บริษัท X ห้ามใช้เนื้อหาของบริษัทในการฝึกอบรมโมเดล AI อย่างเต็มรูปแบบ

――แรงกระแทกและการปรับโครงสร้างในระบบนิเวศ AI ของญี่ปุ่น――

---

1. บทนำ──การปิดประตูอย่างกะทันหัน

วันที่ 5 มิถุนายน 2025 โซเชียลเน็ตเวิร์ก X (ชื่อเดิม Twitter) ได้แก้ไขข้อกำหนดสำหรับนักพัฒนา โดยห้ามบุคคลที่สามใช้โพสต์บน X หรือข้อมูลที่ได้รับผ่าน API ในการเรียนรู้หรือปรับแต่งโมเดลพื้นฐาน (foundation / frontier model) อย่างเต็มรูปแบบ TechCrunch เป็นผู้ค้นพบเรื่องนี้เป็นครั้งแรก และ The Verge ได้รายงานต่อ ทำให้ชุมชนนักพัฒนา AI ทั่วโลกเกิดความวุ่นวาย 

2. การตีความการเปลี่ยนแปลง──“Reverse Engineering and other Restrictions”

ข้อกำหนดใหม่ถูกเพิ่มเพียงบรรทัดเดียวในหัวข้อ "Reverse Engineering and other Restrictions" แต่ผลกระทบกลับมหาศาล การรวบรวมข้อมูลผ่าน X API ไม่ได้รับการยกเว้น และคำว่า "เพื่อการวิจัย" หรือ "เพื่อการไม่แสวงหาผลกำไร" ก็ถูกตัดออกอย่างชัดเจน วัฒนธรรม API ที่เปิดกว้างที่เคยมีอยู่ได้เปลี่ยนไปสู่การปิดกั้นในชั่วข้ามคืน

3. เบื้องหลัง──การเข้าซื้อกิจการโดย xAI และความต้องการเรียนรู้ของ "Grok"

ในเดือนมีนาคม 2025 xAI ที่นำโดยอีลอน มัสก์ ได้ซื้อ X ด้วยมูลค่าประมาณ 33 พันล้านดอลลาร์ และได้เปิดตัว LLM ของตนเองที่ชื่อว่า "Grok" บริษัท X ได้ใช้ข้อมูลแพลตฟอร์มในการฝึกอบรมโมเดลของตนเองต่อไป ในขณะที่ปิดประตูให้กับบริษัทอื่น ๆ ซึ่งเป็นกลยุทธ์การกักขังที่มุ่งเน้นการผูกขาดข้อมูลเป็น "ทรัพยากร" และให้สิทธิ์การใช้งานในราคาสูงเพื่อสร้างรายได้ เช่นเดียวกับ Reddit และ NY Times

4. กระแสโลก──การฟ้องร้องของ Reddit และการเพิ่มขึ้นของ “ธุรกิจการให้สิทธิ์การใช้งาน”

ในเดือนพฤษภาคม 2025 Reddit ได้ฟ้องร้อง Anthropic โดยอ้างเหตุผลว่า "การรวบรวมข้อมูลเกิน 100,000 ครั้ง" และได้ทำสัญญาให้สิทธิ์การใช้งานกับ Google มูลค่ากว่า 200 ล้านดอลลาร์ ในขณะที่แสดงท่าทีแข็งกร้าวต่อการใช้งานโดยไม่ได้รับอนุญาต การเคลื่อนไหวของ X เป็นการกระตุ้นกระแสโลกของ “การกักขังเนื้อหา”

5. วิกฤต "ความอดอยากข้อมูล" ที่เกิดขึ้นกับบริษัทพัฒนา AI ในญี่ปุ่น

ประสิทธิภาพของโมเดลภาษาขนาดใหญ่ (LLM) ขึ้นอยู่กับปริมาณและความหลากหลายของข้อมูล ข้อมูลโซเชียลมีเดียภาษาญี่ปุ่นมีความสำคัญในการฝึกโมเดลภาษาญี่ปุ่นเนื่องจากมีสแลง ภาษาถิ่น และหัวข้อในประเทศที่จำเป็น อย่างไรก็ตาม ข้อกำหนดการใช้งานของ SNS หลักในประเทศได้ถูกแก้ไขเป็น "ไม่สามารถใช้ในการเรียนรู้ AI" และในอนาคต ค่าใช้จ่ายในการได้มาซึ่งข้อมูลและความเสี่ยงทางกฎหมายจะเพิ่มขึ้นอย่างมาก

• เมื่อเปรียบเทียบกับบริษัทใหญ่ในต่างประเทศค่าใช้จ่ายในการฝึกอบรมจะสูงขึ้น

• มีความเป็นไปได้ที่จะล้าหลังในด้านประสิทธิภาพของโมเดล

• โอกาสในการสร้างนวัตกรรมของบริษัทใหม่จะลดลง

ซึ่งเป็นความท้าทายสามประการที่กำลังจะเกิดขึ้น

6. แหล่งข้อมูลทางเลือก──คอร์ปัสสาธารณะและข้อมูลภายในบริษัท

ทางเลือกในการหลีกเลี่ยงข้อจำกัด ได้แก่ ① คอร์ปัสสาธารณะจากสถาบันวิจัยภาษาแห่งชาติ ② สัญญาที่มีค่าใช้จ่ายกับหนังสือพิมพ์และสถานีโทรทัศน์ ③ การขัดเกลาข้อมูล "ข้อมูลที่เป็นกรรมสิทธิ์" เช่น บันทึกการสนทนาและ FAQ ที่บริษัทถือครอง ④ การสร้างข้อมูลสังเคราะห์ อย่างไรก็ตาม คอร์ปัสสาธารณะมีใบอนุญาตที่หลากหลาย และแม้จะสอดคล้องกับ**มาตรา 30-4 ของกฎหมายลิขสิทธิ์ (ข้อกำหนดการวิเคราะห์ข้อมูล)** ก็จำเป็นต้องตรวจสอบเงื่อนไขการใช้งานทุติยภูมิเป็นรายกรณี

7. สถานะปัจจุบันของระบบกฎหมาย──ขอบเขตของกฎหมายลิขสิทธิ์และ robots.txt

ในญี่ปุ่น กฎหมายลิขสิทธิ์ที่แก้ไขในปี 2018 ได้ทำให้ "การทำซ้ำเพื่อวัตถุประสงค์ในการวิเคราะห์ข้อมูล" เป็นข้อจำกัดสิทธิ์ แต่ "การเรียนรู้ของ LLM เชิงพาณิชย์" จะเข้าข่ายนี้หรือไม่ยังคงเป็นพื้นที่สีเทา นอกจากนี้ สมาคมหนังสือพิมพ์ได้ออกแถลงการณ์เมื่อวันที่ 4 มิถุนายน 2025 ว่า "ควรเคารพเจตนาที่แสดงออกโดยการปฏิเสธการเรียนรู้ AI ด้วย robots.txt" และแสดงจุดยืนชัดเจนว่าการเรียนรู้ที่ไม่สนใจการแสดงเจตนาเป็นการไม่ยุติธรรม

8. การปกป้องโพสต์ส่วนบุคคลด้วย "การเลือกไม่เข้าร่วม"?

X ได้เตรียมตัวเลือกการเลือกไม่เข้าร่วมที่ผู้ใช้สามารถ "ปฏิเสธการเรียนรู้โดย Grok" ได้ แต่ข้อกำหนดในครั้งนี้เป็นการห้ามโดยสมบูรณ์ต่อ "บุคคลที่สาม" และยังคงต้องระวังว่าโพสต์ยังคงถูกใช้ในการเรียนรู้ของบริษัท X เอง

9. การตอบสนองเชิงกลยุทธ์ของบริษัทและสถาบันวิจัย

1. การเริ่มต้นเจรจาใบอนุญาตข้อมูลแต่เนิ่นๆ

2. การตรวจสอบความเสี่ยงทางกฎหมายของชุดข้อมูลที่ทำสัญญาแล้ว

3. การปรับใช้ความโปร่งใสของ AI ที่สร้างขึ้น (การตรวจสอบแหล่งที่มา)

4. ข้อมูลสังเคราะห์และกลยุทธ์การเรียนรู้ข้อมูลขนาดเล็กที่มีคุณภาพสูง

เหล่านี้เป็นการตอบสนองในระยะสั้น และในระยะยาวจำเป็นต้องมีแพลตฟอร์มที่ร่วมกันพัฒนาเปิดข้อมูลภาษาญี่ปุ่นข้ามอุตสาหกรรม

10. ผลกระทบต่อธุรกิจใหม่──การระดมทุนและการเปลี่ยนแปลงในการประเมิน

VC มักให้ความสำคัญกับ "ความเหนือกว่าทางเทคโนโลยี = ประสิทธิภาพของโมเดล" แต่ในอนาคต "ปริมาณข้อมูลที่ได้รับจากใบอนุญาตที่ถูกต้อง" จะเป็นกุญแจสำคัญของมูลค่าบริษัท สำหรับสตาร์ทอัพที่เกิดในญี่ปุ่น จำเป็นต้องรวมกลยุทธ์ข้อมูลในพิตช์และปรับแผนธุรกิจให้รวมถึงการเพิ่มขึ้นของต้นทุนทุน

11. ภาวะที่กลืนไม่เข้าคายไม่ออกของการวิจัยทางวิชาการ──วิทยาศาสตร์แบบเปิดและการคุ้มครองทรัพย์สินทางปัญญา

มหาวิทยาลัยและสถาบันวิจัยสาธารณะมีจุดยืนในการเปิดเผยผลลัพธ์เป็นหลัก แต่เมื่อใช้ข้อมูลของบริษัทในการฝึกอบรมโมเดลการเปิดเผยพารามิเตอร์ของโมเดลอาจเป็นการละเมิดใบอนุญาตการลงนามใน MOU กับบริษัทที่ให้ข้อมูลและการกำหนดกฎระเบียบที่ชัดเจนระหว่าง "ส่วนที่เปิดเผยได้" และ "ส่วนที่ไม่เปิดเผย" เป็นสิ่งจำเป็น

12. ความแตกต่างด้านอุณหภูมิกับแพลตฟอร์มต่างประเทศ──"Open vs. Closed"

Meta ใช้ข้อมูลเว็บที่มี CC License อย่างมากใน Llama 3 ในขณะที่ YouTube ยังไม่ได้ระบุข้อจำกัดการเรียนรู้ AI อย่างชัดเจน ในสหรัฐอเมริกา **"ทฤษฎีการใช้งานที่เป็นธรรม"** เป็นเกราะป้องกันในระดับหนึ่ง ในขณะที่ EU มีแผนจะบังคับใช้ AI Act ในปี 2026 ซึ่งจะมีข้อบังคับด้านความโปร่งใส การปิดตัวของ X เป็นสัญลักษณ์ของการมาถึงของยุคที่แม้แต่ในสหรัฐอเมริกาข้อมูลก็ไม่ฟรีสงครามการกำกับดูแลข้อมูลข้ามพรมแดนกำลังเข้าสู่ขั้นตอนที่จริงจัง

13. จุดยืนและข้อเสนอแนะนโยบายของรัฐบาลญี่ปุ่น

กระทรวงเศรษฐกิจ การค้า และอุตสาหกรรมได้รวม "การเคารพเจตนาของผู้ให้ข้อมูล" ใน "แนวทางการใช้ประโยชน์จาก AI ที่สร้างขึ้น (ฉบับร่าง)" พร้อมกับการรักษาความสามารถในการแข่งขันของอุตสาหกรรม AI ในอนาคต

• การทำให้ข้อมูลสาธารณะสามารถอ่านได้ด้วยเครื่องและการเปิดเสรีการใช้งานทุติยภูมิ

• การจัดตั้งคลาวด์/ทะเลสาบข้อมูลที่ใช้ร่วมกันโดยมหาวิทยาลัยและสถาบันวิจัยสาธารณะ

• เงินอุดหนุนการได้มาซึ่งข้อมูลสำหรับธุรกิจขนาดกลางและขนาดย่อมและสตาร์ทอัพ

สามประเด็นนี้จะเป็นกุญแจสำคัญ

14. "ข้อมูลเฉพาะ" คือข้อได้เปรียบในการแข่งขัน──ห่วงโซ่คุณค่าใหม่

ยิ่งแพลตฟอร์มกักเก็บข้อมูลมากเท่าไรมูลค่าของ "ข้อมูลที่ยังไม่ถูกค้นพบ" เช่น บันทึกการทำงานภายในองค์กร ข้อมูลห่วงโซ่อุปทาน และการแชทกับลูกค้า ก็จะเพิ่มสูงขึ้น บริษัทญี่ปุ่นมีโอกาสที่จะขัดเกลาข้อมูลที่ยากต่อการเข้าถึงของต่างชาติเนื่องจากอุปสรรคด้านภาษาและวัฒนธรรมทางธุรกิจ และใช้ "ความเชี่ยวชาญเฉพาะทางที่ลึกซึ้ง" เป็นอาวุธในการสร้างความแตกต่างในระดับโลก

15. สรุป──"คุณภาพและการเข้าถึงข้อมูล" กำหนดความสามารถในการแข่งขันของ AI

การแก้ไขข้อกำหนดการใช้งานของบริษัท X อาจดูเหมือนเป็นเพียงการเปลี่ยนแปลงนโยบาย แต่ในความเป็นจริงเป็นการเปิดฉากใหม่ของ "สงครามแย่งชิงข้อมูล" ที่สั่นคลอนสมดุลอำนาจของอุตสาหกรรม AI ที่สร้างขึ้นจากรากฐานนักพัฒนา AI บริษัท และหน่วยงานนโยบายของญี่ปุ่น

1. ความหลากหลายในการจัดหาข้อมูลและการจัดการความเสี่ยงทางกฎหมาย

2. การสร้างฐานข้อมูลเปิดร่วมกัน

3. การสร้างความแตกต่างด้วยการสร้างข้อมูลเฉพาะ

หากไม่เร่งสร้างเสาหลักทั้งสามนี้ ความสามารถในการแข่งขันในตลาดโลกอาจสูญเสียไป ในทางกลับกัน บริษัทที่สามารถก้าวข้ามวิกฤตนี้และบรรลุ **"ข้อมูลเฉพาะคุณภาพสูง × โมเดลประสิทธิภาพสูง"** จะเป็นผู้ชนะในยุค AI ที่สร้างขึ้นใหม่

TechCrunch

• The Verge

• Reuters

• สมาคมหนังสือพิมพ์ญี่ปุ่น

• สำนักงานดิจิทัล