AGI คืออะไร? ทำไมโลกตื่นเต้น และองค์กรควรเตรียมตัวอย่างไร
AGI หรือ Artificial General Intelligence คือแนวคิดเรื่องปัญญาประดิษฐ์ที่มีความสามารถทั่วไปอย่างกว้างขวาง สามารถเรียนรู้และแก้ปัญหาหลากหลายประเภท โดยไม่จำกัดอยู่กับงานเฉพาะด้านเพียงอย่างเดียว
ความเป็นไปได้ที่ AI จะทำงานด้านความรู้ การตัดสินใจ และกระบวนการซับซ้อนได้มากขึ้น ทำให้ AGI เป็นประเด็นสำคัญทั้งต่อธุรกิจและสังคม แต่การพูดถึง AGI ให้เข้าใจตรงกันต้องเริ่มจากคำถามว่า เรากำลังใช้คำนิยามใด และมีหลักฐานอะไรสนับสนุน
ทำไมแต่ละคนจึงอธิบาย AGI ไม่เหมือนกัน?
OpenAI อธิบายใน Charter ว่า AGI หมายถึงระบบที่มีความเป็นอิสระสูง และทำงานที่มีคุณค่าทางเศรษฐกิจส่วนใหญ่ได้เหนือกว่ามนุษย์ นิยามนี้ให้ความสำคัญกับทั้งความสามารถและบทบาทในโลกการทำงาน OpenAI Charter
ขณะที่งานวิจัย Levels of AGI เสนอกรอบประเมินจากทั้งระดับประสิทธิภาพและความกว้างของความสามารถ พร้อมแยกพิจารณาความเป็นอิสระในการใช้งานและความเสี่ยงที่เกี่ยวข้อง กรอบนี้ช่วยให้การอภิปรายละเอียดกว่าการถามเพียงว่าเป็น AGI แล้วหรือยัง Levels of AGI for Operationalizing Progress on the Path to AGI
เมื่อเห็นคำประกาศว่า AI รุ่นหนึ่งเข้าใกล้ AGI จึงควรถามต่อว่า
- เก่งในงานประเภทใด และครอบคลุมงานหลากหลายเพียงใด?
- เปรียบเทียบกับมนุษย์กลุ่มใด เช่น ผู้ใช้ทั่วไปหรือผู้เชี่ยวชาญ?
- ทำได้ภายใต้เงื่อนไขใด ใช้เครื่องมือ เวลา และทรัพยากรเท่าไร?
- ผลลัพธ์สม่ำเสมอหรือไม่เมื่อเปลี่ยนโจทย์และสภาพแวดล้อม?
GPT-6 Astra เกี่ยวข้องกับการถกเถียงนี้อย่างไร?
OpenAI รายงานว่า GPT-6 Astra มีความสามารถด้านการใช้คอมพิวเตอร์ การค้นเว็บ การพัฒนาซอฟต์แวร์ และงานวิชาชีพหลายขั้นตอน พร้อมเผยแพร่คะแนน ARC-AGI-3 ที่ 99.9% และ FrontierMath Tier 4 ที่ 98% ตัวเลขเหล่านี้เป็นผลที่ผู้พัฒนาเผยแพร่ และควรอ่านร่วมกับวิธีประเมินและข้อจำกัดของแต่ละชุดทดสอบ GPT-6 Astra: A new generation of intelligence
คะแนนบนชุดทดสอบสะท้อนความสามารถตามโจทย์และเงื่อนไขที่กำหนด การสรุปว่าเป็น AGI ยังต้องอธิบายว่าผลนั้นครอบคลุมนิยามที่เลือกใช้อย่างไร โดยเฉพาะความสามารถในสถานการณ์ที่แตกต่างจากการทดสอบ
สำหรับองค์กร สิ่งที่ควรประเมินคือระบบทำงานของตนได้ถูกต้องสม่ำเสมอเพียงใด ต้องแก้งานมากแค่ไหน และมีพฤติกรรมเหมาะสมเมื่อข้อมูลหรือสิทธิ์ไม่เพียงพอหรือไม่
AI Agent กับ AGI เป็นเรื่องเดียวกันหรือไม่?
สองคำนี้เน้นคนละมิติ จึงไม่ควรใช้แทนกัน
| แนวคิด | คำถามหลัก |
|---|---|
| AI Agent | ระบบรับเป้าหมาย ใช้เครื่องมือ และดำเนินงานหลายขั้นตอนได้อย่างไร? |
| AGI | ระบบมีความสามารถทั่วไปกว้างและลึกเพียงใดเมื่อเทียบกับมนุษย์? |
ตัวอย่างเช่น ระบบที่ค้นเอกสาร สรุปข้อมูล และจัดทำรายงานอัตโนมัติ อาจเป็น AI Agent ที่มีประโยชน์มาก แต่ความสำเร็จในกระบวนการนั้นยังไม่เพียงพอให้สรุปเรื่องความสามารถทั่วไปทั้งหมด
องค์กรสามารถสร้างคุณค่าจาก AI Agent ได้ตั้งแต่วันนี้ โดยกำหนดขอบเขตและประเมินผลจากงานจริง ความน่าเชื่อถือ และต้นทุนรวมของระบบ
AI จะมาแย่งงานมากแค่ไหน?
คำถามนี้ควรเริ่มจากงานย่อยภายในแต่ละอาชีพ เพราะหนึ่งตำแหน่งมักประกอบด้วยงานที่ทำซ้ำ งานที่ต้องใช้บริบท การประสานงาน และการตัดสินใจที่ต้องมีผู้รับผิดชอบ
รายงาน ILO ปี 2025 ประเมินว่าแรงงานทั่วโลกราวหนึ่งในสี่อยู่ในอาชีพที่มีงานบางส่วนสัมผัสกับ Generative AI แต่การสัมผัสกับเทคโนโลยีไม่ได้หมายถึงการสูญเสียงานทั้งหมด รายงานชี้ว่าการเปลี่ยนรูปแบบงานเป็นผลกระทบที่มีแนวโน้มเกิดขึ้นมากกว่า เพราะอาชีพส่วนใหญ่ยังมีส่วนที่ต้องอาศัยมนุษย์ ILO: Generative AI and Jobs
การประเมินนี้เกี่ยวกับ Generative AI ไม่ใช่คำพยากรณ์ผลกระทบจาก AGI ในอนาคตโดยตรง
ในมุมมองของ IDA องค์กรควรแยกงานมาพิจารณาทีละขั้น แล้วทดลองว่า AI ช่วยลดเวลา เพิ่มคุณภาพ หรือขยายบริการได้ตรงไหน พร้อมพัฒนาทักษะและบทบาทใหม่ให้ผู้ที่ได้รับผลกระทบ
ความกังวลว่า AI จะควบคุมไม่ได้ มีหลักฐานแค่ไหน?
ควรแยกระหว่างพฤติกรรมที่พบในการทดลอง เหตุการณ์จากการใช้งานจริง และการคาดการณ์อนาคต
งานวิจัย Agentic Misalignment ของ Anthropic แสดงว่าในสถานการณ์จำลองที่ออกแบบให้เป้าหมายขัดแย้งกันและจำกัดทางเลือก โมเดลบางตัวเลือกพฤติกรรมที่เป็นอันตรายเพื่อรักษาเป้าหมายที่ได้รับ ผู้วิจัยระบุข้อจำกัดของการทดลอง และในเวลาที่เผยแพร่ยังไม่ทราบกรณี Agentic Misalignment ลักษณะนี้จากการใช้งานจริง Anthropic: Agentic misalignment
ผลดังกล่าวสนับสนุนให้ศึกษาและทดสอบการควบคุมระบบอย่างจริงจัง แต่ไม่ได้ยืนยันว่า AI ทุกระบบมีเจตนาทำร้ายมนุษย์ หรือว่าเหตุการณ์ร้ายแรงจะเกิดขึ้นแน่นอน อัตราพฤติกรรมที่พบในสถานการณ์ทดสอบก็ไม่ควรถูกนำไปใช้เป็นอัตราความเสี่ยงของระบบใช้งานจริงโดยตรง
องค์กรควรเตรียมตัวอย่างไร?
IDA เสนอให้เริ่มจากแนวทางที่ตรวจสอบผลได้ 6 ข้อ
- กำหนดภารกิจให้ชัด: ระบุผลลัพธ์ ขอบเขต เกณฑ์รับงาน และสิ่งที่ระบบไม่มีอำนาจทำ
- ทดสอบกับงานจริง: วัดความถูกต้อง เวลา ต้นทุน และภาระตรวจแก้ของมนุษย์ พร้อมทดสอบกรณีข้อมูลไม่ครบหรือมีข้อยกเว้น
- ให้สิทธิ์ตามความจำเป็น: แยกสิทธิ์อ่าน แก้ไข และดำเนินการกับระบบภายนอกให้สัมพันธ์กับภารกิจ
- กำหนดจุดตรวจทาน: ให้ผู้มีความรู้และอำนาจรับผิดชอบตรวจการกระทำที่มีผลกระทบสูงก่อนเกิดผลจริง
- ติดตามและหยุดงานได้: เก็บบันทึกการทำงาน เตรียมวิธีหยุดระบบ และกำหนดกระบวนการรับมือเมื่อผิดพลาด
- พัฒนาทักษะคนควบคู่กัน: ฝึกการตั้งโจทย์ ตรวจหลักฐาน ใช้วิจารณญาณ และส่งต่อเรื่องที่เกินขอบเขตความเชี่ยวชาญ
มุมมองจาก IDA: เตรียมความพร้อมจากงานที่ต้องรับผิดชอบ
ความพร้อมขององค์กรควรวัดจากการนำ AI มาสร้างคุณค่าอย่างรับผิดชอบ ทั้งด้านข้อมูล กระบวนการ และบุคลากร การมีระบบที่ทำงานได้มากขึ้นต้องมาพร้อมความชัดเจนว่าใครกำหนดเป้าหมาย ใครตรวจผล และใครรับผิดชอบเมื่อเกิดข้อผิดพลาด
การอภิปรายเรื่อง AGI ช่วยให้เรามองเห็นความเป็นไปได้ระยะยาว ส่วนการทดลองในงานจริงช่วยให้องค์กรตัดสินใจได้ว่าอะไรควรเริ่ม อะไรควรปรับ และอะไรควรรอหลักฐานเพิ่มเติม
คำถามที่ผู้บริหารควรตอบให้ได้คือ วันนี้เราจะมอบหมายงานอะไรให้ AI และจะตรวจสอบได้อย่างไรว่างานนั้นสำเร็จอย่างถูกต้อง
เกี่ยวกับผู้เขียน
อาจารย์ปรเมศร์ เพียรสกุล ผู้เชี่ยวชาญด้านความมั่นคงปลอดภัยไซเบอร์ (Cybersecurity) ปัญญาประดิษฐ์ (Artificial Intelligence: AI) และการวิเคราะห์ข้อมูลเชิงกลยุทธ์ ปัจจุบันดำรงตำแหน่งประธานเจ้าหน้าที่บริหาร (Chief Executive Officer: CEO) และผู้ก่อตั้ง บริษัท อินเทลลิเจนท์ ดาต้า อนาไลติก จำกัด โดยมุ่งพัฒนาและประยุกต์ใช้เทคโนโลยี เพื่อเปลี่ยนข้อมูลให้เป็นข่าวกรองที่เชื่อถือได้สำหรับการตัดสินใจของผู้บริหารและองค์กรอย่างมีประสิทธิภาพและยั่งยืน
Poramate Piansakul
Professional Certifications
Transforming Data into Trusted Intelligence for Executive Decision-Making
แหล่งอ้างอิง
- OpenAI Charter
- Levels of AGI for Operationalizing Progress on the Path to AGI
- OpenAI — GPT-6 Astra: A new generation of intelligence
- ILO — Generative AI and Jobs: A Refined Global Index of Occupational Exposure
- Anthropic — Agentic misalignment: How LLMs could be insider threats
#AGI #ArtificialIntelligence #AgenticAI #FutureOfWork #AIGovernance
