Jensen Huang ยืนยันว่า Nvidia มี AGI อยู่แล้ว สร้างความท้าทายใหม่ให้วงการ AI

Lead: ในการประชุมผลประกอบการเมื่อวันที่ 26 สิงหาคม 2566 ซีอีโอของ Nvidia Jensen Huang ยืนยันว่า “เรามี AGI** อยู่แล้ว” แม้แต่อุตสาหกรรม AI อย่าง OpenAI จะยังคงมุ่งหวังให้ถึงจุดนั้นภายในปีนี้ การประกาศของ Huang นำไปสู่การตั้งคำถามใหม่เกี่ยวกับความหมายและประโยชน์จริงของ AG‑​General Intelligence

Overview

Jensen Huang อ้างว่าในหลายงาน “เราสามารถบอกได้ว่าเรา ทำ AGI ไปแล้ว” โดยมองว่าการบรรลุเกณฑ์ต่าง ๆ ของ AI เช่น การตอบสนองต่อคำสั่ง หรือการสร้างผลผลิตที่เป็นประโยชน์ ถือเป็นขั้นตอนที่สำคัญกว่า “การตั้งเป้าให้ AI มีระดับสมองมนุษย์” มากกว่าที่หลายคนมองเห็น ตามข้อมูลจากการสัมภาษณ์ดังกล่าว Huang เน้นว่าเกณฑ์ความสำเร็จแบบดั้งเดิมอาจกลายเป็น “ไร้สาระ” หากไม่สอดคล้องกับผลลัพธ์ที่จับต้องได้

ในขณะเดียวกัน Sam Altman ซีอีโอของ OpenAI ยังคงบอกว่าบริษัทคาดว่าจะสร้าง AGI ให้เสร็จภายในสิ้นปี โดยอ้างอิงถึงการพัฒนาที่ก้าวหน้าอย่างต่อเนื่องของโมเดลภาษาและระบบเอเจนต์ที่สามารถทำงานหลายด้านได้ แม้จะไม่มีคำจำกัดความที่สากลยอมรับร่วมกัน แต่แนวคิดนี้ยังคงเป็นหัวใจสำคัญของการแข่งขันในตลาด AI

Definition Debate

แม้ว่าคำว่า AGI จะถูกใช้บ่อยในวงการเทคโนโลยี แต่มันไม่มีนิยามที่ได้รับการยอมรับอย่างกว้างขวาง โดยทั่วไปหมายถึง “ระบบปัญญาประดิษฐ์ที่สามารถทำงานได้หลากหลายระดับเทียบหรือเหนือมนุษย์” ตามรายงานของสถาบันวิจัย AI ระดับโลก การกำหนดกรอบความหมายดังกล่าวยังคงเป็นข้อโต้แย้ง เนื่องจากการวัดความสามารถในด้านต่าง ๆ ต้องอาศัยมาตรฐานที่ชัดเจน

การให้ความสำคัญกับ “งานผลิตผลและมีประโยชน์” ของ Huang สะท้อนแนวคิดว่าความสำเร็จของ AI ควรวัดจากการสร้างคุณค่าเชิงเศรษฐกิจ ไม่ใช่แค่การบรรลุเกณฑ์วิชาการเท่านั้น การพูดถึง “profitable tokens” แสดงให้เห็นว่า Nvidia ให้ความสนใจต่อผลตอบแทนที่สามารถวัดได้จริงจากระบบ AI ที่ทำงานในตลาด

Huang’s Comments on AGI

ในการสัมภาษณ์กับนักพอดคาสท์ Lex Fridman ในเดือนมีนาคม 2569 Huang ย้ำว่าตอนนี้ “เรามี AGI แล้ว” โดยอธิบายว่าเอเจนต์ AI สามารถสะท้อนการทำงานของตนเอง เรียนรู้ทักษะใหม่ และพัฒนาผลลัพธ์ในอนาคตได้ ซึ่งเป็นความก้าวหน้าที่สำคัญต่อการสร้างระบบอัตโนมัติที่มีประสิทธิภาพ

แม้จะกล่าวว่า AI สามารถสร้างแอปพลิเคชันไวรัลมูลค่า “พันล้านดอลลาร์” ได้ แต่ Huang ยังระบุว่าการสร้างบริษัทระดับ Nvidia ด้วยเอเจนต์ 100,000 ตัวนั้น “ศูนย์เปอร์เซ็นต์” ซึ่งบ่งบอกถึงขีดจำกัดของ AI ในการจัดการโครงสร้างองค์กรและกลยุทธ์ธุรกิจที่ซับซ้อน

Technical Perspective from Nvidia

Nvidia ยังคงเป็นผู้ผลิตชิปประสิทธิภาพสูงที่ขับเคลื่อนระบบ AI หลายระดับ ตั้งแต่ GPU รุ่น H100 จนถึงแพลตฟอร์ม DGX Cloud ซึ่งให้บริการคอมพิวเตอร์ความเร็วสูงแก่นักวิจัยและบริษัทต่าง ๆ การที่บริษัทนี้สามารถสนับสนุน “เอเจนต์” ที่มีความอิสระในการเรียนรู้ แสดงให้เห็นว่าการทำงานของฮาร์ดแวร์ได้ก้าวไกลกว่าเพียงการประมวลผลข้อมูลพื้นฐาน

• ชิป H100 รองรับ FP8 ซึ่งช่วยลดต้นทุนพลังงานในงานฝึกโมเดลขนาดใหญ่
• แพลตฟอร์ม DGX Cloud ให้ผู้ใช้เข้าถึงสภาพแวดล้อม AI ที่พร้อมใช้งานโดยไม่ต้องลงทุนโครงสร้างพื้นฐานเอง
• ระบบซอฟต์แวร์ NVIDIA NeMo ช่วยให้การพัฒนาเอเจนต์ที่สามารถเรียนรู้และปรับตัวได้เร็วขึ้น

ความก้าวหน้าเหล่านี้ทำให้ Nvidia สามารถอ้างว่าเทคโนโลยีของตน “อยู่ในขั้นตอนของ AGI” ได้จากมุมมองเชิงปฏิบัติ มากกว่าการอ้างอิงทฤษฎีเดียว

Industry Implications

การที่ผู้บริหารระดับสูงอย่าง Jensen Huang แถลงว่า AGI มีอยู่แล้ว จะส่งผลต่อวิสัยทัศน์ของนักลงทุนและบริษัทเทคโนโลยีหลายแห่ง ผู้จัดการกองทุนอาจปรับพอร์ตโดยเพิ่มส่วนแบ่งในหุ้น Nvidia หรือบริษัทที่ใช้ชิปของ Nvidia อย่างเข้มข้น

นอกจากนี้ การเน้น “งานผลิตผล” แทน “เกณฑ์วิชาการ” อาจเร่งให้ผู้พัฒนา AI มุ่งสร้างผลิตภัณฑ์ที่ตอบโจทย์ตลาดเร็วขึ้น ซึ่งอาจทำให้การแข่งขันด้านการใช้งานจริง (commercialization) สูงขึ้น อย่างไรก็ตาม ความกังวลเกี่ยวกับความปลอดภัยและจริยธรรมของระบบที่ “คิดเอง” ยังต้องได้รับการพิจารณาอย่างรอบคอบ

Analysis

มุมมองของ Huang แสดงให้เห็นถึงการเปลี่ยนแปลงแนวคิดจากการไล่ตาม “ระดับมนุษย์” ไปสู่การวัดผลด้วย “คุณค่าเชิงเศรษฐกิจ” ที่อาจทำให้การพูดคุยเรื่อง AGI มีความหมายใหม่ การอ้างว่าเกณฑ์เดิมเป็น “ไร้สาระ” อาจสะท้อนถึงความพยายามของ Nvidia ในการกำหนดมาตรฐานใหม่ของอุตสาหกรรม

อย่างไรก็ตาม ความแตกต่างระหว่างมุมมองของ OpenAI ที่ยังคงตั้งเป้าหมายให้ถึง AGI อย่างชัดเจนกับ Nvidia ที่บอกว่ามีอยู่แล้วแล้วนั้น ยังทำให้ผู้ชมและนักวิจัยต้องพิจารณาว่า “AGI” ในที่นี้หมายถึงอะไร การกำหนดมาตรฐานร่วมกันอาจเป็นก้าวสำคัญต่อการสร้างสภาพแวดล้อมที่ปลอดภัยและยั่งยืนสำหรับเทคโนโลยี AI

Summary

Jensen Huang ยืนยันว่า AGI มีอยู่แล้วในหลายงานของ AI และชี้ให้เห็นว่าการวัดความสำเร็จควรอิงจากผลผลิตเชิงเศรษฐกิจ มากกว่ามาตรฐานวิชาการแบบเดิม ส่วน Sam Altman ของ OpenAI ยังมองว่า AGI จะต้องบรรลุเป้าหมายในปีนี้ ความแตกต่างเหล่านี้กำหนดแนวทางใหม่ของอุตสาหกรรม AI ทั้งด้านการพัฒนาและการลงทุน.