จะดีแค่ไหนถ้าเราสามารถทำ simulation เหตุการณ์ในประวัติศาสตร์ได้อย่างสมจริง
นักประวัติศาสตร์ทั้งตัวจริงสมัครเล่นทั้งหลายย่อมจะพอนึกภาพออกว่า การศึกษาทางด้านประวัติศาสตร์และโบราณคดีได้นำเอาวิทยาศาสตร์มาเป็นเครื่องมือไม่น้อย ไม่ว่าจะเป็นการทำ carbon dating เพื่อหาอายุของโบราณวัตถุที่ค้นพบ การวิเคราะห์ DNA เพื่อหาความเชื่อมโยงของร่างที่ค้นพบกับกลุ่มคนหรือบุคคลที่สนใจ
หรือที่ออกจะใหม่กำลังเป็นที่สนใจคือการใช้เทคโนโลยี LiDAR แทนการสำรวจขุดค้นแบบรื้อทำลาย ซึ่งเรื่องที่ฮือฮามากสำหรับประเทศไทยน่าจะได้แก่การสำรวจเมืองศรีเทพ
ในอเมริกาใต้ก็มีการค้นพบอารยะธรรมโบราณที่ซ่อนอยู่ในป่าอเมซอนด้วยเทคโนโลยีเดียวกัน (อันที่จริงเรื่องนี้เริ่มต้นจากการถางป่าทำไร่แล้วไปเจอเข้า) จนถึงขั้นอาจต้องเขียนประวัติศาสตร์ทวีปอเมริกากันใหม่
และที่กำลังเป็นไวรัลเล็กๆ แบบควรจะเชื่อดีหรือไม่ในโลกออนไลน์คือการพบปล่องขนาดใหญ่ลึกลงไปใต้ดินมากโขอยู่ใต้มหาปิระมิดแห่งกิซ่า
ยังมีเทคโนโลยีทางวิทยาการคอมพิวเตอร์อีกแขนงหนึ่งที่นักประวัติศาสตร์เอามาใช้เป็นเครื่องมือในการศึกษาเหมือนกัน เพียงแต่ไม่เป็นที่รู้จักในวงกว้าง และการมาถึงของปัญญาประดิษฐ์แบบ Agentic AI มีศักยภาพที่จะเปิดมิติใหม่สำหรับการศึกษาแบบนี้เลยทีเดียว
เทคโนโลยีนั้นเรียกกันว่า Agent-base modeling
Agent-base modeling คืออะไร
ลองนึกภาพว่าคุณมีตู้ปลาอยู่ใบหนึ่ง คุณใส่ดินหรือทรายเข้าไป ตามด้วยเศษอาหารหรือเศษกิ่งไม้ใบไม้นิดหนึ่ง ตามด้วยมดหลายร้อยตัว แล้วเฝ้าสังเกตดูว่าจะเกิดอะไรขึ้นบ้าง
สิ่งที่คุณจะเห็นจากข้างตู้ปลาคือ แรกทีเดียวเมื่อถูกเทลงไปมดจะเกิดอาการปั่นป่วนวิ่งพล่านไปทั่ว
จากนั้นจะเริ่มเอาหนวดสีกับตัวที่วิ่งสวนกัน
และลงท้ายจะเกิดพฤติกรรมกลุ่มขึ้นมาแบบหนึ่ง ซึ่งอาจจะเป็นช่วยกันก่อร่างสร้างรังจากทรัพยากรที่คุณจัดไว้ให้ หรือไม่ก็พากันตบเท้าเดินเรียงแถวออกมาจากตู้ปลา
การทำ agent-base modeling ก็คือการจำลองพฤติกรรมทำนองนี้ขึ้นมาด้วยคอมพิวเตอร์
ตู้ปลาและสภาพแวดล้อมที่คุณจัดให้ในทางเทคนิคเรียกว่า domain หรือสภาพแวดล้อมที่คุณต้องการศึกษา ซึ่งอาจจะเป็นเรื่องทางกายภาพ เช่น ดิน น้ำ ลมฟ้าอากาศ หรือทางสังคม เช่น ค่านิยม ข้อห้าม ศีลธรรมจรรยา หรืออาจเป็นเรื่องทางเศรษฐกิจ เช่น การค้าสุดแล้วแต่คุณจะสรรหาข้อมูลมาได้
ที่เรียกว่า domain ก็เพราะนี่คือขอบเขตหรือเงื่อนไขทางสภาพแวดล้อมที่คุณจะจำลองสถานการณ์ขึ้นมา คุณสนใจจะศึกษาพฤติกรรมของมดตราบเท่าที่มันอยู่ในตู้ปลาและสภาพแวดล้อมที่คุณจัดให้เท่านั้น
ส่วนมดคือ agent หรือกลุ่มของตัวตนที่ต้องการจะศึกษา ตัวตนเหล่านี้จะมีคุณสมบัติที่ถูกกำหนดมาก่อน ซึ่งอาจจะเหมือนกันทั้งหมด หรือแตกต่างกันไปเป็นกลุ่มเป็นเหล่าก็ได้ เช่นมดก็อาจจะมีนางพญา มดงาน มดทหาร ถ้า agent เป็นคน ก็อาจจะมีชาวนา พ่อค้า ชาวเหมือง ช่างฝีมือ ทหาร ฯลฯ สุดแล้วแต่จะมีหลักฐานปรากฏว่าสังคมที่คุณต้องการจำลองขึ้นนั้นมีความซับซ้อนหลากหลายเพียงใด
ตัวตนเหล่านี้จะถูกปล่อยลงไปใน domain เพื่อให้มีปฏิสัมพันธ์กับสภาพแวดล้อมและตัวตนพวกเดียวกันหรือพวกอื่นๆ แล้วลงเอยด้วยการเกิดพฤติกรรมอย่างใดอย่างหนึ่งขึ้นมา
เมื่อนำมาใช้ในการศึกษาทางประวัติศาสตร์ มันจึงเป็นการจำลองสถานการณ์แบบ bottom up ที่ว่าอธิบายกลุ่มคนหรือชนเผ่า หรือเมืองเล็กเมืองน้อยตอบสนองต่อสภาพแวดล้อมในฉากทัศน์ที่เราสนใจจัดให้เป็น domain อย่างไร ซึ่งช่วยทำให้เกิดความเข้าใจที่กระจ่างชัดขึ้นว่าเหตุการณ์สำคัญๆ ในประวัติศาสตร์อย่างเช่น การเกิดขึ้นหรือล่มสลายของอารยะธรรมมีที่มาที่ไปอย่างไร
ซึ่งมันแตกต่างจากประวัติศาสตร์แบบมีผู้นำทำให้เกิดการเปลี่ยนแปลงอย่างที่เราเรียนกันในโรงเรียน
ในระยะหลังมานี่เมื่อคอมพิวเตอร์มีประสิทธิภาพสูงขึ้น มีการใช้เทคนิค agent-base modeling จำลองสถานการณ์เพื่ออธิบายความเป็นไปในประวัติศาสตร์มากมาย ไม่ว่าจะเป็นพัฒนาเครือข่ายการค้าในยุคสำริดรอบทะเลเอเจี้ยน หรือแม้แต่การล่มสลายของยุคสำริดเอง ที่ใกล้บ้านเราหน่อยก็คือความรุ่งเรืองและล่มสลายของนครวัด
แล้ว Agentic AI คืออะไร
เมื่อไม่กี่เดือนมานี้เองในวงการ AI ได้มีการปล่อย AI รูปแบบใหม่อย่างหนึ่งออกมา ซึ่งทำให้คนที่ทำงานด้าน agent base modeling ต้องชำเลืองมองด้วยความสนใจทีเดียว
เจ้าผู้เล่นตัวใหม่นี้มีชื่อว่า agentic AI
อธิบายในมุมที่เรากำลังสนใจ agentic AI ก็คือ agent รูปแบบหนึ่ง ความแตกต่างของมันจากรูปแบบเดิมก็คือ agent รูปแบบเดิมนั้นเราเป็นผู้กำหนดกรอบการกระทำหรือตัดสินใจให้ ดังนั้นผลลัพธ์การทำ simulation จะคล้ายๆ กับการตอบแบบสัมภาษณ์แบบกึ่งปลายเปิดคือ ให้คำตอบอะไรก็ได้ในกรอบที่คนถามคาดหมายล่วงหน้าไว้แล้ว เพราะพฤติกรรมของ agent ขาดความเป็นอิสระ เมื่อมีปฏิสัมพันธ์กับสภาพแวดล้อมหรือ agent ตัวอื่นแล้วไม่สามารถพัฒนาตนเองหรือค้นหาและกำหนดเป้าหมายใหม่ได้แบบเดียวกับคน
แต่ agentic AI มันสามารถพัฒนาตนเองเรียนรู้และสร้างคณสมบัติอย่างใหม่ให้ตนเองได้โดยอัตโนมัติทำนองเดียวกับคน
ดังนั้นเมื่อ agent ที่มีการตั้งคุณสมบัติและเงื่อนไขการตัดสินใจเบื้องต้นไว้อย่างหนึ่งและมีปัญญาประดิษฐ์ในตัวมันเองได้มีปฏิสัมพันธ์กับสภาพแวดล้อม (domain) และ agent ตัวอื่นๆ ที่อาจจะเป็นพวกเดียวกัน (มีการตั้งค่าเริ่มต้นเหมือนกัน) หรือพวกอื่น (มีการตั้งค่าเริ่มต้นต่างกัน) มันก็จะพัฒนาคุณสมบัติของตัวเองและเงื่อนไขการตัดสินใจที่ซับซ้อนและแตกต่างออกไปได้ หรือแม้กระทั่งกำหนดเป้าหมายใหม่ที่เหมาะสมที่สุดได้เอง
ทำนองเดียวกับสังคมมนุษย์ที่พัฒนาโครงสร้างที่ซับซ้อนขึ้นเพื่อรับมือกับปัญหาเฉพาะหน้า
สิ่งที่คาดหวังว่าจะเป็นไปได้คือ การทำ simulation ที่สมจริงมากขึ้น ซึ่งจะช่วยให้เราเข้าใจเหตุการณ์ในประวัติศาสตร์แบบ bottom up คือ มีบริบทด้านสิ่งแวดล้อมและสังคมเป็นตัวขับเคลื่อนได้มากขึ้น
แน่นอนว่าข้อจำกัดอย่างหนึ่งที่ไม่อาจมองข้ามคือ ข้อมูลหลักฐานที่แหว่งวิ่นย่อมทำให้เราไม่สามารถสร้าง agent ที่เหมือนจริง 100 % ได้ ซึ่งอาจส่งผลให้การทำ simuation เข้ารกเข้าพงอย่างกู่ไม่กลับ
แต่แค่คิดว่าจะใช้ agentic AI ทำอะไรได้บ้างก็สนุกแล้วไม่ใช่หรือ
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
