เจาะลึก 45 neolabs: เมื่องานวิจัย AI กลายเป็นการเดิมพันพันล้าน

OpenAI กำลังก้าวเข้าสู่ยุค AGI ขณะที่ Jensen Huang ซีอีโอของ Nvidia ประกาศว่า AGI มาถึงแล้ว ในเวลาเดียวกัน ผู้ร่วมสร้างโมเดลยุคปัจจุบันต่างพากันลาออกจากบริษัทพญาอินทรีอย่าง OpenAI, Google DeepMind และ Meta เพื่อตั้งแล็บวิจัยอิสระของตนเอง พร้อมระดมทุนหลักพันล้านดอลลาร์ทั้งที่ยังไม่มีผลิตภัณฑ์ออกมาให้เห็น

สิ่งที่เกิดขึ้นสะท้อนว่าผู้เชี่ยวชาญเหล่านี้กำลังเดิมพันว่า "สูตรสำเร็จ" ในปัจจุบันเพียงอย่างเดียวอาจไม่เพียงพอที่จะพาไปถึงจุดหมาย เราได้จัดกลุ่ม 45 neolabs ตามแนวทางการวิจัยที่แตกต่างกัน แผนผังข้อจำกัดของ AI ที่พวกเขาพยายามก้าวข้าม และอธิบายว่าทำไม Nvidia ถึงกลายเป็นผู้ชนะในทุกสถานการณ์

ทีมบรรณาธิการของ THE DECODER จะเจาะลึกหัวข้อ AI ในซีรีส์ "Frontier Radar" เป็นประจำ 6 ครั้งต่อปี โดยฉบับที่ 5 นี้จะเจาะลึกแล็บ AI 27 แห่ง แบ่งตามทิศทางการวิจัย 6 ด้าน พร้อมสรุปข้อมูลแล็บทั่วโลก รวมถึงมูลค่าบริษัทและสิ่งที่มีให้ใช้งานสาธารณะ

เมื่อผู้นำวงการเห็นต่างเรื่องทิศทาง AGI

หลังการเปิดตัว GPT-6 Astra ทาง Jensen Huang ซีอีโอของ Nvidia ได้ประกาศว่า "AGI มาถึงแล้ว" ขณะที่ Greg Brockman ประธาน OpenAI เรียกโมเดลนี้ว่าเป็นจุดเปลี่ยนสำคัญและ ต้อนรับมนุษยชาติเข้าสู่ "ยุค AGI" แม้จะยังไม่มีนิยามที่ชัดเจนร่วมกัน แต่ใจความหลักคือ AI ที่ทรงพลังกำลังจะเกิดขึ้นในเร็วๆ นี้

อย่างไรก็ตาม นักวิจัยระดับหัวกะทิหลายคนกลับมองต่างออกไป Ilya Sutskever อดีตหัวหน้านักวิทยาศาสตร์ของ OpenAI ปัจจุบันกำลังสร้าง Safe Superintelligence ส่วน David Silver ผู้อยู่เบื้องหลัง AlphaGo ก็ได้ลาออกจาก Google DeepMind เพื่อก่อตั้ง Ineffable Intelligence และยังมีชื่อของ Yann LeCun ที่ประกาศเริ่มต้น Discovery Loop หลังร่วมงานกับ Meta มานานถึง 12 ปี

เม็ดเงินจำนวนมหาศาลได้หลั่งไหลตามคนเหล่านี้ไปอย่างรวดเร็ว โดย SSI ของ Sutskever มีมูลค่าพุ่งสูงถึง 5 พันล้านดอลลาร์ ทั้งที่ยังไม่มีโมเดลออกมาแม้แต่ตัวเดียว ขณะที่ Prometheus ของ Jeff Bezos ระดมทุนได้ถึง 1.2 หมื่นล้านดอลลาร์ โดยเน้นไปที่ AI ด้านอุตสาหกรรม

neolab คืออะไร?

คำว่า neolab หมายถึงบริษัท AI ที่ขับเคลื่อนด้วยการวิจัยและก่อตั้งอย่างเป็นอิสระ โดยมุ่งเน้นการเดิมพันทางเทคนิคระยะยาวเพื่อเปลี่ยนวิธีที่ AI เรียนรู้ แก้ปัญหา หรือถูกควบคุม ธุรกิจเหล่านี้มักเกิดจากแนวคิดที่ขัดแย้งกับธุรกิจเดิมขององค์กรขนาดใหญ่ (Innovator's Dilemma) ซึ่งนักลงทุนเชื่อว่าทีมขนาดเล็กอาจค้นพบสิ่งที่ยักษ์ใหญ่มองข้ามไป

ตัวอย่างความสำเร็จในอดีตแสดงให้เห็นว่านวัตกรรมเปลี่ยนโลกมักมาจากจุดที่คาดไม่ถึงเสมอ เช่น Transformer ที่ถูกคิดค้นโดย Google ในปี 2017 แต่กลับเป็น OpenAI ที่ก่อตั้งเป็น องค์กรไม่แสวงหากำไรในปี 2015 ที่นำมันมาสร้างผลกระทบต่อมวลชนได้สำเร็จ

ปัจจุบันการเดิมพันของ neolabs ถูกแบ่งออกเป็น 6 กลุ่มหลักที่น่าจับตามอง:

การเดิมพันที่ 1: ผู้แก้ปัญหาที่ดีไม่จำเป็นต้องเป็นผู้เรียนรู้ที่ดี

โมเดลปัจจุบันเรียนรู้ต่างจากมนุษย์ เพราะต้องใช้ข้อมูลจำนวนมหาศาลและไม่สามารถปรับปรุงตัวเองได้ถาวรระหว่างใช้งาน แล็บกลุ่มนี้จึงพยายามสร้างระบบที่สามารถเรียนรู้ได้ต่อเนื่อง (Continual learning) และใช้ข้อมูลน้อยลง

• Adaption: เดิมพันสวนทางกับ Scaling โดยเน้นการสร้าง AI ที่มีประสิทธิภาพสูงแต่ใช้ Compute น้อยลง
• Core Automation: นำโดย Jerry Tworek อดีตผู้บริหารวิจัย OpenAI ที่มุ่งหาอัลกอริทึมเหนือกว่าการทำ Pre-training แบบเดิม
• Safe Superintelligence (SSI): ของ Ilya Sutskever ที่ตั้งเป้าสร้างระบบที่เรียนรู้ได้ดีเท่ามนุษย์ใน 5-20 ปี

การเดิมพันที่ 2: ภาษาเพียงอย่างเดียวไม่เพียงพอ

กลุ่มนี้สงสัยว่าภาษาคือเส้นทางเดียวสู่ปัญญาประดิษฐ์จริงหรือไม่ พวกเขาต้องการระบบที่เข้าใจโลกกายภาพ ความสัมพันธ์เชิงพื้นที่ และฟิสิกส์

• AMI: โครงการของ Yann LeCun ที่ใช้สถาปัตยกรรม JEPA เพื่อทำนายเหตุการณ์โดยไม่หลงไปกับรายละเอียดระดับพิกเซล
• Physical Intelligence: มุ่งสร้างโมเดลพื้นฐานสำหรับหุ่นยนต์ที่ใช้งานได้หลากหลาย (General-purpose robot model)
• World Labs: ก่อตั้งโดย Fei-Fei Li เพื่อพัฒนา Spatial Intelligence ซึ่งล่าสุด AMD ประกาศแผนเข้าซื้อกิจการเพื่อสู้กับ Nvidia

การเดิมพันที่ 3: ข้อมูลที่มีค่าที่สุดไม่ได้อยู่บนอินเทอร์เน็ต

เมื่อข้อมูลบนโลกออนไลน์เริ่มหมดลง การเข้าถึงข้อมูลเฉพาะทางจึงกลายเป็นกุญแจสำคัญ

• Basecamp Research: ขุดเจาะรหัสพันธุกรรมจากธรรมชาติที่ไม่เคยถูกบันทึกมาก่อน
• Periodic Labs: ใช้หุ่นยนต์รันแล็บวิทยาศาสตร์ตลอด 24 ชั่วโมงเพื่อสร้างข้อมูลการทดลองที่หาไม่ได้ในตำรา
• Prometheus: เดิมพันของ Jeff Bezos ที่ต้องการสร้าง "วิศวกรทั่วไปเทียม" โดยใช้ข้อมูลจากไฟล์งานวิศวกรรมเฉพาะทาง

การเดิมพันที่ 4: Compute คือคอขวด

สถาปัตยกรรม Transformer ชนะเพราะเข้ากับฮาร์ดแวร์ GPU แต่กลุ่มนี้พยายามปรับปรุงประสิทธิภาพการประมวลผลให้ดียิ่งขึ้น

• Liquid AI: สร้างโมเดลที่แทบไม่ต้องใช้ Attention แบบเดิม ทำให้รันบนอุปกรณ์ขนาดเล็กอย่างรถยนต์ Mercedes ได้อย่างมีประสิทธิภาพ
• Inception: พัฒนาโมเดล Mercury ที่สร้างคำตอบแบบขนาน ไม่ต้องรอทีละ Token ช่วยลดต้นทุนและเวลา

การเดิมพันที่ 5: การวิจัยนั่นแหละคือผลิตภัณฑ์

มุ่งเน้นการทำให้งานวิจัย AI กลายเป็นระบบอัตโนมัติ (AI Scientist)

• Axiom Math: ใช้ AI พิสูจน์ทฤษฎีทางคณิตศาสตร์ที่ซับซ้อน ซึ่งได้พิสูจน์ "Enormous Theorem" ความยาวนับหมื่นหน้าสำเร็จในเวลาไม่ถึงเดือน
• Discovery Loop: รวมตัว 4 เทพจาก Google เพื่อสร้างวงจรการทดลองวิทยาศาสตร์แบบอัตโนมัติเต็มรูปแบบ

การเดิมพันที่ 6: มูลค่าไม่จำเป็นต้องอยู่ที่ใครถึง AGI ก่อน

กลุ่มนี้ไม่ได้เน้นสร้างโมเดลที่เก่งที่สุด แต่เน้นสร้างเครื่องมือเพื่อให้ผู้ใช้งานเข้าใจ ปรับแต่ง หรือควบคุม AI ได้จริง

• Thinking Machines Lab: นำโดย Mira Murati (อดีต CTO ของ OpenAI) ที่ช่วยให้บริษัทต่างๆ ปรับแต่ง AI ด้วยความรู้เฉพาะทาง
• Goodfire: มุ่งเน้นไปที่ Mechanistic Interpretability เพื่อแงะดูว่า AI "คิด" อะไรอยู่ข้างในจริงๆ

บทสรุป: Nvidia คือผู้ชนะในทุกเดิมพัน

น่าสนใจว่า Nvidia เป็นนักลงทุนในแล็บ AI ถึง 25 แห่งจาก 45 แห่งในรายชื่อนี้ ไม่ว่าแนวคิดใดจะชนะ ตราบใดที่ยังรันบนชิปของ Nvidia พวกเขาก็จะได้กำไรเสมอ

สำหรับอนาคตของ neolabs มีความเป็นไปได้สูงที่จะเกิดการควบรวมกิจการ (Acqui-hire) โดยบริษัทยักษ์ใหญ่ เพื่อดูดซับเทคโนโลยีใหม่ๆ เข้าไปเป็นส่วนหนึ่งของระบบในปัจจุบัน ดังที่เห็นได้จากความเคลื่อนไหวของ Microsoft, Google และ AMD ในช่วงปีที่ผ่านมา