คุยกับ ‘ธีรณี อจลากุล’ กว่าจะมาเป็น ’ThaiLLM‘ เบื้องหลังภารกิจสร้าง AI ภาษาไทยของประเทศ

โลกวันนี้กำลังเดินเข้าสู่ยุคที่ปัญญาประดิษฐ์ หรือ “AI” ไม่ใช่แค่เครื่องมือช่วยทำงานอีกต่อไป แต่กลายเป็นโครงสร้างพื้นฐานใหม่ของเศรษฐกิจดิจิทัล ที่ช่วยสร้างความมั่นคง และอำนาจการแข่งขันของประเทศ คล้ายกับที่อินเทอร์เน็ตหรือไฟฟ้าเคยเป็นในอดีต

ท่ามกลางความตึงเครียดทางภูมิรัฐศาสตร์ การแข่งขันระหว่างมหาอำนาจ และสงครามเทคโนโลยีที่เริ่มชัดขึ้นเรื่อยๆ หลายประเทศเริ่มตั้งคำถามสำคัญว่า หากวันหนึ่งโลกถูกแบ่งขั้วมากขึ้น หรือบริการจากแพลตฟอร์มต่างชาติไม่สามารถใช้งานได้เหมือนเดิม ประเทศจะยังขับเคลื่อนเศรษฐกิจต่ออย่างไร

สำหรับประเทศไทย คำถามนี้ไม่ได้อยู่ไกลตัว เพราะชีวิตประจำวันของคนไทยจำนวนมากผูกอยู่กับแพลตฟอร์มต่างชาติ ตั้งแต่คลาวด์ อีคอมเมิร์ซ ฟู้ดเดลิเวอรี่ ไปจนถึง AI ที่กำลังถูกนำมาใช้ในทุกองค์กร

นี่จึงเป็นที่มาของ “ThaiLLM” โครงการพัฒนาโมเดล AI ภาษาไทยที่ถูกวางให้เป็นมากกว่าแค่แชทบอทหรือเครื่องมือใหม่ แต่เป็น “ฐานราก AI ของประเทศ” ที่ไทยสามารถควบคุมและต่อยอดได้เองในอนาคต

กรุงเทพธุรกิจ ได้มีโอกาสสัมภาษณ์พิเศษ ศ.ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ หรือ BDI ถึงแนวคิดสำคัญของ ThaiLLM ว่า คือการสร้าง อธิปไตย AI (Sovereign AI) หรือขีดความสามารถด้าน AI ที่ประเทศไทยมีข้อมูล โมเดล และโครงสร้างพื้นฐานบางส่วนอยู่ในมือของตัวเอง

เราไม่ได้มองว่า ThaiLLM คือการแข่งกับบริษัทเทคระดับโลก แต่เรากำลังสร้างฐานกลางที่ทำให้คนไทยสามารถพัฒนา AI ต่อได้ โดยไม่ต้องเริ่มจากศูนย์ทั้งหมด

ThaiLLM คืออะไร

หากอธิบายแบบง่ายที่สุด ThaiLLM คือ “สมอง AI ภาษาไทย” ที่ถูกฝึกให้เข้าใจภาษาไทย บริบทไทย และรูปแบบการใช้งานของคนไทย

เบื้องหลังเริ่มจากการสร้าง AI-Ready Data Bank หรือคลังข้อมูลภาษาไทยขนาดใหญ่ ซึ่งรวบรวมข้อมูลจากภาครัฐ เอกชน ข้อมูลสาธารณะ และชุมชนนักพัฒนาโอเพนซอร์ส เพื่อนำมาฝึกโมเดล AI ให้เข้าใจภาษาไทยได้ดีขึ้น

จากนั้นจึงพัฒนาออกมาเป็น ThaiLLM-8B และ ThaiLLM-30B ซึ่งเป็น Foundation Model หรือโมเดลตั้งต้นขนาดใหญ่แบบ Open-weight หมายความว่า นักพัฒนาไทยหรือองค์กรที่มีความรู้ด้านเทคนิคสามารถดาวน์โหลดไปปรับแต่งต่อได้เอง

ศ.ดร.ธีรณี เปรียบเทียบว่า โมเดลลักษณะนี้เหมือน “เครื่องยนต์กลาง” ที่องค์กรต่างๆ สามารถนำไปติดตั้งต่อยอดเป็นบริการเฉพาะทางได้ ไม่ว่าจะเป็นแชทบอท ระบบสรุปเอกสาร ระบบช่วยตอบคำถาม ระบบแปลภาษา หรือ AI วิเคราะห์ข้อมูล

โดยจุดสำคัญคือเราไม่ได้ทำระบบปิด แต่ทำให้มันเป็น Open Ecosystem เพื่อให้มหาวิทยาลัย นักวิจัย สตาร์ตอัป หรือธุรกิจสามารถนำไปต่อยอดได้จริง

ทำไมไทยต้องมี AI ของตัวเอง

คำถามสำคัญคือ ในเมื่อโลกมี ChatGPT, Gemini หรือ Claude อยู่แล้ว เหตุใดไทยยังต้องลงทุนสร้างโมเดลภาษาไทยของตัวเอง

ศ.ดร.ธีรณี อธิบายว่า ประเด็นนี้ไม่ใช่เรื่อง ชาตินิยมทางเทคโนโลยี แต่เป็นเรื่องความเสี่ยงเชิงโครงสร้างในระยะยาวเพราะปัจจุบันบริการดิจิทัลจำนวนมากใช้โมเดล “ราคาถูกหรือใช้ฟรี” เพื่อดึงผู้ใช้เข้าสู่ระบบ เมื่อองค์กรเริ่มย้ายข้อมูล กระบวนการทำงาน และบริการต่างๆ เข้าไปอยู่บนแพลตฟอร์มแล้ว ต้นทุนในการย้ายออกจะสูงขึ้นทันที

วันนี้อาจใช้ฟรีหรือราคาถูก แต่เมื่อ AI กลายเป็นระบบสำคัญขององค์กร วันหนึ่งต้นทุนอาจสูงขึ้นมาก หรือเงื่อนไขการใช้งานเปลี่ยนได้ ประเทศจึงควรมีทางเลือกของตัวเอง

นอกจากนี้ โมเดลต่างชาติอาจไม่ได้เข้าใจภาษาไทยหรือบริบทไทยในเชิงลึก โดยเฉพาะงานเฉพาะทาง เช่น กฎหมายไทย ระเบียบราชการ หรือศัพท์ทางการแพทย์

ดังนั้น ThaiLLM จึงถูกออกแบบให้ตอบโจทย์ทั้งด้านภาษา ความมั่นคงทางข้อมูล และการลดต้นทุนการเริ่มต้นพัฒนา AI ของประเทศ

ภาคธุรกิจใช้ได้อย่างไร

อีกจุดที่ BDI พยายามอธิบายให้ชัดคือ ThaiLLM ไม่ได้ทำเพื่อหน่วยงานรัฐเท่านั้น แต่เปิดให้ธุรกิจ นักพัฒนา และสตาร์ตอัปใช้งานได้จริง

โมเดลการใช้งานมี 2 รูปแบบหลัก 

• แบบแรกคือ Fine-tune & Self-host

เหมาะกับองค์กรที่ต้องการควบคุมข้อมูลเอง เช่น โรงพยาบาล ธนาคาร หรือหน่วยงานที่มีข้อมูลอ่อนไหว โดยองค์กรสามารถนำโมเดลไปติดตั้งบนระบบของตัวเอง แล้วฝึกเพิ่มเติมให้เข้าใจงานเฉพาะทาง

เช่น บริษัทกฎหมายอาจฝึก AI ให้เข้าใจคำพิพากษาและกฎหมายไทย หรือโรงพยาบาลอาจฝึกให้เข้าใจเวชระเบียนและศัพท์ทางการแพทย์

• Build Applications via API สำหรับองค์กรที่ต้องการสร้างแอป AI อย่างรวดเร็ว โดยไม่ต้องลงทุนเซิร์ฟเวอร์หรือ GPU ขนาดใหญ่เอง

หัวใจสำคัญคือ “ThaiLLM Playground” ซึ่งเป็นแพลตฟอร์มทดลองใช้งานฟรี ทั้งในรูปแบบ Chatbot และ API สำหรับนักพัฒนา

ระบบนี้รองรับมาตรฐานแบบ OpenAI-compatible หมายความว่า นักพัฒนาที่เคยสร้างแอปบน OpenAI สามารถเชื่อมต่อกับ ThaiLLM ได้ง่าย โดยแทบไม่ต้องเปลี่ยนโครงสร้างระบบใหม่ทั้งหมด

โดยปัจจุบันมีผู้ทดลองใช้งานมากกว่า 10,000 คน ครอบคลุมตั้งแต่นักศึกษา นักพัฒนา ไปจนถึงองค์กรธุรกิจ

AI ไทยกับงานแพทย์

หนึ่งในกรณีใช้งานที่เริ่มเห็นภาพชัดคือ Medical Chatbot ซึ่งพัฒนาร่วมกันระหว่าง VISTEC และโรงพยาบาลศิริราช ระบบนี้นำ Foundation Model ของ ThaiLLM ไป Fine-tune เพิ่มเติม เพื่อให้ AI เข้าใจบริบททางการแพทย์มากขึ้น

หน้าที่ของระบบคือช่วยซักประวัติผู้ป่วย คัดกรองอาการเบื้องต้น และประเมินระดับความเร่งด่วนก่อนพบแพทย์

อย่างไรก็ตาม ศ.ดร.ธีรณี ย้ำว่า AI ทางการแพทย์ยังต้องอยู่ภายใต้การดูแลของแพทย์และผู้เชี่ยวชาญ เพราะข้อมูลสุขภาพถือเป็นข้อมูลอ่อนไหว และ AI ไม่ควรตัดสินใจแทนมนุษย์โดยลำพัง

นอกจากนี้ ยังมีการใช้เทคนิค RAG หรือ Retrieval-Augmented Generation ซึ่งเป็นวิธีให้ AI ดึงข้อมูลจากฐานข้อมูลที่กำหนดไว้ก่อนตอบคำถาม เพื่อลดความเสี่ยงที่ AI จะ “แต่งข้อมูล” ขึ้นมาเอง

เวลาถามเรื่องกฎหมายหรือการแพทย์ เราไม่ต้องการให้ AI เดา แต่ต้องอ้างอิงจากข้อมูลที่เชื่อถือได้”

ความท้าทายที่แท้จริงอยู่ที่ “อินฟราฯ”

แม้ ThaiLLM จะเริ่มสร้างโมเดลภาษาไทยได้แล้ว แต่โจทย์ใหญ่ที่สุดยังไม่ใช่ตัวโมเดล หากเป็น “โครงสร้างพื้นฐาน AI” เพราะการฝึกและให้บริการ AI ขนาดใหญ่ต้องใช้ GPU Cloud และดาต้าเซ็นเตอร์ประสิทธิภาพสูง ซึ่งมีต้นทุนมหาศาล

ศ.ดร.ธีรณี ยอมรับว่า ไทยยังไม่สามารถผลิตชิป GPU เองได้ และยังต้องพึ่งเทคโนโลยีระดับโลกในหลายส่วน แต่สิ่งที่ไทยควรทำคือสร้างขีดความสามารถที่ควบคุมได้เองให้มากที่สุด

ในมุมนี้ บริษัท โทรคมนาคมแห่งชาติ จำกัด (มหาชน) หรือ NT ถูกมองว่าอาจมีบทบาทสำคัญในการพัฒนา GPU Cloud และดาต้าเซ็นเตอร์กลางของภาครัฐ

หากทำได้สำเร็จ หน่วยงานรัฐอาจไม่จำเป็นต้องแยกกันเช่าคลาวด์ต่างชาติแบบกระจัดกระจาย และสามารถเชื่อมบริการ AI กลางเข้าหากันได้ง่ายขึ้น

อย่างไรก็ตาม การลงทุนลักษณะนี้ต้องใช้เงินระดับพันล้านบาท และต้องวางแผนระยะยาว เพราะเทคโนโลยีเปลี่ยนเร็วมาก

นอกจากนี้ AI Data Center ยังใช้พลังงานสูง ทั้งไฟฟ้า ระบบระบายความร้อน และน้ำในการควบคุมอุณหภูมิ ทำให้การพัฒนาโครงสร้างพื้นฐาน AI ในอนาคตต้องคิดควบคู่กับเรื่องพลังงานสะอาดและประสิทธิภาพการใช้พลังงานด้วย

มากกว่าแค่ AI แต่คือ “อำนาจต่อรองประเทศ”

ศ.ดร.ธีรณี มองว่า ในระยะยาว AI จะไม่ต่างจากระบบสาธารณูปโภคดิจิทัลที่ทุกประเทศต้องมี ดังนั้น สิ่งที่ไทยกำลังทำผ่าน ThaiLLM จึงไม่ใช่การแข่งสร้าง AI ที่เก่งที่สุดในโลก แต่คือการทำให้ประเทศมี ฐานขั้นต่ำ ที่สามารถต่อยอดเองได้ ทั้งข้อมูลภาษาไทย โมเดลภาษาไทย บุคลากร AI และโครงสร้างพื้นฐานกลาง

เพราะหากวันหนึ่ง AI กลายเป็นระบบที่ทุกองค์กรต้องใช้ แต่ประเทศไทยไม่มีโมเดล ไม่มีอินฟรา และไม่มีคนที่เข้าใจเทคโนโลยีเชิงลึก ประเทศอาจกลายเป็นเพียงผู้เช่าระบบจากต่างชาติไปตลอด