คาดการณ์แนวโน้มสำคัญ: ในอีกสองปีถึงห้าปีข้างหน้าจะมีแอปพลิเคชันที่ทำงานอยู่บนระบบการประมวลผลแบบใหม่เพิ่มขึ้นอย่างรวดเร็ว ดังนี้

#1 Cloud-Network-Device Convergence
การพัฒนาอย่างรวดเร็วของเทคโนโลยีด้านเครือข่ายใหม่ ๆ จะขับเคลื่อนวิวัฒนาการของคลาวด์คอมพิวติ้ง ไปสู่ระบบการประมวลผลแบบใหม่ ที่เป็นการรวมอุปกรณ์เครือข่ายบนคลาวด์เข้าไว้ด้วยกัน ซึ่งคลาวด์ เน็ตเวิร์ก และอุปกรณ์ต่าง ๆ ในระบบใหม่นี้จะมีการแบ่งงานที่ชัดเจนยิ่งขึ้น การรวมเครือข่ายระบบคลาวด์ ไว้ด้วยกันจะเป็นตัวเร่งผลักดันให้เกิดแอปพลิเคชันใหม่ ๆ เพื่อตอบสนองงานที่มีความต้องการมากขึ้น เช่น การจำลองทางอุตสาหกรรมที่มีความแม่นยำสูง การตรวจสอบคุณภาพทางอุตสาหกรรมแบบเรียลไทม์ และ mixed reality ในอีก 2 ปีข้างหน้า เราคาดว่าจะได้เห็นแอปพลิเคชันที่ทำงานบนระบบประมวลผลใหม่เพิ่มขึ้นอย่างรวดเร็ว

ในอีกสามปีข้างหน้า เราคาดว่าจะได้เห็นการนำ AI ไปใช้อย่างกว้างขวางในทุกด้าน ไม่ว่าจะเป็นกระบวนการวิจัยด้านวิทยาศาสตร์ประยุกต์ การใช้ชิปซิลิคอนโฟโตนิคที่ส่งข้อมูลด้วยแสง (Silicon Photonic Chips) การใช้ AI ปูทางไปสู่การรวมแหล่งพลังงานหมุนเวียนเข้ากับโครงข่ายไฟฟ้า การรักษาแบบแม่นยำจำเพาะที่เน้นผู้ป่วยเป็นศูนย์กลางในการรักษา (people-centric precision medicine) ที่กำลังเป็นเทรนด์สำคัญ การปรับปรุงที่ก้าวล้ำด้านประสิทธิภาพและความสามารถในการเข้าใจการประมวลผลแบบรักษาความเป็นส่วนตัว รวมถึงแว่นตา XR รุ่นใหม่ที่รวมองค์ประกอบของ VR และ AR เพื่อแสดงภาพดิจิทัลเหนือสภาพแวดล้อมจริง เป็นต้น

#2 AI for Science (AI กับการพัฒนาทางวิทยาศาสตร์)
เมื่อหลายร้อยปีที่ผ่านมา ชุมชนวิทยาศาสตร์มีกระบวนทัศน์พื้นฐานสองประการ ได้แก่ วิทยาศาสตร์เชิงทดลองและวิทยาศาสตร์เชิงทฤษฎี ทุกวันนี้ความก้าวหน้าของ AI ทำให้กระบวนทัศน์ทางวิทยาศาสตร์ใหม่ ๆ เป็นไปได้ แมชชีนเลิร์นนิ่งสามารถประมวลผลข้อมูลจำนวนมากที่มีหลากหลายมิติและในหลายรูปแบบ พร้อมแก้ไขปัญหาทางวิทยาศาสตร์ที่ซับซ้อนได้ ช่วยให้การค้นคว้าทางวิทยาศาสตร์เติบโตขึ้นในเรื่องที่เคยคิดว่าเป็นไปไม่ได้ ไม่เพียงแต่ AI จะเป็นตัวเร่งให้การวิจัยทางวิทยาศาสตร์รวดเร็วขึ้นเท่านั้นแต่ยังช่วยในการค้นพบกฎทางวิทยาศาสตร์ใหม่ ๆ อีกด้วย ในอีก 3 ปีข้างหน้า เราคาดว่าจะมีการนำ AI ไปใช้อย่างกว้างขวางในกระบวนการวิจัยทางวิทยาศาสตร์ประยุกต์ และใช้เป็นเครื่องมือการผลิตในวิทยาศาสตร์พื้นฐานด้านต่าง ๆ

#3 Silicon Photonic Chips (ชิปซิลิคอนที่ส่งข้อมูลด้วยแสง)
เมื่อขนาดของทรานซิสเตอร์ใกล้ถึงขีดจำกัดทางกายภาพ ความเร็วของการพัฒนาชิปอิเล็กทรอนิกส์จะไม่สามารถตอบสนองความต้องการด้านปริมาณข้อมูลที่เพิ่มขึ้นที่เกิดจากการเพิ่มขึ้นของการประมวลผลประสิทธิภาพสูงอีกต่อไป silicon photonic chips ต่างจากชิปอิเล็กทรอนิกส์ตรงที่ใช้โฟตอน (photons) แทนอิเล็กตรอน (electrons) เพื่อส่งข้อมูล โฟตอนจะไม่มีปฏิกิริยาโต้ตอบกันโดยตรง และสามารถเคลื่อนที่ในระยะทางที่ไกลกว่า ดังนั้น silicon photonic chips จึงสามารถเพิ่มความหนาแน่นในการประมวลผลและประสิทธิภาพในการใช้พลังงานให้สูงขึ้น ส่วนการเติบโตของคลาวด์คอมพิวติ้งและ AI ก็ขับเคลื่อนการพัฒนาเทคโนโลยี silicon photonic chips อย่างรวดเร็ว ในอีก 3 ปีข้างหน้า เราสามารถคาดหวังว่าจะได้เห็นการใช้ silicon photonic chips อย่างแพร่หลายในการรับส่งข้อมูลความเร็วสูงในดาต้าเซ็นเตอร์ขนาดใหญ่

#4 AI for Renewable Energy (AI กับพลังงานหมุนเวียน)
การพัฒนาอย่างรวดเร็วของเทคโนโลยีด้านพลังงานหมุนเวียน เช่น พลังงานลมและพลังงานแสงอาทิตย์ในช่วงไม่กี่ปีที่ผ่านมา ทำให้พลังงานหมุนเวียนเป็นแหล่งพลังงานน่าสนใจที่จะเพิ่มเข้าไปในโครงข่ายไฟฟ้า อย่างไรก็ตาม ปัญหาต่าง ๆ เช่น ความยุ่งยากในการรวมระบบโครงข่าย อัตราการใช้พลังงานต่ำ และการจัดเก็บพลังงานส่วนเกิน ล้วนเป็นอุปสรรคใหญ่ในการดำเนินการ เนื่องจากลักษณะที่คาดเดาไม่ได้ของการผลิตไฟฟ้าพลังงานหมุนเวียน และการรวมแหล่งพลังงานหมุนเวียนเข้ากับโครงข่ายไฟฟ้า ทำให้เกิดความท้าทายที่ส่งผลต่อความปลอดภัยและความน่าเชื่อถือของโครงข่ายไฟฟ้า การประยุกต์ใช้ AI ในภาคอุตสาหกรรมจึงมีความสำคัญยิ่งต่อการปรับปรุงประสิทธิภาพ และระบบอัตโนมัติของระบบไฟฟ้ากำลัง ตลอดจนการใช้ทรัพยากรให้เกิดประโยชน์สูงสุดและมีเสถียรภาพ ซึ่งจะเอื้อให้บรรลุเป้าหมาย carbon neutrality ที่จะไม่ปล่อยก๊าซเรือนกระจกสู่ชั้นบรรยากาศเพิ่มขึ้น ในอีก 3 ปีข้างหน้า คาดว่าจะมีการนำ AI ไปใช้เพื่อปูทางไปสู่การรวมแหล่งพลังงานหมุนเวียนเข้ากับโครงข่ายไฟฟ้า ตลอดจนมีส่วนสนับสนุนในการดำเนินงานของโครงข่ายไฟฟ้าที่ปลอดภัย มีประสิทธิภาพ และเชื่อถือได้

#5 High-precision Medicine (การรักษาแบบแม่นยำและจำเพาะสูง)
การแพทย์เป็นเรื่องที่ต้องอาศัยความเชี่ยวชาญเฉพาะของแต่ละบุคคลเป็นอย่างมาก และมักจะเกี่ยวข้องกับการลองผิดลองถูกอย่างสูง และท้ายที่สุดอาจมีประสิทธิภาพแตกต่างกันไปตามผู้ป่วยแต่ละราย เป็นที่คาดกันว่าการนำ AI มารวมกับการรักษาที่แม่นยำ จะช่วยกระตุ้นการบูรณาการความเชี่ยวชาญและเทคโนโลยีการวินิจฉัยใหม่ ๆ เพิ่มขึ้น และทำหน้าที่เป็นเข็มทิศนำทางที่มีความแม่นยำสูงสำหรับเวชศาสตร์คลีนิก ซึ่งแพทย์สามารถใช้เข็มทิศนี้วินิจฉัยโรคและตัดสินใจทางการแพทย์ได้อย่างรวดเร็วและแม่นยำที่สุดเท่าที่จะเป็นไปได้ ความก้าวหน้าเหล่านี้จะช่วยให้เราสามารถวัด คำนวณ คาดการณ์ และป้องกันโรคร้ายแรงได้ ในอีก 3 ปีข้างหน้าเราคาดว่า จะได้เห็นการรักษาแบบแม่นยำและจำเพาะโดยอาศัยข้อมูลทางพันธุกรรม หรือข้อมูลในระดับโมเลกุลมาใช้ในการตรวจวินิจฉัยที่เน้นผู้ป่วยเป็นศูนย์กลางในการรักษา ซึ่งจะกลายเป็นเทรนด์สำคัญที่ครอบคลุมการดูแลสุขภาพในด้านต่าง ๆ รวมถึงการป้องกัน การวินิจฉัย และการรักษาโรค AI จะเปรียบเสมือนกับเข็มทิศที่มีความแม่นยำสูง ที่จะช่วยให้เราสามารถระบุโรคและการรักษาได้

#6 Privacy-preserving Computation (การประมวลผลแบบรักษาความเป็นส่วนตัว)
เนื่องจากข้อจำกัดด้านประสิทธิภาพ การขาดความมั่นใจในเทคโนโลยี และข้อกังวลด้านมาตรฐานต่าง ๆ ทำให้การประยุกต์ใช้การประมวลผลเพื่อรักษาความเป็นส่วนตัว ถูกจำกัดให้อยู่ในขอบเขตแคบ ๆ ของการประมวลผลที่มีขนาดเล็กมาตลอด อย่างไรก็ตาม เนื่องจากเทคโนโลยีมีการบูรณาการมากขึ้นเรื่อย ๆ เช่น ชิปที่มีการทำงานเฉพาะ อัลกอริธึมการเข้ารหัส การใช้งานไวท์บ็อกซ์ (whitebox) ที่เป็นคอมพิวเตอร์ส่วนบุคคลหรือเซิร์ฟเวอร์ประกอบเองที่ไม่มีแบรนด์ รวมถึงความน่าเชื่อถือของข้อมูล ฯลฯ กำลังเกิดขึ้น ดังนั้นจึงจะมีการประมวลผลแบบรักษาความเป็นส่วนตัวนำมาใช้ในสถานการณ์ต่าง ๆ เช่น การประมวลผลข้อมูลจำนวนมหาศาล และการผสานรวมข้อมูลจากทุกโดเมน ซึ่งเป็นความก้าวหน้าที่เกิดจากการประมวลผลข้อมูลจำนวนเล็กน้อย และข้อมูลจากโดเมนส่วนตัวเข้าไว้ด้วยกัน การนำไปใช้งานจะเพิ่มประสิทธิภาพการทำงานใหม่ที่ขับเคลื่อนโดยข้อมูลจากทุกโดเมน ในอีก 3 ปีข้างหน้าเราจะเห็นการปรับปรุงที่ก้าวล้ำด้านประสิทธิภาพ และความสามารถในการเข้าใจการประมวลผลแบบรักษาความเป็นส่วนตัว และจะได้เห็นหน่วยงานด้านความน่าเชื่อถือของข้อมูลที่ให้บริการแบ่งปันข้อมูลต่าง ๆ ผ่านการใช้เทคโนโลยีเพิ่มขึ้น

#7 Extended Reality: XR (เทคโนโลยีโลกเสมือนจริง – XR)
การพัฒนาเทคโนโลยี เช่น การประมวลผลแบบเอดจ์บนคลาวด์ การเชื่อมต่อเครือข่าย และดิจิทัลทวิน
ทำให้เทคโนโลยี XR เติบโตเต็มที่ แว่นตา XR ให้คำมั่นที่จะทำให้โลกเสมือนบนอินเทอร์เน็ตใกล้ความเป็นจริงมากที่สุด นวัตกรรมนี้ได้หว่านเมล็ดพันธุ์ที่จะแตกหน่อในระบบนิเวศอุตสาหกรรมใหม่ ที่รวมถึงส่วนประกอบอิเล็กทรอนิกส์ อุปกรณ์ ระบบปฏิบัติการ และการใช้งานในด้านต่าง ๆ เทคโนโลยี XR จะเปลี่ยนโฉมแอปพลิเคชันดิจิทัล และปฏิวัติวิธีที่ผู้คนมีส่วนร่วมกับเทคโนโลยีในเรื่องต่าง ๆ เช่น ความบันเทิง โซเชียลเน็ตเวิร์ก ออฟฟิศ ช็อปปิ้ง การศึกษา และการดูแลสุขภาพ ฯลฯ ในอีก 3 ปีข้างหน้า เราคาดว่าจะได้เห็นแว่นตา XR รุ่นใหม่ที่มีรูปลักษณ์ และให้ความรู้สึกที่ไม่ผิดเพี้ยนไปจากแว่นตาทั่วไปออกสู่ตลาด และจะเป็นจุดเริ่มต้นที่สำคัญสู่อินเทอร์เน็ตในยุคต่อไป

#8 Perceptive Soft Robotics
หุ่นยนต์นิ่ม (Perceptive Soft Robotics) แตกต่างจากหุ่นยนต์ทั่วไป ตรงที่มีส่วนต่าง ๆ ที่ยืดหยุ่นได้ และมีความสามารถในการรับรู้ต่อแรงกด การมองเห็น และเสียง หุ่นยนต์เหล่านี้ใช้ประโยชน์จากเทคโนโลยีต่าง ๆ ที่ล้ำสมัย เช่น อุปกรณ์อิเล็กทรอนิกส์ที่ยืดหยุ่นได้ วัสดุที่รองรับแรงกด และ AI ซึ่งช่วยให้ทำงานพิเศษและงานที่มีความซับซ้อนสูง อีกทั้งยังสามารถเปลี่ยนรูปเพื่อปรับให้เข้ากับสภาพแวดล้อมทางกายภาพที่แตกต่างกันได้ การเกิดขึ้นของหุ่นยนต์นิ่มจะช่วยเปลี่ยนทิศทางของอุตสาหกรรมการผลิต ตั้งแต่การผลิตสินค้ามาตรฐานจำนวนมาก ไปจนถึงสินค้าเฉพาะกลุ่มที่มีการผลิตจำนวนน้อย ในอีก 5 ปีข้างหน้า จะมีการนำหุ่นยนต์นิ่มมาใช้แทนที่หุ่นยนต์ทั่วไปในอุตสาหกรรมการผลิต และปูทางไปสู่การใช้เป็นหุ่นยนต์บริการในชีวิตประจำวันมากขึ้น

#9 Satellite-terrestrial Integrated Computing (การประมวลผลแบบบูรณาการผ่านดาวเทียมและภาคพื้นดิน – STC)
เครือข่ายภาคพื้นดินและระบบการประมวลผลมีการให้บริการดิจิทัลสำหรับพื้นที่ที่มีประชากรหนาแน่น แต่จะไม่มีบริการในพื้นที่ที่มีประชากรเบาบาง เช่น ทะเลทราย ทะเล และอวกาศ เป็นต้น STC จะเชื่อมต่อกับดาวเทียมแบบ High-Earth Orbit (HEO) ที่มีวงโคจรสูง และแบบ Low-Earth Orbit (LEO) ที่มีวงโคจรต่ำ และเครือข่ายการสื่อสารเคลื่อนที่ภาคพื้นดิน ครอบคลุมไร้รอยต่อในทุกมิติ นอกจากนี้ STC ยังสร้างระบบประมวลผลที่รวมดาวเทียม เครือข่ายดาวเทียม ระบบสื่อสารภาคพื้นดิน และเทคโนโลยีคลาวด์คอมพิวติ้งเข้าไว้ด้วยกัน ซึ่งจะทำให้เกิดการเข้าถึงบริการดิจิทัลได้มากขึ้น และครอบคลุมทั่วโลก ในอีก 5 ปีข้างหน้า ดาวเทียมและระบบภาคพื้นดินจะทำงานร่วมกันเป็นโหนดการประมวลผล เพื่อสร้างระบบเครือข่ายแบบครบวงจรที่ให้การเชื่อมต่อทั่วทุกพื้นที่

และยิ่งไปกว่านั้น เราคาดหวังว่าในอนาคต AI จะเปลี่ยนไปเป็นวิวัฒนาการร่วมกันของโมเดลขนาดใหญ่และขนาดเล็ก ผ่านระบบคลาวด์ เอดจ์ และอุปกรณ์ต่าง ๆ

#10 วิวัฒนาการร่วมของโมเดล AI ขนาดใหญ่และขนาดเล็ก
โมเดลก่อนการฝึกอบรม หรือที่เรียกกันว่าโมเดลพื้นฐาน เป็นเทคนิคก้าวล้ำในการพัฒนาพื้นฐานตั้งแต่ AI เฉพาะทาง (Weak AI) ที่มีความสามารถเฉพาะด้าน ไปจนถึง AI ทั่วไป (General AI) ที่มีความสามารถดัดแปลงความรู้และทักษะได้ระดับหนึ่ง ซึ่งจะช่วยเพิ่มประสิทธิภาพของแอปพลิเคชันต่าง ๆ โดยใช้การเรียนรู้เชิงลึกที่เป็นมาตรฐาน อย่างไรก็ตาม ข้อดีในด้านประสิทธิภาพที่สูงขึ้น และข้อเสียในด้านการใช้พลังงานนั้นไม่สมดุลกัน จึงทำให้การสำรวจโมเดลขนาดใหญ่มีข้อจำกัด AI ในอนาคตกำลังเปลี่ยนจากการแข่งขันด้านความสามารถในการปรับขนาดของโมเดลพื้นฐาน ไปสู่การพัฒนาร่วมกันของโมเดลขนาดใหญ่และขนาดเล็ก ผ่านระบบคลาวด์ เอดจ์ และอุปกรณ์ต่าง ๆ ซึ่งเป็นประโยชน์มากกว่าในทางปฏิบัติ