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
สรุปงาน 1st Meetup | AI ALLIANCE Thailand
ทักษะ (ระบุได้หลายทักษะ)
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 Llama
Safety 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