ช่องว่างระหว่างเทคโนโลยี AI กับนโยบายและกฏข้อบังคับ (Policy & Regulation) เริ่มกว้างขึ้นทุกที ยิ่ง AI ในช่วง 1-2 ปีนี้ ที่มีการนำมาใช้งานเติบโตขึ้นแบบก้าวกระโดดจากหลากหลากธุรกิจจนผู้เชี่ยวชาญหลายคนชี้ว่า ปีหน้าจะเป็นปีที่ AI ได้แสดงศักยภาพที่แท้จริง แต่ในส่วนของนโยบายและกฏข้อบังคับ จึงต้องก้าวให้ทัน ไม่ว่าจะเป็นเรื่องลิขสิทธิ์ จรรยาบรรณ สังคม เศรษฐกิจ และอื่น ๆ อีกมากมาย ก่อนที่ AI จะแทรกแซงฟังก์ชันการทำงานของมนุษย์มากเกินไป หรือรุกล้ำหลักความถูกต้องต่าง ๆ ฉะนั้น นโยบายและกฏข้อบังคับจึงเป็นเรื่องที่ไม่สามารถแยกจากการพัฒนา AI ได้เลย

ดังนั้น G-Able ในฐานะของ Tech Enabler ชั้นนำของประเทศไทย ที่อยากเห็นการพัฒนาของเทคโนโลยีก้าวไปพร้อม ๆ กับศักยภาพของคน วันนี้เราจึงนำนโยบายและกฏข้อบังคับจาก Gartner มาแนะนำว่า อะไรที่นักพัฒนาหรือผู้บริหารทั้งหลายจะต้องใส่ใจก่อนนำ AI มาใช้งานจริง

Human Centricity and Diversity
AI ต้องทำงานคู่กับคน

AI จะไม่มีประโยชน์เลยหากนำมาใช้ตัดโอกาสของคน เพราะ Input  เริ่มต้นของ AI จะต้องมากับคนอยู่แล้ว ฉะนั้น แนวทางการนำ AI มาใช้ควบคู่กับคน จึงเป็นคอนเซปต์ที่ทุกบริษัทควรให้ความสำคัญ ยกตัวอย่างเช่น การพัฒนา Human-in-a-Loop AI หรือให้คนเข้ามาเกี่ยวข้องในขั้นตอน AI Training หรือสร้างสิ่งที่เรียกว่า Augmented Intelligent

นอกจากนั้นในด้านความหลากหลาย (Diversity) ก็มีฝ่ายต่าง ๆ ที่กลัวว่า AI ที่ถูกพัฒนาด้วยคนกลุ่มเล็ก ๆ จะมีความ ‘ลำเอียง’ ฉะนั้นจึงมีการสนับสนุนความหลากหลายในหมู่ผู้พัฒนา AI รวมไปถึงฐานข้อมูลจะต้องมีความหลากหลาย

Responsible Innovation
นวัตกรรมที่มีความรับผิดชอบ

AI ที่ไม่ถูกควบคุมอาจสร้างภัยกับสังคมได้ เช่นเดียวกันนั้น หากควบคุมมากเกินไประบบก็จะไม่มีการพัฒนา ฉะนั้น พื้นที่ที่อนุญาตให้ AI มีการพัฒนาอย่างอิสระแต่ไม่มีผลกระทบแง่ลบในสังคมจริงจึงจำเป็นอย่างมาก อย่าง Regulatory Sandbox ที่มีประสิทธิภาพ สะท้อนให้เห็นผลกระทบของ AI เพื่อปรับปรุงระบบก่อนนำมาใช้จริง

Governance and Accountability
การควบคุมจากรัฐบาล

อีกไม่นานนี้ เราจะเห็นได้เห็นภาพของรัฐบาลจากหลากหลายประเทศรอบโลก เริ่มให้ความสำคัญกับการพัฒนาของ AI มากขึ้น เพราะ AI จะเริ่มมีผลกระทบต่อสื่อ ความก้าวหน้าของเศรษฐกิจ ไปจนถึงการเมืองการปกครอง แต่ละประเทศจึงเริ่มมีมาตรฐานการตรวจตรา AI ที่ผ่อนคลาย หรือเข้มงวดแตกต่างกันออกไป

Transparency and Explainability
ความโปร่งใสคือหัวใจสำคัญ

ในยุคของ AI ข้อมูลถือว่าเป็น ‘new oil’ หรือขุมน้ำมันแหล่งใหม่ที่ล้ำค่า เพราะใช้ตั้งแต่การฝึก AI สร้างฐานข้อมูล ไปจนถึงการประมวลผล ฉะนั้น การสร้าง AI ที่น่าเชื่อถือ ข้อมูลที่ได้มาก็จะต้องมีความน่าเชื่อถือด้วย ฉะนั้น การสร้างระบบที่มีความโปร่งใสจึงสำคัญมาก ทำให้สามารถสืบเสาะได้ว่าข้อมูลดังกล่าวมาจากไหน ไปจนถึงสามารถอธิบายความเป็นมาของข้อมูลต่าง ๆ

Contestability and Redress
มอบพลังให้เจ้าของ Data

ต่อเนื่องมาจากเรื่องความโปร่งใส (Transparency) เมื่อโปร่งใสแล้ว เราต้องให้สิทธิ์ผู้ที่ถูกเก็บข้อมูลด้วย หากไม่ต้องการให้ข้อมูลบนอินเทอร์เน็ตของตนถูกเก็บไปโดยไม่ได้รับอนุญาต ผู้ใช้งานสามารถแจ้งได้ สามารถทักท้วงได้ ตั้งแต่ในขั้นตอนการเก็บข้อมูลเพื่อฝึก AI ไปจนถึงถูกใช้เป็น Database เพื่อ Generate ผลลัพธ์ต่าง ๆ มาใช้ประโยชน์ในเชิงพาณิชน์

Safety and Security
ความปลอดภัยในการปฏิบัติงาน

คาดการณ์ว่าในอนาคต AI จะสามารถทำให้ตรวจจับความผิดปกติด้านความปลอดภัยของระบบปฏิบัติการต่าง ๆ ได้แม่นยำขึ้น 30% แต่พร้อมกันนั้นหาก AI ไม่ได้มาตรฐานก็สามารถเป็นวิทยาการที่คุกคามความปลอดภัยบนโลกไซเบอร์เสียเอง ไม่ว่าจะเป็นในเรื่องของข้อมูลรั่วไหล (Data leaks/exfiltration) ข้อมูลเพี้ยน (Data poisoning) การแอบอ้าง (Synthetic identities) และอื่น ๆ อีกมากมาย ฉะนั้น AI มีศักยภาพที่จะเสริมสร้าง และทำลายความปลอดภัย การนำ AI มาใช้จึงต้องถูกควบคุมให้มีความปลอดภัยเสมอ

Robustness and Resilience
AI ที่สามารถปรับตัวตามยุคสมัยได้

ต่อเนื่องจากเรื่องความปลอดภัย (Safety) ระบบ AI จะต้องไม่ไหลตามกระแสอย่างเดียว ต้องปรับตัวต้านทานต่อภัยคุกคามใหม่ ๆ เช่นไวรัส หรือมัลแวร์ต่าง ๆ พร้อมสร้างระบบป้องกัน (Guardrails) ไปจนถึงการควบคุม ปิดระบบหรือส่วนที่เสียหายได้อย่างฉับพลัน (Safety Breaks) เพื่อควบคุมไม่ทำให้ปัญหาบานปลาย และสามารถนำระบบกลับมาแก้ หรืออัปเดตอยู่ทุกเมื่อ

21st Century Intellectual Property Rights
อัปเดตเรื่องกฎหมายสิทธิ์ถือครองให้ตอบสนองต่อยุคสมัย

AI จะเป็นเทคโนโลยีที่ท้าทายกฎ และขอบเขตของเรื่องลิขสิทธิ์อย่างที่สุด โดยเฉพาะในขั้นตอนการฝึก (AI Training) ระบบ LLMs ซึ่งถึงแม้ข้อมูลที่ Generate ออกมาจะดูเหมือนเป็นข้อความใหม่ แต่ข้อมูลหรือภาษานั้น มาจากข้อมูลมากมายในโลกไซเบอร์ ซึ่งยากต่อการตรวจสอบลิขสิทธิ์ของผู้ที่เป็นเจ้าของตั้งต้นของข้อมูลนั้น ๆ ฉะนั้น กฎหมายจะต้องระบุชัดเจนเลยว่าการฝึก AI หรือรวบรวมฐานข้อมูลแบบไหนทำได้ และแบบไหนขัดต่อหลักลิขสิทธิ์ เพื่อรักษาสิทธิ์เจ้าของชิ้นงานไม่ว่าจะเป็นงานศิลปะ งานเขียน งานวิจัย และอื่น ๆ อีกมากมาย

Effective and Efficient Regulatory Process
พัฒนากฎระเบียบให้เท่าทันการพัฒนาของเทคโนโลยี

นักพัฒนาเห็นช่องว่างระหว่างวิทยาการใหม่ กับ นโยบายและกฏข้อบังคับ ไม่ใช่กับแค่ AI แต่วิทยาการใหม่ๆ ทุกรูปแบบ ตั้งแต่ช่วงพัฒนาที่ยังไม่เห็นถึงศักยภาพของเทคโนโลยีนั้นๆ จึงไม่สามารถออกกฎระเบียบที่สอดคล้องได้ แต่เมื่อเทคโนโลยีถูกใช้ ความเปลี่ยนแปลงที่รวดเร็วทำให้การสร้างกฎระเบียบต่าง ๆ ยากขึ้น และไม่ทันการณ์ ฉะนั้น กฎหมายความรับผิดต่อความเสียหาย (Liability Law) กฎหมายความเป็นส่วนตัว (Privacy Law, PDPA) จะต้องถูกพัฒนาควบคู่ไปพร้อม ๆ กับ AI