Satya Nadella เพิ่งเปิดศึกต่อหน้าสาธารณะกับแล็บที่บริษัทของเขาเองมีส่วนช่วยสร้างขึ้นมา ซีอีโอของ Microsoft ได้ออกมาเตือนอย่างตรงไปตรงมาเกี่ยวกับวิธีที่บริษัท AI ยักษ์ใหญ่กำลังเขียนกฎเกณฑ์การเป็นเจ้าของข้อมูลขึ้นมาใหม่ และข้อความนี้ก็ส่งผลกระทบอย่างรุนแรงอย่างไม่น่าเชื่อ ในโพสต์บล็อกล่าสุด Nadella กล่าวหาแล็บระดับแนวหน้า (frontier labs) รวมถึง OpenAI และ Anthropic ว่ากำลังสร้างตลาดที่ถูกบิดเบือน พวกเขาเก็บเกี่ยวข้อมูลสาธารณะเพื่อฝึกฝนโมเดลขนาดใหญ่ จากนั้นจึงใช้ข้อกำหนดการให้บริการเพื่อขัดขวางไม่ให้ใครสามารถเรียนรู้จากผลลัพธ์ที่โมเดลเหล่านั้นผลิตออกมาได้ เขาแย้งว่าผลลัพธ์ที่ตามมาคือการถ่ายโอนมูลค่าแบบทางเดียว ซึ่งทำให้องค์กรต่างๆ ต้องเป็นผู้แบกรับค่าใช้จ่ายในขณะที่ต้องสูญเสียความรู้ที่เป็นกรรมสิทธิ์ของตนเองไป
มาตรฐานสองมาตรฐานของการทำ Distillation
เพื่อให้เข้าใจข้อร้องเรียนนี้ การดูเทคนิคที่แล็บเหล่านี้พยายามขัดขวางอย่างเต็มที่นั้นจะช่วยได้มาก Distillation คือวิธีการฝึกฝนทั่วไปที่โมเดลขนาดเล็กที่มีความเชี่ยวชาญเฉพาะด้านจะเรียนรู้จากผลลัพธ์ของโมเดลที่ใหญ่กว่า แทนที่จะเป็นการนำข้อความดิบจากอินเทอร์เน็ตมาประมวลผลใหม่ทั้งหมด สตาร์ทอัพหรือทีมวิจัยอาจป้อนคำสั่ง (prompts) นับล้านรายการไปยังโมเดลระดับแนวหน้า เก็บข้อมูลการตอบกลับ และใช้สัญญาณข้อมูลที่เข้มข้นนั้นในการฝึกฝนโมเดลขนาดกะทัดรัดที่สามารถรันในเครื่องได้หรือตอบโจทย์ความต้องการเฉพาะด้าน วิธีนี้มีราคาถูกกว่าและใช้พลังงานน้อยกว่าการสร้างโมเดลพื้นฐาน (foundation model) ขึ้นมาจากศูนย์อย่างมาก
ทั้ง OpenAI และ Anthropic ต่างสั่งห้ามแนวปฏิบัตินี้ในข้อกำหนดการให้บริการ เมื่อพวกเขาตรวจพบการทำ distillation อย่างเป็นระบบ พวกเขาจะถือว่าเป็นการละเมิดข้อกำหนด การบังคับใช้กฎมักมุ่งเป้าไปที่คู่แข่ง โดยเฉพาะบริษัท AI ที่ตั้งอยู่ในจีน ซึ่งถูกกล่าวหาว่าใช้วิธีนี้เพื่อลดช่องว่างด้านความสามารถโดยไม่ต้องใช้เงินหลายพันล้านดอลลาร์เหมือนกับการฝึกฝนโมเดลต้นฉบับ
Nadella ได้เน้นย้ำถึงความตึงเครียดที่เป็นหัวใจสำคัญของนโยบายนี้ แล็บเหล่านี้เองที่เป็นผู้สร้างโมเดลเรือธงของตนโดยการรวบรวมข้อมูลจากเว็บสาธารณะ ทั้งการดึงข้อมูล (scraping) จากหนังสือ, ฟอรัม, คลังโค้ด และบทความ โดยใช้ข้อโต้แย้งทางกฎหมายว่าการฝึกฝนด้วยข้อมูลที่เข้าถึงได้สาธารณะถือเป็นการใช้งานโดยชอบธรรม (fair use) พวกเขาขุดเอาทรัพยากรส่วนรวมมาใช้ แต่ตอนนี้พวกเขากลับใช้กำแพงทางกฎหมายเพื่อป้องกันไม่ให้ใครนำผลลัพธ์ของโมเดลไปใช้เป็นสื่อการสอนสาธารณะเป็นการตอบแทน ดูเหมือนว่าพวกเขาจะบอกว่า "คุณสามารถเรียนรู้จากความรู้สาธารณะของโลกได้ แต่ไม่มีใครสามารถเรียนรู้จากเราได้"
ความไม่สมมาตรนี้มีความสำคัญมากกว่าแค่การถกเถียงทางวิชาการ เพราะมันเป็นการสร้างลำดับชั้นที่ผู้ให้บริการโครงสร้างพื้นฐานเพียงไม่กี่รายเป็นผู้ควบคุมว่าใครจะได้รู้อะไร หากการใช้งานโดยชอบธรรม (fair use) สามารถสร้างความชอบธรรมในการนำสติปัญญาที่มนุษย์เผยแพร่มาใช้ได้ ผลลัพธ์ของโมเดลเหล่านั้นก็เริ่มจะดูเหมือนทรัพยากรส่วนรวมที่ถูกทำให้เป็นของส่วนตัว คู่แข่งและลูกค้าต่างก็ถูกสั่งห้ามไม่ให้หมุนเวียนสัญญาณข้อมูลนั้นไปเป็นเครื่องมือใหม่ๆ เส้นทางของธุรกิจจึงมุ่งไปสู่แล็บขนาดใหญ่เพียงไม่กี่แห่งเท่านั้น
การต้องจ่ายสองครั้งเพื่อสติปัญญาของตนเอง
Nadella ได้บัญญัติวลีสำหรับกับดักทางเศรษฐกิจที่เขามองเห็นว่าคือ "ความย้อนแย้งทางข้อมูลแบบย้อนกลับ" (reverse information paradox) ในมุมมองของเขา องค์กรต่างๆ กำลังจ่ายเงินให้กับปัญญาประดิษฐ์ถึงสองครั้ง และมีเพียงครั้งเดียวเท่านั้นที่ปรากฏอยู่ในใบแจ้งหนี้
ต้นทุนแรกนั้นชัดเจน บริษัทต่างๆ ซื้อเครดิต API, สมัครใช้งาน Copilot หรือซื้อสิทธิ์การใช้งานบริการแชทบอท ส่วนต้นทุนที่สองนั้นซ่อนอยู่ ทุกครั้งที่พนักงานแก้ไขข้อเท็จจริงที่โมเดลสร้างขึ้นผิด (hallucinated fact), ให้คะแนนการตอบกลับว่ามีประโยชน์ หรือปรับปรุงรายงานที่สร้างขึ้น การกระทำนั้นจะสร้างสิ่งที่ Nadella เรียกว่า "exhaust" (ข้อมูลส่วนเกิน) มันคือร่องรอยของการแก้ไข, ข้อมูลความพึงพอใจ และบันทึกการโต้ตอบที่เกิดขึ้นระหว่างการทำงานจริง
ข้อมูลส่วนเกินนี้ไม่ใช่ขยะดิจิทัล แต่มักจะประกอบไปด้วยตรรกะทางธุรกิจที่ได้มาอย่างยากลำบาก ทีมโลจิสติกส์อาจป้อนคำสั่งให้โมเดลปรับเส้นทางการขนส่งให้เหมาะสมที่สุดโดยใช้ข้อจำกัดภายในที่บริษัทใช้เวลาพัฒนามาหลายปี แผนกกฎหมายอาจแก้ไขภาษาในสัญญาซ้ำแล้วซ้ำเล่าจนกว่าผลลัพธ์จะตรงตามรูปแบบของบริษัท หรือกลุ่มวิจัยยาอาจสอบถามข้อมูลทางคลินิกในลักษณะที่เผยให้เห็นลำดับความสำคัญเชิงกลยุทธ์ เมื่อการโต้ตอบเหล่านั้นไหลผ่าน API ของบุคคลที่สาม ผู้ให้บริการจะเห็นการแลกเปลี่ยนข้อมูลทั้งหมด โมเดลจะเรียนรู้ว่าคำตอบที่ดีสำหรับโดเมนเฉพาะนั้นๆ ควรเป็นอย่างไร
เมื่อเวลาผ่านไป ข้อมูลตอบกลับนี้จะทำให้โมเดลทั่วไปของผู้ให้บริการมีความเฉียบคมมากขึ้นในงานเฉพาะทางที่ลูกค้าจ้างให้ทำ จากนั้นผู้ให้บริการสามารถนำความสามารถที่พัฒนาขึ้นนั้นไปขายให้กับคู่แข่งของลูกค้า หรือเปิดตัวผลิตภัณฑ์ข้างเคียงที่เลียนแบบเวิร์กโฟลว์เฉพาะทางนั้นได้ องค์กรต้นทางต้องจ่ายทั้งค่าสมัครสมาชิก บริจาคความเชี่ยวชาญที่เป็นกรรมสิทธิ์ของตน และเป็นการฝึกฝนคู่แข่งของตนเองไปโดยปริยาย
ทำไม Sovereign AI จึงกำลังเปลี่ยนจากคำฮิตไปสู่กลยุทธ์
การตอบสนองที่สมเหตุสมผลต่อการสูญเสีย (drain) นี้คือการทวงคืนการควบคุมวงจรการเรียนรู้ (learning loop) ข้อโต้แย้งของ Nadella ถูกออกแบบมาอย่างชัดเจนเพื่อวางตำแหน่งให้ Microsoft เป็นเจ้าของที่ดิน (landlord) ในรูปแบบที่แตกต่างออกไป แทนที่จะยืนกรานให้ลูกค้าป้อนข้อมูลอัจฉริยะของตนเข้าสู่กล่องดำ (black box) ส่วนกลาง เขากำลังนำเสนอแนวคิดเกี่ยวกับสภาพแวดล้อมที่ลูกค้าเป็นผู้ถือกุญแจเอง
นี่คือจุดที่การสนทนาเกี่ยวกับ sovereign AI เริ่มมีความสำคัญในเชิงปฏิบัติ การรันโมเดลภายใน private cloud, ศูนย์ข้อมูลแบบ on-premise หรือเครือข่ายเสมือนที่ควบคุมอย่างเข้มงวด หมายความว่าข้อมูลการโต้ตอบจะไม่หลุดออกนอกขอบเขตขององค์กรเลย องค์กรยังคงได้รับประโยชน์จากโมเดลพื้นฐาน (foundation models) ที่ทันสมัย แต่ค่า weights, prompts และข้อมูลความพึงพอใจ (preference data) จะยังคงอยู่ภายในขอบเขตที่บริษัทเป็นผู้ดูแลจัดการเอง
Microsoft ได้สร้างธุรกิจ Azure cloud ขึ้นโดยยึดตามคำมั่นสัญญาเรื่องการติดตั้งใช้งานแบบส่วนตัว (private deployments) และการจัดเก็บข้อมูลภายในภูมิภาค (regional data residency) นี้โดยเฉพาะ ในโพสต์ของเขา Nadella ส่งสัญญาณว่า Microsoft ต้องการเป็นแพลตฟอร์มที่องค์กรต่างๆ สามารถโฮสต์การเทรน (training) และการประมวลผล (inference) ของตนเองได้ โดยไม่ต้องส่งทรัพย์สินทางปัญญาไปยังผู้ให้บริการโมเดลที่อยู่ห่างไกลโดยไม่ตั้งใจ ข้อเสนอแนะนี้ตรงไปตรงมา: ใช้ AI ที่ทรงพลัง แต่เก็บข้อมูลที่เกิดขึ้นจากการใช้งาน (exhaust) ไว้กับตัว
ผู้ให้บริการรายอื่นก็เริ่มส่งเสียงในทำนองเดียวกัน แต่การเคลื่อนไหวของ Nadella นั้นมีน้ำหนักมากกว่าเนื่องจากความร่วมมือที่แน่นแฟ้นระหว่าง Microsoft และ OpenAI สำหรับ CEO ที่