Connect with us

Hi, what are you looking for?

Notebookspec

Other News

[Tech] สุดยอดคำทำนายของโลก IT … ในปี 2030 นั้น ลูกๆ หลานๆ ของเราจะได้เรียนจากหุ่นยนต์ AI

เมื่อ 30 ปีที่แล้วนั้นเราเคยดีใจกันมากเมื่อโรงเรียนที่เราเรียนนั้นมีเครื่องคอมพิวเตอร์ที่เอาไว้ใช้สำหรับการสอนครับ กาลเวลาผ่านไป อีก 10 ปีต่อมานั้นสิ่งที่ทำให้เด็กๆ ดีใจได้นั่นก็คือการที่ตัวเองได้มีโน๊ตบุ๊คสำหรับการเรียนเป็นของตัวเอง

เมื่อ 30 ปีที่แล้วนั้นเราเคยดีใจกันมากเมื่อโรงเรียนที่เราเรียนนั้นมีเครื่องคอมพิวเตอร์ที่เอาไว้ใช้สำหรับการสอนครับ กาลเวลาผ่านไป อีก 10 ปีต่อมานั้นสิ่งที่ทำให้เด็กๆ ดีใจได้นั่นก็คือการที่ตัวเองได้มีโน๊ตบุ๊คสำหรับการเรียนเป็นของตัวเอง และอีก 13 ปีต่อจากนี้ไปจนถึงปี 2030 นั้นอ้างอิงจากนักทำนายทางด้านไอทีชื่อดังของโลกอย่าง Thomas Frey ได้ทำนายเอาไว้ว่า ณ ตอนนั้นเราจะมีหุ่นยนต์ที่กลายมาเป็นครูสอนแทนคนจริงๆ แล้วหล่ะครับ

Advertisement

robot teach in 2030 600 01

เรื่องดังกล่าวนั้้นไม่ได้ถือว่าเกินเลยจากความเป็นจริงไปอย่างใดเลยครับ เพราะในปัจจุบันที่เราๆ ท่านๆ กำลังอยู่กันตอนนี้นั้นก็มีข้อมูลที่เชื่อถือได้บอกถึงสถิติการเรียนรู้ของมนุษย์นั้นเริ่มจะหันมาเรียนจากระบบการศึกษาผ่านอินเตอร์เน็ตกันมากแล้ว แถมยิ่งนับวันนั้นระบบการเรียนรู้ผ่านหน้าคอมพิวเตอร์ก็ได้รับความน่าสนใจและมีผู้เข้าเรียนมากขึ้นทุกวันครับ

robot teach in 2030 600 02

ตามคำทำนายนั้นบอกเอาไว้ว่าในปี 2030 นั้นผู้ที่จะให้บริการการเรียนรู้ผ่านหุ่นยนต์นั้นจะเป็นบริษัทที่เกี่ยวข้องกับอินตอร์เน็ตซะเป็นส่วนใหญ่ เพราะบริษัทเหล่านี้ต่างก็พัฒนาปัญญาประดิษฐ์ตามหลักการ machine-learning และหุ่นยนต์ที่นับวันจะมีประสิทธิภาพมากขึ้นเรื่อง ดังเช่น

  • Google กับระบบที่เรียกว่า DeepMind
  • IBM กับหุ่นยนต์ที่มีชื่อว่า Watson-powered robots
  • Amazon กับอากาศยานไร้คนขับ(หรือหุ่นยนต์ที่ใช้การบินเป็นวิธีเดินทาง) สำหรับส่งของทางอากาศ

จะเห็นได้ครับว่าการทำนายของทาง Thomas Frey นั้นไม่ได้เกินจริงแต่อย่างใด เผลอๆ ไม่แน่ว่าเราๆ ท่านๆ อาจจะได้เห็นครูหุ่นยนต์กันก่อนปี 2030 ก็เป็นได้ อย่างไรก็ตามแต่งานนี้คนมีอาชีพเป็นครูและอาจารย์นั้นคงต้องคิดหนักแล้วหล่ะครับ เพราะไม่รู้ว่าหากหุ่นยนต์สามารถสอนได้แล้ว มันจะถูกเอามาใช้งานแทนที่คนที่เป็นครูหรืออาจาร์ยเลยหรือแค่เป็นเพียงตัวช่วยเพิ่มการหาความรู้นอกเวลาเรียนกับครูที่เป็นมนุษย์เท่านั้น

ที่มา : weforum

Click to comment
Advertisement

Trending Post

บทความน่าสนใจ

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริงAdvertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ จึงไม่มีสถาปัตยกรรมโปรเซสเซอร์เพียงรูปแบบเดียวที่สามารถจัดการทุกกระบวนการเหล่านี้ได้อย่างมีประสิทธิภาพ แต่จำเป็นต้องอาศัยการทำงานร่วมกันของหน่วยประมวลผลหลากหลายประเภท ...

PR-News

กรุงเทพฯ, 28 กันยายน 2569 – ไมโครซอฟท์ ยกระดับ Microsoft Copilot รองรับโลกการทำงานที่มีการเปลี่ยนแปลงอย่างต่อเนื่อง เพื่อช่วยเพิ่มศักยภาพให้ทุกคนและทุกองค์กรบรรลุเป้าหมายได้มากยิ่งขึ้น โดย Copilot โฉมใหม่เชื่อมโยงเครื่องมือที่ผู้คนคุ้นเคย เข้ากับขีดความสามารถ AI ยุคใหม่สำหรับการสร้าง ปรับแต่ง และขยายการใช้งาน AI ในทุกมิติของการทำงาน ปัจจุบันแอป Copilot มาพร้อม...

PR-News

โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลงไป เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่และ Agentic AI ช่วยขยายขีดความสามารถของปัญญาประดิษฐ์ในภาคธุรกิจให้กว้างขึ้น อย่างไรก็ตาม องค์กรที่ยังไม่เริ่มวางกลยุทธ์การปรับใช้ระบบแบบไฮบริดตั้งแต่วันนี้ อาจต้องแบกรับค่าใช้จ่ายด้าน AI ที่สูงขึ้นอย่างมากในอีกไม่กี่ปีข้างหน้า  หากองค์กรของคุณขยายการใช้งาน AI ในช่วง 18 เดือนที่ผ่านมา คุณอาจสังเกตเห็นแนวโน้มบางอย่าง การเปิดให้เข้าถึง AI ในวงกว้างขึ้น ใช้งานมากขึ้น...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก