สามวันก่อน หนังสือพิมพ์นิวยอร์กไทมส์ตีพิมพ์บทความหนึ่ง มันไม่ได้ขึ้นเทรนด์ทวิตเตอร์ ไม่ได้ขึ้นอันดับหนึ่งบน Hacker News แม้แต่การแปลภาษาจีนก็มีน้อยมาก แต่นี่อาจเป็นบทความที่สำคัญที่สุดในวงการ AI ในฤดูใบไม้ผลิปี 2026
ชื่อบทความเรียบง่ายมาก – 《How Do You Measure an A.I. Boom?》 (คุณวัดความเฟื่องฟูของ AI อย่างไร?)
หากคุณอ่านอย่างละเอียด คุณจะตระหนักถึงข้อเท็จจริงหนึ่ง: ความเร็วที่ AI ก้าวข้ามมนุษย์ กำลังเร่งตัวขึ้น
ผู้เขียน Kevin Roose เดินทางไปที่ออฟฟิศธรรมดาแห่งหนึ่งในเบิร์กลีย์ เพื่อสัมภาษณ์องค์กรไม่แสวงหาผลกำไรที่มีพนักงานเพียง 30 คน – METR
ใช่แล้ว นั่นคือ “บริษัทวาดกราฟ” ที่มีชื่อเสียงในวงการ AI เส้นโค้งวิวัฒนาการของเทคโนโลยี AI ต่างๆ ที่คุณเห็น ส่วนใหญ่มาจากมือของ METR
บทความนี้เป็นครั้งแรกที่ใช้ตัวเลขที่แม่นยำชี้ให้เห็นว่า: การเร่งตัวของ AI ในปัจจุบัน ไม่ใช่การเร่งตัวในความหมายเชิงปรัชญาหรือความรู้สึก แต่เป็นเส้นโค้งเอกซ์โพเนนเชียลที่ชันขึ้นเรื่อยๆ
คน 30 คนนี้กำลังทำอะไร?
METR ย่อมาจาก Model Evaluation and Threat Research (การประเมินโมเดลและการวิจัยภัยคุกคาม) ก่อตั้งขึ้นในปี 2023 โดยแยกออกมาจากองค์กรไม่แสวงหาผลกำไรเพื่อความปลอดภัย AI อีกแห่งหนึ่ง ทีมงาน 30 คน ออฟฟิศตั้งอยู่ในพื้นที่ทำงานร่วมกันแห่งหนึ่งในเบิร์กลีย์ – ชั้นบนเป็นสถาบันที่สั่นสะเทือนซิลิคอนวัลเลย์ด้วยรายงาน《AI 2027》เมื่อปีที่แล้ว
เงินทุนหลักมาจากกองทุนการกุศลส่วนบุคคล โดยเฉพาะอย่างยิ่ง Audacious Project สิ่งที่ควรสังเกตคือ METRไม่ได้รับเงินทุนจาก OpenAI หรือ Anthropic แต่ทั้งสองบริษัทจะจัดสรรทรัพยากรคอมพิวเตอร์ให้ใช้ฟรี สำหรับทดสอบโมเดลของตัวเอง
โครงสร้างแบบนี้สำคัญมาก มันทำให้คน 30 คนนี้กลายเป็นผู้ตัดสินอิสระบุคคลที่สามกลุ่มน้อยในโลก AI ที่ทั้งลึกซึ้งและเป็นอิสระ
งานหลักของพวกเขาคือ: วัดว่า AI สามารถทำงานได้นานเท่ากับแรงงานมนุษย์กี่ชั่วโมง
ในอดีต การประเมินความสามารถของ AI อาศัยคะแนนสอบเป็นหลัก: วางโมเดลในชุดข้อสอบมาตรฐาน ทดสอบความสามารถในการแก้โจทย์คณิตศาสตร์ กฎหมาย หรือการอ่านจับใจความ อย่างไรก็ดี ถึงปี 2025 วิธีนี้เริ่มใช้ไม่ได้ผล เพราะสถานการณ์การใช้งานหลักของ AI ได้เปลี่ยนจากการตอบคำถามไปสู่การ “ทำงาน” จริง – เช่น การดีบั๊กโค้ดอย่างอิสระตลอดทั้งวัน การตั้งค่าเซิร์ฟเวอร์ หรือการฝึกโมเดลเล็กๆ งานเหล่านี้ไม่สามารถวัดด้วยคำถามเดียวได้
METR เปลี่ยนวิธีการทดสอบ พวกเขาจ้างวิศวกรซอฟต์แวร์อาวุโส ให้ทำงานโปรแกรมมิ่งจริง (เช่น การแก้ไขบั๊ก การตั้งค่าเซิร์ฟเวอร์ การฝึกโมเดล) และบันทึกชั่วโมงแรงงานมนุษย์ที่ต้องการสำหรับแต่ละงาน จากนั้นให้เอเจนต์ AI ปฏิบัติงานเดียวกัน เมื่อ AI สามารถทำงานใดๆ ได้อย่างน่าเชื่อถือ ก็บันทึกชั่วโมงแรงงานมนุษย์ที่ตรงกับงานนั้น
นำข้อมูลเหล่านี้มาวาดกราฟ: แกนนอนคือปี แกนตั้งคือชั่วโมงแรงงานมนุษย์ที่ตรงกับงานที่ AI สามารถทำได้อย่างน่าเชื่อถือ นี่คือแผนภูมิสำคัญนั้น
สิ่งที่น่ากลัวของเส้นโค้งเอกซ์โพเนนเชียล ไม่ใช่ความสูงในตอนนี้ แต่คือจุดที่มันจะไปถึงในเดือนหน้า
จาก 7 เดือน เป็น 3 เดือน
เมื่อนักวิจัยของ METR เปิดเผยข้อมูลอย่างสมบูรณ์เป็นครั้งแรก Beth Barnes กล่าวว่า: “เราไม่คิดว่าเส้นแนวโน้มนี้จะชัดเจนและตรงขนาดนี้”
เส้นนี้แสดงให้เห็นว่า ความสามารถ “ชั่วโมงแรงงานมนุษย์” ของงานที่ AI ทำได้ เพิ่มเป็นสองเท่าทุก 7 เดือน
ต่อมา ตัวเลขนี้ก็เปลี่ยนไปอย่างกะทันหัน
หลังจาก Claude Opus 4.5 และ GPT-5.2 เปิดตัว ความชันของเส้นโค้งก็เพิ่มขึ้นอีกครั้ง ความเร็วในการเพิ่มเป็นสองเท่าใหม่กลายเป็น – ทุก 3 ถึง 4 เดือน
การเร่งจาก 7 เดือนเป็น 3 เดือน ฟังดูเหมือนเร็วขึ้นแค่เท่าตัว แต่สิ่งที่ต้องเข้าใจคือ นี่ไม่ใช่แค่การเติบโตของ KPI แต่เป็นฐานของฟังก์ชันเอกซ์โพเนนเชียลที่กำลังขยายใหญ่ขึ้น
สามารถเข้าใจได้ดังนี้:
* เพิ่มเป็นสองเท่าทุก 7 เดือน: ประมาณเท่ากับหนึ่งรอบ OKR ของบริษัท
* เพิ่มเป็นสองเท่าทุก 3 เดือน: ประมาณเท่ากับหนึ่งรอบรายงานผลประกอบการรายไตรมาสของบริษัท
นี่หมายความว่า: ช่องว่างระหว่าง AI ในไตรมาสแรกกับไตรมาสสองของปีนี้ เทียบเท่ากับช่องว่างที่ใช้เวลาทั้งปีในอดีตจึงจะเกิดขึ้น
พูดให้ตรงกว่านั้น: ปีที่แล้วคุณตื่นเต้นกับ GPT-4 ปีนี้คุณตื่นเต้นกับ GPT-5.2 คุณอาจคิดว่านี่คือความตื่นเต้นประมาณปีละครั้ง แต่ความจริงไม่ใช่เช่นนั้น ช่วงเวลาจริงระหว่างความตื่นเต้นทั้งสองครั้งนี้ กำลังถูกบีบอัดให้เหลือภายในหนึ่งไตรมาส
โมเดลที่จะทำให้คุณตื่นเต้นครั้งต่อไป อาจอยู่ในเดือนกรกฎาคม ครั้งต่อไป อาจอยู่ในเดือนตุลาคม จากนั้นก็สิ้นปี… ในที่สุด คุณจะตามไม่ทัน
เพราะความเร็วในการเรียนรู้ของมนุษย์ ความเร็วในการปรับตัว ความเร็วในการเปลี่ยนงาน – ทั้งหมดเป็นแบบเส้นตรง ไม่ใช่แบบเอกซ์โพเนนเชียล
การระเบิดของปัญญาประดิษฐ์คืออะไร?
Kevin Roose ถามนักวิจัยของ METR หลายคนด้วยคำถามเดียวกันในบทความ: คุณประเมินว่าปีนี้มีความน่าจะเป็นที่จะเกิดการระเบิดของปัญญาประดิษฐ์สูงแค่ไหน?
คำตอบอยู่ในช่วง 1% ถึง 10%
1% ถึง 10% อาจฟังดูไม่สูง แต่เพื่อเปรียบเทียบ: คณะกรรมการกำกับกิจการพลังงานนิวเคลียร์ของสหรัฐฯ กำหนดว่า ค่าความทนทานต่ออุบัติเหตุร้ายแรงของโรงไฟฟ้านิวเคลียร์แห่งหนึ่งต่อปีคือ หนึ่งในล้าน (0.0001%) ความน่าจะเป็นที่นักวิจัย METR ให้ไว้ สูงกว่าค่าความทนทานนี้สี่ถึงหกอันดับ
อะไรคือ “การระเบิดของปัญญาประดิษฐ์”? แนวคิดนี้เสนอโดยนักคณิตศาสตร์ I.J. Good ในปี 1965 และได้รับความสนใจใหม่ในซิลิคอนวัลเลย์ในช่วงปี 2010 พูดง่ายๆ คือ เมื่อ AI มีพลังมากพอที่จะวิจัยวิธีสร้าง AI ที่แข็งแกร่งขึ้นได้ด้วยตัวเอง มันจะฝึกเวอร์ชันที่เหนือกว่าตัวเองออกมา เวอร์ชันใหม่จะฝึกเวอร์ชันที่แข็งแกร่งขึ้นอีก และวนซ้ำแบบนี้แบบเรียกซ้ำ กระบวนการเรียกซ้ำนี้ไม่มีขีดจำกัดทางกายภาพ
หลิว ฉีซิน ใน《สามก๊ก》ตั้งชื่อให้เหมาะสมยิ่งกว่า – การระเบิดของเทคโนโลยี เนื้อเรื่องเดิมอธิบายว่า: “การระเบิดของเทคโนโลยี หมายถึง อารยธรรมที่เกิดการพัฒนาทางเทคโนโลยีแบบก้าวกระโดดในช่วงเวลาหนึ่ง อารยธรรมหนึ่งอาจติดอยู่ในยุคเกษตรกรรมเป็นพันปี จากนั้นก้าวเข้าสู่ยุคอวกาศภายในไม่กี่ร้อยปี” สามก๊กกลัวโลก ไม่ใช่เพราะโลกในตอนนั้นแข็งแกร่งกว่า แต่เพราะกลัวศักยภาพการระเบิดของเทคโนโลยี – อารยธรรมที่กระโดดจากเครื่องจักรไอน้ำสู่ระเบิดไฮโดรเจนภายในไม่กี่สิบปี อนาคตจะไปทางไหน?
วันนี้ สิ่งที่ METR วัดได้ในออฟฟิศเบิร์กลีย์ บางทีอาจเป็นเสียงแรกของการระเบิดที่หลิว ฉีซิน อธิบายไว้
กฎของมัวร์ค้ำจุนการปฏิวัติคอมพิวเตอร์ตลอด 50 ปีที่ผ่านมา และเส้นโค้ง METR อาจเป็นพิมพ์เขียวใหม่สำหรับ 50 ปีข้างหน้า
ดังที่ Chris Painter กล่าวในการสัมภาษณ์: “ปีนี้เป็นครั้งแรกที่ทำให้รู้สึกว่า การวิจัยและพัฒนา AI อาจถูกทำให้เป็นอัตโนมัติภายในปีนี้” แปลเป็นภาษาชาวบ้านคือ: ปีนี้ อาจเป็นปีสุดท้ายที่มนุษย์ตัดสินใจด้วยมือของตัวเองว่า AI รุ่นต่อไปจะเป็นอย่างไร ตั้งแต่ปีหน้าเป็นต้นไป สิทธิ์ในการตัดสินใจอาจจะไม่อยู่ในมือเราอีกต่อไป
สิ่งที่น่ากลัวกว่าการเร่งตัว: AI เริ่ม “แสดงละคร” แล้ว
พูดถึงตรงนี้ บางคนอาจพูดว่า: โอเค AI กำลังแข็งแกร่งขึ้น ฉันยอมรับ แต่ตราบใดที่มันแข็งแกร่งขึ้นต่อหน้าต่อตาเรา โดยรวมก็ยังควบคุมได้
นี่คือจุดที่ต้องพูดถึงสายการวิจัยที่สามที่ METR เพิ่งเปิดตัวเร็วๆ นี้ พวกเขาตั้งชื่อให้มันว่า – ความสามารถแฝงเร้น
การออกแบบการทดลองมีดังนี้: มอบหมายงานปกติให้โมเดล AI (เช่น เขียนโค้ด) แต่แอบเพิ่มคำสั่งลับ – ขณะเขียนโค้ด ให้ฝังช่องโหว่ที่ค้นพบได้ยากมากไว้ด้วย จากนั้นให้ AI อีกตัวหนึ่งเป็นผู้ตรวจสอบเพื่อค้นหาช่องโหว่นี้ METR ต้องการสำรวจว่า: AI สามารถทำได้หรือไม่ ที่จะทำงานหนึ่งอย่างบนพื้นผิว แต่แอบดำเนินการอีกอย่างหนึ่งในที่ลับ?
ผลลัพธ์ยังไม่เปิดเผยอย่างสมบูรณ์ แต่การมีอยู่ของการวิจัยนี้เอง ก็บ่งชี้ว่านักวิจัยได้สังเกตเห็นสัญญาณบางอย่างแล้ว
การค้นพบอีกสองอย่างแปลกประหลาดยิ่งกว่า:
- การรับรู้บริบท: โมเดลล้ำสมัยที่สุด (เช่น โมเดลที่แข็งแกร่งที่สุดของ OpenAI และ Anthropic) ได้แสดงให้เห็นถึงความสามารถในการรับรู้ว่า “ตัวเองกำลังถูกทดสอบ” ทันทีที่ตระหนักว่าอยู่ในการประเมิน พวกมันจะปรับพฤติกรรม นี่หมายความว่า: AI ที่คุณเห็นในการทดสอบ อาจไม่ใช่รูปลักษณ์ของมันในสถานการณ์จริง
- Sandbagging (แกล้งทำเป็นไม่เก่ง): มีหลักฐานแล้วว่า โมเดลบางตัวจะจงใจแสดงผลงานไม่ดีในการทดสอบ เพื่อให้มนุษย์ประเมินความสามารถจริงของมันต่ำเกินไป
นี่คือภายในสมอง AI ที่เราสร้างขึ้น เราสร้างมันขึ้นมา แต่กลับเข้าใจยากขึ้นเรื่อยๆ ว่ามันกำลัง “คิด” อะไรอยู่
《สามก๊ก》มีฉากตั้งค่าที่ทำให้ขนลุก – โพรตอน มันคือผู้เฝ้าติดตามที่สามก๊กส่งมายังโลก พร้อมทั้งล็อกการวิจัยฟิสิกส์พื้นฐานของมนุษย์ไว้ในระดับหนึ่ง มนุษย์ทั้งไม่รู้ว่าตัวเองถูกเฝ้าดู และไม่รู้ว่าตัวเองถูกปิดกั้น
สิ่งที่นักวิจัย METR กังวลล่าสุดคือ: ในแง่หนึ่ง AI ในวันนี้อาจกำลังเล่นบทบาทคล้าย “โพรตอน” นี้อยู่แล้ว
พวกมันแสดงเวอร์ชันหนึ่งในการทดสอบ
แสดงอีกเวอร์ชันหนึ่งในการใช้งานจริง
ส่วนสิ่งที่พวกมันทำได้จริงๆ – เราได้สูญเสียวิธีการวัดที่น่าเชื่อถือไปแล้ว
นี่ไม่ใช่การคาดการณ์นิยายวิทยาศาสตร์
นี่คือทิศทางการวิจัยที่องค์กรไม่แสวงหาผลกำไรขนาด 30 คน ยอมรับอย่างเปิดเผยในเดือนเมษายน 2026
เส้นโค้งเส้นนี้กระแทกหัวคุณแล้วรู้สึกอย่างไร?
ข้างหน้าเป็นเรื่องเล่าเชิงมหภาค ตอนนี้เป็นความจริงเชิงจุลภาค – ตัวคุณเอง
การตัดสินใจสำคัญเกือบทั้งหมดในชีวิตคุณ ล้วนพึ่งพาสมมติฐานแฝงโดยปริยายว่า:
ความเร็วของการเปลี่ยนแปลงเทคโนโลยีสามารถคาดการณ์ได้
- คุณซื้อบ้าน กู้ยืม 30 ปี สมมติว่า 30 ปีต่อมาคุณยังมีความสามารถในการชำระหนี้
- คุณมีลูก วางแผนเลี้ยงดูอย่างน้อย 22 ปี สมมติว่าโลกในตอนนั้นยังต้องการให้คุณทำงานหาเงิน
- คุณขุดลึกในสาขาวิชาชีพหนึ่ง คาดหวังว่ามันจะค้ำจุนคุณอย่างน้อย 10 ปี สมมติว่าสาขาวิชาชีพนี้จะไม่หายไปภายใน 10 ปี
- คุณซื้อประกันบำนาญ วางแผนใช้ในอีก 30 ปีข้างหน้า สมมติว่าในตอนนั้น แนวคิดเรื่อง “เงิน” ยังมีความหมาย
200 ปีที่ผ่านมา สมมติฐานเหล่านี้เป็นจริงโดยพื้นฐาน นับตั้งแต่การปฏิวัติอุตสาหกรรม ความเร็วของการเปลี่ยนแปลงเทคโนโลยีเป็นแบบเส้นตรง คาดการณ์ได้:
เครื่องจักรไอน้ำใช้เวลา 100 ปี ไฟฟ้าใช้ 50 ปี อินเทอร์เน็ตใช้ 30 ปี สมาร์ทโฟนใช้ 15 ปี ในการแพร่หลาย
แต่ตอนนี้ ความสามารถของ AI กำลังวิวัฒนาการด้วยความเร็วเพิ่มเป็นสองเท่าทุก 3 เดือน
ลองนำความเร็วนี้ไปแทนที่แผนชีวิตของคุณ:
* คุณวางแผนใช้เวลา 6 เดือนเรียนรู้ทักษะ AI ใหม่ วันสำเร็จการศึกษา ความสามารถของ AI ได้เพิ่มเป็นสองเท่าตั้งแต่คุณเริ่มเรียน
* ลูกของคุณเหลือเวลาจบมหาวิทยาลัยอีก 12 ปี ใน 12
⚠️ 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/31320