ปัญญาประดิษฐ์ เป็นที่ยอมรับว่าเป็นตัวเอกที่ไม่มีข้อโต้แย้งในตลาดการเงินและเทคโนโลยีในช่วงไม่กี่ปีที่ผ่านมา อย่างไรก็ตาม ในขณะที่ความตื่นเต้นเกี่ยวกับศักยภาพของมันเพิ่มขึ้น ก็มีสัญญาณที่เชิญชวนให้ระมัดระวัง การเปรียบเทียบกับฟองสบู่ดอทคอมในช่วงต้นสหัสวรรษเป็นเรื่องที่พบได้บ่อยขึ้นในหมู่นักวิเคราะห์และนักลงทุน ซึ่งสังเกตด้วยความกังวลเกี่ยวกับการกระจุกตัวของมูลค่าในกลุ่มที่เรียกว่า Magnificent Seven: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia และ Tesla.
ยักษ์ใหญ่เหล่านี้ในปัจจุบันคิดเป็นมากกว่าหนึ่งในสามของดัชนี S&P 500 ซึ่งเป็นสัดส่วนที่สูงกว่ามากเมื่อเทียบกับ 15% ที่ถือโดยหุ้นเทคโนโลยีหลักในช่วงจุดสูงสุดของฟองสบู่อินเทอร์เน็ตในปี 2000 การกระจุกตัวเช่นนี้ย่อมเพิ่มความเสี่ยงเชิงระบบอย่างหลีกเลี่ยงไม่ได้
ไม่ใช่แค่เรื่องของการเพิ่มทุนเท่านั้น ในยุคของฟองสบู่ dot-com การเร่งรีบในการลงทุนในโครงสร้างพื้นฐานด้านโทรคมนาคมนำไปสู่การขยายตัวที่มากเกินไปของเครือข่ายไฟเบอร์ออปติก ซึ่งสิ้นสุดลงด้วยความล้มเหลวอย่างมหันต์เมื่อความต้องการที่สัญญาไว้ไม่เกิดขึ้นในระยะสั้น
วันนี้ ประวัติศาสตร์ดูเหมือนจะซ้ำรอย: บริษัท AI ชั้นนำกำลังลงทุนหลายร้อยพันล้านดอลลาร์ในการสร้างศูนย์ข้อมูลใหม่ โดยมีค่าใช้จ่ายรวมที่ใกล้เคียงกับล้านล้านดอลลาร์ ซึ่งเป็นตัวเลขที่ครั้งหนึ่งเคยเกี่ยวข้องกับ GDP ของประเทศใหญ่ๆ คำถามที่ทุกคนถามคือการเร่งลงทุนนี้มีเหตุผลหรือไม่ หรือว่าเราอยู่บนขอบของวิกฤติใหม่
สารบัญ
ความต้องการของปัญญาประดิษฐ์ (AI): เกินกว่าการเติบโตของผู้บริโภค
ความสนใจของสื่อมักมุ่งเน้นไปที่การยอมรับในวงกว้างของเครื่องมือเช่น ChatGPT ซึ่งในเดือนกรกฎาคมเพียงเดือนเดียว มีผู้เข้าชมเกินห้าพันล้านครั้ง อย่างไรก็ตาม ผลกระทบทางเศรษฐกิจที่แท้จริงของ AI จะถูกวัดจากการยอมรับทั้งจากผู้บริโภคและธุรกิจ
ตาม ข้อมูลที่เผยแพร่ โดย National Bureau of Economic Research, ประมาณ 40% ของประชากรสหรัฐฯ ได้ใช้ระบบ generative AI ภายในสิ้นปี 2024 และ 23% ได้ใช้มันอย่างน้อยหนึ่งครั้งเพื่อการทำงานในสัปดาห์ก่อนการสำรวจ การนำ AI มาใช้ในโลกของการทำงานกำลังเกิดขึ้นในอัตราที่รวดเร็วกว่าที่เคยบันทึกไว้สำหรับคอมพิวเตอร์ส่วนบุคคลหรืออินเทอร์เน็ตในช่วงเริ่มต้นของพวกเขา ซึ่งเป็นสัญญาณว่าเรากำลังเผชิญกับเทคโนโลยีการใช้งานทั่วไปที่มีแนวโน้มจะเปลี่ยนแปลงเศรษฐกิจอย่างลึกซึ้ง
ถึงกระนั้น เส้นทางสู่การกลับมาทางเศรษฐกิจที่จับต้องได้ก็ไม่ใช่เรื่องง่ายเลย การวิจัย ที่ดำเนินการโดย MIT เกี่ยวกับโครงการ AI สาธารณะกว่า 300 โครงการ บริษัทมากกว่า 50 แห่ง และผู้บริหารหลายร้อยคน ได้เปิดเผยว่า 95% ของธุรกิจยังไม่ได้รับผลตอบแทนจากการลงทุนใน AI มีเพียง 5% ของบริษัทที่วิเคราะห์แล้วที่ประสบความสำเร็จ ซึ่งเกิดจากสามปัจจัยหลัก: การเลือกซื้อโซลูชันที่พร้อมใช้งานแทนการพัฒนาภายใน การผสานรวม AI เข้ากับหน่วยธุรกิจโดยตรงแทนที่จะอยู่ในห้องปฏิบัติการกลาง และการเลือกเครื่องมือที่เข้ากันได้กับกระบวนการทำงานที่มีอยู่
แม้จะมีความยากลำบากในการเปลี่ยน AI ให้เป็นมูลค่าที่จับต้องได้ แต่ 90% ของบริษัทกำลังพิจารณาอย่างจริงจังในการซื้อโซลูชัน AI ซึ่งยืนยันถึงความสนใจที่แพร่หลายซึ่งตามมาด้วยวงจร hype แบบคลาสสิกของเทคโนโลยีนวัตกรรม
ตัวอย่างที่เป็นสัญลักษณ์คือ Bank of America ธนาคารที่ใหญ่เป็นอันดับสองของสหรัฐอเมริกา ซึ่งได้จัดสรรเงินสี่พันล้านดอลลาร์ให้กับเทคโนโลยีใหม่ๆ เช่น AI สถาบันได้พัฒนาเครื่องมือที่ช่วยให้ banker เตรียมตัวสำหรับการพบปะกับลูกค้า โดยดึงข้อมูลจากระบบต่างๆ และลดเวลาการเตรียมตัวลงอย่างมาก
ข้อจำกัดและมุมมองของโมเดล AI ปัจจุบัน
การขยายตัวของการใช้ AI กระตุ้นการถกเถียงเกี่ยวกับศักยภาพที่แท้จริงและความยั่งยืนของรูปแบบการพัฒนาในปัจจุบัน จนถึงตอนนี้ ความก้าวหน้าได้รับการขับเคลื่อนโดย large language models ซึ่งพัฒนาขึ้นเมื่อพลังการคำนวณและปริมาณข้อมูลที่มีอยู่เพิ่มขึ้น อย่างไรก็ตาม บางเสียงที่มีอิทธิพลในภาคส่วนนี้เรียกร้องให้มีความระมัดระวัง
Richard Sutton, ผู้บุกเบิก AI, ได้สังเกตเห็นตั้งแต่ปี 2019 ว่าวิธีการทั่วไปที่ใช้พลังการคำนวณนั้นมีประสิทธิภาพเหนือกว่าวิธีที่อิงจากความคิดสร้างสรรค์ของมนุษย์และยูริสติกที่ซับซ้อน โดยเขาได้กำหนดความจริงนี้ว่า “The Bitter Lesson”. เมื่อเร็ว ๆ นี้ Sutton ได้วิจารณ์การเน้นย้ำที่มากเกินไปในการเพิ่มขนาด โดยเสนอแนะถึงความจำเป็นในการเปลี่ยนแปลงแนวคิดไปสู่ตัวแทนที่สามารถเรียนรู้ได้อย่างต่อเนื่อง.
แม้แต่ Gary Marcus นักวิจารณ์ที่มีชื่อเสียงเกี่ยวกับความตื่นเต้นเกินเหตุของ AI ก็ได้แสดงความกังวลเกี่ยวกับเวอร์ชันล่าสุดของ ChatGPT โดยเขาเชื่อว่ารูปแบบการพัฒนาที่อิงเฉพาะกับขนาดไม่ใช่แนวทางที่ถูกต้อง ตามที่ Marcus กล่าว จำเป็นต้องมีวิธีการทางเลือก ซึ่งอาจต้องการการลงทุนที่มากขึ้นในด้านการวิจัยและพัฒนา
Bolla AI: tra eccesso di ottimismo e rischio di correzione
การอภิปรายเกี่ยวกับฟองสบู่ AI ที่เป็นไปได้กำลังร้อนแรงขึ้นเรื่อยๆ โดยเฉพาะเมื่อบุคคลอย่าง Sam Altman, หนึ่งในผู้สร้าง boom ในปัจจุบัน เตือนถึงความเสี่ยงของตลาดที่ร้อนแรงเกินไป Altman และนักลงทุนคนอื่นๆ ชี้ให้เห็นถึงการประเมินมูลค่าที่สูงลิ่ว ทุนที่ไล่ตามโมเดลธุรกิจที่ยังไม่ได้รับการทดสอบ และอันตรายจากการสร้างโครงสร้างพื้นฐานในอัตราที่สูงกว่าความต้องการจริง ความกลัวไม่ได้เกี่ยวกับศักยภาพระยะยาวของ AI มากนัก แต่เป็นความคาดหวังที่พองตัวซึ่งอาจเตรียมพื้นที่สำหรับการปรับฐานอย่างรวดเร็ว
ความเสี่ยงที่แท้จริง, ตามที่ผู้สังเกตการณ์หลายคนกล่าว, คือการตกอยู่ในมุมมองแบบทวิภาค, แกว่งไปมาระหว่างความตื่นเต้นที่ไม่มีเหตุผลและความกลัวของ bull ที่ใกล้เข้ามา, โดยไม่สามารถจับความละเอียดอ่อนของปรากฏการณ์ที่ซับซ้อนได้ ศักยภาพในระยะยาวของ AI ยังคงมหาศาล, แต่ตลาดไม่ค่อยจะตามเส้นทางที่เป็นเส้นตรง การปรับฐานอาจทำให้การเติบโตช้าลงชั่วคราว, แต่ในขณะเดียวกันก็เสริมสร้างวินัยในการลงทุนและผลักดันไปสู่ความสนใจที่มากขึ้นในคุณภาพของโมเดลและมูลค่าทางเศรษฐกิจที่แท้จริง
สู่อนาคต: วินัย, การวิจัย และคุณค่าที่แท้จริง
อนาคตของปัญญาประดิษฐ์จะขึ้นอยู่กับความสามารถในการก้าวข้ามช่วง hype ในปัจจุบัน โดยมุ่งเน้นที่การวิจัยขั้นสูง การปรับปรุงคุณภาพของโมเดล และการลงทุนที่มุ่งเน้นไปที่การสร้างมูลค่าที่สามารถวัดได้สำหรับธุรกิจและผู้บริโภค เพียงเท่านี้ก็จะสามารถหลีกเลี่ยงข้อผิดพลาดในอดีตและใช้ประโยชน์จากโอกาสที่เทคโนโลยีซึ่งมีแนวโน้มที่จะกำหนดวิถีชีวิตและการทำงานของเราใหม่ได้อย่างเต็มที่




