จีนทำสหรัฐฯ แบ่งเป็น ศึกสามก๊ก AI อเมริกา หลังปล่อย Kimi K3 ก๊อปเกรด A จนทำเนียบขาวตื่นตระหนก

รัฐบาลสหรัฐฯ อัดฉีดเม็ดเงินนับแสนล้านดอลลาร์ ควบคู่ไปกับการทุ่มทรัพยากรพลังงาน ชิปประมวลผลชั้นสูง และทีมนักวิจัยระดับท็อปของโลก เพื่อสร้างสมองกลปัญญาประดิษฐ์ที่ก้าวหน้าที่สุดในประวัติศาสตร์มนุษยชาติ 

ทว่าสิ่งที่ทำให้ทำเนียบกังวลในเวลานี้ กลับไม่ใช่การโดนคู่แข่งทางเทคโนโลยีอย่างจีนวิจัยแซงหน้าด้วยงบมหาศาล แต่เป็นความวิตกว่าจีนอาจไม่จำเป็นต้องลงทุนสร้างเองตั้งแต่เริ่มต้น เพียงแค่ใช้วิธีลัดคัดลอกองค์ความรู้จากโมเดลระดับแนวหน้าของอเมริกาด้วยต้นทุนที่ถูกกว่าเป็นล้านเท่า

ประเด็นทางภูมิรัฐศาสตร์และเทคโนโลยีครั้งนี้ไม่ได้จำกัดอยู่เพียงสมรภูมิสองขั้วอำนาจระหว่างสหรัฐฯ กับจีน แต่ได้ลุกลามกลายเป็นศึกภายในของวงการเทคโนโลยีอเมริกัน ที่แบ่งออกเป็นหลายฝักหลายฝ่าย แต่ละกลุ่มมีทั้งกรอบความกลัว ผลประโยชน์ทางธุรกิจ และแนวทางในการรับมือที่แตกต่างกันอย่างสิ้นเชิง

จุดเริ่มต้นดราม่า ไทม์ไลน์ความเคลื่อนไหวระลอกใหญ่ในวอชิงตัน

ความตึงเครียดฉากใหม่เริ่มปะทุขึ้นอย่างเป็นทางการในช่วงปลายเดือนกรกฎาคม เมื่อสื่อสายเทคโนโลยีและนโยบายเปิดเผยว่า รัฐบาลสหรัฐฯ กำลังซุ่มหารือมาตรการสกัดกั้นโมเดลประเภท open-weight จากจีน โดยมีตัวเลือกตั้งแต่วิธีการขั้นเด็ดขาดอย่างการใส่ชื่อลงในบัญชีดำทางการค้า การออกคำเตือนความปลอดภัยระดับชาติ ไปจนถึงการปรับเกณฑ์จัดซื้อจัดจ้างของหน่วยงานภาครัฐเพื่อกีดกันโมเดลเหล่านี้

หลังจากนั้นไม่นาน รัฐมนตรีว่าการกระทรวงการคลังสหรัฐฯ Scott Bessent ได้ออกมายืนยันผ่านการให้สัมภาษณ์ว่า รัฐบาลพร้อมใช้อำนาจคว่ำบาตรอย่างเต็มที่ หากพบว่าบริษัท AI จากจีนกระทำการละเมิดหรือขโมยทรัพย์สินทางปัญญา โดยมีการระบุถึงเทคนิคที่เรียกว่า distillation ที่บริษัท Moonshot นำมาใช้ฝึกฝนโมเดล Kimi K3 เป็นกรณีศึกษาสำคัญ

สถานการณ์ทวีความร้อนแรงยิ่งขึ้นเมื่อ Michael Kratsios ที่ปรึกษาด้านวิทยาศาสตร์และเทคโนโลยีประจำทำเนียบขาว ออกมากล่าวหา Moonshot โดยตรงว่าดำเนินกระบวนการดึงข้อมูลความรู้ระดับอุตสาหกรรมในลักษณะปกปิด เพื่อดึงศักยภาพจากโมเดล Fable ของ Anthropic มาใช้งาน

การเคลื่อนไหวของฝั่งรัฐบาลได้รับการตอบโต้อย่างทันควันจากภาคเอกชนชั้นนำ นำโดยการรวมตัวส่งจดหมายเปิดผนึกในชื่อ Open Weights and American AI Leadership ซึ่งเป็นการจับมือกันของยักษ์ใหญ่เทคโนโลยีอย่าง Hugging Face, Meta, Microsoft, Mistral AI และ Nvidia พร้อมทั้งมีบริษัทเทคโนโลยีเข้าร่วมลงชื่อสนับสนุนอย่างรวดเร็วรวมกว่า 77 แห่ง ส่งผลให้เกิดการปะทะทางความคิดอย่างรุนแรงระหว่างสถาบันวิจัย AI ผู้ผลิตฮาร์ดแวร์ และหน่วยงานความมั่นคงอเมริกันในเวลาต่อมา

Open Weight ต่างจาก Open Source อย่างไร?

ความสับสนหลักในเชิงนโยบายมักเกิดจากการเหมามารวมกันว่าโมเดลแบบ open-weight คือสิ่งเดียวกับซอฟต์แวร์ open-source ทั่วไป ทั้งที่ในความเป็นจริงมีความแตกต่างเชิงโครงสร้างอย่างมีนัยสำคัญ หากพิจารณาโครงสร้างของโมเดล AI จะพบว่าประกอบด้วยสี่ส่วนหลัก ได้แก่ 

• ข้อมูลที่ใช้ฝึกฝน (Training Data)
• โค้ดและสถาปัตยกรรมกระบวนการฝึก (Training Code / Methodology)
• ค่าถ่วงน้ำหนักหรือตัวเลขพารามิเตอร์ที่เป็นผลลัพธ์หลังการฝึก (Weights)
• เงื่อนไขสิทธิ์ในการใช้งาน (License)

Open Source แบบเต็มรูปแบบ จำเป็นต้องเปิดเผยโครงสร้างทั้ง 4 ส่วนอย่างโปร่งใส เพื่อให้ผู้อื่นสามารถนำข้อมูลและชุดโค้ดไปรันกระบวนการฝึกใหม่ทั้งหมดตั้งแต่ศูนย์ได้ ซึ่งในทางปฏิบัตินั้นเกิดขึ้นได้ยากมากเนื่องจากข้อจำกัดด้านลิขสิทธิ์ข้อมูลและความลับทางการค้าขององค์กร

Open Weight หมายถึงการเปิดเผยเพียงเฉพาะส่วนของค่าพารามิเตอร์หรือตัวเลขสมองกลที่ฝึกฝนสำเร็จแล้วเท่านั้น โดยเปิดให้สาธารณชนดาวน์โหลดไปติดตั้ง ปรับแต่ง หรือใช้งานต่อได้ฟรี แต่ข้อมูลวัตถุดิบต้นทางและกรรมวิธีการฝึกเบื้องหลังยังคงถูกปิดเป็นความลับ

แล้วทำไมเส้นแบ่งตรงนี้ถึงอันตราย?

เพราะ Open-weight อยู่ในจุดที่เป็นทั้งประโยชน์มหาศาล และความเสี่ยงสูงสุดไปพร้อมกัน

มันฟรีจนใครก็สามารถดาวน์โหลดไปรันบนเซิร์ฟเวอร์ตัวเองได้ทันที ไม่ว่าจะสตาร์ทอัพ นักวิจัย หรือประเทศขนาดเล็ก ไม่ต้องมีเงินหมื่นล้านไปคอยเทรน AI เอง แค่โหลด Open-weight มา ก็ได้สมองกลระดับใกล้เคียงกับบริษัทเทคยักษ์ใหญ่มาใช้งานได้ทันที และสามารถนำไป Fine-tune ใส่ข้อมูลเฉพาะทาง เช่น ข้อมูลการแพทย์ หรือกฎหมายเฉพาะประเทศ โดยไม่ต้องกังวลว่าข้อมูลลับขององค์กรจะรั่วไหลออกไปภายนอก เพราะรันระบบอยู่ในเครื่องตัวเองทั้งหมด

แต่ในขณะเดียวกัน ในส่วนที่มันปิดกลับสามารถถูกเจาะได้อย่างง่ายดาย แม้คุณจะปิด Training Data ไว้แน่นหนาแค่ไหน แต่ถ้าคุณเปิดให้คนอื่นใช้งานโมเดล (ไม่ว่าจะเปิดผ่าน Open-weight หรือเปิดให้ใช้ผ่าน API ของโมเดลปิดก็ตาม) สิ่งที่เกิดขึ้นคือ คู่แข่งไม่ต้องสนว่า Training Data คืออะไร แค่ยิงคำถามเก่ง ๆ ใส่โมเดลของคุณนับล้านข้อ แล้วเอาคำตอบนั้นไปป้อนให้โมเดลตัวเองเรียนรู้ตาม

นี่คือที่มาของดราม่า Distillation ที่สหรัฐฯ กล่าวหาว่าคู่แข่งสูบกระบวนการคิดและความฉลาดที่สหรัฐฯ ทุ่มเงินสร้างมาพันล้านดอลลาร์ ไปใส่ในโมเดลของตนเองด้วยต้นทุนที่ถูกกว่าเป็นร้อยหรือเป็นล้านเท่า

นี่คือ 2 ความกลัวหลักในทำเนียบขาว

ประเด็นแรก คือ ความกลัวการสูญเสียความได้เปรียบจากการถูกคัดลอกผ่านเทคนิค Distillation ซึ่งเป็นกระบวนการป้อนคำถามจำนวนมหาศาลใส่โมเดลขนาดใหญ่ที่ทรงพลัง แล้วนำแนวทางการตอบ เหตุผล และวิธีการประมวลผลเหล่านั้น ไปใช้ฝึกฝนโมเดลขนาดเล็กกว่าให้มีความฉลาดใกล้เคียงกัน 

ดังกรณีข้อกล่าวหาที่ Anthropic ระบุว่า Moonshot มีการสร้างบัญชีผู้ใช้งานปลอมนับล้านบัญชีเพื่อดึงความสามารถด้านการคิดวิเคราะห์ โค้ดดิ้ง และการเรียกใช้เครื่องมือจากโมเดล Claude ไปฝึกฝนต่อ

กระบวนการสร้างโมเดลระดับ Frontier model ตั้งแต่ต้น ต้องอาศัยเงินลงทุนหลักพันล้านดอลลาร์สหรัฐฯ เวลาในการพัฒนาหลายปี และศูนย์ข้อมูลที่อัดแน่นด้วย GPU นับแสนตัว ทว่าการดึงความรู้ผ่าน distillation ช่วยลดต้นทุนลงได้นับร้อยเท่า ส่งผลให้ผู้ลงทุนวิจัยขั้นต้นเสมือนกำลังแบกรับภาระค่าพัฒนาเทคโนโลยีให้แก่คู่แข่งโดยไม่ได้รับสิ่งตอบแทน

ประเด็นที่สอง คือ ความเสี่ยงด้านความมั่นคงและการถูกนำไปใช้ก่อภัยคุกคาม รัฐบาลสหรัฐฯ กังวลว่าหากฝ่ายตรงข้ามสามารถเข้าถึงโมเดลทรงพลังได้ อาจนำเทคโนโลยีดังกล่าวไปยกระดับศักยภาพทางทหาร หรือใช้เป็นเครื่องมือควบคุมประชาชน ยิ่งไปกว่านั้น โมเดลแบบ open-weight ที่ถูกดัดแปลงและแก้ไขรหัสเพื่อถอดเกราะป้องกันความปลอดภัย อาจถูกนำไปใช้เป็นเครื่องมือวางแผนโจมตีทางไซเบอร์ หรือการออกแบบอาวุธชีวภาพ โดยปราศจากระบบคุมกำเนิดจากผู้สร้างเดิม

ศึกสามฝ่ายในอเมริกา

เมื่อขยับมาถึงคำถามที่ว่าสหรัฐฯ ควรวางนโยบายอย่างไรเพื่อแก้ปัญหาดังกล่าว รอยแตกร้าวภายในภาคอุตสาหกรรมเทคโนโลยีอเมริกันก็ปรากฏขึ้นอย่างชัดเจน โดยแบ่งออกเป็น 3 กลุ่มความคิดหลัก

กลุ่มผู้ให้บริการโครงสร้างพื้นฐานและพันธมิตร 77 องค์กร

กลุ่มนี้นำโดย Nvidia, Microsoft, Meta และ Hugging Face ยืนหยัดคัดค้านการสั่งแบนโมเดล open-weight อย่างถอนรากถอนโคน โดยมองว่าระบบนิเวศ AI ที่แข็งแกร่งจำเป็นต้องมีโมเดลที่เป็นสินค้าโภคภัณฑ์ที่ทุกคนเข้าถึงได้ เพราะยิ่งมีโมเดลหลากรูปแบบถูกนำไปใช้งานมากเท่าไร ความต้องการใช้งานชิปประมวลผลและระบบคลาวด์ก็จะยิ่งเพิ่มขึ้นตามไปด้วย

Jensen Huang ซีอีโอของ Nvidia ได้แสดงจุดยืนอย่างโดดเด่นผ่านการสื่อสารสาธารณะและการเข้าพบวุฒิสมาชิกสหรัฐฯ โดยย้ำว่าอุตสาหกรรมอเมริกันต้องการโมเดลแบบ open-weight เพื่อสร้างอธิปไตยทางเทคโนโลยี กระจายการพัฒนานวัตกรรม และเสริมความแข็งแกร่งด้านการป้องกันไซเบอร์ จุดยืนนี้ได้รับกระแสสนับสนุนอย่างรวดเร็วจากทั้ง Sam Altman ซีอีโอของ OpenAI และ Elon Musk

ซึ่งสื่อต่างชาติก็คาดการณ์ว่าในจุดนี้ หากมองในเชิงกลยุทธ์ทางธุรกิจ Nvidia อยู่ในตำแหน่งที่ได้รับประโยชน์จากการเติบโตของระบบนิเวศ AI ไม่ว่าฝั่งใดจะเป็นผู้ชนะ การคงไว้ซึ่งความหลากหลายของโมเดลเปิดจึงช่วยขยายขนาดตลาดรวมของฮาร์ดแวร์ให้เติบโตอย่างต่อเนื่อง

นอกจากนี้ กลุ่มพันธมิตรยังได้หยิบยกเหตุการณ์จริงมาสนับสนุนข้อโต้แย้ง โดยระบุถึงกรณีที่โมเดลของ OpenAI เกิดข้อผิดพลาดในระบบทดสอบจนแอบดึงเฉลยจากคลังข้อมูลภายนอก ซึ่งในเวลานั้นผู้พัฒนาต้องการใช้ AI ช่วยวิเคราะห์ช่องโหว่ความปลอดภัย แต่โมเดลแบบปิดขนาดใหญ่กลับปฏิเสธการให้ความช่วยเหลือ เนื่องจากระบบเซ็นเซอร์ภายในแยกไม่ออกระหว่างการเจาะระบบของแฮกเกอร์กับการตรวจสอบของนักพัฒนา สุดท้ายทีมงานจึงต้องพึ่งพาโมเดลเปิดอย่าง GLM จากจีนที่มีการปรับแต่งรหัสให้ทำงานเฉพาะทางได้ มาช่วยแก้วิกฤตและปิดช่องโหว่ได้สำเร็จ

กรณีนี้ถูกยกขึ้นมาเพื่อชี้ให้เห็นว่าระบบรักษาความปลอดภัยที่เข้มงวดเกินไปของโมเดลปิด อาจกลายเป็นอุปสรรคต่อการทำงานของทีมป้องกันไซเบอร์ในสถานการณ์จริง

กลุ่มผู้พัฒนาโมเดลแบบปิดและกรณีของ Anthropic

Anthropic เลือกที่จะไม่ลงนามในจดหมายเปิดผนึกของกลุ่ม 77 บริษัท ซึ่งส่งผลให้ถูกวิพากษ์วิจารณ์จากที่ปรึกษาฝั่งรัฐบาลถึงความย้อนแย้ง ในประเด็นที่ Anthropic สามารถใช้ข้อมูลสาธารณะจากทั่วโลกมาฝึกโมเดลของตนได้ แต่กลับคัดค้านเมื่อมีผู้อื่นนำผลลัพธ์ของตนไปใช้งานต่อ

Dario Amodei ซีอีโอของ Anthropic ได้ออกมาชี้แจงว่า บริษัทไม่ได้เสนอให้มีการแบนโมเดล open-weight แต่อย่างใด และยอมรับว่าโมเดลเปิดที่ไม่มีภัยคุกคามถือเป็นประโยชน์สาธารณะ ทว่า Anthropic ได้เสนอทางออกที่มุ่งเป้าไปยังต้นตอของปัญหาแทน โดยเสนอให้เน้นการควบคุมการส่งออกฮาร์ดแวร์ชั้นสูงและเครื่องมือผลิตชิปไปยังประเทศคู่แข่ง การเจาะจงลงโทษเฉพาะปฏิบัติการดึงข้อมูลแบบ distillation ขนาดใหญ่ที่กระทำในลักษณะอุตสาหกรรม และการกำหนดให้โมเดลระดับแนวหน้าทุกตัวต้องผ่านการทดสอบมาตรฐานความปลอดภัยก่อนปล่อยสู่สาธารณะ

การเคลื่อนไหวของ Anthropic ถูกมองว่าเป็นกลยุทธ์การเปลี่ยนทิศทางความกดดันทางนโยบาย จากเดิมที่ทำเนียบขาวมุ่งเป้าตรวจสอบผู้พัฒนาโมเดลปิด ให้ย้ายไปสู่การตั้งคำถามต่อผู้ขายฮาร์ดแวร์อย่าง Nvidia ว่าเหตุใดจึงยังคงมีช่องทางให้ชิปประมวลผลประสิทธิภาพสูงหลุดรอดไปถึงประเทศคู่แข่งได้

กลุ่มพนักงานและนักวิจัยในแล็บ AI

นอกเหนือจากการถกเถียงของผู้บริหารระดับสูง กลุ่มพนักงานและนักวิจัยกว่า 1,200 คนจากแล็บ AI ชั้นนำ ได้ร่วมกันออกแถลงการณ์ Pacing the Frontier ซึ่งไม่ได้มุ่งเน้นไปยังข้อถกเถียงเรื่องโมเดลเปิดหรือปิด แต่แสดงความกังวลต่อความเร็วในอัตราการพัฒนาเทคโนโลยี

กลุ่มนักวิจัยเตือนว่า เทคโนโลยีปัญญาประดิษฐ์กำลังเข้าใกล้จุดที่โมเดลสามารถช่วยพัฒนาระบบ AI รุ่นถัดไปได้ด้วยตนเอง ซึ่งอาจส่งผลให้ความสามารถของระบบก้าวไปเร็วกว่าความสามารถในการควบคุมของมนุษย์ 

แถลงการณ์ดังกล่าวจึงเรียกร้องให้รัฐบาลสหรัฐฯ ร่วมมือกับนานาชาติในการสร้างกลไกเพื่อชะลอความเร็วของสงครามการแข่งขันลงอย่างตั้งใจ เนื่องจากมองว่าภัยคุกคามที่แท้จริงไม่ได้เกิดจากการพ่ายแพ้ต่อคู่แข่งทางภูมิรัฐศาสตร์ แต่เกิดจากการแข่งขันที่ไร้เกราะบดบังทิศทางจนนำไปสู่ภัยคุกคามที่ไม่มีฝ่ายใดสามารถควบคุมได้

การเดิมพันบนระเบียบโลกใหม่ของ AI

ดราม่า open-weight ในสหรัฐฯ สะท้อนให้เห็นว่า สมรภูมิปัญญาประดิษฐ์ได้ก้าวข้ามการแข่งขันทางเทคโนโลยีบริสุทธิ์ ไปสู่การต่อสู้เชิงยุทธศาสตร์ที่ซับซ้อน รัฐบาลสหรัฐฯ กำลังเผชิญกับภาวะกลืนไม่เข้าคายไม่ออก ระหว่างการรักษาบรรยากาศการเปิดกว้างนวัตกรรมที่เป็นรากฐานความสำเร็จของซิลิคอนแวลลีย์ กับการปกป้องการลงทุนมหาศาลและอธิปไตยความมั่นคงทางเทคโนโลยี

ในขณะเดียวกัน ความขัดแย้งระหว่างผู้ผลิตฮาร์ดแวร์ ผู้พัฒนาโมเดล และนักวิจัยความปลอดภัย ได้ชี้ให้เห็นว่า 'คำตอบ' ของเรื่องนี้ไม่มีเส้นแบ่งที่ชัดเจน การกำหนดนโยบายก้าวถัดไปของวอชิงตันจึงไม่ใช่แค่เรื่องของการแบนหรือไม่แบนโมเดลจากจีน แต่เป็นการวางรากฐานโครงสร้างอำนาจใหม่ที่จะกำหนดทิศทางอุตสาหกรรมเทคโนโลยีโลกในทศวรรษหน้า

อ้างอิง: techcrunch, cnbc, digitalapplied, techcrunch, anthropic, bloomberg, bloomberg, pacingthefrontier