Geek Talk EP73 : เวียดนามจะกลายเป็นญี่ปุ่นแห่งอาเซียน จากสงครามสู่การเป็นปาฏิหาริย์ทางเศรษฐกิจแห่งเอเชีย

เวียดนามกำลังขึ้นมาสร้างชื่อเสียงในฐานะประเทศที่พร้อมก้าวเป็นปาฏิหาริย์ทางเศรษฐกิจแห่งเอเชียคนถัดไป เมื่อมองย้อนไป 20 ปีที่ผ่านมา การเติบโตของเศรษฐกิจเวียดนามสร้างความประทับใจเป็นอย่างมาก ในปี 2000 ผลิตภัณฑ์มวลรวมในประเทศของเวียดนามอยู่ที่เพียง 39 พันล้านดอลลาร์สหรัฐ แต่ภายในปี 2024 ตัวเลขนี้พุ่งสูงถึงกว่า 476 พันล้านดอลลาร์ การเติบโตอย่างก้าวกระโดดเช่นนี้เกิดขึ้นไม่บ่อยนักในประวัติศาสตร์เศรษฐกิจโลก และเป็นสัญญาณว่าอนาคตของเวียดนามอาจสดใสยิ่งกว่าที่ใครคาดคิด

หลายคนเปรียบเทียบเส้นทางการพัฒนาของเวียดนามกับญี่ปุ่น แม้ว่าปัจจุบันเศรษฐกิจญี่ปุ่นจะมีขนาดใหญ่โตกว่ามาก ด้วยมูลค่ากว่า 4 ล้านล้านดอลลาร์ และเป็นหนึ่งในประเทศที่พัฒนาแล้วอย่างเต็มที่ แต่อย่าลืมว่าหลังสงครามโลกครั้งที่สอง ญี่ปุ่นก็เคยเผชิญกับความเสียหายทางเศรษฐกิจอย่างหนัก เมืองหลายแห่งถูกทำลาย ประชาชนขาดแคลนอาหาร ระบบเศรษฐกิจพังทลาย

เลือกฟังกันได้เลยนะครับ อย่าลืมกด Follow ติดตาม PodCast ช่อง Geek Forever’s Podcast ของผมกันด้วยนะครับ

🎧 ฟังผ่าน Spotify : 
https://tinyurl.com/bdry572x

🎧 ฟังผ่าน Apple Podcast :
https://tinyurl.com/3pcdmwua

🎧 ฟังผ่าน Podbean : 
https://tinyurl.com/yseffrkp

🎧 ฟังผ่าน Youtube 
https://youtu.be/MZhX0ng-4XE

ย้อนรอยวิกฤตดอทคอม เมื่อหุ้นเทคฯ ร่วง 90% บทเรียนสำคัญสำหรับนักลงทุนยุค AI Boom

ช่วงปลายยุค 90 โลกกำลังเปลี่ยนแปลงอย่างรวดเร็ว อินเทอร์เน็ตเทคโนโลยีใหม่กำลังเข้ามาปฏิวัติทุกอย่าง จากผู้ใช้เพียง 2.6 ล้านคนในปี 1990 พุ่งทะยานเป็น 45 ล้านคนในอีกเพียง 5 ปี

ผู้ใช้งานเพิ่มขึ้นเป็นสองเท่าทุกปี เร็วยิ่งกว่าการเติบโตของวิทยุหรือทีวีในยุคแรกๆ ของสื่อเหล่านั้นมากมาย ผู้คนเริ่มปลูกฝังให้เชื่อว่าโลกกำลังเข้าสู่ยุคใหม่

ทุกอย่างเริ่มจาก Netscape เบราว์เซอร์ตัวแรกที่แสดงภาพและข้อความในหน้าเดียวกัน เจ๋งมากในยุคนั้น แจกฟรีให้ผู้ไม่ได้ใช้เชิงธุรกิจ แพร่กระจายผ่านผู้ให้บริการอินเทอร์เน็ตและนิตยสารคอมพิวเตอร์

Frank Quatron นายธนาคารไฟแรงจาก Morgan Stanley นำ Netscape เข้าตลาดหุ้นปี 1995 แม้บริษัทขาดทุนและมีรายได้แค่นิดเดียว แต่เป็นหุ้นที่มีแต่ผู้คนหมายปองกระหายลงทุนสุดๆ

ราคาเสนอขายพุ่งจาก 14 ดอลลาร์เป็น 28 ดอลลาร์ หุ้นเพิ่มจาก 3.5 ล้านเป็น 5 ล้านหุ้น วันแรกราคาพุ่งเป็นสองเท่า ทำให้บริษัทมีมูลค่าพรวดพราดเป็น 3 พันล้านดอลลาร์

นี่คือการปฏิวัติครั้งใหญ่ของตลาดหุ้น Netscape พิสูจน์ว่าบริษัทไม่จำเป็นต้องมีกำไรก็เข้าตลาดได้ เพียงโตเร็วพอ สักวันก็จะทำกำไรมหาศาล

การค้าออนไลน์เป็นธุรกิจที่ร้อนแรงสุดๆ บริษัทดอทคอมมากมายสัญญาจะสร้างวิธีทำธุรกิจแบบใหม่ที่มีประสิทธิภาพกว่า

Priceline.com ตัวอย่างของไอเดียที่โครตเจ๋ง พวกเขาแก้ปัญหาที่นั่งเครื่องบินที่ขายไม่ออกวันละครึ่งล้านที่นั่ง ให้ลูกค้าเสนอราคาที่อยากจ่าย สายการบินขายที่นั่งส่วนเกินได้ คนซื้อได้ตั๋วถูก

Priceline เลียนแบบ Yahoo สร้างแบรนด์ด้วยการตลาดแบบจัดเต็ม ใช้เงิน 20 ล้านดอลลาร์ในการโฆษณาช่วงหกเดือนแรก จ้าง William Shatner ดาราจาก Star Trek มาเป็นพรีเซนเตอร์

เมื่อเข้าตลาดหุ้นปี 1999 มูลค่าบริษัทพุ่งเป็น 10 พันล้านดอลลาร์วันแรก เป็นมูลค่าวันแรกสูงที่สุดของบริษัทอินเทอร์เน็ตในเวลานั้น นักลงทุนไม่แคร์ว่าบริษัทขาดทุนสะสม 143 ล้านดอลลาร์

พวกเขายังไม่รู้ความลับว่า Priceline ต้องซื้อตั๋วจากสายการบินในราคาที่สูงกว่าราคาประมูลของลูกค้า ขาดทุนเฉลี่ย 30 ดอลลาร์ต่อตั๋วทุกใบที่ขาย

TheGlobe.com อีกบริษัทฮอตฮิต เป็นเครือข่ายชุมชนออนไลน์ให้คนสร้างโปรไฟล์ พูดคุยกับคนสนใจเรื่องเดียวกัน แชร์เนื้อหา เหมือน Facebook ยุค 90

IPO ปี 1998 สร้างประวัติศาสตร์ ราคาหุ้นวันแรกพุ่ง 606% บางช่วงสูงถึง 1,000% CEO และผู้ก่อตั้ง Stephen Paternot ถูกจับภาพเต้นบนโต๊ะในไนต์คลับแมนฮัตตัน สวมกางเกงไวนิล

เขาตะโกนใส่กล้องว่า “ผมได้สาว ได้เงิน ตอนนี้พร้อมใช้ชีวิตอย่างฟุ่มเฟือยและไร้สาระ” กลายเป็น “CEO ในกางเกงหนัง” ก่อนหุ้นจะดิ่งลงเหวจาก 97 ดอลลาร์เหลือไม่ถึง 10 เซนต์

ยุคดอทคอมสร้างเรื่องราวของการเป็นผู้ประกอบการในฝัน ปี 1999 ชาวอเมริกัน 1 ใน 12 คนบอกว่ากำลังก่อตั้งธุรกิจใหม่

หุ้นอินเทอร์เน็ต 199 บริษัทที่ Mary Meeker นักวิเคราะห์ดังจาก Morgan Stanley ติดตาม มีมูลค่ารวม 450 พันล้านดอลลาร์ แต่ยอดขายรวมแค่ 21 พันล้านดอลลาร์ และขาดทุนรวม 6.2 พันล้านดอลลาร์

นายธนาคารดังคนหนึ่งให้สัมภาษณ์ CNBC ว่า “คนมาบอกผมว่าสิ่งสุดท้ายที่พวกเขาต้องการคือกำไร เพราะถ้ามีกำไรจะไม่ได้การประเมินมูลค่าแบบบริษัทอินเทอร์เน็ต” ทุกคนต่างอึ้งกับความคิดแบบนี้

ก่อนยุคดอทคอม บริษัทส่วนใหญ่เข้าตลาดหลังดำเนินงาน 6-7 ปี แต่ตอนนี้บริษัทร่วมทุนให้เงินก่อน IPO เพียงไม่กี่สัปดาห์ เพียงจ่ายค่าทำหนังสือชี้ชวน

มีเรื่องเล่าว่านายธนาคารติดต่อบริษัทในวันที่เพิ่งย้ายเข้าสำนักงานเพื่อคุยเรื่องเข้าตลาด ผู้ก่อตั้งยังติดตั้งโต๊ะและต่อปลั๊กคอมพิวเตอร์อยู่เลย

ปี 1999 มี IPO 457 ราย ส่วนใหญ่เป็นหุ้นดอทคอม 117 รายราคาเพิ่มเป็นสองเท่าวันแรก บริษัทมากมายไม่มีรายได้ ไม่มีลูกค้า บางทีไม่มีแม้แต่แผนธุรกิจที่เป็นเรื่องเป็นราวเสียด้วยซ้ำ

Pets.com ตัวอย่างของความมั่วซั่ว ขายอาหารสัตว์เลี้ยงออนไลน์ที่คนซื้อง่ายๆ ตามซูเปอร์มาร์เก็ต กำไรต่ำมาก การขายออนไลน์ให้รอหลายวันซึ่งมันไม่ make sense เลย

แต่พวกเขามีมาสคอตเป็นหุ่นถุงเท้าสุดฮิต ปรากฏทั่วทีวี มีบอลลูนยักษ์ในขบวนพาเหรดวันขอบคุณพระเจ้า แต่ไม่นาน หุ่นนี้กลายเป็นสัญลักษณ์ของความล้มเหลวทั้งหมด

ในเดือนมิถุนายน 1999 ธนาคารกลางสหรัฐฯ (Federal Reserve) ขึ้นดอกเบี้ยครั้งแรกจากสามครั้งในปีนั้นเพื่อลดความร้อนแรงของตลาด แต่ทุกครั้งหุ้นกลับพุ่งมากขึ้น

นักลงทุนเชื่อว่าดอกเบี้ยที่สูงขึ้นไม่มีผลกับบริษัทเหล่านี้เพราะไม่มีหนี้ และไม่มีอะไรหยุดการเติบโตได้ มันช่างเป็นการมโนที่น่าทึ่งจริงๆ ของคนนักลงทุนในยุคนั้น

ยุคดอทคอมเปลี่ยนวงการวิเคราะห์หุ้นอย่างสิ้นเชิง นักวิเคราะห์ขึ้นมามีบทบาทเหมือนนายธนาคาร ช่วยบริษัทเข้าตลาดและทำการตลาดหุ้น

Mary Meeker นักวิเคราะห์อินเทอร์เน็ตชั้นนำของ Morgan Stanley มีอิทธิพลมากถึงขนาดที่ Priceline เลือกบริษัทเธอเพราะเธอทำงานที่นั่น หลังหุ้นเริ่มซื้อขายเธอแนะนำให้ซื้อ และยังคงคำแนะนำนี้จนถึงมีนาคม 2002 แม้ราคาหุ้นจะลดฮวบไป 97%

Henry Blodget นักวิเคราะห์อีกคนที่โด่งดัง ทำนายว่าหุ้น Amazon จะเพิ่มจาก 240 เป็น 400 ดอลลาร์ ทำให้หุ้นพุ่ง 46 ดอลลาร์เป็น 289 ดอลลาร์ในวันเดียว ราคาทะลุเป้าในไม่กี่สัปดาห์

จุดเปลี่ยนมาถึงเดือนกุมภาพันธ์ 2000 เมื่อ Ravi Suria นักวิเคราะห์จาก Lehman Brothers วิเคราะห์ Amazon อย่างถี่ถ้วน ชี้ปัญหาสถานะเครดิต ทำหุ้นร่วง 20% วันเดียว

Jeff Bezos เรียกรายงานนี้ว่า “เรื่องไร้สาระล้วนๆ” แต่ปีถัดมา Amazon มูลค่าลดลง 90% เมื่อนักวิเคราะห์อื่นๆ เริ่มกังวลเรื่องเงินสด

10 มีนาคม 2000 ราคาหุ้นดอทคอมถึงจุดพีค แล้วเริ่มดิ่งลง ไม่มีปัจจัยใดที่เป็นปัจจัยเดียวทำให้ฟองสบู่แตก แต่เป็นหลายอย่างรวมกัน ทั้งดอกเบี้ยขึ้น นักวิเคราะห์เปลี่ยนท่าที และคนเริ่มเห็นว่าบริษัทเหล่านี้ไม่มีทางทำกำไรได้จริง

ภายในเมษายน 2000 Nasdaq สูญเสียมากกว่าหนึ่งในสามของมูลค่า บริษัทฮอตทั้งหลายต่างมูลค่าหุ้นลดสะบั้นหั่นแหลก 80% หรือมากกว่า ความมั่งคั่งหลายล้านล้านดอลลาร์มลายหายไปหมดสิ้น

แต่ไม่ใช่ทุกบริษัทจะล่มสลาย Amazon, eBay, Craigslist, E-Trade ยังอยู่รอด พวกเขามีผู้นำฉลาด มีโมเดลธุรกิจที่ใช้ได้จริง และไม่ได้ใช้จ่ายเละเทะเหมือนบริษัทที่ล้ม

ปัจจุบัน บริษัทเทคโนโลยีคิดเป็น 40% ของ S&P 500 เทียบกับ 37% ในปี 1999 Apple เป็นบริษัทแรกที่มีมูลค่าสองล้านล้านดอลลาร์ คิดเป็น 7% ของดัชนี

แม้หุ้นเทคอาจดูแพง แต่ต่างจากเมื่อ 20 ปีก่อนมาก บริษัทเทคปัจจุบันเข้ามาแทนที่ธุรกิจดั้งเดิม แม้แต่ Warren Buffett ที่เคยไม่แตะหุ้นเทค ก็ลงทุนใน Apple

ตอนฟองสบู่แตกปี 2000 มีผู้ใช้อินเทอร์เน็ตทั่วโลกแค่ 400 ล้านคน ปัจจุบันมี 4.7 พันล้านคน คิดเป็น 59% ของประชากรโลก ฐานผู้ใช้ใหญ่กว่ามากสำหรับบริษัทดิจิทัล

ฟองสบู่ดอทคอมทิ้งมรดกสำคัญคือโครงสร้างพื้นฐานดิจิทัล บริษัทโทรคมนาคมระดมทุนได้เกือบ 2 ล้านล้านดอลลาร์ ในสหรัฐฯ มีการติดตั้งสายใยแก้วนำแสง 80 ล้านไมล์

การลงทุนมหาศาลนี้รังสรรค์รากฐานสำหรับอินเทอร์เน็ตในทศวรรษต่อมา ต้นทุนแบนด์วิดท์ลดลง 90% นับตั้งแต่ปี 2004 ทำให้บริการอย่าง YouTube และ Netflix เติบโตได้

ฟองสบู่ดอทคอมไม่ได้เลวร้ายทั้งหมด แม้สร้างความปั่นป่วนและสูญเสียความมั่งคั่ง แต่มันเร่งการพัฒนาโครงสร้างพื้นฐานที่ควรใช้เวลา 20-50 ปี ให้เกิดขึ้นในเพียง 5 ปี

โควิด-19 ยิ่งพิสูจน์ความสำคัญของมรดกนี้ หากไม่มีโครงสร้างพื้นฐานดิจิทัลที่แข็งแกร่ง ผลกระทบจากการระบาดคงโหดเหี้ยมกว่านี้มาก

ฟองสบู่ดอทคอมจึงเป็น “การทำลายล้างอย่างสร้างสรรค์” ที่แม้เจ็บปวดรวดร้าวในระยะสั้น แต่วางรากฐานการเติบโตระยะยาว บทเรียนคือต้องสร้างธุรกิจบนพื้นฐานที่ยั่งยืน ไม่ใช่แค่กระแสชั่วครู่

ก่อนจะมาเป็น ChatGPT 70 ปีแห่งการปฏิวัติ จากห้องประชุมที่ดาร์ทมัธสู่ AI ในมือคุณ

ผมว่าหลายเคยน่าจะสงสัยกันว่า AI มันมีที่มาที่ไปยังไง? ทำไมตอนนี้มันถึงกลายเป็นเรื่องฮอตฮิตกันขนาดนี้? มาดูกันว่าเจ้า AI ที่เราใช้กันทุกวันนี้ มันมีประวัติความเป็นมาที่เจ๋งแค่ไหน

ย้อนกลับไปเมื่อฤดูร้อนปี 1956 มีการรวมตัวกันของเหล่านักวิชาการระดับเทพที่ Dartmouth College ในรัฐ New Hampshire สหรัฐอเมริกา นำโดยนักวิจัยหนุ่มชื่อ John McCarthy

พวกเขาต้องการการสร้างเครื่องจักรที่สามารถคิดเหมือนคน ใช้ภาษา และแก้ปัญหาได้ McCarthy เป็นคนตั้งชื่อ “ปัญญาประดิษฐ์” หรือ Artificial Intelligence ขึ้นเป็นครั้งแรกในการประชุมนี้เอง

จุดนี้แหละที่เรียกได้ว่าเป็นจุดพีคของการศึกษา AI อย่างจริงจัง แม้ว่าก่อนหน้านี้จะมีการถกเถียงเรื่องเครื่องจักรที่คิดได้มาบ้างแล้ว จากอัจฉริยะอย่าง Alan Turing กับ John von Neumann

McCarthy ตั้งชื่อแบบกว้างๆ เพื่อให้ครอบคลุมแนวคิดหลายรูปแบบ ไม่ว่าจะเป็นระบบที่ใช้ตรรกะแบบคณิตศาสตร์ หรือระบบที่ใช้ความน่าจะเป็นที่สามารถปรับเปลี่ยนได้ตลอดเวลา

ในทศวรรษต่อมา นักวิจัยทั้งหลายต่างถกเถียงกันอย่างหนักว่า AI ควรพัฒนาไปทางไหน จนกระทั่งทศวรรษ 1980 ทุกคนเห็นตรงกันว่า “ระบบผู้เชี่ยวชาญ (Expert System)” คือคำตอบ

ระบบผู้เชี่ยวชาญคือการเลียนแบบกระบวนการและความเป็นเหตุเป็นผลของผู้เชี่ยวชาญในการแก้ไขปัญหาที่ซับซ้อน รัฐบาลญี่ปุ่นถึงกับทุ่มเงินอัดฉีดสนับสนุนแนวคิดนี้อย่างเต็มที่

แต่แล้วความฝันก็พังไม่เป็นท่า เมื่อระบบเหล่านี้ไม่สามารถจัดการกับความวุ่นวายของโลกจริงได้ AI กลายเป็นคำที่ใครได้ยินก็ยี้ เพราะมันถูกโม้ไว้มากแต่ทำจริงได้น้อย

นักวิจัยเริ่มเลิกใช้คำว่า AI กัน เริ่มรู้สึกอายเวลามีคนถามว่าทำอะไรอยู่แล้วต้องตอบว่า “วิจัย AI” แต่ยังมีนักสู้บางคนที่ฝ่าฝันต่อสู้ต่อไป

พวกเขาหันมาสนใจการจำลองการทำงานของสมองมนุษย์แทน แนวคิดนี้เริ่มมาตั้งแต่ทศวรรษ 1940 แล้ว เมื่อนักวิทยาศาสตร์ค้นพบหลักการทำงานของเซลล์สมอง

ในสมองคนเรา เซลล์ประสาทเชื่อมต่อกันเป็นเครือข่าย Marvin Minsky หนึ่งในผู้เข้าร่วมประชุมที่ Dartford ลองจำลองเรื่องนี้ในแล็บโดยใช้ฮาร์ดแวร์ แต่ต่อมาก็มีการจำลองด้วยซอฟต์แวร์แทน

เครือข่ายประสาทเทียมพวกนี้ไม่ได้ใช้กฎตายตัวเหมือนโปรแกรมทั่วไป แต่มัน “เรียนรู้” จากตัวอย่างมากมาย คล้ายๆ เด็กที่เรียนรู้จากประสบการณ์นั่นแหละ

ในระหว่างฝึก การเชื่อมต่อระหว่างเซลล์ประสาทจะถูกปรับแต่งซ้ำๆ จนสุดท้ายข้อมูลที่ป้อนเข้าไปจะทำให้ได้ผลลัพธ์ที่ถูกต้อง

Minsky เองดันทิ้งแนวคิดนี้ไป แต่คนอื่นยังคงพัฒนาต่อ ต้นทศวรรษ 1990 เครือข่ายประสาทถูกฝึกให้ทำอะไรง่ายๆ เช่น อ่านตัวเลขลายมือเพื่อคัดแยกจดหมาย

นักวิจัยอยากเพิ่มชั้นของเซลล์ประสาทให้มากขึ้น เพื่อให้ทำงานซับซ้อนได้ แต่มันยิ่งซับซ้อนก็ยิ่งช้า ช้าจนน่าหงุดหงิด แต่ความหวังก็มาในรูปแบบของฮาร์ดแวร์ใหม่

ปี 2009 นักวิจัยจาก Stanford University ทำให้เครือข่ายประสาทเร็วขึ้น 70 เท่า โดยใช้คอมพิวเตอร์เกมในหอพัก! พวกเขาใช้ GPU หรือหน่วยประมวลผลกราฟิกที่มีในคอมเกม แทนที่จะใช้ CPU แบบปกติ

การเพิ่มความเร็วนี้ทำให้ฝึกเครือข่ายขนาดใหญ่ได้ในเวลาที่เข้าท่า เครือข่ายที่มีหลายชั้น หรือที่เรียกว่า “ลึก” นี่แหละที่พิสูจน์แล้วว่าทำงานได้โครตเทพเลย

แนวทางใหม่นี้ถูกเรียกว่า “การเรียนรู้เชิงลึก” หรือ Deep Learning ซึ่งความเจ๋งของมันโชว์ชัดในการแข่งขัน ImageNet Challenge ปี 2012

คือในการแข่งนี้ ระบบจดจำภาพจะได้รับฐานข้อมูลภาพที่มีป้ายกำกับกว่าล้านภาพ แล้วต้องบอกให้ได้ว่าภาพใหม่ๆ ที่ไม่เคยเห็นคือภาพอะไร

ทีมของ Geoff Hinton จาก University of Toronto ใช้การเรียนรู้เชิงลึก ทำความแม่นยำได้ถึง 85% ซึ่งถือว่าเป็นการก้าวกระโดดครั้งสำคัญมาก

ภายในปี 2015 ทุกคนในวงการจดจำภาพหันมาใช้การเรียนรู้เชิงลึกกันหมด และความแม่นยำของผู้ชนะ ImageNet Challenge พุ่งทะยานไปถึง 96% เรียกได้ว่าเทพยิ่งกว่ามนุษย์ซะอีก!

การเรียนรู้เชิงลึกไม่ได้แค่จำภาพได้ แต่ยังรู้จำเสียงพูด (แปลงเสียงเป็นข้อความ) จดจำใบหน้า (บอกว่าหน้านี้เป็นใคร) และแปลภาษาได้ด้วย

อินเทอร์เน็ตก็มีบทบาทสำคัญเช่นเดียวกัน เพราะเป็นแหล่งข้อมูลมหาศาลสำหรับฝึก AI และยิ่งเครือข่ายใหญ่ขึ้น ได้ข้อมูลฝึกมากขึ้น ประสิทธิภาพก็ยิ่งดีขึ้น

การเรียนรู้เชิงลึกรังสรรค์ผลิตภัณฑ์และบริการใหม่ๆ อย่างรวดเร็ว อุปกรณ์สั่งงานด้วยเสียงอย่าง Alexa ของ Amazon โผล่มา บริการถอดเสียงออนไลน์เริ่มใช้ได้จริง เว็บเบราว์เซอร์แปลภาษาได้อัตโนมัติ

AI กลายเป็นคำที่คูลขึ้นมาทันที ไม่ใช่เรื่องที่น่าอายอีกต่อไป แม้ว่าจริงๆ แล้ว เทคโนโลยีที่เรียกว่า AI ส่วนใหญ่ก็คือการเรียนรู้เชิงลึกนี่แหละ

ปี 2017 มีการปฏิวัติอีกครั้งด้วย “transformer” วิธีใหม่ในการจัดเรียงการเชื่อมต่อระหว่างเซลล์ประสาท มันช่วยให้เครือข่ายประสาทติดตามรูปแบบในข้อมูลได้ แม้ว่าส่วนประกอบของรูปแบบจะอยู่ห่างกันก็ตาม

Transformer ทำให้เข้าใจบริบทได้ดีขึ้น เหมาะกับเทคนิค “การเรียนรู้แบบกำกับตนเอง” ที่คำบางคำจะถูกลบไป แล้วโมเดลต้องเดาว่าคำที่หายไปน่าจะเป็นอะไร

ข้อดีคือไม่ต้องติดป้ายข้อมูลก่อนฝึก เพราะฉะนั้นก็สามารถเอาข้อความดิบๆ หลายพันล้านคำจากอินเทอร์เน็ตมาใช้ฝึกได้เลย เรียกได้ว่าสะดวกแบบจัดเต็ม!

โมเดลภาษาขนาดใหญ่ (Large Language Models หรือ LLMs) ที่ใช้ transformer เริ่มดังกระฉูดในปี 2019 เมื่อ OpenAI ปล่อย GPT-2 ออกมา (GPT ย่อมาจาก generative pre-trained transformer)

LLMs พวกนี้มีความสามารถที่ “เกิดขึ้นเอง” ซึ่งไม่ได้ถูกฝึกโดยตรง การดูดซึมภาษามหาศาลทำให้มันไม่เพียงเก่งด้านภาษา แต่ยังคำนวณง่ายๆ และเขียนโค้ดได้ด้วย เพราะพวกนี้แฝงอยู่ในข้อมูลฝึก

แต่มันก็มีด้านมืดเช่นเดียวกัน มันอาจซึมซับอคติจากข้อมูลที่ใช้ฝึกด้วย ทำให้อคติในสังคมมนุษย์ปรากฏในผลลัพธ์ของมันได้

พฤศจิกายน 2022 เป็นจุดเปลี่ยนครั้งใหญ่ เมื่อ OpenAI เปิดตัว ChatGPT ซึ่งเป็นแชทบอทที่ใช้ GPT-3.5 ให้คนทั่วไปใช้ ไม่เคยมีผลิตภัณฑ์ไหนเติบโตเร็วขนาดนี้มาก่อน

ภายในไม่กี่สัปดาห์ ChatGPT สามารถเขียนเรียงความระดับมหาวิทยาลัย เขียนโค้ดคอมพิวเตอร์ และอีกมากมาย AI ได้ก้าวกระโดดอีกครั้ง!

ถ้าผลิตภัณฑ์ AI ยุคแรกเน้นการจดจำ ยุคที่สองนี้เน้นการสร้างสรรค์ Stable Diffusion กับ DALL-E ที่ออกมาช่วงเดียวกัน ใช้เทคนิค diffusion แปลงข้อความเป็นภาพ โมเดลอื่นๆ ก็สร้างวิดีโอ เสียงพูด หรือดนตรีได้สมจริงจนอ้าปากค้าง

ChatGPT และคู่แข่งอย่าง Gemini (จาก Google) กับ Claude (จาก Anthropic ซึ่งก่อตั้งโดยอดีตพนักงาน OpenAI) ตอบสนองด้วยสิ่งใหม่ๆ ที่ทำให้รู้สึกต่างจากซอฟต์แวร์ที่แค่จดจำหรือแปล

พวกมันดูเหมือนจะ “ใช้ภาษา” และ “สร้างนามธรรม” ได้จริงๆ ตามสิ่งที่ McCarthy ฝันไว้เมื่อเกือบ 70 ปีก่อน

แต่ความก้าวหน้าแบบฉุดไม่อยู่ของ AI ก็นำมาซึ่งคำถามและข้อกังวลมากมาย โดยเฉพาะเรื่องจริยธรรมและผลกระทบต่อสังคม

AI อาจได้รับและผลิตซ้ำอคติจากสังคมมนุษย์ อีกทั้งยังมีความเสี่ยงเรื่องข่าวปลอมและความเป็นส่วนตัวที่ต้องระวัง

แต่ในขณะเดียวกัน AI ก็เปิดโอกาสมากมายในการพัฒนาคุณภาพชีวิตของมนุษย์ ทั้งการแพทย์ การศึกษา และอื่นๆ อีกมากที่เรายังนึกไม่ถึง

ตอนนี้เราอยู่ในจุดเปลี่ยนสำคัญของประวัติศาสตร์ AI ความฝันของผู้บุกเบิกกำลังเป็นจริง พร้อมๆ กับความท้าทายใหม่ๆ ที่เราต้องเผชิญร่วมกัน

คำถามสำคัญคือ เราจะใช้ประโยชน์จาก AI อย่างชาญฉลาดและรับผิดชอบได้อย่างไร เพื่อให้มันเป็นเครื่องมือที่ช่วยขีดเขียนชะตาชีวิตมนุษยชาติไปในทางที่ดีขึ้น

ในอนาคตอันใกล้ เราอาจได้เห็น AI ที่เทพยิ่งกว่านี้อีก แต่เราต้องไม่ลืมว่ามันเป็นเพียงเครื่องมือที่มนุษย์สร้างขึ้น การใช้งานอย่างมีจริยธรรมจึงเป็นสิ่งสำคัญ

ท้ายที่สุด การพัฒนา AI ไม่ใช่แค่เรื่องเทคโนโลยี แต่เป็นเรื่องของมนุษยชาติทั้งหมด เราทุกคนมีส่วนร่วมในการกำหนดอนาคตของ AI และโลกที่เราจะอยู่ร่วมกับมัน

ความเข้าใจ การมีส่วนร่วม และความรับผิดชอบของเราทุกคนจะเป็นกุญแจสำคัญในการสร้างอนาคตที่ AI และมนุษย์อยู่ร่วมกันได้อย่างสร้างสรรค์และยั่งยืน

นี่แหละคือเส้นทางอันน่าทึ่งของ AI จากความฝันในห้องประชุมเล็กๆ สู่เทคโนโลยีที่กำลังเปลี่ยนแปลงโลกของเราทุกวันนี้ และเชื่อเถอะว่า เรายังได้เห็นอะไรเจ๋งๆ อีกเยอะในอนาคตอันใกล้นี้อย่างแน่นอน!