.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
อุตสาหกรรมที่มองไม่เห็นที่ทำให้ ChatGPT, Stable Diffusion และระบบ AI สมัยใหม่อื่นๆ เป็นไปได้
ความลับที่ AI เก็บรักษาไว้เป็นอย่างดี
เมื่อคุณใช้ ChatGPT เพื่อเขียนอีเมลหรือสร้างภาพด้วย Midjourney คุณแทบจะไม่คิดถึง "ความมหัศจรรย์" เบื้องหลัง AI เลย ทว่าเบื้องหลังทุกการตอบสนองอันชาญฉลาดและทุกภาพที่ถูกสร้างขึ้น กลับมีอุตสาหกรรมมูลค่าหลายพันล้านดอลลาร์ที่น้อยคนนักจะพูดถึง นั่นคือ ตลาดข้อมูลการฝึกอบรม AI
ภาคส่วนนี้ ซึ่ง MarketsandMarkets คาดการณ์ว่าจะมีมูลค่าสูงถึง 9.58 พันล้านดอลลาร์สหรัฐภายในปี 2572 ด้วยอัตราการเติบโตต่อปีที่ 27.7% ถือเป็นกลไกขับเคลื่อนที่แท้จริงของปัญญาประดิษฐ์สมัยใหม่ แต่ธุรกิจที่แฝงอยู่นี้ทำงานอย่างไรกันแน่?
ระบบนิเวศที่มองไม่เห็นที่เคลื่อนย้ายเงินนับพันล้าน
ยักษ์ใหญ่แห่งวงการพาณิชย์
โลกของข้อมูลการฝึกอบรม AI ถูกครอบงำโดยบริษัทไม่กี่แห่งที่คนส่วนใหญ่ไม่เคยได้ยินชื่อ:
Scale AI บริษัทที่ใหญ่ที่สุดในอุตสาหกรรมด้วย ส่วนแบ่งตลาด 28% มีมูลค่าสูงถึง 2.9 หมื่นล้านดอลลาร์สหรัฐฯ หลังจากการลงทุนของ Meta ลูกค้าองค์กรของพวกเขาจ่ายเงิน ระหว่าง 100,000 ถึงหลายล้านดอลลาร์ สหรัฐฯ ต่อปีสำหรับข้อมูลคุณภาพสูง
Appen ซึ่งตั้งอยู่ในประเทศออสเตรเลีย ดำเนินงาน เครือข่ายผู้เชี่ยวชาญทั่วโลกกว่า 1 ล้านคน ใน 170 ประเทศ ซึ่งทำหน้าที่ติดป้ายกำกับและดูแลข้อมูลสำหรับ AI ด้วยตนเอง บริษัทต่างๆ เช่น Airbnb, John Deere และ Procter & Gamble ใช้บริการของพวกเขาเพื่อ "ฝึกอบรม" โมเดล AI ของพวกเขา
โลกโอเพ่นซอร์ส
ในเวลาเดียวกัน ยังมีระบบนิเวศโอเพนซอร์สที่นำโดยองค์กรต่างๆ เช่น LAION (Large-scale Artificial Intelligence Open Network) ซึ่งเป็นองค์กรไม่แสวงหากำไรของเยอรมนีที่สร้าง LAION-5B ซึ่งเป็นชุดข้อมูลที่มี คู่ภาพ-ข้อความจำนวน 5.85 พันล้านคู่ ที่ทำให้ Stable Diffusion เป็นไปได้
Common Crawl เผยแพร่ ข้อมูลเว็บดิบขนาดหลายเทราไบต์ ทุกเดือน ซึ่งใช้ในการฝึกอบรม GPT-3, LLaMA และโมเดลภาษาอื่นๆ อีกมากมาย
ต้นทุนที่ซ่อนอยู่ของปัญญาประดิษฐ์
สิ่งที่สาธารณชนไม่ทราบคือค่าใช้จ่ายในการฝึกอบรมโมเดล AI สมัยใหม่นั้นแพงมากเพียงใด จากข้อมูลของ Epoch AI พบว่าต้นทุนเพิ่มขึ้น 2-3 เท่าต่อปีในช่วงแปดปีที่ผ่านมา
ตัวอย่างต้นทุนที่แท้จริง:
- Google Gemini 1.0 Ultra : ประมาณ 192 ล้านเหรียญสหรัฐ
- GPT-4 : ประมาณกว่า 100 ล้านเหรียญสหรัฐ
- คาดการณ์อนาคต : มากกว่า 1 พันล้านเหรียญสหรัฐ ภายในปี 2570
สถิติที่น่าประหลาดใจที่สุด? จากข้อมูลของ AltIndex.com พบว่าต้นทุนการฝึกอบรม AI เพิ่มขึ้น 4,300% ตั้งแต่ปี 2020
ความท้าทายด้านจริยธรรมและกฎหมายของภาคส่วน
คำถามเรื่องลิขสิทธิ์
หนึ่งในประเด็นที่ถกเถียงกันมากที่สุดคือการใช้เนื้อหาที่มีลิขสิทธิ์ ในเดือนกุมภาพันธ์ พ.ศ. 2568 ศาลรัฐเดลาแวร์ได้ตัดสินในคดี Thomson Reuters v. ROSS Intelligence ว่าการฝึกอบรม AI สามารถถือเป็นการละเมิดลิขสิทธิ์โดยตรงได้ โดยปฏิเสธข้อต่อสู้ในประเด็น "การใช้งานโดยชอบธรรม"
สำนักงานลิขสิทธิ์ของสหรัฐฯ ได้เผยแพร่รายงาน 108 หน้าที่สรุปว่าการใช้งานบางประเภทไม่สามารถปกป้องได้ว่าเป็นการใช้งานโดยชอบด้วยกฎหมาย ซึ่งเปิดโอกาสให้บริษัท AI ต้องจ่ายค่าธรรมเนียมใบอนุญาตจำนวนมหาศาล
ความเป็นส่วนตัวและข้อมูลส่วนบุคคล
การตรวจสอบโดย MIT Technology Review เปิดเผยว่า DataComp CommonPool ซึ่งเป็นหนึ่งในชุดข้อมูลที่ใช้กันอย่างแพร่หลายที่สุด มี รูปภาพหนังสือเดินทาง บัตรเครดิต และสูติบัตรหลายล้านรูป ด้วยยอดดาวน์โหลดมากกว่า 2 ล้านครั้งในช่วงสองปีที่ผ่านมา เรื่องนี้จึงก่อให้เกิดข้อกังวลด้านความเป็นส่วนตัวอย่างมาก
อนาคต: ความขาดแคลนและนวัตกรรม
ปัญหา "ข้อมูลสูงสุด"
ผู้เชี่ยวชาญคาดการณ์ว่าภายใน ปี 2028 ข้อความสาธารณะส่วนใหญ่ที่มนุษย์สร้างขึ้นซึ่งมีอยู่บนอินเทอร์เน็ตจะถูกนำไปใช้ สถานการณ์ "ข้อมูลสูงสุด" นี้กำลังผลักดันให้บริษัทต่างๆ มุ่งสู่โซลูชันที่เป็นนวัตกรรม:
- ข้อมูลสังเคราะห์ : การสร้างข้อมูลการฝึกอบรมแบบเทียม
- ข้อตกลงการอนุญาตสิทธิ์ : ความร่วมมือเชิงกลยุทธ์ เช่น ความร่วมมือระหว่าง OpenAI และ Financial Times
- ข้อมูลหลายโหมด : การรวมข้อความ รูปภาพ เสียง และวิดีโอ
กฎระเบียบใหม่กำลังจะมาเร็วๆ นี้
California AI Transparency Act จะกำหนดให้บริษัทต่างๆ เปิดเผยชุดข้อมูลที่ใช้ในการฝึกอบรม ในขณะที่สหภาพยุโรปกำลังดำเนินการตามข้อกำหนดที่คล้ายคลึงกันใน AI Act
โอกาสสำหรับบริษัทอิตาลี
สำหรับบริษัทต่างๆ ที่ต้องการพัฒนาโซลูชัน AI การทำความเข้าใจระบบนิเวศนี้ถือเป็นสิ่งสำคัญ:
ตัวเลือกที่เป็นมิตรกับงบประมาณ:
- Hugging Face : ชุดข้อมูลฟรีมากกว่า 50,000 ชุด
- ชุดข้อมูลโอเพนซอร์ส : Common Crawl, LAION, MS COCO สำหรับโครงการทดลอง
โซลูชั่นสำหรับองค์กร:
- ปรับขนาด AI และ Appen สำหรับโครงการที่มีความสำคัญต่อภารกิจ
- บริการเฉพาะทาง : เช่น Nexdata สำหรับ NLP หรือ FileMarket AI สำหรับข้อมูลเสียง
บทสรุป
ตลาดข้อมูลการฝึกอบรม AI มีมูลค่า 9.58 พันล้านดอลลาร์สหรัฐ และเติบโตในอัตรา 27.7% ต่อปี อุตสาหกรรมที่มองไม่เห็นนี้ไม่เพียงแต่เป็นเครื่องยนต์ขับเคลื่อน AI ยุคใหม่เท่านั้น แต่ยังเป็นหนึ่งในความท้าทายด้านจริยธรรมและกฎหมายที่ยิ่งใหญ่ที่สุดในยุคสมัยของเราอีกด้วย
ในบทความถัดไป เราจะมาสำรวจว่าบริษัทต่างๆ สามารถเข้าสู่โลกนี้ได้อย่างไร พร้อมคำแนะนำปฏิบัติสำหรับการเริ่มต้นพัฒนาโซลูชัน AI โดยใช้ชุดข้อมูลและเครื่องมือที่มีอยู่ในปัจจุบัน
สำหรับผู้ที่ต้องการเจาะลึกยิ่งขึ้น เราได้รวบรวมคำแนะนำโดยละเอียดพร้อมแผนงานการใช้งาน ค่าใช้จ่ายที่เฉพาะเจาะจง และชุดเครื่องมือที่ครบครัน ซึ่งสามารถดาวน์โหลดได้ฟรีโดยการสมัครรับจดหมายข่าวของเรา
ลิงค์ที่เป็นประโยชน์เพื่อเริ่มต้นได้ทันที:
- สภาพแวดล้อมการพัฒนา : Google Colab (ฟรีพร้อม GPU)
- ชุดข้อมูลโอเพนซอร์ส : ชุดข้อมูล Hugging Face
- เครื่องมือคำอธิบายประกอบ : Label Studio (ฟรี)
- การใช้งานอย่างรวดเร็ว : Gradio + HF Spaces
- หลักสูตรปฏิบัติจริง : Fast.ai (ฟรี ปฏิบัติจริง)
แหล่งข้อมูลทางเทคนิค:
- เอกสารการกอดใบหน้า
- บทช่วยสอน PyTorch
- คู่มือ TensorFlow
- เอกสารพร้อมโค้ด (โมเดล SOTA + ชุดข้อมูล)
-
อย่ารอ "การปฏิวัติ AI" จงสร้างสรรค์มันขึ้นมา อีกหนึ่งเดือนนับจากนี้ คุณอาจมีโมเดลที่ใช้งานได้จริงตัวแรก ในขณะที่คนอื่น ๆ ยังคงวางแผนอยู่
