เจาะประเด็น
AI Skepticism
พยากรณ์หายนะ AI ของ Ed Zitron โดนความจริงย้อนกลับไปกี่เปอร์เซ็นต์?
คนที่ด่ามาตลอดว่า AI คือฟองสบู่ จะเจ๋งหรือเพี้ยน ต้องเอา "หลักฐาน" มาวัดกัน ไม่ใช่เอา "อารมณ์" มาตัดสิน
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
การวิพากษ์วิจารณ์โดยไม่ดูข้อมูลจริง มันก็แค่ "ความคิดเห็น" แต่เมื่อเวลาผ่านไป ความจริงจะกลายเป็นผู้ตัดสินที่โหดร้ายที่สุด
ถ้าคุณเป็นคนที่เสพข่าวเทคโนโลยีในวงการนี้ คงต้องรู้จักชื่อของ Ed Zitron เอาไว้บ้าง เพราะเขาคือหนึ่งในเสียงที่ดังที่สุดที่คอยสาปส่งวงการ AI อยู่ตลอด ทั้งด่าว่าเป็นแค่ "ฟองสบู่" ด่าว่าเป็น "เฟดที่ไร้สาระ" หรือไม่ก็ประกาศว่าโมเดลพวกนี้มันไม่ได้ฉลาดจริง แค่จำข้อมูลมาแล้วถุยออกมาเหมือนนกแก้ว แต่คำถามคือ ระหว่างคำพูดที่ดุดันของเขากับความเป็นจริงที่ผ่านมา ใครกันแน่ที่ "มั่ว" หนักกว่ากัน
Dan Luu วิศวกรและบล็อกเกอร์ชื่อดังในวงการเทค ได้ใช้เวลาลองไปไล่เรียงคำทำนายหรือคำกล่าวอ้างของ Zitron ตั้งแต่ช่วงที่ AI เริ่มบูม เอามาเทียบกับเหตุการณ์จริงที่เกิดขึ้นทีละอัน ไล่เรียงเป็นตารางให้เห็นกันจะๆ ว่าอันไหน "พูดถูก" อันไหน "พลาดเป้า" และอันไหน "มั่วชัดๆ" ซึ่งผลลัพธ์ที่ออกมามันไม่ได้แค่เฉลยว่าใครเก่งกว่ากัน แต่มันสะท้อนอะไรบางอย่างเกี่ยวกับวิธีคิดของคนในวงการนี้ด้วย
เรื่องนี้มันเริ่มจากที่ Zitron มักจะออกมาพูดเสมอว่า บริษัท AI ทั้งหลายกำลังเผาเงินมหาศาลไปกับสิ่งที่ไม่มีวันทำกำไรกลับคืนมา เขาชี้ไปที่ค่าใช้จ่ายในการเทรนโมเดล ราคาหุ้นที่ผันผวน และการใช้พลังงานที่บ้าคลั่งของดาต้าเซ็นเตอร์ และบอกว่าทั้งหมดนี้คือฟองสบู่ที่รอวันแตกอยู่เพียงไม่ช้า ฟังดูเข้าท่าและน่ากลัวดี แต่ Dan Luu ไม่ได้หยุดแค่ฟังแล้วเชื่อ เขาเลยไปรื้อข้อมูลจริงๆ มาดูว่า ตัวเลขที่ Zitron พูดถึงมันถูกต้องแค่ไหน
ผลปรากฏว่า หลายครั้งที่ Zitron พูดถึง "ตัวเลข" เขามักจะผิดพลาดอยู่เรื่อย ไม่ว่าจะเป็นการอ้างตัวเลขค่าใช้จ่ายที่สูงเกินจริง หรือการคาดเดารายได้ที่ต่ำกว่าความเป็นจริงมากๆ ซึ่ง Dan Luu ชี้ให้เห็นว่ามันเป็นจุดอ่อนสำคัญของคนที่ชอบวิพากษ์แบบ "เดาเอาเอง" โดยไม่ได้ไปตรวจสอบข้อมูลดิบจากรายงานการเงินของบริษัทจริงๆ
ประเด็นมันไม่ได้อยู่ที่ว่า Zitron "ผิด" แล้วเราจะมาไล่ขำเขา แต่มันอยู่ที่ว่า เสียงแบบนี้มันมีผลต่อการรับรู้ของสาธารณชนและนักลงทุนหน้าใหม่ที่ฟังแล้วอาจจะเชื่อจนไม่กล้าลงทุน หรืออาจจะเชื่อจนขายหุ้นทิ้งเพราะตื่นตระหนก ซึ่ง Dan Luu บอกว่ามันเป็นอันตรายกว่าที่คิด เพราะการวิพากษ์แบบ "ไฟลนก้น" โดยไม่ดูบริบท มันทำให้คนที่กำลังจะตัดสินใจจริงๆ ได้ข้อมูลที่บิดเบือน
สิ่งที่ Dan Luu ค้นพบอีกอย่างคือ Zitron มักจะพูดถึง "ความสำเร็จ" ของ AI ในเชิงที่ดูถูกเหยียดหยาม เช่น การบอกว่าโมเดลพวกนี้ทำได้แค่ "จำ" ไม่ได้ "คิด" แต่ในทางกลับกัน ถ้าดูจากงานวิจัยและ benchmark ต่างๆ ที่ออกมาเรื่อยๆ มันก็เห็นได้ชัดว่าโมเดลเหล่านี้มันเริ่มทำอะไรที่ซับซ้อนขึ้นมากๆ แล้ว ไม่ใช่แค่การท่องจำ ดังนั้นการด่ามั่วๆ แบบไม่ยอมรับการพัฒนาเลย มันก็ดูไม่ต่างจากการเอามือปิดหูปิดตาไม่ยอมรับความจริง
มุมที่ Dan Luu ชี้ว่าพลาด
การอ้างตัวเลขค่าใช้จ่ายและรายได้ที่คลาดเคลื่อนจากรายงานจริงของบริษัท
มุมที่ดูเข้าท่าแต่ยังไม่ถึงที่สุด
การตั้งคำถามเรื่องความยั่งยืนของโมเดลธุรกิจ ที่แม้จะยังไม่แตก แต่ก็ไม่ได้แปลว่าถูกต้องเสมอไป
แต่อย่าเพิ่งด่าเขาว่าโง่กันหมด เพราะในบางประเด็น Zitron ก็พูดถูกเหมือนกัน เช่น การตั้งคำถามเรื่อง "กำไร" ที่แท้จริงของบริษัท AI เหล่านี้ ซึ่งถึงแม้ตัวเลขจะคลาดเคลื่อน แต่โดยภาพรวมแล้ว มันก็จริงที่ว่าหลายบริษัทกำลังเผาเงินอยู่ และยังไม่มีใครการันตีได้ว่าธุรกิจนี้จะยั่งยืนจริงในระยะยาว แค่การพูดถูกใน "ประเด็น" แต่พูดผิดใน "รายละเอียด" มันก็ทำให้ความน่าเชื่อถือของเขาลดลงไปเยอะอยู่ดี
สิ่งที่บทความนี้ของ Dan Luu ทำได้ดีมากๆ คือการทำให้เราเห็นว่า การเป็น "คนขี้ระแวง" มันไม่ใช่เรื่องผิด แต่การเป็น "คนขี้ระแวงที่ขี้เกียจหาข้อมูล" ต่างหากที่เป็นปัญหา เพราะสุดท้ายแล้ว สังคมเทคโนโลยีต้องการคนที่ตั้งคำถามอย่างมีหลักฐาน ไม่ใช่คนที่ตั้งคำถามแล้วหาข้อมูลมาแค่ยืนยันความเชื่อตัวเองเท่านั้น
สรุปคือ การด่า AI ว่าห่วยนั้นมันง่าย แต่การด่าให้ "ถูกจุด" และ "มีข้อมูล" นั้นมันยากกว่ากันมาก และถ้าใครยังเลือกจะด่าแบบมั่วๆ โดยไม่ตรวจสอบให้ดีก่อน ก็เตรียมตัวโดนความจริงย้อนกลับได้เลย เพราะเทคโนโลยีมันไม่ได้หยุดรอใคร และมันจะไปต่อโดยไม่สนใจว่าคุณจะเชื่อหรือไม่เชื่อ
ที่มา: Hacker News — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...