LLM ตัวไหนเหมาะกับคณะศิลปกรรม? เทรน AI ให้วาดสไตล์ตัวเอง

📚 ตอนที่ 7/12 ของซีรีส์ เลือก LLM ให้ถูกคณะ โดย CYN Communication — คู่มือเลือกโมเดล AI open-source สำหรับติดตั้งบน NVIDIA GB10 (DGX Spark) ในสถาบันการศึกษา

🎨 คณะศิลปกรรมศาสตร์และดุริยางคศิลป์ — AI คือพู่กันด้ามใหม่ ไม่ใช่คู่แข่งของศิลปิน

ทำไมคณะศิลปกรรมต้องมี LLM ของตัวเอง

ไม่มีคณะไหนถูก generative AI เขย่าแรงเท่าคณะศิลปกรรม — และไม่มีคณะไหนที่ “การนิ่งเฉย” อันตรายเท่านี้อีกแล้ว บัณฑิตสายออกแบบ ดนตรี และทัศนศิลป์กำลังเดินเข้าสู่ตลาดที่ผู้ว่าจ้างใช้เครื่องมือ generative กันเป็นเรื่องปกติ สตูดิโอโฆษณาคาดหวังว่านักออกแบบรุ่นใหม่จะ “กำกับ AI ได้” ไม่ใช่แค่วาดเองได้

แต่การพึ่ง AI cloud สาธารณะก็สร้างปัญหาเฉพาะตัวของสายครีเอทีฟ ข้อแรกคือเรื่องลิขสิทธิ์และความเป็นเจ้าของ — ผลงานต้นฉบับของนักศึกษาและอาจารย์ที่อัปโหลดขึ้นบริการ cloud ต่างประเทศ อาจถูกนำไปใช้เทรนโมเดลของผู้ให้บริการตามเงื่อนไขที่ผู้ใช้แทบไม่เคยอ่าน ข้อสองคือค่าใช้จ่าย — งานศิลปะคืองานที่ต้อง generate ซ้ำหลายสิบหลายร้อยรอบกว่าจะได้ชิ้นที่ใช่ ค่าบริการแบบคิดต่อภาพต่อเพลงจะบานปลายจนตั้งงบไม่ได้ และข้อสามที่สำคัญที่สุด: บริการ cloud ให้เรา “ใช้” โมเดลของเขา แต่แทบไม่เปิดให้เรา “ฝึกโมเดลให้เป็นตัวเรา”

NVIDIA GB10 (DGX Spark) เปลี่ยนสมการนี้ทั้งหมด: desktop AI supercomputer หน่วยความจำ unified 128GB กำลังประมวลผลราว 1 petaFLOP (FP4) ตั้งในห้องของคณะ เปิด multi-user ผ่าน JupyterHub ให้ทั้งชั้นเรียนใช้พร้อมกัน generate ได้ไม่จำกัดโดยไม่มีบิลรายเดือน ผลงานทุกไฟล์อยู่ในเครื่องของคณะ สอดคล้อง PDPA — และที่สำคัญ fine-tune โมเดลด้วยผลงานของศิลปินเองได้จริง

ชุดโมเดลแนะนำสำหรับคณะศิลปกรรมและดนตรี

หลักคิดของ CYN Communication สำหรับคณะนี้คือ “ครบทุกสื่อบนเครื่องเดียว” — ภาพ เพลง เสียง และภาษา — เพราะงานสร้างสรรค์ยุคใหม่แทบไม่มีชิ้นไหนใช้สื่อเดียวจบ

เหตุผลรายตัว:

• FLUX.1-dev คือหัวใจของชุดนี้ และจุดขายที่ cloud ให้ไม่ได้คือ การ fine-tune LoRA จากผลงานของศิลปินเองเพียง ~20 ภาพ นักศึกษาสแกนภาพวาดของตัวเอง 20 ชิ้น เทรน LoRA บน GB10 แล้วได้โมเดลที่ “วาดในสไตล์ของเรา” — ลายเส้นของเรา จานสีของเรา อารมณ์ของเรา
• Typhoon 2.5 30B เป็นโมเดลภาษาที่เข้าใจภาษาไทยลึกที่สุดในชุด ใช้เขียนเนื้อเพลงไทยที่สัมผัสถูกฉันทลักษณ์ ระดมไอเดีย concept นิทรรศการ และเขียน artist statement สองภาษา
• MusicGen / ACE-Step เปิดวิชาดนตรีสายใหม่: การประพันธ์ร่วมกับ AI ตั้งแต่เพลงประกอบหนังสั้นของเพื่อนคณะนิเทศ ไปจนถึง experimental music ที่มนุษย์กับโมเดลผลัดกันต่อท่อน
• F5-TTS ปิดงานด้านเสียงพูด — เสียงบรรยาย audio guide ประจำนิทรรศการ เสียงตัวละครในงานแอนิเมชัน โดยไม่ต้องจ้างห้องอัดทุกครั้งที่แก้บท

การแบ่ง 128GB ตั้งใจให้เหลือพื้นที่ว่าง ~58GB เพราะคณะศิลปกรรมใช้พื้นที่นี้หนักกว่าใคร: เทรน LoRA ของนักศึกษาทีละหลายคิว รองรับ batch generation ตอนใกล้ส่งงานปลายเทอม และรันโหมด real-time สำหรับงาน interactive installation ที่ต้องการ latency ต่ำ

Lab และการสอนจริง 4 ตัวอย่าง — เปิดสอนได้เทอมหน้า

Lab 1: เทรน LoRA สไตล์ตัวเอง — “สอน AI ให้วาดแบบฉัน” (FLUX.1-dev)
1. นักศึกษาแต่ละคนคัดผลงานตัวเอง ~20 ภาพ ที่แทนสไตล์ของตนชัดที่สุด สแกนความละเอียดสูง
2. เขียน caption บรรยายแต่ละภาพ (ฝึกทักษะการ “อ่านงานตัวเอง” ไปในตัว)
3. เทรน LoRA บน GB10 ผ่าน notebook ที่อาจารย์เตรียมไว้ใน JupyterHub ใช้เวลาราวหนึ่งคาบเรียน
4. ทดสอบ: สั่งโมเดล generate โจทย์เดียวกันด้วย LoRA ของแต่ละคน แล้ววิจารณ์ร่วมกันในชั้น — โมเดลจับ “ตัวตน” ของใครได้แม่นที่สุด และอะไรคือสิ่งที่ AI จับไม่ได้ บทเรียนสำคัญของคาบนี้: ศิลปินไม่ได้ถูกแทนที่ — สไตล์ของเราต่างหากที่กลายเป็นเครื่องมือชิ้นใหม่

Lab 2: ประพันธ์เพลงประกอบครบวงจร (Typhoon + MusicGen/ACE-Step + F5-TTS)
1. ใช้ Typhoon 2.5 30B ระดมธีมและเขียนเนื้อเพลงไทย ปรับสัมผัสและจังหวะคำร่วมกับอาจารย์
2. ส่ง prompt บรรยายแนวดนตรี อารมณ์ เครื่องดนตรี เข้า MusicGen/ACE-Step ให้ generate ท่อนดนตรีหลายเวอร์ชัน
3. เลือกเวอร์ชันที่ใช่ นำเข้า DAW ตัดต่อ เรียบเรียงทับด้วยเครื่องดนตรีจริงที่นักศึกษาเล่นเอง — ชี้ให้เห็นว่า AI คือ sketch แรก ไม่ใช่ผลงานสุดท้าย
4. ปิดงานด้วย F5-TTS สร้างเสียงบรรยายเปิดเพลงหรือเสียงพูดแทรก

Lab 3: Interactive Installation — งานศิลปะที่ generate สดตามผู้ชม
1. ออกแบบ installation ที่รับ input จากผู้ชม เช่น ข้อความที่พิมพ์ เสียงพูด หรือภาพจากกล้อง
2. เขียน script ใน JupyterHub เชื่อม input เข้า FLUX.1-dev (ภาพ) หรือ ACE-Step (เสียง) ให้ generate ผลงานใหม่แบบ near real-time
3. ทดสอบรอบ latency: เพราะ GB10 เป็นเครื่อง desktop ที่ยกไปตั้งในแกลเลอรีได้จริง งานจึงรันสดหน้างานโดยไม่พึ่งอินเทอร์เน็ต — ไฟล์ภาพผู้ชมไม่ถูกส่งออกไปไหน ตอบโจทย์ PDPA ของงานที่ใช้กล้องจับผู้ชมโดยตรง
4. เปิดแสดงจริงในโถงคณะหนึ่งสัปดาห์ เก็บ feedback ผู้ชมเป็นส่วนหนึ่งของการประเมินผลงาน

Lab 4: นิทรรศการ AI Art ปลายเทอม + เวทีถกลิขสิทธิ์
1. รวมผลงานจาก Lab 1-3 จัดนิทรรศการปลายเทอมของคณะ โดยกำหนดให้ทุกชิ้นติดป้ายอธิบายกระบวนการ: ใช้โมเดลอะไร มนุษย์ทำส่วนไหน AI ทำส่วนไหน
2. จัดเสวนาคู่ขนานเรื่องลิขสิทธิ์งาน AI — งานที่ generate จาก LoRA ที่เทรนด้วยภาพของเราเอง ใครเป็นเจ้าของ? การเทรนด้วยงานศิลปินอื่นโดยไม่ขออนุญาตต่างกันอย่างไร?
3. ให้นักศึกษาเขียน position paper สั้น ๆ ของตัวเองประกอบผลงาน โดยใช้ Typhoon ช่วยเรียบเรียง
4. ผลลัพธ์คือบัณฑิตที่ไม่ได้แค่ใช้เครื่องมือเป็น แต่ตอบคำถามเชิงจริยธรรมของวิชาชีพตัวเองได้ด้วย

นักศึกษาและอาจารย์ได้อะไร — และเริ่มต้นเทอมแรกอย่างไร

นักศึกษาได้ portfolio ที่แตกต่างจริง: ผลงานที่แสดงทั้งฝีมือดั้งเดิมและความสามารถกำกับ AI พร้อม LoRA สไตล์ตัวเองที่พกไปใช้ต่อได้ตลอดชีวิตการทำงาน อาจารย์ได้เครื่องมือวิจัยสร้างสรรค์และเวทีทดลองรูปแบบการสอนใหม่ ส่วนคณะได้จุดขายรับสมัครนักศึกษาที่จับต้องได้: “ที่นี่ คุณจะได้เทรนโมเดล AI ด้วยผลงานของคุณเอง”

แผนเทอมแรกที่ CYN แนะนำ: เดือนแรก ติดตั้ง GB10 + JupyterHub + โหลดชุดโมเดล 4 ตัว อบรมอาจารย์กลุ่มนำร่อง เดือนที่สอง เปิด Lab 1 (เทรน LoRA) ในวิชาเลือกหนึ่งตัว เพราะเห็นผลเร็วและเปลี่ยนทัศนคติต่อ AI ได้แรงที่สุด เดือนที่สามเปิด Lab 2-3 ตามความพร้อม แล้วปักหมุดนิทรรศการปลายเทอมเป็นเป้าหมายร่วมของทั้งคณะ ทีมงาน CYN Communication ดูแลตั้งแต่ออกแบบระบบ ติดตั้ง จนถึงอบรมการเทรน LoRA ให้อาจารย์ — สนใจวางระบบให้คณะศิลปกรรมของท่าน ติดต่อทีม CYN ได้โดยตรง

อ่านต่อ: คู่มือฉบับเต็มครบ 12 คณะ · GB10 เข้าห้องเรียนคณะนี้ (ฉบับเจาะลึก)

CYN Communication — Your AI Education Infrastructure Partner · 🌐 www.cyn.co.th · 📞 02-437-1210 · LINE @cyngroup