การเปลี่ยนผ่านของ Eric Schmidt จาก Google Search สู่ยุทธศาสตร์ AI

เหตุใด Eric Schmidt จึงสำคัญต่อการพูดคุยนโยบาย AI

Eric Schmidt สำคัญต่อนโยบาย AI เพราะเส้นทางอาชีพของเขาเชื่อมโยงการบริหารแพลตฟอร์มเทคโนโลยีระดับโลกเข้ากับความพยายามสร้างขีดความสามารถด้านเทคโนโลยีของชาติ อิทธิพลของเขาไม่ได้มาจากการดำรงตำแหน่งเลือกตั้งหรือการเขียนกฎระเบียบ แต่มาจากการแปลงปัญหาด้านวิศวกรรม การลงทุน และการจัดองค์กรให้เป็นข้อเสนอแนะที่เจ้าหน้าที่รัฐสามารถจัดสรรงบ มอบหมาย และวัดผลได้

ความแตกต่างนี้ช่วยให้เห็นประเด็นชัดเจนขึ้น ช่วงเวลาที่ Schmidt อยู่ Google อธิบายได้ว่าทำไมเจ้าหน้าที่จึงรับฟังเขา แต่เรื่องนี้ไม่ใช่ชีวประวัติหรือประวัติศาสตร์ของการค้นหา คำถามสำคัญคือ ประสบการณ์ด้านข้อมูล โครงสร้างพื้นฐาน บุคลากรเชิงเทคนิค และการปรับปรุงผลิตภัณฑ์อย่างรวดเร็ว ส่งผลต่อการทำงานด้านความมั่นคงแห่งชาติและปัญญาประดิษฐ์ของเขาในภายหลังอย่างไร

ยุทธศาสตร์ AI ระดับชาติคือแผนประสานงานของรัฐบาลสำหรับการวิจัย การนำไปใช้เชิงพาณิชย์ การใช้ในภาครัฐ ความมั่นคง และการกำกับดูแล ครอบคลุมเงินทุนมหาวิทยาลัย การย้ายถิ่นของแรงงานทักษะสูง ห่วงโซ่อุปทานเซมิคอนดักเตอร์ ศูนย์ข้อมูล พลังงาน การจัดซื้อจัดจ้างของรัฐ มาตรฐานทางเทคนิค การเตรียมกำลังคน และความร่วมมือระหว่างประเทศ แผนต้องตัดสินใจด้วยว่าข้อจำกัดใดมีเหตุผล ใครรับผิดชอบเมื่อเกิดความล้มเหลว และประชาชนจะโต้แย้งการตัดสินใจอัตโนมัติที่ก่ออันตรายได้อย่างไร

งานสาธารณะของ Schmidt มีข้อถกเถียงหลักอยู่สี่ด้าน:

• นวัตกรรมครอบคลุมการวิจัย การก่อตั้งบริษัท ความเร็วในการนำไปใช้ และการเข้าถึงเงินทุนกับทรัพยากรประมวลผล
• ความมั่นคงครอบคลุมการนำไปใช้ด้านกลาโหม ปฏิบัติการไซเบอร์ ข่าวกรอง การปกป้องโมเดล และขีดความสามารถแบบใช้ได้สองทางที่อันตราย
• ธรรมาภิบาลกำหนดความรับผิดชอบผ่านการทดสอบ เอกสาร การติดตาม ความรับผิดทางกฎหมาย และการเยียวยา
• การแข่งขันเกี่ยวข้องกับความสัมพันธ์สหรัฐฯ-จีน การประสานงานกับพันธมิตร ชิปขั้นสูง มาตรฐานทางเทคนิค และบุคลากร

ประเด็นเหล่านี้ทับซ้อนกัน แต่ใช้แทนกันไม่ได้ นโยบายที่เพิ่มขีดความสามารถด้านการประมวลผลภายในประเทศอาจสนับสนุนงานวิจัยและกลาโหม ขณะเดียวกันก็เพิ่มภาระต่อระบบไฟฟ้า ข้อจำกัดการส่งออกอาจชะลอการเข้าถึงฮาร์ดแวร์ขั้นสูงของคู่แข่ง แต่สร้างต้นทุนแก่ผู้จัดหาในประเทศ ข้อกำหนดด้านความปลอดภัยอาจปกป้องผู้คนในสถานการณ์เสี่ยงสูง แต่สิ้นเปลืองหากนำมาใช้กับเครื่องมือธุรการความเสี่ยงต่ำโดยไม่ปรับเปลี่ยน

ความสำคัญของ Schmidt อยู่ที่กรอบคิดเชิงปฏิบัติการนี้ ยุทธศาสตร์ระดับชาติไม่ใช่การประกาศว่า AI สำคัญ แต่คือชุดของสถาบัน งบประมาณ ระบบเทคนิค แรงจูงใจ และกำหนดเวลาที่ตัดสินว่าความมุ่งหวังของรัฐจะอยู่รอดเมื่อลงมือทำจริงหรือไม่

จากผู้นำวิศวกรรมสู่การขยายขนาดของ Google

อาชีพด้านเทคโนโลยีของ Schmidt ทำให้เขาได้สัมผัสโดยตรงกับปัญหาการจัดองค์กรที่ต่อมาปรากฏในข้อเสนอเชิงนโยบายของเขา เขาเรียนด้านวิทยาการคอมพิวเตอร์ ทำงานที่ Bell Labs, Sun Microsystems และ Novell ก่อนเข้าร่วม Google ในตำแหน่งประธานเจ้าหน้าที่บริหารในปี 2001 Google มีผู้ก่อตั้ง เทคโนโลยีค้นหา และผู้ใช้ที่เพิ่มขึ้นอย่างรวดเร็วอยู่แล้ว บทบาทของเขาคือช่วยเปลี่ยนแรงส่งนั้นให้เป็นบริษัทที่ดำเนินงานได้อย่างเชื่อถือได้ข้ามตลาดและผลิตภัณฑ์

เขาเป็น CEO ของ Google จนถึงปี 2011 ในช่วงนั้น บริษัทขยายโครงสร้างพื้นฐานด้านการประมวลผล ธุรกิจโฆษณา จำนวนพนักงาน และกลุ่มผลิตภัณฑ์ บทเรียนไม่ได้มีแค่เรื่องการเติบโต นวัตกรรมทางเทคนิคมีคุณค่าจำกัด หากองค์กรไม่สามารถสรรหาคน จัดสรรทรัพยากรประมวลผล ทดสอบการเปลี่ยนแปลง ฟื้นตัวจากความล้มเหลว หรือตัดสินใจให้เร็วตามที่จำเป็นได้

ระบบค้นหาแสดงให้เห็นความเชื่อมโยงกับวินัยด้านการดำเนินงานเหล่านั้น ในเชิงแนวคิด ระบบค้นหาต้องทำงานต่างกันสามอย่าง:

• Crawling ค้นหาเอกสารและกลับไปตรวจเมื่อเว็บเปลี่ยนแปลง
• Indexing จัดระเบียบเนื้อหาที่ค้นพบเพื่อเรียกคืนได้อย่างมีประสิทธิภาพ
• Ranking ประเมินว่าผลลัพธ์ใดตอบคำค้นและเจตนาของผู้ใช้รายหนึ่งได้ดีที่สุด

แต่ละงานต้องอาศัยโครงสร้างพื้นฐาน คุณภาพข้อมูล การวัดผล และการดูแลอย่างต่อเนื่อง การปรับอันดับที่มีประโยชน์ต้องใช้ได้กับหลายภาษา คำค้นหายาก ความพยายามสแปม ข่าวด่วน เครือข่ายช้า และการโต้ตอบนับพันล้านครั้ง อัตราความผิดพลาดเพียงเล็กน้อยอาจสร้างผลลัพธ์ที่แย่จำนวนมากในแต่ละวัน เมื่อบริการทำงานในระดับโลก

ยุคของการค้นหายังทำให้การทดลองแบบควบคุมกลายเป็นเรื่องปกติ ทีมสามารถเปรียบเทียบการเปลี่ยนแปลงที่เสนอเข้ากับระบบเดิม สังเกตพฤติกรรมผู้ใช้ ตรวจกรณีที่ล้มเหลว และย้อนการเผยแพร่เมื่อหลักฐานไม่สนับสนุน การติดตามและการย้อนกลับเป็นส่วนหนึ่งของผลิตภัณฑ์ ไม่ใช่งานธุรการที่เพิ่มเข้ามาหลังเปิดตัว

ความไว้วางใจวัดได้ยากกว่า แต่มีความสำคัญไม่แพ้กัน การจัดอันดับการค้นหามีผลต่อสิ่งที่ผู้คนพบเห็น ขณะที่การเก็บข้อมูลก่อให้เกิดหน้าที่ด้านความเป็นส่วนตัวและความมั่นคง ผู้ใช้อาจเลิกใช้บริการหากผลลัพธ์ดูถูกชี้นำ ไม่ปลอดภัย หรือไม่แม่นยำอยู่เสมอ รัฐบาลเผชิญปัญหาคล้ายกันกับ AI ระบบอาจบรรลุเป้าหมายประสิทธิภาพภายใน แต่ยังสูญเสียความชอบธรรมได้หากผู้คนไม่เข้าใจ โต้แย้ง หรือหลีกเลี่ยงการตัดสินใจของระบบไม่ได้

การเปรียบเทียบนี้มีขอบเขต ประเทศไม่ใช่บริษัทเทคโนโลยี พลเมืองไม่ใช่ลูกค้า และอำนาจสาธารณะลดทอนเหลือเพียงการจัดการผลิตภัณฑ์ไม่ได้ ประชาชนต้องปฏิบัติตามกฎหมาย ปกป้องสิทธิตามรัฐธรรมนูญ สนับสนุนกระบวนการอันชอบธรรม และตอบต่อสถาบันที่มีภารกิจแข่งขันกัน ประสบการณ์ภาคเอกชนของ Schmidt มีประโยชน์เมื่อช่วยชี้คอขวดในการดำเนินงาน แต่โน้มน้าวได้น้อยลงเมื่อถือว่าความเร็วของบริษัทใช้แทนความรับผิดชอบตามระบอบประชาธิปไตยได้

บทบาทสาธารณะที่สร้างอิทธิพลด้านนโยบายของ Schmidt

Schmidt เปลี่ยนผ่านสู่นโยบายเทคโนโลยีระดับชาติผ่านบทบาทที่ปรึกษาอย่างเป็นทางการและโครงการที่ได้รับทุนจากเอกชนหลายลำดับ บทบาทเหล่านั้นทำให้เขาเข้าถึงผู้นำกลาโหม สมาชิกสภานิติบัญญัติ ผู้เชี่ยวชาญเทคนิค และเจ้าหน้าที่นโยบาย พร้อมมีเอกสารสาธารณะที่ใช้ประเมินอิทธิพลของเขาได้

ในปี 2016 รัฐมนตรีกลาโหม Ash Carter เลือก Schmidt ให้เป็นประธาน Defense Innovation Board ที่เพิ่งก่อตั้ง คณะกรรมการมีหน้าที่ให้คำปรึกษาแก่ผู้นำ Department of Defense เรื่องแนวปฏิบัติในการจัดองค์กร ซอฟต์แวร์ ข้อมูล บุคลากร และการนำเทคโนโลยีมาใช้ให้เร็วขึ้น คณะกรรมการไม่ได้สั่งการปฏิบัติการทางทหารหรือมอบสัญญา แต่จัดทำข้อเสนอแนะเพื่อช่วยให้ระบบราชการขนาดใหญ่ทำงานร่วมกับเทคโนโลยีสมัยใหม่และผู้จัดหาเชิงพาณิชย์ได้ดีขึ้น

ต่อมารัฐสภาจัดตั้ง National Security Commission on Artificial Intelligence หรือ NSCAI Schmidt เป็นประธานคณะกรรมาธิการสองพรรคจำนวน 15 คน โดยมีอดีตรองรัฐมนตรีกลาโหม Robert Work เป็นรองประธาน หน้าที่ตามกฎหมายของคณะกรรมาธิการคือเสนอแนะว่าสหรัฐฯ ควรพัฒนา AI และเทคโนโลยีที่เกี่ยวข้องอย่างไร เพื่อตอบโจทย์ความมั่นคงแห่งชาติและความมั่นคงทางเศรษฐกิจ

NSCAI ส่งรายงานฉบับสุดท้ายถึงประธานาธิบดีและรัฐสภาในปี 2021 รายงานมี 16 บทและแผนปฏิบัติการโดยละเอียด ครอบคลุมการนำไปใช้ด้านกลาโหม บุคลากรเชิงเทคนิค โครงสร้างพื้นฐานการวิจัย ไมโครอิเล็กทรอนิกส์ พันธมิตร การใช้อย่างรับผิดชอบ และการแข่งขันกับจีน ความสำคัญของรายงานมาจากการผสานข้ออ้างเชิงกลยุทธ์กับข้อเสนอที่นำไปปฏิบัติได้ เจ้าหน้าที่สามารถหยิบโครงสร้างสำนักงาน โครงการจ้างงาน แนวคิดงบประมาณ หรือข้อกำหนดการทดสอบไปใช้ แทนการรับเพียงคำเรียกร้องกว้าง ๆ ให้ลงทุนใน AI

หลัง NSCAI เสร็จสิ้นภารกิจ Schmidt ก่อตั้ง Special Competitive Studies Project ในปี 2021 มูลนิธิเอกชนด้านปฏิบัติการแห่งนี้ศึกษาความสัมพันธ์ของ AI และเทคโนโลยีเกิดใหม่อื่น ๆ กับความมั่นคงแห่งชาติ เศรษฐกิจ และสังคม Schmidt เป็นประธาน ขณะที่เจ้าหน้าที่และที่ปรึกษายังคงเผยแพร่ข้อเสนอนโยบายและจัดเวทีให้ผู้ตัดสินใจจากภาครัฐและเอกชน

ตำแหน่งเหล่านี้แสดงให้เห็นสี่ช่องทางที่ที่ปรึกษาส่งผลต่อนโยบายได้:

• การกำหนดกรอบ นิยามปัญหาและคำศัพท์ที่เจ้าหน้าที่ใช้พูดถึงปัญหานั้น
• แผนปฏิบัติการ เปลี่ยนเป้าหมายกว้าง ๆ ให้เป็นสำนักงาน อำนาจหน้าที่ โครงการ และกำหนดเวลา
• เครือข่าย เชื่อมหน่วยงานเข้ากับนักวิจัย นักลงทุน บริษัท และอดีตเจ้าหน้าที่
• การติดตามผล ทำให้ข้อเสนอแนะยังหมุนเวียนต่อไปแม้คณะกรรมาธิการยุบตัวแล้ว

ไม่มีช่องทางใดให้อำนาจควบคุมอย่างเป็นทางการแก่ที่ปรึกษา รัฐสภาตัดสินใจว่าจะให้อำนาจและงบประมาณแก่โครงการหรือไม่ หน่วยงานฝ่ายบริหารตีความอำนาจหน้าที่ เขียนกฎจัดซื้อ และบริหารการปรับใช้ ศาล ผู้ตรวจการทั่วไป ผู้ตรวจสอบ นักข่าว และภาคประชาสังคมอาจเปิดเผยข้อบกพร่องได้ Schmidt ช่วยกำหนดรายการทางเลือกได้ แต่สถาบันสาธารณะเป็นผู้ตัดสินว่าอะไรจะถูกเลือกและอะไรจะคงอยู่

ข้อเสนอของยุทธศาสตร์ NSCAI

ข้อโต้แย้งหลักของ NSCAI คือความได้เปรียบด้าน AI ขึ้นอยู่กับระบบเทคนิคและสถาบันทั้งชุด มากกว่าจะขึ้นกับโมเดลเดียวที่เหนือกว่า รายงานอธิบายระบบนี้ผ่านบุคลากร ข้อมูล ฮาร์ดแวร์ อัลกอริทึม แอปพลิเคชัน และการบูรณาการ ความอ่อนแอในชั้นใดชั้นหนึ่งอาจทำให้ผลลัพธ์โดดเด่นในห้องปฏิบัติการไม่กลายเป็นขีดความสามารถระดับชาติที่เชื่อถือได้

รายงานเรียกร้องให้ Department of Defense และ Intelligence Community วางรากฐานสำหรับการผสาน AI ในวงกว้างให้พร้อมภายในปี 2025 เป้าหมายนี้เป็นกำหนดเวลาสำหรับงานเตรียมความพร้อม ไม่ใช่ใบรับรองว่าทุกหน่วยงานหรือทุกภารกิจที่เกี่ยวข้องจะพร้อมใช้ AI ในวันนั้น การมองย้อนกลับอย่างจริงจังต้องถามว่ารากฐานใดถูกสร้างขึ้น ทำงานได้อย่างไร และปัญหาใดยังคงอยู่

ข้อเสนอแนะจัดเป็นหัวข้อเชิงปฏิบัติได้ห้าด้าน:

• การนำไปใช้ในภาครัฐต้องอาศัยผู้นำระดับสูง ข้อมูลที่ใช้งานได้ ซอฟต์แวร์สมัยใหม่ การประมวลผลที่ปลอดภัย และการจัดซื้อแบบปรับปรุงเป็นรอบ
• นโยบายบุคลากรต้องมีเส้นทางอาชีพเทคนิคใหม่ การฝึกอบรมที่ดีขึ้น การจ้างงานที่ยืดหยุ่น และการเข้าถึงความเชี่ยวชาญจากนานาชาติอย่างต่อเนื่อง
• นโยบายฮาร์ดแวร์ต้องให้ความสำคัญกับการผลิตเซมิคอนดักเตอร์ การเข้าถึงชิปขั้นสูง ความกระจุกตัวของอุปทาน และการวิจัย
• ขีดความสามารถการวิจัยระดับชาติต้องมีการลงทุนสาธารณะและการเข้าถึงทรัพยากรประมวลผล ชุดข้อมูล โมเดล และการสนับสนุนเชิงเทคนิคที่กว้างขึ้น
• การใช้อย่างรับผิดชอบต้องมีการทดสอบ การใช้ดุลยพินิจของมนุษย์ ความรับผิดชอบ การติดตาม และความร่วมมือกับพันธมิตร

องค์ประกอบเรื่องการใช้อย่างรับผิดชอบมักหายไปเมื่อมีการสรุป NSCAI ว่าเป็นเอกสารว่าด้วยการแข่งขัน รายงานฉบับสุดท้ายระบุว่าระบบความมั่นคงแห่งชาติต้องมีความเชื่อมั่นที่มีเหตุผล ผู้ปฏิบัติงานต้องเข้าใจว่าระบบทำงานได้ตรงไหน ล้มเหลวตรงไหน ฝ่ายตรงข้ามโจมตีได้อย่างไร และภารกิจยอมรับความเสี่ยงได้มากเพียงใด รายงานเสนอให้มีผู้นำด้าน AI ที่รับผิดชอบภายในหน่วยงาน และการสนับสนุนจากหลายสาขาวิชาสำหรับการประเมินและธรรมาภิบาล

บางส่วนของการวิเคราะห์ปี 2021 มีอายุมากขึ้น เพราะ generative AI เปลี่ยนปัญหาเชิงปฏิบัติ โมเดลพื้นฐานอเนกประสงค์สามารถสร้างข้อความ ซอฟต์แวร์ ภาพ เสียง และแผนผ่านอินเทอร์เฟซเดียวได้แล้ว อีกทั้งปรับใช้ผ่านการเขียนพรอมป์ การดึงข้อมูล การปรับละเอียด และการใช้เครื่องมือได้ โดยไม่ต้องฝึกโมเดลตั้งแต่ต้น สิ่งนี้ขยายการเข้าถึง แต่ทำให้ขอบเขตของขีดความสามารถอธิบายได้ยากขึ้น

การอนุมานกลายเป็นทรัพยากรเชิงกลยุทธ์ควบคู่กับการฝึกโมเดล ประเทศหนึ่งอาจมีโมเดล แต่ไม่มีทรัพยากรประมวลผล ความจุเครือข่าย ไฟฟ้า หรือสภาพแวดล้อมการปรับใช้ที่ปลอดภัยพอจะใช้โมเดลเหล่านั้นในโรงพยาบาล หน่วยงาน ห้องปฏิบัติการ และหน่วยทหาร การขโมยโมเดล การปรับละเอียดเพื่อประสงค์ร้าย สื่อสังเคราะห์ การใช้เครื่องมือแบบเอเจนต์ และงานชีววิทยาหรือไซเบอร์ที่ได้รับความช่วยเหลือจาก AI ต้องได้รับความสนใจมากกว่าที่เอกสารยุทธศาสตร์ยุคแรกให้ไว้

ส่วนที่ยังคงใช้ได้ของ NSCAI จึงเป็นมุมมองแบบทั้งระบบ ส่วนที่ล้าสมัยคือสมมติฐานใดก็ตามที่คิดว่าการนำ AI ไปใช้เดินตามเส้นทางซอฟต์แวร์ทั่วไป ซึ่งมีข้อกำหนดคงที่และการอัปเดตที่คาดเดาได้ ยุทธศาสตร์ปัจจุบันต้องกำกับบริการที่เปลี่ยนแปลงอยู่เสมอ เครื่องมือโดยรอบ กระแสข้อมูล และมนุษย์ที่พึ่งพามัน

ข้อเสนอใดกลายเป็นสถาบันที่มองเห็นได้

โครงการของสหรัฐฯ หลายโครงการในเวลาต่อมาคล้ายข้อเสนอของ NSCAI แม้ความคล้ายกันเพียงอย่างเดียวไม่ได้พิสูจน์ว่า Schmidt หรือคณะกรรมาธิการเป็นสาเหตุ กฎหมาย งานของหน่วยงาน การวิจัยก่อนหน้า แรงกดดันทางการค้า เหตุการณ์ด้านความมั่นคง และการเปลี่ยนนโยบายประธานาธิบดี ล้วนส่งผลต่อผลลัพธ์

Department of Defense จัดตั้งตำแหน่ง Chief Digital and Artificial Intelligence Officer ในเดือนกุมภาพันธ์ 2022 สำนักงานนี้รวบรวมความรับผิดชอบหลักด้านข้อมูล การวิเคราะห์ และ AI ไว้ภายใต้เจ้าหน้าที่ระดับสูง การจัดองค์กรเช่นนี้ตอบโจทย์การประสานงานที่ NSCAI อธิบายไว้ โครงการนำร่องที่กระจัดกระจายไม่ทำให้เกิดการนำไปใช้ทั้งกระทรวง หากข้อมูล โครงสร้างพื้นฐาน นโยบาย และการจัดซื้อยังแยกส่วน

CHIPS and Science Act ตามมาในปี 2022 โดยให้งบเกือบ 53 พันล้านดอลลาร์สำหรับแรงจูงใจการผลิตเซมิคอนดักเตอร์ การวิจัย และโครงการพัฒนาบุคลากรที่เกี่ยวข้อง ขอบเขตของกฎหมายกว้างกว่า AI แต่การประมวลผลขั้นสูงทำให้ขีดความสามารถด้านเซมิคอนดักเตอร์กลายเป็นประเด็นยุทธศาสตร์แห่งชาติโดยตรง โรงงานผลิต การบรรจุภัณฑ์ อุปกรณ์การผลิต งานวิจัย แรงงานมีทักษะ และความมั่นคงของอุปทานกลายเป็นวัตถุของนโยบาย แทนที่จะปล่อยให้เป็นเพียงเรื่องการจัดซื้อของบริษัท

โครงการนำร่อง National Artificial Intelligence Research Resource เริ่มต้นในปี 2024 เพื่อให้นักวิจัยและนักการศึกษาเข้าถึงทรัพยากรประมวลผล ชุดข้อมูล โมเดล ซอฟต์แวร์ การฝึกอบรม และการสนับสนุน ในรายงานความคืบหน้าสองปี โครงการระบุว่าสนับสนุนงานวิจัยมากกว่า 600 โครงการและนักศึกษา 6,000 คน มีผู้เข้าร่วมจากทุกรัฐ และได้รับการสนับสนุนเป็นทรัพยากรจากพันธมิตรเอกชนราว 100 ล้านดอลลาร์ นี่คือตัวอย่างรูปธรรมของโครงสร้างพื้นฐานรัฐ-เอกชนที่ตั้งใจลดช่องว่างระหว่างห้องปฏิบัติการที่มีทุนสูงกับชุมชนนักวิจัยในวงกว้าง

AI Action Plan ของทำเนียบขาวปี 2025 กำหนดการดำเนินการของรัฐบาลกลางมากกว่า 90 รายการภายใต้สามเสาหลัก ได้แก่ นวัตกรรม โครงสร้างพื้นฐาน และการทูตกับความมั่นคงระหว่างประเทศ จุดเน้นทางการเมืองต่างจากนโยบายก่อนหน้า โดยให้น้ำหนักมากขึ้นกับการพัฒนาอย่างรวดเร็วของภาคเอกชน การสร้างศูนย์ข้อมูล อุปทานพลังงาน การส่งออก AI การนำไปใช้ในรัฐบาลกลาง และการบังคับใช้ข้อจำกัดต่อการประมวลผลขั้นสูง

บันทึกความมั่นคงแห่งชาติในเดือนมิถุนายน 2026 ผลักดันวาระด้านปฏิบัติการไปอีกขั้น โดยสั่งให้ดำเนินงานด้านการนำไปใช้เพื่อความมั่นคงแห่งชาติ การจ้างบุคลากรเชิงเทคนิค กำลังสำรองบุคลากร AI สภาพแวดล้อมข้อมูลและโมเดลที่ใช้ร่วมกัน การตอบสนองเหตุการณ์ แนวปฏิบัติด้านความมั่นคง และวิธีทดสอบ ประเมิน ตรวจสอบยืนยัน และรับรองความถูกต้องที่เป็นมาตรฐาน เอกสารยังนิยามความสามารถในการควบคุมว่าเป็นความสามารถในการติดตามระบบและดำเนินการแก้ไข

มาตรการเหล่านี้ร่วมกันแสดงให้เห็นการบรรจบกันของนโยบายรอบปัญหาหลายเรื่องที่ Schmidt เน้นย้ำ ได้แก่ ขีดความสามารถของรัฐ บุคลากรเชิงเทคนิค โครงสร้างพื้นฐานด้านการประมวลผล การประสานงานระหว่างสถาบัน และการประเมินที่วัดผลได้ แต่ยังไม่ได้ตอบว่าทางออกที่นำมาใช้เพียงพอหรือออกแบบมาดีหรือไม่ การสร้างสำนักงานง่ายกว่าการให้อำนาจ การประกาศโครงการง่ายกว่าการรักษางบประมาณ การเผยแพร่วิธีประเมินง่ายกว่าการบังคับใช้กับผู้ขายที่ได้รับการสนับสนุนหรือภารกิจเร่งด่วน

การวิจัย บุคลากร และโครงสร้างพื้นฐานทำให้ยุทธศาสตร์นำไปปฏิบัติได้

ยุทธศาสตร์ AI ระดับชาติจะนำไปปฏิบัติได้ก็ต่อเมื่อการวิจัย ผู้คน การประมวลผล ข้อมูล และกฎการปรับใช้ทำงานเป็นพอร์ตโฟลิโอเดียวกัน การสนับสนุนเพียงองค์ประกอบเดียวโดยละเลยองค์ประกอบอื่น ทำให้เกิดขีดความสามารถที่ไม่ได้ใช้ หรือการพึ่งพาผู้จัดหาจำนวนน้อย

เงินทุนวิจัยสาธารณะควรสนับสนุนวิทยาศาสตร์พื้นฐาน ภารกิจประยุกต์ วิธีประเมิน และงานที่ให้ผลตอบแทนเชิงพาณิชย์ไม่แน่นอน รวมถึงกลไกการเปลี่ยนผ่านด้วย ทีมมหาวิทยาลัยอาจสาธิตเทคนิคที่มีคุณค่า แต่การนำไปใช้หยุดชะงักได้หากไม่มีการโฮสต์ที่ปลอดภัย วิศวกรรมผลิตภัณฑ์ อำนาจตามกฎหมาย งบดูแลรักษา และหน่วยงานสาธารณะที่พร้อมรับผิดชอบผลลัพธ์

นโยบายบุคลากรต้องการมากกว่าการผลิตนักวิจัยแมชชีนเลิร์นนิงเพิ่มขึ้น รัฐบาลต้องมีวิศวกรซอฟต์แวร์ วิศวกรข้อมูล ผู้เชี่ยวชาญความมั่นคงไซเบอร์ ผู้จัดการผลิตภัณฑ์ เจ้าหน้าที่จัดซื้อจัดจ้าง นักกฎหมาย ผู้ตรวจสอบ ผู้เชี่ยวชาญเฉพาะด้าน และเจ้าหน้าที่อาวุโสที่ตัดสินใจแลกเปลี่ยนทางเทคนิคได้ โมเดลด้านกลาโหมที่ประเมินโดยไม่มีผู้ปฏิบัติงาน อาจล้มเหลวเมื่อเจอสภาพสนาม ระบบสวัสดิการที่ทบทวนโดยไม่มีความเชี่ยวชาญด้านกฎหมายปกครอง อาจละเมิดกระบวนการอันชอบธรรม แม้การคาดการณ์จะถูกต้องในเชิงสถิติ

นโยบายการประมวลผลต้องแยกการฝึกโมเดลออกจากการอนุมาน การฝึกโมเดลขนาดใหญ่ต้องใช้ทรัพยากรประมวลผลเข้มข้นในช่วงจำกัด การให้บริการโมเดลนั้นแก่ผู้ใช้จำนวนมากสร้างความต้องการอย่างต่อเนื่องสำหรับตัวเร่งความเร็ว หน่วยความจำ ระบบเครือข่าย ที่เก็บข้อมูล ไฟฟ้า ระบบทำความเย็น และการบำรุงรักษา แผนจัดซื้อที่ตั้งงบไว้สำหรับการพัฒนา แต่ไม่สนใจต้นทุนการดำเนินงาน อาจทำให้หน่วยงานมีโครงการนำร่องที่สำเร็จแต่ขยายผลไม่ได้เพราะรับภาระค่าใช้จ่ายไม่ไหว

โครงสร้างพื้นฐานทางกายภาพเป็นส่วนหนึ่งของยุทธศาสตร์แล้ว ศูนย์ข้อมูลต้องมีพื้นที่เหมาะสม ไฟฟ้าที่เชื่อถือได้ ความสามารถในการส่งไฟฟ้า น้ำหรือระบบทำความเย็นทางเลือก การเชื่อมต่อเครือข่าย อุปกรณ์ทดแทน และแผนฉุกเฉิน ตัวชี้วัดที่มีประโยชน์รวมถึงเวลาที่ใช้ในการเชื่อมต่อกำลังการผลิตใหม่ อัตราการใช้ประโยชน์ ต้นทุนต่อภาระงานที่เสร็จสิ้น เวลาฟื้นตัวหลังเกิดเหตุขัดข้อง และสัดส่วนของภาระงานอ่อนไหวที่รันในสภาพแวดล้อมที่ได้รับอนุมัติได้

นโยบายข้อมูลเริ่มจากอำนาจตามกฎหมายและวัตถุประสงค์ หน่วยงานต้องรู้ว่าชุดข้อมูลมีไว้ทำไม ใครใช้ได้ เก็บไว้นานเท่าไร อธิบายกลุ่มประชากรใดได้ไม่ดี และการแก้ไขข้อมูลส่งต่อไปอย่างไร แหล่งที่มามีความสำคัญ เพราะการประเมินไม่อาจอธิบายความล้มเหลวได้ หากไม่ทราบต้นกำเนิดและประวัติการแปลงของบันทึกข้อมูลพื้นฐาน

วิธีคุ้มครองความเป็นส่วนตัวช่วยลดการเปิดเผยข้อมูลได้ แต่ไม่ได้ทำให้ไม่ต้องมีธรรมาภิบาล การควบคุมการเข้าถึง สภาพแวดล้อมประมวลผลปลอดภัย การลบข้อมูลระบุตัวตน differential privacy การวิเคราะห์แบบ federated และบันทึกการตรวจสอบรับมือกับภัยคุกคามต่างกัน หน่วยงานควรเลือกให้สอดคล้องกับข้อมูล ผู้ใช้ แบบจำลองการโจมตี และหน้าที่ต่อสาธารณะ

การปรับใช้ควรดำเนินตามวงจรชีวิต แทนการทดสอบรับมอบเพียงครั้งเดียว:

1. กำหนดการตัดสินใจ กลุ่มคนที่ได้รับผลกระทบ อำนาจตามกฎหมาย และผู้รับผิดชอบที่เป็นมนุษย์
2. กำหนดฐานเปรียบเทียบที่ไม่ใช้ AI และเป้าหมายประโยชน์ที่วัดผลได้
3. ทดสอบประสิทธิภาพ ความมั่นคง อคติ การเข้าถึง และการใช้ในทางที่ผิดในบริบทที่ตั้งใจใช้
4. เผยแพร่เป็นขั้นตอนพร้อมบันทึกข้อมูล ช่องทางยกระดับปัญหา รายงานเหตุการณ์ และการย้อนกลับ
5. ประเมินซ้ำหลังโมเดล ข้อมูล นโยบาย หรือเงื่อนไขการดำเนินงานเปลี่ยนไป

กระบวนการนี้สนับสนุนความเร็ว เพราะเปิดให้ทดลองขนาดเล็กและย้อนกลับได้ อีกทั้งป้องกันไม่ให้การสาธิตต้นแบบที่น่าประทับใจถูกเข้าใจผิดว่าเป็นหลักฐานพร้อมใช้งานจริง

AI เปลี่ยนความมั่นคงแห่งชาติผ่านขีดความสามารถแบบใช้ได้สองทาง

AI เปลี่ยนความมั่นคงแห่งชาติด้วยการเพิ่มความเร็ว ขนาด และการเข้าถึงของการวิเคราะห์และการปฏิบัติการ องค์กรข่าวกรองใช้ AI เพื่อวิเคราะห์ภาพ แปลเนื้อหา ค้นคอลเล็กชันเอกสารขนาดใหญ่ ระบุความผิดปกติทางไซเบอร์ และช่วยนักวิเคราะห์เชื่อมโยงสัญญาณได้ องค์กรทหารนำไปใช้กับโลจิสติกส์ การบำรุงรักษา การสนับสนุนการวางแผน การตรวจจับ และระบบอัตโนมัติได้

ขีดความสามารถเดียวกันช่วยผู้โจมตีได้เช่นกัน การสร้างโค้ดช่วยให้ฝ่ายป้องกันตรวจซอฟต์แวร์ และช่วยฝ่ายตรงข้ามปรับเปลี่ยนโปรแกรมอันตรายได้ การสร้างภาษาช่วยลดต้นทุนของฟิชชิงแบบปรับเฉพาะบุคคลและปฏิบัติการชักจูง คอมพิวเตอร์วิทัศน์ช่วยรับมือภัยพิบัติหรือการเฝ้าระวังต่อเนื่องได้ โมเดลชีววิทยาช่วยงานวิจัยที่ชอบธรรมได้ ขณะเดียวกันก็ลดอุปสรรคบางส่วนต่อการทดลองที่เป็นอันตราย

ด้วยเหตุนี้ นโยบายสำหรับ AI แบบใช้ได้สองทางจึงลดทอนเป็นรายชื่อโมเดลต้องห้ามไม่ได้ ความเสี่ยงขึ้นอยู่กับโมเดล เครื่องมือที่เชื่อมต่อ ข้อมูลที่ใช้ได้ สิทธิ์ของผู้ใช้ สภาพแวดล้อมการปรับใช้ และผลของความผิดพลาด โมเดลทั่วไปที่ไม่มีสิทธิ์ภายนอกสร้างความเสี่ยงต่างจากโมเดลเดียวกันที่เชื่อมต่อกับฐานข้อมูลลับ อุปกรณ์ห้องปฏิบัติการ บัญชีการเงิน หรืออาวุธ

การจัดซื้อของรัฐเผชิญความยากอีกแบบ สัญญาแบบเดิมตั้งอยู่บนสมมติฐานว่าข้อกำหนดคงที่ และมีเวอร์ชันผลิตภัณฑ์ที่ทดสอบได้ก่อนรับมอบ บริการ AI อาจเปลี่ยนโมเดล ชั้นความปลอดภัย ระบบดึงข้อมูล ส่วนผสมการฝึก หรือกฎการใช้งานระหว่างสัญญา หน่วยงานต้องได้รับแจ้งการเปลี่ยนแปลงสำคัญ และต้องทวนการประเมินได้ก่อนการอัปเดตไปถึงงานอ่อนไหว

การปรับใช้ด้านความมั่นคงแห่งชาติที่ปกป้องเหตุผลได้ควรมีมาตรการควบคุมห้าประการ:

• การทดสอบเฉพาะภารกิจที่วัดผลบวกลวง ผลลบลวง เวลาแฝง ความล้มเหลวภายใต้ความกดดัน และพฤติกรรมเมื่อถูกโจมตี
• สิทธิ์เข้าถึงน้อยที่สุด เพื่อจำกัดข้อมูล เครื่องมือ และการดำเนินการที่ระบบใช้ได้
• อำนาจของมนุษย์ที่ระบุชื่อชัดเจนสำหรับการอนุมัติ การแทรกแซง การยกระดับ และการปิดระบบ
• บันทึกและการติดตามต่อเนื่องที่ออกแบบมาเพื่อการสอบสวน ไม่ใช่เพื่อการตลาดของผู้ขาย
• เงื่อนไขสัญญาที่ครอบคลุมการอัปเดต เหตุการณ์ การใช้ข้อมูล การเข้าถึงโมเดล การย้ายระบบ และการยุติสัญญา

การมีมนุษย์เกี่ยวข้องต้องมีความหมาย การให้คนคลิกอนุมัติมีประโยชน์น้อย หากอินเทอร์เฟซซ่อนความไม่แน่นอน ปริมาณงานทำให้ทบทวนไม่ได้ หรือวัฒนธรรมองค์กรลงโทษการไม่เห็นด้วยกับโมเดล ผู้ปฏิบัติงานต้องมีการฝึกอบรม เวลา ข้อมูลทางเลือก และอำนาจในการปฏิเสธผลลัพธ์

การใช้ที่มีผลกระทบร้ายแรงต้องการหลักฐานที่เข้มงวดกว่า ระบบสรุปจดหมายโต้ตอบทั่วไปยอมรับความผิดพลาดได้ในระดับที่ไม่อาจยอมรับได้กับการกำหนดเป้าหมาย การเตือนข่าวกรอง การคัดแยกผู้ป่วย หรือการเข้าถึงสวัสดิการสาธารณะ ความเร็วควรมาจากการทบทวนตามระดับความเสี่ยงและการปรับใช้ที่ย้อนกลับได้ ไม่ใช่จากการแสร้งว่าทุกการใช้งานมีเดิมพันเท่ากัน

การแข่งขันระหว่างสหรัฐฯ กับจีนกว้างกว่าการแข่งโมเดล

การแข่งขัน AI ระหว่างสหรัฐฯ กับจีนเกี่ยวข้องกับขีดความสามารถอุตสาหกรรม งานวิจัย บุคลากร พลังงาน ห่วงโซ่อุปทาน การนำไปใช้ และพันธมิตร มากกว่าการจัดอันดับโมเดลเพียงหนึ่งรายการ การมองเป็นเส้นชัยกระตุ้นให้เกิดคำกล่าวเกินจริง และบดบังสถาบันที่ค้ำจุนความได้เปรียบได้ยาวนาน

การเปรียบเทียบขีดความสามารถต้องระบุให้ชัดว่ากำลังวัดอะไร การฝึกโมเดลที่มีประสิทธิภาพสูงต่างจากการผลิตชิปขั้นสูง การปรับใช้ระบบทั่วอุตสาหกรรม การจัดหาคลาวด์ที่เชื่อถือได้ การสร้างการค้นพบทางวิทยาศาสตร์ หรือการผสาน AI เข้ากับปฏิบัติการทหาร ประเทศหนึ่งอาจนำในด้านหนึ่ง แต่ยังพึ่งพาผู้จัดหาต่างประเทศในอีกด้าน

การควบคุมการส่งออกมุ่งชะลอการเข้าถึงชิปขั้นสูงและอุปกรณ์ผลิตเซมิคอนดักเตอร์บางประเภท ผลขึ้นอยู่กับขอบเขตทางเทคนิค การบังคับใช้ การมีส่วนร่วมของพันธมิตร สต็อกสินค้า เส้นทางเลี่ยง และความสามารถของประเทศเป้าหมายในการพัฒนาสิ่งทดแทน การควบคุมที่แคบเกินไปอาจแทบไม่ส่งผล กฎที่กว้างเกินไปอาจผลักลูกค้าออกจากผู้จัดหาสหรัฐฯ หรือกระตุ้นให้เกิดการทดแทนเร็วขึ้น

พันธมิตรสำคัญเพราะห่วงโซ่อุปทานเซมิคอนดักเตอร์และการประมวลผลข้ามพรมแดน การออกแบบชิป การผลิต อุปกรณ์การผลิต วัสดุ การบรรจุภัณฑ์ บริการคลาวด์ และบุคลากรวิจัยกระจายอยู่หลายประเทศ นโยบายที่ประสานกันช่วยลดการหลบเลี่ยง แบ่งปันต้นทุน สนับสนุนแนวปฏิบัติด้านความมั่นคงที่เข้ากันได้ และทำให้พันธมิตรมีเหตุผลที่จะสร้างบนระบบที่น่าเชื่อถือ

การแข่งขันยังส่งผลต่อธรรมาภิบาล หากทุกข้อกำหนดการประเมินถูกอธิบายว่าเป็นการปลดอาวุธฝ่ายเดียว หน่วยงานและบริษัทจะลงทุนกับการทดสอบน้อยเกินไป จนความล้มเหลวบังคับให้ต้องตอบสนอง หากจำกัดทุกขีดความสามารถด้วยเหตุผลคาดเดา งานวิจัยและการนำไปใช้ที่มีประโยชน์อาจย้ายไปที่อื่น ยุทธศาสตร์ที่มีความสามารถควรรักษาพื้นที่สำหรับการทดลอง ขณะเดียวกันใช้การควบคุมเข้มขึ้นกับการเข้าถึง การกระทำ และบริบทที่สร้างความเสี่ยงต่อความมั่นคงแห่งชาติอย่างน่าเชื่อถือ

ความกระจุกตัวทำให้สถานะของสหรัฐฯ ซับซ้อนขึ้น การฝึกและใช้งานระบบแนวหน้าต้องใช้ทรัพยากรที่มีบริษัทเพียงไม่กี่แห่งเข้าถึงได้ ความกระจุกตัวช่วยเร่งการลงทุนและการปรับใช้ แต่ลดอำนาจต่อรองของรัฐบาล ลดการเข้าถึงงานวิจัย และสร้างการพึ่งพาร่วมกันระหว่างหน่วยงานได้ นโยบายการแข่งขัน การทำงานร่วมกันได้ การย้ายระบบได้ โครงสร้างพื้นฐานวิจัยสาธารณะ และข้อกำหนดเรื่องการเข้าถึงซอร์สโค้ดหรือโมเดล ต่างช่วยแก้ปัญหานี้ได้คนละส่วน

อุปมาเรื่องการแข่งขันยังมีประสิทธิผลทางการเมืองเพราะสร้างความเร่งด่วน แต่ไม่ครบถ้วนในเชิงวิเคราะห์ เพราะการนำอย่างมั่นคงขึ้นอยู่กับความยืดหยุ่น การแก้ไขข้อผิดพลาด ความชอบธรรมต่อสาธารณะ และความร่วมมือ ประเทศที่ปรับใช้ได้เร็ว แต่ปกป้องโมเดลไม่ได้ จ่ายไฟให้ศูนย์ข้อมูลไม่ได้ ฝึกผู้ปฏิบัติงานไม่ได้ หรือตอบสนองเหตุการณ์ไม่ได้ ยังไม่ได้สร้างความได้เปรียบที่ยั่งยืน

ธรรมาภิบาลต้องตามการใช้งานและผลกระทบ

ธรรมาภิบาล AI ที่มีประสิทธิผลกำหนดหน้าที่ตามสิ่งที่ระบบทำ ผู้ได้รับผลกระทบ และความรุนแรงของความล้มเหลว แชตบอตตอบคำถามทั่วไป เครื่องมือช่วยวินิจฉัย ระบบคัดกรองผู้สมัครงาน และองค์ประกอบกำหนดเป้าหมายอัตโนมัติ ไม่ควรเผชิญข้อกำหนดด้านหลักฐานเหมือนกัน

ภารกิจแรกของธรรมาภิบาลคือการจัดประเภท เจ้าหน้าที่ควรระบุว่าระบบให้ข้อมูลแก่บุคคล แนะนำการกระทำ ตัดสินใจ หรือดำเนินการเอง จากนั้นจึงทำแผนที่สิทธิ์ที่ได้รับผลกระทบ ความสูญเสียที่อาจเกิด กลุ่มเปราะบาง กลไกอุทธรณ์ และความสามารถในการย้อนผลเสีย

คำถามห้าข้อเผยให้เห็นธรรมาภิบาลที่อ่อนแอได้อย่างรวดเร็ว:

• ระบบมีอิทธิพลต่อการตัดสินใจใด และใครยังรับผิดชอบตามกฎหมาย?
• หลักฐานใดสนับสนุนการใช้กับประชากรและสภาพแวดล้อมการทำงานนี้?
• ข้อมูลใดถูกเก็บ รักษาไว้ แชร์ หรือใช้ฝึกภายหลัง?
• ผู้ได้รับผลกระทบจะขอคำอธิบาย การแก้ไข และการทบทวนโดยมนุษย์ได้อย่างไร?
• เหตุการณ์ใดจะกระตุ้นให้ระงับ แจ้งเหตุ แก้ไขเยียวยา หรือชดเชย?

ความเป็นธรรมต้องพิจารณาผลลัพธ์ แทนการคิดว่าการลบคุณลักษณะที่ได้รับการคุ้มครองจะลบการเลือกปฏิบัติได้ ตัวแปรอื่นอาจทำหน้าที่เป็นตัวแทน บันทึกในอดีตอาจฝังการปฏิบัติที่ไม่เท่าเทียม และต้นทุนของความผิดพลาดอาจตกกับแต่ละกลุ่มไม่เท่ากัน หน่วยงานควรทดสอบกับกลุ่มที่เกี่ยวข้อง ตรวจสอบสาเหตุ และตัดสินใจว่าการใช้งานยังชอบด้วยกฎหมายและมีเหตุผลหลังลดความเสี่ยงแล้วหรือไม่

ความโปร่งใสควรเหมาะกับผู้รับสาร วิศวกรต้องมีเอกสารเกี่ยวกับโมเดลและข้อมูล ผู้ปฏิบัติงานต้องรู้ขีดจำกัด ความไม่แน่นอน และคำแนะนำการยกระดับปัญหา เจ้าหน้าที่จัดซื้อต้องมีข้อมูลต้นทุน ความมั่นคง การอัปเดต และการพึ่งพาอาศัย ผู้ที่ได้รับผลจากการตัดสินใจต้องมีเหตุผลที่เข้าใจได้และช่องทางอุทธรณ์ที่ใช้ได้จริง การเผยแพร่เอกสารเทคนิคยาว ๆ ไม่ตอบสนองความต้องการทั้งสี่แบบ

การวิเคราะห์ความเป็นส่วนตัวต้องครอบคลุมการโต้ตอบกับโมเดลด้วย ไม่ใช่เฉพาะข้อมูลฝึก พรอมป์ เอกสารที่ดึงมา ผลลัพธ์จากเครื่องมือ บันทึกข้อมูล ข้อเสนอแนะ และบันทึกที่สร้างขึ้น อาจมีข้อมูลอ่อนไหว เงื่อนไขสัญญาควรระบุว่าผู้ให้บริการเก็บเนื้อหาเหล่านี้ไว้ ใช้ฝึก ส่งข้ามพรมแดน หรือเปิดเผยต่อผู้รับเหมาช่วงได้หรือไม่

การประเมินโมเดลแนวหน้าและการตรวจสอบแอปพลิเคชันตอบคำถามต่างกัน การประเมินโมเดลอาจทดสอบขีดความสามารถด้านไซเบอร์ การหลอกลวง ความรู้ชีววิทยา หรือความต้านทานต่อการใช้ในทางที่ผิด การตรวจสอบแอปพลิเคชันพิจารณาระบบที่ปรับใช้ครบถ้วน รวมถึงพรอมป์ การดึงข้อมูล เครื่องมือ อินเทอร์เฟซ กระบวนการของมนุษย์ และประชากรที่ได้รับผลกระทบ การผ่านอย่างหนึ่งใช้แทนอีกอย่างไม่ได้

นักวิจัยอิสระ องค์กรภาคประชาสังคม ผู้ตรวจการทั่วไป หน่วยงานมาตรฐาน และห้องปฏิบัติการทดสอบ เพิ่มความรู้และการตรวจสอบที่หน่วยงานกับผู้ขายอาจไม่มี การจัดการการเข้าถึงต้องคุ้มครองความมั่นคงและข้อมูลส่วนบุคคล แต่ความลับไม่ควรกลายเป็นข้ออ้างแบบเหมารวมเพื่อปิดกั้นการตรวจสอบจากภายนอก

ความร่วมมือรัฐ-เอกชนต้องมีขอบเขตและหลักฐาน

ความร่วมมือรัฐ-เอกชนทำงานได้เมื่อทุกฝ่ายกำหนดปัญหาสาธารณะ อำนาจตามกฎหมาย ผลลัพธ์ที่คาดหวัง ขอบเขตความมั่นคง และเงื่อนไขการออกจากโครงการก่อนเลือกเทคโนโลยี ความร่วมมือที่คลุมเครือสร้างการประชาสัมพันธ์ แต่ตรวจสอบต้นทุน ความรับผิดชอบ และประสิทธิภาพได้ยาก

รัฐบาลมีอำนาจหน้าที่ เงินทุนสาธารณะ การเข้าถึงพื้นที่ภารกิจ และความสามารถสนับสนุนงานระยะยาว บริษัทมีบุคลากรวิศวกรรม โครงสร้างพื้นฐานเชิงพาณิชย์ ความรู้ผลิตภัณฑ์ปัจจุบัน และประสบการณ์การเดินระบบในระดับใหญ่ มหาวิทยาลัยและองค์กรไม่แสวงกำไรช่วยด้วยงานวิจัยพื้นฐาน วิธีประเมิน การฝึกอบรม และคำวิจารณ์อย่างอิสระ

แรงจูงใจของแต่ละฝ่ายต่างกัน ผู้ขายได้ประโยชน์เมื่อโครงการนำร่องขยายเป็นสัญญาระยะยาว ผู้นำหน่วยงานอาจได้ประโยชน์จากการประกาศนำไปใช้อย่างรวดเร็วก่อนหลักฐานพร้อม กลุ่มวิจัยอาจสนับสนุนการเผยแพร่แบบเปิด แม้ผลลัพธ์มีนัยด้านความมั่นคง ข้อตกลงที่ดีรับรู้แรงจูงใจเหล่านี้ และสร้างสิทธิ์การทบทวน การเปิดเผย การแข่งขัน และการยุติสัญญาไว้รอบ ๆ

ผลประโยชน์ทับซ้อนควรได้รับการจัดการโดยตรง เมื่อที่ปรึกษาที่มีชื่อเสียงยังถือการลงทุน ตำแหน่งกรรมการ ความสัมพันธ์ทางธุรกิจ หรือโครงการการกุศลในสาขานโยบายเดียวกัน การเปิดเผยข้อมูลไม่ได้พิสูจน์อิทธิพลที่ไม่เหมาะสม และผู้เชี่ยวชาญมักมีความเชื่อมโยงทางอาชีพ แต่ช่วยให้เจ้าหน้าที่และสาธารณะประเมินที่มาของข้อเสนอแนะ หาเสียงมุมมองอื่น และให้ผู้เกี่ยวข้องถอนตัวเมื่อจำเป็น

การสร้างต้นแบบความเสี่ยงต่ำเป็นพื้นที่หนึ่งที่เหมาะกับความร่วมมือ Koder.ai เช่น ช่วยให้ผู้ใช้สร้างอินเทอร์เฟซเว็บ React บริการแบ็กเอนด์ Go พร้อม PostgreSQL และแอปมือถือ Flutter ผ่านการแชตด้วยภาษาธรรมชาติ รองรับโหมดวางแผน การส่งออกซอร์สโค้ด การปรับใช้และโฮสต์ โดเมนแบบกำหนดเอง สแนปช็อต และการย้อนกลับ ฟังก์ชันเหล่านี้ช่วยย่นวงจรข้อเสนอแนะสำหรับเดโมหรือเครื่องมือภายใน

แอปที่สร้างขึ้นยังต้องผ่านการทบทวนก่อนนำมาใช้จริงในภาครัฐ ทีมต้องตรวจโค้ด ส่วนพึ่งพา การยืนยันตัวตน การควบคุมการเข้าถึง กระแสข้อมูล การเข้าถึงสำหรับทุกคน การบันทึกข้อมูล ความยืดหยุ่น ใบอนุญาต และการตั้งค่าการปรับใช้ ภาระงานอ่อนไหวยังต้องอยู่ในสภาพแวดล้อมการโฮสต์ที่ได้รับอนุมัติ และสอดคล้องกับหน้าที่ด้านความมั่นคงกับบันทึกข้อมูลของหน่วยงาน Vibe coding เปลี่ยนวิธีสร้างต้นแบบ ไม่ได้เปลี่ยนว่าใครต้องรับผิดชอบ

สัญญาโครงการนำร่องที่มีประโยชน์ควรระบุ:

• กลุ่มผู้ใช้ที่จำกัดและระยะเวลาปฏิบัติการที่กำหนดไว้
• ตัวชี้วัดต้นทุน คุณภาพ และเวลาเสร็จสิ้นก่อนเริ่มโครงการ
• ข้อจำกัดด้านการเก็บข้อมูล การฝึก ที่ตั้ง และผู้รับเหมาช่วง
• หน้าที่ทดสอบความมั่นคง การแจ้งการเปลี่ยนแปลง การรายงานเหตุการณ์ และการย้อนกลับ
• สิทธิ์ด้านการส่งออก การย้ายระบบ เอกสาร และการยุติสัญญา

โครงสร้างนี้ทำให้หน่วยงานเรียนรู้ได้โดยไม่ผูกติดกับผู้ขาย ก่อนจะเข้าใจระบบอย่างแท้จริง และทำให้โครงการนำร่องที่สำเร็จมีหลักฐานน่าเชื่อถือสำหรับการขยายผล

วิธีประเมินอิทธิพลของ Schmidt และยุทธศาสตร์ AI ทุกแบบ

ควรประเมินอิทธิพลของ Schmidt จากการนำไปใช้ ทรัพยากร ความยั่งยืนของสถาบัน และผลลัพธ์ ไม่ใช่จากสุนทรพจน์หรือความใกล้ชิดกับเจ้าหน้าที่ ข้อเสนอแนะหนึ่งอาจกำหนดทิศทางการถกเถียงโดยไม่กลายเป็นนโยบาย และนโยบายที่เกิดภายหลังอาจคล้ายกันโดยไม่ได้มีสาเหตุมาจากข้อเสนอแนะนั้น

เริ่มจากการระบุที่มา ระบุรายงาน คำให้การ ข้อเสนอแนะของคณะกรรมการ หรือข้อเสนอที่เชื่อมโยงกับ Schmidt โดยเฉพาะ แยกคำกล่าวส่วนตัวของเขาออกจากเอกสารฉันทามติที่จัดทำโดยคณะกรรมาธิการหรือสถาบัน รายงานของคณะกรรมาธิการ 15 คนไม่เหมือนมุมมองส่วนตัวของประธานเพียงคนเดียว

จากนั้นติดตามห่วงโซ่การนำไปปฏิบัติ:

1. รัฐสภาหรือหน่วยงานรับข้อเสนอในรูปแบบที่จดจำได้หรือไม่?
2. ได้รับอำนาจตามกฎหมาย งบประมาณ บุคลากร และผู้นำที่รับผิดชอบหรือไม่?
3. สถาบันที่รับผิดชอบเผยแพร่หมุดหมายและหลักฐานประสิทธิภาพหรือไม่?
4. ผู้ใช้ได้รับขีดความสามารถที่เชื่อถือได้ ไม่ใช่แค่โครงการนำร่องหรือประกาศตั้งสำนักงานหรือไม่?
5. การตรวจสอบ เหตุการณ์ ต้นทุน ผลกระทบต่อสิทธิ์ หรือผลเชิงยุทธศาสตร์ สนับสนุนข้ออ้างเดิมหรือไม่?

กรอบเวลาต้องเฉพาะเจาะจงพอที่จะให้แผนล้มเหลวได้ เป้าหมายห้าปีควรระบุว่าเกิดอะไรขึ้นในวงจรงบประมาณแรก ต้องมีปัจจัยพึ่งพาใดก่อน และใครเข้าแทรกแซงได้เมื่อหมุดหมายล่าช้า มิฉะนั้นแผนอาจถูกประกาศว่าประสบความสำเร็จจากเพียงกิจกรรมที่เกิดขึ้น

ตัวชี้วัดควรสอดคล้องกับเป้าหมาย โครงการนำ AI มาใช้ในรัฐบาลอาจวัดเวลาจัดซื้อ ความสำเร็จของผู้ใช้ในการทำงาน ต้นทุนต่อกรณี อัตราการแทรกแซง เหตุการณ์ด้านความมั่นคง และเวลาฟื้นตัว โครงการวิจัยอาจวัดการให้สิทธิ์เข้าถึง การใช้ทรัพยากร สิ่งพิมพ์ การทำซ้ำได้ ผลการฝึกอบรม และการเปลี่ยนผลลัพธ์ไปสู่การปฏิบัติ การนับการประชุมหรือเอกสารที่สร้างขึ้นบอกขีดความสามารถได้น้อยมาก

การแลกเปลี่ยนต้องมองเห็นได้ แผนที่จริงจังอธิบายว่าใครแบกรับต้นทุนพลังงาน ข้อจำกัดการส่งออกกระทบผู้จัดหาอย่างไร ข้อมูลใดใช้ไม่ได้ มนุษย์ต้องตัดสินใจเมื่อใด และการปรับใช้ใดจะถูกห้ามหรือระงับ ยุทธศาสตร์ที่สัญญาความเร็วสูงสุด ความปลอดภัย ความเปิดกว้าง ความเป็นส่วนตัว และการควบคุมพร้อมกัน ละเลยการตัดสินใจที่ยุทธศาสตร์ควรต้องตัดสินใจ

สิ่งที่เส้นทางอาชีพของ Schmidt แสดงให้เห็นในท้ายที่สุด

เส้นทางอาชีพของ Schmidt แสดงให้เห็นว่าความเป็นผู้นำด้าน AI เป็นปัญหาด้านองค์กรและการเมือง พอ ๆ กับปัญหาการพัฒนาโมเดล Google แสดงคุณค่าของโครงสร้างพื้นฐาน การวัดผล บุคลากรเชิงเทคนิค การทดลอง และการฟื้นตัวในระดับมหาศาล งานที่ปรึกษาของเขานำแนวคิดการดำเนินงานเหล่านั้นมาใช้กับขีดความสามารถของรัฐ การนำไปใช้ด้านกลาโหม นโยบายเซมิคอนดักเตอร์ การเข้าถึงงานวิจัย และการแข่งขันระหว่างประเทศ

การถ่ายโอนแนวคิดนี้มีประโยชน์ แต่ไม่ครบถ้วน สถาบันสาธารณะต้องคุ้มครองสิทธิ์ ให้เหตุผลต่อการตัดสินใจเชิงบังคับ เปิดเผยผลประโยชน์ทับซ้อน รักษาการกำกับดูแลแบบประชาธิปไตย และเยียวยา หน้าที่เหล่านี้ใช้วงจรผลิตภัณฑ์ที่เร็วขึ้นหรือการจัดการเทคนิคที่ดีกว่าแทนไม่ได้

ส่วนที่เข้มแข็งที่สุดของการมีส่วนร่วมด้านนโยบายของ Schmidt คือการยืนยันว่า ยุทธศาสตร์ AI ระดับชาติต้องมีกลไกที่ประสานกัน งานวิจัยที่เข้าถึงทรัพยากรประมวลผลไม่ได้ย่อมหยุดชะงัก โมเดลที่ไม่มีผู้ปฏิบัติงานมีทักษะยังเป็นเพียงการสาธิต การจัดซื้อที่ไม่มีการประเมินคือการซื้อความไม่แน่นอน ความมั่นคงที่ไม่มีพันธมิตรมองข้ามโครงสร้างห่วงโซ่อุปทาน นวัตกรรมที่ไร้ความรับผิดชอบอาจทำลายความไว้วางใจที่จำเป็นต่อการนำไปใช้

การตอบสนองที่เหมาะสมไม่ใช่การยอมรับอัตโนมัติหรือการปฏิเสธเพราะภูมิหลังในภาคธุรกิจของ Schmidt แต่คือการตรวจสอบอย่างมีวินัย ระบุข้อเสนอ ติดตามอำนาจและเงิน ตรวจดูการนำไปปฏิบัติ วัดผลลัพธ์ และนับต้นทุนที่คำกล่าวต่อสาธารณะละไว้ นี่คือวิธีทำให้อิทธิพลมองเห็นได้ และประเมินยุทธศาสตร์ AI ระดับชาติจากผลลัพธ์ได้