The Holy Grail of AI – ทำไมเรายังห่างไกลจากยุคทองของ AI [ตอนที่ 2]

The Holy Grail of AI – ทำไมเรายังห่างไกลจากยุคทองของ AI [ตอนที่ 2]

จากใจความตอนที่แล้ว เราได้พูดถึงเรื่องเทคโนโลยี AI ในปัจจุบันและการที่มนุษย์ต้องการพัฒนา AI ให้ไปถึงระดับ AGI ว่าทำไมถึงยังห่างไกลจากความเป็นจริงมากนัก สิ่งที่เราควรจะทำความเข้าใจก็คือ พื้นฐานความสามารถที่ AGI ควรมี และปัญหาในการพัฒนา AI ในปัจจุบันนั่นเอง

ความสามารถพื้นฐานของ AGI ควรจะเป็นอย่างไร?

Strong and Board AI

นักคอมพิวเตอร์นั้นได้แบ่งประเภทของ AI ไว้หลายมิติ โดยหลักๆก็คือ

  • Strong AI versus Weak AI

เป็นการแบ่งประเภทของ AI ตามการทำงานเลียนแบบพฤติกรรมของมนุษย์ โดยที่ Strong AI จะมีการทำงานแบบที่จำลองพฤติกรรมแบบเดียวกับมนุษย์ทั่วไปทุกอย่างรวมไปถึงสิ่งที่เป็นนามธรรม อย่างเช่น การใช้เหตุผลส่วนบุคคลหรือการใช้วิจารณญาณ ส่วน Weak AI จะเป็นแบบที่มีการเลียนแบบพฤติกรรมให้คล้ายๆกับเรา เหมือนบอกมันไว้ว่าถ้าเป็นมนุษย์นั้นควรจะแก้ปัญหาอย่างไร สุดท้ายแล้ว Weak AI ก็ไม่ได้มีความสามารถถึงขั้นที่เรียกว่าอัจฉริยะได้จริงๆ

  • Narrow AI versus Board AI

เราจะมองถึงในเรื่องการตัดสินในของ AI หรือการกระทำต่างๆ Narrow AI นั้นจะเหมือนถูกป้อนข้อมูลคำสั่งไว้แก้ปัญหาสำหรับหลายๆกรณีที่อาจจะเกิดขึ้น ยิ่งมีกรณีตัวอย่างมากขึ้นเท่าไหร่มันก็จะยิ่งทำงานได้ดี อย่างเช่นการใช้ Deep Learning ในการทำ AI ส่วน Board AI นั้นคือการให้คอมพิวเตอร์สามารถทำการตัดสินใจได้ด้วยตัวเอง โดยการนำพวกการแก้ไขสถานการณ์ที่มีความละเอียดอ่อนในการตัดสินใจเข้าไปจำนวนมาก เพื่อให้มันมีความคิดใกล้เคียงกับคน

 

AGI นั้นคือ AI แบบ Board and Strong ที่มีความคิดอ่านและการตัดสินใจที่แตกต่างกันได้ตามวิจารณญาณของตัวมันเอง สามารถทำงานได้แบบ Generic หรือแบบทั่วไปที่มนุษย์นั้นทำ ไม่ใช่แค่การทำงานแบบเฉพาะทาง ทางใดทางหนึ่งแบบ AI ที่เป็นอยู่ในปัจจุบันที่เราสร้างมันขึ้นมาให้ทำอะไร มันก็จะฉลาดอยู่แค่ในเรื่องที่เราบอกให้มันทำ

 

แล้วอะไรคือปัญหาในการพัฒนา AI ในปัจจุบันกันแน่ละ?

ถึงแม้ว่าหลายๆบริษัทยักษ์ใหญ่ทางด้านคอมพิวเตอร์จะออกมาประกาศว่า พวกเรานั้นกำลังอยู่ในยุคที่เรียกว่า ยุคเริ่มต้นของ AI ที่เทคโนโลยีอย่าง Machine Learning กำลังเข้ามาช่วยต่อยอดและทำให้เรามองเห็นอนาคตที่เรืองรองของ AI แต่ปัญหาที่พบในปัจจุบันนั้นก็ใหญ่มากพอที่จะทำให้เรารู้ว่า จริงๆแล้วเรานั้นอยู่ห่างจากการพัฒนาไปสู่ GI เป็นอย่างมาก โดยปัญหาที่ทาง theverge.com ได้เขียนไว้จากงาน Deep learning conference ณ กรุงลอนดอน เมื่อช่วงปลายปี 2016 นั้นมีหลักๆ ดังนี้

การจะสร้าง AI ได้ เราต้องมี Data จำนวนมหาศาล

เราต่างรู้ดีว่า AI นั้นเราจะต้องป้อนข้อมูลเข้าไปให้มัน เพื่อให้มันเรียนรู้สิ่งต่างๆ แต่เราเคยรู้หรือไม่ว่าจำนวนข้อมูลที่นำไปประมวลผลมีจำนวนมากแค่ไหน ระบบพวกนี้ต้องใช้ข้อมูลจำนวนมากกว่าที่คนปกติทั่วไปใช้และยังต้องมีการออกแบบการทำงานที่ดี เพื่อให้ Machine Learning ประมวลผลซ้ำแล้วซ้ำอีกไปเรื่อยๆหลายพันรอบ กว่าจะสร้าง AI ที่ฉลาดๆออกมาได้ ยุคนี้จึงเรียกได้ว่า ข้อมูลเป็นสิ่งสำคัญมาก ยิ่งองค์กรไหนที่มีข้อมูลเยอะก็ยิ่งได้เปรียบ

AI ควรจะทำงานได้อย่างหลากหลาย

ที่เราเห็นกันทุกวันนี้ไม่ว่าจะเป็น the NEST thermostat หรือ AI ที่นำไปช่วยในด้านต่างๆนั้น มันทำงานได้แบบเฉพาะเจาะจงเกินไป เช่น เราจะนำมันมาใช้เพื่อช่วยในเรื่องใดมันก็จะทำได้แค่เรื่องนั้นเรื่องเดียว ด้วยความที่มันไม่สามารถคิดและเรียนรู้ได้แบบการเติบโตของมนุษย์ มันเลยไม่สามารถเรียนรู้เพิ่มเติมในเรื่องอื่นๆได้ นอกจากเรื่องที่มันถูกสร้างขึ้นมาเพื่อทำ

เราจะสร้างสิ่งที่เราเองยังไม่เข้าใจขึ้นมาได้อย่างไร!

ข้อนี้อาจจะเรียกได้ว่าเป็นปัญหาหลักใหญ่ๆที่สุดของการพัฒนา AI ไปสู่ AGI เลยก็ว่าได้ ลองนึกภาพว่าตอนนี้เราเองก็ยังไม่เข้าใจระบบสมองหรือการคิดของมนุษย์เองจริงๆด้วยซ้ำ ยิ่งถ้าพูดถึงการใช้วิจารณญาณหรืออารมณ์ที่แตกต่างกันไปในแต่ละบุคคลก็ยิ่งเรียกได้ว่า ไม่สามารถอธิบายหลักการทำงานที่แท้จริงได้ แบบนี้เราจะสร้าง AGI ขึ้นมาให้มีวิธีการคิดเหมือนกับเราได้ยังไงล่ะ อีกทั้งการสร้าง AGI ยังต้องใช้ศาสตร์หลายแขนง ทำให้คนที่เข้าใจในทุกๆด้านนั้นยังน้อยเกินกว่าจะพาเราไปถึงจุดนั้นได้

แต่ถึงอย่างไรก็ตาม ความคาดหวังในการสร้าง AGI ก็ยังคงมีอยู่ในมนุษย์เราทุกคนมาเป็นเวลานาน  ตราบใดที่เรายังคงจินตนาการถึงหุ่นยนต์อัจฉริยะอย่างในเรื่อง Iron Man หรือในเรื่อง Star Wars และเทคโนโลยีสุดล้ำสมัย สักวันนึงไม่ช้าก็เร็ว เราก็อาจจะพัฒนากันไปสู่ยุคที่เรียกว่า ยุคทองของ AI แบบไม่รู้ตัวเลยก็ได้

ขอบคุณข้อมูลจาก  The Holy Grail of AI (William Vorhies)intelligence.org

 

อ่าน The Holy Grail of AI – ทำไมเรายังห่างไกลจากยุคทองของ AI [ตอนที่ 1]



Top