the open ai logo is displayed on a computer screen

Similar Posts

  • | | | |

    ก่อนปี 2026: จุดเปลี่ยนสำคัญที่สร้างโลก AI ในวันนี้

    หวัดดีครับทุกคน! เคยหยุดคิดกันบ้างไหมว่าเรามาถึงจุดนี้ได้ยังไง? รู้สึกเหมือนเพิ่งเมื่อวานนี้เองที่เรายังงมอยู่กับระบบสั่งการด้วยเสียงแบบพื้นฐานที่แค่ตั้งนาฬิกาปลุกยังยาก แต่ตอนนี้เรามีเครื่องมือที่เขียนโค้ดได้ วางแผนเที่ยวได้ แถมยังช่วยให้เราเข้าใจฟิสิกส์ยากๆ ได้อีก พอมาดูว่าเราอยู่ตรงไหนใน 2026 ก็เห็นชัดเลยว่าช่วงต้นทศวรรษ 2020 นี่แหละที่เป็นตัวเซ็ตระบบทุกอย่างที่เราเห็นในวันนี้ มันคือจุดเปลี่ยนที่โลกเทคโนโลยีตัดสินใจลุยเรื่องข้อมูลแบบจัดเต็ม และเน้นทำให้เครื่องมือพวกนี้ดูมีความเป็นมนุษย์มากขึ้น เป็นช่วงเวลาที่น่าตื่นเต้นสุดๆ เพราะเราได้เห็นผลลัพธ์จากการทดลองพวกนั้นในทุกๆ วัน สรุปสั้นๆ คือ AI ไม่ใช่ความฝันในหนังไซไฟอีกต่อไปแล้ว แต่มันคือ **พาร์ทเนอร์ที่ใช้งานได้จริง** ซึ่งช่วยให้เราทำอะไรๆ ได้สำเร็จ เรากำลังอยู่ในโลกที่การตัดสินใจในยุคแรกเริ่มสร้างขึ้นมา และมันเป็นที่ที่สดใสมาก! เรากำลังก้าวไปข้างหน้าอย่างรวดเร็ว โดยมีรากฐานจากคนที่อยากทำให้เทคโนโลยีเข้าถึงง่ายสำหรับทุกคน ไม่ใช่แค่ผู้เชี่ยวชาญในห้องแล็บเท่านั้น ลองนึกภาพ AI ยุคแรกๆ เหมือนนักเรียนที่พยายามท่องจำพจนานุกรมดูสิครับ มันก็น่าทึ่งนะ แต่นักเรียนคนนั้นไม่เข้าใจจริงๆ หรอกว่าคำเหล่านั้นหมายถึงอะไรในโลกแห่งความเป็นจริง จนกระทั่งเมื่อไม่กี่ปีที่ผ่านมา ทุกอย่างก็เปลี่ยนไป แทนที่จะแค่จำคำศัพท์ ระบบเริ่มเรียนรู้วิธีที่เราคุยกันจริงๆ เริ่มจับ vibe มุกตลก และวิธีที่เราเรียบเรียงความคิด นี่คือจุดที่เหล่านักพัฒนาเลิกพยายามเขียนกฎทุกอย่างลงไป แล้วปล่อยให้เครื่องจักรเรียนรู้จากมหาสมุทรแห่งการสนทนาของมนุษย์แทน เหมือนความแตกต่างระหว่างการหัดทำอาหารจากตำราแห้งๆ กับการไปยืนอยู่ในครัวกับเชฟระดับโลกเลยครับ โมเดลพวกนี้กลายเป็นเหมือนฟองน้ำที่ซึมซับวิธีที่เราแสดงออก การเปลี่ยนแปลงนี้ทำให้เครื่องมือพวกนี้ดูไม่เหมือนคอมพิวเตอร์ที่เย็นชา แต่เหมือนเพื่อนที่แสนดีที่บังเอิญรู้ไปซะทุกเรื่อง นี่คือจุดหักเหครั้งใหญ่ที่พาเราออกจากตรรกะที่แข็งทื่อไปสู่สิ่งที่ดูเป็นธรรมชาติและลื่นไหลกว่าเดิม

  • | | | |

    สงครามชิปเบื้องหลังยุคทองของ AI

    คอขวดของซิลิคอนที่กำหนดทิศทางอำนาจในยุคปัจจุบันความคลั่งไคล้ในโมเดล generative ทั่วโลกมักมองข้ามความเป็นจริงทางกายภาพที่ทำให้สิ่งเหล่านี้เกิดขึ้นได้จริง ปัญญาประดิษฐ์ไม่ใช่แค่กลุ่มก้อนของตรรกะที่ล่องลอยอยู่ใน cloud แต่เป็นผู้บริโภคทรัพยากรทางกายภาพมหาศาล ยุคทองในปัจจุบันต้องพึ่งพาห่วงโซ่อุปทานของเซมิคอนดักเตอร์ระดับไฮเอนด์ที่เปราะบางและมีการกระจุกตัวสูง หากไม่มีชิปเหล่านี้ อัลกอริทึมที่ซับซ้อนที่สุดก็ไร้ค่า เรากำลังเห็นการเปลี่ยนแปลงที่ความสามารถในการประมวลผล (compute capacity) กลายเป็นตัวชี้วัดหลักสำหรับความสำเร็จขององค์กรและระดับประเทศ สิ่งนี้สร้างสภาพแวดล้อมที่มีเดิมพันสูงซึ่งการเข้าถึงฮาร์ดแวร์เป็นตัวกำหนดว่าใครจะสร้างได้และใครต้องรอ คอขวดไม่ได้อยู่ที่จำนวนชิปที่ผลิตได้เท่านั้น แต่อยู่ที่ความสามารถเฉพาะในการผลิตชิ้นส่วนที่สามารถจัดการพารามิเตอร์นับพันล้านตัวพร้อมกันได้ ในขณะที่เราก้าวผ่าน 2026 การต่อสู้เพื่อแย่งชิงฮาร์ดแวร์นี้ได้ย้ายจากห้องหลังบ้านของแผนก IT ไปสู่ระดับสูงสุดของนโยบายรัฐบาล เดิมพันไม่ใช่แค่เรื่องของแชทบอทที่เร็วขึ้น แต่รวมถึงการควบคุมพื้นฐานของยุคถัดไปของผลผลิตทางอุตสาหกรรม หากคุณไม่ได้เป็นเจ้าของซิลิคอน คุณก็ไม่ได้เป็นเจ้าของอนาคตของอุตสาหกรรมนี้ มากกว่าแค่หน่วยประมวลผลเมื่อผู้คนพูดถึงสงครามชิป พวกเขามักจะเน้นไปที่การออกแบบ Graphics Processing Unit แม้ว่าการออกแบบจะมีความสำคัญ แต่ก็เป็นเพียงส่วนหนึ่งของการประกอบที่ซับซ้อน ชิป AI สมัยใหม่คือความมหัศจรรย์ของการบูรณาการที่รวมเอาหน่วยความจำแบนด์วิดท์สูง (high bandwidth memory) และเทคนิคการบรรจุภัณฑ์ขั้นสูงเข้าด้วยกัน หน่วยความจำแบนด์วิดท์สูงช่วยให้ข้อมูลเคลื่อนย้ายระหว่างหน่วยประมวลผลและที่เก็บข้อมูลด้วยความเร็วที่เหลือเชื่อเมื่อสิบปีก่อน หากไม่มีหน่วยความจำประเภทนี้ หน่วยประมวลผลจะต้องนั่งรอข้อมูลอย่างเปล่าประโยชน์ สิ่งนี้สร้างตลาดรองที่บริษัทอย่าง SK Hynix และ Samsung มีความสำคัญไม่น้อยไปกว่านักออกแบบชิปเอง อีกปัจจัยสำคัญคือกระบวนการบรรจุภัณฑ์ที่เรียกว่า Chip on Wafer on

  • | | | |

    เจาะลึกห้องแล็บผู้อยู่เบื้องหลังคลื่นลูกใหม่ของ AI ในปี 2026

    สถานการณ์ของปัญญาประดิษฐ์ในปัจจุบันไม่ได้เป็นเพียงงานวิจัยเชิงทฤษฎีหรือคำสัญญาที่ไกลตัวอีกต่อไป เราก้าวเข้าสู่ยุคของการผลิตเชิงอุตสาหกรรมที่เป้าหมายหลักคือการเปลี่ยนพลังการประมวลผลมหาศาลให้กลายเป็นเครื่องมือที่มีประโยชน์จริง ห้องแล็บที่นำหน้าในเกมนี้ไม่ได้มีแนวทางเหมือนกันทั้งหมด บางแห่งเน้นการขยายขีดความสามารถด้านตรรกะ ในขณะที่บางแห่งเน้นการนำตรรกะเหล่านั้นไปประยุกต์ใช้ในสเปรดชีตหรือชุดเครื่องมือสร้างสรรค์ การเปลี่ยนแปลงนี้กำลังเปลี่ยนจุดสนใจจากสิ่งที่อาจเกิดขึ้นในอนาคต ไปสู่สิ่งที่ทำงานได้จริงบนเซิร์ฟเวอร์ในตอนนี้ เรากำลังเห็นความแตกต่างของกลยุทธ์ที่จะกำหนดผู้ชนะทางเศรษฐกิจในทศวรรษหน้า ความเร็วในการพัฒนานี้กำลังกดดันให้องค์กรต่างๆ ต้องเร่งปรับตัว ไม่ใช่แค่เรื่องของการมีโมเดลที่ดีที่สุดอีกต่อไป แต่เป็นเรื่องของใครจะสามารถทำให้โมเดลนั้นมีราคาถูกและเร็วพอที่จะให้คนนับล้านใช้งานพร้อมกันได้โดยที่ระบบไม่ล่มหรือเกิดอาการหลอน (hallucination) จนผิดพลาดร้ายแรง นี่คือมาตรฐานใหม่ของอุตสาหกรรมนี้ สามเสาหลักของปัญญาประดิษฐ์สมัยใหม่เพื่อให้เข้าใจทิศทางในปัจจุบัน เราต้องแยกประเภทขององค์กรที่สร้างระบบเหล่านี้ออกเป็นสามกลุ่มหลัก อย่างแรกคือ Frontier Labs เช่น OpenAI และ Anthropic หน่วยงานเหล่านี้มุ่งเน้นการผลักดันขีดจำกัดสูงสุดของสิ่งที่โครงข่ายประสาทเทียมจะประมวลผลได้ เป้าหมายของพวกเขาคือความสามารถทั่วไป พวกเขาต้องการสร้างระบบที่สามารถใช้เหตุผลได้ในทุกโดเมน ตั้งแต่การเขียนโค้ดไปจนถึงการเขียนเชิงสร้างสรรค์ ห้องแล็บเหล่านี้มีงบประมาณมหาศาลและใช้ฮาร์ดแวร์ระดับไฮเอนด์ส่วนใหญ่ของโลก พวกเขาคือหัวใจสำคัญของการเคลื่อนไหวนี้ โดยเป็นผู้จัดหาโมเดลพื้นฐานที่คนอื่นนำไปต่อยอดอย่างที่สองคือห้องแล็บทางวิชาการ เช่น Stanford HAI และ MIT CSAIL บทบาทของพวกเขาแตกต่างออกไป พวกเขาคือกลุ่มนักวิจารณ์และนักทฤษฎี ในขณะที่ Frontier Lab อาจมุ่งเน้นการทำให้โมเดลใหญ่ขึ้น ห้องแล็บทางวิชาการจะตั้งคำถามว่าทำไมโมเดลถึงทำงานได้ตั้งแต่แรก พวกเขาตรวจสอบผลกระทบทางสังคม อคติที่แฝงอยู่ และความปลอดภัยในระยะยาว พวกเขาจัดหาข้อมูลที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญ (peer-reviewed) เพื่อให้ภาคธุรกิจตั้งอยู่บนพื้นฐานของความเป็นจริง หากไม่มีพวกเขา อุตสาหกรรมนี้คงเป็นกล่องดำที่เต็มไปด้วยความลับทางการค้าโดยไม่มีการตรวจสอบหรือความเข้าใจในกลไกเบื้องหลังสุดท้ายคือ Product

  • | | | |

    ทำไมจู่ๆ AI ถึงดูเหมือนอยู่ทุกที่ไปหมดใน 2026

    มือที่มองไม่เห็นของการตั้งค่าเริ่มต้นคุณไม่ได้เป็นคนขอให้มันมาอยู่ตรงนั้น วันหนึ่งคุณเปิดอีเมลขึ้นมาแล้วมีไอคอนเล็กๆ เสนอตัวช่วยเขียนคำตอบให้คุณ คุณเปิดมือถือเพื่อถ่ายรูปแล้วมีคำแนะนำเด้งขึ้นมาให้ลบคนข้างหลังออก คุณค้นหาสูตรอาหารแล้วมีสรุปเนื้อหามาแทนที่ลิงก์ที่คุณเคยคลิก นี่คือยุคของการวางตำแหน่งแบบ Default เหตุผลที่ AI รู้สึกเหมือนอยู่ทุกที่ ไม่ใช่เพราะทุกระบบเก่งขึ้นมาทันทีทันใด แต่เป็นเพราะบริษัทซอฟต์แวร์ยักษ์ใหญ่ของโลกตัดสินใจเปิดใช้งานมันให้กับทุกคนพร้อมกัน เราผ่านยุคของแชทบอตทดลองที่ต้องล็อกอินแยกต่างหากมาแล้ว ตอนนี้เทคโนโลยีถูกฝังลงไปในระบบปฏิบัติการและช่องค้นหาที่เราใช้งานอยู่เป็นประจำ การเปลี่ยนจากเครื่องมือที่ต้องเลือกใช้ (opt-in) มาเป็นฟีเจอร์พื้นฐานคือตัวขับเคลื่อนหลักของความรู้สึกที่ว่ามันมีอยู่เต็มไปหมด นี่คือกลยุทธ์การกระจายตัวครั้งใหญ่ที่บังคับให้เราต้องเห็นมัน ไม่ว่าเทคโนโลยีเบื้องหลังจะพร้อมเต็มที่หรือไม่ก็ตาม ความรู้สึกว่ามันอยู่ทุกที่นั้นเป็นผลมาจากอิทธิพลขององค์กร มากกว่าจะเป็นการก้าวกระโดดทางตรรกะหรือเหตุผล การมีอยู่ทั่วไปนี้สร้างผลกระทบทางจิตวิทยาที่ทำให้ผู้ใช้รู้สึกเหมือนถูกล้อมรอบ เมื่อโปรแกรมประมวลผลคำ สเปรดชีต และคีย์บอร์ดมือถือของคุณต่างก็แนะนำคำถัดไปให้ เทคโนโลยีก็ไม่ได้เป็นเพียงจุดหมายปลายทางอีกต่อไป แต่มันกลายเป็นสภาพแวดล้อมไปแล้ว นี่ไม่ใช่ช่วงการปรับตัวที่ค่อยเป็นค่อยไป แต่มันคือการบูรณาการแบบบังคับที่ข้ามขั้นตอนการเลือกของผู้บริโภคแบบเดิมไปเลย การนำเครื่องมือเหล่านี้มาวางไว้ในเส้นทางของผู้ใช้หลายพันล้านคน ทำให้ยักษ์ใหญ่ด้านเทคโนโลยีเดิมพันว่าความสะดวกสบายจะสำคัญกว่าข้อผิดพลาดที่เกิดขึ้นเป็นครั้งคราว เป้าหมายคือการทำให้เทคโนโลยีนี้ธรรมดาเหมือนกับระบบตรวจคำผิด อย่างไรก็ตาม การเปิดตัวที่รุนแรงนี้ยังทำให้เส้นแบ่งระหว่างเครื่องมือที่มีประโยชน์กับเครื่องมือที่หลีกเลี่ยงไม่ได้นั้นพร่าเลือน เรากำลังอยู่ในช่วงการอัปเดตซอฟต์แวร์แบบบังคับที่ใหญ่ที่สุดในประวัติศาสตร์ ผลลัพธ์ของการทดลองนี้จะเป็นตัวกำหนดวิธีที่เราโต้ตอบกับคอมพิวเตอร์ในทศวรรษหน้าการเปลี่ยนจากทางเลือกสู่การบูรณาการเป็นเวลาหลายปีที่การใช้ซอฟต์แวร์ขั้นสูงต้องอาศัยความตั้งใจ คุณต้องเข้าเว็บไซต์เฉพาะหรือดาวน์โหลดแอปพลิเคชันเฉพาะเพื่อโต้ตอบกับ Large Language Model ความยุ่งยากนั้นทำหน้าที่เป็นกำแพง แต่วันนี้กำแพงนั้นหายไปแล้ว การบูรณาการเกิดขึ้นในระดับระบบ เมื่อ Microsoft เพิ่มปุ่มเฉพาะบนคีย์บอร์ดแล็ปท็อป หรือ Apple ฝังผู้ช่วยเขียนไว้ในแกนกลางของระบบปฏิบัติการมือถือ เทคโนโลยีก็กลายเป็นสิ่งที่หลีกเลี่ยงไม่ได้ นี่คือกลยุทธ์แบบ Default ซึ่งอาศัยความจริงที่ว่าผู้ใช้ส่วนใหญ่ไม่เคยเปลี่ยนการตั้งค่าจากโรงงาน

  • | | | |

    ยุคใหม่ของชิป AI: เร็วขึ้น เล็กลง หรือประหยัดพลังงานกว่าเดิม?

    การแข่งขันเพื่อความเร็วของ AI ได้เปลี่ยนจากการเน้นแค่ความเร็วสัญญาณนาฬิกา ไปสู่การต่อสู้ที่ซับซ้อนในเรื่องสถาปัตยกรรมระบบแล้วครับ การอัดทรานซิสเตอร์จำนวนมากลงบนซิลิคอนเพียงอย่างเดียวไม่เพียงพออีกต่อไป อุตสาหกรรมกำลังเผชิญกับกำแพงที่ว่า ความเร็วในการรับส่งข้อมูลระหว่างโปรเซสเซอร์กับหน่วยความจำนั้นสำคัญกว่าตัวโปรเซสเซอร์เองเสียอีก การเปลี่ยนแปลงนี้คือหัวใจสำคัญของยุคฮาร์ดแวร์ในปัจจุบัน บริษัทที่เคยเน้นแค่การออกแบบชิป ตอนนี้ต้องหันมาจัดการซัพพลายเชนระดับโลกและเทคนิคการบรรจุชิปขั้นสูงเพื่อให้ยังคงแข่งขันได้ การเปลี่ยนแปลงล่าสุดคือการมุ่งสู่ระบบแบบองค์รวมที่ระบบเครือข่ายและหน่วยความจำมีความสำคัญไม่แพ้ลอจิกเกต วิวัฒนาการนี้เปลี่ยนวิธีเขียนซอฟต์แวร์และมุมมองของรัฐบาลที่มีต่อความมั่นคงของชาติ หากคุณอยากรู้ว่าเทคโนโลยีจะไปทางไหนต่อ ให้ดูที่การเชื่อมต่อระหว่างชิปแทนที่จะดูแค่ตัวชิป พลังของแพลตฟอร์มขึ้นอยู่กับความสามารถในการรวมส่วนประกอบที่แตกต่างกันเหล่านี้ให้เป็นหนึ่งเดียว ใครที่มองข้ามขีดจำกัดทางกายภาพของฮาร์ดแวร์ จะพบว่าความฝันด้านซอฟต์แวร์ต้องสะดุดเพราะปัญหาความหน่วงและความร้อนครับ การซ้อนซิลิคอนเพื่อทลายกำแพงหน่วยความจำเพื่อให้เข้าใจการเปลี่ยนแปลงนี้ คุณต้องดูว่าชิปถูกประกอบเข้าด้วยกันอย่างไร ตลอดหลายทศวรรษที่ผ่านมา อุตสาหกรรมใช้วิธีออกแบบแบบแบนราบ คือมีโปรเซสเซอร์และหน่วยความจำแยกกันบนแผงวงจร แต่วันนี้ ระยะห่างนั้นคือศัตรูตัวฉกาจของประสิทธิภาพ เพื่อแก้ปัญหานี้ ผู้ผลิตจึงหันมาใช้การบรรจุชิปขั้นสูง (Advanced Packaging) ซึ่งเป็นการซ้อนส่วนประกอบไว้บนกันหรือวางข้างกันบนฐานพิเศษที่เรียกว่า interposer เทคนิคนี้ที่มักเรียกกันว่า Chip on Wafer on Substrate ช่วยให้ข้อมูลมหาศาลเคลื่อนที่ได้ด้วยความเร็วที่ไม่เคยเป็นไปได้มาก่อน นี่ไม่ใช่แค่การปรับปรุงเล็กน้อย แต่มันคือการเปลี่ยนแปลงพื้นฐานในการสร้างคอมพิวเตอร์ เมื่อคุณวาง **High Bandwidth Memory** ไว้ข้างๆ คอร์ประมวลผลโดยตรง คุณจะกำจัดปัญหาคอขวดที่ทำให้โมเดลภาษาขนาดใหญ่ทำงานช้าลง นี่คือเหตุผลที่บริษัทอย่าง NVIDIA ถึงครองตลาด เพราะพวกเขาไม่ได้ขายแค่ชิป แต่ขายแพ็กเกจที่รวมหน่วยความจำและการเชื่อมต่อความเร็วสูงไว้ด้วยกันอย่างแน่นหนาตัวหน่วยความจำเองก็เปลี่ยนไปเช่นกัน RAM แบบมาตรฐานไม่สามารถรองรับความต้องการของ

  • | | | |

    สงครามลิขสิทธิ์จะเปลี่ยนโฉมหน้าผลิตภัณฑ์ AI ในปี 2026 อย่างไร

    ยุคสมัยแห่งข้อมูลฟรีได้สิ้นสุดลงแล้วยุคของการเก็บข้อมูลโดยไม่ต้องรับผลกระทบได้จบลงแล้ว หลายปีที่ผ่านมานักพัฒนาสร้างโมเดลภาษาขนาดใหญ่โดยตั้งสมมติฐานว่าอินเทอร์เน็ตแบบเปิดเป็นทรัพยากรสาธารณะ แต่สมมติฐานนี้กำลังเผชิญกับความจริงในชั้นศาล การฟ้องร้องครั้งใหญ่จากองค์กรสื่อและศิลปินกำลังบีบให้เกิดการเปลี่ยนแปลงพื้นฐานในวิธีการสร้างและขายผลิตภัณฑ์เหล่านี้ บริษัทต่างๆ ไม่สามารถเพิกเฉยต่อแหล่งที่มาของชุดข้อมูลที่ใช้ฝึกฝนได้อีกต่อไป ผลลัพธ์ที่ตามมาคือการเปลี่ยนไปสู่โมเดลแบบมีลิขสิทธิ์ที่ทุกโทเค็นมีราคาค่างวด การเปลี่ยนแปลงนี้จะเป็นตัวตัดสินว่าบริษัทใดจะอยู่รอดและบริษัทใดจะล้มละลายภายใต้ภาระค่าใช้จ่ายทางกฎหมาย นี่ไม่ใช่แค่เรื่องของจริยธรรมหรือสิทธิของผู้สร้างสรรค์ แต่เป็นเรื่องของความยั่งยืนทางธุรกิจ หากศาลตัดสินว่าการฝึกฝนด้วยข้อมูลที่มีลิขสิทธิ์ไม่ใช่การใช้งานที่เป็นธรรม ต้นทุนในการสร้างโมเดลที่แข่งขันได้จะพุ่งสูงขึ้น ซึ่งจะเอื้อประโยชน์ต่อยักษ์ใหญ่ด้านเทคโนโลยีที่มีเงินทุนหนาและมีข้อตกลงด้านลิขสิทธิ์อยู่แล้ว ส่วนผู้เล่นรายย่อยอาจถูกบีบออกจากตลาดโดยสิ้นเชิง ความเร็วในการพัฒนาเทคโนโลยีตอนนี้กำลังชนกำแพงทางกฎหมายที่จะปรับเปลี่ยนอุตสาหกรรมไปอีกนานหลายปี จากการคัดลอกข้อมูลสู่การขออนุญาตหัวใจสำคัญของความขัดแย้งในปัจจุบันอยู่ที่วิธีการเรียนรู้ของโมเดล Generative AI ระบบเหล่านี้รับข้อมูลคำศัพท์และรูปภาพจำนวนมหาศาลเพื่อระบุรูปแบบ ในช่วงแรกของการพัฒนา นักวิจัยใช้ชุดข้อมูลขนาดใหญ่อย่าง Common Crawl โดยไม่ได้กังวลเรื่องสิทธิส่วนบุคคลที่ติดมากับข้อมูลนั้นมากนัก พวกเขาโต้แย้งว่ากระบวนการนี้เป็นการเปลี่ยนแปลงเชิงสร้างสรรค์ (transformative) ซึ่งหมายความว่ามันสร้างสิ่งใหม่ขึ้นมาทั้งหมดและไม่ได้มาแทนที่ผลงานต้นฉบับ ข้อโต้แย้งนี้เป็นรากฐานของการป้องกันการใช้งานที่เป็นธรรม (fair use) ในสหรัฐอเมริกา อย่างไรก็ตาม ขนาดของการผลิต AI ในปัจจุบันได้เปลี่ยนสมการไปแล้ว เมื่อโมเดลสามารถสร้างบทความข่าวในสไตล์ของนักข่าวคนใดคนหนึ่ง หรือสร้างภาพที่เลียนแบบศิลปินที่มีชีวิตอยู่ การอ้างว่าเป็นการเปลี่ยนแปลงเชิงสร้างสรรค์จึงทำได้ยากขึ้น นำไปสู่การฟ้องร้องที่เพิ่มขึ้นจากเจ้าของเนื้อหาที่เห็นว่าผลงานที่เลี้ยงชีพพวกเขาถูกนำไปใช้ฝึกฝนเพื่อสร้างสิ่งที่มาแทนที่พวกเขาในที่สุดความเปลี่ยนแปลงล่าสุดแสดงให้เห็นว่าอุตสาหกรรมกำลังเลิกใช้กลยุทธ์ “ขออภัยทีหลัง” แล้ว บริษัทเทคโนโลยีขนาดใหญ่กำลังทำข้อตกลงมูลค่าหลายล้านดอลลาร์กับสำนักพิมพ์เพื่อรับประกันข้อมูลที่มีคุณภาพสูงและถูกกฎหมาย สิ่งนี้สร้างระบบสองมาตรฐาน ด้านหนึ่งคือโมเดล “สะอาด” ที่ฝึกฝนจากข้อมูลที่มีลิขสิทธิ์หรือข้อมูลสาธารณะ อีกด้านหนึ่งคือโมเดลที่สร้างจากข้อมูลที่คัดลอกมาซึ่งมีความเสี่ยงทางกฎหมายสูง โลกธุรกิจเริ่มชอบแบบแรกมากกว่า บริษัทต่างๆ ไม่ต้องการรวมเครื่องมือที่อาจถูกสั่งปิดโดยคำสั่งศาลหรือนำไปสู่บิลค่าเสียหายจากการละเมิดลิขสิทธิ์ก้อนโต สิ่งนี้ทำให้ ที่มาทางกฎหมาย (legal