「แนวป้องกันของความรู้ช้า」

ทุกคนรู้ดีว่าวิทยาศาสตร์เป็นความสำเร็จร่วมกัน
คลื่นความโน้มถ่วงถูกค้นพบโดยคนหลายพันคนใช้เวลาหลายสิบปี AlphaFold ก็เช่นกัน เบื้องหลังคือทีม DeepMind ทั้งหมด ไม่มีใครกล่าวว่านี่เป็นผลลัพธ์ของอัจฉริยะคนเดียว
แต่บริษัทเทคโนโลยีเมื่อว่าจ้างนักวิจัย AI กลับตรงกันข้าม
บทความในวารสาร Nature เพิ่งเผยตัวเลขหนึ่ง: นักวิจัยรุ่นหนุ่มที่ทำงานประมาณห้าปีและมีการอ้างอิงผลงานสูงสุด มีโอกาสย้ายไปทำงานในอุตสาหกรรมในปีถัดไปถึง 100 เท่าของนักวิจัยทั่วไปในช่วงเวลาเดียวกัน
100 เท่า ไม่ใช่สองสามเท่า
นี่ไม่ใช่เรื่องของการเลือกส่วนตัว แต่นี่คือการดูดเลือดเชิงโครงสร้าง
อาจารย์ด้าน AI ชั้นนำ เงินเดือนเต็มประมาณ 20 ถึง 40 หมื่นดอลลาร์สหรัฐ ฟังดูไม่น้อย แต่ค่าตอบแทนรวมจาก Google, OpenAI อาจสูงถึง 1 ถึง 3 ล้านดอลลาร์ คนคนเดียวกัน ทำงานในลักษณะเดียวกัน แต่เงินเดือนต่างกันเป็นระดับจำนวนมาก
ตรรกะของอุตสาหกรรมก็ตรงไปตรงมา: ถ้ามี "วิศวกร 10 เท่า" ก็ไม่จำเป็นต้องจ้างสิบคนธรรมดา และตอนนี้ตรรกะนี้ก็อยู่ในกระบวนการพัฒนา—ถ้า AI สามารถทดแทนวิศวกรระดับกลาง-ต่ำได้ ก็ยิ่งควรโฟกัสทรัพยากรเพื่อแย่งชิงคนเก่งที่สุด
ปัญหาคือ ตรรกะนี้กลับทำให้สิ่งหนึ่งผิด
คุณอาจมองว่าวงการวิชาการเป็นดินแดน เป็นพื้นฐาน ส่วนอุตสาหกรรมเป็นการสร้างบ้านบนพื้นนั้น
งานของดินคือช้า ไม่เน้นการใช้งานล่วงหน้า และอนุญาตให้ล้มเหลวได้ มันสร้างความรู้ที่สามารถถูกอ้างอิงซ้ำได้ เปิดให้วิจารณ์ได้ และไม่ใช่ผลิตภัณฑ์ที่ขับเคลื่อนด้วยเป้าหมายเชิงพาณิชย์
การขุดเอาส่วนที่ดีที่สุดของดินไปสร้างบ้าน ชั่วคราวบ้านจะสร้างได้ดีขึ้น แต่ในระยะยาวฐานรากของคุณจะค่อยๆ ว่างเปล่า
ผมเองในปีสุดท้ายของปริญญาเอก ก็ต้องจัดการกับปัญหานี้เช่นกัน งานวิจัยต้องเผยแพร่ แต่ก็ต้องรับข้อเสนอจากอุตสาหกรรม
การเลือกนั้นไม่ใช่แค่เรื่องเงินเดือน แต่มันคือการเลือกว่าปัญหาการวิจัยของคุณจะดำเนินไปอย่างไร และเพื่อใคร
ปัญหาในอุตสาหกรรมเป็นของจริง แต่ก็มีแรงกดดันด้านเวลาและทิศทางการใช้งานซ่อนอยู่ ปัญหาในวงการวิชาการคืออิสระ แต่คุณต้องยอมรับว่าความอิสระนั้นมีค่าใช้จ่าย
ความเสียดายนี้จะไม่ถูกแก้ด้วยการที่ "วงการวิชาการต้องแข็งแกร่งขึ้น" เงินก็ไม่สามารถชนะด้วยการใช้น้อยลง
สิ่งที่แท้จริงที่จำเป็นคือระบบวิชาการต้องคิดใหม่ว่าตนเองกำลังนำเสนออะไร "สิ่งที่อุตสาหกรรมไม่มี" แล้วทำให้สิ่งนั้นเป็นที่มองเห็นและน่าดึงดูดใจต่อผู้ที่ให้ความสนใจจริงๆ
มีแนวคิดหนึ่งที่ผมคิดอยู่เสมอ: ผมเรียกมันว่าแนวป้องกันของความรู้ช้า
ไม่ใช่ความรู้ทุกอย่างที่มีคุณค่าจะสามารถแสดงผลในรอบผลิตภัณฑ์ 18 เดือนได้ สิ่งที่ไม่สามารถแสดงผลได้ ก็ต้องมีคนดูแลรักษาไว้