เรียนรู้เทคนิคการพูดและการเล่าเรื่องของ Alexandr Wang

จากบทสัมภาษณ์ของ Alexandr Wang CEO ของ Scale AI เราสามารถถอดบทเรียนการสื่อสารในที่สาธารณะที่เฉียบคมและทรงพลังได้หลายประการ โดยเฉพาะอย่างยิ่งในการอธิบายประเด็นที่ซับซ้อนและมีความสำคัญระดับชาติให้ผู้ฟังเข้าใจและตระหนักถึงความเร่งด่วน

บทเรียนการสื่อสารในที่สาธารณะสไตล์ Alexandr Wang

Alexandr Wang แสดงให้เห็นถึงความสามารถในการสื่อสารที่น่าประทับใจ เขาสามารถเปลี่ยนบทสนทนาที่เต็มไปด้วยข้อมูลเชิงเทคนิคให้กลายเป็นประเด็นเร่งด่วนที่ทุกคนต้องให้ความสนใจ โดยใช้เทคนิคการเล่าเรื่องที่เรียบง่ายแต่ทรงพลัง ดังนี้

1. เปิดประเด็นด้วยความเร่งด่วนและสร้างความรู้สึกร่วม

Wang ไม่เริ่มต้นด้วยการแนะนำบริษัทของตัวเอง แต่เขาเลือกที่จะเปิดประเด็นด้วยหัวข้อที่ใหญ่และน่าตื่นเต้นทันที นั่นคือ "สงคราม AI" ระหว่างสหรัฐฯ และจีน. เขาอ้างอิงถึงการลงโฆษณาเต็มหน้าในหนังสือพิมพ์ Washington Post ซึ่งเป็นการกระทำที่ชัดเจนและจับต้องได้ เพื่อตอกย้ำว่าเรื่องนี้ไม่ใช่แค่เรื่องทางเทคนิค แต่เป็นวาระแห่งชาติที่ต้องให้ความสำคัญสูงสุด. เทคนิคนี้ดึงดูดความสนใจของผู้ฟังได้ทันทีและสร้างบรรยากาศของความเร่งด่วน

ตัวอย่าง: “…the AI race and the AI war between us and China I think is one of the most important issues of today… America must win the AI war.”

2. ใช้ข้อมูลที่น่าประหลาดใจเพื่อท้าทายความเชื่อเดิมของผู้ฟัง

หนึ่งในเทคนิคที่ทรงพลังที่สุดของ Wang คือการนำเสนอข้อมูลที่ขัดแย้งกับความเชื่อทั่วไปของผู้ฟัง. ในขณะที่คนส่วนใหญ่เชื่อว่าสหรัฐฯ นำหน้าจีนในด้าน AI อยู่มาก เขาได้เปิดเผยข้อมูลจากการทดสอบของ Scale AI ที่แสดงให้เห็นว่าโมเดล AI ชั้นนำของจีน (DeepSeek) มีประสิทธิภาพทัดเทียมหรือดีกว่าโมเดลที่ดีที่สุดของอเมริกา. การนำเสนอข้อมูลที่ "น่าตกใจ" เช่นนี้ ทำให้ผู้ฟังต้องหยุดคิดและทบทวนความเข้าใจเดิมของตนเองใหม่

ตัวอย่าง: “…what we found is that deep seek which is the leading Chinese AI lab their model uh is actually the top performing or roughly on par with the best American models…”

3. สร้างความน่าเชื่อถือด้วยการให้ข้อมูลเชิงลึก (Insider's Knowledge)

ในฐานะคนที่ทำงานกับบริษัท AI ชั้นนำทั่วโลก Wang สามารถให้ข้อมูลเชิงลึกที่คนทั่วไปไม่รู้ได้. เขาเปิดเผยว่าบริษัทจีนอาจมีชิป H100 ของ NVIDIA มากกว่าที่หลายคนคิด แม้จะมีมาตรการควบคุมการส่งออกก็ตาม. การให้ข้อมูลเบื้องลึกเช่นนี้ไม่เพียงแต่จะทำให้ประเด็นของเขามีน้ำหนัก แต่ยังสร้างภาพลักษณ์ให้เขาเป็นผู้เชี่ยวชาญที่น่าเชื่อถือและมีข้อมูลที่ลึกซึ้งกว่าใคร

ตัวอย่าง: “…the Chinese Labs uh they have more h100s than than uh people think… my understanding is that is that deep seek has about 50,000 h100s…”

4. ทำให้เรื่องซับซ้อนเข้าใจง่ายด้วยการเปรียบเทียบและการจัดลำดับ

เมื่อถูกถามให้จัดอันดับโมเดล AI ที่ซับซ้อน Wang หลีกเลี่ยงการตอบแบบฟันธง แต่เลือกที่จะอธิบายว่า "โมเดลที่แตกต่างกันก็เก่งในเรื่องที่แตกต่างกัน". เขาเปรียบเทียบให้เห็นภาพว่าโมเดลของ OpenAI อาจจะเก่งเรื่องการใช้เหตุผล ในขณะที่โมเดลของ Anthropic อาจจะเก่งเรื่องการเขียนโค้ด. การอธิบายแบบนี้ช่วยให้ผู้ฟังทั่วไปเข้าใจความแตกต่างของเทคโนโลยีได้ง่ายขึ้นโดยไม่จำเป็นต้องลงลึกในรายละเอียดทางเทคนิค

ตัวอย่าง: “...what we see is different models are better at different things... for example the opening eye models are extremely good at reasoning uh but the anthropic models might be really good at code...”

5. เชื่อมโยงประเด็นปัจจุบันเข้ากับวิสัยทัศน์ในอนาคตที่ยิ่งใหญ่

Wang สามารถเชื่อมโยงหัวข้อข่าวในปัจจุบัน เช่น โครงการ Stargate มูลค่าแสนล้านดอลลาร์ ไปสู่วิสัยทัศน์ที่ใหญ่กว่า นั่นคือความจำเป็นในการสร้างโครงสร้างพื้นฐานด้านพลังงานเพื่อรองรับการเติบโตของ AI. เขาไม่ได้มองแค่โครงการใดโครงการหนึ่ง แต่ขยายภาพให้เห็นถึงความต้องการพลังงานและศูนย์ข้อมูลขนาดยักษ์ในอนาคต พร้อมทั้งย้ำว่านี่คือสิ่งที่เขาเคยเสนอต่อรัฐบาลมาก่อนแล้ว. เทคนิคนี้แสดงให้เห็นถึงการคิดเชิงกลยุทธ์และวิสัยทัศน์ที่มองการณ์ไกล

ตัวอย่าง: “...we need to unleash US Energy to enable this AI boom and that's clearly what we're seeing right now…”

6. ปิดท้ายด้วยการคาดการณ์อนาคตที่ชัดเจนและท้าทาย

ในช่วงท้ายของการสัมภาษณ์ Wang ได้ให้คำจำกัดความของ AGI (ปัญญาประดิษฐ์ทั่วไป) ที่เข้าใจง่ายและเป็นรูปธรรมว่าคือ "ระบบ AI ที่สามารถใช้คอมพิวเตอร์ได้เหมือนมนุษย์". นอกจากนี้ เขายังคาดการณ์อย่างชัดเจนว่าอุตสาหกรรม AI จะเติบโตจากระดับหมื่นล้านเป็นล้านล้านดอลลาร์ และอาจไปถึงจุดนั้นได้ในเวลาเพียง 2-4 ปี. การให้ตัวเลขที่ชัดเจนและกรอบเวลาที่สั้นอย่างน่าท้าทาย เป็นการปิดท้ายที่ทรงพลังและทิ้งให้ผู้ฟังต้องขบคิดถึงอนาคตที่กำลังจะมาถึงอย่างรวดเร็ว

ตัวอย่าง: “…the definition I believe in is is our powerful AI systems that are able to use a computer just like you or I could… I think we're sort of in the two to four range two to four get to AGI…”

เนื้อหาทั้งหมดจากการให้สัมภาษณ์ในครั้งนี้

Interviewer: …first time on the show scale AI founder and CEO Alexander Wang his company provides uh accurately labeled data to help companies train their AI tools and back in 2022 he became the youngest self-made billionaire in the world pretty amazing.

ผู้สัมภาษณ์: …เป็นครั้งแรกในรายการนะครับ กับผู้ก่อตั้งและซีอีโอของ Scale AI, Alexandr Wang บริษัทของเขาให้บริการข้อมูลที่ติดป้ายกำกับอย่างแม่นยำเพื่อช่วยให้บริษัทต่างๆ ฝึกฝนเครื่องมือ AI ของตน และย้อนไปในปี 2022 เขากลายเป็นมหาเศรษฐีที่สร้างตัวเองที่อายุน้อยที่สุดในโลก น่าทึ่งมากครับ

Interviewer: …thanks for having me on um I I want to go straight to what we were just talking about off camera which is the idea of where the US is on AI versus China because you have some very surprising statistics that I think will probably frankly freak out some the viewers.

Alexandr Wang: so yeah first of all the the AI race and the AI war between us and China I think is one of the most important issues of today we took out a full page ad on the Washington Post on on Tuesday uh saying that you know America must win the AI war and so this sort of relative race in AI between the US and China is critical uh today we released uh Humanity's last exam which is a new evaluation or Benchmark of AI models that we produced by getting you know math physics biology chemistry professors.

ผู้สัมภาษณ์: …ขอบคุณที่เชิญมานะครับ ผมอยากจะเข้าเรื่องที่เราเพิ่งคุยกันนอกรอบเลย นั่นคือประเด็นที่ว่าสหรัฐฯ อยู่จุดไหนเมื่อเทียบกับจีนในเรื่อง AI เพราะคุณมีสถิติที่น่าประหลาดใจมาก ซึ่งผมคิดว่าพูดตามตรงคงจะทำให้ผู้ชมบางส่วนตกใจเลยทีเดียว

Alexandr Wang: ครับ ก่อนอื่นเลย การแข่งขันด้าน AI และสงคราม AI ระหว่างเรากับจีน ผมคิดว่าเป็นหนึ่งในประเด็นที่สำคัญที่สุดในปัจจุบัน เราได้ลงโฆษณาเต็มหน้าในหนังสือพิมพ์ Washington Post เมื่อวันอังคาร โดยบอกว่าอเมริกาต้องชนะสงคราม AI ให้ได้ ดังนั้นการแข่งขันเชิงเปรียบเทียบด้าน AI ระหว่างสหรัฐฯ กับจีนจึงเป็นเรื่องสำคัญอย่างยิ่ง วันนี้เราได้เปิดตัว "Humanity's last exam" ซึ่งเป็นการประเมินหรือเกณฑ์มาตรฐานใหม่สำหรับโมเดล AI ที่เราสร้างขึ้นโดยการเชิญศาสตราจารย์ด้านคณิตศาสตร์ ฟิสิกส์ ชีววิทยา และเคมี

Alexandr Wang: to uh provide the hardest questions they could possibly imagine that are relevant to their recent research to really put the test of the models to give you a sense no model is getting above 10% on this test um that being said you know what we found is that deep seek which is the leading Chinese AI lab their model uh is actually the top performing or roughly on par with the best American models which are 01 from.

Alexandr Wang: ให้มาตั้งคำถามที่ยากที่สุดเท่าที่จะจินตนาการได้ซึ่งเกี่ยวข้องกับงานวิจัยล่าสุดของพวกเขา เพื่อทดสอบโมเดลเหล่านี้อย่างแท้จริง เพื่อให้คุณเห็นภาพนะครับ ไม่มีโมเดลไหนเลยที่ทำคะแนนได้เกิน 10% ในการทดสอบนี้ อย่างไรก็ตาม สิ่งที่เราค้นพบก็คือ DeepSeek ซึ่งเป็นห้องปฏิบัติการ AI ชั้นนำของจีน โมเดลของพวกเขามีประสิทธิภาพสูงสุดหรือใกล้เคียงกับโมเดลที่ดีที่สุดของอเมริกา ซึ่งมาจาก OpenAI ครับ

Interviewer: okay so I think we have been all under the impression that the US was way ahead of China as it relates to AI in large part because we have access to you know Nvidia gpus and chips and other things that that supposedly the Chinese do not have I've keep hearing from people all week from people Chin Chinese AI Executives that they say we're so close and by the way we're doing it with one hand tied behind our back our alos are better we're actually going to figure out how to do this do it better than the US and in even a more energy efficient way because we don't need these super powerful chips or they have to be.

ผู้สัมภาษณ์: โอเคครับ ผมคิดว่าเราทุกคนต่างเข้าใจมาตลอดว่าสหรัฐฯ นำหน้าจีนอยู่ไกลในเรื่อง AI ส่วนใหญ่เป็นเพราะเราสามารถเข้าถึง GPU และชิปของ Nvidia รวมถึงสิ่งอื่นๆ ที่คาดว่าจีนไม่มี แต่ผมได้ยินจากผู้บริหาร AI ของจีนตลอดทั้งสัปดาห์ว่าพวกเขาตามมาใกล้มากแล้ว และที่สำคัญคือพวกเขาทำได้ทั้งๆ ที่มีข้อจำกัดเหมือนถูกมัดมือไว้ข้างหนึ่ง อัลกอริทึมของเราดีกว่า เราจะหาวิธีทำให้ดีกว่าสหรัฐฯ ได้ และจะทำในวิธีที่ประหยัดพลังงานกว่าด้วย เพราะเราไม่ต้องการชิปที่ทรงพลังขนาดนั้น

Alexandr Wang: right there there's two things happening first it is true it has been true for a long time that the United States has been ahead and that's been true for you know maybe the past decade that being said you know the the very recent event on Christmas day uh you know about a month ago uh deep seek released a model uh which by the way I think is symbolic that uh the Chinese lab releases you know an earth shattering model on Christmas Day when you know the rest of us are sort of celebrating the holiday and um and they released it to to much ffer and then followed up with their reasoning model uh deep seek R1 which is the one that we evaluated as top of the leaderboard.

Alexandr Wang: ครับ มันมีสองสิ่งที่เกิดขึ้น อย่างแรกคือเป็นความจริง และเป็นความจริงมานานแล้วว่าสหรัฐฯ เป็นผู้นำ ซึ่งอาจจะจริงมาตลอดทศวรรษที่ผ่านมา อย่างไรก็ตาม เหตุการณ์ล่าสุดในวันคริสต์มาสเมื่อประมาณหนึ่งเดือนก่อน DeepSeek ได้เปิดตัวโมเดล ซึ่งผมคิดว่าเป็นสัญลักษณ์อย่างหนึ่งที่ห้องแล็บของจีนปล่อยโมเดลที่สั่นสะเทือนโลกออกมาในวันคริสต์มาส ในขณะที่พวกเรากำลังเฉลิมฉลองวันหยุดกันอยู่ และพวกเขาก็ปล่อยมันออกมาพร้อมเสียงฮือฮา ก่อนจะตามมาด้วยโมเดลด้านการใช้เหตุผล DeepSeek R1 ซึ่งเป็นตัวที่เราประเมินว่าอยู่ในอันดับสูงสุดของตาราง

Alexandr Wang: um you know the the there's the reality is yes and no so uh you know the Chinese Labs uh they have more h100s than than uh people think you know the Interviewer: and these are the highest powered Nvidia chips that they were not supposed to have Alexandr Wang: yes the my understanding is that is that deep seek has about 50,000 h100s.

Alexandr Wang: คือ...ความจริงมันมีทั้งใช่และไม่ใช่ครับ คือห้องแล็บของจีน เขามีชิป H100 มากกว่าที่คนทั่วไปคิดนะครับ ผู้สัมภาษณ์: ซึ่งนี่คือชิปที่ทรงพลังที่สุดของ Nvidia ที่พวกเขาไม่ควรจะมีใช่ไหมครับ Alexandr Wang: ใช่ครับ ตามความเข้าใจของผมคือ DeepSeek มี H100 อยู่ประมาณ 50,000 ตัวครับ

Alexandr Wang: um which they can't talk about obviously because it is against the export controls that the United States has put in place and I think it is true that you know I think they have more chips than other people expect but also on a go forward basis they are going to be limited by the chip controls and the export controls that we have in place. Interviewer: how do you I mean you work with all you work with everybody so I don't know if it's fair or unfair but how do you stack rank these large language models and who ultimately is going to be a winner or they all so close and it gets commoditized. Alexandr Wang: the interesting thing that we see right now so we actually specialize in this we've produced uh our seal of valuations or safety evaluations and Alignment Labs uh evaluations which which measure across many different dimensions we measure across math capabilities coding capabilities multilingual capabilities uh and reasoning capabilities and and many different dimensions including tool use and agent capabilities.

Alexandr Wang: ซึ่งแน่นอนว่าพวกเขาพูดถึงเรื่องนี้ไม่ได้ เพราะมันขัดต่อมาตรการควบคุมการส่งออกที่สหรัฐฯ บังคับใช้ และผมคิดว่าเป็นเรื่องจริงที่พวกเขามีชิปมากกว่าที่คนอื่นคาดคิด แต่ในอนาคตข้างหน้า พวกเขาก็จะถูกจำกัดโดยมาตรการควบคุมชิปและการส่งออกที่เรามีอยู่ครับ ผู้สัมภาษณ์: แล้วคุณจะจัดอันดับโมเดลภาษาขนาดใหญ่เหล่านี้อย่างไรครับ คือคุณทำงานกับทุกเจ้าเลย ผมไม่รู้ว่ามันจะยุติธรรมไหม แต่ใครจะเป็นผู้ชนะในท้ายที่สุด หรือว่าทั้งหมดใกล้เคียงกันมากจนกลายเป็นสินค้าทั่วไป Alexandr Wang: สิ่งที่น่าสนใจที่เราเห็นในตอนนี้ คือเราเชี่ยวชาญด้านนี้โดยเฉพาะ เราได้ทำการประเมินด้านความปลอดภัยและการปรับจูน ซึ่งวัดผลในหลายมิติ เราวัดทั้งความสามารถทางคณิตศาสตร์, การเขียนโค้ด, ความสามารถทางภาษาที่หลากหลาย, และความสามารถในการใช้เหตุผล รวมถึงมิติอื่นๆ อีกมากมาย เช่น การใช้เครื่องมือและความสามารถในการเป็นเอเจนต์

Alexandr Wang: and what we see is different models are better at different things so it's hard to put a clear stack ranking among all the models you know uh for example the opening eye models are extremely good at reasoning uh but the anthropic models might be really good at code sort of there's a there's a diversity of uh of capabilities of the models that being said I think what we're seeing in general is the the spaces becoming more competitive not less competitive.

Alexandr Wang: และสิ่งที่เราเห็นคือโมเดลที่แตกต่างกันก็เก่งในเรื่องที่แตกต่างกันไป ดังนั้นจึงยากที่จะจัดอันดับที่ชัดเจนให้กับทุกโมเดลครับ ตัวอย่างเช่น โมเดลของ OpenAI เก่งเรื่องการใช้เหตุผลอย่างมาก แต่โมเดลของ Anthropic อาจจะเก่งเรื่องการเขียนโค้ด คือมันมีความหลากหลายในความสามารถของโมเดลครับ อย่างไรก็ตาม โดยทั่วไปแล้วผมคิดว่าสิ่งที่เรากำลังเห็นคือพื้นที่นี้กำลังมีการแข่งขันที่สูงขึ้น ไม่ได้ลดลงเลย

Interviewer: I keep hearing from Business Leaders here that they're all playing around with you know open AI or they're playing around with Claude which is the anthropic model or they're playing around with Gemini Etc and then they're going and using llama they're going to find some open- Source version to try to get close to what they could approximate these other guys doing because of just the different price points of these things do you think that's the future of this like in an A lenux world. Alexandr Wang: there's there's definitely a dimension you know it comes down to ultimately the level of capabilities and intelligence that are required for your use case I think ultimately what we're going to see is you know what we do with all the leading Labs including open Ai and Google deepmind and uh meta and many others is continuing to push the frontier and push the boundaries.

ผู้สัมภาษณ์: ผมได้ยินจากผู้นำธุรกิจที่นี่ว่าพวกเขากำลังทดลองใช้ OpenAI, Claude ของ Anthropic, หรือ Gemini และอื่นๆ จากนั้นพวกเขาก็ไปใช้ Llama หรือหาเวอร์ชันโอเพนซอร์สเพื่อพยายามทำสิ่งที่ใกล้เคียงกับที่เจ้าอื่นทำได้ เนื่องจากราคาที่แตกต่างกัน คุณคิดว่านี่คืออนาคตของวงการนี้ เหมือนกับโลกของ Linux หรือไม่ครับ Alexandr Wang: มันมีมิติของมันอยู่ครับ ท้ายที่สุดแล้วมันขึ้นอยู่กับระดับความสามารถและสติปัญญาที่จำเป็นสำหรับกรณีการใช้งานของคุณ ผมคิดว่าท้ายที่สุดแล้วสิ่งที่เราจะได้เห็น คือสิ่งที่เราทำร่วมกับห้องแล็บชั้นนำทั้งหมด ไม่ว่าจะเป็น OpenAI, Google DeepMind, Meta และอื่นๆ อีกมากมาย คือการผลักดันขอบเขตและขยายขีดจำกัดต่อไป

Alexandr Wang: and so how do we leverage data given that you know as a as an industry we've sort of run out of publicly available data how do we generate new data to keep pushing the Frontiers and our belief is that you know Advanced capabilities are going to enable Incredible use cases where uh where you're going to be willing to pay for those for those uh increased uh capabilities but for the more simplistic use cases those will probably go more towards open source or or more basic models.

Alexandr Wang: ดังนั้น เราจะใช้ประโยชน์จากข้อมูลได้อย่างไร ในเมื่อในฐานะอุตสาหกรรม เราแทบจะใช้ข้อมูลสาธารณะที่มีอยู่จนหมดแล้ว เราจะสร้างข้อมูลใหม่เพื่อผลักดันขอบเขตต่อไปได้อย่างไร ความเชื่อของเราคือความสามารถขั้นสูงจะนำไปสู่กรณีการใช้งานที่น่าทึ่ง ซึ่งคุณจะยอมจ่ายเงินเพื่อความสามารถที่เพิ่มขึ้นเหล่านั้น แต่สำหรับกรณีการใช้งานที่ง่ายกว่า ก็น่าจะหันไปใช้โอเพนซอร์สหรือโมเดลพื้นฐานมากกว่า

Interviewer: U we've been talking all morning about Stargate and the debate happening on Twitter between Sam Alman and Elon Musk about whether they really have hundred billion or $500 billion satin Nell sitting in your chair just yesterday uh saying he's got $80 billion his money's real he took to Twitter what do you make of all this you know all these players you know so much is on Twitter anyway so uh so um not sure X we should say yeah X. Alexandr Wang: but um I mean I think one thing that is very real regardless of of sort of Stargate specifically as a program is that uh the United States is going to need a huge amount of computational capacity and a huge amount of infrastructure so this was actually in uh we wrote a letter to the Trump ad Administration to on recommendations on how to ensure that the US stays ahead and one of them was really around infrastructure we need to unleash US Energy to enable this AI boom and that's clearly what we're seeing right now which is you know in addition to the Stargate program many of the major AI companies and major clouds are going to be looking to produce to to build giant data centers so.

ผู้สัมภาษณ์: เราคุยกันมาทั้งเช้าเรื่องโครงการ Stargate และการถกเถียงบน Twitter ระหว่าง Sam Altman กับ Elon Musk ว่าจริงๆ แล้วโครงการนี้มีมูลค่าแสนล้านหรือห้าแสนล้านดอลลาร์กันแน่ Satya Nadella เพิ่งนั่งเก้าอี้ตัวเดียวกับคุณเมื่อวานนี้ บอกว่าเขามี 80,000 ล้านดอลลาร์ และเงินของเขาเป็นของจริง คุณคิดอย่างไรกับเรื่องทั้งหมดนี้ครับ Alexandr Wang: ผมคิดว่าสิ่งหนึ่งที่เป็นเรื่องจริงมาก ไม่ว่าโครงการ Stargate จะเป็นอย่างไร คือสหรัฐฯ จะต้องการขีดความสามารถในการประมวลผลและโครงสร้างพื้นฐานจำนวนมหาศาล เรื่องนี้อยู่ในจดหมายที่เราเคยเขียนถึงรัฐบาลทรัมป์เกี่ยวกับคำแนะนำเพื่อให้แน่ใจว่าสหรัฐฯ จะเป็นผู้นำต่อไป และหนึ่งในนั้นคือเรื่องโครงสร้างพื้นฐาน เราจำเป็นต้องปลดปล่อยพลังงานของสหรัฐฯ เพื่อขับเคลื่อนการเติบโตของ AI และนั่นคือสิ่งที่เราเห็นได้ชัดในตอนนี้ ซึ่งนอกเหนือจากโครงการ Stargate แล้ว บริษัท AI และคลาวด์รายใหญ่หลายแห่งก็กำลังมองหาที่จะสร้างศูนย์ข้อมูลขนาดยักษ์เช่นกัน

Interviewer: oh the reason I asked so about the different companies doing this do you ultimately think we need five six seven companies all trying to build Frontier models or I mean there's been a talk forever that you know in a different if if if Lena Khan hadn't been running the FTC would have Amazon wanted to buy anthropic already for example or would have Microsoft bought open AI or would have some of these folks so there wouldn't be as many everybody competing against each other in the same way I don't know maybe you think the competition is great I I just don't know how long long term how many models there ultimately will be like that.

ผู้สัมภาษณ์: เหตุผลที่ผมถามเกี่ยวกับบริษัทต่างๆ ก็คือ คุณคิดว่าท้ายที่สุดแล้วเราจำเป็นต้องมี 5-6-7 บริษัทที่พยายามสร้างโมเดลระดับแนวหน้าหรือไม่ครับ คือมันมีการพูดคุยกันมาตลอดว่าถ้าไม่มีหน่วยงานกำกับดูแลอย่าง FTC บางที Amazon อาจจะซื้อ Anthropic ไปแล้ว หรือ Microsoft อาจจะซื้อ OpenAI ไปแล้ว ซึ่งจะทำให้การแข่งขันไม่เป็นแบบนี้ ผมไม่รู้ว่าคุณคิดว่าการแข่งขันเป็นเรื่องดีหรือไม่ แต่ผมไม่แน่ใจว่าในระยะยาวแล้วจะมีโมเดลระดับแนวหน้าแบบนี้อยู่กี่ราย

Alexandr Wang: I mean our view is actually that this is potentially going to be one of the greatest markets um or the greatest Industries ever you know right now let's say there's between 10 and 20 billion of llm based revenue and uh if you believe that we're actually on a track towards super intelligence or AGI then it stands to reason that that's going to go to a trillion dollars or more of Revenue and so if you're looking at a market that's.

Alexandr Wang: มุมมองของเราคือ นี่อาจจะเป็นหนึ่งในตลาดที่ยิ่งใหญ่ที่สุด หรืออุตสาหกรรมที่ยิ่งใหญ่ที่สุดเท่าที่เคยมีมาครับ ตอนนี้สมมติว่ามีรายได้จากโมเดลภาษาขนาดใหญ่ (LLM) อยู่ที่ประมาณ 1-2 หมื่นล้านดอลลาร์ และถ้าคุณเชื่อว่าเรากำลังอยู่ในเส้นทางสู่ปัญญาประดิษฐ์ขั้นสูง (Super Intelligence) หรือ AGI ก็มีเหตุผลที่จะเชื่อได้ว่ารายได้นั้นจะพุ่งไปถึงระดับล้านล้านดอลลาร์หรือมากกว่านั้น ดังนั้นถ้าคุณกำลังมองตลาดที่จะเติบโต

Alexandr Wang: going to go from let's say 10 billion to1 trillion over who knows how many years I tend to believe a fewer number of years I think we're sort of in the two to four range two to four get to AGI and what's your version of AGI. Interviewer: uh I think yeah obviously there's many definitions. Alexandr Wang: um you know the the definition I believe in is is our powerful AI systems that are able to use a computer just like you or I could and could use all the tools that a computer could and could basically be a remote worker um in the most capable way.

Alexandr Wang: จาก 1 หมื่นล้านเป็น 1 ล้านล้านดอลลาร์ภายในกี่ปีก็ไม่ทราบ แต่ส่วนตัวผมเชื่อว่าเป็นจำนวนปีที่น้อยกว่าที่คิด ผมคิดว่าเราน่าจะอยู่ในช่วง 2-4 ปีที่จะไปถึง AGI ครับ ผู้สัมภาษณ์: แล้ว AGI ในเวอร์ชันของคุณคืออะไรครับ Alexandr Wang: ครับ มันมีคำจำกัดความมากมาย คำจำกัดความที่ผมเชื่อคือ ระบบ AI ที่ทรงพลังที่สามารถใช้คอมพิวเตอร์ได้เหมือนกับคุณหรือผม สามารถใช้เครื่องมือทั้งหมดที่คอมพิวเตอร์มี และโดยพื้นฐานแล้วสามารถเป็นพนักงานทางไกล (Remote Worker) ที่มีความสามารถสูงสุดได้ครับ

• สะท้อนการเรียนรู้ผ่าน 2 คำถาม (เขียนบันทึกเอาไว้)
  1. เกี่ยวกับเทคนิคการสื่อสาร คุณชอบหรือได้เรียนรู้อะไรจากวีดีโอนี้
  2. เกี่ยวกับเทคนิคการสื่อสาร คุณสนใจเรียนรู้และพัฒนาในเรื่องอะไรเพิ่ม

บทความที่เกี่ยวข้อง

• วีดีโอ 1 เรียนรู้เทคนิคการพูดและการเล่าเรื่องของ Steve Jobs
• วีดีโอ 2 เรียนรู้เทคนิคการพูดและการเล่าเรื่องของ Mark Zuckerberg
• วีดีโอ 3 เรียนรู้เทคนิคการพูดและการเล่าเรื่องของ Satya Nadella
• วีดีโอ 4 เรียนรู้เทคนิคการพูดและการเล่าเรื่องของ Jensen Huang
• วีดีโอ 5 เรียนรู้เทคนิคการพูดและการเล่าเรื่องของ Alexandr Wang