Jensen Huang ซีอีโอ NVIDIA เผยเหตุผลที่ AI จะไม่มาแทนที่งานของคุณ: ความย้อนแย้งของรังสีวิทยา

ประมาณ 10 ปีที่แล้ว นักวิทยาศาสตร์คอมพิวเตอร์ระดับโลกคนหนึ่งได้กล่าวไว้ว่า:

"งานแรกที่จะหายไปเพราะ AI คือนักรังสีวิทยา"

สิบปีผ่านไป คำทำนายนี้เป็นจริงแค่ครึ่งเดียว

เรื่องราวนี้ถูกเล่าโดย Jensen Huang ซีอีโอของ NVIDIA ระหว่างการพูดคุยที่ Milken Institute ในเดือนพฤษภาคม 2024

เริ่มจากครึ่งที่เป็นจริงก่อน

คอมพิวเตอร์วิทัศน์ (Computer Vision) มีความสามารถเหนือมนุษย์อย่างสมบูรณ์ในงานจำกัดเฉพาะอย่างการตีความภาพสแกน มันรักษาสมาธิได้นานกว่ามนุษย์ และตรวจจับความผิดปกติเล็กๆ น้อยๆ ที่มนุษย์อาจมองข้าม ตามที่ Huang กล่าว สิบปีต่อมา AI มีอัตราการเจาะตลาด 100% ในวงการรังสีวิทยา

แต่ครึ่งที่ผิดพลาดนั้นลึกซึ้งมาก

งานของนักรังสีวิทยาไม่ได้หายไป ในทางตรงกันข้าม กลับเกิดสิ่งที่ตรงกันข้าม

เมื่อ AI จัดการการอ่านภาพสแกน แพทย์สามารถอ่านภาพสแกนได้มากขึ้น พวกเขารับคนไข้ได้มากขึ้นและวินิจฉัยโรคได้แม่นยำขึ้น

ผลที่ตามมาคือ รายได้ของโรงพยาบาลเพิ่มขึ้น รังสีวิทยากลายเป็นหนึ่งในแผนกที่สร้างรายได้สูงสุดในโรงพยาบาล และตอนนี้โรงพยาบาลต้องการจ้างนักรังสีวิทยาเพิ่มมากขึ้นอีก

Huang ยังชี้ให้เห็นว่าถ้าทุกคนเชื่อคำทำนายนั้นและหยุดใฝ่ฝันที่จะเป็นนักรังสีวิทยา โลกก็จะสูญเสียพรสวรรค์ที่สำคัญอย่างยิ่งนี้ไป

ฉันอยากให้คนที่รู้สึกไม่สบายใจทุกครั้งที่เห็นข่าว AI อาจมาแย่งงาน ให้เข้าใจเหตุผลเบื้องหลังการพลิกกลับนี้

พอคุณอ่านจบ ความกังวลคลุมเครือนั้นควรเปลี่ยนเป็นการกระทำที่เป็นรูปธรรม: "คืนนี้ ฉันจะแบ่งงานของฉันออกเป็นสองส่วนบนกระดาษ และลองมอบงานหนึ่งชิ้นให้ AI ทำพรุ่งนี้"

"งาน" หายไป แต่ "เป้าหมาย" ของงานไม่ได้หายไป

ทำไมคำทำนายถึงล้มเหลว?

คำตอบของ Huang โดยพื้นฐานแล้วคือประโยคเดียว

"สิ่งที่ทุกคนมองข้ามคือ เป้าหมายของงานกับงานย่อยของงานนั้นเกี่ยวข้องกัน แต่ไม่ใช่สิ่งเดียวกัน"

เป้าหมายของนักรังสีวิทยาไม่ใช่การจ้องมองภาพสแกนบนหน้าจอในห้องมืด

มันคือการทำงานร่วมกับแพทย์คนอื่นเพื่อวินิจฉัยโรคและรักษาคนไข้ การอ่านภาพสแกนเป็นเพียง "งานย่อย" เพื่อให้บรรลุเป้าหมายนั้น

ดังนั้น ถึงแม้งานย่อยจะถูกทำอัตโนมัติ งานหลักก็ไม่ได้หายไป กลับกัน เวลาที่สามารถอุทิศให้กับเป้าหมายเพิ่มขึ้น จำนวนคนไข้ที่ดูเพิ่มขึ้น และงานก็เปลี่ยนไปสู่การเติบโต

จากนั้น Huang ก็ยกตัวอย่างตัวเอง ซึ่งน่าสนใจมาก

"100% ของงานที่ฉันทำเพื่อทำงานคือการพิมพ์และการพูดคุย AI ทำทั้งสองอย่างนี้โดยอัตโนมัติอย่างสมบูรณ์แล้ว และทำได้ดีกว่ามนุษย์อย่างสิ้นเชิง ถ้าเป็นอย่างนั้น ฉันควรจะตกงาน แต่เรากลับทำงานหนักกว่าที่เคย"

เขาบอกว่าเรื่องเดียวกันนี้ใช้กับวิศวกรซอฟต์แวร์ด้วย

เป้าหมายของวิศวกรไม่ใช่การพิมพ์โค้ด แต่เป็นการแก้ปัญหาและสร้างสิ่งใหม่ๆ เขายังพูดติดตลกว่าไม่มีเด็กคนไหนที่ย้ายมาอเมริกาตอนอายุเก้าขวบเพราะฝันถึงชีวิตที่ใช้เวลาพิมพ์คีย์บนหน้าจอเล็กๆ ตั้งแต่เช้าจรดเย็น

สิ่งนี้ใช้ได้กับงานของคุณโดยตรงเช่นกัน

การสร้างเอกสาร สรุปบันทึกการประชุม บันทึกตัวเลข ตอบอีเมล สิ่งเหล่านั้นคืองานย่อย

การทำให้ลูกค้าพึงพอใจ การขับเคลื่อนทีมไปข้างหน้า การสร้างยอดขาย สิ่งเหล่านั้นคือเป้าหมาย

AI กำลังมาที่จะกำจัดงานย่อย

Huang พูดถึงสถานการณ์ปัจจุบัน: "AI เพิ่งจะมีประโยชน์ในไม่กี่เดือนที่ผ่านมานี้"

แล้วตอนนี้ AI อยู่จุดไหน?

ฉันคิดว่าธรรมชาติที่แท้จริงของความกังวลคือความรู้สึกที่ว่า "วิวัฒนาการเร็วมากจนมองไม่เห็นภาพรวม" การจัดระเบียบของ Huang นี้เข้าใจง่ายมากในฐานะแผนที่นำทาง

เมื่อสองปีก่อน ChatGPT ปรากฏตัวขึ้น และ Generative AI ก็ถือกำเนิด ตามที่ Huang กล่าว มีสองประเด็นสำคัญที่ทำให้ "การสร้าง" เป็นไปได้

ประการแรก: การคิดคือการสร้างความคิด (tokens) ในสมอง ดังนั้นเมื่อการสร้างเป็นไปได้ เส้นทางก็เปิดออกสำหรับ AI ในการคิดและให้เหตุผล

ประการที่สอง: การใช้เครื่องมือต้องสร้างคำสั่ง แม้แต่การใช้งานเบราว์เซอร์ก็ต้องสร้างคำพูดเพื่อควบคุมบางสิ่ง

AI ที่ให้เหตุผลนี้เกิดขึ้นเมื่อปีที่แล้ว และตอนนี้เราอยู่ในขั้นตอนของ "agentic AI" ที่สามารถเข้าใจ ให้เหตุผล วางแผน และใช้เครื่องมือเพื่อทำงานที่มีประโยชน์ให้สำเร็จ

สัญลักษณ์ที่ถูกยกมาคือ Claude Code ของ Anthropic

เขาตั้งข้อสังเกตว่ามันเป็นระบบ agentic ระบบแรกที่จัดการงานที่มีประสิทธิผลอย่างแท้จริง เช่น การเขียนโค้ดซอฟต์แวร์ สิ่งสำคัญตรงนี้คือ Huang เน้นว่า "การเขียนโค้ดไม่ใช่แค่สำหรับวิศวกร"

การเขียนโค้ดคือ "การแปลงสิ่งที่คุณต้องการทำซ้ำโดยอัตโนมัติเป็นโปรแกรม" ไม่มีบริษัทไหนในโลกที่ไม่มีอะไรที่ต้องการทำให้เป็นอัตโนมัติ ดังนั้น การเขียนโค้ดจึงสำคัญอย่างยิ่งสำหรับทุกบริษัท

และการเปลี่ยนแปลงนี้ได้สร้างการระเบิดของพลังการคำนวณ

ปริมาณการคำนวณที่จำเป็นสำหรับ agentic AI นั้นมากกว่า Generative AI ประมาณ 1,000 เท่า คูณด้วยความจริงที่ว่า "จำนวนคนที่ต้องการใช้มันเพิ่มขึ้น 100 เท่า"

นั่นเป็นเหตุผลที่ความต้องการ GPU ระเบิดขึ้น และ甚至有เรื่องเล่าว่า GPU ที่ขายไปเมื่อ 4-5 ปีก่อนมีมูลค่าเพิ่มขึ้นเร็วกว่าไวน์ชั้นดี

ยิ่งไปกว่านั้น Huang ชี้ให้เห็นว่าอัตรากำไรขั้นต้นของบริษัท AI-native อย่าง OpenAI และ Anthropic กลายเป็นบวกอย่างมีนัยสำคัญในช่วง 3-6 เดือนที่ผ่านมา และเขากล่าวอย่างตรงไปตรงมาว่า:

"AI เพิ่งจะมีประโยชน์ในไม่กี่เดือนที่ผ่านมานี้"

วิธีการใช้คอมพิวเตอร์ของเราก็จะเปลี่ยนไปเช่นกัน

จนถึงตอนนี้ มันคือ "การดึงข้อมูล" ที่คนอื่นเคยสร้างและบันทึกไว้

จากนี้ไป เมื่อคุณสื่อสารความตั้งใจของคุณเหมือนกับคุยกับคน AI จะคิดหาวิธี วางแผน เชี่ยวชาญเครื่องมืออย่างเบราว์เซอร์ Excel หรือ Photoshop และส่งคืนผลลัพธ์ที่เสร็จสมบูรณ์

ในขณะที่คุณกำลังกลัว เครื่องมือยังคงก้าวหน้าไปในทิศทางนี้

งานจะไม่หายไป แต่ "งานของทุกคน" จะได้รับผลกระทบ

ถึงจุดนี้ มันอาจฟังดูเหมือนการมองโลกในแง่ดีล้วนๆ อย่างไรก็ตาม Huang ยังพูดถึงความจริงเกี่ยวกับการจ้างงานอย่างชัดเจน

ประการแรก สิ่งที่ AI กำลังทำในตอนแรกคือการสร้างงานจำนวนมหาศาล

โรงงานชิป โรงงานคอมพิวเตอร์ โรงงาน AI การปฏิวัติอุตสาหกรรมครั้งใหม่มูลค่าหลายล้านล้านดอลลาร์กำลังเกิดขึ้นในโรงงานสามประเภทนี้

ปีที่แล้ว 100 พันล้านดอลลาร์ ซึ่ง Huang เรียกว่าการลงทุนที่ใหญ่ที่สุดในประวัติศาสตร์มนุษย์ ไหลเข้าสู่สตาร์ทอัพที่เกี่ยวข้องกับ AI และทั้งหมดกลายเป็นงาน

นอกจากนี้ยังมีข้อขัดแย้งที่น่าสนใจ

แม้ว่าการเขียนโค้ดจะเป็นสิ่งแรกที่ AI ทำได้ดี แต่ตำแหน่งงานว่างสำหรับวิศวกรซอฟต์แวร์กลับเพิ่มขึ้น เหตุผลคือความทะเยอทะยานเพิ่มขึ้น ด้วย AI สามารถทำอะไรได้มากขึ้น ดังนั้นจึงมีการจ้างคนมากขึ้น

อย่างไรก็ตาม Huang ยังพูดถึง "การย้ายตำแหน่ง" อย่างชัดเจน

"ถ้านักเรียนที่จบจากมหาวิทยาลัยในวันนี้ไม่สามารถเชี่ยวชาญ AI ได้ พวกเขาจะไม่สามารถทำงานแทนผู้สำเร็จการศึกษาที่ทำได้"

"ทักษะที่ไม่จำเป็นเมื่อวานนี้ กลายเป็นสิ่งจำเป็นในวันนี้"

การดำเนินงานที่งานย่อยคืองานนั้นจะถูกแทนที่แน่นอน Huang ยกตัวอย่างการจองโต๊ะอาหารทางโทรศัพท์ของร้านอาหาร งานแค่รับสายและรับการจองจะย้ายไปที่ AI แต่คนคนนั้น แทนที่จะเป็นพนักงานรับโทรศัพท์ จะสามารถเผชิญหน้ากับลูกค้าที่อยู่ตรงหน้าได้

บทสรุปคือ:

"งานจำนวนมากจะถูกสร้างขึ้น งานบางอย่างจะหายไป แต่งานทั้งหมดจะได้รับผลกระทบ"

กล่าวอีกนัยหนึ่ง ไม่มีเขตปลอดภัยที่ไร้ลม แต่ก็ไม่ใช่เรื่องราวแห่งความสิ้นหวังเช่นกัน เส้นแบ่งไม่ใช่อาชีพ แต่อยู่ที่ว่าคุณอยู่ฝ่ายที่ใช้ AI หรือไม่ นั่นคือประเด็น

ผู้แพ้ที่ใหญ่ที่สุดคือคนที่กลัวเกินกว่าจะแตะต้อง AI

ในการพูดคุย ความขัดแย้งระหว่างผู้มองโลกในแง่ร้ายต่อ AI (doomers) และผู้มองโลกในแง่ดี (boomers) ก็เป็นหัวข้อหนึ่งเช่นกัน

เมื่อถูกถามว่าเขาเป็นผู้มองโลกในแง่ดีชั้นนำหรือไม่ คำตอบของ Huang คือ "ฉันเป็นนักปฏิบัติ"

การตอบสนองของเขาเมื่อเผชิญกับทฤษฎีของ Geoffrey Hinton "บิดาแห่ง AI" ที่ว่ามีโอกาส 20-30% ที่ AI จะทำให้มนุษย์สิ้นสุด ก็สร้างความประทับใจเช่นกัน

"สิ่งที่เขาคิดผิดอย่างสิ้นเชิงคือการคิดว่าคนฉลาดจำนวนมากไม่ได้ทำงานเพื่อป้องกันสิ่งนั้น"

สำหรับทุกคนที่พยายามทำให้รถเร็วขึ้น มีสิบคนที่พยายามทำให้มันปลอดภัยขึ้น สำหรับทุกคนที่พยายามทำให้ AI ฉลาดขึ้น มีสิบคนที่ทำงานเกี่ยวกับการ์ดกันตกและความปลอดภัย

ยิ่งไปกว่านั้น "ความกังวลที่ใหญ่ที่สุด" ที่ Huang ยกขึ้นมาก็ไม่คาดคิด

มันไม่ใช่เรื่องของประเทศอื่นที่มี AI แต่มันคือคนในประเทศของเขาเอง ที่ถูกป้อนเรื่องสยองขวัญแนวไซไฟอย่างต่อเนื่อง จะกลัวเกินไปที่จะแตะต้อง AI และผลที่ตามมาคือประเทศจะสูญเสียความเป็นผู้นำ

"เหตุผลที่อเมริกาได้ประโยชน์จากการปฏิวัติอุตสาหกรรมครั้งก่อน ไม่ใช่เพราะเราคิดค้นมัน แต่เพราะเรานำไปใช้"

นี่เป็นเรื่องราวเกี่ยวกับประเทศ แต่ฉันคิดว่าสามารถแปลโดยตรงไปยังบุคคลได้ เวลาที่ใช้ไปกับการกลัวบทความที่สร้างความตื่นตระหนกและรอดูผลคือต้นทุนที่ใหญ่ที่สุด การทำให้มันปลอดภัยคืองานของอุตสาหกรรม การนำไปใช้คืองานของคุณ

"ความทะเยอทะยานนั้นน้อยเกินไป จงเพิ่มความคาดหวังของคุณขึ้น 100 เท่า"

ในตอนท้ายของการพูดคุย เมื่อถูกถามว่าตอนนี้เขากำลังคิดอะไรอยู่ Huang ได้เล่าเรื่องนี้

นักวิจัยที่เคยใช้เวลาหลายเดือนในการสำรวจแนวคิดใหม่ๆ ตอนนี้สามารถทำได้ภายในวันเดียวโดยใช้ AI หลายเดือนกลายเป็นวันเดียว

ความก้าวหน้ากำลังเกิดขึ้นในทุกสาขา: วิทยาศาสตร์พลังงาน วิทยาศาสตร์ภูมิอากาศ ชีววิทยา การค้นพบยา และวิทยาศาสตร์กายภาพ

"ถ้าคุณเห็นสิ่งที่ฉันเห็นทุกวัน คุณจะตื่นเต้นและตระหนักถึงสิ่งนี้: ไม่ว่าคุณจะมีความทะเยอทะยานอะไรในอดีต มันไม่พอ มีเพียงสิ่งเดียวที่ต้องเปลี่ยน: เพิ่มความคาดหวังของคุณขึ้นประมาณ 100 เท่า"

แล้วพรุ่งนี้เราควรทำอะไร?

ถ้าเราเปลี่ยนการพูดคุยนี้เป็นการกระทำ ฉันคิดว่ามีสามสิ่ง:

1. คืนนี้ เขียนงานของคุณลงบนกระดาษและแบ่งเป็น "เป้าหมาย" และ "งานย่อย" สำหรับนักรังสีวิทยา การรักษาคนไข้คือเป้าหมาย และการอ่านภาพสแกนคืองานย่อย งานของคุณอันไหนคืออะไร?

1. พรุ่งนี้ ลองมอบงานย่อยแค่งานเดียวให้ AI อาจจะเป็นบันทึกการประชุม ร่างเอกสาร หรือการวิจัย ถึงแม้จะไม่สำเร็จ แต่ตอนที่คุณลงมือทำ คุณได้ย้ายจากฝั่งรอคอยไปสู่ฝั่งผู้ใช้แล้ว

1. อุทิศเวลาที่คุณว่างให้กับเป้าหมาย ลูกค้า การวางแผน ผลลัพธ์ คุณค่าของคุณอยู่ที่ส่วนที่คุณไม่สามารถมอบให้ AI ได้

คุณจะอยู่ฝั่งที่หายไปหรือฝั่งที่เพิ่มขึ้น?

เส้นแบ่งไม่ใช่อาชีพหรืออายุ แต่อยู่ที่ว่าคุณทำการแยกแยะนี้หรือไม่ ฉันเข้าใจแบบนั้น

สุดท้ายนี้ คำถาม

"เป้าหมาย" ของงานคุณคืออะไร? และ "งานย่อย" อะไรที่คุณจะมอบให้ AI ทำก่อนพรุ่งนี้?

ฉันอยากได้ยินจากคุณในคำพูดหรือการตอบกลับ