Jensen Huang บอกว่า AGI มาถึงแล้วในหลายงาน แต่คำว่า AGI หมายความว่าอย่างไร?

คำพูดเรื่อง AGI ของ Jensen Huang ในการประชุมผลประกอบการ Nvidia ไม่ใช่การประกาศว่าชุมชนวิทยาศาสตร์มีฉันทามติว่าโลกเข้าสู่ยุคปัญญาประดิษฐ์ทั่วไปแล้ว หากเป็นการเปลี่ยนกรอบการมองจากคำถามว่า “AI ฉลาดเทียบเท่ามนุษย์หรือยัง” มาเป็น “AI ทำงานที่มีคุณค่าได้จริงแค่ไหน”

Huang กล่าวว่า AI กลายเป็นสิ่งที่ใช้งานได้จริงแล้ว และเมื่อพูดถึงงานจำนวนมาก เราอาจกล่าวได้ว่า “บรรลุ AGI แล้ว” อย่างไรก็ตาม เขายังมองว่าการยึดติดกับหมุดหมาย AGI แบบเดิม ๆ นั้น “ค่อนข้างไร้สาระ” 3448

ประเด็นสำคัญคือ Huang ไม่ได้กำหนดเกณฑ์ AGI ที่ตรวจสอบซ้ำได้ ไม่ได้ระบุชุดการทดสอบมาตรฐาน และไม่ได้อ้างว่าระบบ AI ในปัจจุบันมีความสามารถทางปัญญาเหมือนมนุษย์ในทุกสาขา ข้อเสนอของเขาเน้นความสามารถที่ AI นำไปสร้างผลงานและรายได้ได้ในเวลานี้ รวมถึงผลต่อความต้องการโครงสร้างพื้นฐานด้านคอมพิวติ้ง

Huang พูดอะไรเกี่ยวกับ AGI?

Huang เริ่มการประชุมด้วยการชี้ว่า “AI กลายเป็นสิ่งที่มีประโยชน์” และเน้นการเติบโตของ AI เอเจนต์ ซึ่งต่างจากระบบที่เพียงตอบคำสั่งทีละรายการ เพราะสามารถวางแผน ใช้เครื่องมือ และดำเนินงานหลายขั้นตอนได้

เขาประเมินว่า AI เอเจนต์อาจต้องใช้พลังประมวลผลมากกว่าการใช้งานที่มนุษย์เป็นผู้สั่งโดยตรงราว 15–100 เท่า ขึ้นอยู่กับประเภทของปัญหา 3336

ภายใต้บริบทนี้ Huang กล่าวว่า เราอาจถือว่า AGI บรรลุแล้ว “สำหรับหลายงาน” คำว่า หลายงาน มีความสำคัญอย่างมาก เพราะเป็นการพูดถึงความสามารถในบางพื้นที่ที่เลือกมา ไม่ใช่การยืนยันว่าระบบเดียวสามารถทำงานด้านสติปัญญาแทบทุกอย่างได้อย่างน่าเชื่อถือเหมือนมนุษย์

สารหลักของ Huang คือ อุตสาหกรรมควรประเมิน AI จากผลลัพธ์ที่สร้างได้จริง เอกสารผลประกอบการของ Nvidia ก็สื่อไปในทิศทางเดียวกัน โดยระบุว่า AI กำลังทำงานที่มีประโยชน์ และความต้องการกำลังเร่งตัวขึ้นเมื่อองค์กรต่าง ๆ นำ AI ไปใช้งานจริง 47

มุมมองของ Huang ต่างจากแนวคิด AGI แบบดั้งเดิมอย่างไร?

ปัจจุบันยังไม่มีนิยาม AGI หรือ “ปัญญาประดิษฐ์ทั่วไป” ที่ทุกฝ่ายยอมรับร่วมกัน แต่โดยทั่วไป แนวคิดนี้ให้ความสำคัญกับคำว่า ทั่วไป นั่นคือ ความสามารถในการถ่ายโอนความรู้และทักษะไปใช้กับงานใหม่ ๆ ได้หลากหลาย ไม่ใช่เก่งเฉพาะในโดเมนที่ถูกออกแบบมาโดยตรง 17

กรอบของ Huang เปลี่ยนจุดสนใจจากเส้นแบ่งทางสติปัญญาเพียงเส้นเดียว มาเป็นประโยชน์ใช้สอยในโลกจริง ตามมุมมองนี้ ระบบ AI อาจดูใกล้เคียง AGI ได้หากทำงานที่สร้างมูลค่าทางเศรษฐกิจ แม้ยังต้องพึ่งพาเครื่องมือ เวิร์กโฟลว์ที่มนุษย์ออกแบบ การกำกับดูแล หรือโครงสร้างช่วยเหลือเฉพาะทาง

ความแตกต่างจึงสรุปได้ดังนี้

• มุมมองที่เน้นความสามารถแบบดั้งเดิม: AGI ควรแสดงความสามารถทางปัญญาที่กว้างและถ่ายโอนไปยังปัญหาใหม่ ๆ ได้
• มุมมองเชิงปฏิบัติของ Huang: AI เข้าใกล้หรือบรรลุหมุดหมายที่สำคัญแล้วในพื้นที่ที่เอเจนต์สามารถทำงานที่มีประโยชน์ได้
• สิ่งที่คำกล่าวนี้ยังไม่ได้พิสูจน์: ไม่ได้แสดงให้เห็นโดยอิสระว่า AI มีเหตุผลที่แข็งแกร่ง ทำงานระยะยาวได้อย่างน่าเชื่อถือ หรือมีความสามารถทั่วไปนอกเวิร์กโฟลว์ที่ถูกออกแบบไว้อย่างดี

กล่าวอีกอย่างคือ Huang กำลังบอกว่า การเปลี่ยนผ่านทางเศรษฐกิจอาจสำคัญกว่าป้ายชื่อ AGI แต่ไม่ได้หมายความว่าคำถามทางวิทยาศาสตร์เรื่อง AGI ได้ข้อยุติแล้ว

เปรียบเทียบกับ Sam Altman และ OpenAI

นิยาม AGI ในอดีตของ OpenAI ก็ใช้ผลลัพธ์ทางเศรษฐกิจเป็นส่วนหนึ่งของมาตรวัดเช่นกัน แต่ตั้งเกณฑ์ไว้สูงกว่า โดยนิยามว่าเป็น “ระบบที่มีความเป็นอิสระสูงและทำงานที่มีมูลค่าทางเศรษฐกิจส่วนใหญ่ได้ดีกว่ามนุษย์” 17

จุดต่างอยู่ที่ขอบเขตและระดับความเป็นอิสระ Huang พูดถึง AI ที่มีประสิทธิภาพ สำหรับหลายงาน ขณะที่นิยามของ OpenAI ต้องการระบบที่ทำได้ดีกว่ามนุษย์ใน งานที่มีมูลค่าทางเศรษฐกิจส่วนใหญ่ และสามารถดำเนินงานได้ด้วยตัวเองในระดับสูง

มีรายงานว่า Sam Altman คาดว่า OpenAI อาจมีระบบภายในที่บริษัทจะเรียกว่า AGI ได้ภายในสิ้นปี 2026 การคาดการณ์นี้ควรเข้าใจว่าเป็นหมุดหมายภายในตามนิยามของ OpenAI ไม่จำเป็นต้องหมายถึงการเปิดตัวระบบสู่สาธารณะ หรือการเปลี่ยนแปลงเศรษฐกิจโลกทันที 192228

Altman ยังยอมรับว่า ความสำเร็จทางเทคโนโลยีกับการนำไปใช้ในระบบเศรษฐกิจอาจเกิดขึ้นคนละช่วงเวลา ขณะที่รายงานเกี่ยวกับการคาดการณ์ของเขาวางช่วงเวลาของ ซูเปอร์อินเทลลิเจนซ์ ไว้ราวปลายปี 2028 ซึ่งสะท้อนว่า AGI การเปิดให้สาธารณะใช้งาน ผลกระทบทางเศรษฐกิจ และซูเปอร์อินเทลลิเจนซ์ เป็นหมุดหมายคนละเรื่องกัน 1821

ดังนั้น ความเห็นที่ดูเหมือนขัดแย้งกันมีทั้งเรื่องนิยามและเรื่องเวลา Huang เน้นว่า AI มีประโยชน์แล้วในปัจจุบัน ส่วน Altman พูดถึงเวลาที่ OpenAI อาจตัดสินว่าระบบภายในของตนผ่านเกณฑ์ด้านความเป็นอิสระและประสิทธิภาพทางเศรษฐกิจที่กว้างกว่า

คำวิจารณ์หลัก: มีประโยชน์ไม่ได้แปลว่ามีความฉลาดทั่วไป

คำวิจารณ์ที่หนักแน่นที่สุดต่อข้ออ้างของ Huang คือ มูลค่าทางธุรกิจเพียงอย่างเดียวไม่ใช่หลักฐานของความฉลาดทั่วไป ระบบหนึ่งอาจทำกำไรได้สูง ขณะเดียวกันก็ยังมีความสามารถจำกัด ไม่น่าเชื่อถือ หรือพึ่งพาโครงสร้างพื้นฐานที่มนุษย์จัดเตรียมไว้เป็นอย่างมาก

Huang ไม่ได้แสดงผลการประเมินจากหน่วยงานอิสระที่ยืนยันว่าระบบ AI ในปัจจุบันผ่านเกณฑ์ความฉลาดทั่วไป และเมื่อยังไม่มีชุดภารกิจร่วมกัน มาตรฐานด้านความเป็นอิสระ ข้อกำหนดด้านความน่าเชื่อถือ หรือการทดสอบข้ามโดเมน คำกล่าวว่า “AGI มาถึงแล้ว” จึงตรวจสอบได้ยาก

นั่นไม่ได้ทำให้คำกล่าวนี้ไม่มีความหมาย แต่ทำให้ควรอ่านในฐานะ การตีความเชิงธุรกิจ มากกว่าข้อค้นพบทางวิทยาศาสตร์ที่ยุติแล้ว เพราะการไม่มีนิยาม AGI สากลเปิดทางให้บริษัทต่าง ๆ ใช้คำเดียวกันกับระดับความสามารถที่แตกต่างกันมาก 17

ทำไมผลประกอบการ Nvidia จึงสนับสนุนข้ออ้างในกรอบที่แคบกว่าของ Huang?

Nvidia รายงานรายได้ไตรมาส 2 ปีงบประมาณ 2027 ที่ 96,200 ล้านดอลลาร์ เพิ่มขึ้น 106% เมื่อเทียบกับปีก่อน ขณะที่รายได้จากศูนย์ข้อมูลอยู่ที่ 89,000 ล้านดอลลาร์ เพิ่มขึ้น 117% 1

ตัวเลขดังกล่าวไม่ได้พิสูจน์ว่า AGI เกิดขึ้นแล้ว แต่แสดงให้เห็นว่าลูกค้ากำลังใช้จ่ายอย่างหนักกับโครงสร้างพื้นฐานที่จำเป็นต่อการฝึกและใช้งานระบบ AI ข้อมูลนี้จึงสนับสนุนข้อเสนอที่แคบกว่าของ Huang ว่า AI มีมูลค่ามากพอที่จะสร้างความต้องการทางธุรกิจมหาศาล

การประชุมผลประกอบการเชื่อมโยงสองประเด็นเข้าด้วยกัน

1. AI เอเจนต์กำลังมีความสามารถในการทำงานที่สร้างผลผลิต
2. งานหลายขั้นตอนที่มีความเป็นอิสระมากขึ้นต้องใช้พลังประมวลผลสูงกว่าการโต้ตอบที่มนุษย์เป็นผู้สั่งโดยตรงอย่างมาก 3348

สำหรับ Nvidia ประเด็นที่สองมีความสำคัญอย่างยิ่ง หากเอเจนต์ต้องทำงานหลายขั้น ใช้เครื่องมือหลายชนิด และทำงานต่อเนื่องนานขึ้น แต่ละภารกิจที่สร้างคุณค่าได้ก็อาจเพิ่มความต้องการด้านการประมวลผลระหว่างการใช้งาน หรือ inference รวมถึงโครงสร้างพื้นฐานที่เกี่ยวข้อง

ต้นทุนหน่วยความจำเผยให้เห็นข้อจำกัดของการขยาย AI

เศรษฐศาสตร์ของ AI ไม่ได้มีแต่ด้านบวก Nvidia ยังเผชิญแรงกดดันจากชิ้นส่วนหน่วยความจำที่มีราคาแพงและขาดแคลน โดยมีรายงานว่าต้นทุนหน่วยความจำที่พุ่งสูงกำลังกดดันคาดการณ์อัตรากำไรของบริษัท 15

ข้อจำกัดนี้ทำให้เราควรอ่านคำพูดของ Huang อย่างรอบคอบ แม้ AI เอเจนต์จะมีความสามารถเพิ่มขึ้น แต่การนำไปใช้งานจริงยังขึ้นอยู่กับว่าองค์กรต่าง ๆ จะจัดหา GPU หน่วยความจำ พลังงาน และพื้นที่ศูนย์ข้อมูลได้เพียงพอหรือไม่ และต้นทุนเหล่านั้นจะให้ผลตอบแทนที่เหมาะสมหรือเปล่า

คำถามสำคัญของอุตสาหกรรมจึงกำลังเปลี่ยนจาก “โมเดล AI ให้คำตอบที่น่าประทับใจได้หรือไม่” เป็น “ระบบ AI ทำงานที่มีคุณค่าได้อย่างน่าเชื่อถือและทำกำไรได้ในระดับใหญ่หรือไม่”

ผลประกอบการของ Nvidia เป็นหลักฐานที่ชัดเจนว่าด้านความต้องการมีอยู่จริง แต่ภาวะขาดแคลนหน่วยความจำและแรงกดดันต่ออัตรากำไรแสดงให้เห็นว่า ปัญหาด้านอุปทานและเศรษฐศาสตร์ต่อหน่วยยังไม่ได้รับคำตอบอย่างสมบูรณ์ 1315

สรุป: Huang กำลังบอกว่า AI ใช้งานได้แล้ว ไม่ใช่ว่าคำถามเรื่อง AGI จบลงแล้ว

คำกล่าวของ Huang เหมาะจะเข้าใจว่าเป็นการปฏิเสธแนวคิด AGI ในฐานะเส้นชัยใหญ่เพียงจุดเดียว เขากำลังชี้ว่า การเปลี่ยนผ่านเชิงปฏิบัติเกิดขึ้นแล้วบางส่วน: AI เอเจนต์ทำงานที่มีประโยชน์ได้ ลูกค้ากำลังจ่ายเงินเพื่อโครงสร้างพื้นฐาน และความต้องการคอมพิวติ้งเพิ่มขึ้นเมื่อระบบมีความเป็นอิสระมากขึ้น

นี่เป็นข้ออ้างที่แคบกว่าการบอกว่า “เครื่องจักรมีสติปัญญาทั่วไปเทียบเท่ามนุษย์แล้ว” และแตกต่างจากเกณฑ์ของ OpenAI ที่ต้องการระบบซึ่งทำงานที่มีมูลค่าทางเศรษฐกิจส่วนใหญ่ได้ดีกว่ามนุษย์ด้วยความเป็นอิสระสูง

ข้อสรุปที่รอบคอบที่สุดจึงมีสองส่วน: AI ที่มีประโยชน์และสร้างผลผลิตทางเศรษฐกิจมาถึงแล้วอย่างชัดเจน ส่วน AGI มาถึงแล้วหรือไม่ ขึ้นอยู่กับนิยามและมาตรฐานหลักฐานที่ใช้ รายได้ 96,200 ล้านดอลลาร์ของ Nvidia แสดงให้เห็นแรงส่งทางธุรกิจที่อยู่เบื้องหลังมุมมองของ Huang แต่ไม่อาจตัดสินความหมายของ AGI ได้ด้วยตัวมันเอง