เส้นตายสู่ AGI: 2026-2027 คือจุดเปลี่ยนสำคัญ?
Dario Amodei ยืนยันความเชื่อเดิมที่เคยทำนายไว้ว่า เราจะได้เห็นโมเดล AI ที่มีความสามารถเทียบเท่ากับผู้ชนะรางวัลโนเบลในหลากหลายสาขาภายในปี 2026-2027 โดยเขามองว่ากลไกสำคัญคือ "วงจรการพัฒนาแบบทวีคูณ" (Self-improvement loop) เมื่อเราสร้างโมเดลที่เก่งเรื่องการเขียนโค้ดและการวิจัย AI เอง เราจะสามารถใช้ AI เหล่านั้นมาช่วยสร้าง AI รุ่นถัดไปให้เร็วขึ้นไปอีก
ในขณะที่ Demis Hassabis เห็นด้วยในกรอบเวลาที่ใกล้เคียงกัน แต่ให้ข้อสังเกตเพิ่มเติมว่าในสาขาที่ต้องมีการพิสูจน์จริง (Verifiable) เช่น การเขียนโค้ดหรือคณิตศาสตร์ AI จะก้าวหน้าไปเร็วมาก แต่ในสาขาวิทยาศาสตร์ธรรมชาติที่ต้องมีการทดลองในห้องแล็บจริง (Physical loop) อาจต้องใช้เวลานานกว่านั้นเล็กน้อย เพราะ AI ยังขาด "จินตนาการ" ในการตั้งคำถามที่แปลกใหม่หรือสร้างทฤษฎีใหม่จากศูนย์
"วิศวกรใน Anthropic บอกผมว่าตอนนี้พวกเขาไม่ได้เขียนโค้ดเองแล้ว พวกเขาให้ AI เขียน แล้วทำหน้าที่เพียงแค่ตรวจสอบและแก้ไขเท่านั้น" — Dario Amodei
การปิดลูป (Closing the Loop): เมื่อ AI เริ่มสร้าง AI
หนึ่งในประเด็นที่น่าสนใจที่สุดคือความสามารถของ AI ในการพัฒนาตัวเองโดยไม่ต้องมีมนุษย์คอยควบคุม (Self-improvement loop) กระบวนการนี้อาจถูกแบ่งออกเป็นขั้นตอนดังนี้:
Model as a Developer: โมเดลเขียนโค้ดและปรับปรุงอัลกอริทึมของตัวเอง
Automated Testing: โมเดลสร้างชุดทดสอบเพื่อตรวจสอบความถูกต้องของโค้ดที่เขียนขึ้น
Recursive Training: การใช้ข้อมูลที่ AI สร้างขึ้นเอง (Synthetic Data) หรือการค้นพบใหม่ๆ มาเทรนโมเดลรุ่นถัดไป
Acceleration: เมื่อลูปนี้หมุนเร็วขึ้น ความเร็วในการพัฒนาจะไม่ได้ขึ้นอยู่กับทรัพยากรมนุษย์อีกต่อไป แต่ขึ้นอยู่กับพลังการประมวลผล (Compute)
ผลกระทบต่อตลาดแรงงาน: งาน White-collar จะหายไปจริงหรือ?
Dario ให้ความเห็นที่น่าตกใจว่า งานระดับเริ่มต้น (Entry-level) ในกลุ่ม White-collar อาจหายไปถึงครึ่งหนึ่งภายใน 1-5 ปีข้างหน้า แม้ว่าปัจจุบันผลกระทบในภาพรวมอาจยังไม่ชัดเจนเนื่องจากบริษัทต่างๆ ยังอยู่ในช่วงการจ้างงานเพื่อสร้างขีดความสามารถด้าน AI (AI hiring spree) แต่ในระยะยาว "ความสามารถในการปรับตัวของตลาดแรงงาน" อาจตามไม่ทันความเร็วของเทคโนโลยี
ทางด้าน Demis มองว่าในระยะสั้น AI จะทำหน้าที่เป็นเครื่องมือเสริมพลัง (Creative tools) ให้กับพนักงานที่รู้จักใช้มันอย่างเชี่ยวชาญ แต่ในระยะยาวหลังการมาถึงของ AGI เรากำลังก้าวเข้าสู่ "ดินแดนที่ไม่มีใครเคยสำรวจ" (Uncharted territory) ซึ่งอาจนำไปสู่โลกยุค Post-scarcity หรือโลกที่ความขาดแคลนหมดไป แต่สิ่งที่จะกลายเป็นปัญหาใหม่คือ "ความหมายและเป้าหมายของชีวิต" (Meaning and Purpose) ของมนุษย์เมื่อไม่ต้องทำงานเพื่อเลี้ยงชีพอีกต่อไป
ความเสี่ยงระดับการล่มสลายและภูมิรัฐศาสตร์
บทสนทนาเปลี่ยนไปสู่โหมดตึงเครียดเมื่อพูดถึงความเสี่ยง Dario เปรียบเทียบยุคนี้ว่าเป็น "ช่วงวัยรุ่นของเทคโนโลยี" (Technological Adolescence) ซึ่งเป็นช่วงหัวเลี้ยวหัวต่อว่าเราจะสามารถผ่านพ้นไปได้โดยไม่ทำลายตัวเองหรือไม่ เขาแสดงความกังวลใน 3 ด้านหลัก:
Bioterrorism: การใช้ AI ในทางที่ผิดเพื่อสร้างอาวุธชีวภาพ
Autonomous Misuse: ระบบที่ฉลาดกว่ามนุษย์และอยู่นอกเหนือการควบคุม
Geopolitical Competition: การแข่งขันระหว่างสหรัฐฯ และจีนที่อาจทำให้แต่ละฝ่ายลดระดับความปลอดภัย (Guardrails) เพื่อชิงความได้เปรียบ
"เรากำลังเคาะประตูบ้านของเทคโนโลยีที่สร้างปาฏิหาริย์จาก 'ทราย' (ซิลิกอน) แต่มันมาพร้อมกับความรับผิดชอบที่ยิ่งใหญ่มหาศาล" — Dario Amodei
แสงสว่างปลายอุโมงค์: AI เพื่อมวลมนุษยชาติ
อย่างไรก็ตาม ทั้งคู่ยังคงมองโลกในแง่ดีเกี่ยวกับ "ด้านสว่าง" ของ AI ตัวอย่างเช่น AlphaFold ที่ช่วยแก้ปัญหาโครงสร้างโปรตีนซึ่งใช้เวลาวิจัยเป็นทศวรรษให้เหลือเพียงไม่กี่นาที AI มีศักยภาพที่จะช่วยรักษามะเร็ง, แก้ไขปัญหาพลังงาน, และช่วยให้เราเข้าใจความลับของจักรวาล สิ่งสำคัญคือการสร้างสมดุลระหว่างการแข่งขันและการร่วมมือระหว่างประเทศเพื่อกำหนดมาตรฐานความปลอดภัยขั้นต่ำ (Minimum Safety Standards)
สรุป Key Takeaways
AGI อาจมาถึงเร็วกว่าที่คิด: คาดการณ์ในช่วงปี 2026-2027 โดยเฉพาะในงานสาย Verifiable อย่างการเขียนโค้ดและคณิตศาสตร์
การปฏิวัติแรงงาน White-collar: งานระดับ Entry-level อาจถูกแทนที่อย่างรุนแรงภายใน 1-5 ปี พนักงานที่รอดคือพนักงานที่ใช้ AI เป็นเครื่องมือเสริมพลัง
ความเสี่ยงและการควบคุม: การก้าวผ่านช่วง "วัยรุ่นเทคโนโลยี" ต้องอาศัยการกำกับดูแลจากภาครัฐและการกำหนด Safety Guardrails ที่เข้มงวด
ยุคหลังความขาดแคลน (Post-scarcity): AI จะสร้างผลิตภาพมหาศาลจนโลกอาจเปลี่ยนไปโดยสิ้นเชิง มนุษย์ต้องเตรียมหา ความหมายใหม่ของชีวิต นอกเหนือจากการทำงาน
