- เช่นเดียวกับ โทเค็น ที่ใช้บ่งชี้ปริมาณการใช้งาน AI คาดว่า ทาสก์ (task) ซึ่งเป็นหน่วยงานข้อมูลที่ใช้ปรับปรุงความสามารถของโมเดล จะก่อให้เกิดตลาดขนาดใหญ่สำหรับวัดการลงทุนด้าน AI
- เมื่อข้อมูลสำหรับฝึกจากอินเทอร์เน็ตและความสามารถแบบง่าย ๆ ที่ใช้ได้ทั่วไปเริ่มอิ่มตัว ข้อมูลคุณภาพสูง ที่ถ่ายทอดความรู้โดยนัยของผู้เชี่ยวชาญในสภาพแวดล้อมจริงจึงกลายเป็นคอขวดของการพัฒนาโมเดล
- ทาสก์มอบสถานะเริ่มต้นและสภาพแวดล้อมการทำงาน พร้อมประเมินผลลัพธ์ด้วยสัญญาณรางวัลหรือตัวตรวจสอบ เพื่อให้โมเดลเรียนรู้ ขั้นตอนการทำงานของผู้เชี่ยวชาญ ที่ยากจะทำซ้ำได้ด้วยอินเทอร์เน็ตสาธารณะเพียงอย่างเดียว
- ค่าใช้จ่ายด้านข้อมูลของ OpenAI และ Anthropic เพิ่มขึ้น 10 เท่าทุกปี ขณะที่ Mercor ทำ ARR 1 พันล้านดอลลาร์ ในเดือนกุมภาพันธ์ และแตะ 2 พันล้านดอลลาร์ภายใน 4 เดือน
- เนื่องจากกฎหมาย การแพทย์ การเงิน ซอฟต์แวร์ และวิทยาศาสตร์ ต่างต้องใช้ชุดข้อมูล ระบบประเมิน และสภาพแวดล้อมการเรียนรู้แบบเสริมกำลังแยกกัน คาดว่าการแข่งขันด้าน โครงสร้างพื้นฐานข้อมูล ระหว่าง AI lab บริษัทแอปพลิเคชัน และบริษัททั่วไปจะยิ่งขยายตัว
เศรษฐกิจโทเค็นที่ใช้วัดการเติบโตของ AI
- โทเค็นสำหรับการอนุมาน กลายเป็นตัวชี้วัดหลักในการติดตามการเติบโตของระบบนิเวศ AI
- บริษัทมหาชนเปิดเผย จำนวนโทเค็นที่ประมวลผลต่อเดือน เพื่อแสดงโมเมนตัมการเติบโตของ AI
- นักวิเคราะห์เปรียบเทียบการใช้โทเค็นของแต่ละโมเดลผ่านสิ่งอย่าง อันดับของ OpenRouter
- ผู้บริหารใช้ปริมาณโทเค็นตามช่วงเวลาเพื่อวัดระดับการลงทุนและการนำ AI ไปใช้
- โทเค็นทำหน้าที่เป็น ภาษากลาง ที่ทำให้คนซึ่งไม่มีพื้นฐานทางเทคนิคก็เข้าใจการขยายตัวของ AI ได้ โดยย่อกระบวนการอนุมานที่ซับซ้อนให้เป็นหน่วยวัดเดียว
- การเพิ่มขึ้นของผู้ใช้ AI การเปลี่ยนจากโมเดลที่ไม่เน้นการอนุมานไปเป็นโมเดลที่เน้นการอนุมาน และการเปลี่ยนจากคำถามไปสู่เอเจนต์ ล้วนทำให้โทเค็นเพิ่มขึ้น
- เอเจนต์เบื้องหลังระบบและเอเจนต์ที่ทำงานระยะยาวก็เพิ่มการใช้โทเค็นเช่นกัน
- เมื่อการยอมรับใช้งานเพิ่มขึ้นซ้อนทับกับความเข้มข้นของการใช้โทเค็นต่อโมเดล ปริมาณการใช้งานรวมจึงเติบโตอย่างรวดเร็ว และการลงทุนกับการเข้าสู่ตลาดของบริษัทต่าง ๆ ก็หลั่งไหลสู่ตลาดการอนุมาน
- การมองเห็นที่สูงของตลาดการอนุมานยังมีผลทำให้กระแสอื่น ๆ ที่อาจเติบโตได้ในระดับใกล้เคียงกันแต่เข้าใจได้ยากกว่าถูกบดบัง
การมาของเศรษฐกิจทาสก์
- ในช่วง 3 ปีที่ผ่านมา LLM ได้พัฒนาจากการตอบคำถามพื้นฐาน ไปสู่การอนุมานที่ซับซ้อน และต่อเนื่องไปถึงเอเจนต์ที่ทำงานจริงระยะยาวได้
- การปรับปรุงโมเดลในระยะแรกพึ่งพาข้อมูลจากอินเทอร์เน็ตและทรัพยากรคอมพิวต์ที่มากขึ้น แต่ด้วยการเปลี่ยนแปลง 2 ประการต่อไปนี้ ข้อมูลคุณภาพสูงเพิ่มเติม จึงกลายเป็นคอขวด
- ข้อมูลใหม่ที่สามารถเรียนรู้ได้จากอินเทอร์เน็ตเริ่มหมดลง
- ความสามารถแบบง่ายและใช้ได้ทั่วไปเริ่มอิ่มตัวทีละน้อย
- เศรษฐกิจทาสก์หมายถึงตลาดที่สร้างและจัดหาข้อมูลที่จำเป็นต่อการปรับปรุงโมเดลเพิ่มเติม
ทาสก์ในฐานะหน่วยของการปรับปรุงโมเดล
- ในการเรียนรู้แบบเสริมกำลัง ทาสก์ คือหน่วยที่โมเดลใช้ฝึกฝน
- มอบสถานะเริ่มต้นและสภาพแวดล้อมให้โมเดลลงมือทำ
- ให้คะแนนการกระทำของโมเดลด้วยสัญญาณรางวัลหรือตัวตรวจสอบ
- รวมคะแนนจากหลายทาสก์เป็นสัญญาณการเรียนรู้ แล้วปรับโมเดลไปในทิศทางของพฤติกรรมที่ได้คะแนนสูง
- หากพูดอย่างเคร่งครัด มันชี้ไปที่ฐานของการเรียนรู้ภายหลังการฝึกแบบเสริมกำลัง แต่ในที่นี้ใช้เป็นหน่วยครอบคลุมการปรับปรุงโมเดลด้วยข้อมูลโดยรวม
- ขอบเขตของทาสก์ก็กำลังขยายตัวไปพร้อมกับที่อุตสาหกรรมยังคงสร้างรูปแบบข้อมูลใหม่ ๆ สำหรับการปรับปรุงโมเดล
- เดิมที การติดป้ายกำกับข้อมูล มักชวนให้นึกถึง bounding box หรือการกดชอบ/ไม่ชอบต่อคำตอบของ LLM แต่ตลาดปัจจุบันได้พัฒนาไปสู่งานที่ซับซ้อนและมีมูลค่าสูงกว่าเดิม
วิธีการทำงานในงานด้านกฎหมาย
- AI ที่ฝึกจากอินเทอร์เน็ตสาธารณะสามารถเข้าใจแนวคิดพื้นฐานทางกฎหมายและคำพิพากษาที่เปิดเผยต่อสาธารณะได้ แต่ข้อมูลที่จำเป็นต่อการจำลองงานจริงของทนายความที่มีความสามารถนั้นมีไม่เพียงพอบนอินเทอร์เน็ต
- หากต้องการให้โมเดลเรียนรู้งานกฎหมายคุณภาพสูง จำเป็นต้องผสานองค์ประกอบต่อไปนี้
- พรอมป์ต์ เช่น การตรวจสัญญาหรือการร่างเหตุผลทางกฎหมาย
- สภาพแวดล้อมจริงที่เกี่ยวข้อง เช่น ห้องข้อมูลทางกฎหมาย
- การตรวจสอบผลลัพธ์ตามเกณฑ์อย่าง ตารางประเมินเอเจนต์ทนายความองค์กร
- ทาสก์ลักษณะนี้ไม่ได้สอนโมเดลเพียงว่า ต้องทำอะไร แต่ยังสอนถึง ต้องทำอย่างไร ด้วย และยิ่งมีทาสก์คุณภาพสูงมากขึ้น ความสามารถของโมเดลก็ยิ่งดีขึ้น
โครงสร้างการเติบโตร่วมกันของโทเค็นและทาสก์
- หากโทเค็นคือหน่วยพื้นฐานของการอนุมานและการใช้งานโมเดล ทาสก์ก็อาจมองได้ว่าเป็น หน่วยพื้นฐานของการปรับปรุงโมเดล
- ความต้องการทาสก์เพิ่มขึ้นจากการขยายตัวของการใช้งาน AI ควบคู่กับความต้องการข้อมูลของโมเดลล้ำสมัยที่เพิ่มขึ้น
- เปลี่ยนจากการติดป้ายกำกับความชอบแบบง่าย ไปสู่งานที่อิงตารางประเมินโดยผู้เชี่ยวชาญที่มีทักษะสูง
- เอเจนต์เฉพาะทางระดับผู้เชี่ยวชาญเริ่มปรากฏขึ้น
- เอเจนต์ทำงานที่มีขอบเขตเวลายาวขึ้น
- องค์กรต่าง ๆ นำระบบประเมินไปใช้ในวงกว้าง
- ปัจจัยเหล่านี้ซ้อนทับกันเช่นเดียวกับในตลาดโทเค็นสำหรับการอนุมาน จึงผลักดันการเติบโตอย่างรวดเร็วของเศรษฐกิจทาสก์
สัญญาณการเติบโตของค่าใช้จ่ายด้านข้อมูลและตลาด
- OpenAI และ Anthropic กำลัง ขยายค่าใช้จ่ายด้านข้อมูล 10 เท่าทุกปี โดยระดมผู้เชี่ยวชาญมาสร้างข้อมูลและสื่อการฝึกเอเจนต์
- บริษัทแอปพลิเคชัน AI รายใหญ่บางแห่งและบริษัททั่วไปบางแห่งมองว่าข้อมูลคือความได้เปรียบในการแข่งขัน จึงเพิ่มค่าใช้จ่ายที่เกี่ยวข้องกับทาสก์เฉพาะรายขึ้นเป็น มากกว่า 100 ล้านดอลลาร์ ในระยะเวลาอันสั้น
- พวกเขาเชื่อว่า AI ประยุกต์ที่มีกลยุทธ์ข้อมูลแตกต่างกันสามารถให้ผลลัพธ์ดีกว่าโมเดลสำเร็จรูปแบบทั่วไปได้
- แพลตฟอร์มเศรษฐกิจทาสก์ Mercor ทำ ARR 1 พันล้านดอลลาร์ในเดือนกุมภาพันธ์ และทำ ARR 2 พันล้านดอลลาร์ได้ภายใน 4 เดือนหลังจากนั้น
- เอเจนต์ที่จำลองงานในสาขาขั้นสูงยังอยู่ในระยะเริ่มต้น และการขยายค่าใช้จ่ายด้านข้อมูลขององค์กรต่าง ๆ ก็เพิ่งเริ่มต้นเท่านั้น
- ภายใต้สมมติฐานที่ว่า 99% ของความรู้มนุษย์ที่ AI ยังต้องจัดการนั้นอยู่ในหัวของผู้คน คาดว่าขอบเขตของผู้เข้าร่วมและผู้ซื้อจะกว้างขึ้น เมื่อ AI lab บริษัทแอปพลิเคชัน และบริษัททั่วไปย้ายความรู้โดยนัยไปสู่โมเดลและเอเจนต์
ทำไมตลาดทาสก์จึงยังมองเห็นได้ไม่ชัด
- เหตุผลแรกที่มีการพูดถึงทาสก์ออนไลน์น้อยกว่าโทเค็น คือค่าใช้จ่ายยังคงกระจุกตัวอยู่ใน AI lab แนวหน้าที่มีความลับสูง
- AI lab แทบไม่เปิดเผยกลยุทธ์การปรับปรุงโมเดลและค่าใช้จ่ายด้านข้อมูลหรือทาสก์
- สถานการณ์กำลังเปลี่ยนไป เมื่อบริษัทแอปพลิเคชัน AI และบริษัททั่วไปเข้าร่วมเศรษฐกิจทาสก์เพื่อสร้างความแตกต่างจากโมเดลสำเร็จรูป
- กลุ่มเหล่านี้มีแนวโน้มสูงกว่าที่จะทำการตลาดกิจกรรมด้านข้อมูลของตนเอง จึงอาจช่วยเพิ่มการมองเห็นของตลาดทาสก์
- เหตุผลที่สองคือยังไม่มีหน่วยกลางที่ย่อคุณค่าได้อย่างง่ายเหมือนโทเค็นในตลาดการอนุมาน
- หากใช้ทาสก์เป็นหน่วยมาตรฐานของมูลค่า แม้แต่คนที่ไม่มีความรู้ทางเทคนิคก็จะเข้าใจได้ว่าอุตสาหกรรมลงทุนเพื่อยกระดับความสามารถของ AI มากเพียงใด
- ในตอนนี้ยังไม่มีบริการแบบ ‘OpenRouter สำหรับทาสก์’ ที่แสดงขนาดและการเติบโตของทาสก์แบบเรียลไทม์
- ข้อมูลชั่วโมงทำงานของผู้เชี่ยวชาญรายไตรมาสจาก Mercor จึงถูกใช้เป็นตัวชี้วัดทางอ้อมที่สะท้อนการเติบโตของตลาด
การสร้างข้อมูลเพื่อกิจกรรมทางเศรษฐกิจทั้งหมด
- หากต้องการทำงานทุกอย่างที่ทำบนแล็ปท็อปให้เป็นอัตโนมัติด้วยเอเจนต์ จำเป็นต้องครอบคลุมทั้งแอปพลิเคชัน สภาพแวดล้อม และการกระจายของทาสก์ทั่วทั้งเศรษฐกิจ
- เพื่อสิ่งนี้ จำเป็นต้องมี การสร้างข้อมูลขนาดใหญ่ ครอบคลุมทั้งอาชีพเฉพาะทาง สาขาวิชา และกรณีใช้งานของผู้บริโภค
- กฎหมาย การแพทย์ การเงิน ซอฟต์แวร์ และวิทยาศาสตร์ ต่างต้องการชุดข้อมูลที่สร้างโดยผู้เชี่ยวชาญ
- ระบบประเมินและสภาพแวดล้อมการเรียนรู้แบบเสริมกำลังของแต่ละสาขาก็ต้องจัดเตรียมแยกกันด้วย
- AI lab บริษัทแอปพลิเคชัน และบริษัททั่วไปจะขยายโครงสร้างพื้นฐานข้อมูลและแข่งขันกันในงานที่มีประโยชน์ทางเศรษฐกิจทั่วทั้งระบบ
- องค์กรที่สร้างโครงสร้างพื้นฐานข้อมูลได้สำเร็จจะสามารถพัฒนาความสามารถระดับแนวหน้าได้อย่างต่อเนื่องและยึดส่วนแบ่งตลาดไว้ได้
- หากเศรษฐกิจทาสก์แพร่หลายและมองเห็นได้ชัดขึ้น อุตสาหกรรม AI ก็น่าจะติดตาม ขนาดของทาสก์ ควบคู่ไปกับโทเค็นในฐานะตัวชี้วัดการเติบโตหลัก
การปรับปรุงอัลกอริทึมและขอบเขตของการอภิปราย
- ความสามารถ AI โดยทั่วไปอาจพัฒนาได้ไม่ใช่แค่ด้วยข้อมูล แต่ยังรวมถึง การปรับปรุงอัลกอริทึม ของโมเดลด้วย
- การไม่นำการปรับปรุงอัลกอริทึมมารวมไว้ ไม่ได้มีขึ้นเพื่อปฏิเสธความเป็นไปได้ในอนาคต แต่เป็นการกำหนดขอบเขตเพื่อให้การอภิปรายมุ่งเน้นไปที่ข้อมูลและเศรษฐกิจทาสก์
ยังไม่มีความคิดเห็น