สรุป Session: Quantum AI ของงาน SITE2025 เวที AI Forum: Thailand AI Horizon โดย

  1. รศ.ดร. ศิริเดช บุญแสง, อาจารย์ประจำภาควิชาวิศวกรรมไฟฟ้า KMITL, กรรมการสมาคมปัญญาประดิษฐ์ประเทศไทย
  2. ธีรวัฒน์ ทองลอย, ผู้ประกอบการ CIRA Core, PhD Candidate ด้าน Quantum AI

1. ทำไมต้อง Quantum AI

  • เร่งงานคำนวณที่เดิมต้องทำซ้ำจำนวนมหาศาลให้เหลือไม่กี่ครั้ง
  • เปิดพื้นที่วิธีคิดใหม่ที่ Classical AI ทำไม่ได้ในบางโจทย์เชิงซับซ้อน

2. พื้นฐาน Quantum AI ที่ต้องรู้ก่อนลงมือใช้งาน 5 เรื่อง

  • เข้าใจ Concept แก่น ๆ
  • Superposition สถานะก้ำกึ่งระหว่าง 0 และ 1 จนกว่าจะมีการ Measurement
  • Entanglement อนุภาคที่เชื่อมโยงกัน แม้อยู่ห่างไกลก็สัมพันธ์กันได้ (Einstein เรียกว่า spooky)
  • Measurement การวัดที่ทำให้สถานะยุบเหลือค่าเดียว และผลการคำนวณมักเป็นความน่าจะเป็น

3. ทำไมต้องมี Quantum Algorithm

  • เพราะวิธีคิด/อัลกอริทึมแบบเดิมใช้บน Quantum Processor ไม่ได้ ต้องออกแบบ Quantum Algorithm ที่ดึงประโยชน์จาก Superposition + Entanglement เพื่อให้ได้ความได้เปรียบเชิงขั้นตอน (ลดจำนวนรอบในการคำนวณ)

4. ตัวอย่างใช้งานจริงที่ถูกยกขึ้นเวที

  • เช่น Volkswagen ใช้ Quantum Application เพื่อ Optimize เส้นทาง A → B ให้เร็วขึ้น (แนว Quantum Annealing) จากเดิมแผนที่มีคอขวดการจราจร พอ Optimize แล้วเส้นทางดีขึ้น
  • ภาพการจำแนกไข่พยาธิใบไม้ตับ ความร่วมมือกับคณะแพทย์เวชศาสตร์เขตร้อน ม.มหิดล ใช้ Quantum AI ช่วยจำแนกและ ตอบได้ ระดับที่ช่วยคุณหมอได้จริงในงานคัดกรอง

5. การสื่อสารยุคควอนตัม

  1. Quantum Teleportation + การเข้ารหัส (Encode) แบบควอนตัม ช่วยให้สื่อสารปลอดภัย ถูกดักฟังยาก
  2. วิสัยทัศน์ Quantum Internet ใช้หลัก Entanglement เป็นโครงสร้างพื้นฐาน

6. แพลตฟอร์มและแนวทางแบบ Hybrid

  • ทีมวิทยากรต่อยอดจากแพลตฟอร์ม SER Core (งาน AI ภาคอุตสาหกรรม เคยได้รางวัลปี 2562) ไปสู่ Hybrid Quantum AI ใช้ Quantum บางส่วน + ใช้ Classical ช่วยฝึก/ปรับพารามิเตอร์เพราะต้นทุน QPU (Quantum Processing Unit) ยังสูง จึงนิยมรัน Simulation ก่อน แล้วค่อยโยนขึ้นฮาร์ดแวร์จริง

7. QNN vs ANN (โครงสร้างคล้ายกัน ต่างที่วงจร)

  • Quantum Neural Network (QNN) วางโครงแบบเดียวกับ artificial neural network (ANN) คือ มี Input → Hidden → Output แต่เปลี่ยนเลเยอร์คำนวณ เป็น Quantum Circuit ให้คิวบิตทำงานร่วมกันแบบควอนตัม ทำให้ผลลัพธ์อ่านออกด้วยการ Measurement ลองนึกภาพหยุดเหรียญที่กำลังหมุน) แล้วค่อยแปลงผลเป็น Probability ซึ่งจะเห็นสัญญาณอย่าง spin up/down บอกแนวโน้มผลลัพธ์

8. ตอบคำถามใหญ่ แทน GenAI/AGI ได้หรือยัง?

  • ยัง ในวันนี้ Quantum AI ยังไม่ฉลาดกว่าหรือแทน GenAI/AGI ได้ แต่ เปิดประตู สู่วิธี/โมเดลใหม่ในอนาคต เมื่อโจทย์ยากขึ้นและฮาร์ดแวร์พร้อม ปี 2025 เป็นปีแห่งการเริ่มต้นของ Quantum AI

9. โอกาสเชิงธุรกิจมี 3 ข้อ

  1. Speed-up บางคลาสของปัญหา (Optimization/Sampling)
  2. ลดเวลา/ทรัพยากรเทรนเทียบกับงานบางแบบที่ Classical เปลืองไฟและเซิร์ฟเวอร์มาก
  3. จุดประกายโมเดลใหม่ เช่น Quantum Transformer หรือ Quantum Language Model (QLM)

10. ความเสี่ยงและข้อพึงระวังมี 3 ประเด็น

  1. ต้นทุนฮาร์ดแวร์/คลาวด์ ยังสูง ใช้งานวงกว้างยาก
  2. ต้องคำนึง จริยธรรม/ความปลอดภัยข้อมูล ตั้งแต่แรก
  3. ต้องมี Governance เรื่องงบต่อการรัน (shots), การคิวเครื่อง, เกณฑ์ Go/No-Go ที่วัดผลได้

11. คอขวดเทคนิคในปัจจุบันมี 2 เรื่องหลัก

  1. Noise สูง ทำให้ผลแบบ Probability ผันผวน การเทรนยาก
  2. ความจำเป็นของ Error Correction / Error Mitigation: เมื่ออุตสาหกรรมทำได้ดีขึ้น Quantum Algorithm จะเสถียรขึ้นมาก

12. คำแนะนำสำหรับนักพัฒนาไทยมี 3 ขั้นตอน

  1. ปูพื้น Linear Algebra + เข้าใจ Superposition/Entanglement ให้แน่น
  2. เริ่มจาก Simulator และโจทย์เล็ก เรียนรู้ Encoding/Feature Map ให้ส่งข้อมูลเข้า Quantum Circuit ได้
  3. หาแหล่งเรียนรู้/เครือข่ายในประเทศ (เช่น ที่ลาดกระบัง) เพื่อเริ่มต้นแบบเป็นระบบ

13. ภาพรวมและมุมมองอนาคต (กรอบเวลา 4–5 ปี)

  • วันนี้ Quantum AI อยู่ช่วงเริ่มเหมือน Deep Learning ยุคแรก หลายคนยังไม่เข้าใจ แต่ภายใน 4–5 ปี มีโอกาสเห็นการเปลี่ยนแปลงจริงในงานเฉพาะทาง องค์กรควรทดลองแบบคุมความเสี่ยง ตั้งแต่ตอนนี้ เพื่อพร้อมขยายเมื่อฮาร์ดแวร์และเครื่องมือสุกงอม

Source:

Youtube