การเฟื่องฟูการลงทุนด้านปัญญาประดิษฐ์กำลังถูกเปรียบเทียบกับฟองสบู่ดอทคอมในช่วงต้นทศวรรษ 2000 โดยผู้สังเกตการณ์อุตสาหกรรมเทคโนโลยีแสดงความกังวลเกี่ยวกับการใช้จ่ายที่ไม่ยั่งยืนและผลตอบแทนที่น่าสงสัย ในขณะที่บริษัทเทคโนโลยีใหญ่ ๆ เทเงินหลายพันล้านเข้าไปในโครงสร้างพื้นฐาน AI และสตาร์ทอัพ การสนทนาในชุมชนเผยให้เห็นความสงสัยที่เพิ่มขึ้นเกี่ยวกับความสามารถในการดำรงอยู่ระยะยาวของโมเดลธุรกิจ AI ปัจจุบัน
เสียงสะท้อนจากยุค Dot-Com
ผู้ที่มีประสบการณ์ในอุตสาหกรรมเทคโนโลยีกำลังเห็นรูปแบบที่คุ้นเคยเกิดขึ้น การสร้างศูนย์ข้อมูลขนาดใหญ่สำหรับการฝึกอบรม AI สะท้อนถึงการขยายตัวเกินขนาดที่เป็นลักษณะเฉพาะของการเฟื่องฟูอินเทอร์เน็ตในช่วงปลายทศวรรษ 1990 ในช่วงนั้น บริษัทอย่าง Nortel และสตาร์ทอัพนับไม่ถ้วนเผาผลาญเงินนักลงทุนก่อนที่จะล่มสลาย ทิ้งอาคารสำนักงานเปล่า ๆ และหุ้นออปชั่นที่ไร้ค่าไว้เบื้องหลัง การใช้จ่ายด้านโครงสร้างพื้นฐาน AI ในปัจจุบันเดินตามเส้นทางที่คล้ายกัน โดยบริษัทต่าง ๆ ลงทุนอย่างหนักในคลัสเตอร์ GPU และพลังการประมวลผลโดยไม่มีเส้นทางที่ชัดเจนสู่ผลกำไร
การเปรียบเทียบนี้ไม่ได้จำกัดอยู่แค่รูปแบบการใช้จ่าย เช่นเดียวกับฟองสบู่ดอทคอม การลงทุน AI ปัจจุบันถูกขับเคลื่อนด้วยความกลัวที่จะพลาดโอกาสมากกว่าพื้นฐานทางธุรกิจที่มั่นคง บริษัทต่าง ๆ กำลังเดิมพันครั้งใหญ่กับความสามารถของ AI ที่อาจไม่เกิดขึ้นได้อย่างรวดเร็วหรือมีกำไรตามที่สัญญาไว้
การเปรียบเทียบฟองสบู่ - Dot-Com กับ AI:
- Dot-Com (1990s-2000s): การสร้างพื้นที่สำนักงานเกินความต้องการ การล้มเหลวของ startup ตัวเลือกหุ้นที่ไร้ค่า
- AI (2020s): การสร้างศูนย์ข้อมูลเกินความต้องการ ต้นทุนการประมวลผลสูง รูปแบบการสร้างรายได้ที่ไม่แน่นอน
- ความแตกต่างสำคัญ: ผู้นำ AI ในปัจจุบัน ( Google , Microsoft , Apple ) มีธุรกิจหลักที่ทำกำไรได้เพื่อรองรับความสูญเสีย
ปัญหาผลกำไร
แม้จะมีการโฆษณาชวนเชื่อเกี่ยวกับปัญญาประดิษฐ์ แต่บริษัท AI หลายแห่งต่อสู้กับสิ่งที่คนในอุตสาหกรรมเรียกว่าหน่วยเศรษฐศาสตร์ที่แย่มาก - คำอธิบายที่หยาบคายแต่แม่นยำเกี่ยวกับการไม่สามารถสร้างกำไรที่ยั่งยืนได้ ต้นทุนการฝึกอบรมและการใช้งานโมเดลภาษาขนาดใหญ่ยังคงสูงอย่างมหาศาล ในขณะที่แหล่งรายได้ยังคงไม่แน่นอน
แม้แต่แอปพลิเคชัน AI ที่ประสบความสำเร็จมักจะทำหน้าที่เป็นเครื่องมือเพิ่มผลิตภาพที่มีราคาแพงมากกว่าที่จะเป็นตัวเปลี่ยนแปลงธุรกิจที่ปฏิวัติวงการ ผู้ใช้หลายคนพบว่า AI มีประโยชน์สำหรับงานเล็ก ๆ เช่น การเขียนสคริปต์หรือการระดมสมอง แต่ประโยชน์นี้ไม่สามารถอธิบายการลงทุนขนาดใหญ่ที่กำลังดำเนินการได้ ช่องว่างระหว่างคุณค่าเชิงปฏิบัติปัจจุบันของ AI และศักยภาพเชิงทฤษฎียังคงขยายกว้างขึ้นเมื่อบริษัทต่าง ๆ ใช้จ่ายมากขึ้นในการพัฒนาและโครงสร้างพื้นฐาน
ข้อกังวลหลักเกี่ยวกับการลงทุนใน AI:
- การขยายโครงสร้างพื้นฐาน GPU ที่เหมือนกับการขยายตัวเกินขนาดในยุค dot-com
- ต้นทุนสูงในการฝึกอบรมและการประมวลผลสำหรับโมเดลภาษาขนาดใหญ่
- เส้นทางสู่ผลกำไรที่ไม่ชัดเจนสำหรับสตาร์ทอัพ AI จำนวนมาก
- ช่องว่างระหว่างประโยชน์ใช้สอยจริงของ AI กับการลงทุนจำนวนมหาศาล
พลวัตตลาดและความท้าทายด้านจังหวะเวลา
ฟองสบู่ AI ปัจจุบันแตกต่างจากฟองสบู่เทคโนโลยีก่อนหน้านี้ในทางที่สำคัญ: ผู้เล่นหลักเป็นบริษัทที่มีกำไรอยู่แล้วพร้อมแหล่งรายได้ที่หลากหลาย ไม่เหมือนสตาร์ทอัพดอทคอมล้วน ๆ บริษัทอย่าง Microsoft , Google และ Apple สามารถดูดซับความสูญเสียจาก AI ผ่านธุรกิจที่มีอยู่ได้ อย่างไรก็ตาม สิ่งนี้ไม่ได้ขจัดความเสี่ยงออกไปโดยสิ้นเชิง
การสร้างศูนย์ข้อมูลขนาดใหญ่เตือนฉันถึงช่วงเวลานั้น ใช่ มันจะล่มสลายทั้งหมด
ความท้าทายอยู่ที่จังหวะเวลา ฟองสบู่ตลาดสามารถคงอยู่ได้นานกว่าที่การวิเคราะห์เชิงเหตุผลแนะนำ ทำให้นักลงทุนยากที่จะรู้ว่าเมื่อไหร่ควรออก นักเศรษฐศาสตร์ชื่อดัง John Maynard Keynes เคยสังเกตว่าตลาดสามารถไร้เหตุผลได้นานกว่าที่นักลงทุนจะสามารถมีสภาพคล่องได้ - หลักการที่ใช้ได้โดยตรงกับวงจรการลงทุน AI ปัจจุบัน
ความท้าทายในการจับจังหวะตลาด:
- หลักการของ Keynes : ตลาดสามารถอยู่ในสภาวะไร้เหตุผลได้นานกว่าที่นักลงทุนจะสามารถคงอยู่ได้
- ยากที่จะทำนายเวลาที่แน่นอนของการแตกของฟองสบู่
- บริษัทเทคโนโลยีใหญ่สามารถรับมือกับการขาดทุนจาก AI ได้ผ่านกระแสรายได้ที่มีอยู่
- บริษัท AI เอกชนมีความเสี่ยงต่อการถูกตัดเงินทุนมากกว่า
การประยุกต์ใช้ในโลกแห่งความจริงเทียบกับการโฆษณาชวนเชื่อ
แม้ว่าเครื่องมือ AI จะพบกรณีการใช้งานที่แท้จริง แต่การประยุกต์ใช้เชิงปฏิบัติมักจะไม่เป็นไปตามคำสัญญาการเปลี่ยนแปลงที่บริษัทและนักลงทุนให้ไว้ ผู้เชี่ยวชาญหลายคนใช้ AI เป็นเครื่องมือค้นหาที่ซับซ้อนหรือผู้ช่วยเขียน แต่การประยุกต์ใช้เหล่านี้ไม่ต้องการทรัพยากรการประมวลผลขนาดใหญ่ที่บริษัทต่าง ๆ กำลังสร้าง
การขาดการเชื่อมต่อระหว่างความสามารถปัจจุบันของ AI และโครงสร้างพื้นฐานที่กำลังสร้างเพื่อรองรับมันแสดงให้เห็นปัญหากำลังการผลิตเกินอย่างมีนัยสำคัญ เมื่อฟองสบู่แตกในที่สุด ฮาร์ดแวร์ราคาแพงส่วนใหญ่นี้อาจจะนั่งเฉย ๆ หรือถูกนำไปใช้ใหม่สำหรับงานคอมพิวเตอร์อื่น ๆ ด้วยราคาเพียงเศษเสี้ยวของต้นทุนเดิม
มองไปข้างหน้า
ฟองสบู่การลงทุน AI น่าจะเดินตามรูปแบบของฟองสบู่เทคโนโลยีก่อนหน้านี้: ความเอิกเกริกในช่วงแรก ตามด้วยการตรวจสอบความเป็นจริง จากนั้นการแก้ไขที่แยกเทคโนโลยีที่มีประโยชน์จริง ๆ ออกจากแนวคิดที่โฆษณาเกินจริง คำถามไม่ใช่ว่า AI จะยังคงมีประโยชน์ต่อไปหรือไม่ - มันเกือบจะแน่นอนว่าจะเป็นเช่นนั้น - แต่ว่าระดับการลงทุนปัจจุบันและการประเมินมูลค่าบริษัทสะท้อนความคาดหวังที่สมจริงเกี่ยวกับผลกระทบทางเศรษฐกิจระยะใกล้ของ AI หรือไม่
นักลงทุนและบริษัทที่ฉลาดกำลังเตรียมตัวสำหรับการแก้ไขในที่สุดโดยการมุ่งเน้นไปที่การประยุกต์ใช้ AI เชิงปฏิบัติที่มีกรณีธุรกิจที่ชัดเจนมากกว่าการไล่ตามวงจรการโฆษณาชวนเชื่อล่าสุด ผู้รอดชีวิตจากฟองสบู่นี้น่าจะเป็นผู้ที่สร้างธุรกิจที่ยั่งยืนรอบความสามารถที่แท้จริงของ AI มากกว่าศักยภาพเชิงทฤษฎี
อ้างอิง: Pluralistic: The real (economic) AI apocalypse is nigh (27 Sep 2023)