OpenAI ล็อบบี้เรื่องโมเดล AI แบบเปิด? ทำไมผู้นำเทคโนโลยีถึงเห็นต่าง

OpenAI ล็อบบี้เรื่องโมเดล AI แบบเปิด? OpenAI และ Anthropic ได้เรียกร้องให้ผู้กำหนดนโยบายในสหรัฐฯ นำมาตรการกำกับดูแลที่เข้มงวดขึ้นมาใช้กับโมเดล AI แบบเปิด (Open-weight) ที่มีความก้าวหน้า ส่งผลให้เกิดการแบ่งขั้วภายในซิลิคอนแวลลีย์ ในขณะที่ปัญญาประดิษฐ์เชิงสร้างสรรค์กำลังเข้ามาเปลี่ยนโครงสร้างพื้นฐานซอฟต์แวร์ของโลก เหล่าผู้นำด้านเทคโนโลยีกลับมีความเห็นแตกแยกในเรื่องรูปแบบการแจกจ่ายซอฟต์แวร์ ผู้ให้บริการแบบ Closed-API โต้แย้งว่าโมเดลแบบเปิดที่มีความก้าวหน้าสูงจำเป็นต้องมีมาตรการคุ้มครองจากรัฐบาลเพื่อจัดการกับความเสี่ยงด้านความปลอดภัย ในทางกลับกัน ผู้สนับสนุนโมเดลแบบเปิด ซึ่งรวมถึงผู้นำจาก Nvidia, Microsoft และ Meta โต้แย้งว่าการจำกัดสถาปัตยกรรมแบบเปิดจะขัดขวางการแข่งขันทางเศรษฐกิจและเป็นการกระจุกอำนาจไว้ที่ผู้ให้บริการแบบปิดเพียงไม่กี่ราย

ปัญหาเชิงปฏิบัติและช่องว่างทางเศรษฐกิจ: OpenAI ล็อบบี้กฎระเบียบสำหรับโมเดล AI แบบเปิด

ภาพรวมโดยสรุป

• OpenAI และ Anthropic ได้เรียกร้องให้หน่วยงานกำกับดูแลของรัฐบาลกลางจัดตั้งการกำกับดูแลที่เข้มงวดขึ้นสำหรับสถาปัตยกรรม AI แบบเปิด โดยอ้างถึงความกังวลด้านความมั่นคงของชาติและความเสี่ยงด้านความปลอดภัย
• กลุ่มผู้นำด้านเทคโนโลยี 25 ราย รวมถึง Nvidia, Microsoft, Meta และ IBM ได้ร่วมกับสตาร์ทอัพเกือบ 200 ราย เพื่อคัดค้านการจำกัดโมเดลแบบเปิด
• การเพิ่มขึ้นของโมเดลแบบเปิดที่มีประสิทธิภาพสูงและคุ้มค่าจากห้องปฏิบัติการทั่วโลกได้เข้ามาท้าทายรูปแบบเศรษฐศาสตร์หน่วย (unit economics) ของโมเดลแบบสมัครสมาชิกผ่าน API แบบปิดอย่างสิ้นเชิง

พลวัตเชิงพาณิชย์ของระบบนิเวศซอฟต์แวร์กำลังเผชิญกับการเปลี่ยนแปลงครั้งสำคัญ เป็นเวลาหลายปีที่ผู้ให้บริการ AI แบบกรรมสิทธิ์ (Proprietary) รักษาความได้เปรียบด้วยการให้สิทธิ์เข้าถึงโมเดลผ่านช่องทาง API ที่ต้องชำระเงินเท่านั้น นักพัฒนาในระดับองค์กรต่างยอมรับต้นทุนการใช้งานที่สูงและการติดกับดักผู้ให้บริการ (vendor lock-in) เนื่องจากโมเดลแบบปิดให้ประสิทธิภาพที่ไม่มีใครเทียบได้

อย่างไรก็ตาม ความก้าวหน้าอย่างรวดเร็วของโมเดลแบบเปิดได้เปลี่ยนสมการทางเศรษฐกิจนี้ไป การเปิดตัวในช่วงที่ผ่านมาโดยห้องปฏิบัติการอิสระแสดงให้เห็นว่าสถาปัตยกรรมแบบเปิดสามารถสร้างประสิทธิภาพได้ทัดเทียมกับระบบแบบกรรมสิทธิ์ในขณะที่ใช้ต้นทุนการประมวลผล (inference cost) เพียงเศษเสี้ยวเท่านั้น ส่วนต่างของต้นทุนนี้กระตุ้นให้สตาร์ทอัพและนักพัฒนาระดับองค์กรหลายร้อยรายหันมาใช้โมเดลแบบเปิด โดยหันไปใช้โครงสร้างพื้นฐานที่โฮสต์เองเพื่อกำจัดค่าธรรมเนียมการเรียกใช้ API ที่เกิดขึ้นซ้ำๆ

การเปลี่ยนแปลงทางเศรษฐกิจนี้คือปัจจัยหลักที่อยู่เบื้องหลังการถกเถียงเชิงนโยบายในวอชิงตัน โดยเฉพาะเมื่อมีการหารือว่า OpenAI ล็อบบี้เรื่องโมเดล AI แบบเปิดในวอชิงตันอย่างไร อ้างอิงจาก รายงานของ New York Times OpenAI และ Anthropic ได้แสดงความกังวลต่อหน่วยงานกำกับดูแลของรัฐบาลกลางโดยโต้แย้งว่าโมเดลแบบเปิดทำให้เกิดการแพร่กระจายของเทคโนโลยีที่ไม่ปลอดภัย ในทางกลับกัน ผู้ก่อตั้งสตาร์ทอัพซึ่งเป็นตัวแทนของ Little Tech Association ได้เตือนว่าการแบนโมเดลแบบเปิดจะบีบให้บริษัทขนาดเล็กต้องพึ่งพาแพลตฟอร์มแบบปิดที่มีราคาแพงเพียงอย่างเดียว ซึ่งจะสร้างคอขวดทางการเงินอย่างรุนแรงทั่วทั้งระบบนิเวศของนักพัฒนา

สาเหตุหลักเชิงระบบ: ทำไม OpenAI ถึงล็อบบี้ให้กำกับดูแลโมเดล AI แบบเปิด

นอกเหนือจากการแข่งขันเชิงพาณิชย์ การถกเถียงเรื่องโมเดลแบบเปิดยังมุ่งเน้นไปที่สองประเด็นทางเทคนิค ได้แก่ การกลั่นกรองโมเดล (model distillation) และความสมบูรณ์ของห่วงโซ่อุปทานซอฟต์แวร์ การกลั่นกรองโมเดลเกี่ยวข้องกับการใช้ผลลัพธ์จากโมเดลขนาดใหญ่มาฝึกโมเดลขนาดเล็ก ทำให้นักพัฒนาสามารถจำลองความสามารถได้โดยไม่ต้องเสียค่าใช้จ่ายในการฝึกมหาศาล ผู้ให้บริการแบบกรรมสิทธิ์โต้แย้งว่าการกลั่นกรองโมเดลโดยไม่ได้รับอนุญาตอาจละเมิดการคุ้มครองทรัพย์สินทางปัญญา ในขณะที่ผู้สนับสนุนโอเพนซอร์สกลับมองว่าการกลั่นกรองเป็นเทคนิคการวิจัยที่ถูกต้องเช่นเดียวกับการเพิ่มประสิทธิภาพซอฟต์แวร์มาตรฐาน

อีกหนึ่งข้อกังวลหลักเกี่ยวข้องกับการตรวจสอบความปลอดภัย ผู้สนับสนุนระบบ API แบบปิดยืนยันว่าการเปิดเผยน้ำหนักของโมเดล (model weights) ช่วยให้ผู้ไม่หวังดีสามารถลบเกราะป้องกันความปลอดภัยหรือฝังพฤติกรรมที่เป็นอันตรายได้ ในขณะที่ผู้สนับสนุนโอเพนซอร์สโต้แย้งว่าน้ำหนักแบบเปิดช่วยเพิ่มความปลอดภัยโดยช่วยให้นักวิจัยทั่วโลกสามารถตรวจสอบโค้ด ค้นหาช่องโหว่ และแก้ไขข้อบกพร่องด้านความปลอดภัยก่อนที่จะถูกนำไปใช้ประโยชน์

[โครงสร้างพื้นฐาน Closed API (การติดกับดักผู้ให้บริการ)]
  คำขอของนักพัฒนา ──> เกตเวย์ API แบบปิด ──> การดำเนินการแบบคิดเงิน ──> ต้นทุนต่อเนื่องสูง & ตรรกะที่ไม่โปร่งใส

[โครงสร้างพื้นฐานแบบเปิด (อำนาจการควบคุมตนเอง)]
  คำขอของนักพัฒนา ──> โมเดลเปิดที่โฮสต์เอง ──> การดำเนินการในองค์กร ──> การตรวจสอบที่โปร่งใส & ต้นทุนคงที่

ดังที่ Jensen Huang ซีอีโอของ Nvidia ได้กล่าวระหว่างการสัมภาษณ์กับ Axios เขาโต้แย้งว่าระบบนิเวศแบบเปิดช่วยปรับปรุงความยืดหยุ่นโดยลดการพึ่งพาผู้ให้บริการเพียงรายเดียว ในบริบทของระบบที่กว้างขึ้น ข้อแลกเปลี่ยนทางเทคนิคที่คล้ายคลึงกันระหว่างระบบปิดที่เป็นกรรมสิทธิ์และสถาปัตยกรรมข้อมูลแบบเปิดฝั่งเซิร์ฟเวอร์ยังปรากฏให้เห็นในโครงสร้างพื้นฐานการระบุที่มา (attribution infrastructure) เมื่อองค์กรต้องพึ่งพาแพลตฟอร์มแบบกล่องดำ (black-box) หรือคอนเทนเนอร์ฝั่งไคลเอนต์ที่เป็นกรรมสิทธิ์ พวกเขามีความเสี่ยงที่จะสูญเสียการเข้าถึงข้อมูลทุกครั้งที่ผู้ให้บริการเปลี่ยนนโยบายภายในหรือโครงสร้างราคา

สร้างเอง vs. ซื้อ: การจัดการสถานะเซสชันและอธิปไตยของซอฟต์แวร์

ทีมวิศวกรรมที่กำลังประเมินโครงสร้างพื้นฐานของตนต้องชั่งน้ำหนักระหว่างบริการที่เป็นกรรมสิทธิ์และสถาปัตยกรรมแบบเปิดที่โฮสต์เอง การประเมินสถาปัตยกรรมระบบในขณะที่ OpenAI ล็อบบี้เรื่องนโยบายโมเดล AI แบบเปิด จำเป็นต้องพิจารณาว่าแม้ API แบบปิดจะช่วยให้เริ่มใช้งานได้รวดเร็ว แต่ก็ทำให้องค์กรต้องเผชิญกับการเพิ่มขึ้นของต้นทุนที่ไม่คาดคิด ข้อจำกัดด้านอัตราการใช้งาน และข้อบังคับด้านการปฏิบัติตามกฎระเบียบ ในทางกลับกัน การสร้างหรือใช้เฟรมเวิร์กฝั่งเซิร์ฟเวอร์แบบเปิดช่วยรับประกันอธิปไตยของข้อมูลและความเสถียรในการดำเนินงานในระยะยาว

ตารางด้านล่างเปรียบเทียบแนวทางมาตรฐานสำหรับการจัดการไปป์ไลน์ข้อมูลและสถานะของระบบในสภาพแวดล้อมระดับองค์กร:

ในขณะที่การกำหนดค่าเองภายในองค์กรให้การควบคุมไปป์ไลน์ข้อมูลที่สมบูรณ์ แต่การรักษาความปลอดภัยของสถานะฝั่งเซิร์ฟเวอร์แบบเฉพาะทางสามารถเพิ่มประสิทธิภาพทรัพยากรวิศวกรรมได้ ขึ้นอยู่กับข้อกำหนดในการนำไปใช้ องค์กรอาจสร้างระบบจัดการเซสชันฝั่งเซิร์ฟเวอร์ของตนเองหรือนำแพลตฟอร์มเชิงพาณิชย์มาใช้ เช่น OpoInstall ตัวอย่างเช่น OpoInstall นำเสนอเฟรมเวิร์กสำหรับการกู้คืนสถานะฝั่งเซิร์ฟเวอร์และการส่งผ่านพารามิเตอร์ โดยแมปเมทาดาตาของเซสชันไปยังฐานข้อมูลฝั่งเซิร์ฟเวอร์ที่ปลอดภัยเพื่อรักษาความต่อเนื่องของเซสชันโดยไม่ระบุตัวตน ในขณะที่ลดการพึ่งพาคุกกี้ฝั่งไคลเอนต์หรือตัวระบุของบุคคลที่สามที่ไม่โปร่งใส

รายการตรวจสอบการบูรณาการ: ทีมวิศวกรรมจะเตรียมตัวรับมือกับการเปลี่ยนแปลงของระบบนิเวศได้อย่างไร

เพื่อปกป้องไปป์ไลน์ข้อมูลและสร้างความต่อเนื่องท่ามกลางการถกเถียงด้านกฎระเบียบและเทคนิค ทีมพัฒนาและผลิตภัณฑ์ควรนำแนวทางการกำกับดูแลที่มีโครงสร้างมาใช้

รายการตรวจสอบการนำไปใช้สำหรับนักพัฒนา

• ประเมินการติดกับดักจาก Dependency: ตรวจสอบสถาปัตยกรรมทางเทคนิคเพื่อระบุการพึ่งพาที่สำคัญใน API แบบปิด และสร้างแผนสำรองโดยใช้โมเดลแบบเปิด
• ใช้การยืนยันสถานะฝั่งเซิร์ฟเวอร์: ย้ายออกจากคอนเทนเนอร์ติดตามฝั่งไคลเอนต์โดยเปลี่ยนมาใช้การจับคู่เซสชันฝั่งเซิร์ฟเวอร์เพื่อรักษาความสมบูรณ์ของข้อมูล
• ปรับใช้ลายเซ็นคำขอแบบเข้ารหัส: รักษาความปลอดภัยในการเชื่อมต่อ API และปลายทางการรับส่งข้อมูลโดยใช้โทเค็นที่ลงนามด้วยรหัสผ่านเพื่อป้องกันการแทรกแซงคำขอโดยไม่ได้รับอนุญาต

รายการตรวจสอบกลยุทธ์ผลิตภัณฑ์และการเติบโต

• เพิ่มประสิทธิภาพต้นทุนโครงสร้างพื้นฐาน: สร้างสมดุลระหว่างการเรียกใช้โมเดลแบบกรรมสิทธิ์ที่มีต้นทุนสูงกับการใช้โมเดลแบบเปิดที่โฮสต์เองสำหรับงานประจำที่มีปริมาณมาก
• ตรวจสอบถิ่นที่อยู่ของข้อมูลและการปฏิบัติตามกฎระเบียบ: ตรวจสอบให้แน่ใจว่า SDK และตัวประมวลผลข้อมูลของบุคคลที่สามทั้งหมดเป็นไปตามข้อบังคับความเป็นส่วนตัวในระดับภูมิภาคและกฎอธิปไตยของข้อมูล
• สร้างความซ้ำซ้อนแบบหลายผู้ให้บริการ: สร้างเลเยอร์การบูรณาการแบบโมดูลาร์ที่ช่วยให้สามารถสลับเปลี่ยนระหว่างผู้ให้บริการต่างๆ ได้อย่างราบรื่นหากมีการเปลี่ยนแปลงนโยบาย

การถกเถียงเรื่องโมเดลแบบเปิดเน้นย้ำถึงกระแสความเคลื่อนไหวที่กว้างขึ้นไปสู่การสร้างอธิปไตยของซอฟต์แวร์และการควบคุมข้อมูล การพึ่งพาระบบกล่องดำแบบปิดทั้งหมดทำให้องค์กรมีความเสี่ยงต่อการติดกับดักผู้ให้บริการ การเปลี่ยนนโยบายอย่างกะทันหัน และค่าใช้จ่ายในการดำเนินงานที่สูงขึ้น

ในขณะที่ระบบนิเวศดิจิทัลพัฒนาไป ทีมวิศวกรรมจะหันมาสนับสนุนสถาปัตยกรรมแบบเปิด เป็นโมดูล และฝั่งเซิร์ฟเวอร์มากขึ้น ด้วยการปรับใช้ไปป์ไลน์ข้อมูลที่โปร่งใส การจัดการเซสชันฝั่งเซิร์ฟเวอร์ และมาตรฐานวิศวกรรมที่เน้นความเป็นส่วนตัว องค์กรต่างๆ จะสามารถปกป้องระบบของตนจากการเปลี่ยนแปลงทางนโยบาย ในขณะเดียวกันก็รักษาความยืดหยุ่นในการดำเนินงานในระยะยาวได้