ย้อนกลับไปปี 1997 IBM ทุ่มเงินนับพันล้านดอลลาร์เพื่อช่วงเวลาประวัติศาสตร์นี้ เมื่อ Gary Kasparov ปรมาจารย์หมากรุกเบอร์หนึ่งของโลกต้องเจอกับความเจ็บปวดครั้งใหญ่ ด้วยการพ่ายแพ้ให้ Deep Blue เครื่องจักรสุดเทพที่ IBM รังสรรค์ขึ้นมา

นี่เป็นครั้งแรกในประวัติศาสตร์ที่เครื่องจักรเอาชนะปรมาจารย์หมากรุกได้ ซึ่งทำให้ IBM กลับมาเป็นที่เชิดหน้าชูตาในแวดวงเทคโนโลยีได้อีกครั้ง แต่ไม่มีใครคาดคิดว่า บริษัทยักษ์ใหญ่อายุร้อยปีกับพนักงาน 400,000 คนจะถูกถล่มอย่างย่อยยับในเกมของตัวเองโดยกลุ่มคนที่คนเรียกว่า “Geeks”

IBM อยู่มานานจนต้องแบ่งเป็นยุค บริษัทก่อตั้งจากการควบรวม 4 บริษัทในปี 1911 ก่อนเรือไททานิคจะจมซะอีก หนึ่งในนั้นคือบริษัท Tabulating Machine ที่มีเทคโนโลยีล้ำสมัยกำหนดทิศทางการคำนวณในอนาคต

“บัตรเจาะ (Punch Cards)” คือสิ่งที่ปั้นให้ IBM เป็น IBM ธุรกิจหลักคือให้เช่าเครื่องคำนวณประมวลผลข้อมูลบัญชีและสำมะโนประชากร คล้ายกับ Platform as a Service ในปัจจุบัน พร้อมบริการให้คำปรึกษา

ปี 1952 IBM แนะนำคอมพิวเตอร์วิทยาศาสตร์เชิงพาณิชย์เครื่องแรกของโลก IBM 701 เริ่มต้นยุคเมนเฟรม พวกเขาทุ่มเทสร้างและสนับสนุนคอมพิวเตอร์ขนาดใหญ่ อุปกรณ์ต่อพ่วง พร้อมให้คำปรึกษาติดตั้งและใช้งาน

IBM เปลี่ยนโลกอีกครั้งในปี 1981 ด้วย IBM Personal Computer ทำให้คอมพิวเตอร์มีราคาที่ธุรกิจขนาดเล็กและคนทั่วไปสามารถซื้อได้ ช่วงเดียวกับที่ Apple เปิดตัว Apple II ตอนนั้น Apple เป็นบริษัทเล็กมูลค่า 1 พันล้านดอลลาร์ ขณะที่ IBM เป็นยักษ์ใหญ่มูลค่า 40 พันล้านดอลลาร์ ส่วน Microsoft ยังเป็นแค่จุดเล็กๆ ของบริษัททางด้านเทคโนโลยี

นี่เป็นยุคทองของ IBM เพราะพวกเขาเป็นผู้บุกเบิกและยึดครองตลาดแบบเบ็ดเสร็จ ความสำเร็จอีกครั้งคือ IBM AT หรือ PCAT คอมพิวเตอร์ส่วนบุคคลราคา 6,000 ดอลลาร์ (ประมาณ 18,000 ดอลลาร์ในปัจจุบัน) มาพร้อมโปรเซสเซอร์ 6 MHz แรม 256 KB และฮาร์ดไดรฟ์ 20 MB

แม้สเปคจะไม่พอเล่น City Skylines 2 ในปัจจุบันได้ แต่มันสามารถยึดครองอุตสาหกรรมด้วยความล้ำสมัยและราคาที่ถูกกว่าทุกอย่างที่มีในตอนนั้น ถึงขั้นรัฐบาลสหรัฐและยุโรปคิดจะแยก IBM เพราะมองว่าเริ่มผูกขาดตลาด

แต่ยุคทองนี้ไม่ยืนยาว ช่วงต้นทศวรรษ 90 คู่แข่งไล่ทัน Microsoft มี DOS และ Windows ส่วน Intel ที่เรียนรู้การทำโปรเซสเซอร์จาก IBM เริ่มขายให้คนอื่น บริษัทเหล่านี้มีจุดโฟกัสเดียว ไม่ว่าจะเป็นระบบปฏิบัติการ โปรเซสเซอร์ หรืออุปกรณ์ต่อพ่วง

IBM พยายามทำทุกอย่าง จนกลายเป็นไดโนเสาร์ที่เคลื่อนไหวช้า ธุรกิจ PC ล้าหลัง พวกเขาจำเป็นต้องมีอะไรใหม่ๆ เพื่อกลับสู่วงโคจรอีกครั้ง จึงสร้าง Deep Blue เพื่อพิสูจน์ว่าเครื่องจักรเอาชนะมนุษย์ที่เก่งที่สุดในโลกได้

การแข่งขันกับ Kasparov จบลงด้วยชัยชนะของ Deep Blue สร้างความตกตะลึงให้กับวงการเทคโนโลยี แต่ Kasparov กล่าวหาว่า IBM โกง โดยอ้างว่ามีมนุษย์ช่วยตัดสินใจในเกมสุดท้าย เขาถึงกับเปรียบ Deep Blue เป็น “มือของพระเจ้า” และต้องการแข่งรอบใหม่ แต่ IBM ปฏิเสธและยุติโปรแกรมทั้งหมด

Deep Blue ช่วยให้ IBM กลับมาอยู่ในสปอตไลต์ แต่มันไม่ใช่ AI จริงๆ เปรียบเทียบได้กับพ่อครัวที่ท่องจำทุกสูตรจากหนังสือหลายพันเล่ม รู้ว่าวัตถุดิบอะไรใช้ร่วมกันได้และให้ผลลัพธ์อย่างไร

Deep Blue เข้าใจทุกการเคลื่อนไหวที่เป็นไปได้ในหมากรุก แต่ไม่มีความคิดสร้างสรรค์ เพียงทำตามสูตรที่ซับซ้อน แต่หากประเมินผลลัพธ์ทั้งหมดได้ ก็เอาชนะแม้แต่ผู้เล่นที่ดีที่สุดได้

ปี 2005 IBM ยอมแพ้ในธุรกิจ PC ที่เคยให้รายได้มหาศาล พวกเขาขายธุรกิจนี้ให้ Lenovo บริษัทจีน ซึ่งร่วมแบรนด์เป็น IBM ประมาณหนึ่งปีก่อนกำจัดทิ้ง IBM ทำเงินประมาณ 20 พันล้านดอลลาร์ต่อปีจากการขาย PC แต่กำไรน้อยและแข่งกับ Dell หรือ HP ไม่ได้

IBM หันไปเน้น Watson ระบบ AI ใหม่ที่จะพิสูจน์ตัวเองด้วยการชนะ Jeopardy! (รายการเกมโชว์แบบควิซโชว์) ซึ่งตอนนั้นคือปี 2005 ช่วงที่ YouTube เพิ่งเกิด ยังไม่มีสมาร์ทโฟน แทบไม่มีอินเทอร์เน็ตบรอดแบนด์ แต่ IBM กำลังสร้างคอมพิวเตอร์ที่เข้าใจคำถามภาษาธรรมชาติ หาคำตอบโดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต และตอบเร็วกว่ามนุษย์

แนวคิดนี้โหดมากจนไม่มีใครใน IBM อยากรับโครงการ แต่เมื่อทำในที่สุด พวกเขาสร้าง Watson ที่อ่าน Wikipedia ทั้งหมดในปี 2011 ประมาณ 200 ล้านหน้า และให้แข่ง Jeopardy!

แต่ Watson ก็ไม่ใช่ AI จริง มันเป็นเหมือนผู้ช่วยเชฟที่หาส่วนผสมที่ดีที่สุด แนะนำเวลาและอุณหภูมิที่แม่นยำ เข้าใจอาหารยอดนิยม และเก่งในการสรุปข้อมูลจำนวนมาก แต่ไม่สามารถคิดได้จริงๆ ไม่เข้าใจคำพูด คำถามต้องป้อนเป็นข้อความ

Watson ยังคงเป็นก้าวกระโดดและนำ IBM กลับมาอยู่ในสปอตไลต์ บริษัทมากมายพยายามสร้าง Chatbots แบบจำลองพยากรณ์อากาศ แคมเปญสื่อสังคมออนไลน์ หรือการวินิจฉัยสุขภาพตาม Watson

แต่ปัญหาคือการเชื่อมต่อกับมันยากมาก API ของ Watson แย่สิ้นดี ผู้ใช้บน Reddit บอกว่ามันเป็น “กองอุจจาระนุ่มเหม็น” เอกสารล้าสมัยหรือบางครั้งแทบไม่มีเอกสารเลย

IBM ทำการตลาด Watson เป็นโซลูชัน AI แต่สิ่งที่ผู้ใช้ได้รับคือ Python 2.7 บนคลาวด์ที่ขาดฟีเจอร์สำคัญ เอกสารอายุ 5 ปี แย่กว่าใช้เครื่องมือโอเพนซอร์ส 100% การสำรวจบน Stack Overflow ระบุเป็นแพลตฟอร์มที่นักพัฒนาเกลียดที่สุดอันดับสองในการพัฒนารองจาก WordPress

IBM ไม่เคยทำเครื่องมือล้ำสมัยให้เข้าถึงง่าย ตั้งแต่ยุคบัตรเจาะ ไม่มีใครใช้เครื่องพวกนี้ได้เองโดยไม่มีคนช่วย รายได้หลักจึงมาจากการสนับสนุนและให้คำปรึกษา ดูเหมือน Watson ก็ถูกออกแบบแบบเดียวกัน เป็นเหยื่อล่อให้คนมาจ่ายค่าที่ปรึกษาหลายล้าน

ดูรายได้ IBM ทศวรรษหลัง Watson เปิดตัว การให้คำปรึกษาคิดเป็น 30% ของรายได้ทั้งหมด แม้แต่ Global Technology Services ก็ไม่ใช่แค่ซอฟต์แวร์หรือโครงสร้างพื้นฐาน แต่รวมบริการ Outsourcing IT ด้วย

IBM เปลี่ยนจากบริษัทเทคโนโลยีเป็นบริษัทให้คำปรึกษายักษ์ใหญ่ ที่มีที่ปรึกษาอธิบายวิธีที่เทคโนโลยี IBM มอบคุณค่าให้ธุรกิจ พวกเขาสร้าง Watson ได้เจ๋งมาก แต่ไม่ได้ทำให้เป็นเครื่องมือที่บริษัทใช้เองได้ แต่เป็นเหยื่อล่อให้มาใช้บริการให้คำปรึกษา

และนี่คือจุดที่กลุ่ม Geeks พลิกตลาดแบบหัวกลับหาง ความลับของความสำเร็จ OpenAI คือการทำให้ AI เป็นประชาธิปไตย เมื่อ ChatGPT เปิดตัว ทุกคนสามารถเข้าถึงได้อย่างแท้จริง ทดสอบได้ ทำคลิป TikTok เกี่ยวกับมันได้

API ของ OpenAI เรียบง่าย ราคาไม่แพง ไม่ต้องอาศัยทีมขายหรือมาร์เก็ตติ้งเพื่อเข้าถึงนักพัฒนา และสามารถเชื่อมกับเครื่องมือที่ไม่ต้องโค้ดอย่าง Zapier เพราะฉะนั้นมันจึงใช้เวลาไม่กี่สัปดาห์ที่ GPT-3 (ซึ่งตอนนี้โง่มากเมื่อเทียบกับ GPT-4) อยู่ในมือทุกคน

โมเดลภาษาขนาดใหญ่ (Large language model) ไม่ได้ทำตามสูตรตายตัว พวกมันเป็นเชฟระดับปรมาจารย์ที่ศึกษาสูตรนับพัน แต่เข้าใจอีกระดับเกี่ยวกับส่วนผสม วิธีผสมกัน วิธีให้รสชาติแตกต่างกัน พวกเขาปรับตัว สร้างนวัตกรรม และสร้างสูตรใหม่จากความรู้เดิม

เหตุผลที่ AI สมัยใหม่เทพกว่ามีสองข้อ หนึ่งคือขนาดข้อมูล Deep Blue ฝึกบนข้อมูลหมากรุก 500 GB ที่ถือว่าน่าทึ่งมากในตอนนั้น แต่ปัจจุบันมันก็แค่ขนาดแค่มูลที่พอดีกับการ์ด SD เล็กๆ ส่วน Watson ฝึกบนข้อมูล 4 เทราไบต์สำหรับ Jeopardy! ส่วน GPT-4 ฝึกบนประมาณ 1.8 ล้านล้านพารามิเตอร์ อาจเท่ากับข้อมูล 450 เทราไบต์ ใหญ่กว่า Watson 100 เท่า

สองคือระบบการทำงาน Watson เหมือนทีมนักวิจัยในห้องสมุด ระบบแบบโมดูลาร์ นักวิจัยแต่ละคนเชี่ยวชาญเฉพาะด้าน โมดูลตอบคำถามสุขภาพเขียนโค้ดต่างจากโมดูลกฎหมาย ทุกทีมต้องมามีส่วนร่วมและคำตอบถูกกรองจากความรู้แต่ละโดเมน

นวัตกรรมของ LLMs มาจากบทความปี 2017 “Attention is All You Need” เสนอแนวทางใหม่คือ Transformers ที่ชั่งน้ำหนักความสำคัญของคำในประโยคที่มีความสัมพันธ์กัน ทำให้เข้าใจบริบทและความสัมพันธ์ดีขึ้น

Transformers ช่วยให้โมเดลมุ่งเน้นส่วนที่เกี่ยวข้องของข้อมูลนำเข้า เพิ่มความเข้าใจและเพิ่มประสิทธิภาพ ด้วยการค้นพบนี้และพลังประมวลผลที่ดีขึ้น (ต้องขอบคุณ Nvidia) เราไม่ต้องแบ่งความรู้เป็นโมดูลอีกต่อไป

ปัจจุบันมีเพียง “บรรณารักษ์คนเดียว” ที่ดูดซับทุกคำที่มนุษย์เคยเขียน เข้าใจข้อมูลพร้อมกัน มุ่งเน้นส่วนที่เกี่ยวข้อง และสร้างคำตอบในมิลลิวินาที Transformers เป็นกระดูกสันหลังของ LLMs ส่วนใหญ่ที่ใช้ตอนนี้ ซึ่งแตกต่างจาก IBM Watson

Watson ไม่เพียงโง่กว่าหรือมีเอกสารแย่ แต่ต้องจ้าง IBM ช่วยสร้างสิ่งต่างๆ ขณะที่ AI สมัยใหม่แทรกซึมทุกที่เพราะเข้าถึงง่ายและราคาไม่แพง อาจเป็นฟองสบู่คล้ายดอทคอม แต่ AI ก็กลายเป็นเหมือน AWS Azure Google Cloud เป็นกระดูกสันหลังของซอฟต์แวร์มากมาย

IBM มีโอกาสแต่ถูกสตาร์ทอัพแซง ซึ่งพวกเขาเคลื่อนไหวเร็วกว่า ไม่ต้องผ่านการอนุมัติหรือผ่านลำดับชั้นผู้จัดการ พวกเขาลงมือทำแม้จะผิดพลาดบ้าง แต่สิ่งที่น่ากังวลคือเมื่อ AI มีอิทธิพลมากขึ้น ข้อผิดพลาดเล็กๆ อาจมีผลใหญ่หลวง

แม้ล้มเหลวด้าน AI แต่ IBM ไม่ได้จะตายในเร็วๆ นี้ รายได้ลดลงจากปี 2010 แต่ฟื้นตัวบ้าง หุ้นไปได้ดี ส่วนหนึ่งเพราะทำกำไรได้ และซื้อ Red Hat เมื่อไม่นานมานี้ เปิดโอกาสทางธุรกิจใหม่ๆ

IBM อาจเป็นผู้นำในการสร้างคอมพิวเตอร์ควอนตัม ซึ่งอาจปฏิวัติวงการคอมพิวเตอร์ แต่คำถามคือเราจะใช้มันโดยไม่ต้องจ้างที่ปรึกษาของพวกเขาได้ไหม หรือประวัติศาสตร์จะซ้ำรอยเดิม?

เรื่องราวของ IBM และวิวัฒนาการของ AI เต็มไปด้วยบทเรียนสำหรับทั้งองค์กรใหญ่และสตาร์ทอัพ ความสำเร็จของ Deep Blue และ Watson แสดงความสามารถทางเทคนิคของ IBM แต่ความล้มเหลวในการทำให้เทคโนโลยีเข้าถึงง่าย ทำให้เสียเปรียบให้กับคู่แข่งอย่าง OpenAI

การเปลี่ยนจากบริษัทฮาร์ดแวร์/ซอฟต์แวร์เป็นบริษัทที่ปรึกษา สะท้อนความจำเป็นในการปรับกลยุทธ์เมื่อเจอการแข่งขันรุนแรง แต่ก็เปิดโอกาสให้ผู้เล่นใหม่ยึดตลาดด้วยนวัตกรรมที่แตกต่าง

ความก้าวหน้าของ LLMs และ Transformers สร้างการเปลี่ยนแปลงครั้งใหญ่ในวงการ AI เปิดทางให้เกิดแอปใหม่ๆ มากมาย เปลี่ยนวิธีที่เราโต้ตอบกับเทคโนโลยี แต่ยังมีคำถามสำคัญเกี่ยวกับอนาคตของ AI และบทบาทของบริษัทยักษ์ใหญ่อย่าง IBM

แนวโน้มปัจจุบันชี้ว่า AI อาจกลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐานเทคโนโลยีทั่วโลก เหมือนคลาวด์คอมพิวติ้ง แต่ความสำเร็จระยะยาวขึ้นอยู่กับการทำให้เทคโนโลยีเข้าถึงง่าย ใช้งานได้จริง และสร้างคุณค่าที่มันจับต้องได้

IBM ยังมีโอกาสนำเสนอนวัตกรรมใหม่ๆ โดยเฉพาะด้านควอนตัมคอมพิวเตอร์ แต่ต้องเรียนรู้จากอดีตและปรับกลยุทธ์ให้ตรงกับความต้องการตลาดปัจจุบัน โดยเฉพาะด้านการเข้าถึงและใช้งานง่าย

สุดท้าย เรื่องราวของ IBM และวิวัฒนาการของ AI เตือนใจว่าความเป็นผู้นำเทคโนโลยีไม่รับประกันความสำเร็จระยะยาว การปรับตัว นวัตกรรม และความสามารถทำเทคโนโลยีซับซ้อนให้เข้าถึงง่ายต่างหากที่เป็นกุญแจสำคัญสู่ชัยชนะในอนาคต