Changes at "โครงการจัดตั้งแพลตฟอร์ม Local LLM & AI Agent Infrastructure เพื่อการศึกษาและการวิจัยแห่งอนาคต"
Body (English)
- +โครงการจัดตั้งแพลตฟอร์ม Local LLM & AI Agent Infrastructure เพื่อการศึกษาและการวิจัยแห่งอนาคต
- +"เพราะการเรียนรู้ด้าน AI ที่ดีที่สุด ไม่ควรถูกจำกัดด้วยค่า API หรือสเปกคอมพิวเตอร์"
- +
- +มาร่วมสร้างโครงสร้างพื้นฐานด้าน AI ระดับขีดสุดที่จะเปลี่ยนคณะของเราให้เป็นศูนย์กลางนวัตกรรม Generative AI, RAG และ AI Agents อย่างแท้จริง
- +
- +1. สภาพปัญหาที่พบ (The Pain Points)
- +กำแพงค่าใช้จ่าย (API Cost): นิสิตและนักวิจัยต้องแบกรับค่าบริการ Cloud AI (เช่น OpenAI, Anthropic) เพื่อทำการทดลอง ยิ่งพัฒนายิ่งจ่ายแพง
- +
- +ข้อจำกัดด้านความปลอดภัย (Privacy & Security): ไม่สามารถนำข้อมูลวิจัยที่ละเอียดอ่อน ข้อมูลคณะ หรือข้อมูลความมั่นคงปลอดภัยไซเบอร์ ขึ้นไปประมวลผลบน Cloud สาธารณะได้
- +
- +ความเหลื่อมล้ำทางอุปกรณ์ (Hardware Limit): โมเดล AI ยุคใหม่มีขนาดใหญ่ แต่นิสิตส่วนใหญ่ไม่มีเครื่องคอมพิวเตอร์ที่มี GPU แรงพอสำหรับรันหรือทดลองปรับแต่ง (Fine-tuning) ด้วยตนเอง
- +
- +2. แนวทางการแก้ไขและรายละเอียดโครงการ (The Solution)
- +เราจะจัดตั้ง "แพลตฟอร์ม Local LLM & AI Agent ภายในคณะ" เพื่อเปิดให้ใช้งานฟรี ปลอดภัย และทรงพลัง ตลอด 24 ชั่วโมง โดยแบ่งโครงสร้างออกเป็น:
- +
- +2.1 Hardware ประสิทธิภาพสูง (On-Premises AI GPU Server)
- +จัดซื้อเซิร์ฟเวอร์ GPU ระดับองค์กรเพื่อเป็นขุมพลังส่วนกลางในการประมวลผลและเทรนโมเดล
- +
- +2.2 Software & Open-Source Ecosystem
- +ติดตั้งและให้บริการโมเดลภาษาขนาดใหญ่ที่เป็น Open-source ระดับโลก เช่น DeepSeek, Llama, Qwen, Mistral และ Gemma ผ่านแพลตฟอร์มจัดการที่ทันสมัย:
- +
- +vLLM / Ollama / LiteLLM: สำหรับการให้บริการ API ที่รวดเร็วและเสถียร รองรับผู้ใช้จำนวนมาก
- +
- +Open WebUI: หน้าต่างแชทใช้งานง่ายสำหรับนิสิตและบุคลากรทุกคน
- +
- +2.3 Sandbox สำหรับเทคโนโลยีขั้นสูง (Beyond Chatbot)
- +รองรับการเชื่อมต่อ API เพื่อให้นิสิตสามารถลงมือปฏิบัติจริงในเทคโนโลยีเปลี่ยนโลก:
- +
- +AI Agent & Multi-Agent Systems: สร้างเอเจนต์อัจฉริยะที่ทำงานร่วมกันแบบอัตโนมัติ
- +
- +RAG (Retrieval-Augmented Generation): ค้นคืนข้อมูลความรู้เฉพาะทางของคณะหรือองค์กร
- +
- +MCP (Model Context Protocol): เชื่อมต่อโมเดลเข้ากับฐานข้อมูลและเครื่องมือต่าง ๆ ได้โดยตรง
- +
- +Fine-tuning & Benchmarking: เปิดโอกาสให้ทำวิจัยลงลึกถึงขั้นปรับแต่งโมเดลเองได้
- +
- +3. กลุ่มเป้าหมายหรือผู้ที่ได้รับประโยชน์ (Target Audience)
- +นิสิตระดับ ป.ตรี - โท - เอก: ใช้งาน Local LLM ระดับท็อปได้ฟรีเพื่อทำโครงงาน (Senior Projects) และวิทยานิพนธ์ พัฒนาทักษะ AI Engineer ที่ตลาดแรงงานทั่วโลกมีความต้องการสูงในขณะนี้
- +
- +อาจารย์และนักวิจัย: มี GPU Infrastructure สำหรับรันโมเดลวิจัยได้อย่างปลอดภัย 100% ข้อมูลไม่รั่วไหล พร้อมขยายผลไปสู่การขอทุนวิจัยขนาดใหญ่ภายนอก
- +
- +คณะและมหาวิทยาลัย: ประหยัดงบประมาณระยะยาวจากการพึ่งพา Cloud AI, ยกระดับหลักสูตรด้าน Computer Science, CoE, Data Science และ Cybersecurity ให้ล้ำสมัยที่สุด
- +
- +4. งบประมาณที่คาดว่าจะใช้ (Estimated Budget)
- +วงเงินรวมประมาณ 5,000,000 บาท (เป็นการลงทุนครั้งเดียวที่สร้างประโยชน์ต่อเนื่องหลายปี)
- +
- +AI GPU Server (GPU ประสิทธิภาพสูงหลายใบ พร้อม CPU, RAM, Storage) 4,000,000 บาท
- +ระบบ Storage และ Backup เพื่อความปลอดภัยของข้อมูล 300,000 บาท
- +ระบบ Network และอุปกรณ์ประกอบ เพื่อรองรับการใช้งานพร้อมกันจำนวนมาก 200,000 บาท
- +Rack, UPS และระบบไฟฟ้า สำหรับรักษาความเสถียรของเซิร์ฟเวอร์ 250,000 บาท
- +ค่าติดตั้ง ตั้งค่า และวางระบบซอฟต์แวร์ 100,000 บาท
- +งบสำรองและค่าบำรุงรักษาเบื้องต้น 150,000 บาท
- +
- +5. ผลลัพธ์ที่คาดหวัง (Expected Outcomes)
- +
- +ลดความเหลื่อมล้ำในการเข้าถึงเทคโนโลยี: นิสิตทุกคนเข้าถึงโมเดล AI ระดับโลกและ GPU แรงสูงได้ผ่านเบราว์เซอร์ โดยไม่ต้องจ่ายเงินเอง
- +
- +ยกระดับคุณภาพงานวิจัย: เกิดนวัตกรรม โครงงาน และเปเปอร์วิจัยด้าน Generative AI, RAG และ AI Agent จากคณะของเรามากขึ้นอย่างก้าวกระโดด
- +
- +ก้าวสู่ผู้นำด้าน AI Infrastructure: คณะจะมีโครงสร้างพื้นฐานที่พร้อมต่อยอดไปสู่ AI Research Center และ AI Computing Infrastructure ของมหาวิทยาลัยในอนาคต
Title (English)
- +โครงการจัดตั้งแพลตฟอร์ม Local LLM & AI Agent Infrastructure เพื่อการศึกษาและการวิจัยแห่งอนาคต