ChatGPT, AI, Generative AI, Digital Twin, Manufacturing

การใช้ ChatGPT / Generative AI ในอุตสาหกรรมการผลิต

อัปเดตล่าสุด 31 ธ.ค. 2566

Generative AI เช่น ChatGPT กำลังถูกนำมาใช้ในอุตสาหกรรมการผลิต ที่ช่วยมนุษย์ทำงานและสร้างนวัตกรรมใหม่ได้เร็วขึ้น และมีต้นทุนถูกลงอย่างมาก

“ChatGPT คือ ปัญญาประดิษฐ์ (Artificial Intelligence: AI) หรือ AI chatbot พัฒนาขึ้นโดยบริษัท OpenAI เป็น Language model ในกลุ่ม generative pre-trained transformer (GPT) และเป็น Generative AI ชนิดหนึ่งที่ถูกออกแบบขึ้นเพื่อรับคำสั่งจากผู้ใช้ในภาษาธรรมชาติ (Natural language) เช่น ภาษาพูด เพื่อสร้างข้อมูลใหม่จากฐานข้อมูลที่มีอยู่ ไม่ว่าจะเป็นข้อความ รายงาน ไปจนถึงข้อมูลในรูปแบบอื่น ๆ เช่นภาพและเสียง”

Microsoft ร่วม Siemens พัฒนา 'Generative AI' ขับเคลื่อน ‘ผลผลิตทางอุตสาหกรรม’

Advertisement

สิ่งสำคัญที่ทำให้ Generative AI ได้รับการจับตามองเป็นอย่างมากในปัจจุบัน คือ คอมพิวเตอร์ได้เปลี่ยนบทบาทจากการสนับสนุนมนุษย์ในการสร้างสรรค์ผลงานมาเป็นทำงานเหล่านี้แทนทั้งหมด เช่น การเขียนบทความ การทำภาพประกอบ และการเขียนโปรแกรม ไปจนถึงเปลี่ยนการทำงานจากที่มนุษย์สั่งเครื่องจักรจาก “ทำงานอย่างไร” มาเป็น “ทำงานอะไร” เช่น สั่งให้ ChatGPT เขียนบทความแทนการเขียนเอง หรือสั่งให้ MidJourney สร้างรูปขึ้นมาแทนการลากเส้นด้วยตัวเอง

สมาคมเพื่อความก้าวหน้าของออโตเมชัน หรือ A3 (Association for Advancing Automation) ได้พูดถึงเรื่องดังกล่าวผ่านบทความในหัวข้อ “ChatGPT และอุตสาหกรรมการผลิต: Generative AI จะเปลี่ยนการใช้งานในภาคอุตสาหกรรมได้อย่างไร” ซึ่งเผยแพร่เมื่อวันที่ 8 พฤษภาคม 2023 มีสาระสำคัญ ดังนี้

Generative AI ใช้ทำงานได้ แต่ไม่ 100%

โดยทั่วไปแล้ว AI ทำงานโดยการมองหารูปแบบและทำซ้ำ แม้ว่า ChatGPT สามารถเขียนบทกวีได้ แต่ ChatGPT ไม่เข้าใจบทกวีนั้น หรือ MidJourney ที่แม้จะสร้างภาพขึ้นได้แต่ไม่รู้ว่ากำลังวาดอะไรอยู่ ซึ่งสิ่งนี้ คือข้อจำกัดของ AI ในปัจจุบัน ยกตัวอย่างเช่น CNET เว็บไซต์สื่อจากสหรัฐฯ ที่ใช้ Generative AI เขียนบทความ ซึ่งหลายบทความที่ถูกเขียนขึ้นจำเป็นต้องได้รับการแก้ไข

สิ่งนี้หมายความว่า Generative AI สามารถใช้ในการทำงานได้ แต่ไม่ใช่ 100% ยกตัวอย่างเช่น หากใช้ AI เขียนโปรแกรม ก็จำเป็นต้องมีโปรแกรมเมอร์ตรวจสอบผลลัพธ์ที่ได้ ซึ่งหมายถึง มนุษย์จะยังไม่ถูกแทนที่ในเร็ว ๆ นี้ แต่ก็สะท้อนว่า AI กำลังเข้ามาเปลี่ยนแปลงการสร้างสรรค์ การออกแบบ และการทำงานเช่นเดียวกัน

นาย Holger Kenn ผู้อำนวยการฝ่ายกลยุทธ์ธุรกิจ AI และเทคโนโลยีเกิดใหม่ บริษัท Microsoft แสดงความเห็นว่า การวิวัฒนาการร่วม (Coevolution) เกิดจากการผนวกสิ่งที่ AI ทำเข้ากับทักษะของมนุษย์ ยิ่ง AI ก้าวหน้า มนุษย์ก็จะยิ่งมีวิธีคิดเปลี่ยนไป ยกตัวอย่างเช่น ศิลปินที่แต่เดิมใช้รูปทรงในการสร้างสรรค์ผลงาน มาเป็นการใช้คำอธิบาย หรือ “Prompt” ในการผลิตผลงาน ซึ่ง Generative AI ได้เปลี่ยนบทบาทของศิลปินให้เหมือนกับผู้กำกับงานศิลป์มากขึ้น

ด้วยเหตุนี้ จึงคาดการณ์ได้ว่าในอุตสาหกรรมการผลิตเองก็จะมีการเปลี่ยนแปลงในแนวทางคล้ายคลึงกัน

Generative AI ในอุตสาหกรรมการผลิต

ที่แล้วมา การออกแบบหุ่นยนต์ หัวหน้าวิศวกรจำเป็นต้องตั้งเป้าว่าหุ่นยนต์จะทำอะไรได้บ้าง จากนั้นจึงสร้างหุ่นยนต์ขึ้นมา แต่ Generative AI จะข้ามขั้นตอนการออกแบบรายละเอียดปลีกย่อย เปลี่ยนการออกแบบไปเป็นการสั่ง AI ว่าอยากได้หุ่นยนต์แบบไหน จากนั้น AI จึงจะออกแบบเพื่อให้มนุษย์ทำงานต่อ ซึ่งแม้ว่าปัจจุบันจะยังไม่มี AI ที่ออกแบบหุ่นยนต์ได้ แต่เครื่องมือต่าง ๆ กำลังเดินหน้าไปสู่จุดนี้

นาย Kenn เชื่อว่า พื้นที่แรกที่ Generative AI จะเข้ามาเปลี่ยนแปลงในอุตสาหกรรมการผลิต คือส่วนต่อประสานกับผู้ใช้ (User Interfaces: UI) และการสร้างโค้ด (Code generation) ซึ่งปัจจัยหนึ่งที่ทำให้เทคโนโลยี AI เติบโตอย่างรวดเร็ว คือ การประมวลผลภาษาธรรมชาติ ช่วยให้ผู้ใช้สั่งการคอมพิวเตอร์ได้เหมือนพูดคุยกับมนุษย์

ปัจจุบันหลายบริษัทได้นำเทคโนโลยี Digital Twin จำลองวัตถุทางกายภาพ กระบวนการ และระบบ ให้ออกมาเป็นฝาแฝดดิจิทัล ซึ่งรวมถึงการจำลองสายการผลิตและซัพพลายเชน

Digital Twin เทคโนโลยีเปลี่ยนโลกอุตสาหกรรม

บน Digital Twin หากต้องการใช้ข้อมูลหรือทดสอบกระบวนการผลิตใหม่ ๆ จะต้องพึ่งพาผู้เชี่ยวชาญ แต่สำหรับ Generative AI แล้ว ผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญจะสามารถใช้ภาษาธรรมชาติในการสื่อสาร บอกสิ่งที่อยากรู้ให้ AI เหมือนคุยกับผู้เชี่ยวชาญด้วยตัวเอง ซึ่งมีข้อได้เปรียบ คือ ประสบการณ์ใช้งานจะมีการโต้ตอบ เป็นธรรมชาติมากขึ้น และทำซ้ำได้เร็วกว่าที่แล้วมา

การทำซ้ำนี้ เป็นข้อได้เปรียบที่สำคัญมาก เนื่องจากการออกแบบจำเป็นต้องทำหลายต่อหลายครั้ง และนำข้อมูลที่ได้จากการออกแบบแต่ละครั้งไปปรับใช้ในครั้งถัดไป ซึ่งหมายถึงต้นทุนและเวลาที่เพิ่มขึ้น ยกตัวอย่างเช่น ในการวางผังโรงงานจะต้องรอแผนผังของแต่ละส่วนงานให้เรียบร้อยก่อน จากนั้นจึงประเมินและตัดสินใจในการทำซ้ำครั้งต่อไป และอาจมีข้อจำกัดด้วยจำนวนบุคลากรหรือชั่วโมงการทำงาน

ในทางกลับกัน AI สามารถช่วยเร่งการทำซ้ำได้ ด้วยการอธิบายสิ่งที่ต้องการเพื่อสร้างขึ้นใน Digital Twin ซึ่งสามารถสร้างชุดข้อมูลได้หลายชุด ทดลองปรับค่าต่าง ๆ ให้เหมาะสมเพื่อประเมิลผล และสั่ง AI ให้พัฒนาข้อมูลเหล่านี้ต่อ ซึ่งกระบวนการนี้คล้ายคลึงกับการทำงานของหัวหน้าวิศวกร แต่ต่างกันที่ AI ทำงานได้เร็วกว่า ทดลองตัวแปรต่าง ๆ ได้มากกว่า และไม่รู้สึกไม่พอใจเมื่อสั่งแก้ไขแบบ

ส่วนความสามารถในการสร้างโค้ดของ AI ก็เป็นสิ่งสำคัญที่ช่วยสนับสนุนนักออกแบบให้สามารถสร้างระบบที่ดีขึ้นควบคู่ไปกับการบำรุงรักษาระบบที่มีอยู่ ซึ่งช่วยลดต้นทุนของบริษัทได้ และเปลี่ยนภาษาพูดเป็นโค้ดที่เป็นสินทรัพย์ได้อีกด้วย ซึ่งนาย Kenn คาดการณ์ว่า ในช่วงต้น การสั่งการ AI ยังต้องสั่งโดยละเอียด แต่ในอนาคตจะสามารถป้อน Datasheet และเอกสารอื่น ๆ เพื่อให้ AI ดำเนินการต่อได้โดยอัตโนมัติ

อย่างไรก็ตาม แม้ Generative AI จะสามารถให้ผลลัพธ์ที่ดีได้ แต่ก็ยังไม่สามารถนำไปใช้งานในการผลิตได้ทันที

นาย Kenn กล่าวว่า สิ่งที่ AI ยังไม่สามารถเทียบเท่าการทำงานของมนุษย์ได้ คือ AI ยังไม่เข้าใจโลกแห่งความจริง ไม่เข้าใจถึงหลายสิ่งที่มนุษย์เข้าใจความสำคัญ เช่น เวลา สิ่งสำคัญสำหรับมนุษย์ แต่เป็นเพียงตัวเลขสำหรับ AI

ซึ่งในอนาคต AI จะสามารถพัฒนาผลลัพธ์ให้ดียิ่งขึ้นได้ ยกตัวอย่างเช่นในกรณีของ MidJourney ที่ก่อนหน้านี้วาดมนุษย์ที่มีจำนวนฟันเยอะเกินไป แต่โมเดลปัจจุบันสามารถแก้ไขปัญหานี้ได้แล้ว

ในโรงงานเองก็เช่นเดียวกัน ยกตัวอย่างเช่น คำว่า “Rack” และ “Controller” ซึ่งมีความหมายต่างกันไปตามแต่การใช้งาน ซึ่งในอนาคต AI จะสามารถเข้าใจความหมายในแต่ละสถานการณ์ได้โดยไม่ต้องสร้างโมเดลใหม่ขึ้นมารองรับผ่านการเชื่อมต่อกับโมเดล AI ที่เชี่ยวชาญกว่า เช่น หากถาม AI ว่า “ปัจจุบันโรงงานมีการใช้ทรัพยากรเท่าไร” ซึ่งไม่มีคำตอบแน่นอน AI ก็จะเชื่อมต่อกับ Digital Twin เพื่อตอบคำถามนี้ ซึ่งสิ่งนี้เองที่จะช่วยให้ AI แพร่หลายได้ง่ายขึ้น

หรือตัวอย่างการหาชิ้นส่วนอะไหล่ในแคตตาล็อก เช่น การหา 3-pin connector สำหรับพนักงานแล้ว อาจเป็นเรื่องยากหากไม่รู้ว่าชิ้นส่วนนี้คืออะไร แต่หากมี AI ที่สามารถอ่านข้อมูลจากภาพถ่ายหรือแบบร่างเพื่อหาอะไหล่แทนได้ ก็จะช่วยลดเวลาในการทำงานได้อย่างมากเหมือนมีผู้ช่วยคอยทำงาน

การนำ AI มาใช้งาน

โดยทั่วไปแล้ว อุตสาหกรรมการผลิตเป็นอุตสาหกรรมที่นำเทคโนโลยีออโตเมชันมาใช้งานช้า แม้ว่า AI จะมีศักยภาพ แต่หลายบริษัทก็รอให้ผู้ผลิตรายใหญ่พิสูจน์ศักยภาพนี้ให้เห็นก่อน ทำให้การใช้เทคโนโลยีเหล่านี้จะเป็นแบบ Top-down อย่างไรก็ตาม บางบริษัทได้เล็งเห็นความเป็นไปได้ในการใช้ Generative AI แก้ปัญหาและนำมาใช้งานแล้ว และมีหลายบริษัทที่แม้จะยังไม่นำมาใช้อย่างเป็นทางการ แต่ก็พบว่ามีพนักงานนำ AI มาใช้แล้ว

AI ข้อดี ข้อเสีย เมื่อนำมาใช้ในอุตสาหกรรม

อย่างไรก็ตาม AI ไม่ได้มีแต่ข้อดีอย่างเดียว เมื่อนำมาใช้งานก็มีข้อควรระวังดังนี้

AI ไม่ได้ถูกเสมอ หลายคนเชื่อว่าคอมพิวเตอร์ถูกเสมอ อย่างไรก็ตาม AI ไม่ได้ถูกต้องเสมอไป ยกตัวอย่างเช่น ChatGPT ซึ่งใช้ฐานข้อมูลจากอินเทอร์เน็ต แต่ฐานข้อมูลนี้ยังมีข้อมูลผิดพลาดจำนวนมาก
AI ไม่ได้อัปเดตตลอดเวลา AI ใช้ฐานข้อมูลที่ตายตัวเมื่อถูกสร้างขึ้น ดังนั้น จึงมีความเสี่ยงที่ข้อมูลจะไม่ทันต่อเหตุกรณ์ เช่น หากผู้ใช้ย้ายเครื่องจักรในโรงงาน Digital Twin ก็จะมีข้อมูลไม่ตรงกับความเป็นจริงจนกว่าจะได้รับการอัปเดต
AI ใช้งานได้เสมอ ในขณะเดียวกัน หาก AI มีการอัปเดตทุกวัน ก็อาจนำมาซึ่งปัญหาใหม่ ๆ ได้ เช่น AI ทำงานขัดข้อง
AI ไม่มีข้อมูลในภาษาที่ต้องการ ศักยภาพของ AI ไม่ได้อยู่ที่ฐานข้อมูลที่มีอยู่ แต่เป็นการเข้าถึงฐานข้อมูลผ่านภาษาต่าง ๆ ซึ่งนาย Kenn อธิบายว่า หากแยกโมเดลข้อมูลและโมเดลภาษาออกจากกันก็จะทำงานได้ดีขึ้น
AI อาจเข้าใจความหมายผิด ระบบอุตสาหกรรมถูกสร้างขึ้นบนฐานข้อมูลเชิงเทคนิค ซึ่งหมายความว่าฐานข้อมูลนี้อาจมีความหมายต่างกับภาษาธรรมชาติ

อนาคตของอุตสาหกรรมการผลิต

อุตสาหกรรมการผลิตมีพื้นที่ให้ AI และนวัตกรรมอื่น ๆ อีกมาก อย่างไรก็ตาม อุปสรรคของการนำเทคโนโลยีเหล่านี้มาใช้ คือ การสร้างรายได้จากนวัตกรรมเหล่านี้ โดยนาย Kenn อธิบายว่า ในที่สุดหุ่นยนต์จะเข้ามาครอบครองโรงงาน แต่มันยังไม่เกิดขึ้นจริงเพราะการสร้างหุ่นยนต์ทำงานยังคงเป็นเรื่องยากมาก ประโยชน์ของเทคโนโลยีใหม่จะต้องเหมาะสมกับการลงทุน ด้วย Generative AI จะมีความเป็นไปได้ที่ทำให้การลงทุนต่ำลงอย่างมากในการสร้างนวัตกรรมใหม่ ๆ

หนึ่งในพื้นที่ซึ่งอาจเป็นโอกาสของ Generative AI เข้าไปมีบทบาทได้ คือ “Brownfield deployment” หรือการติดตั้งฮาร์ดแวร์และซอฟต์แวร์ใหม่เข้ากับระบบ IT ที่มีอยู่เดิม ซึ่งการพัฒนาซอฟต์แวร์และฮาร์ดแวร์เพื่อให้อุปกรณ์เก่าสามารถใช้งานต่อได้เป็นเรื่องที่อาจไม่คุ้มค่า แต่ AI สามารถเข้ามาแบ่งเบาภาระในส่วนนี้ได้ ช่วยให้การอัปเดตเครื่องจักรและอุปกรณ์เก่าใช้ต้นทุนต่ำลง มีความเสี่ยงน้อยลง

นาย Kenn เสริมว่า สิ่งที่ควรจำให้ขึ้นใจ คือ การใช้ AI อย่างมีความรับผิดชอบ ผู้ใช้ไม่สามารถปล่อยให้ AI ทำงานทุกอย่างในโรงงานได้ ต้องตรวจสอบความถูกต้องของข้อมูลต่าง ๆ เช่นเดียวกับการยอมรับความเสี่ยงของการใช้ข้อมูลจากอินเทอร์เน็ต

Generative AI จึงไม่ใช่สิ่งที่จะมาแทนที่มนุษย์ แต่จะมาช่วยให้มนุษย์ทำงานดีขึ้นนั่นเอง