AI กำลังทำลายมนุษย์ ผ่าวิกฤต AI Superintelligence กับชะตากรรมคนทำงานปี 2030

วิเคราะห์เจาะลึกพัฒนาการปัญญาประดิษฐ์สู่ Superintelligence ถอดบทเรียนกรณีศึกษา AI Swarm ใน Hugging Face คอขวดชิปประมวลผล 100,000 ตัว และแบบจำลองตลาดแรงงานปี 2030 อย่างรอบด้าน

การเปลี่ยนผ่านสู่พรมแดนใหม่ของปัญญาประดิษฐ์และบริบททางเทคโนโลยี จากกระแสความสนใจในพัฒนาการของเทคโนโลยีปัญญาประดิษฐ์ขยับขยายไปไกลกว่าเพียงการใช้งานในชีวิตประจำวัน ความก้าวหน้าอย่างรวดเร็วของระบบประมวลผลภาษาขนาดใหญ่ หรือ Large Language Models ได้จุดประกายให้เกิดการตั้งคำถามถึงทิศทางและเสถียรภาพในระยะยาว ข้อถกเถียงในวงการเทคโนโลยีระดับโลกเริ่มปรับเปลี่ยนจากการประเมินความสามารถเฉพาะด้าน ไปสู่การทำความเข้าใจโครงสร้างความปลอดภัย ระบบควบคุม และผลกระทบเชิงระบบที่อาจเกิดขึ้นเมื่อเทคโนโลยีพัฒนาไปสู่ระดับ Superintelligence

AI กำลังทำลายมนุษย์ ผ่าวิกฤต AI Superintelligence กับชะตากรรมคนทำงานปี 2030

จุดเริ่มต้นของการแลกเปลี่ยนมุมมองอย่างกว้างขวางเกิดขึ้นเมื่อ Jacob Coxon อดีตนักวิจัยที่เคยทำงานด้าน pretraining ให้กับ OpenAI ก่อนย้ายไปทำงานต่อที่ Anthropic และเพิ่งประกาศลาออกเมื่อวันที่ 8-9 กันยายน 2569 ได้สื่อสารผ่านแพลตฟอร์ม X หรือ Twitter โดยระบุถึงมุมมองเชิงลึกจากกลุ่มนักพัฒนาเทคโนโลยีระดับแนวหน้าว่า ผู้เชี่ยวชาญด้านการพัฒนา AI จำนวนไม่น้อยมีความกังวลต่อแนวทางการควบคุมระบบปัญญาประดิษฐ์ขั้นสูง โดยประเมินว่าหากไร้ซึ่งกรอบการกำกับดูแลที่รัดกุม ความเสี่ยงเชิงระบบอาจส่งผลกระทบต่อเสถียรภาพของอารยธรรมมนุษย์เกินกว่า 10% ภายในทศวรรษหน้า

ข้อความดังกล่าวกระจายไปบนโลกออนไลน์อย่างรวดเร็ว โดยมียอดการเข้าชมกว่า 150 ล้านครั้งในช่วงสัปดาห์แรกหลังโพสต์ (ข้อมูล ณ วันที่ 10-11 กันยายน 2569) สะท้อนถึงความสนใจอย่างท่วมท้นจากทั้งภาคอุตสาหกรรม ผู้กำหนดนโยบาย และสาธารณชน ยิ่งไปกว่านั้น นักวิจัยจาก Anthropic ยังได้ให้มุมมองสนับสนุนประเด็นดังกล่าวว่า แม้องค์กรต่าง ๆ จะทุ่มเททรัพยากรเพื่อวิจัยด้าน Alignment หรือการปรับเข็มทิศพฤติกรรมของ AI ให้สอดคล้องกับคุณค่าของมนุษย์ แต่วิธีการควบคุมระบบระดับ Superintelligence ยังคงเป็นโจทย์ทางวิศวกรรมที่ต้องแสวงหาคำตอบที่ชัดเจนต่อไป ประเด็นนี้ส่งผลกระทบเป็นวงกว้างจนกระทั่งช่างตัดเสื้อส่วนตัวของผู้ดำเนินรายการที่ไม่ได้ติดตามข่าวสารสายเทคโนโลยีมาก่อน ยังต้องส่งข้อความมาสอบถามถึงสถานการณ์ที่เกิดขึ้น

ในรายการเสวนา Diary of a CEO โดยผู้ดำเนินรายการ Steven Bartlett มีการเปิดเผยสถิติที่น่าสนใจว่าผู้ชมจำนวนกว่า 58% ที่ติดตามรายการเป็นประจำยังไม่ได้กด Subscribe สถิตินี้สะท้อนให้เห็นถึงธรรมชาติของพฤติกรรมผู้บริโภคข้อมูลในยุคดิจิทัล ที่มักเปิดรับเนื้อหาเชิงลึกแต่บทสนทนาเรื่องความปลอดภัยของ AI กลับดึงดูดผู้คนให้หันมาสนใจโครงสร้างพื้นฐานเบื้องหลังอย่างที่ไม่เคยปรากฏมาก่อน

การอภิปรายครั้งนี้ได้รวบรวมมุมมองที่หลากหลายจากผู้เชี่ยวชาญสี่ท่าน ได้แก่

• Nate Soares ประธาน (President) สถาบันวิจัย Machine Intelligence Research Institute หรือ MIRI และผู้เขียนหนังสือ If Anyone Builds It, Everyone Dies
• Dr. Roman Yampolskiy ศาสตราจารย์และนักวิจัยด้าน AI Safety
• Ed Zitron ซีอีโอบริษัทประชาสัมพันธ์และวิจัยเทคโนโลยี EZPR และผู้เขียนจดหมายข่าววิจารณ์อุตสาหกรรมเทคโนโลยี Where’s Your Ed At
• Andrew McAfee นักวิจัยหลัก (Principal Research Scientist) แห่ง MIT และผู้ร่วมก่อตั้ง MIT Initiative on the Digital Economy

แต่ละท่านได้ประเมินความเป็นไปได้ของความเสี่ยงเชิงระบบ หรือ p(doom) ในสเปกตรัมที่แตกต่างกัน

• Nate Soares ประเมินความเสี่ยงไว้สูงกว่า 10% และเสนอให้ทุกภาคส่วนพิจารณาการชะลอของการประมวลผลโมเดลระดับเปลี่ยนผ่าน
• Dr. Roman Yampolskiy เข้ารหัสลายมือไว้ด้วยเหตุผลด้านความปลอดภัย โดยมองว่าการสร้าง General Superintelligence อาจมีความเสี่ยงเข้าใกล้ 100% หากขาดทฤษฎีการควบคุมที่สมบูรณ์
• Ed เขียนเครื่องหมายคำถามในตอนแรก แต่เมื่อถูกขอให้ยืนยันตัวเลข เขาระบุว่า ‘ผมยืนที่ 0%’ สำหรับความเสี่ยงจากตัวโมเดล AI โดยตรง โดยมองว่าความเสี่ยงที่แท้จริงมาจากผลกระทบภายนอก เช่น การใช้พลังงานของ Data Center โดยมองว่าความเสี่ยงที่แท้จริงมาจากผลกระทบภายนอก เช่น พลังงานของ Data Center และเห็นว่าการพูดถึงภัยล้างโลกถูกใช้เป็นเครื่องมือสร้างอุปสรรคทางการค้าโดยบริษัทเทคโนโลยียักษ์ใหญ่
• Andy ใส่เครื่องหมาย Tilde ไว้หน้าเลขศูนย์ (0%) โดยชี้ว่าสั งคมควรให้ความสนใจกับประโยชน์ทางเศรษฐกิจและการปรับตัวของมนุษย์ที่มีประวัติศาสตร์ฟื้นตัวจากวิกฤตได้เสมอ

การจำแนกประเภทปัญญาประดิษฐ์และนิยามเชิงวิศวกรรมของ Superintelligence

เพื่อให้การวิเคราะห์เป็นไปอย่างถูกต้องตามหลักวิชาการ จำเป็นต้องสกัดความแตกต่างของระดับเทคโนโลยีออกเป็น 3 ขั้นหลัก เพื่อลดความสับสนระหว่างนวัตกรรมที่ใช้งานในปัจจุบัน กับระบบที่กำลังอยู่ระหว่างการพัฒนาในห้องปฏิบัติการ

• Narrow AI (ปัญญาประดิษฐ์เฉพาะทาง) ระบบประมวลผลที่ออกแบบมาเพื่อทำหน้าที่เฉพาะเจาะจง เช่น ระบบวิเคราะห์ภาพถ่ายทางการแพทย์ ระบบแนะนำเนื้อหา หรือโมเดลภาษาขั้นเริ่มต้น เทคโนโลยีกลุ่มนี้ทำงานภายในขอบเขตที่มนุษย์กำหนดไว้ได้อย่างสมบูรณ์ และเป็นกำลังสำคัญในการยกระดับผลิตภาพในภาคอุตสาหกรรมปัจจุบัน
• Artificial General Intelligence หรือ AGI (ปัญญาประดิษฐ์ทั่วไป) ระบบที่มีความสามารถทางสติปัญญาทัดเทียมมนุษย์ในการทำงานเชิงความคิดทุกรูปแบบ สามารถเรียนรู้ ปรับตัว และทำการวิจัยข้ามสาขาวิชาได้ด้วยตนเอง ซึ่งการวิเคราะห์ในปัจจุบันมองว่าเทคโนโลยีระดับ GPT-6 มีแนวโน้มจะเข้าใกล้หมุดหมายนี้
• Artificial Superintelligence หรือ ASI (ปัญญาประดิษฐ์เหนือมนุษย์) ระบบที่มีศักยภาพทางปัญญาก้าวล้ำยิ่งกว่าสมองมนุษย์ที่เก่งที่สุดในทุกสาขาวิชา ทั้งในด้านความเร็ว ความแม่นยำ และการสังเคราะห์ความรู้ โดยมีกลไกสำคัญ คือ Recursive Self-Improvement หรือการพัฒนาและเขียนโค้ดปรับปรุงตัวเองแบบวนซ้ำ ซึ่งอาจนำไปสู่ปรากฏการณ์ที่เรียกว่า Intelligence Explosion หรือการระเบิดทางสติปัญญา

เมื่อพิจารณาในรายละเอียด Nate Soares จาก MIRI ได้นิยามว่า Superintelligence คือ ระบบที่ข้ามผ่านข้อจำกัดทางปัญญาของมนุษย์ในทุกมิติ สิ่งที่น่าจับตามองไม่ใช่การที่ AI มีเจตนาร้าย แต่คือ ความเสี่ยงจาก Goal Misalignment หรือการที่ระบบดำเนินตามเป้าหมายหลักอย่างมุ่งมั่นจนอาจส่งผลกระทบต่อทรัพยากรหรือสิ่งแวดล้อมโดยไม่ได้ตั้งใจ เช่น หากระบบได้รับโจทย์ให้ปรับเพิ่มประสิทธิภาพการประมวลผล การตัดสินใจจัดการพลังงานหรืออุณหภูมิในระดับโลกอาจส่งผลต่อสภาพแวดล้อมทางกายภาพของมนุษย์ได้ Nate ยังได้เปรียบเทียบกับการแข่งหมากรุกกับแชมป์โลก Magnus Carlsen ที่เราสามารถคาดเดาผลการแข่งขันได้ง่าย แต่ยากที่จะระบุหมากตัวที่จะใช้รุกฆาตในรายละเอียด นอกเหนือจากนี้ ในโลกดิจิทัลยังมีช่องทางเชื่อมต่อสู่โลกกายภาพ เช่น แพลตฟอร์ม rent-a-human.ai ที่เปิดโอกาสให้ระบบอัตโนมัติสามารถว่าจ้างมนุษย์เพื่อดำเนินกิจกรรมทางกายภาพแทนได้

ในอีกมุมหนึ่ง Dr. Roman Yampolskiy ได้นำเสนอผลงานวิจัยแบบ Peer-reviewed ทางคณิตศาสตร์ที่ชี้ให้เห็นถึงข้อจำกัดตามธรรมชาติ โดยระบุว่า เป็นเรื่องยากทางทฤษฎีที่เราจะพิสูจน์หรือคาดเดาพฤติกรรมของระบบที่มีสติปัญญาสูงกว่าผู้สร้างได้อย่างร้อยเปอร์เซ็นต์ อย่างไรก็ตาม การพัฒนาต้องหยุดชะงัก แต่เป็นการเตือนให้ภาควิจัยมุ่งเน้นการสร้างสถาปัตยกรรมความปลอดภัยขั้นสูงตั้งแต่ขั้นตอนวางรากฐาน

ขณะเดียวกัน Ed ได้สะท้อนมุมมองเชิงปฏิบัติการว่า ปัจจุบันสังคมควรมุ่งเน้นไปที่ผลกระทบที่เกิดขึ้นจริง เช่น การบริหารจัดการพลังงานของ Data Center และการป้องกันการ กระจายข้อมูลที่คลาดเคลื่อน ในขณะที่ Andy มอบมุมมองเชิงบวกว่า ประวัติศาสตร์ของมนุษยชาติแสดงให้เห็นถึงความสามารถในการควบคุมและปรับใช้เทคโนโลยีที่มีพลังสูง ตั้งแต่พลังงานไอน้ำ ไปจนถึงพลังงานนิวเคลียร์ ให้เกิดประโยชน์และยกระดับคุณภาพชีวิตของสังคมในท้ายที่สุด

อ่านต่อได้ที่บทความต้นฉบับ…