้เชี่ยวชาญบางส่วนต่ออินพุต การแบ่งภาระ และประสิทธิภาพการฝึก. [14] Neptune.ai. “Mixture of Experts LLMs: Key Concepts Explained.” อธิบายว่าผู้เชี่ยวชาญถูกจัดเป็น sub-networks ที่เปิดใช้งานตามอินพุตและสามารถกระจายไปยังอุปกรณ์หลายตัวได้. [15] Du et al. “GLaM: Efficient Scaling of Language Models with Mixture-of-Experts.” รายงานว่า GLaM มี 1.2 ล้านล้านพารามิเตอร์ ใช้สถาปัตยกรรม MoE และใช้พลังงานเพียงหนึ่งในสามของ GPT‑3. [16] Meta. “Llama 4: Leading intelligence.” หน้าเว็บทางการระบุว่า Llama 4 ใช้สถาปัตยกรรม multimodal และ mixture-of-experts พร้อม context window ขนาดใหญ่. [17] Meta. “Build with Llama 4.” หน้าเว็บแสดงคุณลักษณะของรุ่นย่อยเช่น Llama 4 Scout ที่รองรับ multimodal และ context window ยาว 10M tokens. [18] HuggingFace model card. “Qwen3-235B-A22B-Thinking-2507.” ระบุว่ามีพารามิเตอร์รวม 235B และเปิดใช้งาน 22B ต่อ token บ่งบอกการใช้ MoE. [19] GPT-Oss.ai. “GPT-Oss MoE Architecture.” อธิบายว่า GPT‑Oss ใช้ผู้เชี่ยวชาญ 128 ชุดและ Top‑4 routing มีพารามิเตอร์ sparse 11.6B ใช้งานจริง 510M. 
22 October 2025

บทความ

BDI ขานรับนโยบาย ‘Quick Win’ เดินเกม Data Economy หนุน SMEs ไทย ใช้ Big Data – AI ผ่านโครงการ “The UP: Unlock Potential with Data” เร่งปลดล็อกข้อจำกัดเดิม ดัน GDP รวม เติบโตต่อเนื่อง
22 ตุลาคม 2568, กรุงเทพฯ – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI ขานรับนโยบายของรัฐบาลภายใต้แนวทาง “Quick Win” เร่งเดินหน้าเสริมศักยภาพผู้ประกอบการ SMEs ไทย พร้อมแข่งขันในเศรษฐกิจยุคใหม่ ด้วยการผลักดันการใช้ข้อมูล (Data) และ ปัญญาประดิษฐ์ (AI) เป็นเครื่องมือสำคัญในการขับเคลื่อนธุรกิจและสร้างการเติบโตอย่างยั่งยืน เผยความสำเร็จ 2 ปี หนุนผู้ประกอบการ SMEs ไทย แล้วกว่า 50 บริษัท พร้อมมอบประกาศนียบัตรแก่ผู้ประกอบการที่ผ่านการอบรมในโครงการ The UP 2025: Unlock Potential with Data ปีที่ 2 อีกหนึ่งโครงการสำคัญที่มุ่งสร้าง Data-driven Entrepreneur รุ่นใหม่ ดร.สุนทรีย์ ส่งเสริม รองผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ กล่าวว่าในปัจจุบันไม่ว่าจะเป็นภาคการผลิต การส่งออก การท่องเที่ยว และค้าปลีก ต่างได้รับผลกระทบจากความไม่แน่นอนของเศรษฐกิจโลก ตลอดจนพฤติกรรมผู้บริโภคที่เปลี่ยนแปลงตลอดเวลา การนำเทคโนโลยีมาช่วยเสริมความอยู่รอด และเพิ่มขีดความสามารถในการแข่งขันจึงไม่ใช่ทางเลือกแต่เป็นความจำเป็นโดยเฉพาะสำหรับผู้ประกอบการธุรกิจ SMEs ของไทย โดยข้อมูลจาก สำนักงานส่งเสริมวิสาหกิจขนาดกลางและขนาดย่อม (สสว.) ชี้ว่า ภาพรวมธุรกิจ SMEs ในครึ่งปีแรกขยายตัว 3.0% คิดเป็น 34.7% ของ GDP รวม สะท้อนให้เห็นว่าธุรกิจ SMEs ยังคงเป็นกำลังสำคัญของเศรษฐกิจไทยท่ามกลางความท้าทายที่เพิ่มขึ้นในทุกมิติ BDI ในฐานะหน่วยงานหลักด้านการพัฒนาและบูรณาการเชื่อมโยงข้อมูลของประเทศ จึงเป็นส่วนหนึ่งในการเข้ามามีบทบาทรองรับการขยายตัวของธุรกิจ SMEs ให้สามารถก้าวทันเศรษฐกิจดิจิทัล สอดรับกับแนวนโยบาย ‘Quick  Win’ ของรัฐบาล โดยมุ่งเสริมแกร่ง เพิ่มขีดความสามารถการแข่งขัน และสร้างมูลค่าเพิ่มให้สินค้าและบริการด้วยพลังของ Big Data และ AI ให้กับผู้ประกอบการไทย โดยตลอดระยะเวลา 2 ปี ได้ผลักดันโครงการสำคัญอย่าง The UP: Unlock Potential with Data  ปัจจุบันมีผู้ประกอบการ SMEs กว่า 50 บริษัท ที่ผ่านโปรแกรมให้คำปรึกษาและสามารถนำองค์ความรู้ที่ได้รับไปต่อยอด พัฒนา และสร้างมูลค่าเพิ่มให้กับธุรกิจของตนเองได้อย่างเป็นรูปธรรม “การขับเคลื่อนดังกล่าวจะเป็นกลไกหนึ่งในการยกระดับเศรษฐกิจฐานรากของประเทศให้เติบโตบนฐานข้อมูลคุณภาพและนวัตกรรมดิจิทัล ช่วยให้ผู้ประกอบการ SMEs ไทย สามารถลดต้นทุน เพิ่มประสิทธิภาพ และต่อยอดธุรกิจสู่ตลาดใหม่ทั้งในและต่างประเทศได้อย่างยั่งยืน พร้อมสร้างคลื่นผู้ประกอบการยุคใหม่ที่ใช้ Big Data และ AI นำไปสู่การเพิ่มมูลค่า GDP จากภาค SMEs ให้เติบโตกว่าเดิม มีศักยภาพแข่งขันในระดับโลกมากขึ้น พร้อมเข้าสู่ยุค Data Economy อย่างเต็มรูปแบบ ผลักดันเศรษฐกิจดิจิทัลและยุทธศาสตร์การส่งออกของไทยให้เติบโตตามเป้าหมายของประเทศในระยะยาว” ล่าสุด BDI ได้จัดพิธีมอบประกาศนียบัตรให้แก่ผู้ประกอบการที่ผ่านการอบรมในโครงการ ‘The UP 2025: Unlock Potential with Data รุ่นที่ 2’ ที่เปิดโอกาสให้ผู้เข้าร่วมได้รับคำปรึกษาแบบตัวต่อตัว (One-to-One Mentoring) รวมกว่า 400 ชั่วโมง จากผู้เชี่ยวชาญด้านข้อมูล พร้อมเวิร์กชอปเชิงลึกด้านการวิเคราะห์ การสร้างคุณค่าทางธุรกิจจากข้อมูล และการพัฒนา Data Blueprint สำหรับแต่ละกิจการ เพื่อให้สามารถนำไปประยุกต์ใช้ได้จริง ในปี 2568 มีผู้เข้าร่วมกว่า 33 บริษัท ซึ่งผู้ประกอบการทุกบริษัทได้รับ Roadmap สำหรับวางแผนพัฒนาองค์กรในระยะต่อไป หลายบริษัทสามารถลดต้นทุนและสต็อกสินค้า เพิ่มประสิทธิภาพการทำงาน (Productivity Gain) และลดความผิดพลาดจากกระบวนการทำงานซ้ำซ้อน ขณะเดียวกันผู้ประกอบการบางรายสามารถสร้างรายได้ใหม่จากตลาด B2C สามารถขยายฐานลูกค้าใหม่ได้ในระหว่างการเข้าร่วมโครงการ และอีกหลายบริษัทได้พัฒนาระบบข้อมูลเชิงโครงสร้าง เช่น Dashboard, ERP และ CRM ที่เชื่อมโยงข้อมูลทุกฝ่ายเข้าด้วยกัน ภายในงานยังมีการมอบรางวัลให้แก่ผู้ประกอบการที่มีผลงานโดดเด่น 5 ด้าน ประกอบด้วย ด้าน Excellent Transformation Award ได้แก่ บริษัท แบงคอก สวิม ทีม จำกัด, ด้าน Endeavor Award ได้แก่ บริษัท ซ้งพาณิชย์ จำกัด, ด้าน Growth Momentum Award ได้แก่ บริษัท ไร้ท์ รีแอคติเวชั่น จำกัด (มหาชน), ด้าน Collaborative Spirit Award ได้แก่ บริษัท ไทย-เยอรมัน เดคคอร์ จำกัด และด้าน Dedicated Team Award ได้แก่ บริษัท ลิงก์ เทคโนโลยี คอร์ปอเรชั่น จำกัด ซึ่งสะท้อนให้เห็นถึงศักยภาพและความเป็นไปได้ของการใช้ข้อมูลเป็นเครื่องมือสำคัญในการขับเคลื่อนการเติบโตอย่างยั่งยืนให้กับผู้ประกอบการไทย “BDI ยังคงมุ่งมั่นเดินหน้าขยายผลโครงการ The UP: Unlock Potential with Data สู่ปีที่ 3 ด้วยเป้าหมายในการต่อยอดความสำเร็จเหล่านี้ให้เข้าถึง SMEs ในทุกภูมิภาคทั่วประเทศ เพื่อสร้างระบบนิเวศทางธุรกิจที่แข็งแกร่งบนพื้นฐานของข้อมูลและปัญญาประดิษฐ์ (Data & AI Ecosystem) ที่ช่วยให้ SMEs ใช้ข้อมูลตัดสินใจได้อย่างแม่นยำและแข่งขันได้ในยุคดิจิทัล และผลักดันให้ SMEs ไทยก้าวสู่การเป็นผู้เล่นสำคัญในเวทีเศรษฐกิจโลกได้อย่างภาคภูมิ” ดร.สุนทรีย์ กล่าวสรุป
22 October 2025

บทความ

BDI โชว์ Data Catalog บนแพลตฟอร์ม “Envi Link” มุ่งสร้างประโยชน์ทุกภาคส่วน สู่การแก้ปัญหาสิ่งแวดล้อมอย่างยั่งยืน ในงาน Government Data Catalog Day 2568
20 ตุลาคม 2568, ปทุมธานี – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI โดยเจ้าหน้าที่ โครงการ Envi Link แพลตฟอร์มเชื่อมโยงข้อมูลด้านสิ่งแวดล้อมแห่งชาติ พร้อมด้วยเจ้าหน้าที่ที่เกี่ยวข้อง ร่วมจัดบูทนิทรรศการ หัวข้อ การขับเคลื่อนประเทศด้วยพลังแห่งการบูรณาการข้อมูลภาครัฐ ภายในงานประชุมสัมมนา Government Data Catalog Day ประจำปี 2568 ภายใต้แนวคิด “Unlocking Thailand’s Data Potential” จัดโดย สำนักงานสถิติแห่งชาติ (สสช.) โดยได้รับเกียรติจากนางจีราวรรณ บุญเพิ่ม ที่ปรึกษารัฐมนตรีว่าการกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอี) เป็นประธานในพิธีเปิดงาน ณ โรงแรมโนโวเทล ฟิวเจอร์พาร์ค รังสิต จังหวัดปทุมธานี โดยบูท Envi Link ได้นำเสนอรายละเอียดเกี่ยวกับแพลตฟอร์มเชื่อมโยงข้อมูลด้านสิ่งแวดล้อม ที่ใช้เทคโนโลยี Big Data เชื่อมโยงและวิเคราะห์ข้อมูลจากกว่า 30 หน่วยงานทั่วประเทศ รวมมากกว่า 200 ชุดข้อมูล เพื่อบูรณาการและส่งเสริมการใช้ประโยชน์จากข้อมูล สู่การแก้ไขปัญหาสิ่งแวดล้อมอย่างยั่งยืน ทั้งนี้ แพลตฟอร์ม Envi Link แบ่งออกเป็น 3 บริการหลัก คือ 1. การสืบค้นข้อมูลผ่านบริการ Data Catalog ที่รวบรวมข้อมูล หรือรายชื่อข้อมูลที่เป็นประโยชน์ 2. บริการข้อมูล เพื่อการวิจัย และพัฒนานวัตกรรมผ่านบริการข้อมูลที่มีมาตรฐาน ในรูปแบบ API หรือไฟล์ข้อมูลในรูปแบบอื่น ๆ และ 3. บริการแดชบอร์ด นำเสนอการวิเคราะห์ข้อมูลผ่าน Interactive Dashboardสำหรับสนับสนุนการตัดสินใจในเชิงนโยบายอย่างมีทิศทาง การจัดงานในครั้งนี้จัดขึ้นต่อเนื่องเป็นปีที่ 4 เพื่อเผยแพร่ผลสำเร็จของการพัฒนาระบบบัญชีข้อมูลภาครัฐ (Government Data Catalog) ซึ่งเป็นเครื่องมือสำคัญในการยกระดับการบริหารจัดการข้อมูลภาครัฐให้มีมาตรฐานเดียวกันทั่วประเทศ สนับสนุนการขับเคลื่อนนโยบายรัฐบาลอัจฉริยะ (Smart & Open Government) และก้าวสู่การขับเคลื่อนประเทศด้วยข้อมูล (Data-Driven Nation) อย่างแท้จริง โดยภายในงานมีหน่วยงานทั้งภาครัฐ รัฐวิสาหกิจ องค์การมหาชน และสถาบันการศึกษา เข้าร่วมกว่า 100 หน่วยงาน สำหรับระบบบัญชีข้อมูลภาครัฐในปัจจุบัน มีหน่วยงานทั้งส่วนกลาง ส่วนภูมิภาค และท้องถิ่น เข้าร่วมกว่า 296 หน่วยงาน พร้อมให้บริการข้อมูลกว่า 25,000 ชุดข้อมูล และได้ลงทะเบียนบนระบบบัญชีข้อมูลภาครัฐมากกว่า 19,000 ชุดข้อมูล โดยสำนักงานสถิติแห่งชาติทำหน้าที่กำกับดูแลมาตรฐานตามกรอบธรรมาภิบาลข้อมูลภาครัฐ (Data Governance Framework) เพื่อให้ข้อมูลทุกชุดมีความถูกต้อง น่าเชื่อถือ และพร้อมใช้งานสำหรับภาครัฐ ภาคเอกชน สถาบันการศึกษา และประชาชนทั่วไป
20 October 2025

บทความ

BDI ร่วมประชุมคณะอนุกรรมการวิชาการและระบบข้อมูลสุขภาพ ครั้งที่ 1/2568 หารือแนวทางขับเคลื่อนสุขภาพดิจิทัลแห่งชาติ
15 ตุลาคม 2568, นนทบุรี – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI เข้าร่วมประชุมคณะอนุกรรมการวิชาการและระบบข้อมูลสุขภาพ ครั้งที่ 1/2568 ณ สำนักงานปลัดกระทรวงสาธารณสุข จังหวัดนนทบุรี โดยมีนายพัฒนา พร้อมพัฒน์ รัฐมนตรีว่าการกระทรวงสาธารณสุข มอบนโยบาย การประชุมครั้งนี้ มีการรายงานความคืบหน้าของการดำเนินงานด้านระบบสุขภาพดิจิทัลในประเด็นสำคัญต่าง ๆ โดย ศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) ในฐานะหน่วยงานหลักในการขับเคลื่อนการพัฒนาระบบข้อมูลสุขภาพดิจิทัลของประเทศ ได้แสดงความพร้อมในการสนับสนุนการบูรณาการและเชื่อมโยงข้อมูลระหว่างหน่วยงาน ทั้งภายในและภายนอกกระทรวงสาธารณสุข นอกจากนี้ยังมีการหารือการจัดทำบันทึกความร่วมมือ (MOU) และ Data Sharing Agreement (DSA) ระหว่างกระทรวงสาธารณสุขกับหน่วยงานภายนอก เพื่อสนับสนุนการเชื่อมโยงข้อมูลระหว่างระบบ Health Link กับระบบของกระทรวงสาธารณสุข ในช่วงท้ายของการประชุม รัฐมนตรีว่าการกระทรวงสาธารณสุข ได้เน้นย้ำถึงความสำคัญของการบูรณาการข้อมูลระหว่างหน่วยงาน เพื่อมุ่งสู่การพัฒนา Virtual Cloud ด้านสุขภาพระดับประเทศ รองรับการขับเคลื่อนนโยบายดิจิทัลของรัฐบาล และเป็นรากฐานสำคัญในการพัฒนาบริการสุขภาพ จากการเชื่อมโยงข้อมูลประชาชนอย่างครบวงจร การประชุมครั้งนี้ถือเป็นอีกก้าวสำคัญของการสร้างระบบนิเวศด้านสุขภาพดิจิทัลที่ยั่งยืนและปลอดภัย เพื่อประโยชน์สูงสุดของประชาชนและการบริหารจัดการระบบสุขภาพของประเทศในอนาคต
15 October 2025

บทความ

BDI Launches “Envi Link” Platform to Combat PM2.5 with Big Data. Promoting Chiang Mai as a model for sustainable air pollution management
9 – 10 October 2025, Chiang Mai – The Big Data Institute (Public Organization) or BDI, under the Ministry of Digital Economy and Society, is launching “Envi Link”, an environmental data platform that uses Big Data technology to connect and analyze data from over 30 agencies nationwide, totaling over 200 datasets. The platform is designed to support systematic management of the air pollution problem (PM 2.5). Chiang Mai Province has been selected as a pilot area for implementing “data-driven environmental management” to improve air quality, enhance quality of life, and promote the long-term sustainability of the city. Mr. Sivakorn Buapong, Deputy Governor of Chiang Mai Province, stated that Chiang Mai has faced continuous challenges in terms of air pollution due to PM 2.5 and other air pollutants for many years. The introduction of an integrated data system such as “Envi Link” marks a game-changing step for local environmental management. This is because it provides local authorities with more in-depth and accurate information to assess situations, as well as to plan and implement measures promptly. In particular, the use of data dashboards enables executives to monitor near real-time conditions in each area, analyze trends, and systematically evaluate performance based on data-driven decisions. The Deputy Governor added that the cooperation between Chiang Mai and BDI is not only about using data technology to address the smog problem, but also serves as a model for a “clean air city”, where the public, private, and educational sectors can access and use the same data to monitor conditions, plan jointly, and prevent problems through participatory approaches. This represents an advancement to proactive environmental management driven by real data and cooperation across all sectors. Prof. Dr. Tiranee Achalakul, President of the Big Data Institute (Public Organization) or BDI, states that BDI is committed to harnessing the...
10 October 2025

บทความ

AI ทำนายทายทัก: การประยุกต์ใช้ Big Data และปัญญาประดิษฐ์ (AI) ในการพยากรณ์อนาคต 
การพยากรณ์อนาคตหรือการดูดวง ถือเป็นกิจกรรมที่อยู่คู่กับมนุษยชาติมาอย่างยาวนาน ตั้งแต่ยุคโบราณที่มนุษย์เริ่มสังเกตดวงดาว การเคลื่อนที่ของดวงอาทิตย์ ดวงจันทร์ และดาวเคราะห์ เพื่อนำมาทำนายฤดูกาล การเกษตร ตลอดจนเหตุการณ์สำคัญในชีวิต เช่น การเกิด การแต่งงาน หรือการตัดสินใจทางการเมือง หลักฐานทางโบราณคดีในหลายอารยธรรม เช่น บาบิโลน อียิปต์ อินเดีย และจีน แสดงให้เห็นว่ามนุษย์มีความพยายามหาความหมายจากสิ่งเหนือธรรมชาติและปรากฏการณ์ทางจักรวาลมาโดยตลอด และในสังคมไทยเอง การดูดวงก็มีทั้งในรูปแบบโหราศาสตร์ไทย ไพ่ยิปซี พรหมญาณ ตลอดจนศาสตร์การทำนายที่ผสมผสานกับความเชื่อทางพุทธศาสนา การดูดวงจึงไม่เพียงเป็นกิจกรรมทางจิตวิทยาที่ช่วยสร้างความมั่นใจ แต่ยังเป็นส่วนหนึ่งของผู้คนที่สืบทอดกันมาหลายชั่วอายุคน  และในยุคดิจิทัลปัจจุบัน เทคโนโลยีได้เข้ามามีบทบาทในทุกมิติของชีวิตมนุษย์ แม้กระทั่งการดูดวงเองก็ไม่อาจแยกออกจากการพัฒนาของ ข้อมูลขนาดใหญ่ (Big Data) และ ปัญญาประดิษฐ์ (Artificial Intelligence: AI) การประมวลผลข้อมูลมหาศาลร่วมกับอัลกอริทึมการเรียนรู้ของเครื่อง (Machine Learning) ช่วยให้การทำนายดวงมีความหลากหลายและมีความเป็นส่วนตัวมากขึ้น ผู้ใช้สามารถเข้าถึงบริการได้ผ่านแอปพลิเคชัน เว็บไซต์ และแชตบอตตลอด 24 ชั่วโมง การผสมผสานศาสตร์โบราณกับเทคโนโลยีสมัยใหม่ จึงเป็นเรื่องที่น่าสนใจ เพราะนอกจากจะสะท้อนถึงพลวัตของสังคมมนุษย์แล้ว ยังชี้ให้เห็นถึงศักยภาพของ Big Data และ AI ในการนำมาใช้กับศาสตร์ที่เกี่ยวข้องกับความเชื่อส่วนบุคคล ซึ่งแต่เดิมอาจถูกมองว่าเป็นนามธรรมและยากต่อการพิสูจน์  ปัจจุบันมีหลายแพลตฟอร์มที่ให้การพยากรณ์ดูดวง เช่น เว็บไซต์ myhora.com หนึ่งในผู้ให้บริการดูดวงออนไลน์ที่ได้รับความนิยมในประเทศไทย โดยให้บริการโหราศาสตร์ไทย การคำนวณดวงชะตาจากวันเดือนปีเกิด การผูกดวง และการพยากรณ์เหตุการณ์สำคัญ ข้อได้เปรียบของแพลตฟอร์มนี้ คือ การนำ ฐานข้อมูลวันเกิด ดวงดาว และหลักโหราศาสตร์ไทย มาวิเคราะห์แบบอัตโนมัติ ทำให้ผู้ใช้ได้รับผลการทำนายที่เฉพาะเจาะจงตามข้อมูลส่วนบุคคล หรือแพลตฟอร์ม ChatGPT แม้ ChatGPT ไม่ได้ถูกออกแบบมาเพื่อการดูดวงโดยตรง แต่ผู้ใช้นิยมนำมาเป็น “ผู้ช่วยดูดวง” ด้วยการพิมพ์คำถาม เช่น การทำนายความรัก การงาน หรือโชคลาภ ด้วยเทคนิคการ ประมวลผลภาษาธรรมชาติ (Natural Language Processing: NLP) ทำให้ AI สามารถตอบสนองต่อคำถามในลักษณะการสนทนาได้อย่างสมจริง นอกจากนี้ ChatGPT ยังสามารถสร้างสรรค์คำทำนายใหม่ ๆ ที่ผสมผสานระหว่างข้อมูลดั้งเดิมกับการประยุกต์ในเชิงจินตนาการ สะท้อนถึงแนวโน้มของการใช้ AI เป็นเครื่องมือสนับสนุนด้านจิตวิทยาและความเชื่อ รวมไปถึงแอปพลิเคชันโหราศาสตร์ต่างประเทศ เช่น Co-Star และ The Pattern ซึ่งอาศัยฐานข้อมูลตำแหน่งดาวเคราะห์จากองค์การนาซา (NASA) และใช้ Machine Learning วิเคราะห์ความสัมพันธ์ของดวงดาวกับบุคลิกภาพผู้ใช้ แอปเหล่านี้ยังสามารถเชื่อมต่อกับโซเชียลมีเดียเพื่อทำนายความเข้ากันได้ระหว่างเพื่อนหรือคู่รัก แสดงให้เห็นถึงการผสมผสานระหว่าง Big Data และ AI กับศาสตร์ดั้งเดิมอย่างลึกซึ้ง  การนำ Big Data และ AI มาประยุกต์ใช้กับการดูดวง สามารถอธิบายได้เป็นลำดับขั้นโดยสังเขป ดังนี้  1. การเก็บรวบรวมข้อมูล (Data Collection) ได้ว่าจะเป็น ข้อมูลเชิงดาราศาสตร์ ตำแหน่งของดวงดาว ดาวเคราะห์ และปรากฏการณ์ทางจักรวาลจากฐานข้อมูลวิทยาศาสตร์ ข้อมูลผู้ใช้ วันเดือนปีเกิด เวลาเกิด สถานที่เกิด ตลอดจนข้อมูลส่วนบุคคล เช่น เพศ ความสนใจ หรือพฤติกรรมออนไลน์ และข้อมูลจากแหล่งสังคมออนไลน์ (Social Media Data) การโพสต์ ความรู้สึก หรือการแสดงความคิดเห็นของผู้ใช้ ซึ่งสามารถสะท้อนถึงอารมณ์และบุคลิกภาพ  2. การจัดเก็บและประมวลผลข้อมูล (Data Processing & Storage) เมื่อได้ข้อมูลจำนวนมหาศาลแล้ว จำเป็นต้องอาศัยเทคโนโลยี Big Data เช่น Hadoop, Spark หรือฐานข้อมูลเชิงสัมพันธ์และไม่เชิงสัมพันธ์ (SQL/NoSQL) เพื่อจัดเก็บข้อมูลและเตรียมพร้อมสำหรับการวิเคราะห์  3. การวิเคราะห์ข้อมูลด้วย AI ซึ่งมีตัวอย่างที่น่าสนใจมีการนำวิเคราะห์ข้อมูล เช่น  ที่มาภาพ: https://blogs.sas.com/content/subconsciousmusings/2020/12/09/machine-learning-algorithm-use/  ที่มาภาพ: https://www.datasciencecentral.com/top-nlp-algorithms-amp-concepts/  ที่มาภาพ: https://www.geeksforgeeks.org/artificial-intelligence/artificial-neural-networks-and-its-applications/  4. การนำเสนอผลลัพธ์ (Result Presentation) ผลการวิเคราะห์จะถูกนำเสนอผ่านแอป เว็บไซต์ หรือแชตบอต โดยมักปรับแต่งให้เหมาะสมกับผู้ใช้แต่ละราย เพื่อสร้างประสบการณ์ที่เป็นส่วนตัว (Personalized Experience)  5. การเรียนรู้และปรับปรุงต่อเนื่อง (Feedback & Continuous Learning) ระบบ AI จะเก็บข้อมูลปฏิกิริยาของผู้ใช้ เช่น ความพึงพอใจ การแชร์ หรือการใช้บริการซ้ำ นำไปปรับปรุงแบบจำลองการทำนายให้มีความแม่นยำและสอดคล้องกับพฤติกรรมมนุษย์มากขึ้น  การประยุกต์ใช้ Big Data และ AI ในการดูดวงเป็นปรากฏการณ์ที่สะท้อนให้เห็นถึงการผสมผสานระหว่างศาสตร์โบราณกับเทคโนโลยีสมัยใหม่อย่างลงตัว แม้คำทำนายจะยังไม่สามารถพิสูจน์ทางวิทยาศาสตร์ได้ แต่การนำ AI มาวิเคราะห์ข้อมูลจำนวนมหาศาลได้สร้างความน่าสนใจและเพิ่มคุณค่าเชิงประสบการณ์ให้แก่ผู้ใช้ในอนาคต ซึ่งมีผลกระทบต่อมนุษย์และสังคม ไม่ว่าจะเป็นการเข้าถึงที่ง่ายและรวดเร็ว ผู้ใช้สามารถดูดวงได้ทุกที่ทุกเวลา มีการปรับแต่งเฉพาะบุคคลโดย AI วิเคราะห์ข้อมูลเชิงลึก ทำให้คำทำนายมีความเฉพาะเจาะจงมากขึ้น อีกทั้งเป็นการผสมผสานความบันเทิงและจิตวิทยา บริการดูดวงช่วยบรรเทาความวิตกกังวล และสร้างความมั่นใจ ทำให้มีการพัฒนาเชิงเศรษฐกิจ อุตสาหกรรมดูดวงออนไลน์สร้างรายได้และเปิดโอกาสใหม่ในการพัฒนาธุรกิจดิจิทัล  แต่อย่างไรก็ตาม ผลกระทบที่ควรต้องพึงระวัง คือ ปัญหาความถูกต้อง เนื่องจากคำทำนายที่ได้จาก AI เป็นเพียงความน่าจะเป็นไปได้ตามฐานคำนายที่มี และความเป็นส่วนตัวของข้อมูล การเก็บข้อมูลส่วนบุคคลจำนวนมากอาจนำไปสู่ความเสี่ยงด้านการรั่วไหลได้ อีกทั้งการพึ่งพามากเกินไป ผู้ใช้บางรายอาจหลงเชื่อคำทำนายจนส่งผลต่อการตัดสินใจที่สำคัญในชีวิต รวมไปถึงข้อถกเถียงทางจริยธรรม การใช้ AI ในการเสริมสร้างความเชื่อที่ไม่สามารถพิสูจน์ได้  จึงทำให้เราควรตระหนักและให้ความสำคัญในการพัฒนามาตรฐานด้านความปลอดภัยข้อมูล เพื่อปกป้องความเป็นส่วนตัวของผู้ใช้ และการสร้างความรู้เท่าทันดิจิทัล (Digital Literacy) ให้ผู้ใช้เข้าใจว่าคำทำนายจาก AI มีข้อจำกัด รวมทั้งการวิจัยและพัฒนา ในการผสมผสานข้อมูลวิทยาศาสตร์จิตวิทยาเข้ากับการดูดวง เพื่อเพิ่มคุณค่าเชิงวิชาการ และการใช้ประโยชน์ทางเศรษฐกิจและสังคม เช่น การสร้างแพลตฟอร์มที่ผสมผสานความบันเทิง การศึกษา และการเสริมกำลังใจให้ผู้คน  เอกสารอ้างอิง  https://www.tandfonline.com/doi/full/10.1080/1369118X.2012.678878 https://bernardmarr.com/wp-content/uploads/2022/05/Big-Data-Esampler-1.pdf http://lib.ysu.am/disciplines_bk/efdd4d1d4c2087fe1cbe03d9ced67f34.pdf 
6 October 2025
PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings