- มีทั้งกรณีที่ เทคโนโลยีนวัตกรรมสร้างความมั่งคั่งทางธุรกิจรูปแบบใหม่ และกรณีที่ช่วยขับเคลื่อนการเปลี่ยนแปลงทางสังคมแต่ให้ผลตอบแทนแก่นักลงทุนน้อย
- จึงเกิดคำถามว่า Generative AI จัดอยู่ในกลุ่มใด โดยในตอนนี้มีแนวโน้มไหลไปสู่ โครงสร้างกึ่งผูกขาดที่มีบริษัทยักษ์ใหญ่เป็นศูนย์กลาง ในฐานะส่วนต่อเนื่องของนวัตกรรม ICT เดิม
- เมื่อเทียบกรณีของ ไมโครโปรเซสเซอร์และการขนส่งตู้คอนเทนเนอร์ AI ก็อาจทำให้ผลประโยชน์จำนวนมากกระจุกอยู่ที่ ผู้บริโภคและบริษัทยักษ์ใหญ่บางราย มากกว่าผู้ผลิต
- ในฐานะแนวทาง ลงทุนใน AI เพื่อทำกำไร บริษัทโครงสร้างพื้นฐานหรือธุรกิจที่ให้ความสำคัญกับ การลดต้นทุนและเพิ่มผลิตภาพผ่านการใช้ AI อาจน่าสนใจ
- สำหรับนักลงทุนใน บริษัท AI หน้าใหม่ส่วนใหญ่ อาจไม่มีโอกาสใหญ่เท่าที่คาดหวัง และท้ายที่สุด ผู้บริโภคกับบริษัทเดิมที่มีประสิทธิภาพสูง น่าจะเป็นผู้ได้ประโยชน์มากที่สุด
เทคโนโลยีนวัตกรรมกับการถือกำเนิดของความมั่งคั่ง
- เทคโนโลยีนวัตกรรม อย่างรถไฟฟ้า ระบบไฟฟ้า เครื่องยนต์สันดาปภายใน และไมโครโปรเซสเซอร์ ได้สร้างยุคอุตสาหกรรมใหม่และมอบ ความมั่งคั่งกับอิทธิพลอย่างมหาศาล ให้แก่นักลงทุนและผู้ประกอบการ
- ในทางกลับกัน ก็มีกรณีอย่างการขนส่งตู้คอนเทนเนอร์ที่แม้จะสร้างการเปลี่ยนแปลงครั้งใหญ่ต่อสังคม แต่ ผลในการเพิ่มมูลค่าบริษัทกลับมีจำกัด
มูลค่าการลงทุนของนวัตกรรมเทคโนโลยี และปัญหา 'ใครคือผู้ได้ประโยชน์'
- เมื่อมีการลงทุนในเทคโนโลยีใหม่ สิ่งชี้ขาดคือจะเกิด การสร้างมูลค่ามากเพียงใด และ ใครจะเป็นผู้ครอบครองผลประโยชน์นั้น
- นวัตกรรม ICT มอบ ความมั่งคั่งให้สตาร์ทอัพและนักลงทุน แต่การขนส่งตู้คอนเทนเนอร์ทำให้ มูลค่าถูกเจือจาง จนนักลงทุนจำนวนมากไม่ได้กำไร
- จึงเกิดความไม่แน่นอนว่า AI โดยเฉพาะ Generative AI จะอยู่ใน หมวดหมู่ใด
เปรียบเทียบกรณีของไมโครโปรเซสเซอร์กับการขนส่งตู้คอนเทนเนอร์
- นวัตกรรมไมโครโปรเซสเซอร์ ในระยะแรกคาดการณ์ได้ยาก แต่เมื่อมีการทดลองและเข้าสู่ตลาด ก็เกิดวงจรเชิงบวกของนวัตกรรมขึ้น
- ปลายทศวรรษ 1970 ตลาด PC ค่อย ๆ เติบโตพร้อมการก่อตัวของกำแพงการเข้าสู่ตลาด การลงทุนจึงคึกคักและช่วยผลักดันการเติบโตของระบบนิเวศ
- บริษัทใหญ่เดิมอย่าง IBM, HP, DEC ลังเลต่อการนำ PC มาใช้ แต่ผู้เล่นที่เข้ามาทีหลังกลับกลายเป็นศูนย์กลางของนวัตกรรม
- อธิบายลำดับเหตุการณ์ ฟองสบู่ ICT → ฟองสบู่แตก → การเติบโตอย่างมั่นคง พร้อมบทบาทของนักลงทุน ผู้ประกอบการ และจุดเปลี่ยนสำคัญ
อุปมาระหว่าง AI กับการขนส่งตู้คอนเทนเนอร์
- การขนส่งตู้คอนเทนเนอร์เองก็สร้างการเปลี่ยนแปลงทางสังคมและเศรษฐกิจอย่างมหาศาล แต่ด้วย กำแพงการเข้าสู่ตลาดที่ไม่สูงและการแข่งขันที่รุนแรงขึ้น นักลงทุนส่วนใหญ่จึงไม่ได้ผลตอบแทนก้อนใหญ่
- ผู้ก่อตั้ง SeaLand อย่าง McLean และนักลงทุนบางส่วนเท่านั้นที่ได้ความมั่งคั่งจริง
- สายการเดินเรือรายใหญ่ บริษัทลงทุนโครงสร้างพื้นฐาน และบริษัทที่ใช้ประโยชน์จากข้อได้เปรียบนี้จริงจัง (เช่น IKEA, Walmart) คือผู้ที่ได้ประโยชน์มากที่สุด
- การแข่งขันที่ดุเดือด การลงทุนเกินความต้องการ และต้นทุนโครงสร้างพื้นฐานที่เพิ่มขึ้น ล้วนทำให้โครงสร้างผลตอบแทนการลงทุนถูกจำกัด
วงจรนวัตกรรมของ AI และสภาพแวดล้อมการลงทุน
- ตามทฤษฎีของนักเศรษฐศาสตร์ Carlota Perez นวัตกรรมเทคโนโลยีจะผ่าน 4 ระยะคือ การระเบิด การคลั่ง การเกิดซินเนอร์ยี และความสุกงอม
- โอกาสทำกำไรของนักลงทุนมักกระจุกตัวอยู่ในช่วงการคลั่งและช่วงซินเนอร์ยี
- AI กำลังถูก รวมศูนย์และกึ่งผูกขาด โดยบริษัทยักษ์ใหญ่ด้าน ICT อยู่แล้ว
- บริษัทโมเดลขนาดใหญ่ รวมถึงธุรกิจโครงสร้างพื้นฐาน/ชิป/ข้อมูล กำลังครองบทบาทสำคัญในห่วงโซ่มูลค่า
- แม้สตาร์ทอัพด้านแอปพลิเคชันใหม่จะเกิดขึ้นอย่างต่อเนื่อง แต่ก็มี โอกาสสูงที่จะถูกดูดซับโดยบริษัทโมเดลรายใหญ่หรือแพ้การแข่งขัน
โอกาสและความเสี่ยงในการลงทุนในอุตสาหกรรม AI
- โอกาสลงทุนในบริษัทโมเดลมีจำกัดแล้ว และแม้แต่โมเดลเฉพาะโดเมนก็มีแนวโน้มว่าจะเหลือเพียงไม่กี่รายที่โดดเด่นผ่านการรวมกิจการและการเข้าซื้อกิจการ
- การลงทุนในบริษัทโครงสร้างพื้นฐาน (เช่น NVIDIA) ก็สะท้อนความคาดหวังสูงไปมากแล้ว จึงมี พื้นที่สำหรับผลตอบแทนเพิ่มเติมอย่างจำกัด
- บริษัทใน อุตสาหกรรมที่ประยุกต์ใช้ AI (บริการวิชาชีพ สุขภาพ การศึกษา การเงิน ฯลฯ) ที่ใช้มันอย่างมีกลยุทธ์เพื่อ ลดต้นทุนและเพิ่มผลิตภาพ มีโอกาสสูงที่จะเป็นผู้ชนะตัวจริง
- บริษัทใหม่/สตาร์ทอัพเผชิญ การแข่งขันที่รุนแรงและกำแพงการเติบโต ทำให้ระดมทุนขนาดใหญ่ได้ยาก โดยประสบการณ์และความสามารถในการลงมือทำคือปัจจัยสำคัญ
ผลกระทบทางเศรษฐกิจของ AI และผู้ได้ประโยชน์ปลายทาง
- AI คาดว่าจะสร้าง มูลค่าเพิ่มเทียบเท่า 1~7% ของ GDP โลก ในอนาคต แต่ผลประโยชน์ส่วนใหญ่มีแนวโน้มจะตกไปอยู่กับผู้บริโภคและบริษัทเดิมที่มีผลิตภาพสูง
- จากผลของการเพิ่มผลิตภาพในภาคบริการ คาดว่าจะเกิด สวัสดิการผู้บริโภคที่สูงขึ้น และโอกาสเข้าถึงบริการที่หลากหลายมากขึ้น
- เช่นเดียวกับระบบอัตโนมัติในภาคการผลิตในอดีต หากต้นทุนทางสังคมที่ลดลงจาก AI ถูกนำมาเป็นส่วนหนึ่งของกลยุทธ์ธุรกิจ ก็อาจสร้าง โอกาสการลงทุนที่โดดเด่น ได้
บทสรุป – กลยุทธ์การลงทุนในยุค AI
- แทนที่จะคาดหวังอย่างไร้ทิศทางต่อ เทคโนโลยีนวัตกรรมในระยะแรก ควรใช้ กรอบคิดการลงทุนที่แตกต่าง โดยมุ่งดูว่าการเพิ่มผลิตภาพของแรงงานความรู้จะเปิดตลาดและกลยุทธ์แบบใดขึ้นมา
- ต่อจากนี้ ปัจจัยสู่ความสำเร็จไม่ใช่การเดิมพันกับตัวเทคโนโลยีเพียงอย่างเดียว แต่คือความเข้าใจว่าเทคโนโลยีนั้นจะ เปิดโอกาสและตลาดใหม่อย่างไร
2 ความคิดเห็น
เมื่อ AI และหุ่นยนต์แสดงพลังในการเปลี่ยนแปลงอย่างรุนแรงต่อแรงงาน โลจิสติกส์ ความปลอดภัย และบริการ มันจะไม่เข้ามาใกล้ตัวเราอย่างมากหรอกหรือ?
ความคิดเห็นจาก Hacker News
สิ่งที่น่าสนใจเกี่ยวกับ AI คือมันดูเหมือนจะช่วยลดกำแพงการเข้าสู่หลายสาขาได้มากจริงๆ ฉันยังไม่เคยเห็นบริษัทไหนที่แสดงให้เห็นได้อย่างน่าเชื่อถือว่าสิ่งนี้สร้างผลกระทบกับตัวเองจริงๆ ส่วนใหญ่มีแต่การโฆษณา และมีสิ่งที่จับต้องได้จริงไม่มากนัก แต่ตัวอย่างการใช้งานโดยบุคคลทั่วไปนั้นฉันเห็นเยอะมาก รวมถึงตัวฉันเองด้วย ฉันชอบลองพัฒนาเกมวิดีโอเป็นงานอดิเรกมานานแล้ว แต่สินทรัพย์ด้านศิลปะคืออุปสรรคใหญ่ที่สุดเสมอมา เพราะฉันวาดรูปไม่เก่งและไม่มีงบ ก็เลยต้องไปคุ้ยหา asset pack ใน Itch.io และมักจะต้องเดินตามข้อจำกัดที่พวกนั้นมีให้ แต่ตั้งแต่ปีนี้ทุกอย่างเปลี่ยนไปมาก ตอนนี้แค่ลงทุนเวลาหนึ่งชั่วโมงก็ลองสร้างกราฟิกที่อยากได้เองได้แล้ว และพอแก้ไขเพิ่มก็ได้สินทรัพย์ที่เหมาะกับฉันจริงๆ ทำให้จัดชุดแอสเซ็ตให้เข้ากับเกมที่อยากทำได้ นี่เป็นเรื่องของกำแพงการเข้าสู่ล้วนๆ สินทรัพย์ที่ทำออกมาก็ยังอยู่ระดับ "เกมขยะ (shovelware)" และฉันไม่ได้ทำเป็นธุรกิจ แต่ตอนนี้คนคนเดียวบนอินเทอร์เน็ตสามารถทำงานอดิเรกและพัฒนาทักษะที่ตัวเองชอบได้อย่างเต็มที่แล้ว และก็มีความหวังว่าสักวันถ้าเกิดไอเดียระดับแจ็กพอตขึ้นมาจริงๆ ก็อาจจ้างศิลปินตัวจริงและลงทุนเงินได้ มันให้ความรู้สึกคล้ายกับตอนที่ GarageBand, iMovie, YouTube ทำให้คนทั่วไปได้ลองสร้างเพลงและวิดีโอโดยไม่ต้องมีอุปกรณ์ซับซ้อนหรือซอฟต์แวร์ Adobe ราคาแพง
ฉันก็รู้สึกคล้ายกัน เป็นเวลานานที่ฉันมักเริ่มโปรเจกต์ส่วนตัว แล้วก็มาติดกับปัญหาเล็กๆ น้อยๆ จนหงุดหงิดและเลิกไป เช่น เซิร์ฟเวอร์ส่ง error แปลกๆ นี่ไม่ใช่งาน และความอดทนกับงานฟรีก็มีขีดจำกัด พอใช้ ChatGPT ก็สามารถคัดลอกแล้ววาง error เพื่อให้มันช่วยเสนอแนวทางแก้ได้ บางครั้งถูกตั้งแต่ครั้งแรก บางครั้งก็ไม่ใช่ แต่อย่างน้อยมันก็ทำให้มีอะไรให้ลองต่อ และพอเริ่มขยับไปได้บ้างก็เกิดโมเมนตัม ทำให้จมอยู่กับโปรเจกต์มากขึ้น ฉันก็ยังต้องลงแรงของตัวเองอีกมากอยู่ดี แต่ AI เป็นเครื่องมือที่ดีสำหรับช่วงกำแพงเริ่มต้น
ฉันก็สัมผัสปรากฏการณ์นี้เหมือนกัน มันเป็นข้อได้เปรียบใหญ่สำหรับสตาร์ตอัป แต่ก่อนงานอย่างออกแบบโลโก้ ออกแบบกราฟิก เขียนโปรแกรม เขียนคอนเทนต์ ต้องใช้คนเฉพาะทาง ตอนนี้ Founder สามารถใช้ AI ทำให้มัน "พอใช้ได้" เองได้แล้ว แม้บางด้านอย่างกฎหมายหรือ SaaS vendor จะยังแทนคนทั้งหมดไม่ได้ แต่ AI ก็ยังช่วยแนะนำได้ว่าควรใช้บริการอะไร แต่ในอีกด้านหนึ่ง ถ้าทุกคนสร้างสตาร์ตอัปได้ง่ายขึ้น การแข่งขันก็ยิ่งรุนแรงขึ้น และสภาพแวดล้อมสำหรับ Founder ก็อาจยิ่งยากขึ้น สุดท้ายก็ยังไม่แน่ชัดว่ากลุ่ม Prosumer หรือ Founder จะเป็นผู้ได้ประโยชน์จริงหรือไม่ ถ้า AI ทำให้ธุรกรรมที่เดิมมีมูลค่าสูงถูกแทนที่ด้วย AI เดือนละ $20 ก็เป็นเรื่องน่าสนใจว่าอาจทำให้กิจกรรมทางเศรษฐกิจโดยรวมกลับหดตัวลงได้
เมื่อก่อนถ้าจะ outsource งานอาร์ตของเกม ต้องเสียเงินหลายพันดอลลาร์และใช้เวลาราวหนึ่งเดือน ซึ่งทำให้ขอบเขตของสิ่งที่สร้างได้แคบลง และทุกครั้งที่เปลี่ยนแผนก็มีข้อจำกัดใหญ่ตามมา ตอนนี้เพราะ AI เราสามารถสร้างสินทรัพย์อย่างอาร์ต เสียง ฯลฯ ได้มากขึ้น 2 เท่า 5 เท่า 10 เท่า แทบไม่เพิ่มต้นทุนเลย สำรวจไอเดียได้อย่างอิสระ ทิ้งมันไปก็ได้ และหันไปทางใหม่ได้อย่างรวดเร็ว
เห็นด้วยกับการเปรียบเทียบว่าเป็นบริบทเดียวกับที่ GarageBand, iMovie และ YouTube ทำให้การสร้างเพลงและวิดีโอเป็นเรื่องเข้าถึงง่ายสำหรับคนหมู่มาก ลองอ่านหนังสือ The Death of the Artist ของ William Deresiewicz ดูก็น่าสนใจ ว่าการตลาดแบบที่บอกว่าทุกคนสร้างศิลปะ/เกม/งานสร้างสรรค์ได้ จะเป็นผลดีต่อวงการเหล่านั้นล้วนๆ จริงหรือไม่
สำหรับคำพูดที่ว่า “AI ลดกำแพงการเข้าสู่ตลาด” ก็ควรคิดด้วยว่า แค่สั่งให้ LLM สร้างภาพให้ แบบนั้นนับว่าฉันเข้าสู่วงการศิลปะภาพแล้วหรือยัง แค่สั่งให้ทำเพลงให้ แบบนั้นฉันกลายเป็นนักดนตรีหรือไม่ หรือถ้าให้มันสร้างข้อความออกมา ฉันจะกลายเป็นนักเขียนจริงหรือ
นวัตกรรมแบบต่อไปนี้ แม้จะมีแรงกระเพื่อมทางสังคมสูง แต่บทบาทของมันมักเป็นการเสริมโครงสร้างเดิมมากกว่าจะสร้างความมั่งคั่งใหม่ขึ้นมา เมื่อ 15 ปีก่อน การทำคอนเทนเนอร์ก็เช่นกัน ผู้บุกเบิกในวงการไม่ได้กลายเป็นมหาเศรษฐีมากนัก แต่กลับกลายเป็นฐานให้กับเศรษฐกิจส่งออกของเอเชียตะวันออก การ offshoring และโมเดลค้าปลีกแบบ Walmart·Amazon จนไปสร้างความมั่งคั่งมหาศาลในปลายน้ำ เช่นเดียวกันกับ AI โอกาสจะเกิดมากกว่ากับจุดที่มูลค่าเพิ่มถูกจัดสรรใหม่ผ่านการเปลี่ยนแปลงเชิงโครงสร้างเพราะ AI มากกว่ากับคนส่วนน้อยที่ถือครองโครงสร้างพื้นฐานจริงๆ ที่เรื่องนี้สำคัญก็เพราะการสร้างโมเดล สร้างอินฟราสตรักเจอร์ และเดินระบบดาต้าเซ็นเตอร์ เป็นงานที่ใช้เงินทุนสูงมากและต้องเผชิญการแข่งขันที่หนักจนทนได้ยาก ความมั่งคั่งจริงจะไปกระจุกอยู่กับคนที่สามารถจัดอุตสาหกรรมใหม่บนโครงสร้างต้นทุนแบบใหม่ได้
แก่นของโพสต์นี้คือให้ไปลงทุนในส่วนปลายน้ำของ AI (อุตสาหกรรมอนุพันธ์ลำดับถัดไป)
เริ่มมีสัญญาณว่า AI ก็กำลังเป็นไปตามแพตเทิร์นเดียวกัน การแข่งขันด้านอินฟราสตรักเจอร์ก็น่าสนใจ แต่คุณค่าที่จับต้องได้และยั่งยืนที่สุดน่าจะไปกองอยู่หลังจากนั้นมากกว่า
ฉันคาดว่า AI จะพัฒนาไปในลักษณะคล้ายการทำระบบอัตโนมัติในโรงงาน โรงงานนับล้านแห่งจะได้รับประโยชน์ ขณะที่มีบริษัทเพียงค่อนข้างน้อยที่จัดหาชิ้นส่วนสำหรับระบบอัตโนมัติ เช่น conveyor, vision/handling system, หุ่นยนต์อุตสาหกรรม เป็นต้น แต่ถ้าการแข่งขันดุเดือด ผู้ให้บริการเทคโนโลยีก็อาจไม่ได้รวยมหาศาลนัก ฝ่ายที่นำมาใช้ก่อนจะจ่ายแพงกว่า แต่เมื่อ LLM กลายเป็นสินค้าโภคภัณฑ์มากขึ้น ต้นทุนการ inference จะกลายเป็นหัวใจของความสามารถในการแข่งขัน ตอนนี้บริษัทยักษ์ใหญ่กำลังทุ่มเงินมหาศาลเพื่อออกผลิตภัณฑ์ที่ล้ำหน้าที่สุด แต่โอเพ่นซอร์สและโมเดลฟรีก็กำลังไล่ตามมาติดๆ ตอนนี้พื้นที่ที่พัฒนาเร็วที่สุดไม่ใช่ตัว LLM เอง แต่เป็นระบบ agent, reasoning, research ที่ใช้ LLM มากกว่า ตรงนี้ความสามารถด้านวิศวกรรมสำคัญกว่าคลัสเตอร์ฝึกโมเดลขนาดใหญ่ เรายังเพิ่งอยู่ตรงต้นๆ ของรอบแรกของ AI (ยุค LLM) และยุคนี้จะไม่อยู่นาน จะมีสถาปัตยกรรมใหม่และอัลกอริทึมการเรียนรู้แบบ incremental สำหรับ AGI ปรากฏขึ้น ยังต้องการความก้าวหน้าอีกหลายรุ่น แต่ต่อจากนี้โครงสร้างที่ซับซ้อนกว่าเดิมซึ่งมี LLM เป็นเพียงชิ้นส่วนหนึ่ง (คล้ายกับสิ่งที่ DeepMind วางแผนไว้ภายใน 5~10 ปี) จะกลายเป็นหัวใจ และระบบที่สร้างล้อมรอบ LLM จะนำไปสู่ความสามารถในขั้นถัดไป
ความท้าทายที่แท้จริงไม่ใช่ว่า AI จะ “แทนที่” คนหรือไม่ แต่คือเราจะรักษาพื้นที่สำหรับการฝึกฝนและสะสมทักษะจริงๆ ไว้อย่างไร การฝึกงาน โปรเจกต์ระดับจูเนียร์ และงานระดับเริ่มต้น มีอยู่เพื่อมอบเส้นกราฟการเติบโตและสภาพแวดล้อมการเรียนรู้ ไม่ใช่เพื่อประสิทธิภาพเพียงอย่างเดียว ถ้า AI มาแทนที่โอกาสเหล่านี้เร็วเกินไป ก็อาจทำให้บันไดสำหรับสร้างวิศวกรและครีเอเตอร์รุ่นถัดไปขาดหายไป คำถามจริงๆ จึงไม่ใช่ “AI จะแย่งงานไหม” แต่คือ “เราจะออกแบบสนามฝึกที่ทำให้มนุษย์ยังเรียนรู้ได้อย่างไร ในขณะที่ AI จัดการงานซ้ำๆ ไปพร้อมกัน”
สิ่งที่ทำให้ฉันสับสนและอึดอัดกับกระแส AI คือมันให้ความรู้สึกเหมือนเรากำลังหัดวิ่งก่อนที่จะหัดเดิน ตัวอย่างเช่น บนเว็บมีเว็บไซต์มากมายที่สร้างภาพแบบ photorealism ได้ทุกอย่าง แต่กลับไม่มีเครื่องมือที่ตอบคำของง่ายๆ และเฉพาะเจาะจงมากอย่าง “ไอคอนแอปเปิล PNG ขนาด 16x16” ได้อย่างแม่นยำ เหตุผลคือโครงข่ายประสาทเทียมเก่งกับข้อมูลออร์แกนิกขนาดคงที่ แต่ในโลกจริงกลับมีจุดที่ให้ความรู้สึกน่าผิดหวังอยู่มาก ดังนั้นตอนนี้แม้แต่ AI website generator ก็ยังไปสร้าง asset ด้วยโค้ดแบบไม่จำเป็นในจุดที่คนทั่วไปคงใช้แค่ไฟล์ภาพ/ไฟล์เสียงธรรมดา เช่น web audio synth ฉันหวังว่าในอนาคตเมื่อกระแส AI ชะลอลง ทุกคนจะหันไปสนใจสิ่งที่ใช้งานได้จริงและเป็นเรื่องในชีวิตประจำวันมากขึ้น แทนที่จะมุ่งแต่ความ “ว้าว” แม้แน่นอนว่าโลกนี้ดูเหมือนจะหลีกเลี่ยงสิ่งที่ “น่าเบื่อแต่ใช้ได้จริง” มานานแล้วก็ตาม
ฉันลองขอ ChatGPT-5 ให้ทำ “ไอคอนแอปเปิล PNG ขนาด 16x16” แล้วมันก็ทำให้ตรงตามนั้นจริงๆ แน่นอนว่า LLM มีข้อจำกัดโดยเนื้อแท้ แต่ก็ครอบคลุม edge case จำนวนมากได้เท่าที่มีในชุดข้อมูลฝึก
ถ้าการที่ AI สร้างผลลัพธ์ที่ “ดูเหมือนใช้ได้” ตามคำขอของใครสักคนคือการ “เดิน” ของ AI การทำตามคำสั่งละเอียดทุกจุดได้อย่างสมบูรณ์ก็คือ “วิ่ง” เพียงแต่ตอนนี้เพราะทิศทางวิวัฒนาการของเทคโนโลยี มันเลยให้ความรู้สึกเหมือนลำดับถูกสลับกันเท่านั้น
ถ้า AI ถูกถือครองโดยคนเพียงคนเดียว เขาคนนั้นอาจรวยเกินจินตนาการไปแล้วก็ได้ เราควรขอบคุณ Google อย่างจริงใจที่ไม่ได้เก็บงานวิจัย “Attention is All You Need” ไว้เป็นความลับของตัวเอง
ฉันคิดว่าควรขยายประเด็นของ OP ออกไปอีก
วงการอย่างเกมได้เข้าสู่การแข่งขันแบบ Red Queen ไปแล้ว ถ้า GenAI ทำให้การสร้างเกมง่ายขึ้น โอกาสประสบความสำเร็จก็กลับยิ่งลดลง ตลาดอิ่มตัวด้วยเกมคุณภาพสูงอยู่แล้ว ทำให้คนใหม่ยิ่งหาที่ทางได้ยากขึ้น
เราอาจจินตนาการภาพที่งานสะสมตลอด 20~30 ปีที่ผ่านมาในเว็บ ข้อมูล เกม และ OS ถูกลากอวนเก็บเอาไปจนถึงชิ้นสุดท้าย แล้วกันคนที่เคยทำงานเหล่านั้นออกไปก็ได้ แต่ถ้าความก้าวหน้าในสาขานี้หยุดลงเพราะวิธีแบบนั้น นั่นแปลว่ามัน “จบแล้ว” หรือไม่? LLM AI พึ่งพาอินพุตอยู่แล้ว ขีดจำกัดจึงชัดเจน แม้จะพยายามอุดช่องว่างด้วย RLHF (reinforcement learning from human feedback) แต่ตัว feedback เองก็มีขีดจำกัด และผลผลิตลำดับที่สองก็จะยิ่งคุณภาพตกลง สุดท้ายแล้วมันเพียงแค่ลดกำแพงการเข้าสู่ผลิตภัณฑ์เดิม และคนในวงการนั้นก็จะถูกคู่แข่งใหม่ถาโถมใส่
ฉันไม่เห็นด้วยกับความคิดที่ว่าการปรับต้นทุนของบริษัทจะทำให้ราคาสินค้าลดลง ในความเป็นจริง บริษัทก็แค่จะตั้งราคาให้สูงที่สุดเท่าที่ทำได้ และรักษาคุณภาพไว้ต่ำที่สุดเท่าที่รับได้ ผลของการ optimization จะกลับไปเป็นกำไรทั้งหมด
ในโลกจริง ผลกระทบของ AI อาจมากกว่าหรือน้อยกว่าที่เราคิดก็ได้ ฝ่ายหนึ่งมองว่า AI จะเข้ามาแทนที่อาชีพหรือทำให้ต้องใช้คนน้อยลงอย่างมากในหลายสาขา เช่น นักพัฒนาเว็บระดับเริ่มต้น วิศวกรซอฟต์แวร์ คอปี้ไรเตอร์ ดีไซเนอร์ คนทำอาร์ตเวิร์ก ผู้ช่วยวิจัย เป็นต้น งานที่ซ้ำๆ และเป็นแบบแผนมีความเสี่ยงสูง ถ้าสิ่งที่ต้องการคือผลงานที่ “เอาอะไรสักอย่างมาใช้” ได้ คนในสายงานนั้นก็ย่อมกังวล งานรวบรวมข้อมูลที่มีอยู่แล้วก็เป็นสิ่งที่ AI แทนได้เช่นกัน แต่อีกด้านหนึ่ง AI ก็ไม่น่าจะเป็น万能อย่างที่บางบริษัทคิด AI ช่วยได้กับงานที่ใช้กันแพร่หลายอยู่แล้ว เช่น การเขียน boilerplate code ของวิศวกรซอฟต์แวร์ แต่กับงานใหม่หรือสาขาที่มีข้อมูลน้อย คุณภาพจะตกลงมาก โดยเฉพาะในอาชีพอย่างทนายหรือแพทย์ ที่ความถูกต้องของผลลัพธ์โยงกับการเอาชีวิตรอดหรือปัญหาทางกฎหมาย AI ไม่สามารถแทนที่ได้ทั้งหมด สรุปคือ AI โดดเด่นมากกับงานซ้ำๆ ที่คุณภาพของผลลัพธ์ไม่ใช่เรื่องสำคัญนัก แต่ไม่เหมาะกับพื้นที่ที่ต้องอาศัย feedback อย่างยิ่ง หรือพื้นที่ที่ความผิดพลาดจากการขาดความเชี่ยวชาญมีความร้ายแรง
การตั้งกรอบแบบสองทางว่าเป็น “เกมผลรวมศูนย์หรือกำไรสุทธิ” ตามชื่อบทความนั้นผิดตั้งแต่ต้น ถ้าความมั่งคั่งไม่กระจุกตัวแต่ถูกกระจายออกไป สังคมโดยรวมก็จะได้ประโยชน์ ถ้าผู้ใช้ใช้ AI เพื่อสร้างมูลค่าด้วยตัวเอง และบริษัท AI เก็บเพียงเงินก้อนเล็กๆ อย่างเดือนละ $20 งานที่มีคุณค่าก็จะถูกทำได้ด้วยต้นทุนต่ำ และนำไปสู่กำไรสุทธิของสังคมโดยรวม มันเป็นผลในทางตรงกันข้ามกับสิ่งที่เรียกว่าความเข้าใจผิดเรื่องหน้าต่างแตก
มีคนบอกว่าความเปลี่ยนแปลงจาก AI นั้นคาดเดาได้ แต่ฉันรู้สึกว่ามันไม่ได้คาดเดาได้ขนาดนั้น บางคนบอกว่า AI จำกัดอยู่แค่ LLM และเดี๋ยวก็จะหมดประโยชน์ (Ed Zitron) ขณะที่บางคนบอกว่า AGI และ superintelligence ใกล้เข้ามาแล้ว (Musk/Altman) ถ้า superintelligence มาจริง ผลสะเทือนของมันจะคลี่คลายอย่างไรนั้นคาดเดาได้ไม่ง่าย John von Neumann เคยพูดในปี 1958 ว่าความก้าวหน้าทางเทคโนโลยีและการเปลี่ยนแปลงของชีวิตมนุษย์กำลังเร่งตัวจนเข้าใกล้ภาวะเอกฐานเชิงสาระสำคัญ และคำนี้เองก็เป็นชนวนให้เกิดการถกเถียงเรื่อง technological singularity ของ AI ในปัจจุบัน เมื่อเทียบกับนวัตกรรมใหญ่ 5 ครั้งในอดีตอย่างไฟฟ้า รถยนต์ และ IT แล้ว AI ก็ยังเป็นพื้นที่ที่คาดเดาได้ยากกว่ามาก