สรุปวิสัยทัศน์ Demis Hassabis อนาคต AI และหุ่นยนต์ DeepMind ปี 2026

ในปี 2026 ณ งาน India AI Impact Summit ชายที่ชื่อว่า Demis Hassabis CEO แห่ง Google DeepMind ได้ขึ้นกล่าวสุนทรพจน์ที่ไม่ได้เป็นเพียงการสรุปความสำเร็จของ AI แต่เป็นการประกาศถึง The Great Transition หรือการเปลี่ยนผ่านครั้งใหญ่ที่สุดในประวัติศาสตร์มนุษย์

นี่ไม่ใช่เรื่องของแชทบอทที่ตอบคำถามได้คล่องแคล่ว แต่คือการเดินทางไปสู่ Artificial General Intelligence (AGI) ที่กำลังจะเกิดขึ้นในอีกไม่เกิน 8 ปีข้างหน้า และนี่คือบทวิเคราะห์เจาะลึกถึง "โลกอนาคต" ผ่านสายตาของชายผู้พยายามถอดรหัสความฉลาดของจักรวาล

เรื่องที่ 1 จาก Jagged Intelligence สู่ความสมบูรณ์แบบของ AGI

Hassabis ชี้ให้เห็นว่า AI ในปัจจุบันยังมีความฉลาดที่ไม่สมบูรณ์ เขาใช้คำว่า Jagged Intelligence หรือความฉลาดที่มีรอยหยัก AI อาจจะแก้โจทย์แคลคูลัสขั้นสูงได้ แต่กลับคำนวณเลขประถมผิดหากถูกหลอกด้วยคำถามเพียงเล็กน้อย

สำหรับ Hassabis นี่คือ "สัญญาณว่าเรายังไม่ถึง AGI"

ดังนั้น หัวใจสำคัญของ AGI ในมุมมองของเขามี 3 เสาหลัก ได้แก่

1. Continual Learning AI ต้องเลิกเป็นระบบที่เทรนเสร็จแล้วแช่แข็ง แต่ต้องเรียนรู้จากประสบการณ์จริงในโลก เหมือนเด็กที่โตขึ้นทุกวันจากความผิดพลาด
2. Long-term Planning ก้าวข้ามการเดาคำถัดไป สู่การวางแผนที่มีเป้าหมายในระยะปี ไม่ใช่แค่ระยะวินาที
3. Consistency ความสม่ำเสมอในตรรกะ ซึ่งเป็นจุดแบ่งเขตแดนระหว่างเครื่องจักรที่จำเก่ง กับปัญญาที่คิดเป็น

สามารถสรุปได้ว่า สำหรับ Hassabis คำว่า AGI ไม่ใช่แค่แชทบอทที่ตอบเก่ง แต่มันต้องมี Cognitive Capabilities ครบทุกด้านเหมือนสมองมนุษย์ ตั้งแต่ความเข้าใจเหตุผล, การวางแผนระยะยาว, ไปจนถึงความสามารถในการเรียนรู้หน้างาน โดยไม่ต้องส่งกลับไปเทรนใหม่ใน Data Center

Hassabis พยากรณ์ว่าเราจะเห็น AGI ภายในช่วงปี 2030-2034

เรื่องที่ 2 Foundation Models จะต้องมาพบกับ Search & Planning

หนึ่งในประเด็นที่ล้ำที่สุดในเชิงเทคนิคที่ Hassabis แย้มออกมา คือทิศทางของโมเดลรุ่นถัดไป เขาเชื่อว่าหนทางสู่ AGI ไม่ใช่แค่การขยายขนาดของโมเดลภาษาไปเรื่อย ๆ แต่คือการผสมผสาน 2 โลกเข้าด้วยกัน นั่นคือ 

1. Foundation Models (เช่น Gemini) ทำหน้าที่เป็นคลังความรู้มหาศาล และตัวประมวลผลภาษาที่เข้าถึงข้อมูลทั่วโลก
2. Reinforcement Learning & Search (เช่น AlphaZero) คือการนำอัลกอริทึมที่เคยใช้ชนะหมากรุกหรือเกม Go มาใส่ใน AI เพื่อให้มันคิดก่อนตอบ

Hassabis อธิบายว่า AI ในอนาคตจะเหมือนกับมนุษย์ที่เวลาเจอคำถามยาก ๆ จะไม่โพล่งคำตอบออกมาทันที (เหมือน LLM ปัจจุบัน) แต่จะใช้เวลาคิด จำลองเหตุการณ์ในหัว และตรวจสอบความถูกต้องก่อนจะพูดออกมา นี่คือจุดที่จะลบจุดอ่อนเรื่อง Hallucination ของ AI ออกไปอย่างเด็ดขาด

ดังนั้น นี่ก็เป็นอีกภาพของ AGI ที่มันจะเป็นระบบไฮบริดที่รวมเอาความรู้มหาศาลจาก Foundation Models เข้ากับความแม่นยำทางตรรกะของ Reinforcement Learning ซึ่งจะทำให้ AI เก่งกาจทั้งในด้านภาษา และ การวางแผนที่สลับซับซ้อน

เรื่องที่ 3 สัญญาณของ Digital Renaissance

ประเด็นเรื่อง Digital Renaissance หรือยุคเรอเนซองส์ดิจิทัลที่ Demis Hassabis พูดถึงนั้นลึกซึ้งกว่าแค่การใช้คอมพิวเตอร์ช่วยคิดเลข แต่มันคือการเปลี่ยนสถานะของ AI จากเครื่องมือ มาเป็นเพื่อนร่วมวิจัยที่มีสัญชาตญาณล้ำลึก 

เขาเปรียบเทียบว่านักวิทยาศาสตร์ที่เก่งกาจไม่ได้ต่างจากคนอื่นแค่ความจำ แต่ต่างกันที่รสนิยมในการมองปัญหา ซึ่ง AI ในอนาคตจะถูกฝึกให้มีรสนิยมนี้เพื่อช่วยกรองสมมติฐานนับล้านให้เหลือเพียงไม่กี่อย่างที่มีค่าพอจะลงมือทำจริง ช่วยประหยัดเวลาที่มนุษย์อาจต้องลองผิดลองถูกเป็นร้อยปีให้เหลือเพียงชั่วพริบตา

ความล้ำไปกว่านั้นคือการที่ Hassabis เสนอสิ่งที่เรียกว่า บททดสอบไอน์สไตน์ (The Einstein Test) เพื่อพิสูจน์ว่า AI มีความคิดสร้างสรรค์จริงหรือไม่ โดยการลองป้อนข้อมูลวิทยาศาสตร์ให้มันย้อนกลับไปถึงแค่ปี 1911 แล้วท้าทายให้มันคิดค้นทฤษฎีสัมพัทธภาพทั่วไป ขึ้นมาเองให้ได้ก่อนปี 1915 เหมือนที่ไอน์สไตน์เคยทำไว้ หาก AI สามารถก้าวกระโดดจากความรู้เดิมไปสู่การค้นพบใหม่ที่พลิกโลกได้ด้วยตัวเองแบบนี้ มันจะกลายเป็นกุญแจสำคัญที่ช่วยมนุษย์ไขปริศนาที่ยากเกินขีดจำกัดของสมองคนเราในปัจจุบัน เช่น การควบคุมพลังงานฟิวชันหรือการรักษาร้ายแรงที่ซับซ้อน กลายเป็นการปฏิวัติความรู้ครั้งใหญ่ที่สุดเท่าที่เคยมีมา

เรื่องที่ 4 Physical AI และอาณาจักรหุ่นยนต์

Hassabis อธิบายว่า ในอดีต หุ่นยนต์ถูกจำกัดด้วยสิ่งที่เรียกว่า Moravec’s Paradox (สิ่งที่ยากสำหรับมนุษย์นั้นง่ายสำหรับคอมพิวเตอร์ แต่สิ่งที่ง่ายสำหรับมนุษย์ เช่นการเดินหรือหยิบแก้วน้ำ กลับยากมากสำหรับคอมพิวเตอร์) แต่ตอนนี้เรากำลังก้าวข้ามขีดจำกัดนั้นด้วย Physical AI

เพราะ AI ยุคใหม่ถูกฝึกด้วยข้อมูลมหาศาลทั้งภาพและวิดีโอ ทำให้มันมีสิ่งที่เรียกว่าความเข้าใจทางกายภาพ (Physical Intuition) มันเริ่มเข้าใจว่าวัตถุไหนหนัก วัตถุไหนเปราะบาง 

รวมถึงปัจจุบัน เราเริ่มมีแนวคิดเรื่อง World Models คือการที่หุ่นยนต์ยุคใหม่กำลังถูกฝึกด้วยแบบจำลองโลก ทำให้มันมีความเข้าใจเรื่องฟิสิกส์พื้นฐาน (เช่น ถ้าผลักของตกขอบโต๊ะ มันจะหล่น) ซึ่งเป็นกุญแจสำคัญที่ทำให้หุ่นยนต์ทำงานในสภาพแวดล้อมที่ไม่คุ้นเคยได้

ซึ่งสิ่งเหล่านี้ Hassabis บอกว่าเราจะก้าวข้ามหุ่นยนต์แขนกลในโรงงานที่ทำหน้าที่เดียว ไปสู่หุ่นยนต์ที่แก้ปัญหาเฉพาะหน้าได้ เช่น หุ่นยนต์ในบ้านที่รู้วิธีหลบหลีกเด็กเล็ก หรือหุ่นยนต์กู้ภัยที่วิเคราะห์เส้นทางในตึกที่ถล่มได้เองโดยไม่มีแผนที่ล่วงหน้า เพราะมันเข้าใจความสัมพันธ์ของวัตถุในโลกจริง

เรื่องที่ 5 ภูมิศาสตร์การเมืองของปัญญา

ข้อนี้สะท้อนว่า AI ไม่ใช่แค่เรื่องเทคนิค แต่เป็นเรื่องของอำนาจและการควบคุม เพราะ Hassabis มองว่า AI ไม่ใช่แค่ซอฟต์แวร์ แต่มันคือโครงสร้างพื้นฐานใหม่ของโลก ซึ่งมีมิติทางรัฐศาสตร์ที่น่าสนใจมาก เช่น เคสของการทลายกำแพงชนชั้นทางเทคโนโลยี 

เขาชี้ว่าสมัยก่อนนวัตกรรมเปลี่ยนโลก (เช่น เครื่องจักรไอน้ำ หรืออินเทอร์เน็ตช่วงแรก) กระจุกตัวอยู่ในประเทศมหาอำนาจ แต่ AI เป็น Open-access Intelligence นักพัฒนาทั่วโลกสามารถใช้ API ของโมเดลระดับโลกสร้าง Application ที่แข่งกับสตาร์ทอัพในสหรัฐฯ ได้ทันที ทำให้ความได้เปรียบทางภูมิศาสตร์ลดความสำคัญลง แต่ไปเน้นที่ความเร็วในการประยุกต์ใช้แทน

มันจึงนำมาสู่หัวข้อสำคัญอีกเรื่องหนึ่ง คือ The Sovereign AI ตอนนี้จะเห็นว่า หลายประเทศจะเริ่มสร้าง AI ของตัวเอง (เช่น โมเดลภาษาไทยที่เข้าใจบริบทไทย) เพื่อไม่ต้องพึ่งพิงเทคโนโลยีจากฝั่งตะวันตกหรือจีนเพียงอย่างเดียว นี่คือการสร้างอธิปไตยทางปัญญา ซึ่งจะกลายเป็นเรื่องที่สำคัญอย่างมากในอนาคต

แต่แม้ AI จะมีข้อดีมากแค่ไหน Hassabis ยังคงกังวลเรื่อง Bio-risk มากที่สุด เช่น การใช้ AI ออกแบบไวรัสสายพันธุ์ใหม่ หรือการเจาะระบบโครงสร้างพื้นฐาน ซึ่งภัยเหล่านี้ หากเกิดการรั่วไหลในประเทศหนึ่ง มันจะกระจายไปทั่วโลกในพริบตา

เขาจึงเสนอว่าโลกต้องการองค์กรกลางเหมือน CERN (ที่วิจัยนิวเคลียร์) เพื่อกำหนดมาตรฐานความปลอดภัยร่วมกัน ไม่ให้เกิดการแข่งขันที่ลดเกณฑ์ความปลอดภัย เพื่อเน้นแค่ความเร็วเพียงอย่างเดียว