简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Partnered With:

Transformer แปดอัจฉริยะเก้าปีต่อมา: Google ไม่สามารถรักษาใครไว้ได้เลย

อ่านบทความนี้ใน 93 นาที

ผู้เขียนทั้งแปดคนจากไปทั้งหมดหลังจากเก้าปี ต่างคนต่างออกตามหาคำตอบถัดไปของตนเอง

หัวข้อต้นฉบับ: "แปดพ่อแม่ของ Transformer ตอนนี้อยู่ที่ไหน?"
แหล่งที่มาต้นฉบับ: Machine Heart

เมื่อวันที่ 18 มิถุนายน Noam Shazeer หนึ่งในผู้ร่วมเขียนบทความ Transformer ประกาศลาออกจาก X และเข้าร่วม OpenAI สองวันต่อมา John Jumper ผู้ชนะรางวัลโนเบลสาขาเคมีปี 2024 และหัวหน้าทีม AlphaFold ก็ประกาศออกจาก Google DeepMind โดยมุ่งหน้าไปยัง Anthropic

ข่าวสองเรื่องนี้เกิดขึ้นติดๆ กัน สร้างผลกระทบอย่างมากต่อตลาดทุน: หุ้นของ Alphabet บริษัทแม่ของ Google ร่วงลงมากกว่า 7% มูลค่าตลาดหายไปกว่า 3 แสนล้านดอลลาร์สหรัฐ หน่วยวิเคราะห์หลายแห่งต่างโยงการเทขายครั้งนี้ไปที่ "การสูญเสียบุคลากร" Gil Luria นักวิเคราะห์จาก D.A. Davidson กล่าวตรงไปตรงมาว่า Shazeer ไปหา OpenAI และ Jumper ไปหา Anthropic การลาออกติดๆ กันของทั้งสองคนทำให้ตลาดเริ่มกังวลว่า Google กำลังเสียเปรียบในการแข่งขันแย่งชิงบุคลากรด้าน AI

การจากไปของ Shazeer ครั้งนี้น่าสนใจเป็นพิเศษ เพราะนี่เป็นการออกจาก Google ครั้งที่สองของเขาแล้ว

ในปี 2021 เขาไม่พอใจที่บริษัทไม่ยอมเปิดเผยแชทบอทที่เขาพัฒนาขึ้นสู่สาธารณะ จึงลาออกไปก่อตั้ง Character.AI ในเดือนสิงหาคม 2024 Google จ่ายเงินประมาณ 2.7 พันล้านดอลลาร์สหรัฐเพื่อซื้อลิขสิทธิ์เทคโนโลยีของ Character.AI และชักชวนเขากลับมาที่ DeepMind ให้ดำรงตำแหน่งรองประธานฝ่ายวิศวกรรมของโครงการ Gemini ร่วมกับ Jeff Dean ในการนำโครงการนี้ แต่ไม่ถึงสองปีต่อมา เขาก็จากไปอีกครั้ง คราวนี้ไปอยู่กับ OpenAI คู่แข่งตัวฉกาจ

ถึงตอนนี้ ผู้ร่วมเขียนทั้งแปดคนของบทความที่ตีพิมพ์เมื่อเก้าปีก่อนชื่อ "Attention Is All You Need" ได้ออกจาก Google หมดแล้ว

ผู้ใช้ Tyler Maran ทำภาพหนึ่งภาพที่แสดงเส้นทางปัจจุบันของพวกเขาแต่ละคน ภาพนี้ถูกแชร์อย่างแพร่หลายในโซเชียลเน็ตเวิร์ก

อย่างไรก็ตาม ภาพนี้อาจล้าสมัยในไม่ช้า ในช่วงสองวันที่ผ่านมา มีข่าวลือในตลาดว่า NVIDIA กำลังดูดซับทีมหลักของ Essential AI อย่างเงียบๆ ซึ่งรวมถึง Ashish Vaswani หนึ่งในผู้เขียนบทความ Transformer และผู้ร่วมก่อตั้ง兼 CEO ของ Essential AI จนถึงเวลาที่รายงานนี้ ทั้ง NVIDIA และ Essential AI ยังไม่ได้ตอบสนองอย่างเป็นทางการต่อเรื่องนี้

เมื่อมีโอกาสนี้ เรามาทบทวนประวัติการทำงานเก้าปีของแปดคนที่ถูกเรียกว่า "บิดาแห่ง Transformer" กันอย่างละเอียด รวมถึงจุดหมายปลายทางที่แท้จริงของพวกเขาในปัจจุบัน

ต้องอธิบายก่อนว่า ลำดับผู้เขียนในบทความ Attention Is All You Need ถูกจัดเรียงแบบสุ่ม ในเชิงอรรถของบทความระบุไว้ชัดเจนว่า: ผู้เขียนทุกคนมีส่วนร่วมเท่าเทียมกัน ลำดับถูกสุ่ม ดังนั้นจึงไม่มีสิ่งที่เรียกว่า "ผู้เขียนคนแรก" หรือ "ผู้เขียนที่ติดต่อได้" บทความนี้จะแนะนำแปดคนนี้ตามลำดับผู้เขียนเดิมในบทความ

"จุดกำเนิดของทุกสิ่ง": ชาว Google แปดคนที่ไม่ทำตามกระแส

เพื่อเข้าใจเส้นทางปัจจุบันของพวกเขา เราต้องย้อนกลับไปปี 2017 ในตอนนั้น วิธีการหลักในวงการแปลด้วยเครื่องคือ Recurrent Neural Network (RNN) ซึ่งโมเดลต้องประมวลผลประโยคทีละคำตามลำดับ เหมือนกับการข้ามถนนในเลนเดียว ทำให้ไม่สามารถคำนวณแบบขนานได้ การฝึกฝนจึงช้าและมีค่าใช้จ่ายสูง

แปดคนจาก Google Brain ตัดสินใจลองแนวคิดที่เกือบจะเสี่ยง: ทิ้งโครงสร้างแบบวนซ้ำทั้งหมด เหลือเพียง "กลไกความสนใจ" (Attention Mechanism) ให้โมเดลดูทั้งประโยคในครั้งเดียว และตัดสินใจเองว่าคำไหนควรให้ความสำคัญกับคำไหน ชื่อบทความ "Attention Is All You Need" ดัดแปลงมาจากเพลง All You Need Is Love ของวง Beatles และกลายเป็นรูปแบบที่บทความอื่นๆ นำไปเลียนแบบตั้งแต่นั้นมา

คำอธิบายการมีส่วนร่วมของผู้เขียนในบทความ บันทึกสั้นๆ ว่าแต่ละคนทำอะไรบ้าง:

· Jakob Uszkoreit เป็นคนแรกที่เสนอให้ใช้ Self-Attention แทนโครงสร้างแบบวนซ้ำ และเป็นผู้นำในการทดสอบแนวคิดนี้ในระยะแรก

· Ashish Vaswani ร่วมกับ Illia Polosukhin ออกแบบและสร้างโมเดล Transformer ตัวแรก และมีส่วนร่วมในทุกขั้นตอนของโครงการเกือบทั้งหมด

· Noam Shazeer เสนอ Scaled Dot-Product Attention, Multi-Head Attention และวิธีการแสดงตำแหน่งแบบไม่มีพารามิเตอร์ เป็นอีกคนที่ลงมือทำทุกอย่างด้วยตัวเองเกือบทุกเรื่อง

· Niki Parmar ได้ออกแบบ พัฒนา และดีบักโมเดลรูปแบบต่างๆ มากมายนับไม่ถ้วนในโค้ดเบสเริ่มต้นและเฟรมเวิร์ก tensor2tensor ในภายหลัง

· Llion Jones ก็ได้ทดลองโมเดลรูปแบบใหม่ๆ จำนวนมากเช่นกัน และรับผิดชอบโค้ดเบสเริ่มต้น การเพิ่มประสิทธิภาพการอนุมาน และงานด้านการแสดงผล

· Łukasz Kaiser และ Aidan N. Gomez ใช้เวลาหลายวันหลายคืนในการสร้างโมดูลต่างๆ ของ tensor2tensor แทนที่โค้ดเบสยุคแรก และช่วยเพิ่มประสิทธิภาพการทดลองและการวิจัยอย่างมาก

คำอธิบายนี้ยังเผยให้เห็นรายละเอียดทางอ้อมว่า แม้ลำดับผู้เขียนในเอกสารจะสุ่ม แต่ Uszkoreit, Vaswani, Polosukhin และ Shazeer มีบทบาทหลักในระดับสถาปัตยกรรมอย่างชัดเจน ในขณะที่ Parmar, Jones, Kaiser และ Gomez รับหน้าที่สำคัญในด้านการนำไปใช้ทางวิศวกรรมและการสร้างระบบ ซึ่งเป็นจุดเริ่มต้นที่สะท้อนถึงความแตกต่างในบุคลิกและความเชี่ยวชาญของทั้งแปดคนเมื่อพวกเขาเลือกเส้นทางที่แตกต่างกันในภายหลัง

ชื่อ "Transformer" เองก็มีเรื่องเล่าเล็กน้อย Uszkoreit ชอบเสียงของคำนี้ ทีมงานจึงเรียกตัวเองว่า "Team Transformer" และหน้าปกของเอกสารออกแบบยุคแรกยังมีตัวละครหกตัวจากการ์ตูน Transformers วาดอยู่

นับตั้งแต่ตีพิมพ์ เอกสารนี้มียอดอ้างอิง มากกว่า 260,000 ครั้ง ถือเป็นหนึ่งในเอกสารที่ถูกอ้างอิงมากที่สุดในศตวรรษที่ 21

Ashish Vaswani

Vaswani เกิดในปี 1986 เป็นชาวอินเดีย ได้รับปริญญาตรีสาขาวิทยาการคอมพิวเตอร์จาก Birla Institute of Technology (BIT Mesra) ในปี 2002 จากนั้นเดินทางไปสหรัฐอเมริกาเพื่อศึกษาปริญญาเอกที่ University of Southern California ภายใต้การดูแลของ David Chiang โดยเน้นการวิจัยด้านการแปลด้วยเครื่องเชิงสถิติและการสร้างแบบจำลองภาษาด้วยโครงข่ายประสาทเทียม หลังจากสำเร็จการศึกษา เขาทำงานเป็นนักวิทยาศาสตร์คอมพิวเตอร์ที่ Information Sciences Institute ของ USC เป็นเวลาสองปี ก่อนจะเข้าร่วม Google Brain ในปี 2016 ในตำแหน่งนักวิจัยวิทยาศาสตร์ และทำงานที่นั่นจนถึงปี 2021

ตามคำอธิบายการมีส่วนร่วมของผู้เขียนในเอกสาร Vaswani ร่วมกับ Illia Polosukhin ออกแบบและพัฒนาโมเดล Transformer รุ่นแรก และเป็นหนึ่งในบุคคลสำคัญที่ "มีส่วนร่วมในเกือบทุกขั้นตอนของโครงการ"

หลังจากออกจาก Google ในปี 2021 Vaswani ร่วมกับ Niki Parmar และ David Luan อดีตรองประธานฝ่ายวิศวกรรมของ OpenAI ก่อตั้ง Adept AI ขึ้น โดยดำรงตำแหน่งหัวหน้านักวิทยาศาสตร์ โดยมีเป้าหมายในการสร้าง "โมเดลพฤติกรรม" ที่สามารถทำงานอัตโนมัติในซอฟต์แวร์ใดๆ ก็ได้

Adept เคยระดมทุนได้มากกว่า 400 ล้านดอลลาร์ มูลค่าประมาณ 1 พันล้านดอลลาร์ แต่ผลิตภัณฑ์กลับไม่สามารถเปิดตัวได้ตามกำหนด และเกิดความขัดแย้งภายในทีม Vaswani และ Parmar ตัดสินใจถอนตัวตั้งแต่เนิ่นๆ โดยวาระการดำรงตำแหน่งหัวหน้านักวิทยาศาสตร์ของเขาที่ Adept สิ้นสุดลงในเดือนพฤศจิกายน 2022

ต้นปี 2023 Vaswani และ Parmar ร่วมมือกันอีกครั้ง ก่อตั้ง Essential AI โดยให้เขาดำรงตำแหน่ง CEO บริษัทได้รับการลงทุนเชิงกลยุทธ์จาก Google, Nvidia และ AMD: รอบ Seed มูลค่า 8.3 ล้านดอลลาร์นำโดย Thrive Capital รอบ Series A มูลค่า 56.5 ล้านดอลลาร์เมื่อปลายปี 2023 นำโดย March Capital โดยมี Google, Nvidia, AMD, KB Investment, Franklin Templeton และอื่นๆ ร่วมลงทุน

ต้นปี 2026 บริษัทระดมทุนรอบ Series B มูลค่า 175 ล้านดอลลาร์ นำโดย Lightspeed Venture Partners โดยมี Thrive Capital ร่วมลงทุน มูลค่าบริษัทพุ่งแตะ 1 พันล้านดอลลาร์ กลายเป็นยูนิคอร์นอย่างเป็นทางการ

ปลายปี 2025 บริษัทเปิดตัวโมเดลโอเพนซอร์สชุดแรก Rnj-1 (ตั้งชื่อตาม Ramanujan นักคณิตศาสตร์ชาวอินเดีย)

อย่างไรก็ตาม ในช่วงสองวันที่ผ่านมา สถานการณ์กลับพลิกผัน มีรายงานว่า Nvidia กำลังดึงทีมหลักของ Essential AI รวมถึง Vaswani เอง เข้าร่วม โดยในอนาคตเขาจะมีส่วนร่วมในการพัฒนาโมเดลโอเพนซอร์ส Nemotron ของ Nvidia

แหล่งข่าวเปิดเผยว่า เหตุผลค่อนข้างเป็นจริง: Essential AI กำลังเผชิญอุปสรรคในการระดมทุน และการดึง Vaswani พร้อมทีมออกจากค่าย AMD ซึ่งเป็นคู่แข่งของ Nvidia (AMD เป็นหนึ่งในนักลงทุนเชิงกลยุทธ์รายแรกๆ ของ Essential AI และบริษัทก็พึ่งพา GPU ของ AMD มาโดยตลอด) ถือเป็นข้อตกลงที่คุ้มค่า

นักวิจัยของ Essential AI หลายคน (รวมถึง Alok Tripathy และ Saurabh Srivastava) ได้อัปเดตโปรไฟล์ LinkedIn แล้ว แสดงว่าพวกเขาได้เข้าร่วม Nvidia อย่างไรก็ตาม จนถึงขณะนี้ ทั้ง Nvidia และ Essential AI ยังไม่ยืนยันข่าวนี้อย่างเป็นทางการ

โนอัม ชาเซียร์

ชาเซียร์เกิดในปี 1976 ที่ฟิลาเดลเฟีย เป็นชาวยิวออร์โธดอกซ์ พ่อของเขาคือโดฟ ชาเซียร์ เป็นวิศวกรที่เคยเป็นครูสอนคณิตศาสตร์ ส่วนพี่สาวได้รับตำแหน่งรับบีจากวิทยาลัยฮีบรู เขาแสดงพรสวรรค์โดดเด่นตั้งแต่วัยรุ่น ในปี 1994 เขาเป็นสมาชิกทีมชาติสหรัฐอเมริกาในการแข่งขันคณิตศาสตร์โอลิมปิกระหว่างประเทศและคว้าเหรียญทองเต็มคะแนน หลังจากนั้นเข้าเรียนที่มหาวิทยาลัยดุ๊กในสาขาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ เป็นผู้ได้รับทุน Angier B. Duke Memorial และได้รับรางวัลจากการแข่งขันคณิตศาสตร์ Putnam

ในปี 2000 ชาเซียร์เข้าร่วม Google ผลงานเด่นในช่วงแรกคือการแก้ไขฟังก์ชันตรวจสอบการสะกดคำของ Google Search

ตามคำอธิบายการมีส่วนร่วมในเอกสาร Transformer เขาเสนอแนวคิด Attention แบบ Scaled Dot-Product, Multi-Head Attention และวิธีการแสดงตำแหน่งแบบไม่มีพารามิเตอร์ เขาเป็นคนที่ "มีส่วนร่วมในทุกรายละเอียด" รองจาก Vaswani และ Polosukhin

หลังจากร่วมเขียนเอกสาร Transformer ในปี 2017 เขาและเพื่อนร่วมงานแดเนียล เดอ เฟรตัส สร้างแชทบอท Meena แต่ Google ไม่ได้เผยแพร่ต่อสาธารณะเนื่องจากความระมัดระวัง ทั้งสองลาออกในปี 2021 และก่อตั้ง Character.AI ซึ่งระดมทุนจาก a16z และสถาบันอื่นๆ ได้มากกว่า 150 ล้านดอลลาร์ และกลายเป็นแอปพลิเคชันแชทสวมบทบาทที่ได้รับความนิยม

ในเดือนสิงหาคม 2024 เกิดจุดเปลี่ยน: Google บรรลุข้อตกลงอนุญาตสิทธิ์กับ Character.AI โดยมีรายงานว่ามูลค่าสูงถึง 2.7 พันล้านดอลลาร์ ชาเซียร์และเดอ เฟรตัสพาทีมงานเล็กๆ กลับไปที่ Google DeepMind เขาได้รับแต่งตั้งเป็นรองประธานฝ่ายวิศวกรรม ร่วมกับเจฟฟ์ ดีน และโอริออล วินยาลส์ เป็นผู้นำโครงการ Gemini

เนื่องจากเขาถือหุ้นใน Character.AI ประมาณ 30% ถึง 40% การทำธุรกรรมนี้ทำให้เขาสามารถถอนเงินส่วนตัวได้ประมาณ 750 ล้านถึง 1 พันล้านดอลลาร์ ในปี 2026 เขาได้รับเลือกเป็นสมาชิกของ National Academy of Engineering แห่งสหรัฐอเมริกา ประวัติการทำงานของเขาดูรุ่งโรจน์

แต่เพียงไม่กี่เดือนต่อมา เขาก็เลือกที่จะลาออกอีกครั้ง คราวนี้ไปที่ OpenAI โดยมีรายงานว่าเขาจะรับผิดชอบทิศทางที่เรียกว่า "การวิจัยสถาปัตยกรรม" ซึ่งตรงกับช่วงที่ OpenAI กำลังเร่งหาคนเพื่อเตรียมเข้าตลาดหุ้น IPO (บริษัทได้ยื่นเอกสาร S-1 ต่อสำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์สหรัฐฯ อย่างลับๆ เมื่อวันที่ 8 มิถุนายน โดยมีมูลค่าประเมินสูงถึง 852 พันล้านดอลลาร์)

แซม อัลท์แมน ซีอีโอของ OpenAI กล่าวต่อสาธารณะอย่างไม่ค่อยเกิดขึ้นบ่อยนักว่า "ตั้งแต่วันแรกที่ก่อตั้ง OpenAI เขาคือหนึ่งในคนที่ฉันอยากร่วมงานด้วยมากที่สุด" และยังบอกอีกว่าการจ้างงานครั้งนี้ "ใช้เวลาวางแผนถึงสิบปี"

สำหรับ Google นี่คือ "การซื้อคืนที่ล้มเหลว" ที่มีราคาแพง: คนที่ใช้เงิน 2.7 พันล้านดอลลาร์เพื่อดึงกลับมาเมื่อสองปีก่อน ตอนนี้กลับไปร่วมงานกับคู่แข่งอันดับหนึ่ง และนี่ก็เป็นหนึ่งในสาเหตุโดยตรงที่ทำให้ราคาหุ้นของ Google ร่วงลงอย่างหนักในสัปดาห์นี้

นิกิ ปาร์มาร์

ปาร์มาร์เกิดที่เมืองปูเน ประเทศอินเดีย เรียนปริญญาตรีที่สถาบันเทคโนโลยีคอมพิวเตอร์ปูเน (Pune Institute of Computer Technology) สาขาเทคโนโลยีสารสนเทศ ระหว่างเรียน เธอเริ่มสนใจปัญญาประดิษฐ์และการเรียนรู้ของเครื่องผ่านคอร์สออนไลน์ของแอนดรูว์ อึ้ง และปีเตอร์ นอร์วิก จากนั้นจึงไปเรียนต่อปริญญาโทสาขาวิทยาการคอมพิวเตอร์ที่มหาวิทยาลัยเซาเทิร์นแคลิฟอร์เนีย โดยทำงานร่วมกับศาสตราจารย์มอร์เตซา เดห์กานี เพื่อศึกษาปัญหาสังคมศาสตร์ด้วยวิธีการเรียนรู้ของเครื่อง

ในปี 2015 ปาร์มาร์เข้าร่วม Google Research ในตำแหน่งวิศวกรซอฟต์แวร์ และในปี 2017 ย้ายไปที่ Google Brain ในตำแหน่งวิศวกรวิจัยซอฟต์แวร์—มีรายงานว่าเธอเป็นนักวิจัยที่อายุน้อยที่สุดและเป็นคนเดียวที่ไม่มีปริญญาเอกในทีม Google Brain ในขณะนั้น

ตามคำอธิบายการมีส่วนร่วมในบทความ เธอออกแบบ พัฒนา และทดสอบโมเดลหลากหลายรูปแบบในโค้ดเบสเริ่มต้นและเฟรมเวิร์ก tensor2tensor หลังจากตีพิมพ์บทความ เธอยังคงขยาย Transformer ไปสู่สาขาอื่นนอกเหนือจากภาษา โดยมีส่วนร่วมในงานวิจัยที่ขยายกลไกการใส่ใจตนเองไปสู่การสร้างภาพและการมองเห็นด้วยคอมพิวเตอร์

ในปี 2021 ปาร์มาร์ออกจาก Google และร่วมกับอาชิช วาสวานี, เดวิด ลวน และคนอื่นๆ ก่อตั้ง Adept AI ในตำแหน่งประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี เช่นเดียวกับวาสวานี เธอออกจาก Adept ตั้งแต่เนิ่นๆ และในต้นปี 2023 ก็ร่วมกับวาสวานีก่อตั้ง Essential AI ขึ้นมาใหม่ โดยเป็นผู้ร่วมก่อตั้ง

แต่เธอไม่ได้รอจนถึงการระดมทุนรอบ B และสถานะยูนิคอร์นของ Essential AI ในช่วงปลายปี 2024 ปาร์มาร์ออกจาก Essential AI อย่างเงียบๆ และเข้าร่วม Anthropic โดยประกาศข่าวนี้ต่อสาธารณะในเดือนกุมภาพันธ์ 2025 เธอเขียนบน X ว่า "วันนี้ก็เหมือนกับวันอื่นๆ ที่เหมาะแก่การแชร์: ฉันเข้าร่วม Anthropic เมื่อเดือนธันวาคมปีที่แล้ว"

ต่อมาเธอได้มีส่วนร่วมในการพัฒนา Claude 3.7 Sonnet ซึ่งเป็นการเปิดตัวโมเดลที่สำคัญที่สุดครั้งหนึ่งในประวัติศาสตร์ของ Anthropic ปัจจุบันเธอดำรงตำแหน่งสมาชิกทีมเทคนิค (Member of Technical Staff) ของ Anthropic โดยมุ่งเน้นการวิจัยความสามารถ前沿และงานด้านการเรียนรู้แบบเสริมกำลัง

ผู้เขียนร่วมสองคนที่เคย inseparable และหุ้นส่วนที่ร่วมก่อตั้งธุรกิจสองครั้ง สุดท้ายก็แยกทางไปสู่จุดหมายที่แตกต่างกันโดยสิ้นเชิง: Parmar ถอนตัวเงียบๆ กว่าหนึ่งปีก่อนหน้านี้ และผสานเข้ากับห้องปฏิบัติการชั้นนำอย่างสงบ ขณะที่ Vaswani เลือกที่จะผลักดัน Essential AI ต่อไป จนกระทั่งสัปดาห์นี้มือของคู่แข่งยื่นเข้ามารับช่วงต่อ

Jakob Uszkoreit

Uszkoreit เกิดในครอบครัวนักภาษาศาสตร์ Hans Uszkoreit พ่อของเขาเป็นนักภาษาศาสตร์เชิงคำนวณที่มีชื่อเสียง เมื่อลูกชายเสนอสมมติฐานที่ว่า "แค่กลไกความสนใจก็เพียงพอแล้ว" แม้แต่พ่อของเขาเองก็ยังสงสัย Uszkoreit สำเร็จการศึกษาระดับปริญญาเอกจากมหาวิทยาลัยเทคนิคเบอร์ลิน และต่อมาได้เลื่อนขั้นเป็น "นักวิทยาศาสตร์ดีเด่น" (Distinguished Scientist) ที่ Google Brain

ตามคำอธิบายการมีส่วนร่วมในบทความ Uszkoreit เป็นคนแรกที่เสนอให้ใช้กลไกความสนใจด้วยตนเอง (self-attention) แทนโครงข่ายประสาทแบบวนซ้ำ และเป็นผู้นำการตรวจสอบสมมติฐานนี้ในระยะเริ่มต้น เมล็ดพันธุ์ของแนวคิดนี้ถูกฝังไว้ตั้งแต่ปี 2016 ในบทความ "โมเดลความสนใจแบบแยกส่วนได้" (Decomposable Attention Model) ที่เขาเขียนร่วมกับ Ankur Parikh, Oscar Täckström และ Dipanjan Das

ชื่อ "Transformer" ก็ถูกกำหนดขึ้นเพราะเขาชอบเสียงของคำนี้ ทีมงานภายในเรียกตัวเองว่า "Team Transformer" และบนปกเอกสารการออกแบบยุคแรกมีภาพตัวละครหกตัวจากการ์ตูน Transformers

ปลายปี 2020 AlphaFold2 ของ DeepMind พิสูจน์ให้เห็นว่าโมเดลแบบ Transformer สามารถแก้ปัญหาการพับโปรตีน ซึ่งเป็นความท้าทายระดับ "จอกศักดิ์สิทธิ์" ในชีววิทยา เขายิ่งตระหนักชัดเจนขึ้นว่าสิ่งที่การเรียนรู้เชิงลึกยังไม่สามารถเปลี่ยนแปลงชีววิทยาได้อย่างแท้จริง ไม่ใช่อัลกอริทึม แต่เป็นข้อมูล "มันเกือบจะกลายเป็นหน้าที่ทางศีลธรรม" เขาเล่าในภายหลัง

ดังนั้นในปี 2021 เขาจึงร่วมก่อตั้ง Inceptive กับ Rhiju Das ศาสตราจารย์ด้านชีวเคมีจากมหาวิทยาลัยสแตนฟอร์ดและผู้พัฒนาเกมออกแบบ RNA ชื่อดัง Eterna โดยมีสำนักงานใหญ่ตั้งอยู่ในเบิร์กลีย์ ทีมวิจัยยังคงอยู่ในเบอร์ลิน — ตัวเขาเองอาศัยอยู่ในเบอร์ลิน พนักงานยังกระจายตัวอยู่ในซูริก ลอนดอน แวนคูเวอร์ และหลายเมืองบนชายฝั่งตะวันออกของสหรัฐฯ

แนวคิดหลักของบริษัทคือการทำการทดลองแบบย้อนกลับ: ไม่ใช่การมีข้อมูลก่อนแล้วค่อยฝึกโมเดล แต่ใช้หุ่นยนต์และแรงงานคนสร้างข้อมูลการทดลอง RNA ใหม่ทั้งหมดในปริมาณมหาศาล จากนั้นป้อนให้โมเดลเรียนรู้

Inceptive ระดมทุนได้ประมาณ 120 ล้านดอลลาร์จากสถาบันต่างๆ เช่น NVIDIA, a16z, Obvious Ventures, Section 32 เป็นต้น ความคืบหน้าล่าสุดเกิดขึ้นในเดือนนี้: ต้นเดือนมิถุนายน Alnylam Pharmaceuticals ผู้บุกเบิกการบำบัดด้วย RNA interference ได้ลงนามในความร่วมมือเชิงกลยุทธ์กับ Inceptive โดยใช้โมเดลพื้นฐานของ Inceptive เพื่อเร่งการออกแบบยาตัวเลือก siRNA โดยมีเงินดาวน์ 30 ล้านดอลลาร์ รายงานระบุว่ามูลค่ารวมของความร่วมมือทั้งหมดอาจสูงถึงประมาณ 2 พันล้านดอลลาร์

Uszkoreit กล่าวในแถลงการณ์ว่า: "การออกแบบยาส่วนใหญ่ยังคงอาศัยการลองผิดลองถูก — ทดสอบโมเลกุลนับพันเพื่อหวังว่าสักตัวจะสำเร็จ จุดเริ่มต้นของ Inceptive แตกต่างออกไป: ชีวิตดำเนินไปตามกฎที่ซับซ้อนอย่างยิ่ง ซึ่งมีเพียง AI เท่านั้นที่สามารถเรียนรู้มันได้"

ในบรรดาผู้เขียนทั้งแปดคน เขาเป็นคนเดียวที่เปลี่ยนสายงานไปทำเทคโนโลยีชีวภาพอย่างสิ้นเชิง และนี่ก็สอดคล้องกับคำทำนายที่บทความนั้นทิ้งไว้เมื่อหลายปีก่อน: ศักยภาพของกลไกความสนใจ (Attention Mechanism) นั้นไม่ได้จำกัดอยู่แค่การแปลด้วยเครื่อง

Llion Jones

Jones เป็นชาวเวลส์ จบการศึกษาจากมหาวิทยาลัยเบอร์มิงแฮม เข้าร่วม Google ในปี 2011 ในตำแหน่งวิศวกรซอฟต์แวร์ และทำงานที่นั่นมานานกว่าสิบปี เป็นหนึ่งในผู้เขียนทั้งแปดคนที่ไม่มีปริญญาเอก แต่ใช้สัญชาตญาณทางวิศวกรรมล้วนๆ ในการหาทาง

ตามคำอธิบายการมีส่วนร่วมในบทความ เขาได้ทดลองโมเดลรูปแบบใหม่จำนวนมาก และรับผิดชอบโค้ดเบสเริ่มต้น การเพิ่มประสิทธิภาพความเร็วในการอนุมาน และงานด้านการแสดงผล

เขาเคยเล่าถึงช่วงเวลาสำคัญนั้นในภายหลัง: "ตอนนั้นเราเพิ่งเริ่มลองตัดบางส่วนของโมเดลทิ้งไปตรงๆ เพื่อดูว่าประสิทธิภาพจะแย่ลงแค่ไหน ผลลัพธ์ที่ทำให้ประหลาดใจคือ มันกลับดีขึ้น" นี่คือช่วงเวลาที่สมมติฐานที่ว่า "โครงสร้างแบบวนซ้ำนั้นฟุ่มเฟือย" ได้รับการพิสูจน์เป็นครั้งแรก

ในปี 2023 Jones และ David Ha ซึ่งเคยอยู่ Google เช่นกัน ได้ร่วมกันก่อตั้ง Sakana AI ในโตเกียว "Sakana" ในภาษาญี่ปุ่นแปลว่า "ปลา" Ha ดำรงตำแหน่ง CEO, Jones ดำรงตำแหน่ง CTO และ Ren Ito ผู้ร่วมก่อตั้งอีกคนของบริษัทดำรงตำแหน่ง COO

ปัจจุบัน โจนส์ประจำอยู่ที่โตเกียว และเรียกตัวเองบนโซเชียลมีเดียว่า "นักวิจัย AI ชาวเวลส์ที่อาศัยอยู่ในโตเกียว" เส้นทางการวิจัยของบริษัทนี้มีสีสันที่ตรงกันข้ามกับกระแสหลัก: แทนที่จะมุ่งเน้นแต่การเพิ่มพลังคำนวณและพารามิเตอร์ กลับ借鉴ตรรกะของวิวัฒนาการตามธรรมชาติ ให้กลุ่มโมเดลขนาดเล็กทำงานร่วมกันเหมือนฝูงปลา ผลงานวิจัยที่เป็นตัวแทนของบริษัท ได้แก่ Continuous Thought Machine (เครื่องจักรความคิดต่อเนื่อง) และโครงการ "AI Scientist" ที่สามารถทำการวิจัยแบบ end-to-end ได้ด้วยตนเอง

เมื่อเร็วๆ นี้ บริษัทยังได้เปิดตัวโมเดล Sakana Fugu ที่มีประสิทธิภาพล้ำสมัย

Sakana AI ระดมทุนสะสมได้ถึง 379 ล้านดอลลาร์สหรัฐ รวมถึงรอบ Series B ที่เสร็จสิ้นในเดือนมีนาคม 2026 โดย Mitsubishi Electric ก็เป็นหนึ่งในนักลงทุน ในเดือนมีนาคม 2026 บริษัทยังได้รับข้อตกลงความร่วมมือหลายปีจาก Mitsubishi UFJ Financial Group (MUFG) ซึ่ง后者วางแผนใช้เทคโนโลยีของ Sakana ปรับปรุงระบบธุรกิจธนาคาร มีรายงานว่าข้อตกลงนี้จะทำให้บริษัทที่มีมูลค่าประมาณ 1.5 พันล้านดอลลาร์สหรัฐสามารถทำกำไรได้ภายในหนึ่งปี

ตัวโจนส์เองได้แสดงความสงสัยเกี่ยวกับ "scaling" เพียงอย่างเดียวในหลายโอกาส

ในเดือนมีนาคม 2026 เขากล่าวในงานภายในของวงการธนาคารว่า การวิจัย AI ในปัจจุบันเผชิญกับความจริงที่น่าอึดอัด: การลงทุนและบุคลากรที่มีความสามารถหลั่งไหลเข้ามามากมาย ในทางทฤษฎีควรจะก่อให้เกิดความก้าวหน้ามากขึ้น แต่ผลจริงอาจตรงกันข้าม: นักลงทุนเร่งให้เกิดผลลัพธ์ การแข่งขันเร่งให้抢先发布 ทำให้พื้นที่ "การค้นคว้าอิสระ" สำหรับนักวิจัยถูกบีบอัดลง

เขากล่าวว่า ภายใน Sakana ยังคงสงวนอิสระในการวิจัยส่วนเล็กๆ ที่ "ไม่มี KPI" ไว้เสมอ เพราะความก้าวหน้าครั้งต่อไปจะต้องมาจากการลงทุนระยะยาวที่ไม่คำนึงถึงผลลัพธ์นี้ ซึ่งเป็นวิธีเดียวกับที่สำนักงาน Google Brain ในอดีตให้กำเนิด Transformer

เขายังเคยกล่าวคำพูดที่ถูกอ้างถึงซ้ำแล้วซ้ำเล่า: หากต้องการให้สถาปัตยกรรมใหม่มาแทนที่ Transformer จริงๆ แค่ "ดีกว่า" ยังไม่พอ ต้อง "ดีกว่าอย่างชัดเจนและไม่ต้องสงสัย"

Aidan N. Gomez

Gomez เป็นผู้ที่อายุน้อยที่สุดในบรรดาผู้เขียนทั้งแปดคน ในปีที่ตีพิมพ์บทความ เขาเป็นเพียงนักศึกษาฝึกงานระดับปริญญาตรีวัย 20 ปีที่ Google Brain กำลังเรียนสาขาวิทยาการคอมพิวเตอร์และคณิตศาสตร์สองปริญญาที่มหาวิทยาลัยโตรอนโต

ตามคำอธิบายการมีส่วนร่วมในงานวิจัย เขาและ Łukasz Kaiser ใช้เวลาหลายวันหลายคืนในการสร้างโมดูลต่างๆ ของเฟรมเวิร์ก tensor2tensor แทนที่โค้ดเบสเก่า ซึ่งช่วยเพิ่มประสิทธิภาพการทดลองและประสิทธิภาพการวิจัยได้อย่างมาก "ตอนนั้นฉันแค่อยากเข้าใจว่ากลไกความสนใจ (Attention Mechanism) ทำงานอย่างไร" เขาเล่าในภายหลัง "ไม่คิดเลยว่ามันจะกลายเป็น 'สถาปัตยกรรมของทุกสิ่ง'" หลังจากตีพิมพ์งานวิจัย เขาไปเรียนปริญญาเอกที่มหาวิทยาลัยออกซ์ฟอร์ด หยุดเรียนชั่วคราวเพื่อเริ่มต้นธุรกิจ และเพิ่งได้รับปริญญาเอกอย่างเป็นทางการในปี 2024 — อาจกล่าวได้ว่าเขาสร้างธุรกิจไปพร้อมกับเรียนให้จบ

ในปี 2019 Gomez ร่วมกับ Ivan Zhang และ Nick Frosst ก่อตั้ง Cohere โดยวางตำแหน่งบริษัทเป็นผู้ให้บริการ AI ระดับองค์กร หลีกเลี่ยงการแข่งขันด้านเงินทุนของแชทบอทสำหรับผู้บริโภคอย่างจงใจ โดยเน้นความเป็นส่วนตัวของข้อมูล การปรับใช้ในพื้นที่ และความสามารถหลายภาษา ลูกค้าส่วนใหญ่เป็นองค์กรขนาดใหญ่และรัฐบาลต่างๆ

ในปี 2023 Gomez ได้รับเลือกให้อยู่ในรายชื่อ 100 บุคคลผู้ทรงอิทธิพลด้าน AI ของนิตยสาร Time และเขาพร้อมกับผู้ร่วมก่อตั้งอีกสองคนยังคว้าอันดับหนึ่งในรายการผู้บุกเบิกเทรนด์ AI ประจำปีของนิตยสาร Maclean's ในปี 2025 เขายังได้รับเลือกให้เป็นคณะกรรมการบริหารของบริษัทรถยนต์ไฟฟ้า Rivian

กลยุทธ์ที่ค่อนข้าง "ไม่เซ็กซี่" นี้กลับทำให้บริษัทมีตัวเลขทางการเงินที่ดี: ณ กลางปี 2026 รายได้ประจำรายปีของ Cohere เกิน 200 ล้านดอลลาร์สหรัฐ เพิ่มขึ้น 6 เท่าในปีที่ผ่านมา อัตรากำไรขั้นต้นประมาณ 70% ระดมทุนสะสมเกือบ 1.7 พันล้านดอลลาร์สหรัฐ มูลค่าประมาณ 7 พันล้านดอลลาร์สหรัฐ บริษัทได้เชิญ Francois Chadwick ซึ่งเคยมีส่วนร่วมในการเสนอขายหุ้น IPO ของ Uber มาเป็น CFO คนแรกในเดือนสิงหาคม 2025 และได้เปิดรอบให้พนักงานขายหุ้นในตลาดรองแล้ว Gomez เองกล่าวหลายครั้งว่า IPO "ใกล้แล้ว" แต่จนถึงขณะนี้บริษัทยังไม่ได้ยื่นเอกสารต่อหน่วยงานกำกับดูแล

ในช่วงไม่กี่ปีที่ผ่านมา Gomez กลายเป็นโฆษกด้าน AI ในเชิงภูมิรัฐศาสตร์มากขึ้นเรื่อยๆ สัปดาห์นี้เอง เขาเขียนบทความในนิตยสาร Fortune เรียกร้องให้ประเทศต่างๆ ให้ความสำคัญกับปัญหา "อธิปไตยทางดิจิทัล"

บทความกล่าวถึงโดยตรงถึงเหตุการณ์ที่สิทธิ์การเข้าถึงโมเดลของ Anthropic ถูกจำกัดเมื่อเร็วๆ นี้ เตือนว่าประเทศต่างๆ ไม่ควร "เช่า" อนาคตของตนให้กับบริษัทยักษ์ใหญ่ด้านเทคโนโลยีที่รวมศูนย์เพียงไม่กี่แห่ง และเสนอให้สร้างระบบนิเวศที่หลากหลายอย่างแท้จริง เพื่อให้ประเทศต่างๆ สามารถพึ่งพาผู้ให้บริการ AI ที่แตกต่างกัน ขณะเดียวกันก็รักษาค่านิยม ภาษา และระบบกฎหมายของตนเอง

เขายังกล่าวต่อสาธารณะว่าความกังวลภายนอกเกี่ยวกับความเสี่ยง "วันสิ้นโลกจาก AI" นั้นเกินจริงไป สิ่งที่เขากังวลมากกว่าคือความเสี่ยงในโลกจริง นั่นคือข้อมูลเท็จที่ถูกขยายโดยอัตโนมัติบนโซเชียลมีเดีย ปัจจุบัน Gomez พูดถึงไม่เพียงแค่ตัวโมเดลอีกต่อไป แต่รวมถึงว่าใครมีสิทธิ์ตัดสินใจว่าโลกจะใช้ AI แบบไหน

Łukasz Kaiser

ไคเซอร์เป็นชาวโปแลนด์ พื้นฐานการศึกษาด้านวิชาการเริ่มต้นจากสาขาวิทยาการคอมพิวเตอร์เชิงทฤษฎี เช่น ตรรกศาสตร์ ทฤษฎีออโตมาตา ทฤษฎีแบบจำลองอัลกอริทึม และทฤษฎีเกม เขาสำเร็จการศึกษาระดับปริญญาโทสองสาขา (คณิตศาสตร์และวิทยาการคอมพิวเตอร์) จากมหาวิทยาลัยวรอตซวาฟ ศึกษาต่อระดับปริญญาเอกที่มหาวิทยาลัยเทคโนโลยีอาเคินในเยอรมนี จากนั้นดำรงตำแหน่งอาจารย์ประจำที่ศูนย์วิจัยวิทยาศาสตร์แห่งชาติฝรั่งเศส (CNRS) และมหาวิทยาลัยปารีสที่ 7 โดยมุ่งเน้นการวิจัยเชิงทฤษฎีด้านตรรกศาสตร์และทฤษฎีออโตมาตา

ต่อมาเขาเปลี่ยนเส้นทางสู่การประยุกต์ใช้ โดยทำงานที่ Google Brain เป็นเวลาเกือบ 8 ปี ในช่วงนั้นเขาเป็นหนึ่งในผู้ร่วมเขียน TensorFlow และร่วมตีพิมพ์ผลงาน早期กับ Samy Bengio ในหัวข้อ "หน่วยความจำเชิงรุกสามารถแทนที่ความสนใจได้หรือไม่" รวมถึงร่วมกับ Ilya Sutskever ตีพิมพ์ "อัลกอริทึมการเรียนรู้ของ Neural GPU"

ตามคำอธิบายการมีส่วนร่วมในบทความ เขาและ Aidan N. Gomez ใช้เวลาหลายวันหลายคืนในการสร้างเฟรมเวิร์ก tensor2tensor ซึ่งช่วยเพิ่มประสิทธิภาพการทดลองและความเร็วในการวิจัยอย่างมาก

ในบรรดาผู้เขียนทั้งแปดคน เขาเป็นคนเดียวที่ไม่ได้เริ่มต้นธุรกิจสตาร์ทอัพ แต่ยังคงทำงานวิจัยเชิงทฤษฎีในห้องปฏิบัติการขนาดใหญ่

ในปี 2021 เขาเข้าร่วม OpenAI ก่อนที่ ChatGPT จะเปิดตัว ที่ OpenAI เขามีส่วนร่วมในการพัฒนา Codex (ซึ่งต่อมากลายเป็นพื้นฐานทางเทคนิคของ GitHub Copilot) และเกณฑ์มาตรฐานการเขียนโปรแกรม HumanEval รวมถึงการวิจัยชุดข้อมูลโจทย์คณิตศาสตร์ GSM8K ซึ่งแสดงให้เห็นตั้งแต่เนิ่นๆ ว่าการ "ให้โมเดลใช้เวลาคิดนานขึ้นและสุ่มตัวอย่างหลายครั้งระหว่างการอนุมาน" สามารถเพิ่มความแม่นยำได้อย่างมีนัยสำคัญ ซึ่งเป็นต้นแบบของกระบวนทัศน์โมเดลการให้เหตุผลในภายหลัง

เขายังเป็นหนึ่งในผู้เขียนรายงานทางเทคนิคของ GPT-4 และต่อมาเป็นผู้มีส่วนร่วมหลักในโมเดลการให้เหตุผลตัวแรกของ OpenAI อย่าง o1 (เปิดตัวในเดือนกันยายน 2024) โดยมีบทบาทระดับ "หัวหน้านักวิจัย" และดำเนินต่อเนื่องไปจนถึง o3 และกระบวนทัศน์การให้เหตุผลที่ใหม่กว่า จนถึงซีรีส์ GPT-5 ในปัจจุบัน

เมื่อเร็วๆ นี้ เขาได้กล่าวในพอดแคสต์ MAD ที่ดำเนินรายการโดย Matt Turck ว่า Transformer ได้รับการพิสูจน์ทางคณิตศาสตร์แล้วว่าสามารถแก้ปัญหาใดๆ ก็ได้ ตราบใดที่อนุญาตให้โมเดลสร้างขั้นตอนการให้เหตุผลระดับกลางได้มากพอ ในแง่หนึ่ง นี่คือคำอธิบายที่ล่าช้าแต่แม่นยำยิ่งขึ้นสำหรับบทความเมื่อเก้าปีก่อน

อิลเลีย โพโลซูคิน

โพโลซูคินมาจากคาร์คิฟ ประเทศยูเครน จบการศึกษาระดับปริญญาตรีสาขาคณิตศาสตร์ประยุกต์ และเป็นแชมป์การแข่งขัน ACM ICPC (International Collegiate Programming Contest) ตามที่เขากล่าว หลังจากดูภาพยนตร์เรื่อง The Matrix ตอนอายุสิบขวบ เขาก็เกิดความสนใจอย่างแรงกล้าในปัญญาประดิษฐ์ ในปี 2014 เขาเข้าร่วม Google เพื่อทำงานวิจัยที่เกี่ยวข้องกับ TensorFlow และยังทำวิจัยด้านการอ่านเพื่อความเข้าใจของเครื่องจักรและระบบถาม-ตอบอีกด้วย

ตามคำอธิบายการมีส่วนร่วมในบทความ เขาร่วมกับ Ashish Vaswani ออกแบบและสร้างโมเดล Transformer รุ่นแรก โดยส่วนที่เขารับผิดชอบคือการตรวจสอบประสิทธิภาพของสถาปัตยกรรมนี้ในงานแปลด้วยเครื่องจักร

หลังจากตีพิมพ์บทความ เขาลาออกจาก Google ในปี 2017 และร่วมกับ Alexander Skidanov ก่อตั้งบริษัทปัญญาประดิษฐ์ที่เริ่มต้นชื่อ NEAR.AI แต่ไม่นานพวกเขาก็พบว่าการสร้างโครงสร้างพื้นฐานแบบกระจายศูนย์อาจน่าสนใจกว่าการสร้างโมเดล ดังนั้นบริษัทจึงเปลี่ยนเป็นโปรเจกต์บล็อกเชน NEAR Protocol ในช่วงปี 2018

NEAR ใช้เทคโนโลยีชาร์ดดิ้งที่เรียกว่า Nightshade และให้บริการเครือข่ายเลเยอร์ 2 ที่เข้ากันได้กับ Ethereum ผ่าน Aurora โดยเครือข่ายหลักเปิดตัวอย่างเป็นทางการในปี 2020 และจนถึงปัจจุบันได้ระดมทุนจากสถาบันต่างๆ เช่น a16z, Coinbase, Tiger Global Management, Hashed, Dragonfly Capital รวมกว่า 530 ล้านดอลลาร์สหรัฐ

ปัจจุบัน โพโลซูคินกำลังพยายามรวมสองบทบาทแรกของเขาเข้าด้วยกันอีกครั้ง: ในเดือนมีนาคม 2026 เขาบอกกับสื่อว่า "ผู้ใช้บล็อกเชนในอนาคตจะเป็น AI agent ไม่ใช่มนุษย์" และวางตำแหน่ง NEAR เป็น "เลเยอร์การชำระบัญชี" ของเศรษฐกิจ agent

ในเดือนเมษายนปีเดียวกัน เขาเรียกร้องให้สร้างกรอบการกำกับดูแลที่สมบูรณ์ยิ่งขึ้นเพื่อรับมือกับ AI agent อัตโนมัติ เขาเชื่อว่าสถาบันและระบบที่มีอยู่ยังไม่พร้อมที่จะจัดการกับปัญหาความรับผิดชอบและความเสี่ยงเชิงระบบที่เกิดจากระบบประเภทนี้ และเรียกร้องให้มีกลไกความรับผิดชอบที่ชัดเจนยิ่งขึ้นและการควบคุมแบบ "มนุษย์ในวงจร"

ปัจจุบันเขาพำนักอยู่ในโปรตุเกส ในบรรดาสองบทบาทคือ "ผู้เขียนบทความพื้นฐานเกี่ยวกับ LLM" และ "บริหารบริษัทบล็อกเชนมูลค่าหลายพันล้านดอลลาร์" คนที่สามารถมีทั้งสองอย่างพร้อมกันในโลกนี้คงมีเพียงเขาเท่านั้น

แปดเส้นทาง สำรวจต่อไป

ในงานประชุม GTC ของ NVIDIA เมื่อเดือนมีนาคม 2024 ผู้เขียนทั้งเจ็ดคนจากแปดคน (Niki Parmar ไม่สามารถเข้าร่วมได้เนื่องจากเหตุผลบางประการ) ได้ปรากฏตัวร่วมกันบนเวทีเป็นครั้งแรกในฐานะกลุ่ม และได้รับการสัมภาษณ์โดย Jensen Huang

Jensen Huang กล่าวว่า: "ทุกสิ่งที่เรามีในวันนี้ สามารถย้อนกลับไปถึงช่วงเวลานั้นได้"

เมื่อการสนทนาสิ้นสุดลง เขาได้มอบแผ่นป้ายที่ระลึกพร้อมลายเซ็นของซูเปอร์คอมพิวเตอร์ NVIDIA DGX-1 ซึ่งสลักข้อความว่า "คุณเปลี่ยนโลก (You transformed the world)" ให้กับแต่ละคน ในเดือนพฤศจิกายนปีเดียวกัน มูลนิธิ NEC C&C ของญี่ปุ่นได้มอบรางวัล C&C ประจำปีให้กับ "ทีม Transformer" ที่ประกอบด้วยบุคคลทั้งแปดคนนี้ โดยผู้ที่ขึ้นรับรางวัลร่วมกับพวกเขาคือวิศวกรอาวุโสสามคนที่วิจัยเทคโนโลยีการส่งสัญญาณผ่านสายเคเบิลใต้น้ำข้ามมหาสมุทร ผู้สร้างโครงสร้างพื้นฐานจากสองสาขาที่แตกต่างกันโดยสิ้นเชิงถูกนำมารวมกันในรางวัลเดียวกัน

เก้าปีผ่านไป เส้นทางชีวิตทั้งแปดเส้นทางได้แยกย้ายไปยังสถานที่ที่แทบจะไม่เคยมาบรรจบกันอีก: เส้นทางบริการองค์กรในซิลิคอนแวลลีย์, ห้องปฏิบัติการอัลกอริทึมวิวัฒนาการในโตเกียว, บริษัทชีววิทยาโมเลกุลในเบอร์ลิน, โปรโตคอลบล็อกเชนในโปรตุเกส และห้องปฏิบัติการ AI ชั้นนำหลายแห่งที่ยังคงจัดเรียงและรวมกลุ่มกันใหม่ในสัปดาห์นี้

แต่ถ้ามองดูสิ่งที่พวกเขาพูดตลอดหลายปีที่ผ่านมา จะพบว่ามีการตัดสินร่วมกันที่เกิดขึ้นซ้ำแล้วซ้ำเล่า: ไม่มีใครเชื่อจริงๆ ว่า Transformer จะเป็นจุดสิ้นสุด

Aidan N. Gomez กล่าวว่า โลกต้องการสิ่งที่เหนือกว่า Transformer; Llion Jones กล่าวว่า สถาปัตยกรรมถัดไปต้อง "ดีกว่าอย่างเห็นได้ชัดและไม่มีข้อกังขา" จึงจะสามารถแทนที่มันได้; ส่วน Łukasz Kaiser ยังคงใช้ภาษาทางคณิตศาสตร์ พยายามอธิบายให้ชัดเจนว่าสถาปัตยกรรมที่ถือกำเนิดขึ้นเมื่อเก้าปีก่อนนี้ จะพามนุษยชาติไปได้ไกลแค่ไหน

นี่อาจเป็นมรดกที่ยั่งยืนที่สุดที่บทความนี้ทิ้งไว้: ผู้เขียนทั้งแปดคนกระจัดกระจายไปทั่วทุกมุมโลก แต่ไม่มีใครหยุดที่จะค้นหาคำตอบถัดไป