ผู้ก่อตั้ง iRobot: อย่าหลงเชื่อ hype ที่เกินจริงของ AI และหุ่นยนต์

• Rodney Brooks ผู้ก่อตั้ง iRobot และอดีตศาสตราจารย์ด้านหุ่นยนต์ของ MIT เสนอ มุมมองที่ตั้งอยู่บนความเป็นจริง ต่อกระแสโฆษณาเกินจริงในวงการ AI และหุ่นยนต์ปัจจุบัน
• ความคาดหวังต่อ หุ่นยนต์มนุษย์ (humanoid robot) ถูกขยายเกินจริง และสมมติฐานที่ว่าหุ่นยนต์รูปร่างมนุษย์จะทำซ้ำความสามารถทั้งหมดของมนุษย์ได้ กำลังก่อให้เกิด คำมั่นสัญญาที่ผิดพลาด
• การรับมือกับ ความซับซ้อนของสภาพแวดล้อมจริง สำหรับรถไร้คนขับ หุ่นยนต์ และระบบอื่น ๆ ต้องใช้เวลานานกว่าการทำ เดโมที่หวือหวา มาก และ การปฏิวัติ AI ก็น่าจะใช้เวลาหลายทศวรรษ เช่นเดียวกับการปฏิวัติคอมพิวเตอร์และอินเทอร์เน็ต
• ปัจจุบัน Brooks กำลังพัฒนารถเข็นอัจฉริยะสำหรับระบบอัตโนมัติในคลังสินค้า โดยมุ่งสู่หุ่นยนต์เชิงปฏิบัติที่ ช่วยงานมนุษย์ มากกว่าการแทนที่มนุษย์
• เขาย้ำว่า AGI (ปัญญาประดิษฐ์ทั่วไป) อาจเป็นไปได้อีก 300 ปีข้างหน้า และด้วยกระบวนทัศน์การประมวลผลในปัจจุบัน อาจยากที่จะทำให้เกิดสติปัญญาแบบมนุษย์ได้อย่างสมบูรณ์

---

เส้นทางอาชีพและปรัชญาของ Brooks

• Rodney Brooks เคยเป็นศาสตราจารย์ด้านหุ่นยนต์ที่ MIT และอดีตผู้อำนวยการห้องปฏิบัติการวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์ของ MIT
• เขาก่อตั้งบริษัทมาแล้ว 3 แห่ง ได้แก่ iRobot (ผู้ผลิต Roomba), Rethink Robotics และ Robust.AI ในปัจจุบัน
• เขาเกิดในออสเตรเลีย เติบโตในครอบครัวชนชั้นแรงงาน แต่ด้วย พรสวรรค์ด้านคณิตศาสตร์ ทำให้ตั้งแต่เด็กได้รับฉายาว่า “ศาสตราจารย์”
• หลังอ่านหนังสือเกี่ยวกับไฟฟ้าและคอมพิวเตอร์ที่ตีพิมพ์ในปี 1961 เขาก็ลองสร้างวงจรและคอมพิวเตอร์ด้วยตัวเอง จนพัฒนา ความหลงใหลในหุ่นยนต์
• บริษัทของเขาถูกออกแบบโดยยึดหลักให้ มนุษย์ยังคงถืออำนาจควบคุม อยู่เสมอ และให้หุ่นยนต์ทำหน้าที่ช่วยเหลือมนุษย์

โปรเจ็กต์ปัจจุบัน: Robust.AI และรถเข็นอัจฉริยะ

• Robust.AI กำลังพัฒนารถเข็นอัจฉริยะสำหรับคลังสินค้าโลจิสติกส์ชื่อ Carta
  • พนักงานคลังสินค้าเดินเฉลี่ยวันละ 30,000 ก้าว (ราว 24 กม.) และมีภาระทางร่างกายสูง
  • Carta ใช้กล้องระบุตำแหน่ง ช่วยให้พนักงานค้นหาสินค้าที่ต้องหยิบได้ และ ลดระยะทางการเดินลงอย่างมาก
  • เมื่อพนักงานหยิบสินค้าเสร็จ รถเข็นจะเคลื่อนไปยังจุดวางสินค้าโดยอัตโนมัติ แทนการเดิน 400 ฟุต
• รถเข็นถูกออกแบบให้เมื่อมนุษย์จับที่จับ มนุษย์จะได้สิทธิ์ควบคุมทันที
  • มี ระบบขยายแรง ให้ขยับรถเข็นได้ด้วยแรงเพียงเล็กน้อยเหมือน Superman
  • ใกล้บันได รถเข็นจะไม่เข้าใกล้เพื่อความปลอดภัย และถ้าทางเดินถูกปิดกั้นก็จะรายงานไปยังระบบกลาง
• แนวคิดคือเน้น ความฉลาดที่เรียบง่ายแต่เชื่อถือได้
  • เมื่อเทียบกับอุปกรณ์สแกนข้อมือแบบเดิมที่จำลองเทคโนโลยียุค 1980~90 ก็ช่วย ลดภาระทางการรับรู้
  • เป้าหมายคือการนำหุ่นยนต์เข้าไปใช้ในคลังสินค้าแบบใช้แรงงานคนของ DHL (ลูกค้ารายใหญ่ที่สุด) และ Amazon
• ตลาดนี้มีมูลค่า 4 ล้านล้านดอลลาร์ และมีแนวโน้มดำเนินต่อไปอีกหลายทศวรรษ แต่เพราะไม่ใช่ตลาดที่ดูหวือหวา จึงระดมทุนได้ยาก

ความจริงและข้อจำกัดของหุ่นยนต์

ความก้าวหน้าทางเทคโนโลยีและปัญหา long tail

• ปัจจุบันฮาร์ดแวร์อย่างพลังประมวลผล เซนเซอร์ และมอเตอร์พัฒนาไปมาก
  • ใช้มอเตอร์ฮับสำหรับสกู๊ตเตอร์ไฟฟ้า ทำให้ได้สมรรถนะที่ดีกว่าในต้นทุนต่ำกว่าสิบปีก่อน
  • เดิมที Nvidia GPU ถูกสร้างมาเพื่อประมวลผลกราฟิก แต่ภายหลังพบโดยบังเอิญว่า เหมาะกับการคำนวณโครงข่ายประสาท
  • GPU ยังมีประโยชน์กับงานคอมพิวเตอร์วิทัศน์อย่าง SLAM (Simultaneous Localization and Mapping)
• แต่ผู้คนยังประเมินปัญหา long tail ของสภาพแวดล้อมธรรมชาติ ต่ำเกินไป
  • เขาได้ฟังบรรยายเรื่องรถไร้คนขับครั้งแรกในปี 1979 และในปี 1990 ก็มีการวิ่งบน Autobahn ในเยอรมนีได้สำเร็จ
  • หลังการแข่งขันรถไร้คนขับของ DARPA ในปี 2007~2008 เคยมีคำทำนายว่า “อีกไม่นานจะเห็นได้ทุกที่” แต่สุดท้ายก็ใช้เวลาเกือบ 20 ปี
  • ทุกวันนี้ระบบยังทำงานได้เพียง ในพื้นที่ภูมิศาสตร์ขนาดเล็กเท่านั้น เพราะต้องรับมือกับ long tail ของเหตุการณ์ที่เป็นไปได้ทั้งหมด

เดโมที่หวือหวา vs สภาพแวดล้อมจริง

• เดโมที่หวือหวา ไม่สามารถรับมือกับสภาพแวดล้อมจริงได้
  • แม้แต่ Waymo ก็ยังต้องการ การแทรกแซงของมนุษย์
  • เขาสงสัยในระบบแท็กซี่ของ Tesla เพราะ Elon Musk เองก็เปิดเผยว่าจะจ้างทั้งคนขับเพื่อความปลอดภัยและคนขับทางไกล
• เทคโนโลยีต้องใช้เวลานานกว่าจะหาคุณลักษณะที่ลงตัวได้
  • PC ใช้เวลาหลายทศวรรษจากยุค MS-DOS จนมาถึงรูปแบบปัจจุบัน และสมาร์ตโฟนก็เช่นกันจาก Nokia และ Palm มาจนถึงวันนี้
  • รถไร้คนขับเองก็ต้องใช้เวลาอีกมาก กว่าจะถูกยอมรับใช้งานอย่างแพร่หลาย

ประวัติของ SLAM และบทเรียนที่ได้

• ตอนตีพิมพ์งานวิจัย SLAM ในปี 1985 Brooks ไม่คิดเลยว่าชั่วชีวิตตัวเองจะได้เห็น Waymo ในระดับปัจจุบัน
• แนวคิดเริ่มต้นอย่าง loop closing สำคัญมาก แต่การนำไปใช้ยังไม่สมบูรณ์
  • หนึ่งปีต่อมานักวิจัยคนอื่นก็ออกงานที่ปรับปรุงแนวคิดดังกล่าว
  • ตลอดทศวรรษ 1990 มีงานวิจัย SLAM หลายร้อยชิ้นต่อปีและค่อย ๆ พัฒนาขึ้นทีละน้อย
• เพิ่งในช่วง 5 ปีหลังนี้เองที่ SLAM ด้วยคอมพิวเตอร์วิทัศน์ ทำได้จริง (ก่อนหน้านี้อิงกับ LIDAR)
• บทเรียนคือ ทุกอย่างต้องการวิศวกรรมมากกว่าที่คาดไว้มาก และเทคโนโลยีบางอย่างก็ต้องรอให้เทคโนโลยีอื่นสุกงอมก่อน

กระแส hype เกินจริงของหุ่นยนต์มนุษย์

• หุ่นยนต์รูปร่างมนุษย์สร้าง คำมั่นเกี่ยวกับสิ่งที่มันน่าจะทำได้
  • Roomba เป็นเพียงจานกลมเล็ก ๆ บนพื้น จึงไม่ได้ทำให้ใครคาดหวังว่ามันจะไปเช็ดหน้าต่าง
  • แต่ รูปร่างแบบมนุษย์แฝงนัยว่ามันจะทำได้ทุกอย่างที่มนุษย์ทำได้
• นั่นคือเหตุผลที่หุ่นยนต์มนุษย์น่าดึงดูด แต่สุดท้ายก็เป็นเพียง การขายคำสัญญาที่น่าตื่นตา
• ปัญหาของมือหุ่นยนต์
  • หลายคนตื่นเต้นกับมือหุ่นยนต์ และแม้แต่บริษัทจีนก็ เข้าใจผิดว่ามันมีความคล่องแคล่วจริง
  • แต่เรายังไม่รู้วิธีทำซ้ำสิ่งที่มนุษย์ทำด้วยมือ และไม่ควรคิดว่าโครงสร้างนิ้ว 5 นิ้วคือคำตอบที่ดีที่สุด
  • โครงสร้าง 5 นิ้วเป็นเพียง ความบังเอิญทางวิวัฒนาการ ของสิ่งมีชีวิตกลุ่มแรกที่ขึ้นจากทะเลสู่แผ่นดิน
  • เครื่องมือที่คล่องแคล่วในอนาคตอาจมีลักษณะเป็น หนวดจำนวนมากเหมือนดอกไม้ทะเล
• การทำสำเนามนุษย์ไม่ใช่คำตอบที่ดีที่สุดหรือคุ้มค่าที่สุดเสมอไป
  • วิธีคิดเรื่องหุ่นยนต์และ AI ที่ถูกต้องคืออย่าตัดสินจากรูปลักษณ์ภายนอก
  • ยังมีอีกมากที่เทคโนโลยีปัจจุบันทำได้ยาก และกระแส hype มักมองข้ามสิ่งนี้

มุมมองต่อ AI และการศึกษา

GenAI และความสำคัญของคำถาม

• GenAI หมายถึง การเปลี่ยนจากระบบคุณค่าที่ยึดคำตอบ ไปสู่ระบบคุณค่าที่ยึดคำถาม
  • ความสามารถในการตั้งคำถามที่ถูกต้องคือสิ่งที่แยกคนธรรมดาออกจากคนที่โดดเด่น
  • คนที่ตั้งคำถามได้ในปรัชญา ศิลปะ หุ่นยนต์ และ AI คือคนพิเศษ
• GenAI กำลัง ท้าทายแนวคิดที่ยึดถือกันมายาวนาน
  • เช่น ข้อถกเถียงห้องภาษาจีนของ John Searle ที่ว่า คอมพิวเตอร์ไม่อาจมีจิตสำนึกแบบมนุษย์ได้
  • แต่เมื่อป้อนภาษาจีนให้ ChatGPT แล้วได้คำตอบเป็นภาษาจีน เขาก็มองว่า “ห้องภาษาจีนได้ปรากฏขึ้นแล้ว”
  • นี่คือความท้าทายต่อความหมายของการเข้าใจภาษา
• GenAI คือ การเข้ารหัสวิธีที่เราโต้ตอบกับข้อมูล
  • ถ้ามีคนอธิบายแนวคิดนี้ให้เขาฟังเมื่อ 15 ปีก่อน เขาคงบอกว่า “เป็นไปไม่ได้หรอก”
  • ความน่าทึ่งคือมันกลับใช้งานได้จริง

การทบทวนระบบการศึกษา

• ควรแยก การฝึกอาชีพออกจากการแสวงหาปัญญา แบบระบบเยอรมนี
  • ปริญญาตรีด้านการจัดการการท่องเที่ยวคือการฝึกอาชีพ ไม่ใช่การแสวงหาปัญญา
  • เยอรมนีแยกระหว่างการฝึกวิชาชีพกับมหาวิทยาลัยชั้นนำมานานแล้ว
• ปัญหาของการสอนประวัติศาสตร์
  • มักเป็นการท่องจำว่า “เรื่องนั้นเกิดขึ้น เรื่องนี้เกิดขึ้น”
  • แต่ไม่สอนว่า ทำไมมันจึงเกิดขึ้น และแนวคิดทางปัญญาใดที่ขับเคลื่อนมัน
• แม้แต่ที่ MIT นักศึกษาก็มักจะเพิ่งเข้าใจว่า “อ๋อ ที่สอนแบบนั้นในวิชาก็เพราะเหตุนี้เอง” หลังจากได้ลงมือสร้างอะไรจริง ๆ
• วารสารศาสตร์คือการศึกษาที่ดีที่สุด
  • ได้เรียนรู้เรื่องไมโครคอนโทรลเลอร์, embedded OS, เครือข่าย, สวิตช์ และคอมพิวติ้ง
  • รวมถึง ผลกระทบของเทคโนโลยีต่อผู้คนจริงและโลกจริง
  • แต่มหาวิทยาลัยกลับไม่ค่อยสร้างความเชื่อมโยงแบบนี้

ความกังขาต่อ AGI และกระบวนทัศน์การคำนวณ

อุปมาเรื่องการเล่นแร่แปรธาตุของนิวตัน

• Isaac Newton มีผลงานอัจฉริยะอย่าง การคิดค้นแคลคูลัส กฎแรงโน้มถ่วง และงานด้านทัศนศาสตร์
  • แต่เขากลับใช้เวลากว่าครึ่งชีวิตกับ การเล่นแร่แปรธาตุ (เปลี่ยนตะกั่วเป็นทอง)
  • ในยุคนั้นทุกคนคิดว่านี่เป็นปัญหาทางเคมี แต่จริง ๆ แล้วมันเป็นปัญหา ฟิสิกส์นิวเคลียร์
  • นั่นหมายความว่า Newton เริ่มต้นจากแบบจำลองพื้นฐานที่ผิด
• เมื่อ Elon Musk ต้องการส่งจรวดขึ้นสู่วงโคจร ก็ไม่ใช่เรื่องที่จะทำได้ด้วยสคริปต์ Python
  • ต้องแก้ปัญหาทางฟิสิกส์อย่าง การเผาไหม้ที่มีประสิทธิภาพด้านเชื้อเพลิง มวล การไหลของของเหลว และอุณหภูมิสูง
  • การคำนวณเพียงอย่างเดียวไม่อาจทำให้วัตถุเคลื่อนที่ได้ในโลกจริง

การคำนวณคือกระบวนทัศน์ที่ถูกต้องหรือไม่?

• ระหว่างปี 1945~1965 มี 4 สาขาเกิดขึ้น
  • ประสาทวิทยา, AI, ชีวิตประดิษฐ์ และทฤษฎีกำเนิดชีวิตจากสิ่งไม่มีชีวิต
  • ทุกสาขาล้วนเลือก การคำนวณเป็นอุปมาอุปไมยหลัก
• แต่การคำนวณคือสิ่งที่เกิดขึ้นในสมองของเราจริงหรือ?
  • AGI อาจต้องรออีก 300 ปี
  • เพราะเราอาจกำลังใช้ “วัสดุ” ผิดประเภท
  • มันอาจถูกกำหนดให้ล้มเหลวเหมือนการเล่นแร่แปรธาตุของ Newton

ข้อจำกัดของสติปัญญามนุษย์

• ปัญหาอยู่ที่ สมมติฐานเรื่องพลังไร้ขีดจำกัดของสติปัญญามนุษย์
  • วาฬเพชฌฆาต (Orca) ฉลาดมาก ดุร้าย และแก้ปัญหาเก่ง
  • มันสามารถเอียงตัว 90 องศาเพื่อซ่อนครีบหลังเวลาไล่ล่าแมวน้ำในน้ำตื้น
  • แต่เราไม่คิดว่าวาฬเพชฌฆาตจะสร้างโรงถลุงและหลอมโลหะได้
• มนุษย์เองก็อาจมี ข้อจำกัดตามธรรมชาติ แบบเดียวกัน
  • เรามักคิดว่าเราฉลาดไร้ขีดจำกัดและจะแก้ทุกปัญหาด้วยเทคโนโลยีได้
  • แต่ก็อาจมีขีดจำกัดที่มนุษย์ไม่มีวันไปถึง

อนาคตของการผลิตและการเปลี่ยนแปลงทางเทคโนโลยี

การผลิตของจีนและห่วงโซ่อุปทาน

• Brooks เริ่มผลิตในจีนมาตั้งแต่ปลายทศวรรษ 1990
  • ล่าสุดได้ทำสัญญากับ Foxconn เพื่อผลิตหุ่นยนต์จำนวนมาก
  • หากต้องการ การผลิตในระดับมหาศาล จีน/ไต้หวันยังจำเป็น
• จุดแข็งของอุตสาหกรรมการผลิตจีนคือ ห่วงโซ่อุปทาน
  • ผู้ผลิตจีนเองก็กระจายความเสี่ยงด้วยการสร้างห่วงโซ่อุปทานในมาเลเซีย เวียดนาม และที่อื่น ๆ
• ในอีก 50 ปีข้างหน้า ไนจีเรียอาจกลายเป็นศูนย์กลางนวัตกรรมเทคโนโลยี
  • เพราะจะมีสัดส่วนประชากรโลกสูงและมีปัญหาให้แก้อีกมาก
  • เป็นตรรกะเดียวกับที่จีนกลายเป็นมหาอำนาจเศรษฐกิจจากประชากรจำนวนมากและความจำเป็นในการแก้ปัญหา

3D printing และการปฏิวัติการผลิต

• 3D printing อาจเป็นผู้นำการผลิตในอนาคต
  • ตอนนี้ยังไม่ใช่ แต่เริ่มถูกใช้ทำชิ้นส่วนเครื่องจักรแล้ว
  • บริษัท Electron ในนิวซีแลนด์ผลิตมอเตอร์จรวดด้วย 3D printing (เพราะเป็นสินค้ามูลค่าสูงจึงคุ้ม)
• เมื่อ 3D printing กลายเป็นเรื่องทั่วไป ห่วงโซ่อุปทานจะเปลี่ยนไปยึดวัตถุดิบเป็นศูนย์กลาง
  • พลวัตของห่วงโซ่อุปทานชิ้นส่วน ซึ่งเป็นจุดแข็งของจีน จะถูกรื้อใหม่ทั้งหมด
  • สุดท้ายแล้วทุกสิ่งจะถูกผลิตด้วย 3D printing
• เช่นเดียวกับที่ประเทศโลกที่สามรับเทคโนโลยีสารสนเทศและระบบชำระเงินได้เร็วกว่าสหรัฐฯ 3D printing ก็มีแนวโน้ม แพร่หลายเร็วกว่าในประเทศโลกที่สาม

ความขัดแย้งเรื่องงานภาคการผลิต

• คำถามจากสุนทรพจน์รับปริญญาที่ Brown University
  • “มีพ่อแม่คนไหนอยากให้ลูกไปทำงานโรงงานไหม?” → ไม่มีใครยกมือ
  • “แล้วอยากให้ไปทำงานในบริษัทบำบัดน้ำเสียไหม?” → ก็ไม่มี
• การคร่ำครวญต่อการสูญหายของงานภาคการผลิตจึงเป็น ความหน้าซื่อใจคด
  • “ไม่ใช่เพื่อตัวเรา แต่เพื่อคนจนต่างหาก”
• ตัวอย่างโรงงานใหม่ของ BYD
  • โรงงานมีขนาดเท่าซานฟรานซิสโกแต่จ้างคนเพียง 40,000 คน
  • ที่เหลือทั้งหมดคือหุ่นยนต์ที่ BYD สร้างเอง
  • นี่คือ อนาคตของการผลิตขนาดใหญ่
• “งานภาคการผลิต” ที่นักการเมืองพูดถึงจะ แตกต่างไปมากในอีก 25 ปี เมื่อคำนึงถึงการปฏิวัติหุ่นยนต์และ 3D printing

ความก้าวหน้าทางเทคโนโลยีอื่น ๆ

• การนำ AI ไปใช้พัฒนาวัสดุ
  • สามารถ ทำนายคุณสมบัติของวัสดุ ได้ จึงไม่ต้องสร้างและทดสอบทุกแบบทีละชิ้น
• การเปลี่ยนแปลงของวัสดุ 3D printing หุ่นยนต์ และเทคโนโลยีอื่น ๆ จะมาบรรจบกัน
• เราอาจยังไม่รู้แน่ชัดว่าจะออกมาเป็นอย่างไร แต่ มันจะต่างจากเดิมอย่างแน่นอน

วัฏจักร hype ของ AI และความเป็นจริงนิยม

ประวัติศาสตร์ซ้ำรอยของ AI

• Brooks นิยามตัวเองว่าเป็น นักสัจนิยม
  • เขาผ่านวัฏจักร hype ของ AI มานับครั้งไม่ถ้วน
  • ในอดีตแม้จะไม่เป็นกระแสในสาธารณะ แต่ในหมู่นักปฏิบัติ AI มีทั้ง การโต้เถียงอย่างดุเดือดและการตะโกนใส่กัน
• วันนี้โครงข่ายประสาทดูเป็นฝ่ายนำ แต่ในอดีตก็เคยนำมาแล้ว 4~5 ครั้งก่อนจะล่มกระแสไป
  • แล้วก็มีสิ่งอื่นมาแทน ก่อนจะย้อนกลับมาใหม่
• ตัวอย่างของ agent-based AI
  • จู่ ๆ ทุกคนก็เปิดตัว agent-based AI กันหมด
  • ทั้งที่เมื่อ 6 เดือนก่อนยังไม่มีใครพูดถึง → การตลาดนำหน้าความจริง
  • งานวิจัย agent AI ชิ้นแรกตีพิมพ์โดย Oliver Selfridge ตั้งแต่ปี 1959
  • เคยมีระบบแบบ agent-based มากมาย เช่น SOAR และทุกครั้งที่มันกลับมา ก็จะดีขึ้นกว่าเดิม

การลงทุนและความสูญเปล่า

• เม็ดเงินมหาศาลกำลังไหลเข้าสู่ตลาด และ มันจะสร้างผลกระทบแน่นอน
• แต่เงินจำนวนมากก็จะถูกใช้ไปอย่างสูญเปล่า
• ด้านบวกคือกรณีตัวอย่างของการสร้างเครือข่ายเกินความจำเป็น
  • แม้เครือข่ายจะถูกสร้างเกินตัว แต่ Google ก็สามารถสร้างเครือข่ายราคาถูกและให้บริการค้นหาได้
  • ดาต้าเซ็นเตอร์ก็จะถูกสร้างเกินความจำเป็นเช่นกัน
  • หลังการฝึกโมเดล GenAI พังทลายลง เราจะต้องคิดว่าจะใช้ดาต้าเซ็นเตอร์เหล่านั้นอย่างไร
  • อาจไม่ใช่การขุด Bitcoin แต่คนฉลาด ๆ จะต้อง หาการใช้งานรูปแบบใหม่ จนได้
  • และอาจมีใครบางคนที่กำลังวิจัยอยู่ในความเงียบและความยากจนในตอนนี้ เป็นคนจุดกระแสครั้งใหญ่ในอนาคต

บทบาทของ quantum computing

• ในอีก 10 ปีข้างหน้า quantum computer ที่ใช้งานได้จริงจะถูกใช้กับ การจำลองระบบทางกายภาพ
  • การทำงานคอมพิวเตอร์ทั่วไปให้ดีกว่า classical computing อย่างมากยังเป็นเรื่องไกลตัว
• มุกตลกในอดีตคือ “ไม่รู้ว่า quantum computer จะมาถึงเมื่อไร แต่ น่าจะขับเคลื่อนด้วยฟิวชันนิวเคลียร์”
  • ตอนนี้แนวทางด้านฟิวชันก็เริ่มหลากหลายขึ้นแล้ว
• ในระยะนี้ quantum computer จะยังโฟกัสที่การจำลองระบบทางกายภาพเป็นหลัก

บทสรุป: มองโลกในแง่ดีอย่างสมจริง

• อย่าตัดสินจากรูปลักษณ์ภายนอก
• ยังมีอีกมากที่ ยากมากด้วยเทคโนโลยีปัจจุบัน
• กระแส hype ของหุ่นยนต์และ AI มักมองข้ามสิ่งที่เรายังไม่เข้าใจ
• การทำสำเนามนุษย์ไม่ใช่คำตอบที่ดีที่สุดหรือคุ้มค่าที่สุดเสมอไป
• เขาเชื่อว่ามนุษย์จะอยู่ได้ดีในโลกที่เต็มไปด้วยหุ่นยนต์และ AI
• ความก้าวหน้าทางเทคโนโลยีมักใช้เวลานานกว่าที่คาดมาก แต่สุดท้ายจะค่อย ๆ พัฒนาไปในทิศทางที่ทำให้ชีวิตเราดีขึ้น

[GN⁺]

ความคิดเห็นจาก Hacker News

• เป็นคำพูดหนึ่งที่น่าประทับใจมากจริงๆ: รูปลักษณ์ทางกายภาพของหุ่นยนต์เองเป็นตัวให้คำมั่นว่า ‘หุ่นยนต์ตัวนี้ทำอะไรได้บ้าง’ ตัวอย่างเช่น Roomba มีรูปทรงเป็นจานกลมเล็กๆ ก็เลยทำให้คาดหวังว่ามันจะทำความสะอาดพื้น และไม่ได้คาดหวังว่ามันจะไปเช็ดหน้าต่าง ในทางกลับกัน หุ่นยนต์ฮิวแมนนอยด์กลับให้คำมั่นว่า ‘ทุกอย่างที่มนุษย์ทำได้ มันก็ทำได้’ เลยดึงดูดผู้คนอย่างมาก—มันกำลังขายคำมั่นสัญญาขนาดมหาศาลอยู่

  • ผมคิดคล้ายๆ กันนี้กับ language model มาตลอด: รูปลักษณ์ทางภาษาเองเป็นตัวบอกเป็นนัยว่า ‘โมเดลนี้ทำอะไรได้บ้าง’ Clippy เป็นเพียงคลิปหนีบกระดาษการ์ตูนเล็กๆ เลยไม่คิดว่ามันจะเขียนนวนิยายชั้นยอดได้ แต่คาดหวังได้ว่าจะช่วยอะไรเล็กๆ น้อยๆ แบบจำกัดได้ แต่พอมันคุยด้วยภาษามนุษย์ ก็ให้ความรู้สึกว่า ‘ทุกอย่างที่มนุษย์ทำได้ มันก็ทำได้’ เลยถูกมองว่าเป็นคำมั่นสัญญาที่ยิ่งใหญ่มาก

  • เหตุผลที่ทุกบริษัทไล่ตามหุ่นยนต์ฮิวแมนนอยด์ก็เพราะว่าเราได้สร้างโลกขึ้นมาโดยยึดกับ ‘ฟอร์มแฟกเตอร์’ นั้นอยู่แล้ว และในเชิงวิวัฒนาการเราก็ปรับตัวให้เข้ากับมันด้วย มันเป็นดีไซน์เอนกประสงค์อย่างแท้จริง เหตุผลที่ OpenAI ไล่ตาม LLM ก็คล้ายกัน ช่วงแรกคงมีความคาดหวังเกินจริงตามมาแน่ แต่ในมุมการลงทุน ผมก็ยังคิดว่าฟอร์มแฟกเตอร์นี้คุ้มค่าที่จะลอง ตราบใดที่ยังมีความเป็นไปได้ว่าจะทำสำเร็จ

• ขำตรงประโยคที่ว่า “Brooks เชื่อว่าไนจีเรียจะกลายเป็นศูนย์กลางเศรษฐกิจและเทคโนโลยีเพียงเพราะขนาดประชากร” ผมว่าข้อสมมติฐานแบบไร้เดียงสาว่าประชากรเยอะแล้วจะกลายเป็นมหาอำนาจทางเศรษฐกิจเองนี่มันตลกดี ผมวิจารณ์พรรคคอมมิวนิสต์จีนได้หลายเรื่องก็จริง แต่การปกครองที่มีประสิทธิผลและมีประสิทธิภาพตลอด 40 ปีที่ผ่านมาเป็นสิ่งที่เลียนแบบกันได้ไม่ง่ายเลย การบริหารประเทศที่ดีต่างหากคือทรัพยากรหายากตัวจริง ไนจีเรียอาจมีประชากรเยอะ แต่ถ้าไม่มีธรรมาภิบาลที่มีประสิทธิภาพแบบอินเดีย เอ่อ จีน ก็แทบเป็นไปไม่ได้เลยที่จะบริหารได้ดีเท่าจีน

  • ผมไม่เห็นด้วยกับคำพูดที่ว่าอินเดียมีประชากรเยอะแต่ไม่มีธรรมาภิบาลที่ดี ในฐานะคนอินเดีย ถ้ามองจากตอนประกาศเอกราชมาจนถึงตอนนี้ สิ่งที่ประเทศทำสำเร็จนับว่าน่าทึ่งมาก

  • จีนลงทุนในไนจีเรียมหาศาล และจีนก็เป็นเจ้าหนี้รายใหญ่ที่สุดด้วย ดังนั้นรัฐบาลไนจีเรียอาจไม่ได้ต่างจากพรรคคอมมิวนิสต์จีนไปเสียทีเดียว

  • แนวโน้มการเติบโตของ GDP ต่อหัวของอินเดีย

  • ผมเห็นด้วยกับความเห็นเรื่องไนจีเรีย แต่ไม่ใช่กับอินเดีย ได้ยินมาว่ารัฐบาลอินเดียก็มีคนที่มีความสามารถสูงมากอยู่ และในแอฟริกาก็มีประเทศที่เติบโตเร็วอย่างเคนยาด้วย

• แทบจะเหมือนกับที่ Brooks โพสต์เองเมื่อหลายปีก่อนเลย และเพิ่งมีใน HN ไม่นานนี้เอง ตอนนี้ก็มีหลายบริษัทที่ขาย automated guided cart อยู่แล้ว<br>ตอนแรกผมคิดว่าหุ่นยนต์ฮิวแมนนอยด์มันน่าขำ แต่พอเห็นราคาแล้วเปลี่ยนความคิด Unitree G1 ราคา 22,000 ดอลลาร์ ถูกกว่า Toyota Corolla เสียอีก ฮาร์ดแวร์ที่นึกว่าจะแพงแบบ Boston Dynamics ตอนนี้กลับถูกลงมาถึงระดับนี้แล้ว แม้จะยังเป็นผลิตภัณฑ์ยุคแรกที่ยอดผลิตยังน้อย แต่ราคาก็น่าจะลดลงอีก และวันหนึ่งหุ่นยนต์ฮิวแมนนอยด์อาจถูกกว่ารถยนต์ก็ได้<br>สำหรับงานเฉพาะอย่าง มันอาจให้ degrees of freedom มากเกินความจำเป็น แต่ข้อดีจากการผลิตจำนวนมากและการเปลี่ยนอะไหล่น่าจะมีมากกว่ามาก แม้ปัญหาเรื่อง manipulation จะยังคงอยู่ แต่ด้วยราคาที่สมเหตุสมผลระดับนี้และฮาร์ดแวร์มาตรฐานแบบนี้ ก็น่าจะมีคนเข้ามาลองมากขึ้น ประเด็น HN ก่อนหน้า

  • แม้ Unitree G1 จะโชว์ราคา 22,000 ดอลลาร์ แต่ได้ยินมาว่าถ้าจะซื้อในปริมาณจริงๆ รวมฮาร์ดแวร์ เครื่องมือ และชุดพัฒนาทั้งหมดแล้ว จะตกอยู่ที่ 80,000–100,000 ดอลลาร์ต่อเครื่อง และโพสต์ของ Brooks ก็เป็นโพสต์ล่าสุดด้วย

  • ไม่ว่าระดับราคาไหน ตอนนี้ก็ยังไม่มีใครแก้ปัญหา manipulation ได้ การผลิตจำนวนมากไม่ได้ทำให้ปัญหานี้หายไป

  • พอเห็นระดับราคาแบบนี้ ก็อดสงสัยไม่ได้ว่าบริษัทหุ่นยนต์อเมริกันอย่าง Tesla จะไปแข่งกับต้นทุนการผลิตที่ต่ำขนาดนี้ได้อย่างไร

• คนนี้น่าประทับใจจริงๆ อาจเพราะเป็นคนจาก Boston ก็ได้ เขาสร้างสตาร์ตอัปด้านหุ่นยนต์สำเร็จมาสองครั้งแล้ว แต่ความจริงคือไอเดียของเขาไม่ ‘เซ็กซี่’ พอ เลยระดมทุนได้ยาก นักลงทุนต้องการสิ่งที่แน่นอน แต่ถ้าเป็นคนที่เคยสำเร็จใหญ่ๆ มาแล้วสองครั้ง ผมก็คิดว่ามีโอกาสสูงที่จะสำเร็จเป็นครั้งที่สาม

  • จากประสบการณ์ที่เคยเจอกับ VC ผมไม่เชื่อคำพูดผิวเผินพวกนั้น ผมคิดว่าคุณพูดถูก นักลงทุนอยากลงทุน แต่เงื่อนไขที่เขาเรียก (เช่น 1 ล้านดอลลาร์ที่ valuation 2 ล้านดอลลาร์ ถือหุ้น 50%) มันแพงเกินไป ด้วยประวัติแบบนั้น นักลงทุนคนไหนก็อยากได้ดีลนี้ทั้งนั้น ตัวเขาเองก็คงคิดว่าถ้าจะทำสตาร์ตอัปครั้งที่สาม ก็ควรได้เงื่อนไขระดับนี้ และสำหรับนักลงทุนมันก็รับภาระยาก

  • ผมมีคนรู้จักคนหนึ่งที่เป็นผู้ก่อตั้งเงียบๆ มาก แต่ตลอด 20 ปีที่ผ่านมา เขาก่อตั้งบริษัทคล้ายๆ กันสามครั้ง (สองครั้งแรกขายกิจการได้) แทบจะด้วยคอนเซปต์เดียวกัน ถ้ามีแบบอย่างมาก่อน ตลาดทุนก็ให้ความเชื่อมั่นสูงมากว่ามีโอกาสสำเร็จอีกในอนาคต

  • VC ไม่ได้ต้องการชื่อเสียงฉูดฉาดเท่ากับที่ต้องการเรื่องเล่าใหม่ๆ (หรือ ‘กระแส’) เสียมากกว่า บางทีชื่อเสียงอาจกลายเป็นข้อเสียด้วยซ้ำ พวกเขาชอบผลตอบแทนจากการค้นหาเพชรในตม คนที่พวกเขาเป็นคนปั้นขึ้นมาเอง

  • iRobot แพ้คู่แข่งจากจีน, Rethink ล้มเหลวตั้งแต่แรกเพราะคุณภาพต่ำ และ Universal ทำ collaborative robot ได้ดีกว่ามาก ผมเลยมองว่าการตั้งบริษัทใหม่ไม่มีความหมายอะไร ต่อให้แค่ในบอสตันก็มีสตาร์ตอัปด้านระบบอัตโนมัติสำหรับคลังสินค้าเกิน 10 แห่งแล้ว

  • เราต้องนิยามคำว่า ‘สำเร็จ’ ก่อน iRobot เป็นผู้นำหมวดหมู่และเปิดตลาดใหม่ แต่ดูเหมือนแทบไม่เคยมีกำไรจริงๆ ตอนนี้ก็แพ้สินค้าจากบริษัทจีนที่ราคาครึ่งหนึ่งแต่ประสิทธิภาพสองเท่าอยู่ดี อย่างไรก็ต้องยอมรับว่าเขาสร้างตลาดขึ้นมาได้ ส่วนบริษัทที่สอง ผมหาข้อมูลเจอแค่ว่าถูกขายแบบ ‘ชำแหละชิ้นส่วน’ สตาร์ตอัปครั้งนี้ก็น่าสนใจ แต่ในตลาดก็มีคู่แข่งมากเกินไปแล้ว ดังนั้นในมุมผม เขาไม่เคยประสบความสำเร็จอย่างแท้จริง และตอนนี้ก็กำลังเล่นอยู่ในตลาดแดงเดือดที่มีคู่แข่งหนาแน่นแล้ว

• การที่หุ่นยนต์ฮิวแมนนอยด์จะมีมูลค่าในวงกว้าง ไม่จำเป็นต้องมี AGI ก่อนก็ได้ teleoperation ยังถูกประเมินค่าต่ำเกินไปมาก ในระยะสั้น คนจากที่ไหนสักแห่งในโลกจะควบคุมหุ่นยนต์แบบนี้จากระยะไกล เพื่อทำงานส่งของและงานอีกมากมายได้ในต้นทุนที่ถูกกว่ามาก

  • ผมสงสัยว่านี่เป็นทิศทางที่พึงประสงค์จริงหรือไม่

  • (teleoperation) มันเพิ่มประสิทธิภาพจริงๆ หรือสิ่งเดียวที่ลดลงมีแค่ค่าแรง?

• “ปัญญาประดิษฐ์แบบเรียบง่าย—สิ่งที่เราสามารถทำให้เชื่อถือได้จริงในตอนนี้ ไม่เซ็กซี่ แต่เป็นเทคโนโลยีที่ทำให้การทำงานของแรงงานง่ายขึ้นและมีประสิทธิภาพขึ้น” ผมคิดว่านี่คือบทสรุปที่สมบูรณ์แบบ

• ผมเคยมีประสบการณ์สอนคลาสใหญ่ที่ MIT เช้านี้ตอนนั่ง Uber ผมถามคนขับว่าตอนนี้เราอยู่ถนนอะไร เขาไม่รู้เลย เขาแค่ขับตาม GPS ถ้ามีปัญหาเกิดขึ้นก็ไม่คิดจะแก้เอง ผมเองก็อาศัยอยู่ในถนนตัน (culdesac) ทำให้ Uber หาทางเข้ายาก ผมพยายามบอกทางด้วยเสียง แต่คนขับก็ไม่อ่านป้ายถนนกันเลย แค่ดูจุดหมายบนแผนที่แล้วก็บ่น ทั้งที่จุดหมายจริงถ้าวัดจากถนนที่เข้าถึงได้ มันอยู่คนละด้าน คนขับบางคนวนไปทางผิดเดิมถึงสองรอบแล้วสุดท้ายก็ยกเลิก แท็กซี่อาจไม่ค่อยดีนัก แต่คนขับอย่างน้อยก็ยังมีความรู้พื้นที่ขั้นต่ำอยู่บ้าง

  • ในบางย่าน การเช็ก “ที่อยู่ที่ระบบ route ได้ใกล้ที่สุด” ด้วยตัวเองช่วยได้มาก มันเข้ากับแท็กซี่ได้ดีมาก อนึ่ง cul de sac เป็นโครงสร้างถนนที่แย่มากจริงๆ และสถานการณ์แบบนี้ก็เป็นปัญหาเรื่องเส้นทางที่พบบ่อย ในย่านของเรา เราแยกเรื่องนี้ไว้ผ่านข้อมูลภูมิสารสนเทศและระบบที่อยู่ที่กำหนดไว้เพื่อให้รถดับเพลิงและกู้ภัยเข้าถึงได้สะดวก แต่พอทุกคนอ้างอิงข้อมูลทางการชุดเดียวกัน ก็เกิดปัญหาที่คาดไม่ถึงตามมาเหมือนกัน

• แค่มีแขนกลแบบง่ายๆ ก็ช่วยได้มากแล้วในงานก่อสร้างหรือเกษตร ซึ่งเป็นภาคส่วนที่ยังไม่เป็นอุตสาหกรรมอย่างแท้จริงในประเทศส่วนใหญ่ของโลก ตัวอย่างเช่นในยุโรป การเกษตรกำลังถูกทิ้งเพราะจำนวนประชากรลดลงและสังคมสูงวัย งานก่ออิฐเองก็ไม่จำเป็นต้องใช้หุ่นยนต์ฮิวแมนนอยด์ แต่ถ้ามีอุปกรณ์ราคาถูกก็น่าจะช่วยบรรเทาวิกฤตที่อยู่อาศัยได้<br>และแม้จะทำ IT, sensor และการเคลื่อนไหวบางอย่างได้ดี แต่ข้อกำหนดที่หลากหลายในสภาพแวดล้อมธรรมชาติมีมากเกินไป จน ‘แพลตฟอร์มเอนกประสงค์หนึ่งเดียว’ เป็นไปไม่ได้ ประสิทธิภาพของมนุษย์เองก็ยังต่ำ เลยยิ่งทำให้สงสัยว่าทำไมต้องเป็นฮิวแมนนอยด์ น่าจะต้องการ ‘แพลตฟอร์มหุ่นยนต์แบบโมดูลาร์’ ที่มีบริษัทใหญ่หรือระบบปฏิบัติการมารองรับมากกว่า

• affordance ที่มีอยู่ในตัวรถเข็นเองทำให้คนทำงานต้องคิดน้อยลง ถ้าดูสภาพหน้างาน ต่อให้ทันสมัยแค่ไหน คนงานก็ยังได้แค่หน้าจอเล็กๆ ที่รันซอฟต์แวร์แบบตัวอักษรจากยุค 80–90 อยู่บนข้อมือ พร้อมเครื่องสแกน พวกเขาต้องอ่านหน้าจอเองว่าตัวเลขไหน งานอะไรที่ต้องทำ สุดท้ายแรงงานที่มีความสามารถในการอ่านตีความก็จะถูกไล่ออก และเหลือแค่ยูนิตที่เชื่องและถูกปรับให้เข้ากับหุ่นยนต์เท่านั้นที่ต้องการ

  • อยากรู้ว่าทำไมสถานการณ์แบบนั้นถึงดีกว่า

• “คำมั่นสัญญาทำให้ระดมทุนได้ง่าย แต่ธุรกิจจริงนั้นยากเพราะมีเพดานการเติบโต ถ้ายังไม่รู้ก็ฝันต่อได้ แต่ยิ่งเห็นขีดจำกัดชัดขึ้น การลงทุนก็ยิ่งยากขึ้นในทางปฏิบัติ” วิดีโอ YouTube ที่เกี่ยวข้อง