Anthropic จากทีมที่ไม่แน่ใจว่าจะรอด สู่ Claude ที่เขียนโค้ดได้ดีที่สุด

ในวันที่ OpenAI กำลังโด่งดัง มีเงินทุนพันล้านดอลลาร์ และทีมวิจัยระดับโลก กลับยังมีคนกล้าลุกขึ้นมาเดินเส้นทางใหม่ที่ต่างออกไป นั่นคือ Anthropic กลุ่มเล็กๆ ที่เริ่มต้นช่วงโควิด มีผู้ร่วมก่อตั้งเพียง 7 คน ไม่มีโมเดลโชว์ ไม่มีชื่อเสียงเป็นทุนเดิม สิ่งเดียวที่พวกเขายึดไว้คือ ภารกิจสร้าง AI ที่ไม่เพียงฉลาดขึ้นเรื่อยๆ แต่ต้อง ปลอดภัยและไว้ใจได้

Tom Brown หนึ่งในผู้ก่อตั้งเล่าว่า ช่วงแรกพวกเขายังไม่รู้ด้วยซ้ำว่าจะสร้างสินค้ารูปแบบไหนออกมา แต่ทุกคนเลือกมารวมตัวเพราะเชื่อในเป้าหมายระยะยาว ไม่ใช่เพราะเงินเดือนหรือชื่อเสียงที่ได้กลับมา และนี่กลายเป็นจุดตั้งต้นที่ทำให้ Anthropic มีบุคลิกไม่เหมือนใคร

Anthropic กลางเงายักษ์ของ OpenAI

ถ้าจะบอกว่าต้นกำเนิดของ Anthropic เกิดขึ้นในเงาของ OpenAI ก็คงไม่ผิดนัก เพราะ Tom Brown ผู้ร่วมก่อตั้งคนสำคัญ เคยเป็นหนึ่งในฟันเฟืองที่อยู่เบื้องหลังการสร้าง GPT-3 โมเดลที่ทำให้โลกเริ่มตระหนักว่า AI ไม่ได้เป็นเพียงงานวิจัย แต่กำลังจะเปลี่ยนวิถีชีวิตและเศรษฐกิจโลกจริงๆ

Tom Brown อยู่ตรงนั้นในวันที่ OpenAI ถือเงินทุนพันล้านดอลลาร์สหรัฐฯ และแรงสนับสนุนจากคนดังระดับ Elon Musk ใครที่อยู่ทีมนี้ก็แทบจะพูดได้เต็มปากว่ากำลังยืนอยู่ในฝั่งผู้ชนะ แต่แม้จะอยู่ในจุดที่มั่นคงที่สุด เขากลับเลือกเส้นทางที่เสี่ยงกว่า การออกมาตั้งต้นใหม่กับเพื่อนร่วมงานอีกไม่กี่คน

Anthropic จึงเริ่มต้นขึ้นในเงาที่ว่านี้ ท่ามกลางความสงสัยของใครหลายคนว่าพวกเขาจะไปไหวหรือไม่ แต่ Tom และทีมผู้ก่อตั้งมีสิ่งหนึ่งที่ชัดเจนมาตั้งแต่ต้น คือ ความต้องการสร้างสถาบันที่รับผิดชอบต่อผลลัพธ์ระยะยาวของ AI และตอบคำถามที่หลายคนยังไม่อยากเผชิญว่า “ถ้า AI ฉลาดเกินไป มนุษย์จะยังปลอดภัยแค่ไหน?”

ภารกิจที่เหนือกว่าการโชว์เดโม

ขณะที่หลายแล็บมุ่งทำคะแนนให้ชนะในเบนช์มาร์กสาธารณะ Anthropic กลับเลือกเดินสวนเลน ไม่พัฒนา AI แบบติวเพื่อสอบ เพื่อเอาคะแนนมาข่มใคร แต่เลือกใช้มาตรวัดภายใน (in-house benchmark) ของตัวเอง และที่สำคัญกว่านั้นคือให้งานจริงของวิศวกรในทีมเป็นสนามทดสอบหลัก เพราะฉะนั้น Claude จึงเติบโตมาในสภาพแวดล้อมที่เน้นการใช้งานจริง มากกว่าการแข่งคะแนน

นี่คือหัวใจที่ทำให้ Claude โตมาเหมือนเพื่อนร่วมทีม ไม่ใช่เครื่องมือที่ต้องสั่งทุกอย่างเป็นประโยคสมบูรณ์ Claude ถูกให้ลงสนามตั้งแต่เริ่มตั้งไข่ เช่น ช่วยเขียนโค้ด แก้บั๊ก ไล่ dependency ออกแบบแผนรีแฟกเตอร์ในบ้านของ Anthropic เองก่อน 

แล้วจากการทำงานเล็กๆ ก็ค่อยๆ กลายสภาพจากเครื่องมือช่วยงานเป็นคู่หูที่คุยรู้เรื่อง ซึ่งมันกลับเป็นความเปลี่ยนแปลงที่สามารถจับต้องได้ในชีวิตจริง 

มีเคสหนึ่งที่เล่ากันปากต่อปาก คือ ผู้ใช้มีเพียง binary file โดยไม่มี source code ให้เห็น เขาเลยลองโยนให้ Claude ช่วยถอดกลับเป็น C code ซึ่งนับเป็นสิ่งที่มนุษย์อาจต้องนั่งงมหัวแตกเป็นวันๆ แต่ Claude กลับทำเสร็จในสิบนาที พร้อมตัวแปรตั้งชื่ออ่านรู้เรื่อง

จุดพลิกเกม คือ ก้าวจากบอตใน Slack สู่ 3.5 Sonnet

ช่วงแรก Claude ยังเป็นเพียงบอตใน Slack ให้วงในทดลองของ ทีมเองก็ยังลังเลว่าจะเปิดสู่สาธารณะดีไหม เพราะยังชั่งน้ำหนักประโยชน์ต่อโลกกับความเสี่ยงไม่จบ

แล้วในปลายปี 2022 เมื่อ ChatGPT เปิดตัวและกลายเป็นไฟที่จุดกระแสโลก Anthropic ก็รับรู้ทันทีว่า ถ้าไม่ก้าวออกมาตอนนี้ จะพลาดโอกาสครั้งใหญ่ นี่จึงเป็นแรงผลักให้ทีมตัดสินใจ ยกเครื่อง serving infrastructure (โครงสร้างระบบที่ใช้ปล่อยโมเดลให้คนภายนอกเรียกใช้ได้อย่างเสถียร) แล้วเปิดตัว API และผลิตภัณฑ์ ของ Claude ให้สาธารณะได้ลองจริงเป็นครั้งแรก

จากนั้นการมาของ Claude 3.5 Sonnet ก็เหมือนเป็นการพลิกเกม ความสามารถด้าน code generation และ coding agents ของมันโดดเด่นจนแม้แต่ทีม Anthropic เองยังเซอร์ไพรส์ 

Y Combinator ถึงกับเล่าว่า ในบรรดาสตาร์ทอัพรุ่นใหม่ๆ Claude กลายเป็น ตัวเลือกเริ่มต้น สำหรับใครก็ตามที่อยากสร้าง coding agent ขึ้นมา สัดส่วนการเลือกใช้พุ่งสูงจน Anthropic ต้องหันมาลงทุนกับสายงานนี้อย่างจริงจัง

ทำไมด้านโค้ดของ Claude ถึงเด่นกว่าตัวอื่นๆ ในตลาด ?

อย่างแรกคือ Anthropic เริ่มลงทุนตั้งแต่ยังไม่มีใครสนใจ ทีมเลือกให้ Claude เข้าใจการเขียนโค้ดตั้งแต่ยุคก่อน Claude 3.5 ไม่ใช่เพราะอยากโชว์คะแนน แต่เพราะตัวเองต้องใช้จริง 

เมื่อนักพัฒนาภายในต้องอาศัย Claude ช่วยงานทุกวัน มันเลยซึมซับปัญหาที่เกิดขึ้นในโลกจริง ตั้งแต่ build พังเพราะ library ชนกัน ไปจนถึงการตัดสินใจเชิงสถาปัตยกรรม

อย่างที่สองคือ เมื่อทีม Anthropic ใช้ Claude ทำงานจริงกับวิศวกรในทีม ทำให้ Claude ได้เรียนรู้ความเจ็บจริง และวิธีแก้ที่ practical จนเก่งงานที่เจอในสนามจริงมากกว่าการสอบ

อย่างที่สามคือ ไม่ติวเพื่อสอบ benchmark แล็บอื่นอาจมีทีมที่ทำให้คะแนนสูงใน HumanEval หรือ MMLU แต่ Anthropic ไม่มีทีมแบบนั้น พวกเขาเลือกใช้ in-house metrics และการดูว่างานจริงเดินได้เร็วขึ้นไหมเป็นตัววัด ทำให้ Claude เก่งเรื่องงานมากกว่าตัวเลขบนสไลด์

และสุดท้ายคือ มอง Claude เป็นผู้ใช้อีกคน เวลาออกแบบเครื่องมือ ทีมจะคิดว่าจะให้อะไร Claude เพิ่ม เพื่อให้ทำงานเองได้มากขึ้น ไม่ว่าจะเป็น context ที่ยาวขึ้น ระบบ tool calling หรือวิธี feed งานที่ลดความยุ่งยากให้ Claude ทำงานลื่นขึ้น

รวมทั้งหมดนี้ ทำให้ Claude ไม่ได้เก่งเพราะถูกติวมาให้สอบผ่าน แต่เก่งเพราะถูกฝึกมาจากสนามจริง เหมือนนักกีฬาที่ไม่ได้ซ้อมเพื่อโชว์ท่าหนึ่งบนเวที แต่ซ้อมเพื่อเล่นเกมยาวๆ ให้เข้าขากับทีม ผลที่ได้ก็คือ Claude กลายเป็น pair programmer ที่นักพัฒนานั่งทำงานด้วยแล้วรู้สึกว่า คุ้มกว่าทำเองคนเดียว

อ้างอิง: youtube