ซามอัลท์แมนชี้ว่าการฝึก AI ใช้พลังงานน้อยกว่าการสร้างผู้เชี่ยวชาญมนุษย์

การพูดของ Sam Altman ประธานเจ้าหน้าที่บริหารของ OpenAI ที่งาน AI Summit ประเทศอินเดียเมื่อเร็ว ๆ นี้ได้กระตุ้นให้วงการเทคโนโลยีและสาธารณชนตั้งคำถามเกี่ยวกับปริมาณพลังงานที่จำเป็นต่อการฝึกโมเดล AI ระดับสูง ทั้งนี้ Altman ยังอ้างว่า การสร้างผู้เชี่ยวชาญมนุษย์ต้องใช้พลังงานมากกว่าการฝึกระบบ AI ทำให้ประเด็น “ค่าใช้จ่ายด้านพลังงานของ AI” กลายเป็นหัวข้อสำคัญที่ต้องวิเคราะห์อย่างละเอียด

Overview

การพัฒนาเทคโนโลยี AI กำลังดำเนินไปอย่างรวดเร็วโดย OpenAI อยู่ในตำแหน่งนำด้วยความร่วมมือเชิงกลยุทธ์หลายประการ ตามรายงานของ *Indian Express* บริษัทได้เซ็นสัญญากับ Oracle และ Nvidia เพื่อรับรองโครงสร้างพื้นฐานที่จำเป็นสำหรับการฝึกโมเดล AI ในอนาคต การทำข้อตกลงเหล่านี้แสดงให้เห็นถึงความมุ่งมั่นขององค์กรในการขยายศักยภาพคอมพิวเตอร์คลาวด์และหน่วยประมวลผลกราฟิก (GPU) ที่มีประสิทธิภาพสูง

การลงทุนในโครงสร้างพื้นฐานดังกล่าวไม่ได้หมายถึงเพียงแค่ฮาร์ดแวร์เท่านั้น แต่รวมถึงศูนย์ข้อมูลขนาดใหญ่ที่ต้องใช้พลังงานไฟฟ้าจำนวนมหาศาลเพื่อดำเนินการฝึกโมเดล AI รวมทั้งระบบทำความเย็นด้วยน้ำและอุปกรณ์สนับสนุนอื่น ๆ ซึ่งเป็นส่วนสำคัญของต้นทุนโดยรวม

แม้ว่าการสร้างโมเดลใหม่จะต้องใช้เวลาและทรัพยากรอย่างมาก แต่ OpenAI เชื่อว่าการลงทุนในเทคโนโลยีเหล่านี้จะทำให้ระบบ AI มีความสามารถในการประมวลผลที่เหนือกว่ามนุษย์ในหลายด้าน และเปิดโอกาสใหม่ ๆ สำหรับอุตสาหกรรมต่าง ๆ

Key Details

รายละเอียดหลักของการร่วมมือและข้อกังวลด้านพลังงานมีดังนี้:

• Oracle ให้บริการคลาวด์พื้นฐานสำหรับจัดเก็บข้อมูลขนาดใหญ่และประมวลผลแบบกระจาย
• Nvidia จัดหา GPU รุ่นล่าสุดที่ใช้ในขั้นตอนฝึกโมเดล AI อย่างเช่น A100 และ H100
• ศูนย์ข้อมูลของ OpenAI ต้องการไฟฟ้าจำนวนหลายร้อยเมกะวัตต์ต่อเดือนเพื่อรองรับการฝึกและ inference

ตามที่ Altman กล่าวในงานสัมภาษณ์ เขาให้ความสำคัญกับ “พลังงานที่ใช้ในการสร้างผู้เชี่ยวชาญมนุษย์” โดยอ้างว่าการฝึกระบบ AI สามารถทำได้เร็วกว่าและอาจประหยัดพลังงานเมื่อเทียบกับการเรียนรู้ของมนุษย์หลายรอบ

แม้ว่าโครงสร้างพื้นฐานเหล่านี้จะช่วยเร่งความก้าวหน้าทาง AI แต่ก็ทำให้เกิดข้อถกเถียงเกี่ยวกับผลกระทบต่อสิ่งแวดล้อมและความยั่งยืนในระยะยาว

Altman's Energy Argument

Altman เน้นว่ามนุษย์เองต้องใช้พลังงานจำนวนมากเพื่อการศึกษาและฝึกฝนจนถึงระดับผู้เชี่ยวชาญ ตัวอย่างที่เขานำเสนอคือ “การฝึกมนุษย์ต้องใช้เวลาเป็นปีหลายสิบปี” ซึ่งหมายถึงการบริโภคอาหาร น้ำ และอื่น ๆ ที่แปรเปลี่ยนเป็นพลังงานชีวภาพ

ในมุมของ AI การฝึกโมเดลอาจเสร็จสิ้นภายในไม่กี่สัปดาห์หรือเดือนเท่านั้น แม้ว่าเครื่องจักรจะต้องใช้ไฟฟ้าและน้ำในการทำความเย็น แต่ Altman เชื่อว่าการเปรียบเทียบระยะเวลาที่ต่างกันนี้ทำให้การฝึก AI มีประสิทธิภาพด้านพลังงานโดยรวมมากกว่ามนุษย์

เขายังชี้ให้เห็นว่า AI สามารถเพิ่มประสิทธิภาพของตนเองได้ตามเวลา ด้วยการออกแบบฮาร์ดแวร์และอัลกอริทึมที่เป็นมิตรต่อพลังงาน ดังนั้นในอนาคตต้นทุนด้านไฟฟ้าของโมเดล AI จะลดลงอย่างต่อเนื่อง

Criticisms and Counterpoints

นักวิจารณ์หลายคนได้ชี้ให้เห็นว่าการเปรียบเทียบดังกล่าวอาจไม่ครอบคลุมทั้งหมด เนื่องจากสมองมนุษย์ทำงานด้วยพลังงานเพียงประมาณ 20 วัตต์ ต่อวัน ซึ่งถือว่าเป็นระดับที่ประหยัดมากเมื่อเทียบกับศูนย์ข้อมูลขนาดใหญ่ที่ต้องการเมกะวัตต์หลายร้อย

นอกจากนี้ การฝึก AI ยังสร้างผลกระทบด้านน้ำและทรัพยากรวัสดุอื่น ๆ ที่อาจทำให้เกิดความเสี่ยงต่อระบบนิเวศน์ นักวิชาการบางคนกล่าวว่า “แม้เทคโนโลยีจะพัฒนาไปได้เร็ว แต่การใช้งานพลังงานในระดับมหาศาลยังเป็นปัญหาใหญ่ที่ต้องแก้ไขโดยตรง”

ประเด็นทางจริยธรรมก็เข้ามาเกี่ยวข้องเช่นกัน การเปรียบเทียบมนุษย์กับเครื่องจักรว่า “มนุษย์ไม่มีประสิทธิภาพ” อาจทำให้เกิดการมองข้ามคุณค่าทางสังคมและศีลธรรมของแรงงานมนุษย์ นอกจากนี้ยังสร้างความกังวลว่าการใช้ AI อย่างกว้างขวางอาจนำไปสู่การลดบทบาทของผู้เชี่ยวชาญมนุษย์ในหลายอุตสาหกรรม

Industry Implications

หากบริษัทเทคโนโลยียอมรับมุมมองของ Altman ว่า “พลังงานที่ใช้ในการฝึก AI ควรเปรียบเทียบกับการฝึกมนุษย์” อาจทำให้เกิดแรงจูงใจใหม่สำหรับการลงทุนในศูนย์ข้อมูลสีเขียวและโซลูชันลดการใช้ไฟฟ้า

หลายองค์กรเริ่มสำรวจการใช้พลังงานจากแหล่งพลังงานหมุนเวียน เช่น พลังงานแสงอาทิตย์และพลังงานลม เพื่อลดคาร์บอนฟุตพรินท์ของศูนย์ข้อมูล AI นอกจากนี้ ผู้ผลิตฮาร์ดแวร์เช่น Nvidia กำลังพัฒนา GPU ที่มีประสิทธิภาพการใช้พลังงานสูงขึ้นเพื่อรองรับความต้องการนี้

ในระดับนโยบายรัฐบาลอาจต้องพิจารณาการกำหนดมาตรฐานด้านพลังงานสำหรับศูนย์ข้อมูล AI เพื่อให้แน่ใจว่าการเติบโตของเทคโนโลยีไม่ทำลายเป้าหมายลดก๊าซเรือนกระจกที่ได้ตั้งไว้ การสนทนานี้จึงเป็นส่วนหนึ่งของการสร้างกรอบความรับผิดชอบต่อสิ่งแวดล้อมในยุคดิจิทัล

Summary

Sam Altman ให้เหตุผลว่าการฝึกโมเดล AI แม้ใช้พลังงานมากก็ตามอาจประหยัดกว่าเมื่อเปรียบเทียบกับการสร้างผู้เชี่ยวชาญมนุษย์ อย่างไรก็ตาม นักวิจารณ์และผู้เชี่ยวชาญด้านสิ่งแวดล้อมยังคงตั้งคำถามต่อความยั่งยืนของโมเดลพลังงานดังกล่าว การสนทนานี้จะส่งผลต่อแนวทางการลงทุนในโครงสร้างพื้นฐาน AI และนโยบายพลังงานของอุตสาหกรรมในอนาคต.