TIME100 AI ของ Yann LeCun ไม่ใช่แค่รางวัล แต่คือการเดิมพันกับอนาคต AI

การที่ Yann LeCun ได้รับเลือกให้อยู่ในรายชื่อ TIME100 AI 2026 ซึ่งรวบรวม 100 บุคคลผู้ทรงอิทธิพลต่อทิศทางปัญญาประดิษฐ์ มีความหมายมากกว่าการยกย่องผลงานในอดีตของเขา เพราะเกิดขึ้นในช่วงที่เขากำลังพยายามเปลี่ยนคำถามใหญ่ของวงการว่า AI ควรเติบโตไปทางใด 1517

LeCun เชื่อว่าการทำให้โมเดลภาษาขนาดใหญ่ หรือ LLM มีขนาดใหญ่ขึ้นเรื่อย ๆ เพียงอย่างเดียว ไม่น่าจะเพียงพอสำหรับการสร้างปัญญาระดับมนุษย์ เขาจึงหันไปผลักดันแนวคิด “โมเดลโลก” (world models) ผ่าน AMI Labs บริษัทในกรุงปารีสที่ร่วมก่อตั้งหลังออกจาก Meta 1517

TIME ยกย่องนักวิจัยที่กำลังท้าทายแนวทางกระแสหลัก

TIME อธิบายว่า TIME100 AI เป็นรายชื่อบุคคลที่มีอิทธิพลต่อการพัฒนาและทิศทางของ AI โดยแบ่งผู้ได้รับการยกย่องออกเป็นกลุ่มต่าง ๆ เช่น ผู้นำ นักสร้างสรรค์ ผู้กำหนดทิศทาง และนักคิด 37

ดังนั้น การมีชื่อของ LeCun จึงไม่ได้สะท้อนเพียงตำแหน่งผู้บริหารหรือการมีส่วนเกี่ยวข้องกับโมเดล AI ขนาดใหญ่เท่านั้น แต่ยังสะท้อนบทบาทของเขาในฐานะนักวิจัยที่กำลังเสนอเส้นทางอื่นให้กับวงการ

ประเด็นที่ LeCun ตั้งคำถามคือ การขยาย LLM ต่อไปจะนำ AI ไปถึงระดับปัญญาแบบมนุษย์ได้จริงหรือไม่ หรือ AI จำเป็นต้องมี “แบบจำลองภายใน” สำหรับทำความเข้าใจโลกและผลของการกระทำก่อน 215

การออกจาก Meta เปิดทางให้สร้างเดิมพันของตัวเอง

LeCun ทำงานกับ Meta ราว 12 ปี และมีบทบาทในการก่อตั้งและนำองค์กรวิจัย AI ของบริษัท ก่อนลาออกจากตำแหน่งหัวหน้านักวิทยาศาสตร์ด้าน AI เพื่อเปิดตัว Advanced Machine Intelligence หรือ AMI 17

การออกจากบริษัทเทคโนโลยีรายใหญ่ทำให้เขาสามารถเดินหน้าวาระการวิจัยและการสร้างบริษัทที่เน้น world models ได้อย่างเป็นอิสระ แทนที่จะอยู่ภายใต้การแข่งขันหลักของอุตสาหกรรมที่มุ่งเพิ่มขนาดระบบ AI เชิงกำเนิดและโมเดลภาษา

ตามรายงานของ TIME LeCun เปิดตัว AMI Labs ในเดือนถัดจากการออกจาก Meta เปลี่ยนความเห็นต่างทางวิทยาศาสตร์ที่ถกเถียงกันมานานให้กลายเป็นบริษัทสตาร์ตอัปที่มีภารกิจชัดเจน 15

AMI Labs ระดมทุน 1.03 พันล้านดอลลาร์ ก่อนพิสูจน์ว่าแนวคิดใช้ได้จริง

ในเดือนมีนาคม 2026 AMI ประกาศระดมทุนรอบ Seed ได้ 1.03 พันล้านดอลลาร์ ที่มูลค่ากิจการก่อนรับเงินลงทุน หรือ pre-money valuation อยู่ที่ 3.5 พันล้านดอลลาร์ 17

รอบดังกล่าวนำโดย Cathay Innovation, Greycroft, Hiro Capital, HV Capital และ Bezos Expeditions ขณะที่ TechCrunch รายงานว่ามีนักลงทุนและบุคคลอื่นเข้าร่วมด้วย เช่น NVIDIA, Tim และ Rosemary Berners-Lee, Jim Breyer, Mark Cuban, Xavier Niel และ Eric Schmidt 1727

เงินก้อนนี้ควรถูกมองว่าเป็นการแสดงความเชื่อมั่นต่อปัญหาที่ AMI พยายามแก้ ไม่ใช่หลักฐานว่าเทคโนโลยีของบริษัทพิสูจน์แล้วว่าเหนือกว่า LLM รุ่นแนวหน้า

นักลงทุนกำลังสนับสนุนความเป็นไปได้ของ AI ที่อาจมีความสามารถด้านการให้เหตุผล การวางแผน และการทำงานในโลกจริงดีขึ้น แต่รายงานที่มีอยู่ยังไม่ได้ยืนยันว่า world models ของ AMI ทำผลงานเหนือกว่า LLM ชั้นนำ

มูลค่าบริษัทที่สูงสามารถทำให้แนวทางวิจัยทางเลือกดูน่าเชื่อถือและมีโอกาสเดินหน้าต่อได้ แต่ยังไม่อาจตัดสินข้อถกเถียงทางเทคนิคแทนผลการทดสอบจริงในระดับใช้งานได้

“โมเดลโลก” ต่างจาก LLM อย่างไร

โดยทั่วไป LLM ได้รับการฝึกให้เรียนรู้รูปแบบของภาษาและคาดการณ์ข้อความที่น่าจะตามมา ส่วนแนวคิดของ LeCun ต้องการให้ AI เรียนรู้จากโลกโดยตรงมากขึ้น ไม่ว่าจะเป็นภาพหรือข้อมูลจากเซนเซอร์อื่น ๆ เพื่อสร้างตัวแทนภายในของวิธีที่โลกทำงาน

ในทางปฏิบัติ world model มีเป้าหมายที่จะช่วยให้ AI สามารถ

• อนุมานได้ว่าสภาพแวดล้อมทำงานอย่างไร
• คาดการณ์ว่าจะเกิดอะไรขึ้นหลังจากเลือกกระทำบางอย่าง
• ประเมินผลลัพธ์ก่อนลงมือทำจริง และ
• วางแผนการกระทำในงานอย่างหุ่นยนต์หรือการใช้งานที่เกี่ยวข้องกับโลกกายภาพ

รายงานที่เชื่อมโยงกับ TIME ระบุว่า AMI ต้องการสร้าง AI ที่เข้าใจกฎพื้นฐานของโลกกายภาพได้ในเชิงสัญชาตญาณ และคาดการณ์ผลลัพธ์ของการกระทำแต่ละแบบ 124 Reuters ก็อธิบายว่า AMI กำลังพัฒนาระบบที่เน้นการให้เหตุผล การวางแผน และ world models 17

นี่คือเหตุผลที่แนวคิดดังกล่าวมักถูกพูดถึงร่วมกับ “ปัญญาเชิงพื้นที่” (spatial intelligence) และ “ปัญญาแบบมีร่างกาย” (embodied intelligence) เพราะ AI ที่ต้องนำทางในสภาพแวดล้อม หยิบจับวัตถุ หรือรับมือกับเงื่อนไขทางกายภาพที่เปลี่ยนแปลง จำเป็นต้องทำมากกว่าการสร้างคำตอบที่ฟังดูสมเหตุสมผล

JEPA คือรากฐานทางแนวคิดของ AMI

ทิศทางของ AMI เชื่อมโยงกับ Joint Embedding Predictive Architecture หรือ JEPA ซึ่ง LeCun เสนอในปี 2022 โดยระบบลักษณะนี้จะคาดการณ์ตัวแทนของข้อมูลที่ขาดหายหรือข้อมูลในอนาคตในพื้นที่นามธรรม แทนการพยายามสร้างรายละเอียดดิบทุกส่วนของข้อมูลขึ้นมาใหม่ 3138

ประโยชน์ที่คาดหวังคือประสิทธิภาพและความสามารถในการจับสาระสำคัญ โมเดลไม่จำเป็นต้องให้ความสำคัญกับทุกพิกเซลหรือข้อมูลทุกจุดเท่ากัน แต่สามารถมุ่งไปที่คุณลักษณะที่จำเป็นต่อการทำความเข้าใจ การคาดการณ์ และการตัดสินใจ

ในเชิงแนวคิด JEPA จึงสอดคล้องกับเป้าหมายของ AMI ที่ต้องการให้ AI เข้าใจสภาพแวดล้อมและคาดการณ์ผลลัพธ์ก่อนลงมือทำ

อย่างไรก็ตาม JEPA ยังเป็นรากฐานด้านการวิจัย ไม่ใช่สิ่งที่พิสูจน์แล้วว่าสามารถทดแทนระบบนิเวศ LLM ในปัจจุบันได้ AMI ยังต้องแสดงให้เห็นว่าสถาปัตยกรรมนี้สามารถขยายขนาด เรียนรู้ตัวแทนของโลกที่มีประโยชน์ และสร้างผลงานที่เชื่อถือได้ในการใช้งานจริง

เงินลงทุนสะท้อนว่า world models กลายเป็นแนวทางที่ตลาดพร้อมเดิมพัน

การระดมทุนของ AMI บอกเป็นนัยว่า world models ไม่ได้ถูกมองเป็นเพียงทางเลือกในแวดวงวิชาการอีกต่อไป นักลงทุนพร้อมทุ่มเงินมากกว่า 1 พันล้านดอลลาร์ให้กับบริษัทที่ต้องการสร้าง AI ซึ่งเรียนรู้จากความเป็นจริง และมุ่งพัฒนาความสามารถด้านการให้เหตุผลและการวางแผน 1727

ความสนใจในวงกว้างยังเห็นได้จากการพูดถึง spatial intelligence และ embodied intelligence ซึ่งเกี่ยวข้องกับหุ่นยนต์ ระบบอัตโนมัติ การใช้งานในภาคอุตสาหกรรม และสถานการณ์อื่น ๆ ที่ AI ต้องเข้าใจบริบททางกายภาพ 232431

แต่เงินลงทุนไม่ควรถูกตีความว่าเป็นฉันทามติของวงการ คำถามสำคัญยังเปิดกว้างอยู่: LLM ที่มีความสามารถสูงขึ้นจะพัฒนาการให้เหตุผลและความเข้าใจโลกได้เพียงพอหรือไม่ หรือระบบที่สร้างขึ้นรอบ world models จะมีประสิทธิภาพกว่าในการวางแผนและลงมือทำอย่างมั่นคง

ความก้าวหน้าของ AMI อาจเป็นบททดสอบสำคัญของแนวคิดนี้ แต่รอบระดมทุนแรกเพียงอย่างเดียวยังตอบคำถามดังกล่าวไม่ได้

TIME100 AI สะท้อนอะไรเกี่ยวกับ LeCun

ความเชื่อมโยงระหว่างการได้รับเลือกใน TIME100 AI ของ LeCun กับ AMI Labs จึงค่อนข้างชัดเจน TIME กำลังยกย่องนักวิทยาศาสตร์ที่มีอิทธิพลตั้งแต่งานวิจัยพื้นฐานด้านการเรียนรู้เชิงลึก ไปจนถึงการท้าทายสมมติฐานหลักของอุตสาหกรรม AI ในปัจจุบัน 5715

การออกจาก Meta ทำให้เขามีอิสระในการเดินหน้าความท้าทายนั้น ขณะที่เงินทุน Seed มูลค่า 1.03 พันล้านดอลลาร์และมูลค่าก่อนรับเงินลงทุน 3.5 พันล้านดอลลาร์ ทำให้ AMI มีทรัพยากรในระดับที่ไม่ธรรมดาสำหรับการพิสูจน์แนวคิดทางเลือกนี้

ผลลัพธ์ที่เกิดขึ้นยังไม่ใช่หลักฐานว่า LeCun คิดถูก แต่เป็นความพยายามมูลค่าพันล้านดอลลาร์เพื่อค้นหาคำตอบว่า ก้าวต่อไปของ AI จะมาจากการสร้างภาษาที่ดีขึ้น หรือจากการสร้างเครื่องจักรที่สามารถจำลองและทำความเข้าใจโลกก่อนลงมือทำ