เครื่องจักรที่ฉลาดที่สุดของเราดูไม่เหมือนที่เราคาดการณ์ไว้ – เขตข้อมูลหายไปหรือเราต้องคิดใหม่ว่า AI หมายถึงอะไรจริง ๆ ถาม Tom Chatfield
ปัญญาประดิษฐ์สมัยใหม่จะทำตามความฝันของผู้ก่อตั้งสนามได้หรือไม่? อาจจะไม่. แต่ในหลาย ๆ ด้าน เครื่องจักรที่ฉลาดที่สุดที่เราสร้างขึ้นนั้นเป็นสิ่งที่พวกเขาไม่เคยคาดคิดมาก่อน
ในปี 1956 ผู้เข้าร่วมค่ายวิจัยที่ Dartmouth Collegeในรัฐนิวแฮมป์เชียร์ได้บัญญัติวลี “ปัญญาประดิษฐ์” เพื่ออธิบายความพยายามในการ “ค้นหาวิธีทำให้เครื่องจักรใช้ภาษา สร้างสิ่งที่เป็นนามธรรมและแนวคิด แก้ปัญหาประเภทต่างๆ ที่ปัจจุบันสงวนไว้สำหรับมนุษย์ และ ปรับปรุงตัวเอง”
เปรียบเทียบกับโครงการ AI ที่ Facebook ประกาศในเดือนนี้ ภายใต้ผู้เชี่ยวชาญที่โดดเด่นที่สุดคนหนึ่งของโลก บริษัทจะ “ทำการวิจัยปัญญาประดิษฐ์ระดับโลกโดยใช้ความรู้ทั้งหมดที่ผู้คนได้แบ่งปันบน Facebook” พร้อมประโยชน์ที่อาจเกิดขึ้นรวมถึงการสร้าง “บริการที่โต้ตอบด้วยเป็นธรรมชาติมากขึ้น”
นั่นหมายความว่าอย่างไร? เช่นเดียวกับ AI สมัยใหม่ พวกเขาจะฝึกอัลกอริทึมเพื่อกรองและวิเคราะห์ข้อมูลจำนวนมหาศาลอย่างคาดไม่ถึง ด้วยความหวังว่าจะได้คำตอบที่ชาญฉลาด Google, IBM และอื่นๆ อีกมากกำลังใช้เทคนิคนี้ ซึ่งเรียกว่าแมชชีนเลิร์นนิงเพื่อความสำเร็จในเชิงพาณิชย์ และ “ความฉลาด” ที่พวกเขาสร้างขึ้นนั้นสนับสนุนทุกอย่างตั้งแต่การค้นหาทางอินเทอร์เน็ตของคุณไปจนถึงการแปลภาษาออนไลน์ เนื่องจากการคำนวณของเครื่องเหล่านี้เกี่ยวข้องกับการสร้างความสัมพันธ์ทางสถิติภายในแคชข้อมูลขนาดใหญ่ การให้เหตุผลของพวกมันจึงเป็นสิ่งที่ไม่สามารถหยั่งรู้ได้ในจิตใจของมนุษย์ บ่อยครั้งที่ระบบเหล่านี้ให้คำตอบที่ชาญฉลาดอย่างเห็นได้ชัด แต่ไม่มีใครมีความคิดใด ๆ เลยว่าพวกเขาได้ข้อสรุปมาอย่างไร
ทว่าแม้แต่รูปแบบที่ล้ำหน้าที่สุดของแมชชีนอัจฉริยะก็ไม่สามารถหวังที่จะผ่านการทดสอบของมนุษย์ในการทดสอบที่มีชื่อเสียงของทัวริงนับประสาใช้ภาษาธรรมชาติหรือพัฒนาแนวคิดด้วยตนเองตามที่ผู้บุกเบิกหวังไว้ กว่าครึ่งศตวรรษของการวิจัยทำให้เราเข้าใจถึงความฉลาดของเครื่องจักรที่มีความซับซ้อนมากขึ้น – แต่มันหลงทางหรือไม่? หรือเราจำเป็นต้องปรับแนวคิดใหม่เกี่ยวกับความหมายของคำว่า AI จริงๆ หรือไม่?
คนหนึ่งที่เชื่อว่าความก้าวหน้าใน AI นั้นล้มเหลวในหลาย ๆ ด้านคือนักเขียนและนักวิชาการ Douglas Hoftstadter ซึ่งโด่งดังที่สุดจากหนังสือ Gödel, Escher, Bach ที่ ได้รับรางวัลพูลิตเซอร์ในปี 1979 ซึ่งในโปรไฟล์ล่าสุดของนิตยสาร The Atlantic ได้เน้นย้ำถึงความท้อแท้ของเขา ด้วยทิศทางปัจจุบันของ AI
สำหรับ Hoftstadter ป้าย “ความฉลาด” นั้นไม่เหมาะสมเพียงแค่อธิบายข้อมูลเชิงลึกที่วาดโดยพลังการประมวลผลที่ดุร้ายจากชุดข้อมูลขนาดใหญ่ – เพราะจากมุมมองของเขา ความจริงที่ว่าผลลัพธ์ที่ออกมาดูฉลาดนั้นไม่เกี่ยวข้องหากกระบวนการเบื้องหลังนั้นไม่คล้ายคลึงกับความคิดที่ชาญฉลาด ขณะที่เขาเล่าให้เจมส์ ซอมเมอร์ส ผู้สัมภาษณ์ฟังว่า “ฉันไม่ต้องการที่จะมีส่วนร่วมในการส่งต่อพฤติกรรมของโปรแกรมแฟนซีสำหรับข่าวกรอง เมื่อฉันรู้ว่าสิ่งนี้ไม่เกี่ยวข้องกับความฉลาด และฉันไม่รู้ว่าทำไมผู้คนถึงไม่เป็นเช่นนั้น”
เคล็ดลับราคาถูก
ตามมาตรฐานของ Hofstadter ความสำเร็จในการคำนวณที่เป็นสัญลักษณ์ เช่น การเอาชนะผู้เล่นหมากรุกที่เก่งที่สุดในโลกหรือ Jeopardyนั้นกลายเป็นเรื่องเล็กน้อยโดย “กลอุบาย” ที่เกี่ยวข้อง: โดยข้อเท็จจริงที่ว่าคอมพิวเตอร์ที่ชนะนั้นทำมากกว่าการชั่งน้ำหนักผลประโยชน์ที่สัมพันธ์กันของความเป็นไปได้หลายพันล้านครั้ง จุดใด ๆ ที่รู้อะไรเกี่ยวกับธรรมชาติของเกมที่กำลังเล่นอยู่
สิ่งที่นักวิทยาศาสตร์คอมพิวเตอร์ควรค้นคว้าคือปรากฏการณ์ของความฉลาดนั้นเกิดขึ้นจากสมองของมนุษย์ได้อย่างไร – คำถามที่ผู้ที่เน้นไปที่การวิเคราะห์เครื่องที่นำข้อมูล (และแอพพลิเคชั่นที่ทำกำไร) นั้นถูกกีดกันมากขึ้น
การวิจัย AI ในปัจจุบันสามารถพาเราไปได้ไกลเพียงใดนั้นยังเปิดกว้างสำหรับการอภิปราย แต่แม้แต่ผู้สนับสนุนก็ยอมรับว่าการเน้นที่ข้อมูลและลัทธิปฏิบัตินิยมในปัจจุบันอาจพาเราไปไกลได้เท่านั้น ในการเปรียบเทียบโดย The Atlantic จากหนังสือเรียนชั้นนำในภาคสนาม มันเหมือนกับการพยายามปีนต้นไม้ไปยังดวงจันทร์ ความก้าวหน้านั้นยอดเยี่ยมในตอนแรก – แต่ไม่สามารถผ่านจุดใดจุดหนึ่งไปได้ ปีแห่งความสำเร็จอาจยังคงอยู่ในการป้อนปัญหาและวิธีแก้ไขจำนวนมหาศาลลงในเครื่องที่ใช้โปรแกรมการเรียนรู้ที่ชาญฉลาด และเฝ้าดูพวกเขาฝึกฝนตนเองเพื่อสร้างผลลัพธ์ที่ดีพอ แต่จะทำอย่างไรต่อไปเมื่อต้นไม้ต้นนั้นหมดลง? และเราควรตั้งเป้าไว้ที่ไหนก่อน?
แม้จะมีการประท้วงของ Hoftstadter บางทีเราอาจจำเป็นต้องหยุดเปรียบเทียบเครื่องจักรกับตัวเราเองโดยสิ้นเชิง แม้ว่ามนุษย์เป็นเพียงตัวอย่างเดียวที่เรามีในปรากฏการณ์ต่างๆ เช่น ภาษาและตรรกะขั้นสูง แต่ก็ไม่ได้เป็นเพียงตัวอย่างความฉลาดทางเดียวในโลก ตั้งแต่นกแก้วเลี้ยงสัตว์ไปจนถึงฝูงมด โลกของเราเต็มไปด้วยการตอบสนองที่ “ฉลาด”
เราจะทำอย่างนั้นได้อย่างไร? ขั้นตอนแรกอาจเป็นการเปลี่ยนภาษาที่เราใช้เพื่ออธิบายจิตใจของเครื่องเหล่านี้ ทุกวันนี้ วลีที่ว่า “ปัญญาประดิษฐ์” เสกภาพสัญลักษณ์บางภาพ หุ่นยนต์สะท้อนตัวตนของเรา ทว่าสิ่งมีชีวิตสมมุตินี้ยืนอยู่ท่ามกลางมหาสมุทรแห่งความคลุมเครือ จากปรากฏการณ์ของจิตสำนึกไปจนถึงความหมายของการวัดหรือวิเคราะห์ความฉลาด จิตใจของเรายังคงลึกลับอย่างสุดซึ้ง – และข้อมูลเชิงลึกที่เรามีนั้นมีรากฐานมาจากประวัติศาสตร์วิวัฒนาการนับพันปี ความซับซ้อนของสมองที่อัดแน่นด้วยไซแนปส์ของเรา และการสืบสวนที่ครอบคลุมทุก ตั้งแต่วรรณคดีจนถึงสังคมศาสตร์
เหตุใดลักษณะทางความคิดทางชีววิทยาของเราจึงควรกำหนดแนวทางของเราในวงจรที่ใช้ซิลิกอนและตรรกะทางอิเล็กทรอนิกส์ การสร้างสรรค์เครื่องจักรของเราถูกแบ่งแยกจากเราอย่างลึกซึ้งกว่าสิ่งอื่นใดในธรรมชาติ พวกเขาไม่จำเป็นต้องคิดเหมือนเราเพื่อรับใช้ ทำงานกับเรา หรือแม้แต่เข้าใจเรา เนื่องจากความสัมพันธ์ของเรากับธรรมชาติควรสอนเราในทันที
แล้วเราจะใช้คำอะไรใหม่แทนปัญญาประดิษฐ์ได้บ้าง? “ของปลอม” หมายถึงบางสิ่งที่หลอกลวง ersatz และไม่จริง ด้วยเหตุนี้ฉันจึงรู้สึกว่าคำว่า “เครื่องจักร” เหมาะสมกว่า “ความฉลาด” หมายถึงการหยั่งรู้และการหยั่งรู้ แต่ยังเป็นสิ่งที่มนุษย์หลีกเลี่ยงไม่ได้ นั่นคือเหตุผลที่ฉันชอบ “การให้เหตุผล” ที่เฉยเมยมากกว่า การใช้เหตุผลเชิงเครื่องจักร: ไม่ใช่วลีสำหรับยุคสมัย แต่อาจเป็นจุดเริ่มต้นของกระบวนการมองเห็นสิ่งที่รออยู่ใต้จมูกของเรา
