หลายคนกังวลเกี่ยวกับผลกระทบของ AI เชิงสร้างสรรค์ต่อแรงงานในตลาด แม้บางคนจะเปรียบเทียบผลกระทบของเทคโนโลยีนี้กับนวัตกรรมในอดีตเช่นหุ่นยนต์ ซึ่งมีผลกระทบเพียงเล็กน้อย แต่บางคนทำนายว่าจะเกิดการเปลี่ยนแปลงที่ยาวนานกว่าเดิมเนื่องจาก AI เชิงสร้างสรรค์สามารถพัฒนาความสามารถได้มากขึ้นเมื่อเวลาผ่านไป งานวิจัยล่าสุดได้วิเคราะห์โพสต์งานกว่าล้านรายการสำหรับคนทำงานผ่านระบบออนไลน์ เพื่อประเมินผลกระทบของเครื่องมืออย่าง ChatGPT และ AI สร้างภาพต่อปริมาณโพสต์งาน ข้อกำหนดงาน ค่าจ้างแรงงาน และสาขาอาชีพที่ได้รับผลกระทบมากที่สุด ผลการวิจัยให้ข้อมูลเชิงลึกเกี่ยวกับความท้าทายและโอกาสที่การเปลี่ยนแปลงในตลาดเหล่านี้นำมา ในต้นทศวรรษ 2000 การเปิดตัวหุ่นยนต์ Kiva ของ Amazon สำหรับการทำงานอัตโนมัติในคลังสินค้าสร้างความกังวลเกี่ยวกับความมั่นคงในการทำงานในหมู่พนักงาน ปัจจุบัน ความก้าวหน้าใน AI เชิงสร้างสรรค์และการประมวลผลภาษาธรรมชาติ ที่นำโดย ChatGPT กำลังเปลี่ยนแปลงหลายอุตสาหกรรมและสร้างความกังวลที่คล้ายกัน อย่างไรก็ตาม ต่างจากเทคโนโลยีอัตโนมัติก่อนหน้านี้ ศักยภาพของ AI เชิงสร้างสรรค์ในการพัฒนาอย่างต่อเนื่องทำให้มีผลกระทบต่อทุกภาคส่วนงาน ซึ่งบ่งบอกถึงผลกระทบต่อแรงงานที่เกินกว่าการทดแทนงานเพียงอย่างเดียว

"NeuroAI" ซึ่งเป็นการผสมผสานระหว่าง "neuroscience" และ "AI" (ปัญญาประดิษฐ์) กำลังได้รับความสนใจอย่างรวดเร็วในฐานะสาขาการวิจัย เดิมที่ไม่คุ้นเคยเมื่อไม่กี่ปีก่อน แต่ขณะนี้กลับมีบทบาทสำคัญในเวิร์กช็อป การประชุม และโปรแกรมทางวิชาการต่างๆ รวมถึงเวิร์กช็อปของ BRAIN-Initiative สาขานี้รวมเอาเป้าหมายของ AI ในการจำลองปัญญาเข้ากับความเข้าใจในการคำนวณที่คล้ายสมองของ neuroscience AI ใช้เครือข่ายประสาทเพื่อจำลองสมอง โดยทดสอบทฤษฎีเกี่ยวกับการคำนวณของเซลล์ประสาท สะท้อนถึงแนวคิดของ Richard Feynman ที่ว่า ความเข้าใจที่แท้จริงมาจากการสร้าง ขณะเดียวกัน neuroscience ก็เป็นแรงบันดาลใจให้ AI สร้างระบบที่มีความสามารถแบบมนุษย์ ก่อให้เกิดวงจรป้อนกลับที่เร่งการพัฒนาทั้งสองสาขา ในแอปพลิเคชัน AI อย่าง DeepLabCut AI ช่วยลดขั้นตอนการวิเคราะห์ข้อมูลใน neuroscience คล้ายกับบทบาทใน protein folding หรือการรู้จำภาพ แต่ไม่ได้เป็น "NeuroAI" อย่างเข้มงวด จุดเชื่อมโยงระหว่าง AI และ neuroscience เริ่มต้นในรายงานปี 1945 ของ John von Neumann เกี่ยวกับสถาปัตยกรรมคอมพิวเตอร์ EDVAC ซึ่งได้รับแรงบันดาลใจจากงานวิจัยเรื่องเครือข่ายประสาทของ McCulloch และ Pitts ในปี 1943 Perceptron ของ Frank Rosenblatt ในปี 1958 ผลักดันแนวคิดการเรียนรู้จากข้อมูลในเครือข่าย โดยได้รับอิทธิพลจากการทำงานของ Donald Hebb เกี่ยวกับ synaptic plasticity แม้ว่า perceptron ชั้นเดียวจะมีข้อจำกัด แนวคิดเกี่ยวกับ synapse ในฐานะองค์ประกอบการเรียนรู้ที่ปรับตัวได้ยังคงสำคัญ ความก้าวหน้าในลักษณะพึ่งพากันรวมถึงเครือข่ายประสาทแบบ convolutional (CNN) ซึ่งได้รับแรงบันดาลใจจากแบบจำลองของระบบประสาทสายตา และการเรียนรู้เสริมแรง ซึ่งแสดงโดย AlphaZero ของ Google เทคนิคอย่าง dropout จำลองข้อบกพร่องของการยิงของเซลล์ประสาทเพื่อเพิ่มความทนทานของเครือข่ายประสาท ความสัมพันธ์แบบเอื้อเฟื้อนี้เสริมสร้างความเข้าใจทั้ง AI และ neuroscience; เครือข่ายประสาทพัฒนาความเข้าใจในการคำนวณของสมอง สร้างแรงบันดาลใจให้กับโมเดลและอัลกอริทึมใหม่ ๆ เมื่อ NeuroAI พัฒนา มันจะเพิ่มความเข้าใจของเราในเรื่องปัญญาทั้งในบริบททางชีววิทยาและปัญญาประดิษฐ์ โดยสัญญาว่าจะบูรณาการและขยายขอบเขตของสาขาเหล่านี้ให้มากยิ่งขึ้น บทความชุดนี้จะเจาะลึกถึงความเชื่อมโยงที่เปลี่ยนแปลงเหล่านี้ และข้อคำถามในด้านปฏิบัติและจริยธรรมที่มันสร้างขึ้น

ในคอลัมน์วันนี้ ฉันจะสำรวจแนวทางใหม่ในการไขความซับซ้อนของ AI ที่สร้างสรรค์และโมเดลภาษาขนาดใหญ่ (LLMs) โดยใช้แนวคิดทางคณิตศาสตร์ของโซ่ของมาร์คอฟ สำหรับผู้ที่ไม่คุ้นเคย โซ่ของมาร์คอฟเป็นวิธีที่เรียนรู้ในหลักสูตรสถิติ และสามารถให้ข้อมูลเชิงลึกเกี่ยวกับกระบวนการ AI และ LLM ได้ โซ่ของมาร์คอฟจำลองกระบวนการเป็นชุดของสถานะหรือขั้นตอน เคลื่อนจากสถานะหนึ่งไปยังอีกสถานะตามความน่าจะเป็น ยกตัวอย่างเช่น การเดินทางไปยัง DMV: คุณจะเคลื่อนจากหน้าต่างเช็คอินไปยังหน้าต่างการประมวลผลหรือหน้าต่างทำความสะอาดตามความน่าจะเป็นของกระบวนการทางเอกสารที่จำเป็น โซ่ของมาร์คอฟเกี่ยวข้องกับสถานะและการเปลี่ยนแปลงตามความน่าจะเป็นทางสถิติ ซึ่งแนวคิดนี้ได้รับการพัฒนาโดยนักคณิตศาสตร์ชาวรัสเซีย อันเดรย์ มาร์คอฟ ในปี 1913 เมื่อเขาวิเคราะห์ลำดับตัวอักษรในข้อความวรรณกรรม AI ที่สร้างสรรค์ เช่น ChatGPT และ LLM อื่นๆ ดำเนินการในลักษณะการเปลี่ยนสถานะที่คล้ายกัน โดยแปลงเนื้อหาที่เขียนเป็นจุดข้อมูลที่เป็นหน่วยเล็ก ๆ และทำนายหน่วยถัดไปที่เป็นไปได้ตามความน่าจะเป็น แม้ว่านักวิจัยจะพยายามทำความเข้าใจกระบวนการ AI เหล่านี้ การประยุกต์ใช้โซ่ของมาร์คอฟอาจเปิดเผยข้อมูลเพิ่มเติมเกี่ยวกับพฤติกรรมที่ดูเหมือนลึกลับของ AI การศึกษาล่าสุดได้สำรวจการมอง LLMs ว่าเป็นโซ่ของมาร์คอฟ การเสนอเปลี่ยนสถานะที่มีโครงสร้างและการคำนวณการทำนายจากคำศัพท์จำกัดและหน้าต่างบริบท นักวิชาชีพในอุตสาหกรรมบางคนถกเถียงกันว่าโซ่ของมาร์คอฟสามารถไขความซับซ้อนของ AI ได้เต็มที่หรือไม่ แต่มีข้อบ่งชี้เบื้องต้นว่าโมเดลเหล่านี้อาจประมาณการการดำเนินการของ AI ภายใต้ข้อจำกัดบางประการ แม้จะมีข้อจำกัด โดยเฉพาะเกี่ยวกับโฟกัสดั้งเดิมของโซ่ของมาร์คอฟที่สถานะปัจจุบันโดยไม่คำนึงถึงสถานะก่อนหน้า แต่นักวิจัยก็กำลังผลักดันขอบเขตโดยการตรวจสอบการประยุกต์ของพวกมันใน AI ที่สร้างสรรค์ การศึกษาอย่างต่อเนื่องมีเป้าหมายเพื่อให้ความกระจ่างเกี่ยวกับศักยภาพขั้นสูงของ AI โดยใช้แนวคิดมาร์คอฟ ซึ่งบ่งบอกถึงศักยภาพแต่ยังไม่ได้รับคำตอบที่แน่ชัดเกี่ยวกับการดำเนินงานของ AI ภูมิทัศน์วิจัยที่พัฒนาอย่างต่อเนื่องยังคงตั้งคำถามและปรับความเข้าใจของเราเกี่ยวกับ AI ที่สร้างสรรค์ผ่านกรอบคณิตศาสตร์คลาสสิกอย่างโซ่ของมาร์คอฟ โดยสัญญาว่าจะค้นพบความสามารถของ AI และกลไกภายในอย่างต่อเนื่อง

เทคโนโลยี Palantir เห็นหุ้นพุ่งขึ้น 198% ในปี 2024 จากผลประกอบการ Q3 ที่น่าประทับใจเกินคาด ด้วยรายได้ 726 ล้านเหรียญ เพิ่มขึ้น 30% จากปีก่อน และการเติบโตของกำไรปรับแก้ 43% เป็น $0

การอภิปรายเกี่ยวกับปัญญาประดิษฐ์ (AI) ขยายวงกว้างกว่าแค่โมเดลภาษาขนาดใหญ่ (LLMs) และเนื้อหาที่สร้างโดย AI แตะต้องแพลตฟอร์มหลักอย่าง TikTok, Reddit และ Meta.

บริษัทประกาศโครงการ "เร่งรัด" สำหรับผู้หางานบางกลุ่ม โดยให้พวกเขาผ่านขั้นตอนการประเมินใบสมัครโดยแผนกธุรกิจที่เกี่ยวข้องโดยตรง โดยไม่ต้องผ่านการทดสอบข้อเขียน เพื่อเร่งกระบวนการจ้างงาน การเพิ่มขึ้นของการจ้างงานนี้สอดคล้องกับความต้องการผู้เชี่ยวชาญด้าน AI ที่เพิ่มขึ้นในจีนในช่วงครึ่งปีแรก โดยเน้นเป็นพิเศษที่ผู้เชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติ (NLP) ซึ่งมีความต้องการสูงทั้งจากบริษัทที่มีอยู่แล้วและสตาร์ทอัพใหม่ๆ ตามที่ระบุในรายงานจากมหาวิทยาลัยปักกิ่งและแพลตฟอร์มหางาน Zhilian Zhaopin

ซีอีโอของ Nvidia เจนเซน ฮวงคาดการณ์ว่า "พนักงาน AI" จะกลายเป็นส่วนหนึ่งที่พบได้ทั่วไปในแรงงานองค์กรในไม่ช้า **เกิดอะไรขึ้น:** ในตอนล่าสุดของพอดแคสต์ "No Priors" ฮวงได้แบ่งปันวิสัยทัศน์ของเขาว่าด้วยเรื่อง AI ในที่ทำงาน โดยคาดหวังว่า AI จะรับบทบาทเช่น การตลาด การออกแบบชิป และการจัดการห่วงโซ่อุปทาน เขาเชื่อว่าพนักงาน AI จะถูกบริหารจัดการเช่นเดียวกับมนุษย์ โดยรับงาน รับบริบท และมีการสื่อสาร นอกจากนี้ เขายังกล่าวถึง "ตัวแทนดิจิทัล" ที่อาจช่วยเพิ่มประสิทธิภาพให้กับทุกตำแหน่งงานในบริษัท ในตอนอื่นของพอดแคสต์ "BG2" ฮวงได้ขยายวิสัยทัศน์ของเขา โดยเสนอมุมมองถึงอนาคตที่ AI จะสรรหา AI ตัวอื่นๆ เพื่อแก้ปัญหาและโต้ตอบกับมนุษย์ในพื้นที่ดิจิทัล เช่น Slack รายงานโดย Business Insider ชี้ให้เห็นถึงทัศนคติของฮวงที่ว่า แม้ AI อาจเปลี่ยนแปลงงานบางชนิด แต่ก็อาจรักษาการจ้างงานได้ บริษัทที่ใช้ AI เพื่อเพิ่มประสิทธิภาพอาจมีรายได้หรือการเติบโตมากขึ้น ลดความเสี่ยงในการเลิกจ้าง ซีอีโอคนอื่น เช่น เอริค หยวนจาก Zoom และซันดาร์ พิชัยจาก Alphabet มีมุมมองที่คล้ายกันเกี่ยวกับการผนวก AI ในแรงงาน **ทำไมเรื่องนี้สำคัญ:** แม้ว่าการผนวก AI ในแรงงานไม่ใช่เรื่องใหม่ ความคิดที่ว่าพนักงาน AI จะกลายเป็นมาตรฐานเป็นสิ่งที่สำคัญ การเปลี่ยนแปลงนี้อาจนิยามบทบาทงานและการดำเนินธุรกิจใหม่ แม้ว่าบทบาทของงานอาจเปลี่ยนแปลง ฮวงมองเห็นศักยภาพในโอกาสใหม่และความมั่นคงในงาน ทัศนคติของเขาสอดคล้องกับผู้นำเทคโนโลยีคนอื่น สร้างความเห็นพ้องในบทบาทที่เพิ่มขึ้นของ AI ในอนาคตของการทำงาน การเปลี่ยนแปลงนี้อาจส่งผลต่อประสิทธิภาพและการเติบโตของธุรกิจอย่างเห็นได้ชัด ทำให้เห็นได้ว่าเป็นแนวโน้มที่ควรจับตามอง **อ่านต่อได้ที่** อีลอน มัสก์เปิดเผยประโยชน์สูงสุดของ AI ในการแทนที่งานมนุษย์: 'ในสถานการณ์ที่ดี