เมื่อผู้นำ AI ยังไม่เห็นพ้องกันว่า AGI คืออะไร

AGI หรือปัญญาประดิษฐ์ทั่วไป ไม่ได้เป็นหมุดหมายเดียวที่ทุกคนกำลังวิ่งหา บางคนหมายถึง AI ที่ทำงานสร้างมูลค่าทางเศรษฐกิจได้แทนคนอย่างอิสระ บางคนหมายถึงนักวิจัยดิจิทัลระดับรางวัลโนเบล บางคนตั้งเกณฑ์ไว้ที่ความสามารถทางการรู้คิดครบทุกด้านของมนุษย์ ขณะที่อีกแนวคิดหนึ่งมองว่า แค่ทำแบบทดสอบได้เหนือมนุษย์ในวงกว้างก็เพียงพอแล้ว

ความต่างนี้อธิบายได้ว่าทำไมคำทำนายที่ฟังดูมั่นใจเรื่องเส้นเวลา AGI จึงอยู่ร่วมกันได้ ทั้งที่จริงแล้วกำลังนับถอยหลังไปยัง “ปลายทาง” คนละแห่ง และยังทำให้คำถามเรื่องความน่าเชื่อถือมีน้ำหนักขึ้นว่า ใครควรเป็นผู้ตัดสินว่าระบบทำได้จริงและปลอดภัยจริง

ผู้นำ 4 คน เกณฑ์ 4 แบบ

Sam Altman: AGI คือความเป็นอิสระที่สร้างมูลค่าทางเศรษฐกิจ

นิยามที่มักอ้างถึงของ OpenAI ระบุว่า AGI คือ “ระบบที่มีความเป็นอิสระสูงและทำงานที่มีคุณค่าทางเศรษฐกิจส่วนใหญ่ได้ดีกว่ามนุษย์” แก่นของเกณฑ์นี้จึงอยู่ที่ผลลัพธ์เชิงปฏิบัติและเศรษฐกิจ มากกว่าการที่เครื่องจะมีลักษณะการคิดเหมือนมนุษย์อย่างสมบูรณ์

การสื่อสารสาธารณะระยะหลังของ OpenAI เน้นเรื่องการคงไว้ซึ่งอำนาจตัดสินใจของมนุษย์ บริษัทระบุว่าเป้าหมายคือสร้างระบบที่ช่วยให้คนไปถึงเป้าหมายที่ตนเลือก ไม่ใช่แทนที่วิจารณญาณของมนุษย์ และเห็นว่าการทำทุกอย่างให้เป็นอัตโนมัติทั้งหมดนั้นทั้งอันตรายและไม่ทำให้ชีวิตมีความหมาย 23 กรอบคิดเรื่องงานของ OpenAI ก็เตือนว่า ต่อให้ AI ทำงานย่อยได้มากขึ้น ก็ไม่ได้หมายความว่าอาชีพนั้นจะหายไปโดยอัตโนมัติ เพราะมนุษย์อาจยังจำเป็นต่อการส่งมอบงาน การกำกับดูแล หรือความรับผิดชอบ 25

นิยามแบบเศรษฐกิจช่วยให้เห็นผลกระทบในโลกจริงได้ แต่เส้นแบ่งระหว่างเครื่องมือที่เก่งขึ้น เอเจนต์อัตโนมัติ และ AGI ยังคงกว้างและเคลื่อนที่ได้ อีกทั้งไม่ใช่แบบทดสอบวิทยาศาสตร์สาธารณะที่ชัดเจน

Dario Amodei: “Powerful AI” คือชุดความสามารถที่เฉพาะเจาะจง แต่สูงล้ำ

Dario Amodei ซีอีโอ Anthropic มักใช้คำว่า powerful AI มากกว่า AGI ในเอกสารเสนอนโยบายของ Anthropic คำนี้หมายถึงระบบที่ก้าวไกลกว่ารุ่นปัจจุบันอย่างมีนัยสำคัญ มีความสามารถทางสติปัญญาเทียบเท่าหรือสูงกว่าผู้ได้รางวัลโนเบลในเกือบทุกสาขา ใช้อินเทอร์เฟซดิจิทัลแบบเดียวกับที่แรงงานมนุษย์ใช้ และทำงานซับซ้อนได้ด้วยตนเอง 3

Anthropic คาดว่าระบบลักษณะนี้จะมาถึงในช่วงปลายปี 2026 หรือต้นปี 2027 Amodei เปรียบภาพดังกล่าวว่าเป็น “ประเทศที่เต็มไปด้วยอัจฉริยะในศูนย์ข้อมูล” เพื่อชี้ถึงผลกระทบทางเศรษฐกิจ ความมั่นคง และภูมิรัฐศาสตร์ หากขีดความสามารถระดับนี้รวมศูนย์อยู่ในที่เดียว 6 7

แม้จะเฉพาะเจาะจงกว่าคำว่า AGI แบบกว้าง ๆ แต่เกณฑ์นี้ยังรวมข้ออ้างที่พิสูจน์ยากหลายข้อเข้าด้วยกัน ทั้งความเชี่ยวชาญข้ามสาขา การทำงานอิสระ การใช้เครื่องมือ และความน่าเชื่อถือระยะยาว ระบบหนึ่งอาจทำได้เด่นชัดในบางส่วนก่อนจะผ่านทุกเงื่อนไข

Demis Hassabis: AGI ต้องมีความสามารถทางการรู้คิดของมนุษย์ครบถ้วน

Demis Hassabis ซีอีโอ Google DeepMind วางเกณฑ์ AGI ไว้สูงกว่า โดยนิยามว่าเป็นระบบที่มี ความสามารถทางการรู้คิดทั้งหมดที่มนุษย์มี เขามองว่า AI ระดับมนุษย์อาจมาถึงภายในทศวรรษนี้ แต่ย้ำด้วยว่าระบบในปัจจุบันยัง “ห่างไกลมาก” จาก AGI ระดับมนุษย์ 33 38

กรอบนี้มอง AGI ไม่ใช่เพียงหมุดหมายของผลิตภัณฑ์ แต่เป็นเกณฑ์ทางวิทยาศาสตร์ที่ต้องมีความเป็นสากลและความทนทานอย่างแท้จริง จึงต้องมากกว่าการทำข้อสอบได้ดี หรือทำผลงานน่าประทับใจในวิชาชีพเพียงไม่กี่ด้าน

Jensen Huang: AGI คือการชนะมนุษย์ในการทดสอบอย่างกว้างขวาง

Jensen Huang ซีอีโอ Nvidia ใช้มาตรฐานที่เน้นเบนช์มาร์กหรือการทดสอบมากกว่า ในปี 2024 เขากล่าวว่า AGI อาจมาถึงภายใน 5 ปี หากนิยามว่าเป็น AI ที่ทำได้เหนือมนุษย์ในแทบทุกแบบทดสอบ และรายงานในปี 2026 ระบุว่าเขามองว่า AGI สำเร็จแล้วภายใต้มาตรฐานเชิงปฏิบัติที่ผ่อนคลายกว่านั้น 34

ข้อดีคือวัดผลได้ง่าย เพราะแบบทดสอบให้คะแนนได้ชัดเจน แต่การผ่านการทดสอบจำนวนมากไม่ได้พิสูจน์ด้วยตัวเองว่า AI จะทำงานอิสระระยะยาวได้อย่างเชื่อถือได้ มีดุลยพินิจที่ดี หรือทำงานอย่างปลอดภัยในสถานการณ์จริงที่ยุ่งเหยิง

เส้นเวลาเหล่านี้เทียบกันตรง ๆ ไม่ได้

ผู้นำทั้งสี่ไม่ได้แค่ให้วันที่ต่างกันสำหรับเหตุการณ์เดียวกัน แต่กำลังพยากรณ์คนละปลายทาง

• Altman/OpenAI: ทำงานที่มีคุณค่าทางเศรษฐกิจส่วนใหญ่ได้อย่างอิสระ
• Amodei/Anthropic: ทำงานทางปัญญาระดับโนเบลในวงกว้าง พร้อมทำงานดิจิทัลซับซ้อนแบบอัตโนมัติเป็นเวลานาน
• Hassabis/DeepMind: มีขีดความสามารถทางการรู้คิดครบทุกด้านเช่นมนุษย์
• Huang/Nvidia: ทำผลงานเหนือมนุษย์ในการทดสอบวงกว้าง

AI อาจทำคะแนนสูงในหลายเบนช์มาร์กได้ โดยยังไม่สามารถทำงานวิจัยด้วยตัวเองต่อเนื่องเป็นสัปดาห์ หรืออาจทำงานดิจิทัลได้มากในเศรษฐกิจโดยยังไม่มีความสามารถทางปัญญาครบชุดเหมือนมนุษย์ ดังนั้น วันที่พ่วงมากับคำว่า AGI ไม่ควรถูกอ่านเป็นนาฬิกานับถอยหลังเรือนเดียว

เหตุใด AGI จึงถูกมองว่า “ทดสอบไม่ได้” หรือคล้ายเรื่องนามธรรม

ประเด็นไม่ได้อยู่ที่ความสามารถของ AI วัดไม่ได้ เพราะวัดได้ ปัญหาคือยังไม่มีกติกากลางที่กำกับโดยอิสระ และบอกได้ชัดเจนว่า AGI “ผ่าน” หรือ “ไม่ผ่าน”

ข้อเสนอทางวิชาการชิ้นหนึ่งยอมรับว่า AGI เป็นแนวคิดที่ถกเถียงกัน และทำให้วัดผลได้โดยกำหนดว่าเป็นระบบที่มีความสามารถอย่างน้อยเท่ามนุษย์ในงานส่วนใหญ่ 50 แต่ถ้อยคำนี้เองก็ซ่อนคำถามสำคัญไว้ว่า งานใดบ้าง มนุษย์กลุ่มใด ระดับความน่าเชื่อถือเท่าไร และทดสอบภายใต้เงื่อนไขใด

หากจะมีการทดสอบที่น่าเชื่อถือในสายตาสาธารณะ อย่างน้อยควรมีองค์ประกอบต่อไปนี้

1. ชุดและการกระจายของงานที่ระบุไว้ล่วงหน้า ไม่ใช่เปลี่ยนตามเดโมที่นำเสนอ
2. เกณฑ์ด้านผลลัพธ์และความน่าเชื่อถือ รวมถึงอัตราความล้มเหลว
3. การทดสอบการทำงานอิสระระยะยาวและการใช้เครื่องมือ ไม่ใช่เพียงการตอบคำถามครั้งเดียว
4. การป้องกันไม่ให้ผู้พัฒนาฝึกโมเดลมาเพื่อสอบชุดประเมินโดยเฉพาะ
5. การเข้าถึงของบุคคลที่สามมากพอให้ตรวจสอบหรือทำซ้ำผลได้

หากไม่มีโครงสร้างเช่นนี้ AGI อาจกลายเป็นคำประกาศสถานะจากองค์กรที่มีแรงจูงใจสูงที่สุดในการกำหนดเส้นชัยเอง AI Now Institute วิจารณ์ว่าตัวชี้วัดที่มีอยู่จำนวนมากยังแคบ คลุมเครือ และเอื้อประโยชน์ต่อผู้จัดทำ 62

วิกฤตความไว้วางใจที่ซ่อนอยู่หลังคำเรียก

ข้อถกเถียงเรื่อง AGI สะท้อนปัญหาความน่าเชื่อถือที่กว้างกว่า บริษัทอาจประกาศถึงความสามารถที่จะเปลี่ยนโลก ขณะที่ผู้ใช้และแรงงานพบระบบที่ยังทำงานไม่สม่ำเสมอ ผิดพลาดได้ และนำไปใช้ในกระบวนการจริงได้ยาก ความต่างนี้ไม่ได้พิสูจน์ว่าคำพยากรณ์ระยะยาวทุกอย่างผิด แต่ข้ออ้างที่ใหญ่ต้องมีหลักฐานที่สังเกตได้และการคาดการณ์ที่ตรวจสอบความรับผิดได้

ประเด็นงานสะท้อนความตึงเครียดนี้ชัดเจน OpenAI ระบุว่า AI จะปรับเปลี่ยนโลกการทำงาน งานบางประเภทจะหายไป แต่หลักฐานเท่าที่มีจนถึงตอนนี้ชี้ว่า AI เป็นตัวเสริมมากกว่าตัวแทนที่แรงงาน 17 สิ่งนี้ไม่จำเป็นต้องขัดกับแนวคิดเรื่องการเปลี่ยนผ่านรุนแรง เพราะการทำงานย่อยอัตโนมัติ การเปลี่ยนรูปอาชีพ และการหายไปของตำแหน่งงานเป็นคนละผลลัพธ์กัน อย่างไรก็ดี ความเชื่อมั่นของสาธารณะจะลดลง หากคำทำนายเรื่องการเปลี่ยนแปลงครั้งใหญ่ไม่มีตัวชี้วัดโปร่งใสของผลกระทบต่อตลาดแรงงานจริงควบคู่กัน

จากป้าย AGI สู่การกำกับดูแลตามความสามารถ

รูปแบบการกำกับดูแลที่แข็งแรงกว่า ไม่ควรยึดติดกับการตัดสินว่าโมเดล “บรรลุ AGI” แล้วหรือยัง แต่ควรมองความสามารถเฉพาะด้านและความเสี่ยงที่ตามมา

แนวคิด AI Safety Levels ของ Anthropic ใช้โครงสร้างแบบมีเงื่อนไข: หากโมเดลแสดงความสามารถอันตรายที่กำหนดไว้ ก็ต้องมีมาตรการป้องกันบางอย่างก่อนจึงจะนำไปใช้หรือขยายการฝึกต่อได้ 5 กรอบนโยบายระยะหลังของ Anthropic ยังเสนอความโปร่งใส การประเมินโดยอิสระ และอำนาจรัฐในการสกัดกั้นหรือยับยั้งการใช้งานที่อันตราย 10

Altman ก็เคยเรียกร้องให้มีการยืนยันจากผู้เชี่ยวชาญภายนอกและการประเมินความเสี่ยงอย่างอิสระสำหรับโมเดลทรงพลัง รวมถึงการทดสอบก่อนเปิดตัว และการเผยแพร่ผลการประเมิน 49

Hassabis เสนอให้ตั้งองค์กรกำหนดมาตรฐาน AI ระดับแนวหน้า ที่สหรัฐฯ เป็นผู้นำ และมีต้นแบบจาก FINRA ซึ่งเป็นหน่วยงานกำกับดูแลอุตสาหกรรมการเงินของสหรัฐฯ ที่ได้รับทุนจากอุตสาหกรรมแต่อยู่ภายใต้การกำกับสาธารณะ องค์กรลักษณะนี้จะประเมินโมเดลแนวหน้าก่อนเปิดตัวโดยอิสระ 52 รายงานยังระบุว่า แกนความเห็นร่วมกันที่เริ่มเกิดขึ้นในหมู่ผู้นำ AI หลายรายคือ บุคคลที่สามควรทดสอบระบบขั้นสูงและช่วยพัฒนามาตรฐานเพื่อใช้กำหนดนโยบาย 51

อย่างไรก็ตาม ช่องว่างระหว่างข้อเสนอและการบังคับใช้จริงยังใหญ่ ดัชนี AI Safety Index ปี 2026 ของ Future of Life Institute ระบุว่ายังไม่มีกฎระเบียบหรือมาตรฐานระดับชาติที่มีผลผูกพัน ซึ่งกล่าวถึงความเสี่ยงของ AI แนวหน้าและกระบวนการประเมินความเสี่ยงที่สอดคล้องกันอย่างชัดเจน 59

คำถามที่ควรถามเมื่อบริษัทอ้างว่า AI ก้าวกระโดด

คำถามที่เป็นประโยชน์ต่อสาธารณะไม่ใช่ “AGI มาแล้วหรือยัง” แต่คือ โมเดลนี้ทำอะไรได้ ทำได้อย่างน่าเชื่อถือเพียงใด อะไรอาจผิดพลาด และใครเป็นผู้ตรวจสอบคำตอบเหล่านั้นอย่างอิสระ

ทิศทางนี้นำไปสู่ข้อกำหนดที่เจาะจงตามความสามารถ เช่น

• เปิดเผยระเบียบวิธีประเมินสำหรับความเสี่ยงสูงด้านไซเบอร์ ชีวภาพ และการหลอกลวง
• ให้มีการทดสอบก่อนใช้งานจริงและการทดสอบหาช่องโหว่โดยหน่วยงานอิสระ
• รายงานความน่าเชื่อถือ เหตุการณ์ผิดปกติ และการเปลี่ยนเงื่อนไขการใช้งานที่มีนัยสำคัญ
• ผูกมาตรการป้องกันและข้อจำกัดการเข้าถึงกับระดับความเสี่ยงที่พิสูจน์ได้
• มีผลทางกฎหมายเมื่อไม่ปฏิบัติตาม แทนการพึ่งคำมั่นโดยสมัครใจเพียงอย่างเดียว

AGI อาจยังเป็นทั้งแรงบันดาลใจ คำทางการตลาด และคำถามเชิงปรัชญาที่ทรงพลัง แต่จะเป็นจุดกระตุ้นการกำกับดูแลที่อ่อนแอ หากการประกาศว่าบรรลุเป้าหมายไม่ได้รองรับด้วยหลักฐานสาธารณะ ความไว้วางใจจะเกิดขึ้นได้เมื่อผู้พัฒนาไม่สามารถเปลี่ยนนิยามของเส้นชัยเอง ประกาศว่าถึงเส้นชัยแล้ว และรับรองความปลอดภัยของตนเองฝ่ายเดียว