Decentralized LLM โมเดลภาษาที่มุ่งลดผูกขาดในอุตฯ Gen AI ตลาดใหม่ที่จ่อโตเฉียด 40%

หากพูดถึงเจ้าของเทคโนโลยี Generative AI ในโลกนี้ คงหนี้ไม่พ้นที่หลายคนจะนึกถึงชื่อของบริษัทข้ามชาติจากตะวันตกซึ่งเป็นเจ้าของข้อมูลมหาศาลจากจำนวนผู้ใช้งานเทคโนโลยีเอไอของพวกเขาที่มากขึ้น

น่าสนใจว่าในช่วงที่ผ่านมาประเด็นเรื่อง “การผูกขาด” ในอุตสาหกรรม Generative AI เริ่มเป็นที่พูดถึงมากขึ้นโดยเฉพาะอย่างยิ่งเมื่อบรรดาบริษัทยักษ์ใหญ่ทั่วโลกรวมทั้งประเทศไทยเริ่มกระโดดเข้ามาในสมรภูมินี้มากขึ้น

แต่แม้ว่าบริษัทเหล่านั้นจะเลือกใช้แชตบอตหรือเทคโนโลยี AI จากบริษัทเอกชนใดก็ตาม หนึ่งสิ่งที่ตามมาคงหนี้ไม่พ้นการต้องเปิดเผยข้อมูลของบริษัทพวกเขากับผู้พัฒนาเทคโนโลยีเหล่านั้น

ในเวที “Breaking the Monopoly” ในงาน Hong Kong Fintech Week 2024 ดร.หยาง หงเซี่ย ศาสตราจารย์ด้านเทคโนโลยีจากมหาวิทยาลัย  Hong Kong Polytechnic University กล่าวเรื่องนี้ไว้อย่างน่าสนใจว่า ขณะที่เทคโนโลยี Generative AI กำลังก้าวหน้าอย่างรวดเร็ว การผูกขาดโดยบริษัทยักษ์ใหญ่ด้านเทคโนโลยีเริ่มกลายเป็นประเด็นที่น่ากังวล โดยเฉพาะอย่างยิ่งในแง่ของทรัพยากรการประมวลผลและการเข้าถึงข้อมูล

ดร.หยาง หงเซี่ย

ในปัจจุบัน องค์กรธุรกิจที่ต้องการใช้ประโยชน์จาก Generative AI กำลังเผชิญกับข้อจำกัดสำคัญ เนื่องจากมีทางเลือกหลักเพียงสองทาง ทางแรกคือการใช้บริการผ่าน Application Programming Interface หรือ API (กลไกที่ช่วยให้ซอฟต์แวร์จากสองส่วนเชื่อมต่อเข้าด้วยกันและส่งผ่านข้อมูลกันได้ เช่นซอฟแวร์ที่เชื่อมระหว่างผู้พัฒนาระบบและผู้ใช้งาน) ซึ่งมีข้อจำกัดที่สำคัญคือองค์กรต้องแบ่งปันข้อมูลกับผู้ให้บริการ ทำให้เกิดความเสี่ยงด้านความเป็นส่วนตัวและความปลอดภัยของข้อมูล

นอกจากนี้ยังมีปัญหาด้านประสิทธิภาพ เนื่องจากโมเดลได้รับการฝึกฝนด้วยข้อมูลจากเว็บไซต์ทั่วไป ซึ่งอาจไม่เหมาะสมกับข้อมูลเฉพาะทางขององค์กร เช่น ข้อมูลธนาคาร การแพทย์ หรือข้อมูลเฉพาะอุตสาหกรรม

ข้อจำกัดสำหรับองค์กรในการใช้ Generative AI

ส่วนทางเลือกที่สองของบรรดาองค์กรที่ต้องการใช้ประโยชน์จาก Generative AI คือการใช้ Retrieval-Augmented Generation หรือ RAG พูดง่ายๆ ก็คือเทคนิคในการผสมผสานโมเดลภาษาขนาดใหญ่ (LLM) ของ Generative AI กับข้อมูลขององค์กร ซึ่งก็มีข้อจำกัดด้านความล่าช้าในการประมวลผล ค่าใช้จ่ายที่สูง และความยากลำบากในการขยายฐานความรู้

ดังนั้น ดร.หยาง จึงกล่าวว่า การพัฒนา Decentralized Large Language Models หรือ โมเดลภาษาขนาดใหญ่ที่ไม่มีศูนย์กลางกำลังเป็นแนวทางที่น่าสนใจในการแก้ปัญหาการผูกขาด โดยแนวคิดนี้นำเสนอการแบ่งองค์ความรู้ออกเป็น “โดเมนย่อย” หลายพันโดเมน ซึ่งแต่ละโดเมนจะมีโมเดลเฉพาะทางขนาดเล็กที่มีประสิทธิภาพสูง

การพัฒนาแบบ Model-over-Model ในลักษณะนี้ ช่วยให้สามารถสร้างโมเดลหลักที่พัฒนาต่อยอดจากโมเดลย่อยในแต่ละโดเมน ซึ่งนอกจากจะช่วยลดการพึ่งพาทรัพยากรการประมวลผล (GPU) จำนวนมากแล้ว ยังช่วยประหยัดค่าใช้จ่ายในการพัฒนาและดำเนินการอีกด้วย

แนวโน้มการเติบโตของ Generative AI ในอนาคตจะมาจากสองด้านหลัก ด้านแรกคือ Enterprise Generative AI ที่มุ่งเน้นการพัฒนาโซลูชันเฉพาะทางสำหรับองค์กร (เช่นการที่แต่ละองค์กรพัฒนาระบบ AI ของตัวเองเพื่อแก้เพนพ้อยต์ของตัวเอง) โดยให้ความสำคัญกับการรักษาความเป็นส่วนตัวของข้อมูลและการปรับปรุงประสิทธิภาพการทำงานอย่างต่อเนื่อง

อีกด้านหนึ่งคือ Device-based Generative AI ที่เน้นการพัฒนาโน้ตบุ๊กที่มีชิปหน่วยประมวลผลด้าน AI โดยเฉพาะ (AI PC) แว่นตา AI และการผสานเทคโนโลยี AI กับอุปกรณ์ต่างๆ

ดร.หยาง ย้ำว่า การทลายการผูกขาดในอุตสาหกรรม Generative AI เป็นสิ่งสำคัญต่อการพัฒนาอุตสาหกรรมในระยะยาว ซึ่งหากสามารถบรรลุเป้าหมายดังกล่าวได้ก็จะเป็นโอกาสทางธุรกิจมหาศาลเนื่องจากจะมีบริษัทจำนวนมากที่ต้องการพัฒนาโมเดลภาษาในลักษณะนี้เพื่อแก้เพนพ้อยต์ขององค์กรโดยที่ไม่ต้องแชร์ข้อมูลสำคัญให้กับผู้พัฒนาเอไอ

โอกาสเติบโตทางธุรกิจของ Decentralized LLM

มากไปกว่านั้น หากอ้างอิงตามศูนย์วิจัย Market Research พบว่า ตลาดดังกล่าวมีโอกาสเติบโตมากถึง 39.4% ภายในปี 2032 หรืออยู่ที่ประมาณ 37,656 ล้านดอลลาร์ โดย Deep Leaning Service และ Generative Adversarial Networks เป็นสองบริการที่มีโอกาสเติบโตมากที่สุด (ตามรูปด้านบน)

ดร.หยาง  ยกหนึ่งตัวอย่างเทคฯ สตาร์ทอัพที่พยายามเข้าถึงตลาดดังกล่าวคือบริษัท Sakana.ai สัญชาติญี่ปุ่น ซึ่งเพิ่งก่อตั้งมาได้เพียงครึ่งปีแต่มีมูลค่าสูงถึง 1.5 พันล้านดอลลาร์ โดยเมื่อช่วงกลางเดือนก.ย. ที่ผ่านมาเพิ่งจะระดมทุนในซีรีส์เอไปได้ 214 ล้านดอลลาร์หนึ่งในนักลงทุนสำคัญคือบริษัทชิปยักษ์ใหญ่อย่าง NVIDIA

บริษัทจากญี่ปุ่นแห่งนี้อยู่ในช่วงพัฒนาแนวคิด Decentralized Large Language Models ที่จะช่วยลดการพึ่งพาบริษัทเทคโนโลยียักษ์ใหญ่ โดยการเปลี่ยนแปลงนี้ไม่เพียงแต่จะสร้างระบบนิเวศที่หลากหลายและยั่งยืนมากขึ้นเท่านั้น แต่ยังเปิดโอกาสใหม่ๆ สำหรับนวัตกรรมและการเติบโตทางธุรกิจในอนาคตอีกด้วย โดยเฉพาะอย่างยิ่งในภาคธุรกิจที่ต้องการโซลูชัน AI ที่ปรับแต่งให้เหมาะกับความต้องการเฉพาะของตัว

อ้างอิง: Nikkei Asia

คำแถลงปฏิเสธความรับผิดชอบ: ลิขสิทธิ์ของบทความนี้เป็นของผู้เขียนต้นฉบับ การเผยแพร่ซ้ำบทความนี้มีวัตถุประสงค์เพื่อเผยแพร่ข้อมูลเท่านั้นและไม่ถือเป็นคำแนะนำในการลงทุน หากมีการละเมิดกรุณาติดต่อเราทันที เราจะทำการแก้ไขหรือลบตามความเหมาะสม ขอบคุณ