ปัญญาประดิษฐ์เชิงสร้างสรรค์เทคโนโลยีพลิกโฉมธุรกิจ
คำสำคัญ:
ปัญญาประดิษฐ์เชิงสร้างสรรค์, ปัญญาประดิษฐ์, เทคโนโลยีพลิกโฉมธุรกิจบทคัดย่อ
บทความวิชาการนี้ เป็นเนื้อหาเกี่ยวกับปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) หรือ GAI คือ ปัญญาประดิษฐ์ประเภทหนึ่งที่ใช้อัลกอรึทึมในการเรียนรู้ชุดข้อมูลเพื่อสร้างผลลัพธ์ใหม่ที่คล้ายคลึงกันแต่แตกต่างจากข้อมูลต้นฉบับ เช่น ตัวอักษรที่เป็นข้อความ โดยใช้การประมวลผลและตอบคำถาม รูปภาพ เสียง วิดีโอ งานออกแบบดีไซน์ ภาษาโปรแกรม คอมพิวเตอร์รวมถึงข้อมูลสังเคราะห์ เป็นต้น ปัญญาประดิษฐ์เชิงสร้างสรรค์กำลังเป็นหัวข้อที่ได้รับความสนใจอย่างมากในแวดวงธุรกิจ เนื่องจากได้กลายเป็นเครื่องมือสำหรับนักสร้างสรรค์และนักออกแบบในแวดวงอุตสาหกรรมและธุรกิจ โดยได้นำมาปรับใช้ในการทำงานเพื่อเพิ่มประสิทธิภาพ เนื่องจากช่วยทำให้ประหยัดเวลาและเกิดประสิทธิภาพ ในการทำงานมากขึ้น การใช้ปัญญาประดิษฐ์เชิงสร้างสรรค์ในงานทางด้านธุรกิจ เช่น การตลาด การเงิน การศึกษา การผลิตและบริการ การสร้างสรรค์งานศิลปะและบันเทิง รวมไปถึงการสร้างไอเดียในการทำคอนเทนต์
บทความนี้มุ่งเน้นการอธิบายความหมาย ความสามารถและบทบาทของปัญญาประดิษฐ์เชิงสร้างสรรค์ในบริบทของการใช้สนับสนุนการทำงานในภาคธุรกิจ เพื่อให้ประชาคมภาคธุรกิจได้เข้าใจและเตรียมพร้อมรับมือกับการเปลี่ยนแปลงที่กำลังเกิดขึ้น โดยปัจจัยที่ส่งผลต่ออนาคตของปัญญาประดิษฐ์เชิงสร้างสรรค์ในโลกธุรกิจ ประกอบไปด้วยการพิจารณาหัวข้อการใช้เทคโนโลยีหลัก ผลกระทบต่อธุรกิจ ร่วมกับการพิจารณาความท้าทายและความเสี่ยงในการดำเนินงานเพื่อนำไปสู่การปรับตัวของธุกิจในอนาคตต่อไป
เอกสารอ้างอิง
กนก บุนนาค.(2567).ปัญญาประดิษฐ์เชิงสร้างสรรค์กับการประยุกต์ใช้ทางการทหาร. วารสารวิชาการเทคโนโลยีป้องกันประเทศ, 13(6), 28-41.
Generative AI คืออะไร มีกี่ประเภท โดดเด่นแค่ไหน ใช้ทำอะไรได้บ้าง. (2566). Nerd Optimize. https://nerdoptimize.com/generative-ai/
Generative AI สำหรับชิ้นงานสร้างสรรค์. (2566). Adobe. https://www.adobe.com/th_th/products/firefly/discover/what-is-ai-art.html
ชินกฤต อุดมลาภไพศาลและกฤษณะ เชื้อชัยนาท.(2566). Generative AI ในงานสื่อสารมวลชน. วารสารเซนต์จอห์น., 26(39),179-194.
ณปภัช อโรชาสิริ.(2567).คุณค่า AI ปัญญาประดิษฐ์สมองกลอัจฉริยะ สู่การสร้างสรรค์ผลงานศิลปะแบบไร้ขอบเขต. วารสารศิลปกรรมศาสตร์วิชาการวิจัยและงานสร้างสรรค์, 12(2),65-79.
ธนาคารแห่งประเทศไทย (2566) . Generative AI : ขุมพลังขององค์กร?. https://shorturl.asia/OMKV4
นฤดล จันทรเพ็ชร์ และ อุบลวรรณ ส่งเสริม.(2568). ปัญญาปรุะดิิษฐ์ (AI) : การประยุกต์ใช้ทางการศึึกษา. วารสารครุุสภาวิทยาจารย์, 6(1), 1–13.
วิจัยกรุงศรี.(2566). Generative AI เทคโนโลยีพลิกโฉมโลก. https://www.krungsri.com/th/research/research-intelligence/generative-ai-2023
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?. In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21). Association for Computing
Machinery, 610–623. https://doi.org/10.1145/3442188.3445922
Brown, T.B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P.,
Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R.,
Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., … Amodei, D. (2020). Language models are few-shot learners. https://arxiv.org/abs/2005.14165
Buolamwini, J., & Gebru, T. (2018). Gender Shades: Intersectional Phenotypic Demographics for Benchmarking Facial Analysis Algorithms. Proceedings of the 1st Conference on Fairness, Accountability, and Transparency (FAT).
Carlini, N., Ippolito, D., Tramer, F. (2021). Extracting Training Data from Large Language Models. Proceedings of the 30th USENIX Security Symposium.
Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108-116.
Ekman, H., & Strand, E. (2024). AI: A helping hand for digital marketing agencies?. [Bachelor’s thesis]. Malmö University.
Greshake, K., Abdelnabi, S., Moura, L. (2023). Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection. arXiv preprint arXiv:2302.04940.
Khalil, M., & Ebner, M. (2023). The Potential of ChatGPT in Education: A State-of-the-Art Review. Education and Information Technologies.
Krenn, M., Häse, F., & Aspuru-Guzik, A. (2023). Synthetic data generation using generative models in industrial applications. Nature Machine Intelligence, 5(1), 12-24.
Ngotngamwong, R. (2020). Artificial Intelligence and Its Impacts on Employability. Human Behavior, Development & Society, 21(2), 51-56.
OpenAI. (2023). ChatGPT and its implications for education and the workforce.
Schuh, G., Gartzen, T., Kampker, A., & Potente, T. (2022). Industry 4.0 in Production – Applications of AI and Automation for Efficiency. Procedia CIRP, 57, 8-13.
U.S. Copyright Office. (2023). Copyright Registration Guidance: Works Containing AI-Generated Material.
