Alibaba DAMO Academy: Tech Trends 2023

Alibaba DAMO Academy (“DAMO”) โครงการวิจัยระดับโลกของอาลีบาบา กรุ๊ป เผยการคาดการณ์ประจำปีเกี่ยวกับเทรนด์ทางเทคโนโลยีชั้นนำที่อาจเป็นตัวกำหนดรูปโฉมของอุตสาหกรรมจำนวนมากในอีกหลายปีต่อจากนี้

โดยการคัดเลือกจะเลือกเทคโนโลยีที่มีศักยภาพสูงสุดต่อการนำไปปรับใช้ในชีวิตจริงในอีกหลาย ๆ ปี โดยอิงจากผลงานวิจัยจำนวนมาก การจดสิทธิบัตร รวมทั้งการสัมภาษณ์นักวิทยาศาสตร์และผู้เชี่ยวชาญเฉพาะทางกว่า 100 คน รวมถึงการศึกษาและเกณฑ์ทั้งหมดที่พวกเขาร่วมกันกำหนดขึ้น เกณฑ์ในการเลือกจะพิจารณาจาก ประเภทและระดับของอุตสาหกรรม ค่านิยมทางสังคม ตลอดจนความเป็นไปได้ทางเทคโนโลยีด้วย

Generative AI

Generative AI หรือปัญญาประดิษฐ์ที่สามารถสร้างสิ่งใหม่ ๆ อย่าง ชุดข้อความ รูปภาพ เสียง เกม โฆษณา และกราฟิกดีไซน์ ฯลฯ จะได้รับความนิยมมากขึ้นอีกจากการมีชุดแอปพลิเคชันต่าง ๆ ที่เพิ่มมากขึ้น เพื่อนำไปใช้ในการเปลี่ยนผ่านวิธีการผลิตเนื้อหาดิจิทัล

จากข้อมูลจากการวิจัยของ DAMO ระบุว่า Generative AI ที่อาศัยความก้าวหน้าทางเทคโนโลยีแห่งอนาคต จะช่วยลดค่าใช้จ่าย และจะกลายเป็นเทคโนโลยีเบ็ดเสร็จที่สามารถเพิ่มความหลากหลาย ความคิดสร้างสรรค์ และประสิทธิภาพในการสร้างคอนเทนต์ได้อย่างมีนัยสำคัญ

ในอีก 3 ปีต่อจากนี้ เราจะได้เห็นรูปแบบทางธุรกิจใหม่ ๆ และระบบนิเวศที่สมบูรณ์เต็มที่ เพราะมีการนำ Generative AI ไปใช้ในวงกว้าง โดยรูปแบบที่เป็น Generative AI จะโต้ตอบกับมนุษย์ได้มากขึ้น ปลอดภัยและชาญฉลาดมากขึ้น อีกทั้งยังจะช่วยมนุษย์ทำงานสร้างสรรค์ต่าง ๆ ให้ลุล่วงได้อย่างดี

Dual-engine Decision Intelligence

วิธีการตัดสินใจแบบเดิมในอดีตนั้น พึ่งพาการวิจัยเชิงปฏิบัติการ ซึ่งมีข้อจำกัดในการจัดการกับปัญหาต่าง ๆ ที่มีความไม่แน่นอนสูง และตอบสนองต่อปัญหาใหญ่ ๆ ได้ช้า ดังนั้น สถาบันทางการศึกษาและภาคอุตสาหกรรมจึงได้เริ่มใช้แมชชีนเลิร์นนิง (Machine Learning) เข้ามาเพิ่มประสิทธิภาพให้กับการตัดสินใจด้านต่าง ๆ เครื่องมือทั้งสองนี้ เป็นองค์ประกอบที่ลงตัวของกันและกัน และเมื่อได้ใช้ควบคู่กันไปจะช่วยเพิ่มความเร็วและคุณภาพของการตัดสินใจต่าง ๆ และเป็นที่คาดการณ์ว่า เทคโนโลยีนี้จะใช้กันอย่างแพร่หลายในสถานการณ์หลากหลายในอนาคต เพื่อช่วยให้สามารถจัดสรรทรัพยากรได้แบบหลากหลายระดับ ครบถ้วน และทำได้แบบเรียลไทม์ เช่น การจ่ายไฟฟ้าแบบเรียลไทม์ การกำหนดจุดจอดในสนามบิน และการเพิ่มประสิทธิภาพให้กับกระบวนการผลิตต่าง ๆ เป็นต้น

Cloud-native Security

การใช้ระบบความปลอดภัยที่รองรับการทำงานบนคลาวด์ (Cloud-native Security) นั้น ไม่เพียงมอบความปลอดภัยบนโครงสร้างพื้นฐานบนคลาวด์เท่านั้น แต่ยังเพิ่มประสิทธิภาพให้กับบริการด้านความปลอดภัยต่าง ๆ ด้วยการใช้ประโยชน์จากเทคโนโลยีคลาวด์ การรวมเทคโนโลยีด้านความปลอดภัยต่าง ๆ และคลาวด์คอมพิวติงเข้าด้วยกันกำลังเกิดขึ้นอย่างไม่เคยมีมาก่อน ซึ่งเราเห็นได้จากการใช้เทคโนโลยีที่พัฒนาจากการใช้คอนเทนเนอร์ไปเป็นไมโครเซอร์วิส จนถึงรูปแบบที่ไม่ต้องพึ่งพาเซิร์ฟเวอร์ (Serverless Model) และบริการด้านความปลอดภัยที่ยกระดับสู่การเป็นคลาวด์เนทีฟ (Cloud-native) ที่มีความรัดกุม ใช้แพลตฟอร์มเป็นศูนย์กลาง และชาญฉลาด

ใน 3-5 ปีจากนี้ การรักษาความปลอดภัยบนคลาวด์เนทีฟ จะหลากหลายมากขึ้น นำไปใช้กับสถาปัตยกรรมคลาวด์ที่หลากหลายได้ง่ายขึ้น และเอื้อต่อการสร้างระบบความปลอดภัยในทุกระดับ ครบวงจร แม่นยำ และใช้กับสภาพแวดล้อมแบบผสมผสานได้

Pre-trained Multimodal Foundation Models

Pre-trained Multimodal Foundation Models จะกลายเป็นแบบอย่างและโครงสร้างพื้นฐานใหม่ ในการสร้างระบบปัญญาประดิษฐ์ (AI) ซึ่งจะสามารถรับความรู้จากแบบวิธีต่าง ๆ และนำเสนอความรู้นั้นตามกรอบการเรียนรู้ด้านการแสดงออกที่รวมเป็นหนึ่งเดียว

ในอนาคต Foundation Models จะถูกกำหนดขึ้นเพื่อทำหน้าที่เป็นโครงสร้างพื้นฐานปกติของระบบ AI ที่ใช้ทำงานต่าง ๆ เช่น รูปภาพ ข้อความ และเสียง เป็นการเสริมศักยภาพระบบ AI ด้วยความสามารถด้านสติปัญญาในการให้เหตุผล การตอบคำถาม การสรุป และการสร้างสรรค์

Cloud Infrastructure Processor (CIPU)

คลาวด์คอมพิวติง (Cloud Computing) กำลังพัฒนาเป็นสถาปัตยกรรมใหม่ที่มีศูนย์กลางอยู่ที่ Cloud Infrastructure Processor (CIPU) ซึ่งเป็นสถาปัตยกรรมที่ใช้ฮาร์ดแวร์ในการเร่งความเร็วการทำงานและควบคุมการทำงานด้วยซอฟต์แวร์ โดยจะช่วยเร่งการใช้แอปพลิเคชันบนคลาวด์ให้มีความลื่นไหลมากขึ้น ในขณะเดียวกันยังคงความยืดหยุ่นและความคล่องตัวสูงไว้เพื่อการพัฒนาแอปพลิเคชันบนคลาวด์ CIPU จะกลายเป็นมาตรฐานที่ได้รับการยอมรับทั่วไปของคลาวด์คอมพิวติงยุคหน้า และนำมาซึ่งโอกาสด้านการพัฒนาใหม่ ๆ จำนวนมากในด้านการวิจัยและพัฒนาซอฟต์แวร์และการออกแบบ Dedicated Chip

Edge-Cloud Synergy

โครงสร้างที่คาดการณ์ได้ (Predictable Fabric) เป็นระบบเน็ตเวิร์กที่ออกแบบร่วมกันโดยแม่ข่ายและลูกข่ายในการขับเคลื่อน ซึ่งจะสามารถนำเสนอบริการเน็ตเวิร์กที่มีประสิทธิภาพสูง และจะเป็นเทรนด์ที่ต้องเกิดขึ้นอย่างแน่นอน เพราะความสามารถด้านคอมพิวติงและเน็ตเวิร์กในปัจจุบันค่อย ๆ รวมตัวเข้าด้วยกัน และด้วยสมรรถนะของนวัตกรรมแบบฟูลสแต็ก จาก Cloud-defined Protocols, ซอฟต์แวร์, ชิป, ฮาร์ดแวร์, สถาปัตยกรรม และแพลตฟอร์มต่าง ๆ ทำให้คาดการณ์ได้ว่า Predictable Fabric จะเข้ามาแทนที่สถาปัตยกรรมเน็ตเวิร์ก TCP แบบดั้งเดิม และกลายเป็นส่วนหนึ่งของเน็ตเวิร์กหลักในดาต้าเซ็นเตอร์รุ่นต่อไป ความก้าวล้ำด้านนี้ยังขับเคลื่อนการใช้ Predictable Fabric จากเน็ตเวิร์กของดาต้าเซ็นเตอร์ ไปจนถึงเน็ตเวิร์กหลักบนคลาวด์ที่กว้างขวาง

Computational Imaging

การสร้างภาพด้วยคอมพิวเตอร์ (Computational Imaging) เป็นสหวิทยาการเทคโนโลยีเกิดใหม่อย่างหนึ่ง ซึ่งตรงข้ามกับเทคนิคการถ่ายภาพแบบเดิม โดยคอมพิวเตอร์สร้างภาพจากรูปแบบจำลองทางคณิตศาสตร์ต่าง ๆ และความสามารถในการประมวลผลสัญญาณต่าง ๆ จำนวนมาก จึงสามารถวิเคราะห์ข้อมูลสนามแสงเชิงลึกที่ไม่เคยทำได้มาก่อนได้ เทคโนโลยีนี้มีใช้แล้วในวงกว้าง เช่น การถ่ายภาพของโทรศัพท์มือถือ, การถ่ายภาพทางการแพทย์, และยานยนต์อัตโนมัติ ในอนาคตการสร้างภาพด้วยคอมพิวเตอร์จะยังคงปฏิวัติเทคโนโลยีการถ่ายภาพแบบเดิม และทำให้เกิดนวัตกรรมและการสร้างสรรค์ เช่น การถ่ายภาพแบบไม่ต้องใช้เลนส์ และการถ่ายภาพแบบไม่อยู่ในแนวสายตา (Non-line-of-sight: NLOS)

Chiplet

การใช้ชิปเล็ต หรือชิปขนาดย่อย (Chiplet) จะช่วยให้ผู้ผลิตสามารถแบ่งระบบต่าง ๆ ที่รวมกันอยู่บนชิปตัวหนึ่ง (System on a Chip: SoC) ออกเป็นชิปเล็ก ๆ หลายตัว ซึ่งถูกเชื่อมต่ออยู่ในชิปใหญ่ตัวเดียว SoC นี่จะเป็นคลื่นลูกใหม่ที่มีผลต่อการเปลี่ยนแปลงของกระบวนการวิจัยและพัฒนาวงจรรวมและเปลี่ยนโฉมอุตสาหกรรมชิป

Processing in Memory (PIM)

เทคโนโลยีการประมวลผลในหน่วยความจำ (Processing in Memory: PIM) เป็นการรวมหน่วยประมวลผลกลาง (CPU) และหน่วยความจำไว้บนชิปเดียว ซึ่งจะช่วยให้ทำงานร่วมกับโปรแกรมต่าง ๆ ได้ประสิทธิภาพมากขึ้นอย่างมาก จุดนี้จะส่งผลดีต่ออุตสาหกรรมต่าง ๆ เช่น คลาวด์คอมพิวติง, AI และอินเทอร์เน็ตออฟธิงค์ (IoT)

Large-scale Urban Digital Twins

คอนเซปต์ของเมืองเสมือนดิจิทัล (Urban Digiital Twins) จะกลายเป็นแนวทางใหม่ในการดูแลจัดการสิ่งต่าง ๆ ในเมือง ให้มีประสิทธิภาพมากขึ้น เช่น การดูแลการจราจร การป้องกันและการจัดการภัยทางธรรมชาติ การวิเคราะห์จุดสูงสุดและความเป็นกลางทางคาร์บอน เป็นต้น ทั้งนี้เทคโนโลยีนี้ จะมีขนาดใหญ่ และจะทำงานแบบอิสระได้ด้วยตนเอง และมีหลากหลายมิติมากขึ้นในอนาคต