Gartner วิเคราะห์อนาคต AI เผยการประมวลผลควอนตัมระดับองค์กรยังต้องใช้เวลาถึงปี 2571

การ์ทเนอร์ (Gartner) คาดการณ์การประมวลผล AI ระดับองค์กรขนาดใหญ่ (Enterprise AI) จะยังไม่ทำงานบนฮาร์ดแวร์ควอนตัมจนถึงปี 2571 ชี้เทคโนโลยีควอนตัมยังอยู่ในช่วงพัฒนา และต้องใช้เวลาในการปรับใช้จริง…

Gartner วิเคราะห์อนาคต AI เผยการประมวลผลควอนตัมระดับองค์กรยังต้องใช้เวลาถึงปี 2571

การ์ทเนอร์ อิงก์ บริษัทให้คำปรึกษา และวิจัยข้อมูลเชิงลึกด้านธุรกิจ และเทคโนโลยีเผยว่านับจากนี้ไปจนถึงปี พ.ศ. 2571 จะยังไม่มีเวิร์กโหลด AI ระดับองค์กรขนาดใหญ่ที่รันบนฮาร์ดแวร์ควอนตัม โดย Classical Accelerated AI หรือ ระบบ AI บนคอมพิวเตอร์ดั้งเดิมที่เร่งความเร็วด้วยฮาร์ดแวร์พิเศษจะยังเป็นผู้นำในทุกดัชนีชี้วัดด้านประสิทธิภาพการทำงานจริง

ชิรัค เดกาเต้ (Chirag Dekate) รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า โซลูชัน “Quantum AI” ที่ผู้ให้บริการเทคโนโลยีในตลาดกำลังเสนอขายอยู่ในปัจจุบัน ส่วนใหญ่เป็นเพียงเทคโนโลยีไฮบริดหรืออัลกอริทึมที่ประยุกต์ใช้แนวคิดแบบควอนตัมเท่านั้น ไม่ใช่เทคโนโลยี Quantum-native AI 

ที่พร้อมรองรับการทำงานในระดับองค์กร เทคโนโลยีระบบประมวลผลควอนตัมที่แท้จริงยังคงห่างไกลจากการนำมาใช้จริงในระบบ AI เชิงพาณิชย์ และคาดว่าจะยังไม่พร้อมใช้งานตลอดช่วงทศวรรษนี้

อีกทั้งในปัจจุบันยังไม่มีงานวิจัยที่ได้รับการรับรองใด ๆ ที่ยืนยันได้ว่าควอนตัมคอมพิวติ้งสามารถสร้างความได้เปรียบเชิงประสิทธิภาพในการประมวลผล AI ระดับองค์กรได้จริง

ปัญญาประดิษฐ์ควอนตัม หรือ Quantum AI หมายถึงเทคนิค AI หรือเทคโนโลยี Machine Learning (ML) ที่ต้องใช้การประมวลผลบนฮาร์ดแวร์ควอนตัมเพื่อให้ได้ประสิทธิภาพ ต้นทุน หรือขีดความสามารถที่เหนือกว่าการประมวลผลแบบดั้งเดิม

“การพัฒนาควอนตัมคอมพิวติ้งให้มีความเสถียรสูง (Fault-Tolerant) ในระดับที่ใหญ่พอจะช่วยเพิ่มประสิทธิภาพหรือลดต้นทุน ให้แก่ AI ได้อย่างชัดเจนนั้น จำเป็นต้องอาศัยความก้าวหน้า 4 ด้าน ได้แก่ ฮาร์ดแวร์, การแก้ไขข้อผิดพลาด (Error Correction), มิดเดิลแวร์ และอัลกอริทึม” เดกาเต้ กล่าวเสริม

ในวงการเทคโนโลยีปัจจุบันคำว่า Quantum AI มักถูกนำมาใช้ปะปนกับเทคโนโลยีอื่นจนสร้างความสับสน ดังนี้

• หากเริ่มจาก Classical AI หรือ AI เช่น Deep Learning, Transformers และ Reinforcement Learning ที่รันบน CPUs, GPUs หรือ TPUs ทั้งหมด ซึ่งเป็นเครื่องมือเดียวในปัจจุบันที่พร้อมใช้งานจริง และสามารถสร้างผลตอบแทนจากการลงทุน (ROI) ให้กับภาคธุรกิจได้อย่างชัดเจน
• ขณะที่ Quantum-inspired AI คือ การนำแนวคิดคำนวณแบบควอนตัมมาเขียนเป็นโปรแกรม แต่ยังคงรันอยู่บนคอมพิวเตอร์ธรรมดา เทคนิคนี้เริ่มเข้ามาช่วยภาคธุรกิจแก้โจทย์การคำนวณที่ซับซ้อนแล้ว เช่น การจัดสรรระบบขนส่ง หรือการจำลองสถานการณ์ทางธุรกิจ โดยที่องค์กรไม่จำเป็นต้องลงทุนซื้อเครื่องคอมพิวเตอร์ควอนตัมราคาแพงเลยแม้แต่น้อย
• ส่วน Hybrid Quantum-Classical คือ ระบบลูกครึ่งที่ดึงชิปควอนตัมขนาดเล็กมาทำงานร่วมกับซูเปอร์คอมพิวเตอร์แบบเดิม (High-Performance Computing-HPC) ซึ่งปัจจุบันยังคงจำกัดอยู่ในกลุ่มงานวิจัยและโครงการนำร่องเท่านั้น ยังไม่พร้อมนำมาใช้ในระบบปฏิบัติการหลักขององค์กร 

การที่ผู้ให้บริการเทคโนโลยีในปัจจุบันชูจุดขายเรื่อง Quantum AI แท้จริงแล้วเป็นเพียงการใช้เทคนิคไฮบริดหรือการประยุกต์แนวคิดแบบควอนตัมเท่านั้น ไม่ใช่เทคโนโลยีควอนตัมแท้ (Quantum-native AI) ที่พร้อมรองรับระบบการทำงานจริงในระดับองค์กรแต่อย่างใด 

การโหมกระแสการจับคู่กันของเทคโนโลยีควอนตัม และ AI โดยผู้ให้บริการเทคโนโลยีในขณะนี้ กำลังสร้างแรงกดดันมหาศาลต่อองค์กร จนเสี่ยงที่จะเกิดการตัดสินใจผิดพลาดในการเจียดงบประมาณด้าน AI ไปลงทุนกับงานวิจัย และพัฒนา (R&D) ด้านควอนตัม ซึ่งเป็นเทคโนโลยีที่ยังไม่สามารถสร้างผลตอบแทนเชิงพาณิชย์ที่คุ้มค่าได้ก่อน พ.ศ. 2573 

จากข้อจำกัดดังกล่าว การ์ทเนอร์คาดว่าเทคโนโลยีควอนตัมคอมพิวติ้งที่เสถียร และทนทานต่อความผิดพลาด จะยังคงถูกจำกัดอยู่ในขั้นตอนการวิจัยและพัฒนา สำหรับงานด้าน AI เท่านั้น เนื่องจากจำนวน Logical Qubit ยังไม่มากพอที่จะรองรับการทำงานของอัลกอริทึม AI ได้เต็มรูปแบบ และยังไม่สามารถสร้างความคุ้มค่าทางเศรษฐกิจได้จริงไปจนถึงปี พ.ศ. 2573 

แยกงบประมาณ Quantum ออกจากงบ AI

งบ R&D ด้านควอนตัมและโครงสร้างพื้นฐาน AI ที่ใช้งานจริง มีกรอบระยะเวลา ผลตอบแทนทางเศรษฐกิจต่อหน่วย และความต้องการในการกำกับดูแลที่ไม่เหมือนกัน GenAI สามารถคืนทุนที่วัดผลได้ภายใน 12 ถึง 18 เดือน ทั้งในด้านระยะเวลาการทำงาน, ความแม่นยำ และการทำงานแบบอัตโนมัติ

ในขณะที่ Quantum AI ไม่เคยสร้างมูลค่าที่วัดผลได้บนเวิร์กโหลดที่ใช้งานจริงเลย และมีแนวโน้มว่าจะยังไม่สามารถทำได้ในอนาคตอันใกล้นี้ 

“การจัดสรรงบประมาณรวมกันระหว่าง GenAI และ ควอนตัม จะส่งผลให้การประเมินความรับผิดชอบและตัววัดผลของทั้งสองโครงการผิดเพี้ยนไป ที่สำคัญยังเสี่ยงเปิดทางให้โครงการควอนตัมซึ่งเป็นเพียงความหวังในอนาคต เข้ามาเบียดบังงบประมาณที่ควรนำไปพัฒนาขีดความสามารถของระบบ AI ที่ใช้งานอยู่ในปัจจุบัน

“โดย CIO ส่วนใหญ่จัดวางงบประมาณหลักไว้กับ GenAI, Agentic AI, ระบบความปลอดภัยทางไซเบอร์ และคลาวด์ เป็นสำคัญ ขณะที่เทคโนโลยีควอนตัมไม่ได้ติดอันดับการลงทุนเร่งด่วน

โดยกลุ่ม CIO ที่แบ่งงบลงทุนให้ควอนตัมนั้น จัดสรรงบในสัดส่วนที่น้อยกว่า GenAI อย่างเห็นได้ชัด และถือเป็นการลงทุนระยะยาวโดยไม่ได้คาดหวังผลตอบแทนทางการเงิน (ROI) ในระยะสั้น” เดกาเต้ กล่าวสรุป

แนวทางปฏิบัติเพื่อให้องค์กรได้รับประโยชน์สูงสุดจากเทคโนโลยีควอนตัม 

• ดึงเทคนิค “Quantum-inspired” มาปลั๊กอินกับระบบ AI เดิมที่มีอยู่ : องค์กรควรมุ่งเน้นการใช้งานอัลกอริทึมที่นำแนวคิดควอนตัมมาปรับใช้ (Quantum-inspired) บนโครงสร้างพื้นฐาน GPU ยุคปัจจุบัน แทนที่จะรีบร้อนลงทุนในฮาร์ดแวร์ควอนตัมโดยตรง ทั้งในงานด้านการประมวลผลคำนวณซับซ้อน (Optimization), GenAI, พีชคณิตเชิงเส้น ไปจนถึง Reinforcement Learning เนื่องจากระบบดั้งเดิมนี้สามารถให้ผลลัพธ์ที่ใกล้เคียงกัน โดยไม่ต้องแบกรับต้นทุน ความซับซ้อน หรือความเสี่ยงจากเทคโนโลยีที่ยังไม่มั่งคง 
• กำหนดเกณฑ์การยุติโครงการนำร่องและหยุดตามเกมการตลาดของผู้ให้บริการ : ทุกโครงการนำร่อง (Pilot Project) ด้านควอนตัมต้องเริ่มด้วยการกำหนด KPI สำเร็จที่ชัดเจน มีระบบ AI ดั้งเดิมเป็นเกณฑ์เปรียบเทียบประสิทธิภาพ (Benchmark) และระบุเงื่อนไขการยกเลิกโครงการไว้อย่างเป็นรูปธรรม เพื่อป้องกันไม่ให้การทดลองที่ไร้จุดหมายสิ้นสุดสูบผลาญงบประมาณองค์กรไปเปล่าประโยชน์ 
• โฟกัสตัวเลขความก้าวหน้าที่แท้จริง ไม่หลงตัวเลขการตลาด : มาตรวัดความก้าวหน้าของควอนตัมที่สำคัญที่สุดไม่ใช่ จำนวน Physical Qubit แต่คือความพร้อมของ Logical Qubit ที่มีอัตราความผิดพลาดต่ำพอสำหรับใช้งานจริง ความก้าวหน้าในระบบแก้ไขข้อผิดพลาด (Error Correction) และระบบควบคุมต่างหาก คือปัจจัยชี้ขาดมูลค่าทางธุรกิจที่แท้จริง

ส่วนขยาย

* บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ 
** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) 
*** ขอขอบคุณภาพประกอบบางส่วนจาก N/A

สามารถกดติดตามข่าวสาร และบทความทางด้านเทคโนโลยีของเราได้ที่  www.facebook.com/itday.in.th