แวดวงเทคโนโลยีต่างเฉลิมฉลองเมื่อ OpenAI เปิดตัวโมเดลการใช้เหตุผล o1 ในปี 2024 โดยยกย่องว่าเป็นความก้าวหน้าครั้งสำคัญในด้านปัญญาประดิษฐ์ โมเดลเหล่านี้สัญญาว่าจะคิดแบบทีละขั้นตอน แก้ไขปัญหาที่ซับซ้อน และจัดการกับคณิตศาสตร์ระดับบัณฑิตศึกษาได้ อย่างไรก็ตาม การตรวจสอบอย่างใกล้ชิดว่ากรอบทำงานเหล่านี้ทำงานจริงอย่างไร ได้จุดประกายการถกเถียงอย่างเข้มข้นในหมู่ผู้พัฒนาและนักวิจัยเกี่ยวกับว่าเรากำลังเป็นพยานถึงความก้าวหน้าที่แท้จริงของ AI หรือเป็นเพียงการแก้ปัญหาด้านวิศวกรรมที่ซับซ้อนมากขึ้น
ความขัดแย้งเกี่ยวกับการใช้เครื่องมือ
หัวใจสำคัญของการถกเถียงคือคำถามพื้นฐาน: เมื่อโมเดล AI ใช้เครื่องมือภายนอกเพื่อแก้ปัญหา สิ่งนี้แสดงถึงการใช้เหตุผลที่แท้จริงหรือเป็นเพียงการประสานงานที่ฉลาดเท่านั้น? นักวิจารณ์ชี้ให้เห็นตัวอย่างที่โมเดลอย่าง o1 สร้างโค้ด Python เพื่อทำการคำนวณทางคณิตศาสตร์แทนที่จะคำนวณคำตอบภายใน ซึ่งทำให้ผู้สังเกตการณ์บางส่วนตั้งคำถามว่าความฉลาดหลักของโมเดลเหล่านี้ได้พัฒนาขึ้นจริงหรือไม่ หรือว่าผู้พัฒนาเพียงแค่สร้างระบบพื้นฐานที่ดีขึ้นรอบๆ รากฐานที่หยุดนิ่ง
อย่างไรก็ตาม ผู้เชี่ยวชาญด้านเทคนิคได้ท้าทายการอธิบายลักษณะนี้อย่างรวดเร็ว ผ่านการทดสอบ API โดยตรง ผู้พัฒนาได้แสดงให้เห็นว่าโมเดลการใช้เหตุผลสามารถทำการคำนวณที่ซับซ้อนเช่นการคูณตัวเลขจำนวนมากผ่านกระบวนการใช้เหตุผลภายในล้วนๆ โดยไม่ต้องพึ่งพาเครื่องมือภายนอก โมเดลเหล่านี้แสดงขั้นตอนการทำงานผ่านการติดตามการใช้เหตุผลแบบทีละขั้นตอนโดยละเอียดที่คล้ายคลึงกับแนวทางการแก้ปัญหาของมนุษย์
ความสามารถในการเชื่อมโยงการเรียกใช้เครื่องมือด้วยวิธีนี้เป็นการปรับปรุงโมเดลที่ลึกซึ้งซึ่งเกิดขึ้นในโมเดลพื้นฐานกระแสหลักต่อสาธารณะเมื่อเพียงหนึ่งปีที่แล้ว
ความสามารถนี้แสดงถึงความก้าวหน้าครั้งสำคัญในด้านเมตาคอกนิชันของ AI - ความสามารถของโมเดลในการตัดสินใจว่าจะแก้ปัญหาภายในหรือเมื่อใดที่ควรใช้เครื่องมือภายนอก คล้ายกับที่มนุษย์เลือกระหว่างการคำนวณทางจิตและการใช้เครื่องคิดเลขขึ้นอยู่กับความซับซ้อนของการคำนวณ
การวัดความก้าวหน้าที่แท้จริง
การอภิปรายเผยให้เห็นคำถามที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับวิธีที่เราควรวัดความก้าวหน้าของ AI ในขณะที่บางคนแย้งว่าความสามารถพื้นฐานของโมเดลได้หยุดนิ่งแล้ว ผู้พัฒนาที่ทำงานจริงรายงานการปรับปรุงที่สำคัญในความสามารถด้านการเขียนโค้ดระหว่างรุ่นของโมเดล การเปลี่ยนจาก GPT-4 เป็น GPT-5 นำมาซึ่งความก้าวหน้าที่สังเกตเห็นได้ในคุณภาพการสร้างโค้ด โดยผู้พัฒนาจำนวนมากเปลี่ยนจาก Claude กลับไปใช้โมเดลของ OpenAI สำหรับงานโปรแกรมมิ่ง
ตัวชี้วัดทางเศรษฐกิจยังบ่งชี้ถึงการเติบโตที่แข็งแกร่งในภาคส่วนการเขียนโค้ดด้วย AI เครื่องมือเช่น Cursor บรรลุรายได้ประจำปีซ้ำ 500 ล้านดอลลาร์สหรัฐ ภายใน 15 เดือน ในขณะที่ GitHub Copilot ให้บริการผู้ใช้หลายล้านคนและสร้างรายได้หลายร้อยล้านดอลลาร์ การขยายตัวของตลาดนี้ชี้ให้เห็นว่าความสามารถของ AI ในปัจจุบัน แม้ไม่มีการปรับปรุงเพิ่มเติม อาจขับเคลื่อนการเพิ่มผลผลิตที่สำคัญทั่วทั้งอุตสาหกรรมซอฟต์แวร์ได้ในอนาคตอันใกล้
การเติบโตของตลาดเครื่องมือเขียนโค้ดด้วย AI (ณ เดือนตุลาคม 2025):
- Cursor: มีรายได้ประจำปี $500M USD ภายใน 15 เดือน มูลค่า $10B USD
- GitHub Copilot: มีผู้ใช้หลายล้านคน รายได้หลายร้อยล้าน
- Windsurf: ถูกซื้อกิจการในราคา $2.4B USD
- สตาร์ทอัพหลายสิบแห่งระดมทุนได้ในระดับเก้าหลัก
ข้อจำกัดทางสถาปัตยกรรมและทิศทางในอนาคต
ภายใต้พื้นผิวของการอภิปรายเหล่านี้คือความท้าทายทางสถาปัตยกรรมที่พื้นฐานมากขึ้น โมเดลพื้นฐานที่ใช้โครงสร้าง Transformer ในปัจจุบันเผชิญกับข้อจำกัดโดยธรรมชาติเนื่องจากกระบวนการสร้างโทเค็นและการฝังข้อมูลขนาดคงที่ นักวิจัยบางส่วนอธิบาย AI สมัยใหม่ว่าทำการบีบอัดแบบสูญเสียข้อมูลของอินเทอร์เน็ต ซึ่งความหมายทางความหมายอาจแตกกระจายระหว่างการประมวลผล
ชุมชนกำลังสำรวจนวัตกรรมทางสถาปัตยกรรมที่มีแนวโน้มหลายอย่างเพื่อแก้ไขข้อจำกัดเหล่านี้ สถาปัตยกรรมแบบกราฟที่รักษาความสัมพันธ์เชิงโครงสร้างอาจป้องกันการแตกกระจายทางความหมายที่รบกวนโมเดลปัจจุบัน กลไกความสนใจแบบเบาบางอาจรักษาบริบทที่ยาวนานได้อย่างมีประสิทธิภาพมากขึ้น ในขณะที่แนวทางนิวโรมอร์ฟิกอาจได้แรงบันดาลใจจากองค์กรประสาททางชีววิทยา อย่างไรก็ตาม ผู้เชี่ยวชาญส่วนใหญ่เตือนว่าทางเลือกเหล่านี้ในปัจจุบันให้การปรับปรุงแบบค่อยเป็นค่อยไปมากกว่าความก้าวหน้าครั้งปฏิวัติ
เส้นทางไปข้างหน้า
อุตสาหกรรม AI ยืนอยู่ที่ทางแยกระหว่างเส้นทางการพัฒนาที่เป็นไปได้สองเส้นทาง เส้นทางแรกเกี่ยวข้องกับการปรับปรุงสถาปัตยกรรมปัจจุบันอย่างต่อเนื่องด้วยการประสานงานเครื่องมือที่ดีขึ้นและการบูรณาการแอปพลิเคชันที่ลึกซึ้งยิ่งขึ้น - สิ่งที่นักวิจารณ์เรียกว่าการปรับปรุงระบบให้ดีขึ้น แนวทางนี้ให้รายได้ที่คาดการณ์ได้ในระยะสั้นและการปรับปรุงแบบค่อยเป็นค่อยไปอย่างต่อเนื่อง
เส้นทางทางเลือกต้องการการยอมรับข้อจำกัดทางสถาปัตยกรรมและการลงทุนในรากฐานที่แตกต่างโดยพื้นฐาน ซึ่งหมายถึงการวิจัยที่แพงและไม่แน่นอนเป็นเวลาหลายปีโดยไม่มีหลักประกันความสำเร็จ แต่นี่เป็นแนวทางเดียวที่แก้ไขสาเหตุรากฐานแทนที่จะเป็นอาการ การตัดสินใจระหว่างเส้นทางเหล่านี้จะกำหนดว่าผลกระทบต่อ GDP ที่คาดการณ์ไว้ 3 ล้านล้านดอลลาร์สหรัฐ จาก AI จะกลายเป็นความจริงหรือยังคงเป็นแค่ความเพ้อฝัน
ในขณะที่การอภิปรายยังคงดำเนินต่อไป สิ่งหนึ่งยังคงชัดเจน: การอภิปรายอย่างแข็งขันของชุมชน AI เกี่ยวกับคำถามพื้นฐานเหล่านี้สะท้อนให้เห็นถึงสาขาที่เติบโตเกินกว่าข้อความโฆษณาและกำลังต่อสู้กับความท้าทายทางเทคนิคที่ยากลำบากที่จำเป็นสำหรับความก้าวหน้าที่แท้จริง ไม่ว่าจะผ่านการปรับปรุงแบบค่อยเป็นค่อยไปของสถาปัตยกรรมปัจจุบันหรือแนวทางใหม่ๆ แบบปฏิวัติ การแสวงหาความสามารถในการใช้เหตุผลที่แท้จริงในปัญญาประดิษฐ์ยังคงดำเนินต่อไป
อ้างอิง: Reasoning Is Not Model Improvement