อาหารมื้อเช้ากับ ซีอีโอไมโครซอฟท์และปีเตอร์ ลี งานวิจัยทางการแพทย์ กับ เอไอ

ท่ามกลางหิมะที่โปรยปรายและความหนาวเหน็บของเทือกเขาแอลป์ ณ เมืองดาสอา ประเทศสวิตเซอร์แลนด์ บรรยากาศในการประชุม World Economic Forum (WEF) ปีนี้เต็มไปด้วยความกังวลจากความผันผวนทางภูมิรัฐศาสตร์และเศรษฐกิจ แต่ภายในเซสชัน “Breakfast with Satya” ความร้อนแรงของบทสนทนากลับสวนทางกับสภาพอากาศ เมื่อเหล่าผู้นำทางความคิดและนักวิทยาศาสตร์ระดับโลกได้มารวมตัวกันเพื่อประกาศจุดเริ่มต้นของ “กระบวนทัศน์ใหม่” (New Paradigm) ในการค้นพบทางวิทยาศาสตร์

ปัญหาที่เป็น “คอขวด” ของมนุษยชาติมาโดยตลอดคือระยะเวลา ความก้าวหน้าทางวิทยาศาสตร์แบบเดิมเปรียบเสมือนการเดินเตาะแตะในมหาสมุทรแห่งความเป็นไปได้ที่กว้างใหญ่มหาศาล แต่การมาถึงของ AI และ Quantum Computing กำลังจะเปลี่ยนผ่านเราไปสู่ยุคแห่ง “การบีบอัดเวลา” (Time Compression) ที่จะย่อการทำงานระดับ 250 ปี ให้เหลือเพียง 25 ปี

1. การมองโลกในแง่ดีคือ “หน้าที่” (Optimism as a Duty)

ปีเตอร์ ลี ประธาน Microsoft Research เริ่มต้นการสนทนาด้วยการหยิบยกปรัชญาของ คาร์ล ปอปเปอร์ นักปรัชญาวิทยาศาสตร์ผู้ทรงอิทธิพลขึ้นมาเตือนสติผู้คนในยุคที่เต็มไปด้วยความไม่แน่นอน ปอปเปอร์ เขียนไว้เมื่อ 90 ปีก่อนท่ามกลางวิกฤตที่นำไปสู่สงครามโลกครั้งที่ 2 ว่าการมองโลกในแง่ดีไม่ใช่เพียงแค่ “ความรู้สึก” แต่เป็น “หน้าที่”

“การมองโลกในแง่ดีคือหน้าที่ (Optimism is a duty) อนาคตนั้นเปิดกว้าง และไม่ได้ถูกกำหนดไว้ล่วงหน้า พวกเราทุกคนคือผู้ที่มีส่วนร่วมในการกำหนดมัน ผ่านสิ่งที่เราเลือกจะทำในวันนี้” — ปีเตอร์ ลี อ้างถึง คาร์ล ปอปเปอร์

Deep Dive Analysis: ในโลกของนวัตกรรม การเลือกที่จะมองโลกในแง่ดี (Strategic Optimism) คือกลไกสำคัญที่ผลักดันให้เรากล้าเผชิญหน้ากับปัญหาที่ดูเหมือนไม่มีทางแก้ ความหวังในบริบทนี้ไม่ใช่การนั่งรอโชคชะตา แต่คือการใช้ศักยภาพของ AI เป็นเครื่องมือในการกำหนดอนาคตที่สว่างไสวแทนที่จะปล่อยให้โลกจมอยู่กับความหยุดชะงัก

2. “The Divine Function” – การไขรหัสลับของอะตอมด้วย AI

คริส บิชอป นักวิจัยระดับตำนาน (Technical Fellow) จาก Microsoft Research นำเสนอความท้าทายที่ยิ่งใหญ่ที่สุดของมนุษยชาติ: การออกแบบสสาร โลกของเราถูกอธิบายด้วย “สมการของ Schrödinger” มานานนับศตวรรษ แต่มันเป็นสมการที่แทบจะแก้ไม่ได้ในทางปฏิบัติเพราะความซับซ้อนในการคำนวณที่เพิ่มขึ้นแบบ “Exponential”

แม้แต่โมเลกุลที่ดูเรียบง่ายอย่าง “คาเฟอีน” ซึ่งมีอิเล็กตรอนเพียงร้อยกว่าตัว ก็ยังซับซ้อนเกินกว่าที่ซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดในปัจจุบันจะคำนวณคุณสมบัติโดยตรงจากกฎพื้นฐานทางฟิสิกส์ได้ สิ่งนี้เองที่ทำให้การค้นพบยาและวัสดุใหม่ๆ ยังคงต้องพึ่งพา “การลองผิดลองถูก” ในห้องแล็บที่มีราคาสูงและใช้เวลานาน

จุดเปลี่ยนสำคัญคือการที่ Microsoft นำ Deep Learning มาใช้สร้าง “Scala” สถาปัตยกรรม AI รุ่นใหม่ที่พุ่งเป้าไปที่การไขรหัส “Exchange-correlation function” หรือที่นักวิทยาศาสตร์เรียกว่า “The Divine Function”

ความแม่นยำระดับเคมี (Chemical Accuracy): Scala สามารถทำนายพฤติกรรมของโมเลกุลด้วยความแม่นยำระดับที่ใช้งานได้จริง (1 kcal/mol) ซึ่งเป็นจุดที่ Simulation จะเข้ามาแทนที่การทดลองจริง
จาก “การอธิบาย” สู่ “การออกแบบ”: ในอดีตคอมพิวเตอร์ทำได้เพียงช่วยอธิบายผลการทดลองที่เกิดขึ้นแล้ว แต่ Scala กำลังเปลี่ยนเราให้เป็นผู้กำหนดคุณสมบัติของสสารที่ต้องการก่อนที่จะสร้างมันขึ้นมาจริงๆ

Deep Dive Analysis: นี่คือการเปลี่ยนผ่านจาก “Discovery by Accident” (การค้นพบโดยบังเอิญ) ไปสู่ “Discovery by Design” (การค้นพบโดยการออกแบบ) เมื่อ AI สามารถจำลองธรรมชาติได้แม่นยำ มนุษย์จะก้าวข้ามขีดจำกัดทางกายภาพไปสู่การเป็นผู้สร้างสรรค์วัสดุในระดับอะตอมอย่างที่ไม่เคยมีมาก่อน

3. การทะลวงพื้นที่เคมี (Chemical Space) 10^{60}

ตัวเลขที่น่าตกใจที่ คริสแบ่งปันคือ ขนาดของ “พื้นที่ทางเคมี” ที่เป็นไปได้สำหรับยาและวัสดุใหม่ๆ นั้นมีจำนวนมหาศาลถึง 10^{60} ซึ่งมากกว่าจำนวนอะตอมในระบบสุริยะทั้งหมด การค้นหาด้วยมือเปล่านั้นเป็นไปไม่ได้ แต่ AI กำลังทำหน้าที่เป็น “เข็มทิศ” ในมหาสมุทรนี้

บีบอัดเวลา 10 เท่า: การทำงานร่วมกันระหว่าง AI และโครงสร้างพื้นฐานใหม่จะช่วยให้เราทำภารกิจที่เคยใช้เวลา2.5 ศตวรรษ ให้สำเร็จได้ภายในระยะเวลาเพียงหนึ่งชั่วอายุคน
Targeting Undruggable Proteins: ความร่วมมือกับสตาร์ทอัพอย่าง Expedition Medicines แสดงให้เห็นว่า AI สามารถทำนายปฏิกิริยาเคมีที่ซับซ้อนเพื่อหาตัวยาสำหรับโปรตีนที่เดิมเคยถูกมองว่า “รักษาไม่ได้”

4. Virtual Clinical Trials: ความหวังใหม่ของ Health Equity

ในขณะที่วิทยาศาสตร์พื้นฐานก้าวกระโดด ฮอยฟุง พูน ได้แสดงให้เห็นว่าการประยุกต์ใช้ในโลกการแพทย์ก็ไม่ได้ล้าหลัง เขาเสนอภาพการใช้ AI เพื่อขจัดปัญหา “ความล่าช้าและราคาแพง” ของการทดลองทางคลินิก (Clinical Trials)

โดยเฉพาะการเปิดตัว “Gigapath” โมเดลพื้นฐานทางด้านพยาธิวิทยาดิจิทัล (Digital Pathology) ที่มีการดาวน์โหลดไปแล้วกว่า 2 ล้านครั้งทั่วโลก แสดงให้เห็นถึงพลังของการเข้าถึงข้อมูลที่เปิดกว้าง

Deep Dive Analysis: ความสำคัญของเครื่องมืออย่าง “Trioscope” หรือ “Gigatime” ไม่ได้อยู่ที่ความเร็วเพียงอย่างเดียว แต่อยู่ที่การสร้าง “Health Equity” เดิมทีผู้ป่วยในพื้นที่ห่างไกลมักถูกกันออกจากการทดลองยาใหม่ๆ เพราะความซับซ้อนของข้อมูล แต่ AI สามารถเปลี่ยนภาพพยาธิวิทยาที่ “ไร้โครงสร้าง” ให้เป็นข้อมูลที่แม่นยำ ช่วยให้ผู้ป่วยทุกคนไม่ว่าจะอยู่ที่ไหน มีโอกาสเข้าถึงการรักษาที่เป็นนวัตกรรมได้เท่าเทียมกัน

5. “GitHub สำหรับวิทยาศาสตร์” และพลวัตของแพลตฟอร์ม

สัตยา นาเดลลา สรุปภาพรวมด้วยวิสัยทัศน์ที่แหลมคมเกี่ยวกับ “Platform Philosophy” เขาต้องการให้เครื่องมืออย่าง Microsoft Discovery กลายเป็น “GitHub สำหรับวิทยาศาสตร์” ที่นักวิทยาศาสตร์ทั่วโลกสามารถเข้ามาแบ่งปันสูตรการสร้างโมเดล จำลองการทดลอง และต่อยอดความรู้กันได้อย่างไร้รอยต่อ

เขายังได้ย้ำเตือนถึงนิยามที่แท้จริงของ “แพลตฟอร์ม” ตามแบบฉบับของ บิล เกตส์ ว่า:

“แพลตฟอร์มจะเป็นแพลตฟอร์มที่แท้จริงได้ ก็ต่อเมื่อมูลค่าที่ถูกสร้างขึ้น ‘บน’ แพลตฟอร์มนั้น สูงกว่ามูลค่าที่เจ้าของแพลตฟอร์มเก็บเกี่ยวไปเอง”

นอกจากนี้ จุดที่น่าสนใจที่สุดในเชิงเทคนิคคือ การผสานพลังระหว่าง AI และ Quantum Computing โดย คริส บิชอป ได้ขยายความว่า คอมพิวเตอร์ควอนตัมในอนาคตจะไม่ได้ทำหน้าที่คำนวณทุกอย่าง แต่จะถูกใช้เพื่อ “สร้างข้อมูลการฝึกสอนที่มีความแม่นยำสูงพิเศษ” (High-accuracy Training Data) เพื่อนำมาเทรนโมเลกุลใน AI อย่าง Scala อีกที สิ่งนี้จะสร้าง “Digital Twin” ของธรรมชาติที่รันบน GPU ได้อย่างรวดเร็วและขยายผลได้มหาศาล

บทสรุป: เมื่อ “ขีดความสามารถ” ล้ำหน้า “ความเป็นจริง”

ในช่วงท้าย สัตยา นาเดลลา ได้ฝากข้อคิดเรื่อง “Capability Overhang” หรือสภาวะที่เทคโนโลยีพัฒนาไปไกลกว่าความสามารถในการปรับตัวของระบบในโลกความเป็นจริง ในขณะที่เทคโนโลยีกำลังก้าวหน้าแบบ Nonlinear (ก้าวกระโดด) แต่ระบบระเบียบ การทำงานในแล็บ และข้อบังคับต่างๆ ของเรายังคงเคลื่อนที่แบบ Linear (เชิงเส้น)

คำถามสำคัญสำหรับผู้นำและนักนวัตกรรมทั่วโลกจากเวที Davos 2024 คือ: “ในเมื่อเรามี ‘จักรยานสำหรับสมอง’ (Bicycle for the mind) ที่ทรงพลังที่สุดในประวัติศาสตร์อยู่ในมือแล้ว เราจะทำอย่างไรเพื่อลดช่องว่างระหว่างศักยภาพที่ไร้ขีดจำกัดของ AI กับโลกความเป็นจริงที่ยังคงเคลื่อนที่อย่างช้าๆ?”

หน้าที่ของเราไม่ใช่แค่การสร้างเทคโนโลยี แต่คือการนำเทคโนโลยีนั้นมา “กระจาย” (Diffusion) ให้เกิดผลลัพธ์ในวงกว้าง เพื่อให้ความหวังที่ว่า “250 ปี เหลือ 25 ปี” ไม่ใช่เพียงตัวเลขทางการตลาด แต่คือการเปลี่ยนผ่านชีวิตของผู้คนนับล้านให้ดีขึ้นอย่างแท้จริง

บทความโดย อรุณเทพ แสงวารีทิพย์ ซึ่งเป็น ผู้ก่อตั้ง และประธานเจ้าหน้าที่บริหารกลุ่ม Emetworks