บทสัมภาษณ์ AI ที่เปลี่ยนทิศทางของวงการ 2027

จุดจบของยุคแห่งการเดโมผลิตภัณฑ์

บทสนทนาเกี่ยวกับปัญญาประดิษฐ์ (AI) ได้เปลี่ยนจากความเป็นไปได้ทางเทคนิคไปสู่ความจำเป็นทางการเมืองแล้ว หลายปีที่ผ่านมาสาธารณชนได้เห็นเพียงการเดโมที่สวยหรูและการนำเสนอที่เตรียมการมาอย่างดี แต่สิ่งนั้นเปลี่ยนไปเมื่อผู้นำของห้องแล็บที่ทรงอิทธิพลที่สุดเริ่มเดินสายให้สัมภาษณ์แบบเจาะลึก การนั่งพูดคุยกับนักข่าวและพอดแคสเตอร์เหล่านี้ไม่ใช่แค่การตลาด แต่เป็นการส่งสัญญาณถึงนักลงทุนและหน่วยงานกำกับดูแลว่าใครจะเป็นผู้ควบคุมอนาคตของคอมพิวเตอร์ เราไม่ได้ถกเถียงกันอีกต่อไปว่าเทคโนโลยีนี้ทำงานได้จริงหรือไม่ แต่เรากำลังถกเถียงกันว่าใครได้รับอนุญาตให้เป็นเจ้าของสติปัญญาที่ขับเคลื่อนโลกของเรา การเปลี่ยนแปลงนี้เห็นได้ชัดจากวิธีที่ผู้บริหารหันเหความสนใจจากฟีเจอร์ต่างๆ ไปสู่เรื่องธรรมาภิบาล พวกเขากำลังเปลี่ยนบทบาทจากวิศวกรไปสู่การทำตัวเหมือนผู้นำประเทศ การเปลี่ยนผ่านนี้ถือเป็นระยะใหม่ที่ผลิตภัณฑ์หลักไม่ใช่ตัวโมเดลอีกต่อไป แต่คือความเชื่อมั่นของสาธารณชนและการได้รับอนุญาตจากรัฐบาล

ถอดรหัสสคริปต์ของผู้บริหาร

เพื่อให้เข้าใจสถานะปัจจุบันของ AI คุณต้องดูสิ่งที่ไม่ได้ถูกพูดออกมา ในการสัมภาษณ์ระดับสูงเมื่อเร็วๆ นี้ ซีอีโอของ OpenAI และ Anthropic ได้พัฒนาวิธีตอบคำถามยากๆ แบบเฉพาะตัว เมื่อถูกถามเกี่ยวกับข้อมูลที่ใช้ฝึกฝน (training data) พวกเขามักอ้างถึง fair use โดยไม่ลงรายละเอียดแหล่งที่มา เมื่อถูกถามเรื่องการใช้พลังงาน พวกเขากลับชี้ไปที่พลังงานฟิวชันในอนาคตแทนที่จะพูดถึงภาระของโครงข่ายไฟฟ้าในปัจจุบัน นี่คือการหลีกเลี่ยงเชิงกลยุทธ์ที่ออกแบบมาเพื่อดึงความสนใจไปที่อนาคตอันไกลโพ้นที่ปัญหาต่างๆ จะถูกแก้ไขด้วยเทคโนโลยีที่พวกเขากำลังสร้างในวันนี้ มันสร้างตรรกะแบบวงกลมที่ความเสี่ยงของ AI ถูกนำมาใช้เป็นข้ออ้างในการสร้าง AI ที่ทรงพลังยิ่งขึ้นเพื่อจัดการกับความเสี่ยงเหล่านั้น

บทสัมภาษณ์ยังเผยให้เห็นความแตกแยกที่เพิ่มขึ้นระหว่างผู้เล่นรายใหญ่ ฝ่ายหนึ่งสนับสนุนแนวทางแบบปิดเพื่อป้องกันไม่ให้ผู้ไม่หวังดีนำโมเดลไปใช้ ส่วนอีกฝ่ายเสนอว่า open weights คือวิธีเดียวที่จะรับประกันการเข้าถึงที่เป็นประชาธิปไตย อย่างไรก็ตาม ทั้งสองฝ่ายจงใจคลุมเครือเกี่ยวกับจุดที่โมเดลจะกลายเป็นอันตรายเกินกว่าจะแบ่งปัน ความคลุมเครือนี้ไม่ใช่เรื่องบังเอิญ แต่มันช่วยให้บริษัทต่างๆ ขยับเป้าหมายได้ตามความสามารถที่เพิ่มขึ้น การมองว่าบทสัมภาษณ์เหล่านี้เป็นเอกสารเชิงกลยุทธ์มากกว่าการสนทนาทั่วไป จะทำให้เราเห็นรูปแบบการรวมศูนย์ที่ชัดเจน เป้าหมายคือการกำหนดเงื่อนไขของการถกเถียงก่อนที่สาธารณชนจะเข้าใจถึงเดิมพันทั้งหมด นี่คือเหตุผลที่จุดเน้นเปลี่ยนจากสิ่งที่โมเดลทำได้ไปสู่การกำกับดูแลอย่างไร เป็นความพยายามที่จะควบคุมกระบวนการกำกับดูแลตั้งแต่เนิ่นๆ

ทำไมเมืองหลวงต่างชาติถึงต้องฟัง

ผลกระทบของบทสัมภาษณ์เหล่านี้ขยายไปไกลกว่า Silicon Valley รัฐบาลในยุโรปและเอเชียกำลังใช้คำแถลงสาธารณะเหล่านี้เพื่อร่างกรอบการทำงานด้านความปลอดภัยของ AI ของตนเอง เมื่อซีอีโอพูดถึงความเสี่ยงเฉพาะในพอดแคสต์ มันมักจะไปปรากฏอยู่ในสรุปนโยบายที่บรัสเซลส์ในสัปดาห์ถัดมา สิ่งนี้สร้างวงจรป้อนกลับที่อุตสาหกรรมกำลังเขียนกฎของตัวเองโดยกำหนดวาระว่าอะไรคือภัยคุกคาม ผู้ชมทั่วโลกไม่ได้มองหาแค่สเปกทางเทคนิค แต่พวกเขากำลังมองหาเบาะแสว่าดาต้าเซ็นเตอร์แห่งต่อไปจะถูกสร้างที่ไหน และภาษาใดจะได้รับความสำคัญ ความโดดเด่นของภาษาอังกฤษในโมเดลเหล่านี้เป็นจุดตึงเครียดสำคัญที่มักถูกลดความสำคัญลงในการสัมภาษณ์ที่สหรัฐฯ การละเลยนี้ส่งสัญญาณถึงการมุ่งเน้นที่ตลาดตะวันตกโดยเพิกเฉยต่อความแตกต่างทางวัฒนธรรมของส่วนอื่นๆ ของโลก

นอกจากนี้ยังมีเรื่องของ AI อธิปไตย (sovereign AI) ประเทศต่างๆ กำลังตระหนักว่าการพึ่งพาบริษัทเอกชนเพียงไม่กี่แห่งสำหรับโครงสร้างพื้นฐานทางปัญญาของตนนั้นมีความเสี่ยง บทสัมภาษณ์ล่าสุดได้บอกใบ้ถึงความร่วมมือกับรัฐบาลระดับชาติที่ไปไกลกว่าสัญญา cloud ทั่วไป สัญญาณเหล่านี้บ่งบอกถึงอนาคตที่ห้องแล็บ AI ทำหน้าที่เป็นสาธารณูปโภคหรือผู้รับเหมาด้านกลาโหม คำใบ้เชิงกลยุทธ์ที่หลุดออกมาในการสนทนาเหล่านี้บ่งชี้ว่ายุคของสตาร์ทอัพเทคโนโลยีอิสระได้สิ้นสุดลงแล้ว เรากำลังเข้าสู่ช่วงเวลาของการบูรณาการอย่างลึกซึ้งระหว่างบิ๊กเทคและผลประโยชน์ของชาติ ซึ่งส่งผลกระทบมหาศาลต่อการค้าโลกและความเหลื่อมล้ำทางดิจิทัลระหว่างประเทศที่สามารถจ่ายเงินซื้อโมเดลเหล่านี้ได้กับประเทศที่ไม่สามารถทำได้ วาทกรรมเรื่องการทำให้การเข้าถึงเป็นประชาธิปไตยมักถูกขัดแย้งด้วยความเป็นจริงของต้นทุนที่สูงและการอนุญาตที่เข้มงวดที่ถูกกล่าวถึงในบริบทเดียวกัน

ชีวิตในกระแสของพอดแคสต์ซีอีโอ

ลองจินตนาการถึงผู้จัดการผลิตภัณฑ์ที่บริษัทซอฟต์แวร์ขนาดกลาง ทุกครั้งที่ผู้นำ AI รายใหญ่ให้สัมภาษณ์นานสามชั่วโมง แผนงานของทั้งบริษัทอาจเปลี่ยนไป หากซีอีโอใบ้ว่าฟีเจอร์เฉพาะจะถูกรวมเข้ากับโมเดลหลักในปีหน้า สตาร์ทอัพที่สร้างฟีเจอร์นั้นอาจสูญเสียมูลค่าไปในชั่วข้ามคืน นี่คือความเป็นจริงของตลาดปัจจุบัน นักพัฒนาไม่ได้แค่สร้างบน API เท่านั้น แต่พวกเขากำลังพยายามคาดเดาความต้องการของบุคคลเพียงไม่กี่คนที่ควบคุมโครงสร้างพื้นฐานเบื้องหลัง ชีวิตประจำวันของคนทำงานด้านเทคโนโลยีสมัยใหม่เกี่ยวข้องกับการค้นหาบทสัมภาษณ์เหล่านี้เพื่อหาคำใบ้เกี่ยวกับการเปลี่ยนแปลงที่จะเกิดขึ้นกับ rate limits หรือ context windows ประโยคเดียวเกี่ยวกับการเปลี่ยนจุดเน้นจากข้อความเป็นวิดีโอสามารถกระตุ้นให้เกิดการปรับทิศทางที่ต้องเสียค่าใช้จ่ายในการพัฒนาหลายล้านดอลลาร์

สำหรับผู้ใช้ทั่วไป ผลกระทบอาจดูละเอียดอ่อนแต่ลึกซึ้งไม่แพ้กัน คุณอาจสังเกตเห็นว่าผู้ช่วย AI ของคุณระมัดระวังมากขึ้นหรือพูดจาเยิ่นเย้อขึ้นหลังจากมีการประกาศด้านความปลอดภัยครั้งใหญ่ การเปลี่ยนแปลงเหล่านี้มักเป็นผลโดยตรงจากแรงกดดันสาธารณะที่เกิดจากบทสัมภาษณ์เหล่านี้ เมื่อผู้นำพูดถึงความจำเป็นในการมี guardrails ทีมวิศวกรจะรีบดำเนินการทันที ซึ่งมักส่งผลให้ประสบการณ์ผู้ใช้แย่ลงเมื่อเครื่องมือปฏิเสธที่จะตอบคำถามที่ไม่เป็นอันตราย ความตึงเครียดระหว่างการเป็นผู้ช่วยที่มีประโยชน์กับการเป็นผู้ช่วยที่ปลอดภัยเป็นหัวข้อที่คงอยู่ในวาทกรรมล่าสุด

ผู้ใช้กำลังมีส่วนร่วมในการทดลองสดที่พารามิเตอร์ถูกปรับตามวงจร PR ล่าสุด สิ่งนี้ทำให้เทคโนโลยีรู้สึกไม่เสถียรและคาดเดาไม่ได้แม้จะมีความสามารถที่น่าประทับใจ ผู้คนมักประเมินความเป็นอิสระของระบบเหล่านี้สูงเกินไป ในขณะที่ประเมินการแทรกแซงของมนุษย์ที่จำเป็นเพื่อให้ระบบสอดคล้องกับเป้าหมายขององค์กรต่ำเกินไป ข้อโต้แย้งนี้ดูสมจริงเมื่อคุณเห็นเครื่องมืออย่าง ChatGPT เปลี่ยนบุคลิกหรือรูปแบบการปฏิเสธภายในไม่กี่ชั่วโมงหลังจากเกิดข้อโต้แย้งในที่สาธารณะ นี่ไม่ใช่แค่โค้ด แต่มันคือภาพสะท้อนของบรรยากาศทางการเมืองในช่วงเวลาที่ให้สัมภาษณ์

บริษัทต่างๆ กำลังดิ้นรนเพื่อตามให้ทันความคาดหวังที่เปลี่ยนไป ธุรกิจที่ลงทุนมหาศาลในสถาปัตยกรรม AI เฉพาะทางอาจพบว่าตัวเองล้าสมัยหากอุตสาหกรรมเปลี่ยนไปสู่มาตรฐานอื่น บทสัมภาษณ์มักให้คำใบ้แรกของการเปลี่ยนแปลงเหล่านี้ ตัวอย่างเช่น การมุ่งเน้นไปที่ agents แทนที่จะเป็นเพียง chatbots ได้ทำให้บริษัทซอฟต์แวร์องค์กรทุกแห่งต้องรีบอัปเดตข้อเสนอของตน สิ่งนี้สร้างสภาพแวดล้อมที่มีแรงกดดันสูงซึ่งความสามารถในการตีความภาษาของผู้บริหารมีค่าพอๆ กับความสามารถในการเขียนโค้ด ผลที่ตามมานั้นเกิดขึ้นจริงกับนักสร้างสรรค์ด้วยเช่นกัน นักเขียนและศิลปินต่างเฝ้าดูบทสัมภาษณ์เหล่านี้เพื่อดูว่างานของพวกเขาจะได้รับการคุ้มครองหรือไม่ หรือจะถูกใช้เป็นเชื้อเพลิงสำหรับโมเดลรุ่นต่อไป การหลีกเลี่ยงคำถามเรื่องลิขสิทธิ์ในการพูดคุยเหล่านี้เป็นแหล่งที่มาของความวิตกกังวลอย่างต่อเนื่องสำหรับกลุ่มคนทำงานสร้างสรรค์

คำถามที่ยังไม่มีคำตอบของยุค AI บูม

เราต้องใช้ความสงสัยในระดับหนึ่งต่อข้อกล่าวอ้างที่ทำในเวทีสาธารณะเหล่านี้ หนึ่งในคำถามที่ยากที่สุดคือเรื่องต้นทุนที่ซ่อนอยู่ของข้อมูล หากอินเทอร์เน็ตกำลังถูกใช้ข้อความคุณภาพสูงจนหมดสิ้น แล้วโทเค็นล้านล้านถัดไปจะมาจากไหน? บทสัมภาษณ์ไม่ค่อยกล่าวถึงจริยธรรมของการใช้ข้อมูลส่วนตัวหรือผลกระทบต่อสิ่งแวดล้อมจากการทำความเย็นดาต้าเซ็นเตอร์ขนาดมหึมาที่จำเป็นสำหรับการฝึกฝน มีแนวโน้มที่จะพูดถึง AI ในฐานะพลังที่สะอาดและเบาบาง ทั้งที่จริงๆ แล้วมันเป็นกระบวนการทางอุตสาหกรรมที่หนักหน่วง ใครเป็นผู้จ่ายค่าน้ำหลายพันล้านแกลลอนที่ใช้หล่อเย็นเซิร์ฟเวอร์? ใครเป็นเจ้าของทรัพย์สินทางปัญญาที่สร้างโดยโมเดลที่ถูกฝึกฝนจากความรู้รวมของมนุษยชาติ? สิ่งเหล่านี้ไม่ใช่แค่ปัญหาทางเทคนิค แต่เป็นคำถามพื้นฐานเกี่ยวกับการจัดสรรทรัพยากรและความเป็นเจ้าของ

อีกประเด็นที่น่ากังวลคือการขาดความโปร่งใสเกี่ยวกับการทดสอบภายใน เรามักได้รับแจ้งว่าโมเดลผ่านการ red teamed มาหลายเดือน แต่เราไม่ค่อยได้เห็นผลลัพธ์ของการทดสอบเหล่านั้น ความเป็นส่วนตัวของผู้ใช้ก็เป็นจุดบอดสำคัญเช่นกัน แม้บริษัทจะอ้างว่าปกปิดข้อมูลส่วนบุคคล แต่ความเป็นจริงของการประมวลผลข้อมูลขนาดใหญ่ทำให้การปกปิดตัวตนที่แท้จริงทำได้ยาก เราต้องถามว่าความสะดวกสบายของเครื่องมือเหล่านี้คุ้มค่ากับการกัดเซาะความเป็นส่วนตัวทางดิจิทัลของเราหรือไม่ อำนาจในการโน้มน้าวความคิดของมนุษย์ในระดับโลกเป็นความรับผิดชอบที่ไม่ควรตกอยู่ในมือของผู้บริหารที่ไม่ได้มาจากการเลือกตั้งเพียงไม่กี่คน การถกเถียงในปัจจุบันให้น้ำหนักไปที่ประโยชน์ของเทคโนโลยีมากเกินไป ในขณะที่ต้นทุนระยะยาวต่อสังคมถูกมองว่าเป็นเรื่องรอง เราจำเป็นต้องผลักดันให้ได้คำตอบที่เป็นรูปธรรมมากขึ้นว่าบริษัทเหล่านี้วางแผนจะจัดการกับความล้มเหลวที่หลีกเลี่ยงไม่ได้ของระบบของตนอย่างไร

มีเรื่องราว, เครื่องมือ, เทรนด์ หรือคำถามเกี่ยวกับ AI ที่คุณคิดว่าเราควรนำเสนอหรือไม่? ส่งแนวคิดบทความของคุณมาให้เรา — เรายินดีรับฟัง

สถาปัตยกรรมและ Latency เบื้องหลังกระแส

เมื่อเข้าสู่รายละเอียดทางเทคนิค เห็นได้ชัดว่าอุตสาหกรรมกำลังเผชิญกับขีดจำกัดทางกายภาพบางประการ แม้ว่าบทสัมภาษณ์จะเน้นไปที่ศักยภาพสำหรับการเติบโตที่ไม่มีที่สิ้นสุด แต่ความเป็นจริงถูกควบคุมโดยความพร้อมใช้งานของ GPU และข้อจำกัดด้านพลังงาน สำหรับผู้ใช้ระดับสูง (power users) ตัวชี้วัดที่สำคัญที่สุดไม่ใช่แค่ขนาดของโมเดล แต่คือ latency ของ API และความน่าเชื่อถือของผลลัพธ์ เรากำลังเห็นการเปลี่ยนไปสู่โมเดลที่เล็กลงและมีประสิทธิภาพมากขึ้นซึ่งสามารถรันได้ในเครื่อง (locally) นี่เป็นการตอบสนองโดยตรงต่อต้นทุนที่สูงของ cloud inference และความจำเป็นในการปกป้องข้อมูลที่ดีขึ้น การจัดเก็บ weights ไว้ในเครื่องกำลังกลายเป็นสิ่งสำคัญสำหรับผู้ใช้ระดับองค์กรที่ไม่สามารถเสี่ยงส่งข้อมูลที่ละเอียดอ่อนไปยังเซิร์ฟเวอร์ของบุคคลที่สามได้ แนวโน้มนี้มักถูกละเลยในสื่อกระแสหลัก แต่เป็นหัวข้อสนทนาสำคัญในแวดวงนักพัฒนา

การบูรณาการเวิร์กโฟลว์ (workflow integration) คืออุปสรรคสำคัญถัดไป การมีอินเทอร์เฟซแชทเป็นเรื่องหนึ่ง แต่การมี AI ที่สามารถโต้ตอบกับชุดซอฟต์แวร์ที่ซับซ้อนได้เป็นอีกเรื่องหนึ่ง ข้อจำกัดของ API ในปัจจุบันเป็นคอขวดสำคัญสำหรับการสร้าง agents ที่ซับซ้อน อัตราการเรียกใช้งาน (rate limits) และต้นทุนโทเค็นทำให้การรันงานแบบเรียกซ้ำ (recursive tasks) ที่ต้องเรียกใช้โมเดลหลายครั้งมีราคาแพง เรายังเห็นการเกิดขึ้นของเทคนิคใหม่ๆ เช่น retrieval augmented generation เพื่อช่วยให้โมเดลอัปเดตอยู่เสมอโดยไม่ต้องฝึกฝนใหม่ตลอดเวลา แนวทางนี้ช่วยให้โมเดลสามารถค้นหาข้อมูลในฐานข้อมูลท้องถิ่น ซึ่งช่วยลดโอกาสในการเกิด hallucinations สำหรับส่วนของ geek เรื่องจริงคือการย้ายออกจากโมเดลแบบ monolithic ไปสู่สถาปัตยกรรมแบบ modular มากขึ้น สิ่งนี้ช่วยให้เกิดการทำซ้ำที่รวดเร็วขึ้นและเครื่องมือเฉพาะทางที่สามารถทำงานได้ดีกว่าโมเดลอเนกประสงค์ในงานเฉพาะด้าน ความตึงเครียดระหว่างปรัชญา