รู้จัก Alexandr Wang ผู้ก่อตั้ง Scale AI และธุรกิจเบื้องหลังปัญญาประดิษฐ์ระดับโลก : [ AI People EP.03 ]

ในโลกของปัญญาประดิษฐ์ (AI) ที่เต็มไปด้วยชื่อของยักษ์ใหญ่และนวัตกรรมล้ำยุค มีบริษัทหนึ่งที่ทำงานอยู่เบื้องหลังความสำเร็จของ AI ชั้นนำมากมาย—นั่นคือ Scale AI และมีชายหนุ่มผู้ก่อตั้งที่ก้าวขึ้นมาเป็นหนึ่งในมหาเศรษฐีพันล้านที่อายุน้อยที่สุดในโลกด้วยวิสัยทัศน์ที่เรียบง่ายแต่ทรงพลัง: “AI นั้นดีได้ก็ต่อเมื่อมีข้อมูลที่ดี”

เขาคือ Alexandr Wang (อเล็กซานเดอร์ หวัง) ชายผู้ที่ถูกขนานนามว่าเป็น “สถาปนิกข้อมูล” ของยุค AI เส้นทางชีวิตและโมเดลธุรกิจของ Scale AI เป็นเรื่องราวที่น่าสนใจยิ่งกว่านิยาย เพราะมันคือการสร้างโครงสร้างพื้นฐานที่สำคัญที่สุดในยุคแห่งการปฏิวัติปัญญาประดิษฐ์

ลูกชายนักฟิสิกส์ ณ แหล่งกำเนิดระเบิดปรมาณู

Alexandr Wang เกิดเมื่อเดือนมกราคม ปี 1997 ที่เมืองลอส อลามอส (Los Alamos), รัฐนิวเม็กซิโก สหรัฐอเมริกา ซึ่งเป็นที่ตั้งของห้องปฏิบัติการแห่งชาติลอส อลามอส (Los Alamos National Laboratory) สถานที่ที่เคยเป็นศูนย์กลางของโครงการแมนฮัตตัน (Manhattan Project)

เขาเติบโตมาในสภาพแวดล้อมทางวิทยาศาสตร์ โดยมีพ่อแม่เป็นนักฟิสิกส์ ที่อพยพมาจากประเทศจีนและทำงานอยู่ในห้องปฏิบัติการแห่งชาตินั้นเอง สภาพแวดล้อมที่เน้นย้ำถึงความสำคัญของตรรกะ ตัวเลข และวิทยาศาสตร์ ทำให้ Wang สนใจในคณิตศาสตร์และการเขียนโปรแกรมตั้งแต่เด็ก ก่อนจะก้าวเข้าสู่การแข่งขันด้านโค้ดดิ้งและคณิตศาสตร์ระดับประเทศตั้งแต่วัยรุ่น

เส้นทางสายฟ้าแลบ: จาก MIT สู่ Silicon Valley

• อายุ 17 ปี: ด้วยพรสวรรค์ด้านเทคโนโลยี Wang ได้ทำงานเป็นวิศวกรซอฟต์แวร์ให้กับบริษัทในซิลิคอนแวลลีย์อย่าง Quora ในช่วงปิดเทอมภาคฤดูร้อน
  
• อายุ 19 ปี: เขาเข้าศึกษาต่อที่ สถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ในสาขาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ อย่างไรก็ตาม เพียงแค่หลังจากปีแรกของการศึกษา Wang ก็ตัดสินใจลาออกจาก MIT (Dropout) เพื่อร่วมก่อตั้งบริษัท Scale AI ในปี 2016 ร่วมกับ Lucy Guo ผ่านโครงการบ่มเพาะธุรกิจ (Accelerator) อย่าง Y Combinator
  
• อายุ 25 ปี (ปี 2022): Scale AI เติบโตอย่างก้าวกระโดด จนได้รับเงินลงทุนมหาศาล ทำให้มูลค่าบริษัทแตะระดับหลายพันล้านดอลลาร์สหรัฐฯ และ Wang กลายเป็นมหาเศรษฐีพันล้าน (Billionaire) ที่สร้างตัวเองขึ้นมาด้วยอายุน้อยที่สุดในโลก ในขณะนั้น ด้วยความมั่งคั่งที่มาจากสัดส่วนการถือหุ้นในบริษัทของเขา

เรื่องราวของ Wang สะท้อนถึงค่านิยมของ Silicon Valley ในการให้ความสำคัญกับ วิสัยทัศน์และความสามารถ เหนือกว่าใบปริญญาหรือประสบการณ์ตามแบบแผน และยืนยันว่าอายุเป็นเพียงตัวเลขในโลกของ AI

Scale AI: โครงสร้างพื้นฐานที่มองไม่เห็นของโลก AI

เพื่อให้เข้าใจถึงความสำเร็จอันยิ่งใหญ่ของ Alexandr Wang เราต้องเข้าใจว่าบริษัท Scale AI ทำอะไร และเข้าไปอยู่ในจุดยุทธศาสตร์ของอุตสาหกรรม AI ได้อย่างไร

ปัญหาที่ Scale AI เข้ามาแก้: “ข้อมูลที่ไม่เป็นระเบียบ”

ระบบปัญญาประดิษฐ์ ไม่ว่าจะเป็นรถยนต์ไร้คนขับ (Self-Driving Cars), โมเดลภาษาขนาดใหญ่ (LLMs) อย่าง ChatGPT, หรือระบบวิเคราะห์ภาพถ่ายทางการแพทย์ ล้วนแล้วแต่ต้องอาศัย “ข้อมูลสำหรับการฝึกฝน” (Training Data)

ปัญหาคือ ข้อมูลดิบ (Raw Data) ส่วนใหญ่ ไม่ว่าจะเป็นภาพถ่าย วิดีโอ หรือข้อความ ไม่ได้ถูกจัดระเบียบในรูปแบบที่ AI จะเข้าใจได้โดยตรง นักวิทยาศาสตร์ข้อมูลจึงต้องใช้กระบวนการที่เรียกว่า “การติดฉลากข้อมูล” (Data Labeling หรือ Data Annotation) ซึ่งเป็นการระบุและอธิบายสิ่งต่าง ๆ ที่อยู่ในข้อมูล เช่น การลากกล่องสี่เหลี่ยมรอบรถยนต์ คน และสัญญาณไฟจราจรในภาพวิดีโอ หรือการจัดหมวดหมู่ความรู้สึก (Sentiment) ของข้อความ

ในอดีต กระบวนการนี้กินเวลามาก มีค่าใช้จ่ายสูง และที่สำคัญคือคุณภาพของฉลากข้อมูลไม่คงที่ หากข้อมูลที่ใช้ฝึกฝน AI มีคุณภาพต่ำ ผลลัพธ์ของ AI ก็จะผิดพลาดตามไปด้วย

ซอฟต์แวร์และโมเดลธุรกิจ: ความลงตัวของมนุษย์และเครื่องจักร

Scale AI เข้ามาเติมเต็มช่องว่างนี้ด้วยการสร้างแพลตฟอร์มข้อมูลแบบครบวงจร (End-to-End Data Platform) ที่ใช้การผสมผสานระหว่างซอฟต์แวร์อัจฉริยะและบุคลากรผู้เชี่ยวชาญ

1. ซอฟต์แวร์และเครื่องมือขั้นสูง (Software & Tools): Scale AI พัฒนาเครื่องมือที่ใช้ AI ช่วยในการติดฉลากข้อมูลให้เป็นไปอย่างรวดเร็วและแม่นยำยิ่งขึ้น เช่น การใช้ AI ช่วยทำฉลากเบื้องต้น (Pre-labeling) ก่อนส่งต่อให้มนุษย์ตรวจสอบซ้ำ ซึ่งช่วยลดเวลาในการทำงานลงอย่างมหาศาล
   
2. บุคลากรคุณภาพ (Human Workforce): แม้จะเป็นบริษัท AI แต่ Scale AI ยังใช้เครือข่ายของบุคลากรทั่วโลก (Gig Workers) ที่มีความเชี่ยวชาญในการตรวจสอบความถูกต้องของฉลากข้อมูลที่ซับซ้อน หรือการสร้างชุดข้อมูลคุณภาพสูงตามความต้องการเฉพาะของลูกค้า Scale AI ไม่ใช่แค่บริษัทติดฉลากข้อมูล แต่เป็นบริษัทที่สร้าง “Ground Truth” (ความจริงพื้นฐาน) ที่ AI ทั่วโลกต้องใช้ในการเรียนรู้
   
3. โมเดลธุรกิจ (Business Model): Scale AI สร้างรายได้หลักจากการให้บริการด้านข้อมูลเหล่านี้ในรูปแบบ B2B (Business-to-Business) โดยมีลูกค้าเป็นบริษัทเทคโนโลยีระดับโลกที่ทำ AI ที่ซับซ้อน เช่น…
   
   • รถยนต์ไร้คนขับ (Autonomous Vehicles): ให้บริการติดฉลากข้อมูลสำหรับวิดีโอและเซ็นเซอร์ LiDAR เพื่อให้รถยนต์แยกแยะวัตถุบนท้องถนนได้ (ลูกค้าเช่น General Motors, Toyota)
     
   • โมเดลภาษาขนาดใหญ่ (LLMs): Scale AI เป็นผู้เล่นสำคัญในการสร้าง ข้อมูลคุณภาพสูง สำหรับฝึกฝนและปรับแต่ง (Fine-tuning) LLMs ให้สามารถตอบคำถามได้อย่างถูกต้อง มีเหตุผล และปลอดภัยยิ่งขึ้น ซึ่งรวมถึงการทำงานร่วมกับบริษัทชั้นนำอย่าง OpenAI, Microsoft, และ Meta
     
   • หน่วยงานรัฐบาลและความมั่นคง: Scale AI มีบทบาทสำคัญในการทำงานร่วมกับกระทรวงกลาโหมสหรัฐฯ (Pentagon) ในโครงการที่เกี่ยวข้องกับการวิเคราะห์ภาพถ่ายดาวเทียมและข้อมูลทางทหาร เพื่อความมั่นคงของชาติ

จุดยืนทางยุทธศาสตร์: ผู้สร้างถนนแห่ง AI

Alexandr Wang ไม่ได้สร้างผลิตภัณฑ์ AI ที่ผู้บริโภคใช้โดยตรง แต่เขาได้สร้าง “ถนน” และ “โครงสร้างพื้นฐาน” ที่ทำให้ AI ระดับโลกสามารถเกิดขึ้นได้

• เป็นผู้จัดหาวัตถุดิบคุณภาพสูง: ในขณะที่หลายบริษัทแข่งขันกันสร้าง “รถยนต์” (โมเดล AI) ที่เร็วที่สุด Scale AI คือผู้ที่จัดหา “น้ำมันเชื้อเพลิงคุณภาพเยี่ยม” (ข้อมูล) ที่จำเป็นต่อการขับเคลื่อนเครื่องยนต์เหล่านั้น
  
• เป็นคนกลางที่จำเป็น (Indispensable Middleman): ไม่ว่าเทคโนโลยี AI จะก้าวหน้าไปอย่างไร ความต้องการข้อมูลที่ถูกติดฉลากและตรวจสอบคุณภาพโดยมนุษย์ก็ยังคงเป็นสิ่งจำเป็น ซึ่งทำให้ Scale AI อยู่ในตำแหน่งที่ไม่สามารถถูกแทนที่ได้ง่าย ๆ

บทสรุปและอนาคตที่ก้าวข้ามขีดจำกัด

ด้วยวิสัยทัศน์ที่มุ่งเน้นไปยังปัญหาพื้นฐานที่สุดของ AI ทำให้ Scale AI เติบโตอย่างรวดเร็วและเป็นที่ยอมรับในอุตสาหกรรม การลงทุนครั้งใหญ่จากยักษ์ใหญ่ด้านเทคโนโลยีและรัฐบาลทั่วโลกตอกย้ำถึงบทบาทที่สำคัญยิ่งของบริษัทนี้

ส่วน Alexandr Wang ชื่อของเขาไม่ได้เป็นเพียงสัญลักษณ์ของความสำเร็จทางการเงินเท่านั้น แต่ยังเป็นสัญลักษณ์ของยุคใหม่ของนักเทคโนโลยี ที่สามารถเปลี่ยนความสนใจในคณิตศาสตร์และโค้ดดิ้งให้กลายเป็นการสร้างโครงสร้างพื้นฐานระดับโลกที่ขับเคลื่อนการปฏิวัติ AI ทั้งหมด เพราะในท้ายที่สุดแล้ว ความฉลาดของเครื่องจักรจะขึ้นอยู่กับคุณภาพของข้อมูลที่มนุษย์ป้อนให้มันเรียนรู้เสมอ

. : รู้จัก PAM Realtime CDP ซอฟต์แวร์การตลาดอัตโนมัติพลัง ai ที่ PAMs.ai : .

ภาพประกอบจาก

ted.com/talks/alexandr_wang_war_ai_and_the_new_global_arms_race

scale.com/generative-ai-data-engine

scale.com/events