“เครื่องจักรจะไม่มีวันทำได้” — แล้วมันก็ทำได้

มีรูปแบบหนึ่งที่ผมลืมไม่ลง คนฉลาดและได้รับความเคารพมองเทคโนโลยีอย่างหนึ่ง พูดด้วยความมั่นใจเต็มร้อยว่า “สิ่งนี้จะไม่มีวันเกิดขึ้น” — แล้วไม่กี่ปีต่อมา สิ่งนั้นก็กลายเป็นเรื่องปกติในชีวิตประจำวัน

ในปี 1997 Piet Hut จาก Institute for Advanced Study ในเมือง Princeton บอกกับ New York Times เกี่ยวกับเกมกระดาน Go ว่า: “It may be a hundred years before a computer beats humans at Go — maybe even longer.” ในเดือนมีนาคม 2016 AlphaGo เอาชนะ Lee Sedol นักเล่น Go ระดับโลกด้วยคะแนน 4–1 ไม่ใช่ในอีกร้อยปี แต่ในสิบเก้าปี

Douglas Hofstadter หนึ่งในสมองที่เฉียบแหลมที่สุดของวงการวิทยาศาสตร์ปัญญา เขียนเรียงความลงใน Atlantic ในปี 2018 ในชื่อ „The Shallowness of Google Translate” เขาอ้างอิงประโยคที่ว่า “No reasonable person thinks that a machine translation can ever achieve elegance and style.” ด้วยความเห็นด้วย ในปี 2023 จากบทสนทนาที่เผยแพร่ในเดือนมิถุนายน Hofstadter คนเดิมกลับพูดแบบนี้: “I don’t think it’s interesting. I think it’s terrifying. I hate it. I think about it practically all the time, every single day.” และ: “It’s a very traumatic experience when some of your most core beliefs about the world start collapsing.”

ถ้าเรื่องนี้ฟังดูคุ้น ๆ บางทีอาจเคยได้ยินจากที่อื่น ในปี 2017 Jamie Dimon เรียก Bitcoin ว่าเป็นการหลอกลวงในงานประชุมของ Barclays: “It’s worse than tulip bulbs. It won’t end well. Someone is going to get killed.” ในเดือนมกราคม 2018 เขาบอกว่าเสียใจกับคำพูดนั้น Warren Buffett เรียก Bitcoin ว่า “probably rat poison squared” ในการประชุมประจำปีของ Berkshire ปี 2018 ส่วน Charlie Munger เรียกการเทรดคริปโตว่า “just dementia” และในปี 1998 Paul Krugman เขียนว่าภายในปี 2005 จะเห็นชัดว่าผลกระทบของอินเทอร์เน็ตต่อเศรษฐกิจ “no greater than the fax machine’s” — โดยให้เหตุผลส่วนหนึ่งว่า “most people have nothing to say to each other!”

ผมไม่ได้เขียนเรื่องนี้เพื่อทำให้ตัวเองดูฉลาดกว่าคนเหล่านี้ ผมไม่ใช่คนแบบนั้น ผมเขียนเพราะรูปแบบเดียวกันนี้กำลังเกิดขึ้นอีกครั้ง และครั้งนี้เราได้เห็นมันเกิดขึ้นต่อหน้าต่อตา นี่คือไทม์ไลน์ของผมเกี่ยวกับเรื่องนี้ ตั้งใจสร้างให้มันเติบโตต่อไปเรื่อย ๆ

ก่อนหน้านั้นเป็นอย่างไร (เพื่อให้รู้สึกถึงการก้าวกระโดด)

ก่อน ChatGPT จะมาถึงในเดือนพฤศจิกายน 2022 “AI ที่เขียนข้อความได้” ยังเป็นเรื่องของคนวงในเท่านั้น

GPT-3 โมเดลเบื้องหลังมัน เผยแพร่เป็น preprint เมื่อวันที่ 28 พฤษภาคม 2020 („Language Models are Few-Shot Learners”) และ API เบต้าเปิดตัวเมื่อวันที่ 11 มิถุนายน 2020 มีพารามิเตอร์ 1.75 แสนล้านตัว — และมี context window เพียง 2,048 โทเคน แค่ไม่กี่ย่อหน้า นั่นคือความจำทั้งหมดที่มันมี การฝึกโมเดลประเมินว่าใช้เงินราว 4.6 ล้านดอลลาร์ และถ้าใช้ GPU เพียงตัวเดียวจะใช้เวลาราว 355 ปี

และคุณเข้าถึงมันไม่ได้ง่าย ๆ GPT-3 อยู่หลังรายชื่อรอ จนกระทั่งวันที่ 18 พฤศจิกายน 2021 — ผ่านไปปีครึ่ง — OpenAI จึงยกเลิกรายชื่อรอและเปิด API ให้ใช้งานทั่วไป

ข้อความที่โด่งดังที่สุดจากยุคนั้นบอกอะไรหลายอย่างเกี่ยวกับสถานะที่แท้จริง เมื่อวันที่ 8 กันยายน 2020 Guardian ตีพิมพ์บทความความเห็นที่เขียนโดย GPT-3: “A robot wrote this entire article. Are you scared yet, human?” เปิดเรื่องด้วย “I am not a human. I am Artificial Intelligence.” และมีประโยค “I have no desire to wipe out humans.” ฟังดูน่าประทับใจ — จนกว่าจะอ่านตัวอักษรตัวเล็ก ๆ ด้านล่าง GPT-3 สร้างความพยายามมาแปดครั้ง (ป้อนโดยนักศึกษาจาก Berkeley) แล้วบรรณาธิการก็ตัดต่อส่วนที่ดีที่สุดมารวมกัน ดังนั้น “entirely written by AI” จึงเป็นการปัดเศษที่ค่อนข้างใจกว้าง พูดได้แค่นั้น

ฝ่ายผู้เชี่ยวชาญมองเรื่องนี้อย่างมีสติ ตามคาด เมื่อวันที่ 22 สิงหาคม 2020 Gary Marcus และ Ernest Davis พาดหัวใน MIT Technology Review ว่า: “GPT-3, Bloviator: OpenAI’s language generator has no idea what it’s talking about.” ในชุดการทดสอบที่จงใจไม่เป็นระบบ — ผู้เขียนระบุชัดว่านี่ไม่ใช่ benchmark — GPT-3 ตอบถูกอย่างชัดเจนประมาณครึ่งหนึ่งและผิดอย่างชัดเจนอีกครึ่งหนึ่งในเรื่อง reasoning ทั่วไปในชีวิตประจำวัน ในเดือนมีนาคม 2021 Emily Bender และเพื่อนร่วมงานได้บัญญัติศัพท์ที่ติดหูในงานประชุม FAccT ว่า „นกแก้วเชิงสถิติ” — เครื่องจักรที่พูดตามแบบแผนคำโดยไม่เข้าใจอะไรเลย คำตัดสินของ Marcus สองปีต่อมา ในเดือนมีนาคม 2022: “For all its fluency, GPT-3 can neither integrate information from basic web searches nor reason about the most basic everyday phenomena.”

แล้วภาพล่ะ? เมื่อวันที่ 5 มกราคม 2021 OpenAI เปิดตัว DALL·E — โมเดลแยกย่อยของ GPT-3 ที่มีพารามิเตอร์ 1.2 หมื่นล้านตัว ซึ่งวาดภาพจากข้อความ ความละเอียดต่ำ มักผิดเพี้ยน เป็นเรื่องแปลกใหม่ ไม่ใช่เครื่องมือ

จำภาพนี้ไว้: รายชื่อรอ นกแก้ว ข้อความที่คัดสรรมาแล้ว ลูกแมวพิกเซลแตก นั่นคือสถานะเมื่อสามปีครึ่งที่แล้ว

ไทม์ไลน์

จากตรงนี้ไปมันจะแน่นขึ้นเรื่อย ๆ ผมจะเรียงการเปิดตัวสำคัญพร้อมวันที่ — และข้างแต่ละอันคือสิ่งที่มันทำให้เป็นไปได้จริงเป็นครั้งแรก รายการนี้ยังคงเติบโตต่อไป ผมจะเพิ่มเข้ามาเมื่อมีของใหม่

พฤษภาคม/มิถุนายน 2020 — GPT-3 ในรูป preprint และ API เบต้า ในการทดสอบของ OpenAI เอง ผู้ประเมินระบุบทความสั้นที่เขียนโดยเครื่องได้ถูกต้องเพียง 52% ของกรณี — แทบไม่ต่างจากการโยนเหรียญ ครั้งแรก: ข้อความที่ฟังดูเหมือนมนุษย์เขียนในระดับความยาวหนึ่งย่อหน้า

มกราคม 2021 — DALL·E 1 ครั้งแรก: ภาพจากข้อความใด ๆ ก็ได้ — แต่หยาบและเล็ก

21 มิถุนายน 2022 — GitHub Copilot เปิดให้ใช้งานทั่วไป ราคา 10 ดอลลาร์ต่อเดือน ครั้งแรก: AI ที่พิมพ์โค้ดไปพร้อมกับคุณ ในราคาที่นักพัฒนาทุกคนจ่ายไหว

กรกฎาคม/สิงหาคม 2022 — การก้าวกระโดดด้านภาพมาถึงติด ๆ กัน: DALL·E 2 (ประกาศ 6 เมษายน เบต้า 20 กรกฎาคม), Midjourney (เบต้าเปิด 12 กรกฎาคม), Stable Diffusion (22 สิงหาคม โอเพนซอร์ส รันได้บนฮาร์ดแวร์ผู้บริโภคทั่วไป) ครั้งแรก: ภาพสมจริงที่จัดองค์ประกอบได้ — และด้วย Stable Diffusion ทำได้บนเครื่องของตัวเอง ไม่ต้องพึ่งคลาวด์

ปลายสิงหาคม/ต้นกันยายน 2022 — ภาพ „Théâtre D’opéra Spatial” ของ Jason Allen ที่สร้างด้วย Midjourney คว้าที่หนึ่งในงาน Colorado State Fair (ประเภทภาพถ่ายที่ตกแต่งด้วยดิจิทัล รางวัล 300 ดอลลาร์) คณะกรรมการไม่รู้ว่ามันคือ AI การถกเถียงในที่สาธารณะตามมาในเดือนกันยายน

30 พฤศจิกายน 2022 — ChatGPT เวอร์ชันพรีวิวฟรีบนพื้นฐาน GPT-3.5 มีผู้ใช้หนึ่งล้านคนใน 5 วัน และราว 100 ล้านคนต่อเดือนหลังผ่านไปสองเดือน ครั้งแรก: นกแก้วได้หน้าต่างสนทนา — และคนทั้งโลกเดินเข้าไปได้

14 มีนาคม 2023 — GPT-4 มัลติโมดัล (เข้าใจภาพได้ด้วย) context สูงสุด 32,000 โทเคน จากเดิม 2,048 เดือนเดียวกันนั้น Gen-2 ของ Runway เปิดตัวเป็นหนึ่งใน text-to-video เบต้าที่ใช้งานได้จริงรุ่นแรก ๆ ครั้งแรก: AI ที่ “มองเห็น” ภาพที่อัปโหลดมา — และวินาทีแรกของวิดีโอที่เคลื่อนไหวจากข้อความ

ตุลาคม 2023 — DALL·E 3 ฝังอยู่ใน ChatGPT โดยตรง ครั้งแรก: ภาพที่ตรงกับสิ่งที่พิมพ์จริง ๆ รวมถึงตัวอักษรที่อ่านออก

15 กุมภาพันธ์ 2024 — OpenAI ประกาศ Sora: วิดีโอความละเอียด 1080p สมจริงสูงยาวได้ถึง 60 วินาทีจากพรอมต์เดียว ครั้งแรก: วิดีโอที่อาจเข้าใจผิดว่าเป็นของจริงได้ในสายตาแรก

12 มีนาคม 2024 — Cognition เปิดตัว Devin “วิศวกรซอฟต์แวร์ AI คนแรก” พร้อม shell, editor และ browser ของตัวเอง ครั้งแรก: AI ที่ทำงานเขียนโค้ดจบครบวงจรด้วยตัวเอง

มีนาคม/เมษายน 2024 — Suno V3 (21 มีนาคม เพลงเต็มพร้อมเสียงร้องยาวถึง 4 นาที ใช้ฟรีได้ด้วย) และ Udio (10 เมษายน เบต้าสาธารณะ) ครั้งแรก: เพลงที่เสร็จสมบูรณ์พร้อมเสียงร้อง จากประโยคเดียว

13 พฤษภาคม 2024 — GPT-4o โมเดล “omni” สำหรับข้อความ เสียง และภาพในตัวเดียว ครั้งแรก: การพูดคุยกับเครื่องจักรแบบลื่นไหลและเรียลไทม์

24 กุมภาพันธ์ 2025 — Claude Code เปิดตัวเป็น research preview และเปิดใช้งานทั่วไปในเดือนพฤษภาคม 2025 ครั้งแรก: การเขียนโค้ดกลายเป็นบทสนทนาในเทอร์มินัล — สำหรับผมเองด้วย เพจนี้ถูกสร้างขึ้นแบบนั้น

25 มีนาคม 2025 — OpenAI ฝังการสร้างภาพเข้าไปใน GPT-4o โดยตรง กระแสไวรัล “Studio Ghibli” ถล่มบริการหนักจนต้องเลื่อนเวอร์ชันฟรีออกไป ครั้งแรก: การแก้ไขภาพผ่านบทสนทนา — พูดว่า “ทำให้ท้องฟ้าอุ่นขึ้นหน่อย” แล้วมันก็เกิดขึ้น

20 พฤษภาคม 2025 — Google Veo 3: ครั้งแรกที่เสียงถูกสร้างขึ้นพร้อมกันแบบซิงค์ — บทสนทนา เอฟเฟกต์เสียง ลิปซิงค์ Veo 3.1 ตามมาในช่วงกลางเดือนตุลาคม 2025 ครั้งแรก: วิดีโอที่ไม่ใช่แค่ดูสมจริง แต่ฟังสมจริงด้วย

7 สิงหาคม 2025 — GPT-5 ที่ OpenAI อธิบายว่าเป็น “ทีมผู้เชี่ยวชาญระดับปริญญาเอกในกระเป๋าของคุณ”

30 กันยายน 2025 — Sora 2: เสียงซิงค์ ฟิสิกส์ที่ดีขึ้น ฟีเจอร์ “Cameo” — พร้อมแอปของตัวเองในรูปแบบ TikTok ครั้งแรก: วิดีโอ AI ในฐานะโซเชียลมีเดีย ไม่ใช่แค่การสาธิตในแล็บ

อ่านห้าปีนี้รวดเดียว แล้วนกแก้วของปี 2020 จะรู้สึกเหมือนมาจากอีกศตวรรษหนึ่ง

สิ่งที่แทบไม่มีใครจับตามอง

ทุกคนพูดถึง ChatGPT แต่มีน้อยคนเกินไปที่พูดถึงเรื่องนี้ — ทั้งที่มันอาจเป็นส่วนที่ใหญ่กว่าของเรื่องราวทั้งหมด

ในเดือนพฤศจิกายน 2020 AlphaFold 2 ชนะการแข่งขัน CASP14 ด้วยคะแนนมัธยฐานราว 92 GDT_TS และแก้ปัญหาที่วงการชีววิทยาล้มเหลวมาห้าสิบปี: การทำนายการพับตัวสามมิติของโปรตีนจากลำดับกรดอะมิโน นี่ไม่ใช่เรื่องเล่น ๆ การพับตัวของโปรตีนเป็นรากฐานของการเข้าใจว่าโรคทำงานอย่างไรและยาเข้าจับตัวอย่างไร ตั้งแต่ปี 2022 ฐานข้อมูล AlphaFold มีโครงสร้างมากกว่า 200 ล้านโครงสร้าง และมากกว่า 214 ล้านโครงสร้างภายในปี 2024 ใช้งานโดยนักวิจัยกว่าสองล้านคนใน 190 ประเทศ วันที่ 8 พฤษภาคม 2024 AlphaFold 3 มาถึง ซึ่งทำนายคอมเพล็กซ์ของโปรตีน DNA RNA และโมเลกุลยาได้ด้วย

การยอมรับมาถึงในระดับสูงสุด: รางวัลโนเบลสาขาเคมีปี 2024 ครึ่งหนึ่งมอบให้ David Baker สำหรับการออกแบบโปรตีนด้วยคอมพิวเตอร์ ส่วนอีกครึ่งหนึ่งมอบร่วมกันให้ Demis Hassabis และ John Jumper สำหรับการทำนายโครงสร้างโปรตีน ระบบ AI อยู่ที่ใจกลางของรางวัลโนเบลสาขาเคมี

และมันไม่หยุดแค่โปรตีน:

  • การแพทย์: Rentosertib ยาที่ AI ค้นพบสำหรับโรคปอด IPF แสดงการปรับปรุงการทำงานของปอดตามขนาดยาหลังจาก 12 สัปดาห์ ในการศึกษาระยะ IIa กับผู้ป่วย 71 คนใน 22 ศูนย์ — ตีพิมพ์เมื่อวันที่ 3 มิถุนายน 2025 ใน Nature Medicine ในปี 2023 โมเดล deep-learning (ความร่วมมือระหว่าง McMaster University และ MIT) ระบุยา abaucin ที่ใช้ต่อต้านเชื้อโรคอันตรายในโรงพยาบาล จากโมเลกุลที่คัดกรองราว 7,500 ตัว
  • วัสดุศาสตร์: GNoME ของ DeepMind ทำนายความเสถียรของผลึกใหม่ 2.2 ล้านชนิดในช่วงปลายปี 2023 ในวันเดียวกัน A-Lab ที่ Berkeley แสดงให้เห็นว่าหุ่นยนต์ที่ใช้ ML สังเคราะห์วัสดุอนินทรีย์ใหม่ได้ภายใน 17 วัน (เพื่อความเป็นธรรม: งานทั้งสองชิ้นถูกวิจารณ์ในภายหลัง — หลายคนมองว่าจำนวนโครงสร้างใหม่จริง ๆ ของ GNoME ถูกทำให้ดูมากเกินจริง และ Nature ต้องออกคำแก้ไขเกี่ยวกับ A-Lab ความก้าวหน้านั้นเป็นเรื่องจริง แต่ผลสรุปยังเป็นที่ถกเถียง)
  • สภาพอากาศ: GraphCast ทำนายสภาพอากาศล่วงหน้าได้ถึง 10 วันภายในเวลาไม่ถึงหนึ่งนาทีบนคอมพิวเตอร์เครื่องเดียว — และแม่นยำกว่าโมเดลที่เป็นมาตรฐานของ ECMWF ในมากกว่า 90% ของเป้าหมาย 1,380 รายการที่ตรวจสอบ GenCast ตามมาในช่วงปลายปี 2024 พร้อมเส้นทางพายุไซโคลนที่แม่นยำขึ้น
  • คณิตศาสตร์บริสุทธิ์: AlphaProof และ AlphaGeometry 2 แก้โจทย์ได้ 4 จาก 6 ข้อในการแข่งขันคณิตศาสตร์โอลิมปิกนานาชาติปี 2024 ได้ 28 จาก 42 คะแนน — ระดับเหรียญเงิน ห่างจากเหรียญทองแค่คะแนนเดียว หนึ่งในโจทย์ที่แก้ได้นั้น มีผู้เข้าแข่งขันที่เป็นมนุษย์เพียง 5 คนจากกว่า 600 คนที่แก้ได้สมบูรณ์ และในช่วงปลายปี 2023 FunSearch พบคำตอบใหม่ที่พิสูจน์ได้สำหรับปัญหาคณิตศาสตร์ที่ยังไม่มีคำตอบ — ครั้งแรกที่โมเดลภาษาสร้างองค์ความรู้ใหม่ที่แท้จริงและตรวจสอบได้

นกแก้วที่ว่ากันว่าแค่พูดตามซ้ำ ๆ จึงได้พับโปรตีน ค้นพบยา และทำคณิตศาสตร์ที่แทบไม่มีมนุษย์คนไหนทำได้

ตัวเลข

เมื่อผมอยากรู้ว่าเทคโนโลยีหนึ่งจริงจังแค่ไหน ผมจะตามเงิน — และตามงาน

การลงทุนของภาคเอกชนทั่วโลกใน AI แตะระดับราว 252,000 ล้านดอลลาร์ในปี 2024 ตามข้อมูลของ Stanford HAI ในปี 2025 ตัวเลขนี้เพิ่มขึ้นเป็นสองเท่าเป็น 581.7 พันล้านดอลลาร์ การลงทุนภาคเอกชนล้วน ๆ พุ่งขึ้น 127.5% เป็น 344.7 พันล้านดอลลาร์ Generative AI — ส่วนที่สร้างภาพ ข้อความ และวิดีโอ — เติบโตราว 200% ในปี 2025 เป็นราว 171 พันล้านดอลลาร์ เกือบครึ่งหนึ่งของการลงทุน AI ภาคเอกชนทั้งหมด สหรัฐฯ นำหน้าด้วยการลงทุนภาคเอกชน 285.9 พันล้านดอลลาร์ มากกว่าจีนถึง 23 เท่า

การใช้งานก็ตามมาติด ๆ: 78% ขององค์กรรายงานว่าใช้ AI ในปี 2024 (เพิ่มจาก 55% ในปีก่อนหน้า) McKinsey พบตัวเลข 88% ในปี 2025 ที่มีการใช้งานสม่ำเสมอในอย่างน้อยหนึ่งฟังก์ชันทางธุรกิจ จุดติดขัด — ที่ผมตั้งใจจะพูดถึงตรง ๆ — คือมีเพียงราวหนึ่งในสามของบริษัทเท่านั้นที่ขยายผลเกินกว่าโครงการนำร่อง และมีเพียงส่วนน้อยที่แสดงผลกระทบต่อกำไรได้อย่างวัดผลได้ มีการทดลองมากมาย แต่ทำจนจบน้อยมาก

แล้วเรื่องงานล่ะ? นี่คือจุดที่เจ็บปวด IMF ประเมินว่าราว 40% ของการจ้างงานทั่วโลกมีความเสี่ยงถูก AI แทนที่ ในประเทศพัฒนาแล้วตัวเลขนี้อยู่ที่ราว 60% ครึ่งหนึ่งของงานเหล่านี้อาจได้ประโยชน์ อีกครึ่งหนึ่งอาจสูญเสียงานหลักไป Kristalina Georgieva หัวหน้า IMF สรุปไว้ว่า: “We are on the brink of a technological revolution that could jumpstart productivity, boost global growth and raise incomes around the world. Yet it could also replace jobs and deepen inequality.”

WEF คาดการณ์ว่าจะมีตำแหน่งงานใหม่ 170 ล้านตำแหน่งภายในปี 2030 และงานที่หายไป 92 ล้านตำแหน่ง — สุทธิเพิ่มขึ้น 78 ล้านตำแหน่ง ดังนั้นจึงไม่ใช่แค่การสูญเสีย กลุ่มที่เติบโตเร็วที่สุดคือผู้เชี่ยวชาญด้าน big data (+110%) วิศวกร fintech (+95%) ผู้เชี่ยวชาญ AI/ML (+85%) ส่วนที่ลดลงมากที่สุดคืองานออฟฟิศแบบดั้งเดิม เช่น เสมียนและพนักงานแคชเชียร์ 39% ของทักษะหลักที่ต้องการในปัจจุบันถูกมองว่าจะล้าสมัยภายในปี 2030

รายละเอียดหนึ่งที่ทำให้ผมรู้สึกมองโลกในแง่ดี: Anthropic Economic Index วิเคราะห์บทสนทนา AI ราวสองล้านบทสนทนาในช่วงต้นปี 2026 เป็นครั้งแรกที่ augmentation (52%) — AI ช่วยคนทำงาน — แซงหน้า automation (45%) ซึ่งเป็นกรณีที่ AI เข้ามาทำงานแทนทั้งหมด บ่อยครั้งกว่าที่มันเป็นผู้ช่วยมากกว่าตัวแทนที่มาแทนที่ อย่างน้อยก็ตอนนี้

เมื่อก่อนกับตอนนี้ — การคำนวณของผมเอง

ตอนนี้เรื่องจะเข้มข้นขึ้น เพราะนี่คือจุดที่ผมใช้ชีวิตอยู่จริง ๆ ร้าน AI หนึ่งร้าน บล็อกหนึ่งบล็อก — ภาพในนั้นต้องมาจากที่ไหนสักแห่ง ผมจึงลองดูว่าการถ่ายภาพโฆษณาแบบคลาสสิกต้องใช้อะไรบ้างจริง ๆ ไม่ใช่ภาพจำเดิม ๆ แต่เป็นการคำนวณจริง

เริ่มจากเรื่องลิขสิทธิ์ก่อน เพราะคนส่วนใหญ่มองข้ามมัน สำหรับการ ใช้งาน ภาพหนึ่งภาพ จะมี “buy-out” เพิ่มขึ้นมาบนค่าตัว — เป็นค่าธรรมเนียมเพิ่มเติมที่ปรับตามการเข้าถึงและระยะเวลา “longer period, higher buyout” ตามที่เอเจนซีพูดไว้ ใบอนุญาตมักมีอายุหนึ่งถึงห้าปี หลังจากนั้นจะใช้ภาพนั้นไม่ได้อีก และในสหรัฐฯ ต้องมี model release สำหรับทุกคนที่จำหน้าได้ในภาพ — ถ้าไม่มีสิ่งนี้ การใช้งานเชิงพาณิชย์ถือว่าผิดกฎหมายอย่างชัดเจน ไม่ว่าจะมีชื่อเสียงหรือไม่ก็ตาม

ต่อไปคือคนในกองถ่าย เอเจนซีเก็บค่าคอมมิชชัน 15–20% จากนางแบบ และ บวกค่าใช้จ่ายเพิ่มให้กับผู้ว่าจ้างอีกต่างหาก การถ่ายแบบแฟชั่น เพียงวันเดียวก็สะสมค่าใช้จ่ายได้อย่างรวดเร็ว: ช่างภาพ 1,000–3,500 ดอลลาร์ (ในนิวยอร์กหรือแอลเอมักอยู่ที่ 3,000–8,000+) นางแบบ 500–3,000 สตูดิโอ 300–1,500 ช่างแต่งหน้าทำผม 400–1,200 สไตลิสต์ 400–1,800 บวกค่าตกแต่งภาพต่อรูปเพิ่มอีก การผลิตแบบประหยัดอยู่ที่ราว 2,600 ดอลลาร์ ระดับกลางราว 12,700 ดอลลาร์ ระดับไฮเอนด์อยู่ระหว่าง 25,000 ถึง 100,000 ดอลลาร์ — ต่อวัน และวันถ่ายทำ ตามที่บริษัทผลิตหนึ่งกล่าวอย่างตรงไปตรงมา คือ “the smallest part”: สำหรับสปอตทีวี พรีโปรดักชันคิดเป็น 40–50% ของเวลาทั้งหมด สปอตหนึ่งชิ้นใช้เวลารวม 6–10 สัปดาห์ แคมเปญหนึ่งใช้เวลา 8–12 สัปดาห์ คัดตัวนักแสดง หาโลเคชันพร้อมใบอนุญาตและประกันภัย ทีมงาน 2 ถึง 200 คน และแผนสำรองกรณีสภาพอากาศไม่เอื้ออำนวย

ตัวอย่างหนึ่งที่ติดตา: ช่างทำผมของคนดังคนหนึ่งคิดเงิน 12,000 ดอลลาร์สำหรับสองวันถ่ายทำ — แค่ค่าบริการ ไม่รวมค่าเดินทางและค่าเอเจนซี แค่ผมเท่านั้น

แล้ววันนี้ล่ะ? ผลลัพธ์แบบเดียวกันเป๊ะ — ตัวคน แสง สถานที่ อารมณ์ — คือพรอมต์หนึ่งอัน ใช้เวลาไม่กี่วินาทีแทนที่จะเป็นหลายสัปดาห์ ไม่มี buy-out ไม่มีสัญญาลิขสิทธิ์ที่จะหมดอายุ ไม่มีสภาพอากาศให้กังวล เพจนี้กับร้านค้าคือตัวอย่างที่มีชีวิต: ภาพที่คุณเห็นตรงนี้ ถ้าเป็นเมื่อสามปีก่อนจะหมายถึงการผลิตระดับห้าหลักกลาง ๆ และเวลาเตรียมงานหนึ่งเดือน วิธีที่ภาพเหล่านี้ถูกสร้างขึ้น ผมแสดงไว้ที่หน้า AI — เครื่องมือ AI คือกล่องเครื่องมือเบื้องหลังทั้งหมดนี้

ผมไม่ได้พูดแบบนี้เพื่อลดคุณค่าฝีมือของใคร ช่างภาพที่ดี สไตลิสต์ที่ดี — นั่นยังคงเป็นฝีมือที่มีค่า ผมพูดแบบนี้เพราะ เกณฑ์ขั้นต่ำ ได้หายไปแล้ว สิ่งที่เคยต้องใช้งบประมาณและคอนเนกชัน วันนี้ต้องการแค่ไอเดียที่ดีกับประโยคที่แม่นยำหนึ่งประโยค

จุดที่ต้องระวัง

เพื่อไม่ให้เรื่องนี้กลายเป็นโฆษณา นี่คือส่วนที่ตรงไปตรงมา รัฐบาลแทบไม่ใช้โมเดลเหล่านี้ และหลายบริษัทก็เช่นกัน — ด้วยเหตุผลด้านการคุ้มครองข้อมูล และนั่นไม่ใช่เรื่องโง่ แต่เข้าใจได้ ใครก็ตามที่พิมพ์ข้อมูลอ่อนไหวลงในโมเดลคลาวด์ของคนอื่น กำลังสละการควบคุมที่อาจไม่มีสิทธิ์สละ หน่วยงานราชการ คลินิก หรือสำนักงานกฎหมาย ไม่สามารถส่งข้อมูลส่วนบุคคลให้ผู้ให้บริการในสหรัฐฯ ได้ง่าย ๆ

เพียงแต่ว่าคำตอบสำหรับเรื่องนี้ไม่ใช่ “ไม่ใช้เลย” แต่เป็น “จะไปถึงจุดนั้นได้อย่างไร” ลองนึกถึง Stable Diffusion จากเดือนสิงหาคม 2022 — มันรันแบบ local ตั้งแต่แรกเริ่ม บนฮาร์ดแวร์ทั่วไป โดยไม่มีข้อมูลแม้แต่ไบต์เดียวออกจากเครื่องของตัวเอง ทิศทางแบบนี้เป๊ะ ๆ — โมเดลที่รันบนเครื่องของตัวเองหรือในองค์กรของตัวเอง — คือทางออกสำหรับหน่วยงานราชการและบริษัทที่อ่อนไหวต่อข้อมูล โดยไม่ต้องเสียการควบคุม เทคโนโลยีสำหรับเรื่องนี้ดีขึ้นและเล็กลงทุกเดือน ใครก็ตามที่เพิกเฉยต่อมันเพียงแค่ผลักปัญหาออกไป ไม่ได้แก้ไขมัน

ท้ายที่สุด

รูปแบบมันเหมือนเดิมเสมอ ตอนแรก “สิ่งนี้จะไม่มีวันเกิดขึ้น” จากนั้น “ก็ได้ แต่มันไม่นับ” แล้วก็กลายเป็นเรื่องปกติในชีวิตประจำวัน และไม่มีใครจำได้ว่าเคยสงสัยมันมาก่อน Go การแปลภาษา การพับโปรตีน ภาพ เสียง วิดีโอที่มีเสียง และใช่ เมื่อก่อนก็รวมถึงอินเทอร์เน็ตและ “เงินดิจิทัล” ที่ว่ากันว่าเป็นแค่ยาเบื่อหนู

ผมไม่ได้อ้างว่ารู้ว่าเรื่องนี้จะจบลงตรงไหน ไม่มีใครรู้ แต่บทเรียนหนึ่งจากสามปีครึ่งที่ผมกล้าเขียนลงไปคือ: มันมาเร็วกว่าที่เกือบทุกคนคิด — เร็วกว่าที่แม้แต่คนฉลาดที่พูดว่า “ไม่มีวัน” จะคิดด้วยซ้ำ

นั่นเป็นเหตุผลที่ผมยังคงทำไทม์ไลน์นี้ต่อไป ทุกครั้งที่มีบางอย่างที่เมื่อวานยังถูกเรียกว่าเป็นไปไม่ได้ล้มลง จะมีรายการใหม่เพิ่มเข้ามา ถ้าคุณอยากเติบโตไปพร้อมกัน แวะมาดูเป็นระยะ ๆ — และถ้าคุณเห็นอะไรที่ขาดหายไปตรงนี้ ส่งข้อความมาหาผมผ่านหน้าติดต่อ รายการนี้ยังไม่จบ มันเพิ่งเริ่มต้นเท่านั้น