AI Index ของ Stanford HAI แสดงให้เห็นถึงความก้าวหน้าที่ก้าวกระโดดในด้านปัญญาประดิษฐ์ (Artificial Intelligence - AI) ซึ่งมีความหมายอย่างยิ่งต่อสังคมทั่วโลก โดยเฉพาะอย่างยิ่งในภูมิภาคกำลังพัฒนาของซีกโลกใต้ เมื่อเราเจาะลึกลงไปในข้อมูลเชิงลึกเหล่านี้ เราตระหนักว่า AI กำลังปฏิวัติอุตสาหกรรม สร้างโอกาสใหม่ ๆ และกระตุ้นการขยายตัวทางเศรษฐกิจ โอกาสที่ AI นำเสนอนั้นพิเศษอย่างยิ่ง และเรามีความรับผิดชอบร่วมกันเพื่อให้แน่ใจว่าทุกคนสามารถเข้าถึงประโยชน์ของมันได้
การลดต้นทุนและอุปสรรคที่สำคัญ
หนึ่งในการเปลี่ยนแปลงที่โดดเด่นที่สุดคือการลดลงอย่างมากของค่าใช้จ่ายที่เกี่ยวข้องกับการใช้โมเดล AI ต้นทุนในการสอบถามโมเดล AI ที่มีประสิทธิภาพเทียบเท่ากับ GPT-3.5 ลดลงอย่างมาก การลดลงนี้ไม่ได้เป็นเพียงความสำเร็จทางเทคนิคเท่านั้น แต่ยังทำหน้าที่เป็นประตูสู่การเข้าถึงที่กว้างขึ้น นักประดิษฐ์และผู้ประกอบการในภูมิภาคที่มีทรัพยากรจำกัดสามารถใช้ประโยชน์จากเครื่องมืออันทรงพลังที่ครั้งหนึ่งเคยมีให้เฉพาะบริษัทที่ใหญ่ที่สุดในโลก นำไปประยุกต์ใช้เพื่อแก้ไขปัญหาในระดับท้องถิ่นในภาคส่วนต่าง ๆ เช่น การดูแลสุขภาพ การเกษตร การศึกษา และบริการสาธารณะ การทำให้เทคโนโลยี AI เป็นประชาธิปไตยนี้ ช่วยให้บุคคลและองค์กรสามารถสร้างสรรค์สิ่งใหม่ ๆ และพัฒนาโซลูชันที่ปรับให้เหมาะกับความต้องการและบริบทเฉพาะของตน ส่งเสริมการเติบโตทางเศรษฐกิจและความก้าวหน้าทางสังคม
ต้นทุนที่ลดลงของการใช้โมเดล AI มีผลกระทบในวงกว้าง ช่วยให้ธุรกิจขนาดเล็กและสตาร์ทอัพในประเทศกำลังพัฒนาสามารถแข่งขันกับบริษัทขนาดใหญ่และมีชื่อเสียงมากกว่า ส่งเสริมการสร้างสรรค์สิ่งใหม่ ๆ และการเป็นผู้ประกอบการ นอกจากนี้ยังช่วยให้นักวิจัยและนักวิชาการสามารถทำการวิจัยที่ทันสมัยโดยไม่มีค่าใช้จ่ายสูงที่เกี่ยวข้องกับการทดลอง AI ก่อนหน้านี้ ยิ่งไปกว่านั้น ยังอำนวยความสะดวกในการปรับใช้โซลูชันที่ขับเคลื่อนด้วย AI ในชุมชนที่ด้อยโอกาส ตอบสนองความต้องการที่สำคัญ และปรับปรุงคุณภาพชีวิตสำหรับประชากรที่เปราะบาง
การเชื่อมช่องว่างความแตกต่างด้านประสิทธิภาพ
ความแตกต่างด้านประสิทธิภาพระหว่างโมเดลโอเพนเวท (open-weight) และโมเดลกรรมสิทธิ์แบบปิด (proprietary closed-weight) ลดลงอย่างมาก ภายในปี 2024 โมเดลโอเพนเวทจะเทียบเคียงได้กับคู่แข่งเชิงพาณิชย์ ส่งเสริมการแข่งขันและนวัตกรรมทั่วทั้งระบบนิเวศ ในขณะเดียวกัน ช่องว่างด้านประสิทธิภาพระหว่างโมเดลแนวหน้าอันดับต้น ๆ ก็แคบลงเช่นกัน โมเดลขนาดเล็กกำลังบรรลุผลลัพธ์ที่ครั้งหนึ่งเคยถือว่าเป็นเอกสิทธิ์เฉพาะของระบบขนาดใหญ่ ตัวอย่างเช่น Phi-3-mini ของ Microsoft ให้ประสิทธิภาพเทียบเท่ากับโมเดลที่มีขนาดใหญ่กว่า 142 เท่า ทำให้ AI อันทรงพลังเข้าถึงได้ในสภาพแวดล้อมที่มีทรัพยากรจำกัด การบรรจบกันของประสิทธิภาพนี้ทำให้การเข้าถึงความสามารถ AI ขั้นสูงเป็นประชาธิปไตย ช่วยให้ผู้ใช้จำนวนมากขึ้นสามารถใช้ประโยชน์จาก AI สำหรับการใช้งานที่หลากหลาย โดยไม่คำนึงถึงทรัพยากรด้านการคำนวณ
ความสามารถที่เพิ่มขึ้นของโมเดลโอเพนเวทมีความสำคัญอย่างยิ่งสำหรับนักวิจัยและนักพัฒนาที่ต้องการความโปร่งใสและการควบคุมระบบ AI โมเดลโอเพนเวทช่วยให้มีการตรวจสอบและการปรับแต่งที่มากขึ้น ส่งเสริมการสร้างสรรค์สิ่งใหม่ ๆ และการทำงานร่วมกันในชุมชน AI นอกจากนี้ ความพร้อมใช้งานของโมเดลขนาดเล็กและมีประสิทธิภาพมากขึ้นยังช่วยให้สามารถปรับใช้ AI บนอุปกรณ์ปลายทาง (edge devices) อำนวยความสะดวกในการประมวลผลแบบเรียลไทม์และลดการพึ่งพาโครงสร้างพื้นฐานคลาวด์ (cloud infrastructure) ซึ่งมีผลกระทบต่อการใช้งาน เช่น ยานยนต์ไร้คนขับ หุ่นยนต์ และอุปกรณ์ IoT
ความท้าทายที่ยังคงอยู่: การให้เหตุผลและข้อจำกัดด้านข้อมูล
แม้จะมีความคืบหน้าอย่างน่าทึ่ง แต่ความท้าทายยังคงอยู่ ระบบ AI ยังคงต้องดิ้นรนกับการให้เหตุผลระดับสูง เช่น เลขคณิตและการวางแผนเชิงกลยุทธ์ ซึ่งเป็นความสามารถที่มีความสำคัญอย่างยิ่งในโดเมนที่ความน่าเชื่อถือเป็นสิ่งสำคัญ การวิจัยอย่างต่อเนื่องและการประยุกต์ใช้อย่างมีความรับผิดชอบเป็นสิ่งจำเป็นในการเอาชนะข้อจำกัดเหล่านี้ การพัฒนาความสามารถ AI ที่แข็งแกร่งและเชื่อถือได้มากขึ้น จำเป็นต้องจัดการกับความท้าทายพื้นฐานเหล่านี้ในการให้เหตุผลและการแก้ปัญหา
ข้อกังวลที่เกิดขึ้นใหม่อีกประการหนึ่งคือการลดลงอย่างรวดเร็วของความพร้อมใช้งานของข้อมูลที่เข้าถึงได้แบบสาธารณะ ซึ่งใช้ในการฝึกอบรมโมเดล AI เนื่องจากเว็บไซต์ต่าง ๆ จำกัดการขูดข้อมูล (data scraping) มากขึ้น ประสิทธิภาพและความสามารถในการสรุปผล (generalizability) ของโมเดลอาจได้รับผลกระทบ โดยเฉพาะอย่างยิ่งในบริบทที่มีชุดข้อมูลที่มีป้ายกำกับ (labeled datasets) จำกัดอยู่แล้ว แนวโน้มนี้อาจทำให้จำเป็นต้องมีการพัฒนาแนวทางการเรียนรู้ใหม่ ๆ ที่ปรับให้เหมาะกับสภาพแวดล้อมที่มีข้อจำกัดด้านข้อมูล ความพร้อมใช้งานของข้อมูลคุณภาพสูงเป็นสิ่งจำเป็นสำหรับการฝึกอบรมโมเดล AI ที่มีประสิทธิภาพ และข้อจำกัดที่เพิ่มขึ้นในการเข้าถึงข้อมูลเป็นความท้าทายที่สำคัญต่อความก้าวหน้าอย่างต่อเนื่องของ AI
- ข้อจำกัดด้านการให้เหตุผล: การดิ้นรนของ AI กับการให้เหตุผลระดับสูง เลขคณิต และการวางแผนเชิงกลยุทธ์ จำเป็นต้องมีการวิจัยเพิ่มเติมและการประยุกต์ใช้อย่างมีความรับผิดชอบ โดยเฉพาะอย่างยิ่งในโดเมนที่สำคัญต่อความน่าเชื่อถือ
- การขาดแคลนข้อมูล: การลดลงของข้อมูลการฝึกอบรมที่เปิดเผยต่อสาธารณะเนื่องจากข้อจำกัดของเว็บไซต์ อาจขัดขวางประสิทธิภาพและความสามารถในการสรุปผลของโมเดล ซึ่งจำเป็นต้องมีแนวทางการเรียนรู้ใหม่สำหรับสภาพแวดล้อมที่มีข้อจำกัดด้านข้อมูล
ผลกระทบในโลกแห่งความเป็นจริงต่อผลิตภาพและกำลังแรงงาน
หนึ่งในการพัฒนาที่น่าตื่นเต้นที่สุดคือผลกระทบที่จับต้องได้ของ AI ต่อผลิตภาพของมนุษย์ การศึกษาติดตามผล (Follow-up studies) ได้ยืนยันและขยายผลการค้นพบเริ่มต้น โดยเฉพาะอย่างยิ่งในการตั้งค่าสถานที่ทำงานจริง การศึกษาเหล่านี้ให้หลักฐานที่น่าสนใจเกี่ยวกับศักยภาพในการเปลี่ยนแปลงของ AI เพื่อเพิ่มผลิตภาพและปรับปรุงคุณภาพของงาน
การศึกษาดังกล่าวติดตามตัวแทนฝ่ายสนับสนุนลูกค้ากว่า 5,000 รายที่ใช้ผู้ช่วย AI เชิงกำเนิด (generative AI assistant) เครื่องมือนี้เพิ่มผลิตภาพขึ้น 15% โดยมีการปรับปรุงที่สำคัญที่สุดในหมู่คนงานที่ไม่มีประสบการณ์และคนงานที่มีทักษะการค้า ซึ่งยังปรับปรุงคุณภาพงานของตนด้วย นอกจากนี้ ความช่วยเหลือจาก AI ยังช่วยให้พนักงานเรียนรู้ในงาน ปรับปรุงความคล่องแคล่วทางภาษาอังกฤษในหมู่ตัวแทนต่างประเทศ และยังปรับปรุงสภาพแวดล้อมการทำงานอีกด้วย ลูกค้าสุภาพมากขึ้นและมีโอกาสน้อยที่จะยกระดับปัญหาเมื่อ AI เข้ามาเกี่ยวข้อง การศึกษาครั้งนี้แสดงให้เห็นถึงศักยภาพของ AI ในการเพิ่มขีดความสามารถให้กับคนงาน ปรับปรุงทักษะของพวกเขา และสร้างสภาพแวดล้อมการทำงานที่เป็นบวกมากขึ้น
การเสริมผลการค้นพบเหล่านี้ โครงการวิจัยภายในของ Microsoft เกี่ยวกับ AI และผลิตภาพได้รวบรวมผลลัพธ์จากการศึกษาในที่ทำงานกว่าสิบรายการ รวมถึงการทดลองควบคุมแบบสุ่มที่ใหญ่ที่สุดที่รู้จักกันในการบูรณาการ AI เชิงกำเนิด เครื่องมือต่าง ๆ เช่น Microsoft Copilot กำลังช่วยให้คนงานทำงานให้เสร็จได้อย่างมีประสิทธิภาพมากขึ้นในหลากหลายบทบาทและอุตสาหกรรม การวิจัยเน้นย้ำว่าผลกระทบของ AI นั้นยิ่งใหญ่ที่สุดเมื่อเครื่องมือถูกนำไปใช้และบูรณาการอย่างมีกลยุทธ์ และศักยภาพจะเติบโตขึ้นเมื่อองค์กรปรับปรุงขั้นตอนการทำงานใหม่เพื่อให้ใช้ประโยชน์จากความสามารถใหม่เหล่านี้อย่างเต็มที่ การวิจัยนี้เน้นย้ำถึงความสำคัญของการวางแผนเชิงกลยุทธ์และการบูรณาการอย่างรอบคอบเมื่อปรับใช้เครื่องมือ AI ในที่ทำงาน
- การเพิ่มขึ้นของผลิตภาพ: ผู้ช่วย AI เพิ่มผลิตภาพของตัวแทนฝ่ายสนับสนุนลูกค้าขึ้น 15% โดยเฉพาะอย่างยิ่งเป็นประโยชน์ต่อคนงานที่ไม่มีประสบการณ์และคนงานที่มีทักษะการค้า ขณะเดียวกันก็ปรับปรุงคุณภาพงานและทักษะของพนักงานด้วย
- การบูรณาการเชิงกลยุทธ์: การวิจัยของ Microsoft เน้นย้ำถึงความสำคัญของการนำเครื่องมือ AI มาใช้เชิงกลยุทธ์และการปรับปรุงขั้นตอนการทำงานใหม่ เพื่อเพิ่มผลกำไรด้านผลิตภาพในบทบาทและอุตสาหกรรมต่าง ๆ
การขยายการเข้าถึงการศึกษาด้านวิทยาการคอมพิวเตอร์
เมื่อ AI ถูกรวมเข้ากับชีวิตประจำวันมากขึ้น การศึกษาด้านวิทยาการคอมพิวเตอร์จึงมีความสำคัญมากกว่าที่เคย เป็นที่น่ายินดีที่สองในสามของประเทศขณะนี้เสนอหรือวางแผนที่จะเสนอการศึกษา CS ระดับ K-12 ซึ่งเป็นตัวเลขที่เพิ่มขึ้นเป็นสองเท่าตั้งแต่ปี 2019 ประเทศในแอฟริกาและละตินอเมริกาได้สร้างความก้าวหน้าที่สำคัญที่สุดในการขยายการเข้าถึง อย่างไรก็ตาม ประโยชน์ของความก้าวหน้านี้ยังไม่เป็นสากล นักเรียนจำนวนมากทั่วแอฟริกายังคงไม่สามารถเข้าถึงการศึกษาด้านวิทยาการคอมพิวเตอร์ได้เนื่องจากช่องว่างโครงสร้างพื้นฐานขั้นพื้นฐาน รวมถึงการขาดไฟฟ้าในโรงเรียน การปิดช่องว่างดิจิทัลนี้เป็นสิ่งจำเป็นในการเตรียมคนรุ่นต่อไป ไม่เพียงแต่ใช้ AI เท่านั้น แต่ยังรวมถึงการกำหนดรูปแบบ AI ด้วย การขยายการศึกษาด้านวิทยาการคอมพิวเตอร์มีความสำคัญอย่างยิ่งในการทำให้มั่นใจว่าบุคคลมีทักษะและความรู้ที่จำเป็นในการมีส่วนร่วมในเศรษฐกิจที่ขับเคลื่อนด้วย AI และมีส่วนร่วมในการพัฒนาระบบ AI ที่มีความรับผิดชอบและมีจริยธรรม
การขาดการเข้าถึงการศึกษาด้านวิทยาการคอมพิวเตอร์ในหลายส่วนของโลกทำให้ความไม่เท่าเทียมกันคงอยู่และจำกัดโอกาสสำหรับบุคคลในการมีส่วนร่วมในเศรษฐกิจดิจิทัล การแก้ไขช่องว่างดิจิทัลนี้ต้องใช้ความพยายามร่วมกันในการลงทุนในโครงสร้างพื้นฐาน จัดหาการฝึกอบรมครู และพัฒนาหลักสูตรที่เกี่ยวข้องกับวัฒนธรรม ด้วยการขยายการเข้าถึงการศึกษาด้านวิทยาการคอมพิวเตอร์ เราสามารถเพิ่มขีดความสามารถให้บุคคลกลายเป็นผู้สร้างและนักประดิษฐ์ในสาขา AI แทนที่จะเป็นเพียงผู้บริโภคเทคโนโลยี AI อย่างเฉยเมย
- การขยายตัวทั่วโลก: สองในสามของประเทศขณะนี้เสนอหรือวางแผนที่จะเสนอการศึกษาด้านวิทยาการคอมพิวเตอร์ระดับ K-12 ซึ่งเป็นตัวเลขที่เพิ่มขึ้นเป็นสองเท่าตั้งแต่ปี 2019 โดยมีความก้าวหน้าที่สำคัญในแอฟริกาและละตินอเมริกา
- ช่องว่างดิจิทัล: นักเรียนแอฟริกันจำนวนมากยังคงไม่สามารถเข้าถึงการศึกษาด้านวิทยาการคอมพิวเตอร์ได้เนื่องจากช่องว่างโครงสร้างพื้นฐาน เน้นย้ำถึงความจำเป็นในการปิดช่องว่างดิจิทัลเพื่อเตรียมคนรุ่นต่อไปให้พร้อมที่จะกำหนดรูปแบบ AI
ความรับผิดชอบร่วมกันในยุคของ AI
ความก้าวหน้าใน AI นำเสนอโอกาสที่โดดเด่นในการปรับปรุงผลิตภาพ แก้ไขปัญหาในโลกแห่งความเป็นจริง และกระตุ้นการเติบโตทางเศรษฐกิจ อย่างไรก็ตาม การตระหนักถึงศักยภาพนี้จำเป็นต้องมีการลงทุนอย่างต่อเนื่องในโครงสร้างพื้นฐานที่แข็งแกร่ง การศึกษาที่มีคุณภาพสูง และการปรับใช้เทคโนโลยี AI อย่างมีความรับผิดชอบ เป็นสิ่งจำเป็นที่เราจะต้องจัดลำดับความสำคัญด้านจริยธรรม ความเป็นธรรม และความโปร่งใสในการพัฒนาและการปรับใช้ระบบ AI
เพื่อให้ใช้ประโยชน์จากศักยภาพในการเปลี่ยนแปลงของ AI อย่างเต็มที่ เราต้องให้ความสำคัญกับการสนับสนุนให้คนงานได้รับทักษะและเครื่องมือใหม่ ๆ เพื่อนำ AI ไปใช้ในงานของตนได้อย่างมีประสิทธิภาพ ประเทศและธุรกิจที่ลงทุนในการสร้างทักษะ AI จะส่งเสริมนวัตกรรมและเปิดประตูให้ผู้คนจำนวนมากขึ้นสร้างอาชีพที่มีความหมาย ซึ่งมีส่วนช่วยให้เศรษฐกิจแข็งแกร่งขึ้น วัตถุประสงค์นั้นชัดเจน: เพื่อเปลี่ยนความก้าวหน้าทางเทคนิคให้เป็นผลกระทบในทางปฏิบัติในวงกว้าง ด้วยการลงทุนในการศึกษาและการฝึกอบรม เราสามารถทำให้มั่นใจได้ว่าบุคคลมีทักษะที่จำเป็นในการเติบโตในเศรษฐกิจที่ขับเคลื่อนด้วย AI และมีส่วนร่วมในการพัฒนาโซลูชันที่เป็นนวัตกรรม ซึ่งเป็นประโยชน์ต่อสังคมโดยรวม
การพัฒนาและการปรับใช้ AI อย่างมีความรับผิดชอบ ต้องใช้ความพยายามร่วมกันที่เกี่ยวข้องกับรัฐบาล ธุรกิจ นักวิจัย และองค์กรภาคประชาสังคม ด้วยการทำงานร่วมกัน เราสามารถทำให้มั่นใจได้ว่า AI จะถูกใช้เพื่อแก้ไขปัญหาที่กดดันของโลก ส่งเสริมการเติบโตทางเศรษฐกิจ และปรับปรุงคุณภาพชีวิตสำหรับทุกคน เป็นสิ่งจำเป็นที่เราจะต้องจัดลำดับความสำคัญด้านจริยธรรม ความเป็นธรรม และความโปร่งใสในการพัฒนาและการปรับใช้ระบบ AI เพื่อให้มั่นใจว่าระบบเหล่านั้นถูกใช้ในลักษณะที่เป็นประโยชน์ต่อสังคมโดยรวม