Meta บริษัทแม่ของ Facebook จัดลำดับความสำคัญของการลงทุนในด้านการวิจัยและพัฒนาใหม่ โดยยกเลิกโครงการ AI แบบ blue-sky research ที่ไม่มีเป้าหมายที่ชัดเจนว่าจะนําไปประยุกต์ใช้จริงได้หรือไม่ เพื่อนำงบประมาณไปใช้พัฒนาผลิตภัณฑ์ commercial AI ที่สร้างรายได้มากกว่า
Move to terminate scientific project comes as Facebook parent prioritises moneymaking AI products over blue-sky research
Meta ยุบ protein-folding team เพื่อเปลี่ยนไปสู่ commercial AI
Meta ได้ยุบทีมที่ใช้ปัญญาประดิษฐ์เพื่อสร้างฐานข้อมูลแรกของโครงสร้างโปรตีนมากกว่า 600 ล้านโครงสร้าง ซึ่งเป็นสัญญาณว่าบริษัทกำลังละทิ้งโครงการทางวิทยาศาสตร์ล้วน ๆ เพื่อหันมาสร้างผลิตภัณฑ์ AI ที่ทำเงินได้
สื่อสังคมออนไลน์ยักษ์ใหญ่แห่งนี้จ้างกลุ่มนักวิทยาศาสตร์ประมาณสิบกว่าคนในโครงการที่ชื่อว่า ESMFold ซึ่งฝึกโมเดลภาษาขนาดใหญ่ที่สามารถประมวลผลข้อมูลทางชีววิทยาจำนวนมหาศาลเพื่อทำนายโครงสร้างโปรตีน ความพยายามนี้ได้รับการยกย่องจากผู้ที่เกี่ยวข้องในการพัฒนายาและการรักษาใหม่ๆ
แต่กลุ่ม ESMFold จะถูกยกเลิกในฤดูใบไม้ผลินี้โดยเป็นส่วนหนึ่งของการเลิกจ้างที่กำลังดำเนินการปรับโครงสร้างทั้งบริษัท
แม้ว่า protein-folding team จะมีขนาดเล็กเมื่อเทียบกับนักวิทยาศาสตร์และวิศวกร AI หลายพันคนที่ยังคงจ้างงานอยู่ที่ Meta แต่การยุบโครงการของพวกเขาแสดงให้เห็นถึงความปรารถนาของบริษัทที่จะละทิ้งการวิจัยที่ไม่มีเป้าหมายที่ชัดเจนว่าจะนําไปประยุกต์ใช้จริงได้หรือไม่ เพื่อหันมาสนับสนุนโครงการ Commercial AI ที่สามารถสร้างรายได้
Yaniv Shmueli อดีตนักวิทยาศาสตร์การวิจัยและผู้จัดการฝ่ายวิศวกรรมของ Meta AI กล่าวว่า “Meta พยายามปรับกลยุทธ์การวิจัยให้สอดคล้องกัน เพื่อทำความเข้าใจเพิ่มเติมเกี่ยวกับวิธีการสร้างปัญญาขั้นสูงที่สามารถช่วย Meta ในเชิงธุรกิจ แทนที่จะเป็นเพียงโครงการที่ไม่มีเป้าหมายที่ชัดเจนว่าจะนําไปประยุกต์ใช้จริงได้หรือไม่”
ภายใต้สิ่งที่ Mark Zuckerberg ผู้บริหารสูงสุดอธิบายว่าเป็น “ปีแห่งประสิทธิภาพ” Meta ได้ผ่านการปรับโครงสร้างครั้งใหญ่ในช่วงหลายเดือนที่ผ่านมา ซึ่งรวมถึงโครงสร้างการจัดการที่แบนราบและการลดตำแหน่งงานซึ่งส่งผลกระทบต่อพนักงานประมาณ 20,000 คน หลังจากการเรียกร้องจากนักลงทุนให้มุ่งเน้นไปที่ผลกำไรและการเติบโต
Meta เป็นหนึ่งในกลุ่มเทคโนโลยีขนาดใหญ่กลุ่มแรก ๆ ที่ลงทุนในปัญญาประดิษฐ์ บริษัทได้จัดตั้งห้องปฏิบัติการวิจัยพื้นฐาน Fundamental AI Research (Fair) ในปี 2556 เพื่อทำงานวิจัยในสาขาต่างๆ
ในช่วงหลายปีที่ผ่านมา บริษัทได้เผยแพร่เอกสารและได้รับการยอมรับในชุมชนวิทยาศาสตร์เกี่ยวกับความก้าวหน้าของ AI อย่างไรก็ตาม บริษัทเริ่มล้าหลังกว่าคู่แข่งอย่าง OpenAI, Microsoft และ Google ซึ่งทั้งหมดมีแชทบอทซึ่งใช้ generative AI
แนวทางใหม่ของ Meta คือการควบคุมการวิจัยและพัฒนาที่มีมาอย่างยาวนานในสาขาที่สามารถสร้างผลิตภัณฑ์ที่เอาชนะกระแสความนิยมของ generative AI ซึ่งเป็นเทคโนโลยีที่สามารถสร้างข้อความโต้ตอบที่เหมือนมนุษย์ ตลอดจนรูปภาพและวิดีโอ
ทีม generative AI ที่นำโดย Chris Cox หัวหน้าฝ่ายผลิตภัณฑ์ของ Meta ถูกจัดตั้งขึ้นในเดือนกุมภาพันธ์ ซึ่งขณะนี้มีพนักงานมากกว่าหลายร้อยคน รวมถึงทีมงานที่โยกย้ายจาก Fair ด้วย
Meta กำลังวางแผนที่จะเปิดตัวแชทบอทหลายรูปแบบในรูปแบบที่แตกต่างกันในเดือนกันยายน เพื่อพยายามไล่ตามคู่แข่งในทัน
Joelle Pineau รองประธานฝ่ายวิจัย AI ของ Meta กล่าวว่า “Meta ยังคงมุ่งมั่นที่จะศึกษาวิจัยอย่าง Fair” “โปรเจกต์ที่ได้จากโครงการของ Fair และย้ายไปยังส่วนอื่นๆ ของธุรกิจของเรานั้นเป็นส่วนหนึ่งของวิธีการทำงานของทีมมาโดยตลอด สิ่งนี้ช่วยให้เราสามารถนำการเรียนรู้และเทคนิคจากการวิจัย AI ของ Fair ไปใช้ในผลิตภัณฑ์ต่างๆ ได้”
อย่างไรก็ตาม คนในบริษัทบางคนกล่าวว่า วัฒนธรรมทางวิชาการภายในห้องปฏิบัติการ Fair เป็นส่วนหนึ่งที่ทำให้ Meta ตกกระแส generative AI เนื่องจากมีการทำงานร่วมกันไม่เพียงพอทั้งระหว่างนักวิจัยและกับคนอื่นๆ ในบริษัท
ความตึงเครียดยังขยายตัวในระดับภูมิภาค เนื่องจากเจ้าหน้าที่ Meta AI ในยุโรปและสหรัฐอเมริกาต่อสู้เพื่อทำงานในโครงการชั้นนำและฝึกอบรมโมเดล คนเหล่านี้กล่าวเสริม ขณะนี้บริษัทกำลังพยายามกำหนดค่าการวิจัยที่เป็นธรรมใหม่เพื่อให้สอดคล้องกับเป้าหมายของทีม “GenAI” คนหนึ่งกล่าว
เมื่อเดือนพฤศจิกายนปีที่แล้ว นักวิจัยด้าน Meta ได้เปิดตัวฐานข้อมูลแรกของโครงสร้างโปรตีน metagenomic protein structures มากกว่า 600 ล้านโครงสร้าง ซึ่งรู้จักกันในชื่อ ESM Metagenomic Atlas เมตาโกโนมิกส์คือการศึกษาโปรตีนที่ไม่ค่อยมีใครรู้จักในตัวอย่างจากสิ่งแวดล้อมต่างๆ ทั่วโลก รวมถึงจุลินทรีย์ในดิน มหาสมุทร และร่างกายมนุษย์
งานนี้ถือเป็นคู่แข่งกับเทคโนโลยี protein-folding prediction ของ DeepMind นั่นคือ AlphaFold ซึ่งถือเป็นความก้าวหน้าทางวิทยาศาสตร์ในปี 2020 และเทียบเท่ากับวิธีการในห้องปฏิบัติการในด้านความแม่นยำ
โครงการ ESMFold ของ Meta ได้ฝึกฝนโมเดลภาษาขนาดใหญ่เพื่อเรียนรู้รูปแบบวิวัฒนาการและสร้างการทำนายโครงสร้างที่แม่นยำโดยตรงจากลำดับดีเอ็นเอของโปรตีน AI เร็วกว่าถึง 60 เท่า แม้ว่าจะมีความแม่นยำน้อยกว่า AlphaFold
Meta ได้สร้างฐานข้อมูลแบบโอเพ่นซอร์สที่ช่วยให้นักวิทยาศาสตร์สามารถดึงข้อมูลโครงสร้างโปรตีนเฉพาะที่เกี่ยวข้องกับงานของพวกเขาได้อย่างง่ายดาย และหวังว่างานดังกล่าวจะ “กระตุ้นความก้าวหน้าทางวิทยาศาสตร์”
นักวิชาการได้หยิบยกข้อกังวลว่าในระยะยาว Meta จะยังคงรับภาระค่าใช้จ่ายเพื่อให้ฐานข้อมูลทำงานต่อไปหรือไม่ เช่นเดียวกับบริการอื่นที่ช่วยให้นักวิทยาศาสตร์เรียกใช้อัลกอริทึม ESM บนลำดับโปรตีนใหม่
“บริษัทเทคโนโลยีขนาดใหญ่อาจมีข้อได้เปรียบในการปรับใช้ทรัพยากรการคำนวณตามขนาดอย่างรวดเร็ว และสนับสนุนบริการที่มีค่าใช้จ่ายสูงสำหรับนักวิทยาศาสตร์” ทิม ฮับบาร์ด ศาสตราจารย์ด้านชีวสารสนเทศศาสตร์ของคิงส์คอลเลจลอนดอนกล่าว แม้ว่าเขาจะเสริมว่าเขาคาดว่านักวิชาการจะหาวิธีต่างๆ เพื่อดำเนินงานดังกล่าวต่อไป
Meta ไม่ยืนยันว่าบริการนี้จะได้รับงบการบำรุงรักษาในอนาคตหรือไม่ แต่กล่าวว่าข้อมูลดังกล่าวยังคงมีอยู่ในปัจจุบันสำหรับชุมชนการวิจัยที่จะใช้