AI ชนกำแพง? บิ๊กเทคเบนเข็มทุ่ม 'World Models' ปั้น AI เข้าใจโลกจริง

เรื่องของเรื่องคือ บรรดาบริษัทยักษ์ใหญ่ด้าน AI ทั้ง Google DeepMind, Meta และ Nvidia กำลังหันมาให้ความสำคัญกับสิ่งที่เรียกว่า World Models (โมเดลที่เรียนรู้และจำลองโลกทางกายภาพ) กันอย่างเต็มที่ เหตุผลก็เพราะความก้าวหน้าของ Large Language Models หรือ LLMs ที่เป็นหัวใจของ ChatGPT นั้นดูเหมือนจะเริ่มอิ่มตัว แม้จะทุ่มเงินไปมหาศาล แต่ความเก่งกาจของ AI รุ่นใหม่ ๆ ก็ไม่ได้ก้าวกระโดดเหมือนเคยอีกแล้ว

เจ้า World Models นี้แตกต่างจาก LLM ตรงที่จะไม่ได้เรียนรู้จากแค่ตัวหนังสือ แต่จะเรียนรู้จากวิดีโอและข้อมูลจากหุ่นยนต์ เพื่อให้ AI สามารถ 'เข้าใจ' และ 'คาดการณ์' โลกทางกายภาพของเราได้จริง ๆ ซึ่งเป็นก้าวสำคัญสำหรับรถยนต์ไร้คนขับ หุ่นยนต์อัจฉริยะ และ AI Agents ในอนาคต Rev Lebaredian รองประธานของ Nvidia ถึงกับประเมินว่าตลาดของเทคโนโลยีนี้อาจมีมูลค่าสูงถึง US$100 trillion (ประมาณ 3,700 ล้านล้านบาท) เลยทีเดียว เพราะมันจะนำ AI เข้าไปอยู่ในทุกอุตสาหกรรมได้จริง ๆ

ที่น่าสนใจคือแต่ละค่ายก็มีแนวทางของตัวเอง Google DeepMind เพิ่งโชว์ตัว Genie 3 ที่สร้างวิดีโอได้ทีละเฟรม เหมือนมันคิดตามลำดับเหตุการณ์จริง ๆ ส่วน Meta ที่มี Yann LeCun หนึ่งใน 'เจ้าพ่อ AI' เป็นหัวเรือใหญ่ ก็พยายามสอน AI ให้เรียนรู้เหมือนเด็กที่มองโลกรอบตัวผ่านวิดีโอ แต่ในขณะเดียวกัน Mark Zuckerberg ก็ยังทุ่มเงินจ้างคนเก่งมาพัฒนา Llama ที่เป็น LLM ต่อไปอยู่ดี เรียกว่ายังแทงกั๊กอยู่เหมือนกัน

แล้วจะเอาข้อมูลมหาศาลจากโลกจริงมาจากไหน? ก็ดูอย่าง Niantic บริษัทผู้สร้างเกม Pokémon Go เป็นตัวอย่าง พวกเขาเก็บข้อมูลแผนที่โลกกว่า 10 ล้านแห่งจากการที่ผู้เล่นหลายสิบล้านคนเดินไปสแกนสถานที่ต่าง ๆ ทั่วโลกตลอด 9 ปีที่ผ่านมานี่แหละ ข้อมูลเหล่านี้กลายเป็นขุมทรัพย์ในการสร้าง World Models ชั้นดี

แม้ว่าผู้เชี่ยวชาญบางคนอย่าง LeCun จะบอกว่าอาจต้องใช้เวลาอีกเป็น 10 ปีกว่าเราจะได้เห็น AI ที่มีความฉลาดระดับมนุษย์จริง ๆ แต่ดูจากการทุ่มสุดตัวของยักษ์ใหญ่ทั้งหลายแล้ว สงสัยว่ายุคที่หุ่นยนต์จะมาช่วยเราทำงานบ้าน (หรืออาจจะเถียงเรา) คงอยู่ไม่ไกลเกินรอเท่าไหร่นักหรอก