Jensen Huang ซีอีโอของ Nvidia เปิดเผยระหว่างการเดินทางไปยังกรุงปักกิ่งว่า ถ้าเขาเป็นนักศึกษาอายุ 20 ปีในยุคนี้ เขาจะเลือกเรียน “วิทยาศาสตร์กายภาพ” แทนสายซอฟต์แวร์
เมื่อผู้สื่อข่าวถามว่า หากเขาเป็นตัวเองในเวอร์ชันอายุ 22 ปีที่เพิ่งเรียนจบในปี 2025 แต่ยังมีความทะเยอทะยานแบบเดิม เขาจะเลือกมุ่งเน้นด้านไหน? Huang ตอบว่า ตัวเขาในวัย 20 ปีที่เพิ่งจบใหม่อาจเลือกเรียนในสายวิทยาศาสตร์กายภาพมากกว่าวิทยาศาสตร์ด้านซอฟต์แวร์ พร้อมเสริมว่าเขาเองเรียนจบปริญญาตรีตั้งแต่อายุ 20 ปี
ทั้งนี้ วิทยาศาสตร์กายภาพ เป็นแขนงที่ศึกษาเกี่ยวกับระบบที่ไม่มีชีวิต เช่น ฟิสิกส์ เคมี ดาราศาสตร์ และวิทยาศาสตร์โลก ซึ่งแตกต่างจากวิทยาศาสตร์ชีวภาพที่เน้นสิ่งมีชีวิต
Huang สำเร็จการศึกษาด้านวิศวกรรมไฟฟ้าจาก Oregon State University ในปี 1984 และต่อปริญญาโทด้านเดียวกันที่ Stanford University ในปี 1992 ก่อนจะร่วมก่อตั้ง Nvidia ร่วมกับวิศวกรอีกสองคนในร้านอาหาร Denny’s ที่แคลิฟอร์เนีย ปีถัดมา (1993)
ปัจจุบัน Nvidia กลายเป็นบริษัทที่มีมูลค่าตลาดสูงที่สุดในโลก และเป็นบริษัทแรกที่แตะระดับ 4 ล้านล้านเหรียญสหรัฐเมื่อสัปดาห์ที่ผ่านมา
แม้ Huang จะไม่ได้อธิบายโดยตรงว่าทำไมถึงเลือกวิทยาศาสตร์กายภาพ แต่เขาเคยพูดถึงแนวคิด “Physical AI” หรือ “คลื่นลูกต่อไปของ AI” อย่างชัดเจน
ในเวที The Hill & Valley Forum ที่กรุงวอชิงตัน ดี.ซี. เมื่อเดือนเมษายนที่ผ่านมา เขาอธิบายวิวัฒนาการของ AI ไว้ว่า:
1. ยุคแรกคือ Perception AI: เริ่มต้นเมื่อประมาณ 12-14 ปีก่อน โดยเฉพาะหลังการเปิดตัวโมเดล AlexNet ในปี 2012 ซึ่งเป็นจุดเปลี่ยนสำคัญของการรู้จำภาพผ่าน deep learning
2. ยุคต่อมาคือ Generative AI: ที่ AI สามารถเข้าใจความหมายของข้อมูลและสร้างเนื้อหาใหม่ เช่น ข้อความ รูปภาพ โค้ด และอื่นๆ
3. ปัจจุบันคือ Reasoning AI: ที่ AI ไม่เพียงแค่เข้าใจหรือสร้างสรรค์เท่านั้น แต่ยัง “ให้เหตุผล” ได้ เช่น การแก้ปัญหาใหม่ๆ ที่ไม่เคยพบมาก่อน หรือการตัดสินใจเชิงเงื่อนไข
ในยุคนี้ AI กลายเป็น “เอเจนต์ดิจิทัล” หรือ “หุ่นยนต์แรงงานในโลกดิจิทัล” ที่ทำงานซับซ้อนได้ และเป็นเป้าหมายของบริษัทเทคโนโลยีใหญ่ๆ อย่าง Microsoft และ Salesforce
มองไปข้างหน้า Huang กล่าวว่า ‘Physical AI’ คือคลื่นลูกถัดไป
เขาอธิบายว่า AI ยุคใหม่จะต้องเข้าใจกฎฟิสิกส์ เช่น แรงเสียดทาน ความเฉื่อย เหตุและผล รวมถึงแนวคิดพื้นฐานอย่าง “วัตถุยังคงอยู่แม้มองไม่เห็น” (object permanence)
ความสามารถในการให้เหตุผลทางกายภาพจะมีประโยชน์อย่างยิ่ง เช่น:
• ทำนายทิศทางการกลิ้งของลูกบอล
• จับวัตถุโดยไม่ทำให้เสียหาย
• ระบุว่ามีคนเดินอยู่หลังรถหรือไม่
เมื่อ AI แบบนี้รวมเข้ากับหุ่นยนต์จริง ก็จะได้ ‘หุ่นยนต์ทางกายภาพ’ (Physical Robots)
Huang กล่าวว่า สิ่งนี้จะมีความสำคัญมากในอนาคต เพราะโรงงานและสายการผลิตใหม่ๆ ทั่วอเมริกาจะใช้หุ่นยนต์มากขึ้น
“หวังว่าใน 10 ปีข้างหน้า โรงงานเหล่านี้จะใช้หุ่นยนต์มากขึ้น เพื่อช่วยรับมือกับปัญหาการขาดแคลนแรงงานที่เกิดขึ้นทั่วโลก” Huang กล่าวทิ้งท้าย
ภาพ: AFP
แปลและเรียบเรียงจาก Nvidia CEO: If I were a 20-year-old again today, this is the field I would focus on in college
เรื่องราวอื่นๆ ที่น่าสนใจ : “ไม่ต้องเรียนเขียนโค้ดหรอก” ซีอีโอ Nvidia แนะทักษะจำเป็นในโลกอนาคตที่ AI จะเข้ามาช่วยทำงาน
ไม่พลาดบทความและเรื่องราวน่าสนใจอื่นๆ ติดตามเราได้ที่เฟซบุ๊ก Forbes Thailand Magazine
