จากอพาร์ตเมนต์โล่ง ๆ สู่ประวัติ OpenAI ที่เขียนใหม่ให้วงการ AI
ประวัติ OpenAI คือเรื่องราวขององค์กรวิจัย AI ที่เริ่มต้นจากห้องอพาร์ตเมนต์โล่ง ๆ มีเพียงไวท์บอร์ดหนึ่งแผ่นและทีมเล็ก ๆ ที่ตั้งใจสร้าง AGI หรือปัญญาประดิษฐ์ที่เก่งรอบด้านเทียบเท่ามนุษย์ โดยใช้เวลาหลายปีทดลอง วิจัย และปรับกลยุทธ์ ก่อนจะกลายเป็นผู้นำเทคโนโลยีด้าน AI ที่มีผลิตภัณฑ์อย่าง ChatGPT ถูกใช้ในระดับผู้ใช้จำนวนมหาศาลทั่วโลก เช้าวันทำการแรกหลังปีใหม่ 2016 ทีมราว 11 ถึง 12 คนเดินเข้าไปในอพาร์ตเมนต์ของ Greg Brockman เพื่อเริ่มต้นเดิมพันครั้งใหญ่กับ AGI แต่เมื่อทุกคนมองหน้ากัน กลับไม่มีใครรู้ว่าขั้นตอนถัดไปคืออะไร มีคนเสนอให้เริ่มจากหาไวท์บอร์ดมาคั่นเวลา ความว่างเปล่าในห้องทำให้ Sam Altman ซึ่งเป็นผู้ร่วมก่อตั้งและซีอีโอย้อนจำได้ว่าช่วงนั้นคือโมเมนต์ที่เขา “ไม่รู้เลย ว่าตัวเองกำลังทำอะไรอยู่” ในระดับชัดที่สุดในชีวิต จุดตั้งต้นที่ดูสับสนนี้กลายเป็นแกนสำคัญของเรื่องเล่าประวัติ OpenAI ที่แตกต่างจากสตาร์ตอัปสายเทคส่วนใหญ่ ซึ่งเน้นปล่อยผลิตภัณฑ์เร็ว แต่ OpenAI เลือกใช้เวลาถึงสี่ปีครึ่งกว่าจะมีผลิตภัณฑ์ตัวแรกออกสู่โลกจริง ขัดกับสูตรมาตรฐานของสำนักบ่มเพาะสตาร์ตอัปที่ Sam เคยอยู่ และกลายเป็นบทพิสูจน์ว่าการวิจัยระยะยาวก็สร้างนวัตกรรม ChatGPT และโมเดลภาษาขนาดใหญ่ตามมาภายหลังได้เช่นกัน
กลยุทธ์ AI ของ Sam Altman เดิมพันยาวก่อนระเบิดเป็น ChatGPT
สิ่งที่ทำให้ประวัติ OpenAI น่าสนใจไม่ใช่แค่ปลายทาง แต่คือวิธีคิดที่สวนสูตรธุรกิจ Sam Altman ใช้ประสบการณ์จากการเป็นนักลงทุนมาก่อนมาออกแบบกลยุทธ์ AI ที่ยอมให้ห้องวิจัยใช้เวลาสี่ปีครึ่งโดยไม่มีผลิตภัณฑ์เลย เพื่อไล่ตามโจทย์ AGI แบบเต็มตัว ช่วงนั้นทีมต้องหาวิธีแทนเสียงลูกค้า เมื่อไม่มีผู้ใช้ก็ไม่มีตัวเลขชี้ว่าขับเคลื่อนไปข้างหน้าหรือถอยหลัง ผลคือพวกเขาออกแบบระบบ Leaderboard ให้เห็นชัดว่าไอเดียของใครทำผลงานได้จริงในงานอย่างการใช้ Reinforcement Learning ฝึกโมเดลให้เอาชนะมนุษย์ในเกม Dota 2 และใช้การสาธิตงานกับบุคคลสำคัญเป็นแรงผลักอีกทางหนึ่ง เบื้องหลังการมุ่งสู่ AGI คือกฎยกกำลังที่ Sam ซึมซับจากโลกลงทุน เขาเชื่อว่าดีลหรือไอเดียที่ดีที่สุดหนึ่งเดียวสามารถให้ผลมากกว่าที่เหลือทั้งหมดรวมกัน และงานวิจัย AI ก็มีรูปทรงแบบเดียวกัน เมื่อ OpenAI ประกาศตัวว่ามุ่งไปที่ AGI และต่อมาหันมาโฟกัส Large Language Model ก็ถูกวิจารณ์หนักว่าไร้สาระ แต่ Altman มองว่าการเดิมพันกับโจทย์ที่คนส่วนใหญ่ไม่เชื่อคือหนทางเดียวที่จะได้ผลลัพธ์แบบ “ใหญ่เกินเทียบ” เขาจึงมองหาคน Non-standard คนที่คิดต่างอย่างจริงจัง กล้ายืนยันในไอเดียที่ดูเหมือนไม่ใช่ไอเดียดีในสายตาคนอื่น และใช้คนกลุ่มนี้เป็นหัวใจในการนำทีม AI ของ OpenAI จากเปเปอร์ Unsupervised Sentiment Neuron สู่ GPT-1 และรุ่นถัด ๆ กฎการขยายขนาดโมเดล (Scaling Laws) ทำให้ทีมมั่นใจว่าการเพิ่มขนาดจะให้โมเดลฉลาดขึ้น จนปูทางไปสู่ ChatGPT ที่มีผู้ใช้ราวหนึ่งพันล้านคนต่อสัปดาห์ในวันนี้
เมื่อพลังงานคือคอขวด และผู้นำเทคโนโลยีต้องคิดไกลกว่าผลิตภัณฑ์
แม้กลยุทธ์ AI ของ Sam Altman จะผลักดันให้ OpenAI กลายเป็นผู้นำเทคโนโลยี แต่เขายอมรับตรง ๆ ว่าทางสู่ความฉลาดระดับเหนือมนุษย์ยังต้องการ “breakthrough” ที่ยังไม่มีใครเห็นรูปเต็ม Altman เคยพูดในงานหนึ่งว่าการไปถึงระดับนั้นไม่มีทางเป็นไปได้หากไม่เกิดความก้าวหน้าครั้งใหญ่ และคำพูดนั้นถูกเชื่อมกับโจทย์พลังงานสำหรับการสร้างและรันโมเดล AI ในระดับมหาศาล การขยายศูนย์ข้อมูลให้รองรับความต้องการของ AI ถูกประเมินว่าจะกินไฟจำนวนมหาศาล และการขาดแคลนพลังงานกำลังกลายเป็นหนึ่งในคอขวดใหญ่สุดของการพัฒนา AI ต่อไป ทั้งจากประวัติศาสตร์ที่เคยมีสองยุค “ฤดูหนาว AI” เพราะพลังประมวลผลยังไม่พร้อม และจากการคาดการณ์ว่าศูนย์ข้อมูลอาจใช้ไฟฟ้าระดับหลายเปอร์เซ็นต์ของการบริโภคทั่วโลกในเวลาไม่นาน สิ่งนี้สะท้อนกับคำอธิบายของ Sam ในบทสัมภาษณ์ที่บอกว่างานหลักของเขาวันนี้ไม่ใช่การปรับฟีเจอร์ ChatGPT แต่คือการไล่แก้โจทย์ชิปและไฟฟ้า ตั้งแต่การออกแบบชิปเอง การจัดการห่วงโซ่อุปทานของโรงงานผลิต ไปจนถึงการสร้างระบบไฟฟ้า ศูนย์ข้อมูล และพูดคุยกับนโยบายรัฐ เขาเรียกโปรเจกต์เหล่านี้ว่ากำลังจะกลายเป็นโครงสร้างพื้นฐานที่แพงที่สุดในประวัติศาสตร์ และใช้ทักษะเดียวกับการลงทุนในสตาร์ตอัป คือการหาเดิมพันใหญ่ที่สวนความเห็นส่วนใหญ่ และจัดทีมเก่งระดับหัวแถวให้ทำผลงานให้ได้ คำพูดของเขาที่ว่า “ไม่มีทางไปถึงจุดนั้นได้ถ้าไม่เกิด breakthrough มันเลยผลักให้เราไปลงทุนกับฟิวชันมากขึ้น” จึงกลายเป็นประโยคที่สะท้อนวิสัยทัศน์ว่า AI ชั้นนำต้องคิดตั้งแต่สมองของโมเดลไปจนถึงแหล่งพลังงานที่จะเลี้ยงมัน
Jeff Dean และคลื่นใหม่ของทีมเล็ก: นำทีม AI แบบลีนเพื่อเร่งนวัตกรรม
ในอีกมุมหนึ่ง คลื่นการเปลี่ยนแปลงของผู้นำเทคโนโลยีใหญ่สะท้อนผ่านการตัดสินใจของ Jeff Dean วิศวกรระดับตำนานที่อยู่กับบริษัทค้นหาข้อมูลรายใหญ่กว่า 27 ปี ก่อนจะออกมาเริ่มต้นสตาร์ตอัป AI ของตัวเองชื่อ Discovery Loop ในการพูดที่สแตนฟอร์ดเมื่อ 7 สิงหาคม ซึ่งเป็นการปรากฏตัวครั้งแรกหลังลาออก เขาถึงกับสะอื้นเล็กน้อยขณะเล่าการตัดสินใจครั้งนี้ ชี้ให้เห็นว่าการปล่อยมือจากองค์กรที่ร่วมสร้างมานานไม่ใช่เรื่องเบา แต่เขากลับเชื่อว่าการทำงานในทีมเล็กสี่คนคือรูปแบบที่ “เหมาะสมที่สุด” สำหรับการเร่งนวัตกรรมในยุคที่บริการคลาวด์เปิดให้ใช้กำลังประมวลผลระดับโลกแบบไม่ต้องสร้างโครงสร้างพื้นฐานเองแล้ว แนวคิดของ Dean เชื่อมกับสิ่งที่ Sam Altman พูดถึงคน Non-standard ที่มองเห็นโอกาสใหม่ในพื้นที่ที่เพิ่งเปิดขึ้นเพราะ AI เก่งขึ้น เขามองว่าทีมเล็กสามารถหลีกเลี่ยง “สิ่งรบกวนเล็ก ๆ น้อย ๆ” ที่ในองค์กรใหญ่ทำให้ความคืบหน้าช้าลง และหันไปโฟกัสโจทย์เดียวเต็มที่ เช่น Discovery Loop ตั้งเป้าเป็นบริษัทผลประโยชน์สาธารณะ ที่ต้องการใช้ AI ทำให้งานตั้งโจทย์ ทดลอง และประเมินผลของนักวิทยาศาสตร์และวิศวกรเป็นเรื่องที่ระบบสามารถทำได้อัตโนมัติ เมื่อรวมกับแนวทางของ Sam ที่สนับสนุนกลุ่มเล็ก ๆ ที่ทำโจทย์ใหม่ ๆ ซึ่งดูเหมือนไม่ใช่ไอเดียที่ดีในสายตาคนอื่น ภาพรวมของวงการจึงแสดงให้เห็นว่า “ผู้นำเทคโนโลยี” รุ่นใหม่ไม่ได้ผูกกับองค์กรยักษ์เสมอไป แต่ผูกกับโครงสร้างทีมที่กล้าโฟกัสและตัดสิ่งรบกวน เพื่อเดิมพันกับนวัตกรรมที่ต่างจากกระแสหลักโดยสิ้นเชิง
บทเรียนความเป็นผู้นำจาก OpenAI สู่ยุคที่ยังรอ breakthrough ครั้งต่อไป
สิบปีของประวัติ OpenAI สอนบทเรียนความเป็นผู้นำแบบที่ผู้บริหารสายเทคและผู้ประกอบการสตาร์ตอัปควรท่องจำ สิ่งแรกคือความกล้าปล่อยผลิตภัณฑ์ออกไปให้โลกจริงตัดสิน แม้ต้องใช้เวลาหลายปีคลำทางอย่างสับสน Sam เล่าว่าทุกเรื่อง ตั้งแต่การตัดใจจากผลิตภัณฑ์ที่ดี การขยายกำลังประมวลผล การบริหารความปลอดภัย ไปจนถึงนิสัยส่วนตัวของเขา ล้วนถูกทดสอบกับหลักคิดเดียวกันคือปล่อยของออกไป เรียนรู้จากสิ่งที่เห็น แล้วปรับซ้ำ เพราะในโลกของกฎยกกำลัง ผลลัพธ์ใหญ่ที่สุดมักมาจากเดิมพันไม่กี่ครั้งที่ถูกจังหวะ บทเรียนถัดมาคือการออกแบบโครงสร้างองค์กรให้รองรับนวัตกรรม การมีช่วงเวลาสี่ปีครึ่งโดยไม่รีบปล่อยผลิตภัณฑ์ บ่งบอกว่า OpenAI เลือกสร้างพื้นที่ให้การวิจัยและการทดลองระยะยาว ในขณะที่วันนี้ ChatGPT ถูกพูดถึงในฐานะนวัตกรรม ChatGPT ที่รวม Codex เข้ามาเป็นทางเข้าเดียว เพื่อให้ผู้ใช้เข้าใจว่ามันทำงานได้มากกว่างานเขียนโค้ด และรองรับการใช้งานหลายแบบในจุดเดียว พร้อมกันนั้นผู้นำอย่าง Sam ก็หันไปโฟกัสที่ชิปและไฟฟ้า ซึ่งสะท้อนว่าองค์กรที่ตั้งใจนำทีม AI ในระดับโลกต้องคิดตั้งแต่สามชั้นคือ กลยุทธ์โมเดล การจัดการทีม และโครงสร้างพื้นฐานพลังงาน สุดท้าย แม้ตัวเลขบน Leaderboard และความคืบหน้าบน Benchmark จะดีขึ้นเรื่อย ๆ แต่คำเตือนของ Altman ว่า “ไม่มีทางไปถึงจุดนั้นได้ถ้าไม่เกิด breakthrough” ก็เป็นสัญญาณว่าความก้าวหน้าเชิงระดับของ AI ยังมาไม่ถึง ในโลกที่ Jeff Dean เลือกออกจากองค์กรยักษ์ไปสร้างทีมเล็ก และ Sam Altman เลือกบริหารโครงสร้างพื้นฐานที่แพงสุดในประวัติศาสตร์ บทสรุปสำคัญคือ ผู้นำเทคโนโลยีรุ่นใหม่ต้องกล้าคิดยาว เก็บทีมให้โฟกัส และไม่หลงกับสัญญาณชั่วคราวจากตัวเลขสวย ๆ แต่ต้องมองหาการเปลี่ยนเกมที่แท้จริง ซึ่งอาจเริ่มต้นจากไวท์บอร์ดแผ่นเดียวในอพาร์ตเมนต์อีกครั้งก็ได้
