การเปิดตัว Gemini 3 Deep Think ได้ก่อให้เกิดความสั่นสะเทือนอย่างใหญ่หลวงในวงการ แบบจำลองล้ำสมัยที่สุดของกูเกิลนี้ ได้ผลักดันแชทบอทไปสู่ระดับใหม่ด้วยความเร็วที่น่าตกใจ ทำให้มันกลายเป็นผู้ช่วยวิจัยที่ทรงพลังซึ่งมีความสามารถเหนือกว่าคนทั่วไป หรือแม้แต่ระดับปริญญาเอก เบื้องหลังทั้งหมดนี้ ล้วนไม่อาจแยกจากชื่อของ Demis Hassabis ผู้ที่เคยถูกมองว่าเป็น “บุคคลอันตราย” โดย Elon Musk, Sam Altman และคนอื่นๆ
ตั้งแต่ AlphaGo ที่เอาชนะแชมป์โลกหมากล้อม ไปจนถึง AlphaFold ที่ไขปัญหาการพับตัวของโปรตีน และจนถึง Gemini ที่ปัจจุบันเป็นผู้นำกลยุทธ์ AI ของกูเกิลอย่างเต็มรูปแบบ อาชีพการงานของ Demis เหมือนกับประวัติศาสตร์การพัฒนา AI สมัยใหม่ที่ถูกบันทึกไว้ ล่าสุด นิตยสาร Fortune ได้เผยแพร่การสัมภาษณ์พิเศษกับ Demis ในช่วงการประชุม World Economic Forum ที่ดาวอส บนช่อง YouTube ทางการของพวกเขา Alyson Shontell บรรณาธิการนิตยสาร Fortune ซึ่งเป็นผู้ดำเนินรายการ ได้สนทนาอย่างลึกซึ้งกับเจ้าของรางวัลโนเบลท่านนี้ ผู้ที่ขาย DeepMind ให้กูเกิลในราคา 500 ล้านดอลลาร์ และภายในเวลาไม่ถึงปีก็สามารถนำ Gemini กลับมาแซงหน้า OpenAI ได้อย่างประสบความสำเร็จ
การสัมภาษณ์ครั้งนี้ เป็นทั้งการทบทวนช่วงเวลาสำคัญในอาชีพของ Demis ส่วนตัว และยังเปิดเผยความคิดเชิง вехиของกูเกิลบนเส้นทางสู่ปัญญาประดิษฐ์ทั่วไป (AGI) ข้อคิดเห็นหลักมีดังนี้:
ประการแรก Demis ได้เสนอข้อตัดสินที่สำคัญ: เส้นทางการพัฒนา AI กำลังกลายเป็นสิ่งที่ “เข้มข้น” อย่างผิดปกติ
“ทุกปีมีความก้าวหน้ามากเท่ากับสิบปีที่ผ่านมา ปีนี้ก็จะไม่ใช่ข้อยกเว้น จังหวะมันตึงเครียดมาก”
เขาเชื่อว่าช่วงเวลาหน้าต่างสำหรับการตัดสินใจเชิงกลยุทธ์กำลังสั้นลง ความเร็วในการตอบสนองขององค์กรต้องถูกปรับโครงสร้างใหม่ เมื่อมองในภาพรวม Gemini 3 เป็นจุดเปลี่ยนสำคัญ ซึ่งเป็นเครื่องหมายว่า AI ใกล้จะสามารถสร้างระบบ “เอเจนต์ (Agent)” ที่แท้จริงได้แล้ว เขาคาดว่า ภายในสิ้นปีนี้ “เราจะเริ่มเห็นรูปแบบของการ ‘มอบหมายงานเต็มรูปแบบให้ AI ดำเนินการ’ เกิดขึ้นจริง”
ประการที่สอง Demis ชี้ให้เห็นอีกทิศทางหนึ่ง: แบบจำลองจะก้าวเข้าสู่โลกแห่งความเป็นจริง จุดสำคัญไม่ใช่การทำให้โมเดลบนอุปกรณ์ปลายทางแข็งแกร่งขึ้น แต่คือการสร้าง “ผู้ช่วยอเนกประสงค์” (ซึ่งมีต้นแบบอยู่ภายในกูเกิลแล้ว) มันจะปรากฏอยู่ในทุกอุปกรณ์ปลายทาง — เบราว์เซอร์ โทรศัพท์มือถือ ระบบในรถ แว่นตาอัจฉริยะในอนาคต — และมีความสามารถในการรับรู้อย่างต่อเนื่องข้ามสถานการณ์ สิ่งนี้บ่งบอกถึงการนิยามรูปร่างของการปฏิสัมพันธ์ระหว่างมนุษย์กับเครื่องใหม่
“ผมคิดว่าความสามารถทางเทคนิคในตอนนี้ใกล้ถึงจุดวิกฤตที่ใช้งานได้จริงแล้ว นี่อาจกลายเป็นแอปพลิเคชันที่ทำให้แว่นตารูปแบบนี้ประสบความสำเร็จอย่างถล่มทลาย”
แน่นอน สาขาที่ Demis เองลงทุนหนักและเชื่อมั่น ยังคงเป็น AI ทางการแพทย์ เป้าหมายของเขาช่างยิ่งใหญ่: “แก้ไขโรคทั้งหมด” นี่ไม่ใช่คำพูดเลื่อนลอยแบบซิลิคอนวัลเลย์ Demis ได้เห็นเส้นทางแก้ปัญหาที่ชัดเจนแล้ว: การจำลองด้วยการคำนวณขนาดใหญ่ → การค้นหาในพื้นที่ทางเคมี → การทดลองในห้องปฏิบัติการ (wet lab) ใช้สำหรับการยืนยันเท่านั้น ในมุมมองของเขา สนามรบหลักของการพัฒนายาจะย้ายจากห้องปฏิบัติการ ไปสู่แพลตฟอร์มเครื่องยนต์การค้นพบยาอเนกประสงค์ที่ขับเคลื่อนด้วยพลังการคำนวณของ AI
“ผมเชื่อว่า หากต้องการความก้าวหน้าข้ามขั้นในด้านสุขภาพ เราต้องทำให้การค้นหาสมมติฐานขนาดใหญ่และการออกแบบโมเลกุลเสร็จสิ้นในสภาพแวดล้อมการจำลองด้วยคอมพิวเตอร์ ซึ่งมีประสิทธิภาพสูงกว่าห้องปฏิบัติการหลายร้อยหรือหลายพันเท่า ห้องปฏิบัติการจะทำหน้าที่ในการยืนยันมากขึ้น”
นอกจากนี้ ในสาขาหุ่นยนต์ Demis คาดการณ์ว่าอาจเห็นความก้าวหน้าข้ามขั้นภายใน 18 เดือนข้างหน้า
ทิศทางทั้งหมดข้างต้น เป็นจุดเน้นที่กูเกิลกำลังผลักดันอย่างเต็มที่ในปัจจุบัน แน่นอน รวมถึงการยกระดับความสามารถของโมเดล Gemini เองอย่างต่อเนื่องด้วย
เมื่อถูกถามว่าเขาจัดการโครงการและทีมหลายๆ โครงการพร้อมกันในจังหวะการพัฒนาที่รวดเร็วเช่นนี้ได้อย่างไร Demis ได้เปิดเผยสถานะการทำงานของเขา เขายอมรับว่าไม่มีเคล็ดลับพิเศษ มีเพียงสี่คำ: “ทำงานล่วงเวลาและอดนอน” เขานอนหลับวันละ 6 ชั่วโมงเป็นประจำ ในเวลากลางวันที่ออฟฟิศ เขาจัดการประชุมต่อเนื่องแบบ back-to-back อย่างหนาแน่น โดยแทบไม่มีช่วงว่าง หลังจากใช้เวลากับครอบครัวในตอนเย็น ประมาณ 4 ทุ่ม เขาเริ่มทำงานรอบที่สอง ซึ่งจะดำเนินต่อไปจนถึงตี 4 เวลานี้主要用于ใช้สำหรับการคิด การวิจัย และงานสร้างสรรค์ Demis ได้รักษาจังหวะแบบนี้มาเป็นเวลาสิบปีแล้ว
สำหรับการทำให้ AGI เป็นจริง Demis ยังคงรักษามุมมองทางวิศวกรรมที่ระมัดระวังของเขาไว้ เขาคิดว่าต้องเตรียมพร้อมในทุกด้านสำหรับสิ่งนี้: ความน่าเชื่อถือ ความปลอดภัย กรอบการปรับใช้ และการพิจารณาทางธุรกิจ
“สิ่งที่ผมเรียนรู้ในช่วงสิบกว่าปีที่ผ่านมาคือ เมื่อเป้าหมายยิ่งใหญ่มาก เช่น การแก้ไขโรคทั้งหมดหรือการสร้าง AGI เราต้องกำหนดจุดหมายสำคัญเป็นระยะๆ จุดเหล่านี้เองก็ท้าทาย แต่ทำให้คุณมั่นใจได้ว่าทิศทางถูกต้อง AlphaGo, AlphaFold จนถึง Gemini ล้วนถูกแยกย่อยและทำสำเร็จทีละขั้นแบบนี้”
มองไปยังอนาคตสิบปีหรือนานกว่านั้น Demis ได้ให้ภาพ设想ที่มองในแง่ดี:
“หากเราเดินไปในทิศทางที่ถูกต้อง ในสิบถึงสิบห้าปีข้างหน้า เราจะเข้าสู่ยุคทองแห่งการค้นพบใหม่ อันเป็นยุคฟื้นฟูศิลปวิทยาในแง่หนึ่ง”
เขาเห็นล่วงหน้าว่า การแพทย์เฉพาะบุคคลจะกลายเป็นความจริง มนุษย์จะใช้ AI แก้ปัญหาวิทยาศาสตร์ที่สำคัญมากมาย เช่น วัสดุใหม่ ฟิวชันนิวเคลียร์ที่ควบคุมได้ พลังงานแสงอาทิตย์และเทคโนโลยีแบตเตอรี่ที่มีประสิทธิภาพสูงขึ้น แม้กระทั่งหาเส้นทางแก้ไขวิกฤตพลังงาน หลังจากนั้น มนุษย์อาจเข้าสู่ยุคแห่งความมั่งคั่งอย่างสุดขีด มีพลังงานเพียงพอที่จะสำรวจจักรวาล ก้าวไปสู่ดวงดาว
“ผมเชื่อว่านี่คือชะตากรรมของมนุษยชาติ”
ย้อนรอยลึกซึ้ง: เบื้องหลังจุดเปลี่ยนสำคัญ
ประวัติศาสตร์มักมีผลกระทบเล็กๆ น้อยๆ: ขายให้กูเกิล 500 ล้านดอลลาร์ ทางอ้อมทำให้เกิด OpenAI
Demis มีปริญญาเอกทั้งสองสาขาในวิทยาการคอมพิวเตอร์และประสาทวิทยาการรู้คิด ในปี 2010 เขาร่วมก่อตั้ง DeepMind เป้าหมายของบริษัททะเยอทะยาน — แก้ปัญหา “ความฉลาด” อันเป็นคำถามสุดท้าย ภายใต้การนำของเขา DeepMind ประสบความสำเร็จก้าวหน้าอย่างต่อเนื่องในโมเดลปัญญาประดิษฐ์ สี่ปีต่อมา กูเกิลเข้าซื้อกิจการสตาร์ทอัพวิจัยนี้ด้วยเงินหลายร้อยล้านดอลลาร์
ผู้ดำเนินรายการ: Demis ตอนนี้เราอยู่ที่ดาวอส ขอบคุณที่สละเวลา คุณเพิ่งผ่านปี 2025 ที่สำคัญมาก และกำลังเตรียมพร้อมสำหรับปี 2026 ก่อนจะพูดถึงสิ่งเหล่านี้ ผมอยากให้ทุกคนรู้จักคุณมากขึ้น คุณรักหมากรุก เป็นนักเล่นระดับมาสเตอร์; และก็รักดาราศาสตร์ สองสิ่งนี้พาคุณเข้าสู่วงการ AI ได้อย่างไร?
Demis: ตั้งแต่เด็กผมสนใจสาขาดาราศาสตร์ จักรวาลวิทยา ฟิสิกส์ พวกนี้ เพราะผมมักจะคิดถึงคำถามใหญ่ๆ — จักรวาลกำลังเกิดอะไรขึ้น? จิตสำนึกคืออะไร? ธรรมชาติของจิตสำนึกคืออะไร? หากคุณหลงใหลกับคำถามเหล่านี้ ก็จะถูกดึงดูดเข้าสู่ฟิสิกส์อย่างเป็นธรรมชาติ ในอีกด้านหนึ่ง ผมก็รักเกมและกลยุทธ์ ตอนเด็กผมเล่นหมากรุกอย่างจริงจังมาก นี่เป็นการฝึกฝนความคิดของตัวเอง การเล่นหมากรุกทำให้ผมเริ่มคิดเกี่ยวกับ “กระบวนการคิดเอง” — สมองทำงานอย่างไร? ความสนใจเหล่านี้ในที่สุดก็มารวมกัน นำผมไปสู่ AI คอมพิวเตอร์และปัญญาประดิษฐ์สามารถช่วยเราเข้าใจจิตใจของตัวเองได้ และยังเป็นเครื่องมืออันทรงพลังในการทำความเข้าใจจักรวาล
ผู้ดำเนินรายการ: ในปี 2014 คุณขาย DeepMind ให้กูเกิลในราคาประมาณ 500 ล้านดอลลาร์ นี่เป็นการซื้อขายที่ร้อนแรง Meta ในตอนนั้นก็อยากซื้อเช่นกัน เมื่อมองจากวันนี้ นี่อาจเป็นการซื้อขายที่เปลี่ยนแปลงวงการมากที่สุดครั้งหนึ่งในประวัติศาสตร์ธุรกิจ คุณวางรากฐานเครื่องจักร AI ให้กูเกิล เมื่อมองย้อนกลับ คุณประเมินการตัดสินใจนั้นอย่างไร? ตอนนั้นตระหนักว่านี่เป็นช่วงเวลาสำคัญแล้วหรือไม่?
Demis: ใช่ พวกเราตระหนักดีในตอนนั้น ปี 2010 เมื่อเราก่อตั้ง DeepMind เกือบไม่มีใครพูดถึง AI แต่เรารู้ทิศทาง ภารกิจของเราคือการแก้ปัญหาความฉลาด แล้วใช้มันแก้ปัญหาอื่นๆ ทั้งหมด เป้าหมายคือสร้างปัญญาประดิษฐ์ทั่วไป และให้ความสำคัญกับการใช้ในการวิจัยวิทยาศาสตร์ก่อน ปี 2014 กูเกิลเข้ามาติดต่อ การซื้อขายนี้ถูกขับเคลื่อนโดย CEO ในตอนนั้นคือ Larry Page ในแง่หนึ่ง ราคานี้ประเมินค่าอนาคตต่ำเกินไป แต่สำหรับผม สิ่งสำคัญไม่เคยเป็นเงิน แต่คือภารกิจ คือการเร่งกระบวนการทำให้ปัญญาประดิษฐ์ทั่วไปเป็นจริงและตอบคำถามทางวิทยาศาสตร์ กูเกิลมีพลังการคำนวณที่แข็งแกร่ง ซึ่งสำคัญมากต่อการพัฒนาความฉลาด ผมบอก Larry ในตอนนั้นว่า นี่อาจกลายเป็นการเข้าซื้อกิจการที่สำคัญที่สุดครั้งหนึ่งในประวัติศาสตร์ของกูเกิล — เมื่อพิจารณาว่าพวกเขาเคยซื้อ YouTube และ Android มาก่อน คำพูดนี้มีน้ำหนักมาก
ผู้ดำเนินรายการ: หากมองย้อนไปที่จุดกำเนิดของ OpenAI เหตุผลส่วนหนึ่งที่ Elon Musk และ Sam Altman ร่วมมือกัน ก็เพราะกังวลว่ากูเกิลจะผูกขาดวงการ AI หลังซื้อ DeepMind ในแง่หนึ่ง คุณก็เป็นผู้ให้กำเนิดคู่แข่งระดับสุดยอดด้วย
Demis: ในประวัติศาสตร์มักมีผลกระทบเล็กๆ น้อยๆ (Butterfly Effect) ยังมีปัจจัยสำคัญอีกอย่างคือความสำเร็จของ AlphaGo นั่นเป็นโปรแกรมแรกที่เอาชนะแชมป์โลกหมากล้อม ใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) และการเรียนรู้เชิงลึก (Deep Learning) ชัยชนะในปี 2016 นั้นเป็นจุดเปลี่ยนสำคัญ และยังเป็นสัญญาณเริ่มต้นยุค AI สมัยใหม่ รวมถึงผู้ก่อตั้ง OpenAI ก็ตระหนักถึงศักยภาพของทิศทางนี้หลังจากเห็นการแข่งขันนั้น
ได้รับรางวัลโนเบลด้วย AlphaFold: แก้ปัญหาที่รบกวนวงการวิทยาศาสตร์มา 50 ปี
ปี 2015 AlphaGo กลายเป็นระบบ AI ระบบแรกที่เอาชนะแชมป์หมากล้อมอาชีพ หลังจากนั้น โมเดลของ DeepMind ก็เอาชนะผู้เล่นระดับท็อปในเกมหมากรุกสากล, Stratego และเกมเช่น StarCraft II อย่างต่อเนื่อง
ปี 2020 AlphaFold2 แก้ปัญหาการพับตัวของโปรตีนที่รบกวนวงการวิทยาศาสตร์มาหลายทศวรรษ — สามารถทำนายโครงสร้างสามมิติของโปรตีนด้วยความแม่นยำสูงมากจากลำดับกรดอะมิโนเพียงอย่างเดียว ทีมงาน随后ขยายวิธีนี้ไปยังโครงสร้างโปรตีนกว่า 200 ล้านชนิด และ建立了ฐานข้อมูลสาธารณะ ปี 2024 Demis Hassabis ได้รับรางวัลโนเบลสาขาเคมีจากความสำเร็จนี้ และได้รับพระราชทานบรรดาศักดิ์เป็นอัศวิน
ผู้ดำเนินรายการ: ภายใต้ระบบ Alphabet คุณมีโอกาสทำการสำรวจแบบ “ไปดวงจันทร์” มากมาย บางอย่างอาจไม่สร้างรายได้ในระยะสั้น แต่นำมาซึ่งความก้าวหน้าข้ามขั้น AlphaFold ก็เป็นหนึ่งในนั้น และคุณก็ได้รับรางวัลโนเบลจากมัน พูดถึงได้ไหมว่าทำไมมันสำคัญขนาดนั้น? มันจะเปลี่ยนวิธีที่เราแก้ไขโรคอย่างไร?
Demis: การเป็นส่วนหนึ่งของกูเกิลและ Alphabet ทำให้เรามีทรัพยากรและเวลาในการแก้ปัญหาวิทยาศาสตร์ลึกซึ้ง AlphaFold เป็นกรณีศึกษา典型案例 มันแก้ปัญหาท้าทายใหญ่ที่รบกวนวงการชีววิทยามา 50 ปี: เป็นไปได้หรือไม่ที่จะทำนายโครงสร้างสามมิติของโปรตีนจากลำดับกรดอะมิโนเพียงอย่างเดียว โปรตีนมีส่วนเกี่ยวข้องกับเกือบทุกหน้าที่ในร่างกายมนุษย์ ตั้งแต่การหดตัวของกล้ามเนื้อไปจนถึงการส่งสัญญาณของเซลล์ประสาท หากคุณรู้โครงสร้างสามมิติของโปรตีน คุณก็จะเข้าใจหน้าที่ของมันและกระบวนการทางชีววิทยาที่มันสนับสนุนได้บางส่วน สิ่งนี้สำคัญมากต่อการวิจัยโรคและการออกแบบยา
เมื่อโปรตีนมีปัญหา ก็อาจนำไปสู่โรคได้ เช่น ในโรคอัลไซเมอร์ โปรตีนจะพับตัวผิดรูป และนำไปสู่พยาธิสภาพ ดังนั้นการเข้าใจโครงสร้างโปรตีนจึงสำคัญมากต่อการพัฒนายาและชีววิทยาพื้นฐาน
AlphaFold แก้ปัญหาที่ถูกเสนอโดยผู้ได้รับรางวัลโนเบลอีกท่านหนึ่งเมื่อ 50 ปีก่อน: เป็นไปได้หรือไม่ที่จะอนุมานโครงสร้างสามมิติของโปรตีนหลังจากพับตัว หรือวิธีที่มัน “ม้วนตัวเป็นก้อน” โดยตรงจากลำดับกรดอะมิโนหนึ่งมิติ AlphaFold ไม่เพียงแต่ให้วิธีแก้ปัญหา แต่ยังมีประสิทธิภาพสูงมาก เราทำนายโครงสร้างโปรตีน 200 ล้านชนิดที่วงการวิทยาศาสตร์รู้จัก และร่วมมือกับ European Bioinformatics Institute สร้างฐานข้อมูลสาธารณะ เปิดให้ใช้งานฟรีทั่วโลก ตอนนี้มีนักวิจัยกว่า 3 ล้านคนใช้ AlphaFold ทุกวัน
ผู้ดำเนินรายการ: คุณยังนำเทคโนโลยีนี้ไปใช้กับ Isomorphic Labs บริษัทนี้ได้รับการสนับสนุนจากกูเกิล ระดมทุนหลายร้อยล้านดอลลาร์ ภารกิจของมันยิ่งใหญ่ — คุณบอกว่าจะ “แก้ไข” โรคทั้งหมด คุณใช้คำว่า “แก้ไข” อย่างจงใจ อธิบายหน่อยได้ไหม? นอกจากนี้ โดยปกติแล้วกระบวนการจากวิจัยยาไปจนถึงเข้าสู่การทดลองทางคลินิกยากมาก กระบวนการนี้ซับซ้อนแค่ไหน?
Demis: วิสัยทัศน์ดั้งเดิมของ AlphaFold ก็รวมถึงจุดนี้ การเข้าใจโครงสร้างโปรตีนสามารถผลักดันการวิจัยวิทยาศาสตร์พื้นฐานจำนวนมาก แม้กระทั่งการออกแบบโปรตีนใหม่แบบย้อนกลับ — จินตนาการโครงสร้างเป้าหมายหนึ่ง แล้วอนุมานลำดับยีนที่สอดคล้องกัน แต่ในการพัฒนายา การรู้โครงสร้างโปรตีนเป็นเพียงขั้นตอนแรก โดยปกติตั้งแต่ยืนยันเป้าหมายโรคจนถึงยาออกสู่ตลาด ใช้เวลาเฉลี่ย 10 ปี ลงทุนหลายหมื่นล้านดอลลาร์ และอัตราความสำเร็จมีเพียงประมาณ 10% ระบบชีวภาพซับซ้อนมากและไม่มีประสิทธิภาพ ตั้งแต่แรกเริ่ม สาขาที่ผมหวังให้ AI ถูกนำไปใช้เป็นอันดับแรกคือสุขภาพมนุษย์ AlphaFold พิสูจน์แล้วว่าเส้นทางนี้เป็นไปได้
ดังนั้น สามสี่ปีก่อน เราจึงแยกความสามารถที่เกี่ยวข้องออกมาตั้งเป็น Isomorphic Labs เพื่อสร้างความก้าวหน้าข้ามขั้นระดับ “AlphaFold” ต่อไป โดยเฉพาะในพื้นที่
⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง
☕ สนับสนุนค่ากาแฟทีมงาน
หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay
本文来自网络搜集，不代表คลื่นสร้างอนาคต立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/th/archives/22948