เจนเซน หวง เขียนใน X ครั้งแรก “บอกว่าสหรัฐเดินผิดทาง” AI ควรเป็น Open Source เพื่อลดต้นทุนทั้งระบบ.. อีลอน มัสก์ เห็นด้วย

ล่าสุด เจนเซน หวง ได้เขียน X ครั้งแรก

บทเรียนจาก open-source ยุค 1980s
ในยุค 1980s เหล่าผู้บุกเบิก open-source software ท้าทายความเชื่อที่ว่าซอฟต์แวร์จะก้าวหน้าได้ก็ต่อเมื่อบริษัทคุมโค้ดไว้แน่น พวกเขาผลักดันระบบนิเวศแบบโปร่งใสที่นักพัฒนาทั่วโลกศึกษา ดัดแปลง และปรับปรุงได้

ทุกวันนี้ open-source รองรับอินเทอร์เน็ตเกือบทั้งหมด อยู่เบื้องหลังระบบของบริษัทเทคยักษ์ใหญ่ กองทัพสหรัฐฯ และหน่วยงานรัฐบาลกลาง สิ่งที่ open-source ให้มากกว่าการลดต้นทุน คือการสร้าง "ฐานความรู้ร่วม" ที่วิศวกรและผู้ประกอบการอเมริกันหลายรุ่นใช้ต่อยอดจนเกิดเป็นอธิปไตยเชิงสถาบัน

สหรัฐฯ กำลังเผชิญทางเลือกเดียวกันกับ AI

ความเป็นผู้นำด้าน AI ของสหรัฐฯ จะไม่ถูกตัดสินจากโมเดล frontier เพียงตัวเดียว แต่จะวัดกันที่ว่าสหรัฐฯ สร้างระบบนิเวศแบบเปิดที่แข็งแรงและกระจายเข้าไปในทุกภาคส่วนได้หรือไม่ Open-weight models — โมเดลที่ใครก็ดาวน์โหลด ตรวจสอบ ดัดแปลง และรันบนโครงสร้างพื้นฐานของตัวเองได้ — เป็นชิ้นส่วนสำคัญของฐานนี้ เพราะทำให้ AI ขั้นสูงเข้าถึงง่าย ปรับแต่งได้ และแพร่หลายกว้างขวางขึ้น

ข้อดี 3 ด้านที่จดหมายเน้นย้ำ

ขยายการเข้าถึงเศรษฐกิจ AI — สตาร์ทอัพ ธุรกิจ มหาวิทยาลัย และหน่วยงานรัฐ สามารถต่อยอดจากโมเดลขั้นสูงได้โดยไม่ต้องเทรนเองตั้งแต่ต้นหรือจ่ายราคาระดับ frontier ทุกงาน หลักคือ "จับคู่โมเดลให้เหมาะกับงานในต้นทุนที่เหมาะ" สงวนพลัง frontier ไว้กับปัญหาระดับ frontier จริง ๆ และใช้โมเดลเฉพาะทางที่มีประสิทธิภาพในงานอื่น วินัยแบบนี้จะทำให้ AI ยั่งยืนเชิงเศรษฐกิจเมื่อขยายสู่งานประจำวันนับพันล้านงาน — อเมริกาชนะยุค AI ด้วยการแทรกซึมเข้าสู่โรงงาน โรงพยาบาล ฟาร์ม ห้องเรียน และธุรกิจท้องถิ่น

เสริมการแข่งขัน — การเปิดให้หลายองค์กรสร้างและปรับใช้โมเดล ทำให้เกิดการแข่งขันไม่เพียงระหว่างผู้พัฒนาโมเดล แต่ทั่วทั้งห่วงโซ่ ตั้งแต่คลาวด์ ชิป แอปพลิเคชัน ไปจนถึงบริการ การแข่งขันนี้กระตุ้นนวัตกรรม กดต้นทุนลง และกระจายประโยชน์อย่างทั่วถึง

ให้ลูกค้าควบคุมได้มากขึ้น — องค์กรไม่ต้องการถูกล็อกกับผู้ให้บริการรายเดียว open weights ช่วยให้ควบคุมข้อมูลของตัวเอง ประเมินและปรับโมเดลตามความต้องการ และนำไปใช้ที่ไหนก็ได้ พร้อมเป็นเจ้าของคุณค่าที่สร้างขึ้นเอง ซึ่งขับเคลื่อนอธิปไตยและความมั่งคั่งของอเมริกา

ประเด็นความเสี่ยงและความปลอดภัย (แกนสำคัญที่สุด)

ยอมรับตรง ๆ ว่า open weights มีความเสี่ยงจริง — เมื่อปล่อยออกไปแล้ว น้ำหนักโมเดลอยู่นอกเหนือการควบคุมของผู้พัฒนา และเวอร์ชันที่ถูกดัดแปลงตามรอยย้อนกลับได้ยาก แต่คำตอบที่ถูกต้องไม่ใช่การห้าม ในโลกที่ผู้โจมตีไซเบอร์ใช้ AI ขั้นสูง ฝ่ายป้องกันก็ต้องเข้าถึงโมเดลที่มีความสามารถเทียบเท่าเพื่อตรวจจับ จำลอง และรับมือภัยคุกคาม

ที่น่าสนใจคือข้อโต้แย้งแบบสวนทาง: ความเปิดกว้างอาจเป็นหนึ่งในเส้นทางสำคัญที่สุดสู่ความปลอดภัยของ AI การพึ่งพาโมเดลปิดล้วน ๆ ไม่ได้ปลอดภัยโดยเนื้อแท้ เพราะถูกเจาะ ถูกใช้ในทางที่ผิด หรือล้มเหลวในแบบที่คนนอกตรวจไม่เจอได้ การกระจุกความสามารถ AI ไว้ในโมเดลปิดไม่กี่ตัวยิ่งสร้าง "single point of failure" ตรงกันข้าม open weights เปิดให้ชุมชนนักวิจัยวงกว้างตรวจสอบพฤติกรรม หาช่องโหว่ และพัฒนามาตรการป้องกัน เช่นเดียวกับที่ open-source พิสูจน์แล้วว่า "ความโปร่งใสปลอดภัยกว่าการปิดบัง"

ข้อเสนอเชิงนโยบาย

ผู้กำหนดนโยบายควรลงมือ: ขยายการเข้าถึง compute ให้สตาร์ทอัพและนักวิจัย ลงทุนในทรัพยากรเทรนร่วม (ชุดข้อมูล เครื่องมือ กรอบประเมิน) และรักษา frontier ให้มีผู้เล่นหลากหลายด้วยการหลีกเลี่ยงข้อจำกัดที่รีบร้อนเกินไปกับโมเดลเปิด

ประเด็นสำคัญที่แฝงนัยการเมือง:

จดหมายเรียกร้องว่า อย่าเหมารวม "distillation" ว่าเป็นการขโมย — distillation (การใช้เอาต์พุตของโมเดลหนึ่งช่วยเทรนอีกโมเดล) เป็นเทคนิคปรับปรุงโมเดลที่ใช้กันแพร่หลาย ส่วนการดึงคุณค่าจากโมเดลปิดอย่างผิดกฎหมายเป็นเรื่องที่ควรจัดการด้วยกรอบกฎหมายเฉพาะจุด ไม่ใช่การห้ามเทคนิคแบบเหมารวม (จุดนี้คือการตอบโต้ท่าทีของ รมต.คลัง Bessent ที่ขู่คว่ำบาตรบริษัทจีนเรื่อง distillation โดยตรง)

ยุค AI สามารถเป็นยุคแห่งความรุ่งเรืองได้ ถ้าเลือกถูก open-weight AI จะขยายโอกาส เสริมการแข่งขัน ต่ออายุความเป็นผู้นำเทคโนโลยีอเมริกัน และกระจายประโยชน์อย่างทั่วถึง — "อนาคตนั้นคุ้มค่าที่จะสร้าง และสหรัฐฯ ควรเป็นผู้นำในการสร้างมัน"

ผู้ร่วมลงนาม (25 องค์กร): American Innovators Network, Andreessen Horowitz, Arcee AI, Arena, Black Forest Labs, Box, CrowdStrike, Dell Technologies, Emergence Capital, Hugging Face, IBM, The Linux Foundation, Mariana Minerals, Meta, Microsoft, Mistral, Mozilla, NVIDIA, Palantir, Perplexity, Reflection, Replit, ServiceNow, Telnyx, Y Combinator
น่าสังเกตว่ารายชื่อนี้ ไม่มี OpenAI, Anthropic, Google ซึ่งเป็นค่าย closed-model รายใหญ่ — สะท้อนเส้นแบ่งจุดยืน open vs closed ในอุตสาหกรรมได้ชัดเจน