ที่ microagi เราจะส่งหุ่นยนต์หนึ่งพันล้านตัวออกปฏิบัติงาน และเมื่อถึงเวลานั้น ผลกระทบทางเศรษฐกิจและสังคมจะลึกซึ้งอย่างมหาศาล
เราเชื่อว่าสิ่งนี้จะนำไปสู่โลกแห่งความอุดมสมบูรณ์ เพราะหุ่นยนต์จะเพิ่มผลิตภาพและผลผลิตได้มากจนความขาดแคลนทางวัตถุ ซึ่งเป็นสมมติฐานพื้นฐานของแบบจำลองทางเศรษฐกิจส่วนใหญ่ จะหมดไป แบบจำลองทางเศรษฐกิจแทบทั้งหมดสร้างขึ้นบนหลักการอุปสงค์และอุปทาน โดยมีสมมติฐานรากฐานว่าทรัพยากรมีจำกัด ไลโอเนล ร็อบบินส์ ได้สรุปเรื่องนี้ไว้ในปี 1932 โดยนิยามเศรษฐศาสตร์ว่าเป็น "ความสัมพันธ์ระหว่างเป้าหมายและปัจจัยอันจำกัดซึ่งสามารถนำไปใช้ประโยชน์อื่นได้" เราเชื่อว่าหุ่นยนต์จะขจัดความขาดแคลนนี้ ในโลกเช่นนั้น มาตรฐานการครองชีพของทุกคนจะสูงกว่าที่ใครก็ตามได้รับในปัจจุบันอย่างมาก และความเป็นไปได้ที่มนุษยชาติจะบรรลุได้นั้นจะไร้ขีดจำกัด
อย่างไรก็ตาม เราต้องยอมรับด้วยว่าในโลกแห่งความอุดมสมบูรณ์ที่เกิดจากหุ่นยนต์ที่แพร่หลาย ผลลัพธ์หนึ่งคือการไม่จำเป็นต้องใช้แรงงานกายภาพของมนุษย์อีกต่อไปเหมือนที่เราคุ้นเคยในทุกวันนี้ ในอดีต เมื่อเครื่องจักรเพิ่มอุปทานและทำให้ราคาลดลง อุปสงค์ก็จะเพิ่มขึ้นตามมา และการจ้างงานก็สูงขึ้นเพื่อตอบสนองความต้องการนั้น แต่ครั้งนี้ หุ่นยนต์อเนกประสงค์จะสามารถตอบสนองอุปสงค์นั้นได้ด้วยตัวเอง หากระบบเศรษฐกิจของเรายังคงเป็นเช่นเดิม นี่จะหมายถึงการสูญเสียงานนับล้านตำแหน่งในปัจจุบัน และอาจพรากทั้งรายได้ สถานะ และสำหรับหลายคนคือจุดมุ่งหมายในชีวิตของพวกเขาไป
เรากำลังเผชิญกับภาวะกลืนไม่เข้าคายไม่ออก ซึ่งชุมชนด้านวิทยาการหุ่นยนต์ส่วนใหญ่ยังไม่กล้าออกมายอมรับต่อสาธารณะ นับประสาอะไรกับการหาทางแก้ไข เทคโนโลยีที่จำเป็นต่อการยกระดับชีวิตของเราทุกคนให้ดีขึ้นอย่างเป็นรูปธรรม ย่อมเปลี่ยนแปลงชีวิตเหล่านั้นอย่างมหาศาลอย่างหลีกเลี่ยงไม่ได้ สิ่งสำคัญคือ หากเราล้มเหลวในการหาทางออกที่เพียงพอต่อปัญหานี้ เราจะไม่มีวันไปถึงโลกแห่งความอุดมสมบูรณ์เช่นนั้น คนส่วนใหญ่จะรวมตัวกันต่อต้านการนำปัญญาประดิษฐ์มาใช้ในโลกทางกายภาพ และภายใต้แรงกดดันนั้น รัฐบาลต่างๆ ก็จะหยุดการนำหุ่นยนต์มาใช้งาน
บทความนี้เป็นความพยายามของเราที่จะมองดูภาวะกลืนไม่เข้าคายไม่ออกดังกล่าว เราอธิบายว่าเทคโนโลยีอยู่ในจุดใด เหตุใดแบบจำลองทางเศรษฐกิจกระแสหลักเรื่องการแทนที่แรงงานจึงไม่เพียงพอต่อสิ่งที่กำลังจะเกิดขึ้น และเหตุใดคำถามที่ว่าผู้คนจะเป็นใครเมื่อไม่ต้องทำงานอีกต่อไป จะเป็นตัวตัดสินว่าความอุดมสมบูรณ์จะมาถึงหรือไม่ จากนั้นเราจะหันมามองยุโรป ส่วนหนึ่งเพราะเราเป็นบริษัทสัญชาติยุโรป แต่เหตุผลหลักคือยุโรปเปิดรับความเสี่ยงจากภาวะกลืนไม่เข้าคายไม่ออกนี้อย่างมาก รัฐสวัสดิการในยุโรปพึ่งพารายได้จากภาษีที่เก็บจากการทำงานเป็นหลัก อุตสาหกรรมยุโรปยังคงจ้างงานคนนับล้านในลักษณะงานที่หุ่นยนต์กำลังเรียนรู้ที่จะทำ และยุโรปเองก็ผลิตหุ่นยนต์เหล่านี้ออกมาน้อยมาก เราอธิบายอนาคตที่เป็นไปได้สามรูปแบบสำหรับทวีปของเรา สองรูปแบบแรกเราต้องหลีกเลี่ยง และอีกรูปแบบหนึ่งเราตั้งใจจะสร้างมันขึ้นมา
การแข่งขันเพื่อช่วงเวลาคือ GPT ของวงการหุ่นยนต์
ตลอดประวัติศาสตร์ของมนุษย์ ความสุขสบายทางวัตถุล้วนขึ้นอยู่กับแรงงานของใครบางคน อาหารต้องปลูก บ้านต้องสร้าง และสินค้าต้องขนย้ายจากที่หนึ่งไปอีกที่หนึ่ง วิทยาการหุ่นยนต์สัญญาว่าจะเข้ามาทำแรงงานทางกายภาพเหล่านี้ให้เป็นระบบอัตโนมัติ ลดต้นทุนสินค้า และทำให้สามารถขยายผลผลิตจนเกิดความอุดมสมบูรณ์ทางวัตถุ อนาคตนี้เอื้อมถึงได้ และกำลังคืบคลานเข้ามาอย่างรวดเร็ว
เพื่อให้เห็นภาพว่ามันรวดเร็วแค่ไหน ลองพิจารณาช่วงเวลาเพียงสิบแปดเดือนที่ผ่านมา
หุ่นยนต์ฮิวแมนนอยด์ 02 ของ Figure AI ปฏิบัติภารกิจเสร็จสิ้นระยะเวลาสิบเอ็ดเดือนที่โรงงานของ BMW ในเมืองสปาร์ตันเบิร์ก รัฐเซาท์แคโรไลนา ภายในเดือนที่สิบ หุ่นยนต์เหล่านี้ทำงานเต็มกะสิบชั่วโมง ยกแผ่นโลหะจากถังวางลงบนแท่นจับยึดเชื่อมด้วยความแม่นยำระดับห้ามิลลิเมตร ตลอดโครงการ พวกมันโหลดชิ้นส่วนมากกว่า 90,000 ชิ้น และมีส่วนช่วยในการผลิตรถ BMW X3 มากกว่า 30,000 คัน แม้จะถูกปลดประจำการในเดือนพฤศจิกายน 2025 แต่นี่คือตัวชี้วัดทิศทางของความก้าวหน้า
ในเดือนเมษายน 2026 Generalist รายงานว่าโมเดล GEN-1 ของตนเพิ่มอัตราความสำเร็จเฉลี่ยในงานทางกายภาพที่เลือกไว้จาก 64% เป็น 99% ทำงานเร็วกว่าวิธีเดิมประมาณสามเท่าในการพับกล่องและบรรจุโทรศัพท์ โดยใช้ข้อมูลหุ่นยนต์เพียงประมาณหนึ่งชั่วโมงต่องาน การสาธิตรวมถึงการพับกล่องกระดาษแข็ง 200 ครั้งติดต่อกันโดยไม่มีการแทรกแซงจากมนุษย์ ข้อมูลเหล่านี้ยังเป็นการประเมินภายในของบริษัท แต่ความน่าเชื่อถือและความเร็วคือคุณสมบัติที่เปลี่ยนความสำเร็จทางเทคนิคให้กลายเป็นผลผลิตที่มีประโยชน์จริง: หุ่นยนต์ที่ทำสำเร็จ 64% เพียงพอสำหรับการสาธิต แต่หุ่นยนต์ที่ทำสำเร็จ 99% สามารถแทนที่พนักงานได้เลย
ในวันที่ 30 กรกฎาคมปีนี้ Google DeepMind ได้เปิดตัว Gemini Robotics 2 ซึ่งควบคุมขา ลำตัว แขน และมือห้านิ้วของฮิวแมนนอยด์ด้วยนโยบาย (policy) ที่ฝึกมาเพียงชุดเดียว พร้อมเวอร์ชันที่ทำงานบนอุปกรณ์ และความสามารถในการปรับตัวเข้ากับโครงสร้างร่างกายใหม่ทั้งหมดภายในเวลาไม่กี่ชั่วโมง ในวันที่ 25 สิงหาคม Skild AI ประกาศเปิดตัว S1 โมเดลที่ดูวิดีโอเพียงคลิปเดียวของคนที่กำลังทำงานที่ไม่คุ้นเคย แล้วลงมือทำได้เลย โดยงานนั้นอาจยาวถึงสิบนาทีและมีหลายสิบขั้นตอน ในการทดสอบมาตรฐานภายใน Skild รายงานอัตราความสำเร็จ 66% ในงานที่ไม่เคยเห็นมาก่อน เทียบกับ 9% สำหรับโมเดลที่สั่งการด้วยภาษาซึ่งฝึกมาในระดับเดียวกัน
บริษัททั้งหมดนี้กำลังแข่งขันกันสร้าง “ช่วงเวลาคือ GPT ในวงการหุ่นยนต์” ซึ่งจะหมายความว่าเราสามารถสั่งให้โมเดลหุ่นยนต์พื้นฐานทำงานทางกายภาพแทบทุกอย่าง และทำได้ดีพอที่จะใช้งานได้จริง ChatGPT ทำสิ่งนี้กับภาษาในเดือนพฤศจิกายน 2022 เปลี่ยนเรื่องน่าตื่นเต้นในงานวิจัยให้กลายเป็นสิ่งที่คนหลายร้อยล้านคนใช้ทุกวัน
ความแตกต่างที่สำคัญจากความสามารถของโมเดลภาษาคือ ในโลกทางกายภาพ งานต่างๆ ตรวจสอบผลลัพธ์ได้ง่ายกว่ามาก โดยเฉพาะงานในสภาพแวดล้อมอุตสาหกรรมหรืองานที่ใช้เวลาสั้นๆ (เช่น การบรรจุกล่องหรือการผลิตอุปกรณ์ชิ้นหนึ่ง) งานที่ตรวจสอบได้ย่อมทำให้เป็นระบบอัตโนมัติได้ ดังนั้นผลกระทบของระบบ AI จะมองเห็นได้ชัดเจนกว่ามากในโลกทางกายภาพ
ความพยายามที่รัดกุมที่สุดจนถึงตอนนี้ในการวัดว่าสิ่งนี้มีความหมายอย่างไรต่อการทำงาน ได้รับการเผยแพร่โดยนักเศรษฐศาสตร์ของ Anthropic เมื่อวันที่ 30 กันยายน โดยใช้รายการงานประมาณ 19,000 รายการจาก O*NET รัสเซลล์ เลเกต หยาง และแม็กซิม แมสเซนคอฟฟ์ พบว่าหุ่นยนต์ที่มีอยู่ในปัจจุบันสามารถทำงานทางกายภาพในสหรัฐอเมริกาได้ถึง 74% คิดเป็น 34% ของชั่วโมงการทำงานทั้งหมด แม้ส่วนใหญ่จะอยู่ในสภาพแวดล้อมที่สร้างขึ้นเฉพาะหรือมีโครงสร้างชัดเจนก็ตาม เมื่อรวมกับโมเดลภาษาขนาดใหญ่ ประมาณ 80% ของเนื้องานตามชั่วโมงการทำงานจะสัมผัสกับเทคโนโลยีใดเทคโนโลยีหนึ่ง การทดสอบย้อนหลังตลอดห้าสิบปีแสดงให้เห็นว่างานที่สัมผัสกับหุ่นยนต์ในยุคของตนมากกว่า มีค่าจ้างและการจ้างงานลดลงในทศวรรษต่อมา และในแต่ละปีหุ่นยนต์จะสามารถทำงานทางกายภาพที่เคยทำไม่ได้เพิ่มขึ้นประมาณ 2%
วาทกรรมสาธารณะล้มเหลวในการตระหนักถึงความเสี่ยงจากหุ่นยนต์
ผลิตภาพที่สูงขึ้นไม่ได้การันตีความมั่นคงทางวัตถุหรือความพึงพอใจในตัวมันเอง ในประเด็นนี้ ผู้ที่กำลังสร้างปัญญาประดิษฐ์เริ่มออกมาพูดด้วยความตรงไปตรงมาอย่างผิดปกติ และควรค่าแก่การฟังอย่างละเอียดว่าพวกเขาพูดอะไร และละเว้นอะไรไป
ในเดือนพฤษภาคม 2025 ดาริโอ อาโมเดย์ เตือนว่า AI อาจกำจัดงานออฟฟิศระดับเริ่มต้นไปครึ่งหนึ่ง และดันอัตราการว่างงานขึ้นไปอยู่ระหว่าง 10% ถึง 20% ภายในหนึ่งถึงห้าปี เขาบรรยายถึงโลกที่ "มะเร็งถูกพิชิต เศรษฐกิจเติบโต 10% ต่อปี งบประมาณสมดุล – แต่คน 20% ไม่มีงานทำ" สามเดือนต่อมา นักเศรษฐศาสตร์จากสแตนฟอร์ดที่ใช้ข้อมูลบัญชีเงินเดือนจากผู้ประมวลผลเงินเดือนรายใหญ่ที่สุดในสหรัฐฯ พบว่าคนงานอายุ 22 ถึง 25 ปีในอาชีพที่สัมผัสกับ AI มากที่สุด มีการจ้างงานลดลง 13% เมื่อเทียบสัดส่วนตั้งแต่ Generative AI แพร่หลาย ในขณะที่เพื่อนร่วมงานที่อายุมากกว่าในงานเดียวกันไม่ได้รับผลกระทบ
สิ่งนี้ยังไม่ได้รวมผลกระทบที่อาจเกิดจาก AI ทางกายภาพ รายงาน Scenarios for our Economic Future ของ Anthropic ในเดือนกันยายน ได้เสนอแบบจำลองผลกระทบตลาดแรงงานสามรูปแบบ ในสถานการณ์ที่มีนัยสำคัญ AI สามารถทำงานที่ต้องใช้ความรู้ได้ครึ่งหนึ่ง และค่าจ้างของคนทำงานสายความรู้จะทรงตัว ในสถานการณ์สุดขั้ว GDP ของสหรัฐฯ จะเพิ่มขึ้นราวหนึ่งในสาม สัดส่วนรายได้ที่ตกเป็นของแรงงานจะลดลงเหลือประมาณ 45% ค่าจ้างของคนทำงานสายความรู้จะลดลงมากกว่า 10% และการว่างงานจะเพิ่มขึ้น "เกินระดับปกติของภาวะเศรษฐกิจถดถอย"
ภาคการเงินก็ได้ข้อสรุปคล้ายกันจากอีกมุมหนึ่ง ในเดือนสิงหาคม 2026 เนียร์ บาร์ เดอา ประธานเจ้าหน้าที่บริหาร และเกร็ก เจนเซน ประธานเจ้าหน้าที่ฝ่ายการลงทุนของ Bridgewater ได้อธิบายใน The New York Times ว่าเนื่องจากมีเพียงแรงงานเท่านั้นที่ถูกเก็บภาษี ระบบภาษีจึงให้รางวัลกับการแทนที่คนด้วยเครื่องจักรอย่างแท้จริง พวกเขาเสนอภาษีการบริโภคจากโทเคน AI เพื่อลดภาษีจากการทำงาน และนำเงินไปซื้อหุ้นในบริษัท AI ที่จะแบ่งปัน "ให้กับพลเมืองทุกคน" ในช่วงปลายเดือนกันยายน บาร์ เดอา ได้ออกมาเตือนต่อสาธารณะถึง "การล่มสลายของสังคม" หากจัดการการเปลี่ยนผ่านนี้ผิดพลาด
แม้จะเป็นเรื่องที่น่ายินดีที่แล็บผู้พัฒนาโมเดลพื้นฐานและกองทุนเฮดจ์ฟันด์ที่ใหญ่ที่สุดในโลกเริ่มตระหนักถึงศักยภาพในการส่งผลกระทบทางสังคมในวงกว้าง แต่เราเชื่อว่าการคาดการณ์ของพวกเขาประเมินขนาดของแรงกระเทือนต่อตลาดแรงงานที่กำลังจะเกิดขึ้นต่ำเกินไปอย่างสิ้นเชิง
แม้แต่สถานการณ์ที่รุนแรงที่สุดของพวกเขาก็ "ไม่ได้รวม" ความเป็นไปได้ที่ "มนุษยชาติจะพัฒนาหุ่นยนต์ที่มีความสามารถสูงยิ่ง" ไว้ด้วย และทางเลือกสำหรับคนทำงานสายความรู้ที่ถูกแทนที่นั้นระบุไว้อย่างชัดเจนว่าเป็นงานทางกายภาพ: พวกเขาต้อง "เปลี่ยนไปทำงานอย่างช่างไฟฟ้าและพยาบาล ซึ่งสัมผัสกับ AI น้อยกว่า" ซึ่งผู้เขียนก็ยอมรับว่าการเปลี่ยนผ่านนี้จะยากและช้าสำหรับหลายคน แบบจำลองการแทนที่แรงงานทางปัญญาทุกรูปแบบล้วนตั้งอยู่บนสมมติฐานเงียบๆ เดียวกันนี้ในที่ใดที่หนึ่ง นั่นคือแรงงานทางปัญญาที่ถูกแทนที่จะค่อยๆ เปลี่ยนไปสู่งานทางกายภาพในที่สุด
อย่างไรก็ตาม เมื่อการนำหุ่นยนต์มาใช้อย่างแพร่หลายเป็นไปได้จริง สมมติฐานนี้จะพังทลายลง ที่ปรึกษาจะไม่ใช้เวลาหลายปีไปเรียนใหม่เพื่อเป็นช่างไฟฟ้า หากเขาคาดว่าหุ่นยนต์จะมาเดินสายไฟในอาคารไม่นานหลังจากที่เขาเรียนจบ ผู้ช่วยทนายความจะไม่ย้ายไปทำงานดูแลผู้ป่วย หากเธอคาดว่าเครื่องจักรจะมาเป็นคนยกตัวผู้ป่วย ทางรอดจากการถูกอัตโนมัติทางปัญญาที่นักเศรษฐศาสตร์วาดไว้ กำลังวิ่งชนกับการอัตโนมัติทางกายภาพที่สวนทางมาพอดี
ความอุดมสมบูรณ์จะมาถึงเมื่อใด
แม้ปัจจุบันหุ่นยนต์อาจทำงานทางกายภาพได้ถึง 74% อย่างน้อยในบางสภาพแวดล้อม ตามที่บทความของเลเกต หยาง และแมสเซนคอฟฟ์ระบุไว้ แต่พวกมันมีต้นทุนที่แข่งขันกับแรงงานมนุษย์ได้เพียง 0.3% เท่านั้น หากราคาหุ่นยนต์ยังคงลดลงในอัตราประวัติการณ์ที่ประมาณ 3% ต่อปี จะต้องใช้เวลาประมาณ 40 ปีกว่าสัดส่วนนั้นจะแตะ 10% ภายใต้สถานการณ์ที่รวดเร็วของพวกเขา หุ่นยนต์จะมีต้นทุนที่แข่งขันได้กับงานทางกายภาพในปัจจุบันเพียงครึ่งเดียวภายในปี 2050 อย่างไรก็ตาม นี่คือการวัดอัตราการเปลี่ยนแปลงในอดีตแล้วฉายภาพไปข้างหน้า และผู้เขียนเองก็ยอมรับว่า "หุ่นยนต์ที่ขับเคลื่อนด้วย AI อาจก้าวข้ามสเกลของเราไปเลย"
เราคิดว่ามันจะทำได้จริงๆ ข้อโต้แย้งของเราเป็นดังนี้:
1. ภายในปี 2027 ระบบ AI จะทำการวิจัยด้านหุ่นยนต์อย่างจริงจัง และวงจรการพัฒนาจะหดสั้นลง
ในเดือนมิถุนายน 2025 แซม อัลต์แมน ประธานเจ้าหน้าที่บริหารของ OpenAI คาดการณ์ว่าปี 2026 จะมีระบบที่สามารถสร้างองค์ความรู้ใหม่ๆ ได้ และปี 2027 อาจนำมาซึ่ง "หุ่นยนต์ที่สามารถทำงานในโลกแห่งความจริงได้" ภายในเดือนกันยายน 2026 OpenAI กล่าวว่าได้สร้าง "เด็กฝึกงานวิจัยอัตโนมัติ" ซึ่งเป็นระบบที่สามารถทำงานวิจัยที่นักวิจัยมนุษย์ที่มีทักษะต้องใช้เวลาหลายวันได้สำเร็จ และตอนนี้กำลังตั้งเป้าไปที่นักวิจัย AI ที่เป็นระบบอัตโนมัติเต็มรูปแบบภายในเดือนมีนาคม 2028 การวัดผลอิสระก็ชี้ไปในทิศทางเดียวกัน METR พบว่าความยาวของงานซอฟต์แวร์ที่ตัวแทน AI ระดับแนวหน้าสามารถทำเสร็จด้วยความน่าเชื่อถือ 50% นั้นเพิ่มขึ้นเป็นสองเท่าทุกๆ เจ็ดเดือนมาเป็นเวลาหกปีแล้ว วิทยาการหุ่นยนต์ก็เป็นปัญหาทางซอฟต์แวร์ ปัญหาการจำลอง และปัญหาข้อมูลด้วยเช่นกัน และนั่นคือปัญหาที่ระบบเหล่านี้กำลังพัฒนาได้ดีและเร็วที่สุด
เมื่อนำมาใช้กับวิทยาการหุ่นยนต์ สิ่งนี้จะทำให้วงจรการพัฒนาหดสั้นลง ฮาร์ดแวร์เชื่องช้าเสมอเพราะทุกการออกแบบต้องถูกสร้างขึ้น ทำลาย และสร้างใหม่ และทุกทักษะใหม่ต้องสอนบนหุ่นยนต์จริง ทีละการสาธิตผ่านการควบคุมหุ่นยนต์จากระยะไกล คอขวดทั้งสองกำลังถูกทำลาย ตอนนี้ AI สามารถเสนอตัวขับเคลื่อน เขียนนโยบายการควบคุม และอ่านบันทึกข้อผิดพลาดได้ภายในเช้าวันถัดมา การปรับปรุงจึงเคลื่อนที่ด้วยความเร็วใกล้เคียงกับซอฟต์แวร์มากขึ้น
แหล่งข้อมูลตอนนี้หลากหลายกว่าการควบคุมหุ่นยนต์จากระยะไกลแบบดั้งเดิมอย่างมาก ในเดือนกุมภาพันธ์ NVIDIA ได้ฝึกโมเดลหุ่นยนต์ล่วงหน้าด้วยวิดีโอจากมุมมองบุคคลที่หนึ่งของผู้คนกำลังใช้มือเป็นเวลา 20,854 ชั่วโมง ร่วมกับการควบคุมหุ่นยนต์จากระยะไกลเพียงสี่ชั่วโมง ซึ่งคิดเป็นไม่ถึง 0.1% ของข้อมูลฝึกทั้งหมด พบว่าประสิทธิภาพดีขึ้นอย่างคาดเดาได้เมื่อจำนวนชั่วโมงวิดีโอของมนุษย์เพิ่มขึ้น NVIDIA และพันธมิตรทางวิชาการได้ฝึกโมเดลโลก DreamDojo ด้วยวิดีโอประเภทเดียวกันกว่า 44,000 ชั่วโมง (NVIDIA, DreamDojo, 2026) ความเชื่อมั่นในบทบาทของข้อมูลจากมุมมองบุคคลที่หนึ่งสะท้อนให้เห็นจากการระดมทุนกว่า 700 ล้านดอลลาร์ในช่วงสิบแปดเดือนที่ผ่านมาสำหรับสตาร์ทอัพข้อมูลฝึกหุ่นยนต์ การเรียนรู้จากวิดีโอเดียวของ Skild และการถ่ายโอนข้ามโครงสร้างร่างกายของ DeepMind ยังบ่งชี้ว่าขั้นตอนราคาแพงในการเก็บข้อมูลสำหรับทุกงานใหม่ บนทุกโครงสร้างร่างกายใหม่ กำลังละลายหายไป
2. ภายในปี 2029 หุ่นยนต์จะมีความสามารถทางเทคนิคในการทำงานที่มีความสำคัญทางเศรษฐกิจทั้งหมด
เพื่อให้สิ่งนี้เกิดขึ้น เราไม่จำเป็นต้องมีหุ่นยนต์ระบบเดียวที่สมบูรณ์แบบและทำได้ทุกอย่าง แต่เป็นการผสมผสานระหว่างปัญญาหุ่นยนต์ทั่วไปที่สามารถทำงานข้ามโครงสร้างร่างกายได้หลายแบบ ระบบฮิวแมนนอยด์สำหรับสภาพแวดล้อมที่เหมาะสม และโครงสร้างเฉพาะทางสำหรับงานอุตสาหกรรมที่มีมูลค่าสูง
ในเดือนกุมภาพันธ์ Physical Intelligence ได้แสดงโมเดลพื้นฐาน π0.6 ที่ปรับแต่งละเอียดสำหรับแต่ละงาน โดยควบคุมหุ่นยนต์ของบริษัทอื่นในสภาพแวดล้อมการค้าจริง: พับผ้าของลูกค้าในร้านซักอบรีดที่ซานฟรานซิสโก และบรรจุคำสั่งซื้ออีคอมเมิร์ซจริงในคลังสินค้าตลอดกะการทำงานด้วยความเป็นอัตโนมัติ 96.4% ที่ใดที่สถานที่ทำงานสามารถออกแบบใหม่รอบตัวเครื่องจักรได้ มันจะถูกทำ เหมือนที่เคยเกิดขึ้นกับสายพานประกอบ และที่ใดที่ทำไม่ได้ เครื่องจักรก็กำลังเรียนรู้ที่จะปรับตัวเข้ากับสถานที่ทำงาน: หุ่นยนต์คลังสินค้าในการทดลองนั้นถูกสร้างมาให้สอดแทรกเข้ากับสถานีงานที่มีอยู่และเริ่มทำงานได้ภายในไม่กี่ชั่วโมง
3. ผลกระทบทางสังคมจะมาถึงพร้อมกับความสามารถ ไม่ใช่พร้อมกับการนำไปใช้
นี่คือหัวใจสำคัญของข้อโต้แย้งของเรา เส้นโค้งการแพร่กระจายบอกว่าหุ่นยนต์จะอยู่ทุกหนแห่งเมื่อใด แต่ไม่ได้บอกว่าผู้คนจะ เชื่อ ว่าหุ่นยนต์จะอยู่ทุกหนแห่งเมื่อใด และตัดสินใจตามความเชื่อนั้น คนงานจะไม่รอจนกว่าหุ่นยนต์จะมาแย่งงานก่อนจะเข้าใจว่าการพัฒนานั้นอาจหมายถึงอะไรต่ออนาคตของลูกๆ ในยุโรป ผู้คนคาดการณ์ถึงสิ่งที่เลวร้ายที่สุดไว้แล้ว: ในแบบสำรวจของคณะกรรมาธิการยุโรปเอง 66% เชื่อว่า AI จะทำลายงานมากกว่าที่สร้างขึ้น ตัวเลขนี้ถูกบันทึกไว้ในฤดูใบไม้ผลิปี 2024 ก่อนที่ฮิวแมนนอยด์ตัวใดจะทำงานครบกะการผลิตที่ไหนในโลกเสียอีก ผลกระทบทางสังคมที่เราห่วงใยไม่ต้องการให้เกิดการแพร่กระจายในทันที แค่ความเชื่อว่ามันกำลังจะมาก็เพียงพอแล้ว
หากเรื่องราวหลักคือเศรษฐกิจกำลังเรียนรู้ที่จะทำงานโดยไม่มีผู้คน การเมืองก็จะลงมือจัดการกับเรื่องนั้นนานก่อนที่มันจะสะท้อนออกมาในสถิติทางเศรษฐกิจเสียอีก
นี่คือเหตุผลที่เราเรียกบทความนี้ว่า Abundance 2029 แน่นอนว่าไม่ใช่ทุกคลังสินค้าในยุโรปจะถูกทำให้เป็นระบบอัตโนมัติภายในตอนนั้น การแทนที่แรงงานทางปัญญาที่เราอธิบายไว้ในหัวข้อก่อนอาจใช้เวลา 5-10 ปี และการแทนที่แรงงานทางกายภาพอาจนานกว่านั้น แต่ภายในปี 2029 ความสามารถของ AI ทางกายภาพจะชัดเจนมาก ทิศทาง หรือประกายแห่งความอุดมสมบูรณ์ จะปรากฏให้ทุกคนเห็น และการตัดสินใจที่กำหนดว่าอนาคตรูปแบบใดกำลังรอคอยยุโรปอยู่นั้น จะถูกตัดสินใจไปแล้ว
ผู้คนสร้างที่ยืนในสังคมได้อย่างไร
เพื่อทำความเข้าใจว่าผู้คนจะตอบสนองต่อความสามารถในการสร้างความอุดมสมบูรณ์อย่างไร เราต้องย้อนกลับไปในประวัติศาสตร์
เจ็ดหมื่นปีก่อน ดังที่ยูวัล โนอาห์ แฮรารี เขียนไว้ในหนังสือ Sapiens มนุษย์รัก เล่น สร้างมิตรภาพ และแข่งขันเพื่อสถานะและอำนาจ แต่ลิงชิมแปนซี บาบูน และช้างก็ทำเช่นกัน "ไม่มีอะไรพิเศษเกี่ยวกับพวกเขา (มนุษย์)" แต่กระนั้น ความปรารถนาที่จะมีความหมายต่อกันและกันก็มีอยู่แล้ว
ความแข็งแกร่งทางกายภาพเป็นเส้นทางหนึ่งสู่สถานะ: ความสามารถในการชนะการแข่งขัน ปกป้องกลุ่ม หรือบังคับใช้เจตจำนงของตน แต่ในฐานะไพรเมตที่ไม่มีอะไรโดดเด่นทางกายภาพ ไม่มีกรงเล็บ และมีโอกาสน้อยนิดที่จะสู้กับสิงโต เราจึงพัฒนาข้อได้เปรียบอื่นๆ แทน เราเรียนรู้ที่จะเหลาไม้ให้แหลม ประสานการล่าสัตว์ผ่านภาษา และสร้างไฟ เราเอาชนะทุกสิ่งที่อยู่เหนือเราในห่วงโซ่อาหารได้เพราะเราสามารถส่งต่อความรู้ที่เป็นประโยชน์ ทำให้แต่ละรุ่นเริ่มต้นจากจุดที่รุ่นก่อนทิ้งไว้ อย่างไรก็ตาม ทุกรุ่นต้องเรียนรู้สิ่งที่รุ่นก่อนรู้เสียก่อน ดังนั้นการพัฒนาความรู้และนวัตกรรมใหม่จึงยากขึ้นและต้องการความเชี่ยวชาญเฉพาะทางมากขึ้น เบนจามิน โจนส์ เรียกพลวัตนี้ว่า “ภาระแห่งความรู้” เพราะการจะยืนบนไหล่ยักษ์ได้นั้น “ต้องปีนขึ้นไปบนหลังของพวกมันก่อน” ความรู้ที่ต้องใช้เวลาหลายปีในการเรียนรู้ย่อมมีคนถือครองน้อย จึงหายากและถูกมองว่ามีคุณค่า
ในกลุ่มเล็กๆ ทักษะนำมาซึ่งความเคารพ คนที่สามารถสร้างเครื่องมือที่ดีกว่าหรือนำพาผู้อื่นผ่านฤดูหนาวอันโหดร้ายได้ ให้เหตุผลแก่เพื่อนร่วมกลุ่มที่จะเชื่อในการตัดสินใจของเขา แต่ความเคารพภายในกลุ่มไม่เหมือนกับระเบียบสังคมที่สร้างขึ้นบนสติปัญญา และในประวัติศาสตร์ยุโรปส่วนใหญ่ก็ไม่เคยมีระเบียบเช่นนั้น
การมาถึงของปรัชญายุคเรืองปัญญาได้เปลี่ยนแปลงระบบลำดับชั้นทางสังคมที่มีอยู่นี้ คำขวัญของคานท์สำหรับยุคสมัยนั้น คือ sapere aude จงกล้าที่จะรู้ เป็นคำสั่งให้คิดด้วยตนเอง และมันมาพร้อมกับแนวคิดใหม่ว่าอะไรทำให้คนคนหนึ่งสมควรได้รับความเคารพ: เหตุผล มากกว่าชาติกำเนิดหรือความเคร่งศาสนา สติปัญญากลายเป็นคุณลักษณะที่ดึงดูดความมั่งคั่งทางการเงินมากขึ้นเรื่อยๆ และส่งผลให้ได้รับการยกย่องทางสังคมตามมา
ทุกวันนี้ เงินเดือนของเทรดเดอร์เชิงปริมาณและเกียรติภูมิของทนายความคือการแสดงออกสมัยใหม่ของพลวัตนั้น เศรษฐกิจสมัยใหม่มองว่าสติปัญญามีจำกัด จึงมีคุณค่า และตอบแทนผู้ที่ถูกมองว่ามีมันด้วยทั้งสถานะทางวัตถุและทางสังคม สำหรับผู้ที่ทำงานใช้แรงงาน ก็มีบันไดอีกขั้นหนึ่งที่ขนานกัน เก่าแก่กว่ายุคเรืองปัญญาและมีรากฐานมาจากสมาคมช่างฝีมือ: ช่างฝีมือระดับมาสเตอร์ ไมสเตอร์ (Meister) หัวหน้างานที่รู้จักสายการผลิตดีกว่าวิศวกร ช่างเชื่อมที่รอยเชื่อมไม่เคยบกพร่อง ทักษะในมือคือสติปัญญาอีกประเภทหนึ่ง และมันก็ได้รับการยกย่องเช่นกัน
กล่าวโดยสรุป งานคือสถาบันที่คนส่วนใหญ่ใช้หาเลี้ยงชีพและสร้างที่ยืนในสังคม มันให้ความรู้สึกถึงความหมายและจุดมุ่งหมาย เป็นเกราะป้องกันคำถามเชิงอัตถิภาวนิยมที่มักจะแวะมาเยือนตอนตีสาม แล้วจะเกิดอะไรขึ้นเมื่อความสามารถที่ผู้คนใช้สร้างอาชีพและฐานะของตนไม่หายากอีกต่อไป และดังนั้นจึงไม่มีคุณค่าอีกต่อไป? จะเกิดอะไรขึ้นเมื่อเครื่องจักรฉลาดกว่าทนายความและนิ่งกว่าช่างเชื่อมในเวลาเดียวกัน?
แนวร่วมที่น่าจะเกิดขึ้น
ความก้าวหน้าในการอัตโนมัติของงานทางปัญญาได้จุดประกายการถกเถียงแล้ว และก็เป็นเรื่องที่ถูกต้อง แต่สำหรับคนส่วนใหญ่ ภาพที่ McKinsey ต้องการที่ปรึกษาน้อยลงนั้น เข้าใจได้ว่าไม่ค่อยกระตุ้นความเห็นใจมากนัก ภัยคุกคามจะยากที่จะปัดตกมากขึ้นเมื่อเพื่อนร่วมงานตกงาน และเครื่องจักรทางกายภาพที่จับต้องได้เข้ามาแทนที่ในเช้าวันรุ่งขึ้น
การอัตโนมัติมีศักยภาพที่จะทำให้ผู้คนที่มีรายได้ การศึกษา และความจงรักภักดีทางการเมืองต่างกันมาก มาถึงข้อสรุปเดียวกัน: เศรษฐกิจกำลังเริ่มทำงานโดยไม่มีพวกเขา ที่ปรึกษาและคนงานอุตสาหกรรมไม่จำเป็นต้องเห็นตรงกันว่าสังคมควรจัดระเบียบอย่างไร เพื่อจะเห็นตรงกันว่าทิศทางของมันกำลังคุกคามที่ยืนของพวกเขา แนวร่วมเช่นนี้ไม่จำเป็นต้องรอให้การว่างงานจำนวนมากเกิดขึ้นจริงแล้ว ความคาดหวังว่าจะถูกกีดกันก็เพียงพอที่จะสร้างผลประโยชน์ทางการเมืองร่วมกันได้ และเมื่อกลุ่มที่มีความคับข้องใจต่างกันมาระบุศัตรูร่วมกัน ประวัติศาสตร์บอกเราว่าการเปลี่ยนแปลงครั้งใหญ่มักตามมาในไม่ช้า
ในฝรั่งเศสปี 1789 ชนชั้นกลางระดับบนบางส่วนต้องการอำนาจทางการเมือง คนงานในเมืองต้องการขนมปังราคาถูก และชาวนาต้องการการปลดปล่อยจากภาระระบบศักดินา ความคับข้องใจของพวกเขาต่างกัน แต่มาบรรจบกันเพื่อต่อต้านระเบียบเดียวกัน ราคาขนมปังในปารีสพุ่งสูงสุดในสัปดาห์เดียวกับที่คุกบาสตีย์แตก มารีย์ อ็องตัวแน็ต กลายเป็นสัญลักษณ์ที่ถูกรังเกียจของอภิสิทธิ์ในระเบียบนั้น ความฟุ่มเฟือยของเธอถูกขยายเกินจริงเพื่อใช้อธิบายความทุกข์ยากของประเทศ ในรัสเซียปี 1917 การต่อต้านพระเจ้าซาร์ก็แผ่ขยายจากนักปัญญาชนเสรีนิยมไปสู่คนงานและทหารเช่นกัน คำสัญญาของเลนินเรื่อง "สันติภาพ ที่ดิน และขนมปัง" เชื่อมโยงความคับข้องใจที่แตกต่างกันเข้าสู่โปรแกรมเดียว และระบอบที่อยู่รอดมาสามศตวรรษก็ล่มสลายภายในเวลาไม่กี่เดือน
ประวัติศาสตร์เทคโนโลยีที่ใกล้เข้ามาเองก็ให้บทเรียนไม่แพ้กัน ระหว่างปี 1811 ถึง 1816 กลุ่มลัดไดต์ในภาคมิดแลนด์สและตอนเหนือของอังกฤษได้ทุบทำลายเครื่องทอถุงเท้าและเครื่องตัดผ้าที่คุกคามงานสิ่งทอที่ต้องใช้ทักษะ และรัฐสภาตอบโต้ด้วยพระราชบัญญัติการทำลายเครื่องจักรปี 1812 ซึ่งกำหนดให้การทำลายเครื่องจักรเป็นความผิดโทษประหารชีวิต ลัดไดต์ถูกจดจำในฐานะศัตรูของความก้าวหน้า แต่ความจริงแล้วพวกเขาคือคนงานมีทักษะที่มองเห็นอย่างชัดเจนว่าผลประโยชน์จากเทคโนโลยีใหม่จะไหลไปสู่คนอื่นในขณะที่ต้นทุนตกอยู่กับพวกเขา และในช่วงชีวิตของพวกเขาเอง พวกเขาก็คิดถูก
ในอังกฤษ ผลผลิตต่อคนงานเพิ่มขึ้นเป็นเวลาประมาณครึ่งศตวรรษในขณะที่ค่าจ้างที่แท้จริงแทบไม่ขยับ ช่วงเวลาที่นักประวัติศาสตร์เศรษฐกิจ โรเบิร์ต อัลเลน เรียกว่า "การหยุดชะงักของเองเกลส์" ชายที่ทุบทำลายเครื่องจักรเหล่านั้นไม่มีชีวิตอยู่ถึงวันที่จะได้เห็นผลประโยชน์ และงานที่มาแทนที่งานของพวกเขาก็มักจะแย่กว่า อดัม สมิธ ซึ่งไม่ใช่ศัตรูของอุตสาหกรรม เกรงว่าการทำซ้ำปฏิบัติการง่ายๆ ไม่กี่อย่างไปตลอดชีวิตจะทำให้คนงาน "โง่เขลาและไร้ความรู้เท่าที่มนุษย์จะเป็นไปได้"
สิ่งที่ลัดไดต์คิดผิดคือในระยะยาว การทุบทำลายเครื่องจักรไม่ได้หยุดการปฏิวัติอุตสาหกรรม และการปฏิวัติอุตสาหกรรมก็ดำเนินต่อไปจนทำให้คนธรรมดาสามัญร่ำรวยกว่าคนรุ่นก่อนๆ ทั้งหมด เช่นเดียวกับที่เราคาดหวังให้วิทยาการหุ่นยนต์ทำ และตลอดเวลานั้น งานก็ยังคงอยู่
สิ่งที่แยกการปฏิวัติ AI และหุ่นยนต์ในปัจจุบันออกจากอดีตคือความเร็วและขอบเขตของความก้าวหน้า บิล เกตส์ ได้ชี้ให้เห็นความแตกต่างที่คล้ายกันในเดือนสิงหาคม: การเปลี่ยนผ่านในอดีต เช่น การย้ายจากฟาร์มไปสู่งานออฟฟิศ เกิดขึ้นข้ามชั่วอายุคนและสร้างงานใหม่ที่ต้องการการรับรู้ของมนุษย์ อย่างไรก็ตาม เมื่อ AI เหนือกว่าความสามารถของเราในเกือบทุกโดเมน และรวดเร็วกว่ามาก "งานหลายอย่างจะหายไปตลอดกาล" เขาเขียน ผลประโยชน์ของการปฏิวัติอุตสาหกรรมเข้าถึงคนธรรมดาผ่านงาน: ผ่านงานที่มันสร้างขึ้นและค่าจ้างที่จ่ายให้ หากวิทยาการหุ่นยนต์สร้างความอุดมสมบูรณ์โดยไม่สร้างงาน ผลประโยชน์เหล่านั้นจะต้องหาเส้นทางอื่นไปสู่ผู้คน และผู้คนจะต้องหาแหล่งที่มาของที่ยืนใหม่
จนกว่าเส้นทางนั้นจะเกิดขึ้น ผู้คนทั่วทุกเฉดการเมืองและเศรษฐกิจจะมีแรงจูงใจในการต่อต้านการเปลี่ยนแปลงทางเทคโนโลยีนี้ และการบรรจบกันแบบปี 1789 และ 1917 อาจกลับมาเป็นไปได้ หากภาครัฐและบริษัทเทคโนโลยีล้มเหลวในการแสดงให้เห็นว่าความก้าวหน้าเหล่านี้เป็นประโยชน์ต่อคนทำงานอย่างไร ความอุดมสมบูรณ์ทางวัตถุที่จะยกระดับมาตรฐานการครองชีพของทุกคนก็จะไม่เกิดขึ้น แม้จะเป็นไปได้ในทางเทคนิคก็ตาม และหากรัฐบาลและภาคเทคโนโลยีนี้อ่อนแอ ใครเล่าจะตำหนิผู้คนได้หากพวกเขาจะสรุปเช่นนั้น?
แนวร่วมกำลังก่อตัวขึ้นแล้ว
พลวัตเหล่านี้สามารถเห็นได้แล้วในการต่อสู้เรื่องศูนย์ข้อมูล ในสหรัฐอเมริกา Data Center Watch นับมูลค่าโครงการ 1.8 หมื่นล้านดอลลาร์ที่ถูกสกัดกั้น และ 4.6 หมื่นล้านดอลลาร์ที่ล่าช้าจากการต่อต้านของคนในพื้นที่ในช่วงเวลาประมาณสองปี ทั้งในรัฐที่สนับสนุนพรรครีพับลิกันและเดโมแครต ขับเคลื่อนด้วยค่าไฟฟ้า น้ำ เสียงรบกวน และที่ดิน เฉพาะในไตรมาสแรกของปี 2026 มีการบันทึกโครงการอย่างน้อย 75 โครงการ มูลค่าราว 1.3 แสนล้านดอลลาร์ที่ถูกขัดขวาง ซึ่งเป็นตัวเลขรายไตรมาสที่สูงที่สุดเป็นประวัติการณ์ ในไอร์แลนด์ ซึ่งศูนย์ข้อมูลใช้ไฟฟ้าที่วัดมิเตอร์ได้ถึง 23% ในปี 2025 ผู้ให้บริการโครงข่ายไฟฟ้า EirGrid ได้หยุดรับเชื่อมต่อศูนย์ข้อมูลใหม่ในภูมิภาคดับลินไปจนถึงปี 2028
ความล้มเหลวของรัฐบาลและผู้พัฒนาโมเดลในการแสดงให้เห็นว่าเทคโนโลยีของพวกเขาจะทำให้ชีวิตคนธรรมดาดีขึ้นได้อย่างไร ได้ก่อให้เกิดพันธมิตรต่อต้านศูนย์ข้อมูลที่ครอบคลุมทั้งฝ่ายซ้ายและฝ่ายขวา สิ่งนี้ส่งผลโดยตรงต่อวิทยาการหุ่นยนต์ หุ่นยนต์อเนกประสงค์ทุกตัวต้องพึ่งพากำลังประมวลผลในการฝึกฝน และมากขึ้นเรื่อยๆ สำหรับการอนุมาน ทวีปที่ไม่สามารถสร้างศูนย์ข้อมูลได้ ย่อมไม่สามารถใช้งาน AI ทางกายภาพในสเกลใหญ่ได้
เมื่อวันที่ 8 มิถุนายน 2025 ผู้ประท้วงในย่านดาวน์ทาวน์ของลอสแอนเจลิสได้จุดไฟเผารถยนต์ไร้คนขับ (robotaxi) ของ Waymo ไปอย่างน้อย 5 คัน ส่งผลให้บริษัทต้องระงับการให้บริการในพื้นที่ดังกล่าว การประท้วงครั้งนี้มีสาเหตุมาจากการกวาดล้างตรวจคนเข้าเมือง ไม่ใช่เรื่องระบบอัตโนมัติ แต่เมื่อสังคมเกิดความโกรธแค้น เครื่องจักรที่อยู่บนท้องถนนก็จะกลายเป็นสัญลักษณ์ของสิ่งที่พวกเขากำลังโกรธนั้นไปโดยปริยาย ในเดือนตุลาคม 2024 คนงานท่าเรือ 45,000 คนจากสมาคมคนงานท่าเรือนานาชาติ (International Longshoremen's Association) ได้ปิดท่าเรือ 36 แห่งตั้งแต่รัฐเมนไปจนถึงเท็กซัส และการคุ้มครองจากการถูกแทนที่ด้วยระบบอัตโนมัติก็เป็นหนึ่งในข้อเรียกร้องหลักของพวกเขา
เป็นหน้าที่ของบริษัทหุ่นยนต์ทุกแห่งที่จะไม่ทำผิดพลาดซ้ำรอยผู้สร้างศูนย์ข้อมูล นั่นคือต้องตระหนักถึงผลกระทบทางสังคมที่จะเกิดขึ้น และทำให้แน่ใจว่าการเปลี่ยนผ่านไปสู่ความอุดมสมบูรณ์จะส่งผลดีต่อทุกคน ยิ่งผู้คนเผชิญกับระบบอัตโนมัติอย่างฉับพลันในรูปแบบของการสูญเสียรายได้และสถานะโดยไม่มีสิ่งทดแทนที่น่าเชื่อถือและไม่มีส่วนร่วมในอนาคตมากเท่าใด ความต้องการชะลอระบบที่สร้างความปั่นป่วนนี้ก็จะยิ่งรุนแรงขึ้นเท่านั้น สังคมหนึ่งอาจมีเทคโนโลยีในการสร้างความฉลาดอันอุดมสมบูรณ์ แต่ก็ยังสามารถปฏิเสธที่จะนำมันมาใช้ได้
ดังนั้น คำตอบที่น่าเชื่อถือเกี่ยวกับวิธีที่ผู้คนจะรักษาสถานะ อำนาจ และเป้าหมายในชีวิตไว้ได้ จะต้องเกิดขึ้นก่อนการนำไปใช้งานอย่างเต็มรูปแบบ
จุดอ่อนสำคัญของยุโรป
ผู้ที่ให้คำตอบนั้นขึ้นอยู่กับว่าใครเป็นเจ้าของเครื่องจักร ในฐานะบริษัทสัญชาติยุโรป ความกังวลของเราคือยุโรปจะสามารถให้คำตอบนี้ได้หรือไม่ เนื้อหาส่วนใหญ่ที่จะกล่าวต่อไปนี้นำไปใช้กับที่อื่นได้ด้วย แต่การผสมผสานกันของโครงสร้างประชากรสูงวัย สหภาพแรงงานที่เข้มแข็ง รัฐสวัสดิการที่เอื้อเฟื้อ องค์ความรู้เชิงอุตสาหกรรมที่ลึกซึ้ง และสถานะที่อ่อนแอทั้งในด้าน AI และการผลิตหุ่นยนต์ ทำให้ยุโรปเป็นกรณีศึกษาที่เกี่ยวข้องมากที่สุด
Physical AI มีสองส่วน ได้แก่ ความฉลาดที่ทำให้หุ่นยนต์มองเห็น ใช้เหตุผล และลงมือทำได้ กับร่างกายที่เป็นตัวดำเนินการ ทั้งสองส่วนถูกกำหนดภูมิศาสตร์ไว้เรียบร้อยแล้ว และยุโรปไม่ได้ครอบครองส่วนใดเลย
สหรัฐอเมริกานำอยู่ในชั้นของความฉลาด โมเดลพื้นฐาน (foundation models) ที่ทำให้หุ่นยนต์มองเห็น ใช้เหตุผล และลงมือทำได้นั้น ส่วนใหญ่ถูกสร้างขึ้นในห้องปฏิบัติการและสตาร์ทอัพของอเมริกา เช่น Gemini Robotics ของ Google DeepMind, Physical Intelligence, Skild, Generalist, OpenAI Robotics รวมถึงแพลตฟอร์ม Cosmos และ GR00T ของ NVIDIA สิ่งเหล่านี้คือ "สมอง" และกำลังพัฒนาดีขึ้นอย่างรวดเร็วตามกรอบเวลาของซอฟต์แวร์
จีนนำในเรื่องของร่างกาย และความสามารถในการผลิตในระดับมหาศาล ในปี 2024 จีนติดตั้งหุ่นยนต์อุตสาหกรรมถึง 295,000 ตัว ซึ่งเป็นสถิติสูงสุดและมากกว่าครึ่งหนึ่งของการติดตั้งทั่วโลก เทียบกับ 67,800 ตัวทั่วสหภาพยุโรป และ 26,982 ตัวในเยอรมนี ปัจจุบันซัพพลายเออร์จีนครองตลาดในประเทศของตนเองถึง 57% เพิ่มขึ้นจากประมาณ 28% เมื่อทศวรรษก่อน ในด้านหุ่นยนต์ฮิวแมนนอยด์ ความเหลื่อมล้ำนี้ยิ่งชัดเจนขึ้นไปอีก จากหุ่นยนต์ฮิวแมนนอยด์ 13,318 ตัวที่จัดส่งทั่วโลกในปี 2025 AgiBot จัดส่งไปมากกว่า 5,100 ตัว และ Unitree ประมาณ 4,200 ตัว โดยบริษัทจีนครองพื้นที่ส่วนใหญ่ในสิบอันดับแรก Unitree เข้าจดทะเบียนในตลาด STAR ของเซี่ยงไฮ้ในเดือนสิงหาคม 2026 ด้วยมูลค่าบริษัทประมาณ 9 พันล้านดอลลาร์ หลังจากที่ยอดขายจากฮิวแมนนอยด์แซงหน้าหุ่นยนต์สี่ขาเป็นครั้งแรก
ในเดือนพฤศจิกายน 2023 กระทรวงอุตสาหกรรมและเทคโนโลยีสารสนเทศของจีนได้ออก ความเห็นชี้แนะว่าด้วยนวัตกรรมและการพัฒนาหุ่นยนต์ฮิวแมนนอยด์ ซึ่งตั้งเป้าสร้าง "สมอง ซีรีเบลลัม และแขนขา" ของหุ่นยนต์ให้สำเร็จภายในปี 2025 และบูรณาการฮิวแมนนอยด์เข้ากับเศรษฐกิจจริงอย่างลึกซึ้งภายในปี 2027 เอกสารฉบับนี้มองว่าฮิวแมนนอยด์เป็นเทคโนโลยีในระดับเดียวกับคอมพิวเตอร์และสมาร์ตโฟน แล้วจึงดำเนินนโยบายให้สอดคล้องกับมุมมองนั้น
อเมริกากำลังสอนให้เครื่องจักรรู้จักคิด จีนกำลังเรียนรู้วิธีสร้างมันให้ถูกกว่าใครๆ ยุโรปมีความเสี่ยงที่จะไม่เป็นเจ้าของอะไรเลยในอนาคตนี้ ทั้งๆ ที่ต้องการเทคโนโลยีนี้มากกว่าทั้งสองประเทศเสียอีก บทวิเคราะห์ของคณะกรรมาธิการยุโรประบุว่า หากเป็นไปตามการคาดการณ์ประชากรปัจจุบันและระดับการศึกษาไม่เปลี่ยนแปลง กำลังแรงงานของ EU อาจลดลงมากถึง 18.8 ล้านคนภายในปี 2050
วิทยาการหุ่นยนต์อาจเป็นทางออกสำหรับวิกฤตที่คาดเดาได้ง่ายที่สุดของยุโรป หรืออาจเป็นต้นเหตุของวิกฤตครั้งต่อไปก็ได้ สามอนาคต
อนาคตที่ 1: ยุโรปหยุดการนำหุ่นยนต์มาใช้
ยุโรปล้มเหลวในการทำความเข้าใจทั้งขนาดของความเสี่ยงในการถูกแทนที่ในระยะยาวจากการขาดระบบอัตโนมัติ หรือรูปแบบของทางออกที่เป็นไปได้ สหภาพแรงงาน แคมเปญท้องถิ่น และนักการเมืองจากทุกขั้วความคิดเริ่มมองวิทยาการหุ่นยนต์ในแบบที่หลายคนมองศูนย์ข้อมูลอยู่แล้ว นั่นคือเป็นสิ่งที่แย่งชิงพลังงาน น้ำ ที่ดิน และงานไป โดยแทบไม่คืนอะไรให้กับคนที่อาศัยอยู่ข้างๆ เลย การเชื่อมต่อโครงข่ายไฟฟ้าถูกปฏิเสธ เหมือนที่เกิดขึ้นแล้วในดับลิน การขออนุญาตก่อสร้างหยุดชะงัก กฎความปลอดภัยที่เขียนขึ้นเพื่อแขนกลอุตสาหกรรมในกรงถูกนำมาใช้กับเครื่องจักรเคลื่อนที่ที่เรียนรู้ได้ ในลักษณะที่ทำให้การใช้งานจริงเป็นไปไม่ได้ ความหวาดกลัวของคนงานที่คอยชะลอระบบอัตโนมัติแบบดั้งเดิมในโรงงานยุโรปมานานได้แข็งตัวกลายเป็นสิทธิยับยั้งทางการเมืองที่ทรงพลัง จนไม่มีนักการเมืองคนไหนกล้าหาเสียงด้วยนโยบายที่ไม่ได้คัดค้านการเร่งนำหุ่นยนต์มาใช้อย่างชัดเจน
เราเชื่อว่านี่จะเป็นเส้นทางเริ่มต้นหากไม่มีอะไรเปลี่ยนแปลง ชาวยุโรปสองในสามเชื่อไปแล้วว่า AI จะทำลายงานมากกว่าที่สร้างขึ้นมา และยังไม่มีใครเสนอเหตุผลให้พวกเขาเชื่อเป็นอย่างอื่น ผลที่ตามมาคือสังคมประชาธิปไตยตะวันตกขัดขวางการนำหุ่นยนต์มาใช้ ในขณะที่คู่แข่งเดินหน้าต่อไป จีนซึ่งไม่มีข้อจำกัดทางประชาธิปไตยแบบเดียวกัน ยังคงผลักดันต้นทุนการผลิตให้ต่ำลงเรื่อยๆ โรงงานของจีนติดตั้งหุ่นยนต์อุตสาหกรรมไปแล้วมากกว่า 4 ตัวต่อทุกๆ 1 ตัวที่ติดตั้งทั่วทั้งสหภาพยุโรป การผลิตย้ายออกไปต่างประเทศ พาเอาการลงทุน เครือข่ายซัพพลายเออร์ และองค์ความรู้เชิงปฏิบัติติดไปด้วย
เราเห็นเค้าโครงของอนาคตนี้ได้ในปัจจุบันแล้ว อุตสาหกรรมเยอรมนีสูญเสียงานไปราว 124,000 ตำแหน่งในปี 2025 เพียงปีเดียว เกือบสองเท่าของปีก่อนหน้า และราว 266,000 ตำแหน่งนับตั้งแต่ปี 2019 โดยภาคยานยนต์สูญเสียไปถึง 111,000 ตำแหน่ง หรือ 13% ของกำลังแรงงานภายในหกปี ในเดือนพฤศจิกายน 2025 BASF เริ่มการผลิตที่ฐาน Verbund แห่งใหม่ในเมืองจ้านเจียง ทางตอนใต้ของจีน ด้วยเงินลงทุนราว 8.7 พันล้านยูโร ซึ่งเป็นโครงการเดี่ยวที่ใหญ่ที่สุดในประวัติศาสตร์ของบริษัท ขณะที่ลุดวิกส์ฮาเฟิน บ้านของบริษัทมา 160 ปี กลับทยอยปิดโรงงาน นี่คือการตอบสนองอย่างมีเหตุผลต่อสภาวะเศรษฐกิจในประเทศที่ไม่อาจดำรงอยู่ต่อไปได้
กลุ่ม Mittelstand ซึ่งเป็นกระดูกสันหลังของอุตสาหกรรมเยอรมนี สูญเสียลูกค้าไป พรสวรรค์ของกลุ่มนี้คือความรู้ฝังลึก (tacit knowledge) มาโดยตลอด คือวิศวกรที่รู้แน่ชัดว่าโลหะผสมชนิดหนึ่งจะมีพฤติกรรมอย่างไรที่อุณหภูมิหนึ่ง เมื่อการผลิตย้ายไปต่างประเทศ บริษัทในยุโรปจะเริ่มจากการจ้างผลิตภายนอก จากนั้นพบว่าทรัพย์สินทางปัญญาของตนขึ้นอยู่กับเงื่อนไขของการผลิตในต่างประเทศมากขึ้นเรื่อยๆ และท้ายที่สุดก็พบว่าความรู้นั้นได้หายไปแล้ว
คนงานในภาคอุตสาหกรรมตกงาน ในขณะเดียวกัน กลุ่มวิชาชีพก็เผชิญกับระบบอัตโนมัติทางปัญญาจากระบบ AI ของอเมริกา ซึ่งยุโรปไม่สามารถกำกับดูแลให้หายไปเพราะแบกรับต้นทุนนั้นไม่ไหว คลื่นการถูกแทนที่สองระลอกนี้มาถึงพร้อมกัน
ในปี 2024 ภาษีจากแรงงาน รวมถึงเงินสมทบประกันสังคม คิดเป็น 51.5% ของรายได้ภาษีทั้งหมดทั่ว EU รัฐสวัสดิการยุโรปมีรากฐานมาจากการที่ผู้คนมีงานทำ ในขณะเดียวกัน อัตราส่วนพึ่งพิงผู้สูงอายุคาดว่าจะเพิ่มขึ้นจาก 36% ในปี 2022 เป็น 59% ภายในปี 2070 คือจากคนวัยทำงานประมาณสามคนต่อผู้สูงอายุเกิน 65 ปีหนึ่งคน เหลือน้อยกว่าสองคน มาริโอ ดรากี เรียกสถานการณ์ด้านประชากรและผลิตภาพของยุโรปว่าเป็น "ความท้าทายต่อการอยู่รอด"
ในอนาคตที่ 1 แนวโน้มเหล่านี้จะมาบรรจบกัน ความต้องการสวัสดิการเพิ่มขึ้น เพราะมีคนตกงานมากขึ้นและมีคนเกษียณมากขึ้น ฐานภาษีหดตัวลง เพราะบริษัทในยุโรปผลิตหรือขายได้ไม่พอที่จะจ่าย รัฐบาลเหลือทางเลือกสามทาง: ปล่อยให้บริการเสื่อมโทรม เพิ่มภาษีบนฐานที่หดตัวลง หรือยอมให้หนี้สะสมเพิ่มสูงขึ้น ทั้งหมดล้วนไม่น่าปรารถนาหรือไม่ยั่งยืน ในกรณีสุดโต่ง รัฐสวัสดิการจะไม่อาจรักษาสัญญาที่ให้ไว้ได้อีกต่อไป นโยบายที่ตั้งใจจะปกป้องคนงานกลับปกป้องทั้งงานของพวกเขาและสถาบันที่ถูกสร้างมาเพื่อสนับสนุนพวกเขาไม่ได้เลย
ยุโรปสามารถหยุดวิทยาการหุ่นยนต์ภายในพรมแดนของตนเองได้ แต่ไม่สามารถหยุดมันในเซินเจิ้นหรือซานฟรานซิสโกได้ และไม่สามารถหยุดผลิตภัณฑ์เหล่านั้นไม่ให้มาถึงท่าเรือของตนในราคาที่ไม่มีโรงงานยุโรปใดสู้ได้อย่างแท้จริง การขัดขวางการใช้หุ่นยนต์ในยุโรปจะหมายถึงการก้าวเข้าสู่บทใหม่ของความก้าวหน้าทางเทคโนโลยีแต่พลาดผลประโยชน์ไปทั้งหมด
อนาคตที่ 2: ยุโรปยอมรับสภาพ
ในอนาคตที่สองนี้ ยุโรปไม่ขัดขวางการนำหุ่นยนต์มาใช้อย่างแพร่หลาย ดังนั้นคุณภาพชีวิตทางวัตถุของทุกคนจึงดีขึ้นอย่างมีนัยสำคัญ แต่อะไรๆ ก็ยังผิดพลาดอยู่ดี
บริษัทที่ต้องเผชิญกับคู่แข่งต่างชาติที่มี "โรงงานมืด" แบบอัตโนมัติเต็มรูปแบบก็ตอบโต้ด้วยวิธีเดียวกัน แทนที่จะออกแบบงานใหม่โดยยึดคนเป็นศูนย์กลาง การตัดสินใจทางเศรษฐกิจที่สมเหตุสมผลกลับกลายเป็นการตัดคนออกจากสมการไปเลย Acemoglu และ Restrepo พบว่าในตลาดแรงงานท้องถิ่นของอเมริกา หุ่นยนต์ที่เพิ่มขึ้นทุก 1 ตัวต่อคนงาน 1,000 คน ทำให้อัตราการจ้างงานต่อประชากรลดลงประมาณ 0.2% และค่าจ้างลดลงประมาณ 0.42% งานวิจัยของพวกเขาอ้างอิงถึงหุ่นยนต์ในยุค 1990 และ 2000 ซึ่งเป็นหุ่นยนต์ในกรง ทำงานเฉพาะทาง และมองไม่เห็น ผลกระทบของหุ่นยนต์อเนกประสงค์แบบที่เราคาดการณ์ไว้ในปี 2029 จะรุนแรงกว่านั้นมาก
ปัญหาที่สองคือความเป็นเจ้าของ ยุโรปเป็นผู้คิดค้นวิทยาศาสตร์เบื้องหลังเศรษฐกิจดิจิทัลเป็นส่วนใหญ่ แล้วก็ต้องนั่งมองคนอื่นสร้างบริษัทขึ้นมา Amazon, Microsoft และ Google ครองตลาดคลาวด์ยุโรปประมาณ 70% ในขณะที่ผู้ให้บริการชาวยุโรปทั้งหมดรวมกันครองเพียง 15% ลดลงจากประมาณ 29% ในปี 2017 โมเดลล้ำสมัยที่ชาวยุโรปใช้ทุกวันถูกฝึกฝนในแคลิฟอร์เนีย บนชิปของอเมริกา ภายใต้กฎหมายอเมริกา วิทยาการหุ่นยนต์อาจเดินตามรอยเดียวกัน การล้มเหลวในการลงทุนด้านพลังประมวลผลและการผลิตฮาร์ดแวร์อย่างเพียงพอ ประกอบกับสภาพแวดล้อมที่ไม่เอื้ออำนวยต่อบริษัทยุโรป นำไปสู่การเจาะตลาดอย่างดุดันโดยสหรัฐอเมริกาและจีน สมองของอเมริกาถูกติดตั้งในร่างกายของจีน และทั้งสองอย่างถูกติดตั้งในโรงงานของยุโรป
ยุโรปเคยสัมผัสผลกระทบจากการพึ่งพาทางภูมิรัฐศาสตร์เช่นนี้มาแล้ว ในเดือนเมษายน 2025 จีนบังคับใช้ระบบใบอนุญาตส่งออกสำหรับแม่เหล็กแร่หายาก ซึ่งมอเตอร์ประสิทธิภาพสูงส่วนใหญ่ รวมถึงที่อยู่ในข้อต่อของหุ่นยนต์ทุกตัว ต้องพึ่งพา ภายในสองเดือน สายการผลิตในยุโรปหลายแห่งต้องหยุดชะงัก และการขอใช้เทคโนโลยีจีนบางรายการก็ถูกบังคับให้เปิดเผยข้อมูลทรัพย์สินทางปัญญาที่ละเอียดอ่อน ยุโรปที่โรงงาน โรงพยาบาล ฟาร์ม และคลังสินค้าขับเคลื่อนด้วยหุ่นยนต์ต่างชาติ อาจถูกรัฐบาลปักกิ่งยึดร่างคืน และถูกปิดสมองจากแคลิฟอร์เนีย
ในสถานการณ์เช่นนี้ ผลประโยชน์จากระบบอัตโนมัติจะไหลไปสู่เจ้าของโมเดลและฮาร์ดแวร์ต่างชาติ ในขณะที่ต้นทุนยังคงอยู่ที่บ้าน การว่างงานจำนวนมากจะมาถึงโดยไม่มีฐานภาษีที่จำเป็นมารองรับ เพราะมูลค่าถูกสะสมไว้ในเขตอำนาจศาลอื่น และความแตกแยกทางสังคมเศรษฐกิจจะเลวร้ายลง รัฐบาลจะพยายามอุดช่องว่างนั้นด้วยสิ่งที่พวกเขายังเก็บภาษีได้อยู่ ซึ่งอาจออกมาในรูปแบบภาษีการบริโภคสำหรับ AI token แบบที่ Bridgewater เสนอ การถือหุ้นของรัฐในระบบอัตโนมัติที่รัฐบาลสามารถซื้อหุ้นได้ และภาษีที่ดิน พลังงาน และทรัพยากรประมวลผลที่อาจยังขาดแคลนไปอีกพักหนึ่ง หากนำสิ่งเหล่านี้มาแจกจ่ายในรูปแบบของรายได้พื้นฐานถ้วนหน้า ก็อาจช่วยป้องกันความยากจนทางวัตถุได้เพราะกำลังซื้อยังคงอยู่ แต่ที่สำคัญคือ ผู้ที่ได้รับเงินเหล่านั้นก็ยังตกงานอยู่ดี
ในหนังสือ The Human Condition ฮันนาห์ อาเรนด์ท เตือนว่าระบบอัตโนมัติอาจผลักเราไปสู่ "สังคมของแรงงานที่ไม่มีแรงงาน" ซึ่งเป็นสังคมที่เคยยกย่องการทำงานว่าเป็นที่มาของคุณค่าทุกอย่าง แล้วกลับถูกพรากกิจกรรมเดียวที่เหลืออยู่ไป เธอเขียนว่า "แน่นอนว่า ไม่มีอะไรจะเลวร้ายไปกว่านี้อีกแล้ว" เคนส์ เขียนไว้ในปี 1930 ว่าหลานของเขาจะต้องเผชิญกับสิ่งนี้พอดี และทำนายว่าจะเกิด "อาการประสาทเสียทั่วไป" ในหมู่คนที่ถูกฝึกมาหลายชั่วอายุคนให้ดิ้นรนต่อสู้
ดังที่กล่าวไปแล้ว สำหรับพวกเราหลายคน งานเป็นส่วนสำคัญของการเป็นตัวเรา และการโอนเงินช่วยเหลือก็ไม่เพียงพอที่จะทดแทนสิ่งนั้น สถานะและความปรารถนาในสถานะไม่ได้ระเหยหายไป แต่มันจะย้ายไปยังสิ่งที่มอบมันให้ได้ เช่น ความมั่งคั่ง ความสนใจ ความคับข้องใจ หรือการเป็นสมาชิกกลุ่มตามเส้นแบ่งใดๆ ก็ตาม การเปลี่ยนแปลงนี้จะสร้างความไร้เสถียรภาพในตัวมันเอง ไม่ว่าสภาพทางวัตถุจะเป็นอย่างไรก็ตาม
ปัญหาหลักของอนาคตที่ 2 คือความปั่นป่วนทางสังคม บริษัทต่างๆ แข่งขันกันมุ่งสู่โรงงานมืด ก่อให้เกิดความเหลื่อมล้ำทางเศรษฐกิจ และความเหลื่อมล้ำนั้นก็ก่อให้เกิดความปั่นป่วน แม้การแจกจ่ายผลประโยชน์บางส่วนจะช่วยบรรเทาปัญหาทางเศรษฐกิจได้ แต่ก็ทิ้งปัญหาด้านมนุษย์ไว้โดยไม่ได้รับการแก้ไข
ความปั่นป่วนเช่นนั้นสามารถทำลายเงื่อนไขทางการเมืองที่ความอุดมสมบูรณ์พึ่งพาอยู่ได้ นั่นคือความยินยอมที่จะสร้างศูนย์ข้อมูลต่อไป นำเครื่องจักรมาใช้ และบำรุงรักษาหุ่นยนต์ ยุโรปที่มีความอุดมสมบูรณ์แต่ไร้จุดหมาย อาจโหวตด้วยความไม่พอใจให้รื้อถอนระบบที่หล่อเลี้ยงมัน ในกรณีที่ดีที่สุด อนาคตที่ 2 คืออนาคตที่เลวร้าย ในกรณีที่แย่ที่สุด มันเป็นเพียงทางอ้อมที่ยาวไกลไปสู่อนาคตที่ 1
อนาคตที่ 3: ยุโรปนำหุ่นยนต์มาใช้และสร้างเศรษฐกิจใหม่
ในอนาคตที่สาม ยุโรปนำวิทยาการหุ่นยนต์มาใช้อย่างเต็มที่และสร้างความสามารถในการกำหนดทิศทางของมัน เราพัฒนาโมเดล ผลิตหุ่นยนต์ และสร้างโครงสร้างพื้นฐานที่ขับเคลื่อนมัน อุตสาหกรรมยุโรปยังคงแข่งขันได้ โดยรักษาองค์ความรู้ ความเป็นเจ้าของ และผลตอบแทนไว้ที่นี่ได้มากขึ้น ความร่วมมือระหว่างประเทศยังคงดำเนินต่อไป แต่ยุโรปมีความแข็งแกร่งทางเทคโนโลยีในการเจรจาเงื่อนไข และมีขีดความสามารถในการผลิตเพื่อค้ำจุนสถาบันสาธารณะของตน
ยุโรปมีโอกาสสร้างอนาคตนี้จากความแข็งแกร่งที่มีอยู่แล้ว มีความเชี่ยวชาญด้านการวิจัยระดับโลกในเรื่องการเรียนรู้ของหุ่นยนต์ มีฐานการผลิตที่ยังจ้างงานคนนับล้าน และมีธรรมเนียมทางวิศวกรรมที่สามารถเปลี่ยนความฉลาดของหุ่นยนต์ทั่วไปให้เป็นการใช้งานเฉพาะทางนับพันรูปแบบ ยุโรปเริ่มให้ทุนด้านพลังประมวลผลแล้ว ในเดือนกุมภาพันธ์ 2025 คณะกรรมาธิการประกาศโครงการ InvestAI โดยมีเป้าหมายระดมทุน 2 แสนล้านยูโรสำหรับ AI รวมถึง 2 หมื่นล้านยูโรสำหรับ "กิกะแฟกทอรี" ด้าน AI สิ่งที่ขาดไปคือความเชื่อมั่นว่า Physical AI คือพื้นที่ที่ยุโรปยังสามารถเป็นผู้นำได้ เพราะ Physical AI ให้รางวัลกับสิ่งที่ยุโรปเก่งอย่างแม่นยำ นั่นคือการผลิตที่ต้องการความเที่ยงตรง องค์ความรู้เชิงลึกในสาขาวิชา และความอดทนที่จะทำให้เครื่องจักรมีความน่าเชื่อถือ
ยิ่งไปกว่านั้น ผลตอบแทนจากวิทยาการหุ่นยนต์ควรจะถูกเก็บภาษีในยุโรป อะแลสกาจ่ายเงินปันผลประจำปีให้กับผู้อยู่อาศัยที่มีสิทธิ์ทุกคนจากความมั่งคั่งด้านน้ำมันมาตั้งแต่ปี 1982 และกองทุนความมั่งคั่งแห่งชาติของนอร์เวย์ที่สร้างจากน้ำมันในทะเลเหนือ ปัจจุบันถือหุ้นเฉลี่ย 1.5% ของบริษัทจดทะเบียนทั้งหมดในนามของประชาชน เงินปันผลจากหุ่นยนต์ของยุโรปที่จัดหาเงินทุนโดยตัวเครื่องจักรเอง ก็จะดำเนินตามโมเดลเดียวกัน แต่อย่างที่อนาคตที่ 2 แสดงให้เห็น รายได้อย่างเดียวไม่ได้มอบบทบาทให้กับผู้คน และหากความทะเยอทะยานของเรายังอยู่เท่าเดิม จะมีบทบาทเหลืออยู่น้อยมากที่จะมอบให้
หุ่นยนต์ที่ทำเกือบทุกอย่างที่เราทำได้ ไม่ช้าก็เร็วจะทำทุกอย่างที่เราต้องการให้ทำในปัจจุบัน ทิ้งให้เราอยู่กับความอุดมสมบูรณ์ทางวัตถุโดยไม่มีส่วนร่วมในการผลิตมัน แต่มนุษย์ก็จะยังคงเป็นมนุษย์ เราจะยังต้องการให้การทุ่มเทของเราได้รับการยอมรับ ต้องการโอกาสในการก้าวหน้า และต้องการชุมชนที่สังเกตเห็นเมื่อเราหายไป ไม่มีสิ่งใดเลยที่จะอยู่รอดได้ในโลกที่งานของเราไม่จำเป็นต่อสิ่งที่เราใส่ใจอีกต่อไป
คำตอบของเราคือหลักการที่เราเรียกว่า Interstellar โดยแก่นแท้แล้ว ขอบเขตของความทะเยอทะยานของมนุษยชาติจะต้องยิ่งใหญ่กว่าขีดความสามารถในการผลิตของเราเสมอ หากหุ่นยนต์ที่เรามีสามารถทำโครงการได้หนึ่งพันโครงการ เราก็ควรพยายามทำหนึ่งพันหนึ่งโครงการ เมื่อเครื่องจักรทุกตัวถูกใช้งานหมดแล้ว งานที่เหลืออยู่ ไม่ว่าจะคิดเป็นสัดส่วนน้อยนิดเพียงใดของทั้งหมด ก็จะตกเป็นของผู้คน หุ่นยนต์จะสร้างหุ่นยนต์เพิ่มขึ้นและไล่ตามช่องว่างนั้นให้ทัน ดังนั้นทุกครั้งที่เครื่องจักรของเราไล่ตามความทะเยอทะยานทัน ความทะเยอทะยานของเราก็ต้องขยับไปอีก ภายใต้เงื่อนไขนั้น ผู้คนจะยังคงมีความจำเป็นแม้ในโลกที่เครื่องจักรทำเกือบทุกอย่างได้ดีกว่าเรา
ไม่ว่าเราจะไปถึงดวงดาวได้จริงหรือไม่ ชื่อนี้ก็ชี้ไปยังเป้าหมายที่อยู่เหนือสิ่งที่เราทำได้ในปัจจุบันเสมอ โรเบิร์ต บราวนิง แสดงแนวคิดนี้ไว้ในปี 1855 ว่า "การเอื้อมถึงของคนเราควรไกลกว่าสิ่งที่คว้าได้... มิฉะนั้นจะมีสวรรค์ไว้ทำไม?" ตัวอย่างที่ใกล้เคียงที่สุดคือโครงการอะพอลโล ที่มหาวิทยาลัยไรซ์ในปี 1962 จอห์น เอฟ. เคนเนดี กล่าวว่าอเมริกาจะไปดวงจันทร์และ "ทำสิ่งอื่นๆ ไม่ใช่เพราะมันง่าย แต่เพราะมันยาก" ในช่วงสูงสุด โครงการนี้มีผู้คนราว 400,000 คนจากภาครัฐ อุตสาหกรรม และมหาวิทยาลัยเข้าร่วม โดยได้รับการสนับสนุนจากบริษัทกว่า 20,000 แห่ง วิศวกร ช่างเชื่อม นักคณิตศาสตร์ และช่างเย็บผ้าที่เย็บชุดอวกาศ ต่างพบว่าตนเองเป็นส่วนหนึ่งของความสำเร็จของมนุษย์ที่โดดเด่นที่สุดในศตวรรษของพวกเขา
มีไม่กี่คนที่ได้รับการฝึกมาเพื่อบินสู่อวกาศ แต่พวกเขานำทักษะและความเชี่ยวชาญที่มีมาสู่เป้าหมายที่ต้องการสิ่งเหล่านั้น เป้าหมายที่ใหญ่กว่าของยุโรปก็จะเรียกร้องสิ่งเดียวกันจากผู้คนที่มีบทบาทถูกหุ่นยนต์เข้ามาแทนที่ และคนส่วนใหญ่จะต้องการความช่วยเหลือในการเปลี่ยนผ่าน นี่คือบทบาทที่เราจินตนาการไว้สำหรับ shift: แพลตฟอร์มสำหรับการเรียนรู้ต่อเนื่อง การปรับทักษะใหม่ และการทำงานที่มีความหมาย ซึ่งสร้างขึ้นโดยความร่วมมือกับรัฐบาล นายจ้าง และสถาบันท้องถิ่น เป้าหมายคือ shift จะช่วยฝึกฝนผู้คนสำหรับงานที่จำเป็นในส่วนขอบ (margin) และเชื่อมโยงพวกเขาเข้ากับงานนั้น
ในขณะที่บริษัทเอกชนสามารถปรับปรุงการเข้าถึงการเรียนรู้และสร้างโอกาสได้ สิทธิในรายได้ เงินทุนสาธารณะ และการเข้าถึงอย่างเป็นธรรมยังคงต้องอยู่กับสถาบันประชาธิปไตย เพราะสิ่งเหล่านี้สำคัญกว่าโชคลาภหรือลำดับความสำคัญของบริษัทใดบริษัทหนึ่ง การจัดการการเปลี่ยนผ่านอาจครอบคลุมตั้งแต่การคุ้มครองรายได้ก่อนถูกแทนที่ ไปจนถึงการแบ่งปันผลประโยชน์จากระบบอัตโนมัติ (โดยใช้กลไกบางอย่างที่อธิบายไว้ข้างต้น) และเส้นทางที่ได้รับการสนับสนุนเงินทุนผ่าน shift ไปสู่งานที่เป้าหมายใหญ่กว่านั้นสร้างขึ้น
และไม่มีบริษัทใดบริษัทหนึ่งที่จะรับผิดชอบเพียงผู้เดียวในการกำหนดความทะเยอทะยานในระดับนี้ได้ มันจำเป็นต้องมีข้อตกลงที่บริษัท คนงาน และหน่วยงานรัฐ เห็นพ้องกันว่ายุโรป และมนุษยชาติโดยทั่วไป ตั้งใจจะทำอะไรกับความอุดมสมบูรณ์นี้
เราไม่สามารถนำไปใช้อย่างกว้างขวางอย่างมีความรับผิดชอบได้หากปราศจากข้อตกลงเช่นนั้น และเราต้องการมันในเร็วๆ นี้ เรายังบอกไม่ได้ว่างานในส่วนขอบนั้นจะเป็นอะไร หรือมันจะมอบความรู้สึกว่าได้สร้างคุณค่าแบบที่งานในปัจจุบันมอบให้ผู้คนได้หรือไม่ แต่ทางเลือกอีกทางคือสังคมที่ความทะเยอทะยานถูกเติมเต็มด้วยเครื่องจักรจนหมดสิ้น และอนาคตที่ 2 ก็ได้แสดงให้เห็นแล้วว่านั่นจะนำไปสู่อะไร
ไม่มีจุดสิ้นสุดที่มองเห็นได้สำหรับสิ่งที่มนุษยชาติสามารถเลือกทำ เราอาจค้นพบวิธีใหม่ๆ ในการรักษาโรค ฟื้นฟูระบบนิเวศที่เราทำลาย สำรวจมหาสมุทร สร้างชีวิตนอกโลก และในที่สุดก็เดินทางไปถึงดวงดาวอื่นๆ แต่ละความสำเร็จจะเผยให้เห็นความเป็นไปได้ใหม่ๆ และแต่ละอย่างจะเรียกร้องจากเรามากกว่าที่เครื่องจักรในยุคนั้นจะจัดหาให้ได้ด้วยตัวเอง อารยธรรมที่ตั้งเป้าหมายขนาดใหญ่เช่นนี้อยู่เสมอจะไม่มีวันขาดงานสำหรับประชาชนของตน เพราะทุกเป้าหมายที่บรรลุจะชี้ให้เห็นเป้าหมายที่ใหญ่กว่า นั่นแหละคือความหมายของ Interstellar มากกว่าจุดหมายปลายทางใดๆ
ไม่ว่าหุ่นยนต์จะเก่งกาจเพียงใด ขนาดของสิ่งที่เรากำลังพยายามทำก็จะรักษาพื้นที่สำหรับผู้คนเอาไว้ และพื้นที่นั้นมาพร้อมกับการได้รับการยอมรับ สถานะ และความรู้สึกว่าได้สร้างคุณค่า ซึ่งการทำงานได้มอบให้กับผู้คนมาหลายชั่วอายุคน
แหล่งอ้างอิง @ bercankilic.com
