รายงาน AI100 ชี้ต้นทุนข้อมูลและประมวลผลเป็นข้อจำกัดการขยาย AI

การเพิ่มข้อมูลและทรัพยากรประมวลผลเพื่อยกระดับ AI กำลังเผชิญข้อจำกัด เมื่อข้อมูลฝึกคุณภาพสูงหาได้ยากขึ้น ขณะที่การพัฒนาโมเดลล้ำสมัยมีต้นทุนสูงขึ้น

ข้อสรุปนี้อยู่ในรายงาน AI100 ฉบับที่ 3 ของมหาวิทยาลัยสแตนฟอร์ด (Stanford University) ชื่อ “AI Goes Mainstream: The Scaling Era and the Rise of Generative AI” โครงการ AI100 เริ่มต้นในปี 2014 และนักวิจัยประเมินความก้าวหน้าของเทคโนโลยี AI รวมถึงผลกระทบต่อสังคมทุก 5 ปี

รายงานใช้คำว่า “การขยายขนาด” หมายถึงการเพิ่มข้อมูลและปริมาณการประมวลผลที่ใช้ฝึกโมเดล วิธีนี้ช่วยขับเคลื่อนการพัฒนา AI เชิงสร้างสรรค์ แต่รายงานระบุว่าแนวคิดเดิมที่ว่าการเพิ่มขนาดจะทำให้ประสิทธิภาพดีขึ้นอย่างสม่ำเสมอ อธิบายความสามารถในการใช้งานจริงได้ไม่ครบถ้วน ในบางงาน โมเดลขนาดเล็กที่ฝึกอย่างมีประสิทธิภาพให้ผลดีกว่าโมเดลขนาดใหญ่

ผู้เขียนรายงานมองว่าการพัฒนา AI ล้ำสมัยที่กระจุกตัวอยู่กับผู้เล่นเพียงไม่กี่รายในสหรัฐฯ และจีน เป็นประเด็นด้านธรรมาภิบาล และเสนอให้มีโครงสร้างกำกับดูแลที่ชัดเจนขึ้นพร้อมเปิดโอกาสให้สาธารณชนมีส่วนร่วม

การเข้าถึงข้อมูลก็เป็นข้อจำกัด โมเดลขนาดใหญ่ต้องใช้ข้อมูลฝึกจำนวนมาก แต่การหาข้อมูลใหม่ที่มีคุณภาพอย่างต่อเนื่องทำได้ยาก การนำข้อมูลจากเว็บมาใช้ฝึกยังทำให้เกิดข้อกังวลด้านลิขสิทธิ์ รายงานระบุว่าการพัฒนาโมเดลใช้ทั้งข้อมูลสาธารณะ ข้อมูลที่ได้รับอนุญาตให้ใช้ และข้อมูลที่บริษัทถือครองแต่เพียงผู้เดียว

นักวิจัยกล่าวถึงการคัดกรองคุณภาพควบคู่กับการเพิ่มปริมาณข้อมูล การตัดข้อมูลซ้ำและเลือกข้อมูลที่เป็นประโยชน์อาจช่วยปรับปรุงประสิทธิภาพได้ โดยไม่ต้องเพิ่มขนาดชุดข้อมูลในสัดส่วนเดียวกัน ส่วนข้อมูลสังเคราะห์ที่สร้างโดย AI ก็ใช้ประโยชน์ได้ แต่ไม่สามารถทดแทนข้อมูลจริงได้ในทุกด้าน

รายงานยังไม่ได้ฟันธงถึงผลตอบแทนจากการลงทุนขนาดใหญ่ โดยระบุว่าการก่อสร้างศูนย์ข้อมูล AI เพิ่มความต้องการใช้ไฟฟ้าและน้ำ ขณะที่ผลของการลงทุน AI ยังไม่ปรากฏชัดในตัวชี้วัดเศรษฐกิจโดยรวมหรือผลตอบแทนจากการลงทุนของบริษัท เมื่อค่าใช้จ่ายสูงขึ้น จึงควรพิจารณาทั้งการพัฒนาประสิทธิภาพและผลลัพธ์จากการใช้งานจริง

ก่อนหน้านี้ TokenPost เคยรายงานบทวิเคราะห์ว่าข้อจำกัดของโครงข่ายไฟฟ้าสำหรับศูนย์ข้อมูลในสหรัฐฯ และต้นทุนจัดหาเงินทุนที่สูงขึ้น กำลังนำไปสู่การทบทวนมูลค่าบริษัท AI โดยมีข้อสังเกตว่าสัญญาจัดหากำลังประมวลผลเพียงอย่างเดียวไม่ได้แก้ปัญหาการเข้าถึงไฟฟ้าและต้นทุนดำเนินงานของศูนย์ข้อมูล

การกระจุกตัวของการพัฒนาเทคโนโลยียังทำให้เกิดคำถามว่าใครเป็นผู้กำหนดหลักการดำเนินงาน รายงานสรุปว่า AI ส่งผลต่องานและการศึกษาของผู้คนจำนวนมาก แต่สาธารณชนมีโอกาสน้อยที่จะมีส่วนร่วมในการตัดสินใจเรื่องทิศทางการพัฒนาและการนำไปใช้ นอกจากนี้ ระบบกำกับดูแล AI ระหว่างประเทศยังแยกออกจากกันตามนโยบายความมั่นคงและอุตสาหกรรมของแต่ละประเทศ

รายงานยังกล่าวถึงความเห็นที่แตกต่างกันต่อแนวทางกำกับดูแล การกำหนดเกณฑ์จากขนาดโมเดลหรือทรัพยากรที่ใช้ฝึกอาจตามไม่ทันการเปลี่ยนแปลงของเทคโนโลยี ส่วนการกำกับตามสาขาการใช้งาน เช่น การแพทย์และการเงิน อาจตอบสนองต่อความเสียหายที่เกิดขึ้นได้ตรงจุดกว่า แต่การดูแล AI ที่ข้ามหลายสาขาต้องอาศัยการประสานงานระหว่างหน่วยงานกำกับ รายงานยังหยิบยกข้อกังวลว่ากฎระเบียบที่เข้มงวดเกินไปอาจลดความสามารถในการแข่งขัน

AI100 ระบุว่ายังสรุปได้ยากว่าช่วงเวลาของการขยายขนาดจะสิ้นสุดเมื่อใด หรือสิ้นสุดไปแล้วหรือไม่ ข้อสรุปของรายงานไม่ได้หมายความว่าการพัฒนา AI จะหยุดลง แต่การประเมินประสิทธิภาพจากขนาดโมเดลและปริมาณข้อมูลเพียงอย่างเดียวทำได้ยากขึ้น และต้องพิจารณาทั้งการประมวลผล ข้อมูล และอัลกอริทึมร่วมกัน