สรุปงาน 1st Meetup | AI ALLIANCE Thailand

บทความโดย: 9Expert Team

สรุปงาน 1st Meetup | AI ALLIANCE Thailand

9Expert Team 4 นาที

สรุปงาน 1st Meetup | AI ALLIANCE Thailand

สรุปงาน 1st Meetup | AI ALLIANCE Thailand

งาน AI Alliance Thailand เป็น meetup ครั้งแรกในประเทศไทย ที่ IBM Thailand โดย 9Expert Training ได้มีโอกาสเข้าร่วมงานนี้ โดยในงานนี้มีแนวคิดหลัก “Trustworthy AI begins with open collaboration” การจัดงานครั้งนี้มีวัตถุประสงค์เพื่อสร้างชุมชนผู้สนใจ AI ตั้งแต่ developer, influencer, นักศึกษา จนถึงผู้ที่อยากเรียนรู้เรื่อง AI

งาน AI Alliance Thailand 1st Meetup

โดยมี Speaker ดังนี้

  • Dr.Komes Chandavimol | Principle AI Evangelist at KBTG

  • Dr.Sarawoot Kingyong | NECTEC

  • Thinikorn Trakoonsirisak | Expert, ETDA

  • Sathapon Patanakuha | CEO and Founder Guardian AI

  • Jirat Srisawat | KBTG

  • Dr.Pisek Sultavewuti | Founder at Case Done by AI and Deputy Director of AI at CJ Express Group

  • Nidhi Mishra | Datastax, an IBM company

Session 1: การต้อนรับและแนะนำงาน

ผู้จัด

  • KBTG เป็นผู้นำการจัดงานและเป็นสมาชิกแรกของ AI Alliance ในประเทศไทย

  • IBM Thailand และ META เป็นผู้สนับสนุนหลัก

โครงสร้างงาน

  1. Welcome and Introduction - การต้อนรับจาก IBM และ META

  2. AI Alliance Global Movement - การเล่าเรื่อง AI Alliance ทั่วโลก

  3. Developers Toolbox Building Trustworthy AI - เซสชั่นเทคนิคสำหรับ developers

Session 2: AI Alliance - A Global Movement Now in Thailand

ความเป็นมาของ AI Alliance

  • เริ่มต้นในปี 2023 ปัจจุบันมีสมาชิกมากกว่า 185 องค์กร ใน 29 ประเทศ

  • สมาชิกประกอบด้วยบริษัทเอกชน, สถาบันการศึกษา, องค์กรไม่แสวงหาผลกำไร, หน่วยงานวิจัย และองค์กรภาครัฐ

  • มี 6 focus areas หลัก ที่มี technical champions นำทีม

บทบาทของประเทศไทย

KBTG เป็นสมาชิกแรกและจะเป็นผู้นำ Thailand Chapter ของ AI Alliance โดยมีเป้าหมาย:

  • สร้าง community สำหรับการสร้างผลกระทบในระดับท้องถิ่น

  • ส่งเสริม open source AI development

  • เชื่อมโยงกับ movement ระดับโลก

โดยผู้แทนจาก Meta มาแนะนำ AI Llima ประเด็นที่กล่าวถึง

  1. Data Protection - ความจำเป็นในการควบคุมและปกป้องข้อมูล

  2. AI Governance - การจัดการ AI ให้ปลอดภัย

  3. Privacy Concerns - ความกังวลเรื่องการรั่วไหลของข้อมูล

  4. Responsible AI Development - การพัฒนา AI อย่างรับผิดชอบ

ผู้แทนจาก Meta มาแนะนำการ AI LlamaSafety development of Llama จาก Meta

Session 3: ความหมายของ Trustworthy AI

Session Trustworthy AI โดยผู้เชี่ยวชาญในวงการ AI

นิยาม Trustworthy AI

จากการอธิบายของผู้เชี่ยวชาญจาก KBTG และ NECTEC:

ในอดีต: AI อยู่ในวงจำกัดของนักวิทยาศาสตร์และนักวิจัย มีการตรวจสอบและวัดผลอย่างเข้มงวด

ปัจจุบัน: Generative AI ทำให้ทุกคนสร้าง AI ได้ ก่อให้เกิดความเสี่ยง:

  • การสร้าง fake content

  • การแพร่ misinformation

  • AI ที่มีคุณภาพต่ำ

  • ปัญหาความปลอดภัย

หลักการสำคัญ

  • Safety - ความปลอดภัย

  • Responsible - ความรับผิดชอบ

  • Transparency - ความโปร่งใส

  • Quality Assurance - การควบคุมคุณภาพ

ผลงานจาก NECTEC การพัฒนา AI ในประเทศไทย

  • พัฒนา AI มาเกือบ 30 ปี ตั้งแต่ยุคการตัดคำภาษาไทย

  • มี LLM ของตัวเอง และกำลังเปิดตัวโมเดลใหม่

  • โครงการ Red Team และ Blue Team:

  • Blue Team: ป้องกันและสร้าง safeguard

  • Red Team: หาช่องโหว่และทดสอบความปลอดภัย\

การทดสอบความเหมาะสมกับบริบทไทย

  • ทดสอบความเข้าใจวัฒนธรรมและประเพณีไทย

  • ตรวจสอบความรู้พื้นฐานเกี่ยวกับประเทศไทย

  • พัฒนาระบบ Total Partners สำหรับประเมินโมเดล

Session 4: Developers Toolbox Building Trustworthy AI

Developers Toolbox Building Trustworthy AI โดยผู้เชี่ยวชาญในวงการ AI

ผู้เชี่ยวชาญที่เข้าร่วม

  1. Sathapon Patanakuha | CEO and Founder Guardian AI (ผู้ช่วยในการดำเนินรายการ)

  2. Jirat Srisawat | KBTG

  3. Dr.Pisek Sultavewuti | Founder at Case Done by AI and Suputy Director of AI at CJ Express Group

  4. Nidhi Mishra | Datastax, an IBM company

เครื่องมือ Open Source ที่แนะนำ

จาก KBTG

  • LangChain - สำหรับสร้าง AI agents

  • Tracing และ Monitoring tools - เพื่อติดตามการทำงานของ agents

  • พัฒนา agents สำหรับทุกบทบาทในองค์กร: Business Analyst, Architect, Developer, Tester

จาก CJ Express

  • Traditional ML: MLflow Scikit-learn

  • LLM Applications: LangChain framework

  • Tracing: Phoenix (self-hosted)

  • Computer Vision: YOLO models

  • Data Pipeline: IBM’s Watson

  • เน้นการเลือกใช้โมเดลที่เหมาะสมกับปัญหา

จาก DataStank

  • Apache Cassandra - ฐานข้อมูลสำหรับ vector workloads

  • LangFlow - platform สำหรับสร้าง GenAI workflows

  • Apache Pulsar - สำหรับการจัดการข้อมูล

  • Unstructured, LlamaParse - สำหรับการประมวลผลเอกสาร

  • Phoenix, Arize - สำหรับ observability

แนวทางการเลือกใช้เทคโนโลยี

Traditional ML vs Generative AI

ใช้ Traditional ML เมื่อ:
 

  • ต้องการความแม่นยำสูง

  • ผลลัพธ์ที่คาดเดาได้

  • ทรัพยากรจำกัด

ใช้ Generative AI เมื่อ:
 

  • ต้องการความยืดหยุ่น

  • สร้างสรรค์เนื้อหา

  • รับได้กับความไม่แน่นอน

Security และ Safety Guidelines

หลักการพื้นฐาน

  1. Defense in Depth - สร้างการป้องกันหลายชั้น

  2. Input Validation - ตรวจสอบข้อมูลนำเข้า

  3. Model Governance - จัดการโมเดลอย่างเป็นระบบ

  4. Output Monitoring - ติดตามผลลัพธ์

แนวทางปฏิบัติ

  • ทดลองได้ แต่ห้ามขึ้น Production โดยไม่ผ่านการทดสอบ

  • ห้ามเปิด Internet Facing ก่อนพร้อม

  • ใช้ภายในองค์กรก่อน จนกว่าจะมั่นใจในความปลอดภัย


Session 5: คำแนะนำสำหรับ Developers รุ่นใหม่

คำแนะนำจากผู้เชี่ยวชาญ

จาก KBTG (K.Jirat)

  • ไม่ควรมองข้ามการเรียนรู้พื้นฐาน AI

  • เข้าใจว่า AI ทำงานอย่างไร อย่างน้อยในระดับที่สามารถ maintain ได้

  • ศึกษาการทำงานของ tools และ frameworks ที่ใช้

จาก CJ Express (Dr. Pisek)

  • Responsible AI starts with you - ความรับผิดชอบเริ่มจากตัวเรา

  • ทดลองได้เต็มที่ใน sandbox

  • หยุดและตรวจสอบก่อนขึ้น production

  • เรียนรู้จาก resources ของบริษัทใหญ่ เช่น IBM

แหล่งเรียนรู้ออนไลน์

  • OpenAI Developer Community - เริ่มต้นกับ API playground

  • TensorFlow - สำหรับ ML

  • Kaggle - datasets และการแข่งขัน

  • LangChain Community - 100K+ users

  • Hugging Face - pre-trained models

  • Medium - บทความจากผู้เชี่ยวชาญ

  • Official Documentation - ต้องอ่าน

ทักษะพื้นฐานที่จำเป็น

  • Database - เลือกเรียนรู้อย่างน้อย 1 ฐานข้อมูล

  • Orchestration Framework - เช่น LangChain

  • Hands-on Practice - ลองสร้างอะไรจริงๆ


Session: การแชร์ประสบการณ์จากการเข้าร่วม AI Alliance

ประสบการณ์จากการประชุม Global

  • เข้าร่วมประชุม 5 ครั้งในช่วง 3-4 เดือน

  • มี 6 working groups ต่างๆ

  • มี moderators จาก IBM

  • แชร์ research works และขอ feedback จากชุมชน

โปรเจคที่น่าสนใจ

  • การพัฒนา standards สำหรับ MCP (Model Context Protocol)

  • Open Video projects - โปรเจคที่เปิดให้คนไทยเข้าร่วมได้

  • Collaboration tools - เครื่องมือสำหรับการทำงานร่วมกัน

การมีส่วนร่วมของคนไทย

  • สามารถ contribute ในโปรเจคต่างๆ ได้

  • Multi-language support - รองรับหลายภาษารวมถึงไทย

  • Community building - สร้างชุมชนในประเทศไทย


Session: ชุมชนและการพัฒนาต่อเนื่อง

AI Alliance Community Thailand

  • เพจ Facebook สำหรับคนไทยที่สนใจ AI

  • เป็นพื้นที่สำหรับถามตอบและแชร์ความรู้

  • เชื่อมโยงกับ AI Alliance global network

เราขอฝากช่องทางเรียนรู้ ของ 9Expert Training

Facebook Group : AI Community Thailand เรียนรู้ไปด้วยกัน

ทิศทางอนาคต

  • จาก Consumer AI สู่ Builder AI - จากคนใช้ AI เป็นคนสร้าง AI

  • Open Source Collaboration - ทำงานร่วมกันแบบ open source

  • Local Impact - สร้างผลกระทบที่เหมาะสมกับบริบทไทย


สรุปและข้อคิด

งาน AI Alliance Thailand ครั้งแรกนี้เป็นจุดเริ่มต้นสำคัญในการสร้างชุมชน AI ที่เข้มแข็งในประเทศไทย โดยเน้น:

  1. Open Collaboration - การทำงานร่วมกันแบบเปิด

  2. Trustworthy AI - AI ที่น่าเชื่อถือและปลอดภัย

  3. Local Context - การพัฒนาที่เหมาะสมกับบริบทไทย

  4. Community Building - การสร้างชุมชนเรียนรู้

  5. Practical Implementation - การนำไปใช้จริงอย่างรับผิดชอบ

การเข้าร่วม AI Alliance Thailand เป็นโอกาสสำหรับผู้ที่สนใจจะเป็นส่วนหนึ่งของการพัฒนา AI ที่มีคุณภาพและสร้างประโยชน์ต่อสังคมไทย

Resources

บทความที่เกี่ยวข้อง