แซม อัลต์แมนยอมรับประเมินผลกระทบของ AI เร็วเกินไป—การยอมรับใช้งานช้ากว่าความสามารถของโมเดล

รายงานการทบทวนมุมมองของ แซม อัลต์แมน ไม่ได้หมายความว่าเขามองว่า AI จะมีความสำคัญทางเศรษฐกิจน้อยลง แต่เป็นการทบทวนเรื่อง เวลา ที่ AI จะเปลี่ยนธุรกิจและสังคมให้เห็นผลในวงกว้าง

หลัง GPT-4 เปิดตัวในปี 2023 อัลต์แมนคาดว่าจะเกิดแรงสั่นสะเทือนต่อธุรกิจซอฟต์แวร์และเศรษฐกิจเร็วกว่าที่เกิดขึ้นจริงมาก ปัจจุบันเขาดูเหมือนจะให้น้ำหนักกับงานอีกชุดหนึ่งมากขึ้น ตั้งแต่การเปลี่ยนความสามารถของโมเดลให้เป็นแอปพลิเคชันที่ใช้งานได้จริง การปรับโครงสร้างองค์กร การสร้างศูนย์ข้อมูลและระบบไฟฟ้า ไปจนถึงการทำให้ผู้คนและสถาบันต่าง ๆ ยอมรับเทคโนโลยีนี้ 36

ความแตกต่างนี้สำคัญ เพราะโมเดลที่เก่งขึ้นไม่ได้แปลว่าจะเข้ามาแทนที่ผลิตภัณฑ์เดิม จัดระเบียบบริษัทใหม่ หรือเปลี่ยนเศรษฐกิจทั้งระบบได้ทันที

คอขวดใหม่ของ AI อาจอยู่ที่การนำไปใช้ ไม่ใช่การฝึกโมเดล

มุมมองที่เริ่มชัดขึ้นคือ ความท้าทายในระยะใกล้อาจไม่ใช่การสร้างโมเดลพื้นฐานที่มีความสามารถสูงกว่าเดิมเพียงอย่างเดียว บริษัทต่าง ๆ ยังต้องพัฒนาแอปพลิเคชันที่ตอบโจทย์ เชื่อมต่อ AI เข้ากับกระบวนการทำงานเดิม ปรับบทบาทและโครงสร้างองค์กร รวมถึงทำให้ลูกค้าและพนักงานมั่นใจพอที่จะพึ่งพาระบบเหล่านี้

แนวคิดนี้ช่วยอธิบายว่า เหตุใดเศรษฐกิจหลัง GPT-4 จึงยังไม่เกิดการเปลี่ยนแปลงแบบฉับพลันตามที่การคาดการณ์บางส่วนเคยสื่อไว้ เทคโนโลยีอาจก้าวหน้าอย่างรวดเร็ว แต่การยอมรับในองค์กรและตลาดต้องผ่านกระบวนการที่ช้ากว่า ทั้งด้านการจัดซื้อ กฎระเบียบ ความปลอดภัยของข้อมูล และการเปลี่ยนวิธีทำงานของคน

อัลต์แมนยังมองว่าเศรษฐศาสตร์ของ AI มีแรงผลักไปคนละทิศทาง เขาเขียนว่า ความฉลาดของโมเดลเพิ่มขึ้นตามทรัพยากรที่ใช้ฝึกและใช้งาน ขณะเดียวกันต้นทุนการใช้ AI ในระดับความสามารถหนึ่ง ๆ ลดลงอย่างรวดเร็ว โดยประมาณลดลง 10 เท่าทุก 12 เดือน ต้นทุนที่ลดลงอาจทำให้การใช้งานแพร่หลายขึ้นอย่างมาก 40 แต่ราคาที่ถูกลงไม่ได้ลบอุปสรรคด้านการกำกับดูแล ความไว้วางใจ ธรรมาภิบาลข้อมูล และการปรับเปลี่ยนองค์กร

เหตุใดอัลต์แมนจึงพูดถึงการ “ชะลอจังหวะ” AI

ในเดือนกรกฎาคม อัลต์แมนกล่าวว่าอุตสาหกรรมอาจต้อง “ชะลอจังหวะ” การพัฒนา AI เพื่อให้สังคมมีเวลาปรับตัวและ “สร้างภูมิคุ้มกัน” ต่อระดับความสามารถใหม่ ๆ ของระบบ เขาย้ำด้วยว่าแนวทางดังกล่าวต้องไม่กลายเป็นการที่ผู้เล่นรายใหญ่ใช้อำนาจด้านกฎระเบียบเพื่อกีดกันคู่แข่ง หรือเป็นการสมรู้ร่วมคิดระหว่างห้องทดลอง AI ชั้นนำ 37

นี่ไม่ใช่ข้อเสนอให้หยุดพัฒนา AI อย่างถาวร แต่สะท้อนว่า ความเร็วของความก้าวหน้าทางเทคนิคกับความเร็วในการปรับตัวของสังคมอาจไม่เท่ากัน ขณะเดียวกัน พนักงานมากกว่า 1,000 คนจากบริษัท AI ชั้นนำก็ร่วมลงชื่อในจดหมายสาธารณะ เรียกร้องกฎระเบียบที่เข้มแข็งขึ้น รวมถึงเวลาในการพัฒนามาตรการรักษาความปลอดภัยและระบบกำกับดูแล 38

ผลที่ตามมาอาจเป็นวงจรการแพร่กระจายของ AI ที่มีข้อถกเถียงมากขึ้น ระบบที่มีความสามารถสูงอาจมาถึงก่อนที่รัฐบาล บริษัท โรงเรียน และชุมชนจะตกลงกันได้ว่าควรนำไปใช้ในรูปแบบใด

คำเตือนเรื่อง “ต่อต้านมนุษย์” มีความเสี่ยงอยู่สองด้าน

อัลต์แมนเคยเตือนหลายครั้งว่าอำนาจของ AI ไม่ควรกระจุกตัวมากเกินไป และการควบคุมอนาคตควรอยู่กับผู้คนและสถาบันของพวกเขา 44 ในกรอบความคิดนี้ มีผลลัพธ์ที่ยอมรับไม่ได้อยู่สองแบบ:

1. AI มีพลังมากจนมนุษย์ไม่สามารถควบคุมได้อย่างมีความหมาย
2. ความสามารถและอำนาจในการตัดสินใจของ AI กระจุกตัวอยู่ในบริษัทหรือรัฐบาลเพียงไม่กี่แห่ง

ความเสี่ยงแรกคือการสูญเสียการควบคุม ส่วนความเสี่ยงที่สองคือการที่การควบคุมยังคงมีอยู่ แต่ตกอยู่ในมือกลุ่มเล็ก ๆ ซึ่งมีอำนาจต่อเศรษฐกิจและการเมืองมากเกินสัดส่วน ทั้งสองประเด็นอาจนำไปสู่นโยบายคนละทาง มาตรการความปลอดภัยช่วยลดการใช้งานในทางที่ผิด แต่การจำกัดการเข้าถึงหรือการพึ่งพาระบบปิดมากเกินไปก็อาจทำให้อำนาจกระจุกตัวกว่าเดิม

นี่เป็นการวิจารณ์ Anthropic หรือไม่

การตีความว่าอัลต์แมนกำลังโจมตี Anthropic ควรถูกมองว่าเป็นการวิเคราะห์ ไม่ใช่ข้อเท็จจริงที่มีหลักฐานยืนยันโดยตรง เนื้อหาที่มีอยู่ไม่ได้แสดงว่าเขาเอ่ยชื่อ Anthropic หรือเรียกแนวทางที่ให้ความสำคัญกับความปลอดภัยและการควบคุมจากส่วนกลางของบริษัทว่า “ต่อต้านมนุษย์”

อย่างไรก็ตาม มีความตึงเครียงเชิงนโยบายอยู่จริง กลยุทธ์ที่ควบคุมโมเดลแนวหน้าจากส่วนกลางอย่างเข้มงวดอาจทำให้การตรวจสอบและบังคับใช้มาตรการความปลอดภัยง่ายขึ้น แต่ก็อาจทำให้อำนาจอยู่ในมือห้องทดลองเพียงไม่กี่แห่ง ในทางกลับกัน โมเดลแบบเปิดน้ำหนัก (open-weight) เปิดโอกาสให้ผู้ใช้ปรับแต่งและเข้าถึงได้กว้างขึ้น แต่อาจเพิ่มความท้าทายด้านการใช้งานในทางที่ผิดและความรับผิดชอบ

หลักฐานจึงสนับสนุนให้พูดถึง ความแลกเปลี่ยนระหว่างความปลอดภัยกับการกระจายอำนาจ ไม่ใช่การสรุปว่า Anthropic เป็นเป้าหมายของอัลต์แมน หรือแนวทางของบริษัทเป็นอันตรายโดยตัวมันเอง

แรงต้านศูนย์ข้อมูลเผยให้เห็นคอขวดทางกายภาพ

AI ไม่ได้ต้องการเพียงซอฟต์แวร์ แต่ยังต้องใช้ศูนย์ข้อมูล ไฟฟ้า ระบบส่งไฟฟ้า น้ำ ที่ดิน ใบอนุญาต และความยินยอมจากชุมชนในพื้นที่

การขยายโครงสร้างพื้นฐานกำลังเผชิญแรงต่อต้านแล้ว รายงานที่อ้างอิงผลสำรวจของ Gallup ระบุว่า ผู้ใหญ่ในสหรัฐฯ 71% ไม่เห็นด้วยกับการสร้างศูนย์ข้อมูล AI ในพื้นที่ของตน และมีโครงการมากกว่าหนึ่งโหลที่ถูกขัดขวางหรือล่าช้าจากการคัดค้านในระดับท้องถิ่น 18 รายงานอื่น ๆ ยังกล่าวถึงความกังวลเรื่องการใช้ไฟฟ้า น้ำ ผลกระทบต่อสิ่งแวดล้อม และสิทธิประโยชน์ทางภาษีที่มอบให้ผู้พัฒนาโครงการ 20

อัลต์แมนยอมรับว่าเข้าใจเหตุผลที่คนในชุมชนไม่ต้องการให้ศูนย์ข้อมูลตั้งอยู่ใกล้บ้าน และเสนอว่าพื้นที่ห่างไกลอย่างทะเลทรายอาจเหมาะสมกว่า 23 ข้อเสนอนี้ตอกย้ำว่า การขยาย AI เป็นปัญหาด้านการใช้ที่ดินและโครงสร้างพื้นฐานด้วย ไม่ใช่แค่การแข่งขันเพื่อให้ได้ชิปประมวลผลกราฟิก หรือ GPU เพิ่มขึ้น

ความตึงเครียงลักษณะเดียวกันปรากฏในโครงการศูนย์ข้อมูลขนาดใหญ่ในรัฐมิชิแกน ซึ่ง OpenAI ให้การสนับสนุน อัลต์แมนเรียกโครงการมูลค่า 16,000 ล้านดอลลาร์ว่าเป็นการเดิมพันครั้งใหญ่กับอนาคตของ AI ขณะที่คนในพื้นที่กังวลเกี่ยวกับทรัพยากรอย่างน้ำและไฟฟ้า 2130 ความคาดหวังของอุตสาหกรรมยังคงมหาศาล แต่การเปลี่ยนความคาดหวังนั้นให้เป็นกำลังประมวลผลที่ใช้งานได้จริง ต้องอาศัยการยอมรับต้นทุนทางกายภาพจากชุมชน

ดีล Poolside ของ NVIDIA คือการเตรียมพร้อม ไม่ใช่การถอย

ธุรกรรมที่มีรายงานว่า NVIDIA ทำกับ Poolside แสดงให้เห็นว่า ไทม์ไลน์การนำ AI ไปใช้ที่ช้าลงไม่ควรถูกตีความว่าอุตสาหกรรมหมดความเชื่อมั่นใน AI

NVIDIA ตกลงจ่าย 6,000 ล้านดอลลาร์เพื่อขอสิทธิ์ใช้เทคโนโลยีของ Poolside และลงทุนเพิ่มเติมอีก 1,000 ล้านดอลลาร์ในสตาร์ตอัปแห่งนี้ รวมเป็นภาระผูกพันประมาณ 7,000 ล้านดอลลาร์ พนักงาน Poolside มากกว่า 100 คนคาดว่าจะเข้าร่วมงานกับ NVIDIA เพื่อพัฒนาโมเดลแบบเปิดน้ำหนักในตระกูล Nemotron 15

ดีลดังกล่าวชี้ว่า NVIDIA กำลังขยายบทบาทจากผู้ผลิตฮาร์ดแวร์ไปสู่ระบบพัฒนาโมเดลและซอฟต์แวร์แบบเปิดน้ำหนัก โมเดลประเภทนี้ปรับแต่งให้เข้ากับโครงสร้างพื้นฐานขององค์กรได้ง่ายกว่า และอาจมีต้นทุนการใช้งานต่ำกว่าทางเลือกแบบปิดบางประเภท 5

กลยุทธ์นี้สอดคล้องกับวงจรการนำ AI ไปใช้ที่ยาวนานและแข่งขันสูงขึ้น หากธุรกิจต้องการโมเดลที่ยืดหยุ่นและปรับเข้ากับระบบของตนเองได้ โมเดลแบบเปิดน้ำหนักก็อาจกลายเป็นส่วนสำคัญของการใช้งานในองค์กร แต่ธุรกรรมนี้ยังเป็นการลงทุนเชิงรุกในขีดความสามารถของ AI ไม่ใช่หลักฐานว่า NVIDIA คาดการณ์ว่าความต้องการ AI จะพังทลาย 15

บทเรียนที่ใหญ่กว่า: AI อาจแพร่กระจายช้า แพง และมีข้อขัดแย้ง

เมื่อพิจารณาร่วมกัน เหตุการณ์เหล่านี้สนับสนุนภาพไทม์ไลน์ AI ที่ละเอียดกว่าคำโฆษณาในช่วงแรก:

• ความสามารถของโมเดลอาจพัฒนาเร็วกว่าการนำไปใช้ในธุรกิจ 36
• แอปพลิเคชันและการออกแบบองค์กรใหม่เป็นตัวชี้ว่า ความสามารถของ AI จะกลายเป็นผลกระทบทางเศรษฐกิจได้จริงหรือไม่ 36
• การขยายโครงสร้างพื้นฐานต้องเผชิญข้อจำกัดด้านไฟฟ้า น้ำ ใบอนุญาต และการยอมรับจากชุมชน 182023
• ความปลอดภัยและธรรมาภิบาลต้องใช้เวลาให้สถาบันต่าง ๆ ปรับตัว 3738
• อุตสาหกรรมยังคงลงทุนอย่างหนักในโมเดลใหม่และทางเลือกแบบเปิดน้ำหนัก 15

ข้อสรุปที่แข็งแรงที่สุดจึงไม่ใช่ AI จะมีผลต่อเศรษฐกิจเพียงเล็กน้อย หรืออุตสาหกรรมมีฉันทามติว่าจะชะลอการพัฒนาโดยตั้งใจ แต่หลักฐานชี้ไปที่ การแพร่กระจายที่ช้าลง ไม่สม่ำเสมอ ใช้เงินทุนสูง และมีข้อโต้แย้ง

AI อาจเปลี่ยนเศรษฐกิจอย่างลึกซึ้งได้จริง เพียงแต่เส้นทางไปสู่จุดนั้นต้องผ่านแอปพลิเคชัน การปรับองค์กร การสร้างโครงสร้างพื้นฐาน กฎระเบียบ การปรับตัวของสถาบัน และความชอบธรรมในสายตาสาธารณะ—not การเปลี่ยนแปลงฉับพลันทั่วทั้งเศรษฐกิจทันทีหลัง GPT-4