#ว่าด้วยเรื่องจิต 7
อะไรความหมายที่แท้จริงที่ รองเนอร์ เฟียลองด์ ระบุว่า ปัญญาประดิษฐ์—คอมพิวเตอร์—เครื่องจักรกล ไม่ได้อยู่ในโลก
แม้เฟียลองด์ไม่ได้อธิบายชัดเจนนักในประเด็นที่ว่า "ปัญญาประดิษฐ์ไม่ได้อยู่ในโลก" แต่ก็ยืนยันว่า ความรู้ความเข้าใจในหลักของเหตุและผล (Causal Knowledge) เป็นกุญแจสำคัญในการพัฒนา “ปัญญาประดิษฐ์ที่มีความสามารถรอบด้าน” (Artificial Geral Intelligence) เหตุที่ปัญญาประดิษฐ์ไม่เข้าใจหลักการของเหตุและผล เป็นเพราะขาดความสามารถที่จะเข้าไปแทรกแซงหรือข้องแวะ (intervene) กับความเป็นไปของโลกได้
กระนั้นก็ตาม แม้คำอธิบายของเฟียลองด์จะชี้ให้เห็นปัญหาอุปสรรคที่มีต่อการพัฒนา ปัญญาประดิษฐ์—คอมพิวเตอร์—เครื่องจักรกล ที่มีปัญญาเฉกเช่นมนุษย์ แต่ความสำเร็จของ “อัลฟาโกะ” ก็ชี้ให้เห็นปมที่เป็นประเด็นของเรื่องนี้
“อัลฟาโกะ” ได้รับการพัฒนาด้วยเทคโนโลยีที่แตกต่างจาก “วัตสัน” และ “ดีพบฺลู” “วัตสัน” และ “ดีพบฺลู” ถูกพัฒนาขึ้นในรูปแบบการโปรแกรมมิ่งแบบดั้งเดิม (Conventional programming) ซึ่งปฏิบัติการไปตามตรรกะที่ถูกกำหนดไว้ตายตัวในซอร์สโค้ดของโปรแกรมในลักษณะ Logic Driven Execution: If... then; etc. ตามแนวคิดของแอดา เลิฟเลซ ในศตวรรษที่ 19
ทว่า “อัลฟาโกะ” ถูกพัฒนาโดยใช้สถาปัตยกรรมแบบ “ดีพนิวรอนเน็ตเวิร์ค” (Deep Neural Network) และปฏิบัติการไปตามข้อกำหนดที่สร้างขึ้นเองโดยการเรียนรู้จากข้อมูลที่ได้รับ (Data Driven Execution) ด้วย "อัลกอริธึม” (Algorithm ขั้นตอนการทำงาน) แบบ “ดีพรีอินฟอร์ซเมนท์เลินนิ่ง” Deep Reinforcement Learning
โดยทั่วไป สถาปัตยกรรมแบบดีพนิวรอนเน็ตเวิร์ค ถูกออกแบบโดยอ้างอิงจากรูปแบบการทำงานของเครือข่ายของระบบประสาทในสมองของมนุษย์ที่ประกอบขึ้นมาจากเซลล์สมอง (neuron) 92,000 เซลล์ต่อ 1 ลูกบาศก์มิลลิเมตรโดยเฉลี่ย หรือรวมกันทั้งหมดราว 100,000 ล้านเซลล์ในสมองของมนุษย์แต่ละคน
ในการทำงานของสมอง เซลล์สมองจะได้รับข้อสนเทศ (Information) จากอวัยวะรับรู้ (Sensory/Perception Organ) ผ่านใยประสาทนำเข้า (Dendrites) ที่ด้านหนึ่งของเซลล์ประสาทและส่งต่อข้อสนเทศทางเส้นใยประสาทแอกซอน (Axon) ที่อยู่อีกด้านหนึ่งของเซลล์ประสาท ที่ปลายเส้นใยประสาทแอกซอนจะมีปมประสาท (Synaptic knob) ที่ติดต่อประสานกับใยประสาทนำเข้าของเซลล์ประสาทได้มากถึง 8200 จุด
นั่นหมายความว่า สมองมีจุดประสานประสาทหรือไซแนปส์ 720 ล้านจุดต่อ 1 ลูกบาศก์มิลลิเมตรโดยเฉลี่ยหรือรวมกันทั้งหมดมากกว่า 100 ล้านล้านจุด (เลข 1 ตามด้วยเลข 0 จำนวน 14 ตัว) ในสมองแต่ละคน ข้อสนเทศจะถูกส่งไปยังจุดหมายปลายทางผ่านจุดประสานประสาทหรือไซแนปส์ผ่านเซลล์ประสาทพร้อมๆ กันหลายเส้นทาง ดังนั้น สมองจะประมวลข้อสนเทศหนึ่งชุดที่ได้รับมากกว่าหนึ่งครั้ง
ระบบปัญญาประดิษฐ์ที่ได้รับการพัฒนาขึ้นมาตามสถาปัตยกรรมแบบดีพนิวรอนเน็ตเวิร์ค จะถูกออกแบบให้มีชั้นของการจัดการข้อมูล (Layer) สามชั้น คือ ชั้นของการนำเข้าข้อมูล (Input Layer) ชั้นของการประมวลผลที่ถูกซ่อน (Hidden Layer) และ ชั้นของการส่งออกผลการประมวลผล (Output Layer) โดยชั้นของการประมวลผลที่ถูกซ่อน อาจมีชั้นของการประมวลผลมากกว่า 1 ชั้น
ยิ่งจำนวนชั้นในชั้นของการประมวลผลที่ถูกซ่อนไว้ มีหลายชั้น ก็จะยิ่งได้ผลการคำนวณที่แม่นยำมากขึ้น แต่จะส่งผลให้การประมวลผลช้าลงมากเช่นกัน การออกแบบจึงต้องคำนึงถึงการสร้างความสมดุลระหว่างความแม่นยำและเวลาที่ใช้ในการประมวลข้อมูลให้เหมาะสมต่อความสำคัญของการใช้ผลการประมวลข้อมูลเป็นสำคัญ
เมื่อเปรียบเทียบปัญญาประดิษฐ์ 2 รูปแบบข้างต้นด้วยตัวอย่างของการพัฒนาปัญญาประดิษฐ์ที่มีความสามารถในการระบุเอกลักษณ์ของ “แมว—สุนัข” ในรูปภาพ เราจะเห็นว่า ข้อมูลคำอธิบายลักษณะของแมวหรือสุนัข เช่น เป็นสัตว์เลี้ยงลูกด้วยนม—คลานสี่ขา—มีขนปกคลุมลำตัว—หูตั้งหรือพับ ฯลฯ จะถูกป้อนเข้าไปในระบบปัญญาประดิษฐ์ที่พัฒนาในรูปแบบการพัฒนาโปรแกรมคอมพิวเตอร์แบบดั้งเดิม
เมื่อปัญญาประดิษฐ์ได้รับข้อมูลภาพของสัตว์เพื่อให้ระบุประเภท ปัญญาประดิษฐ์รูปแบบนี้จะพยายามจำแนกภาพและระบุประเภทตามคำบรรยายในข้อมูลที่ได้รับ ผลลัพท์คือ ปัญญาประดิษฐ์นั้นๆ อาจระบุภาพแมวเป็นภาพสุนัข หรือ ภาพสุนัขเป็นภาพแมว หรือ อาจจะไม่สามารถจำแนกระบุประเภทได้เลย เนื่องจากความคล้ายคลึงกันของข้อมูลบรรยายลักษณะของ “แมว”และ “สุนัข”
แต่ในการพัฒนาปัญญาประดิษฐ์โดยรูปแบบการเรียนรู้จากข้อมูลที่ได้รับ (Data Driven Execution) ภาพของสัตว์จะถูกติดป้ายระบุประเภท (label) ว่าเป็น "แมว" หรือ "สุนัข" ก่อน แล้วจึงจะถูกป้อนให้ปัญญาประดิษฐ์ใช้ในการเรียนรู้ด้วยตัวเอง อย่างไรก็ตาม ความถูกต้องแม่นยำในการจำแนกระบุประเภทสัตว์ของปัญญาประดิษฐ์ที่ถูกพัฒนาโดยรูปแบบหลังนี้ จะขึ้นอยู่กับจำนวนภาพที่ป้อนให้ปัญญาประดิษฐ์เป็นสำคัญ ยิ่งมีภาพที่ป้อนให้ปัญญาประดิษฐ์มากเท่าใด ความแม่นยำในการจำแนกระบุประเภทก็จะยิ่งถูกต้องมากขึ้นเป็นเงาตามตัว
ระหว่างขั้นตอนการพัฒนา “อัลฟาโกะ” ได้เรียนรู้การเล่นหมากล้อมจากคลิปวิดีโอนับแสนๆ คลิปแล้วเล่นหมากล้อมกับเวอร์ชั่นเก่าๆ ของตัวมันเองอีกนับล้านๆ กระดาน ก่อนที่จะได้เล่นหมากล้อมกับมนุษย์ ด้วยเหตุนี้ “อัลฟาโกะ” ได้ผ่านกระบวนการพัฒนาทักษะในการเล่นหมากล้อมและสั่งสม “ความรู้เชิงนัย” (Tacit Knowledge) ซึ่งเป็นการพัฒนาทักษะในการจัดการเหตุและผล (Causal Knowledge)
แต่เหตุที่เฟียลองด์ระบุว่า “อัลฟาโกะ” ไม่ถูกจัดให้เป็นปัญญาประดิษฐ์ที่มีภูมิปัญญาเทียบเท่ามนุษย์หรือ “ปัญญาประดิษฐ์ที่มีความสามารถรอบด้าน” (Artificial General Intelligence) แม้จะแสดงให้เห็นถึงความสามารถในการจัดการความรู้เชิงนัยในการเล่นเกมหมากล้อมนั้น เป็นเพราะความรู้เชิงนัยต้องพึ่งพาอาศัยความสามารถในการจัดการกับ “โลกภายนอก” เป็นสำคัญ
แต่ “โลกภายนอก” ของ “อัลฟาโกะ” เป็น “โลกแห่งวิทยาการ” (World of Science) ซึ่งแตกต่างโดยสิ้นเชิงจาก “โลกภายนอก” ของมนุษย์ กระนั้น เฟียลองด์ไม่ได้นิยามหรืออธิบายถึง “โลกแห่งวิทยาการ” ไว้ชัดเจนนัก “โลกแห่งวิทยาการ” ของ “อัลฟาโกะ” หรือปัญญาประดิษฐ์อื่นใด ตามความหมายของเฟียลองด์ เป็นโลกของข้อมูลคอมพิวเตอร์แบบไบนารีที่มาในรูปของตัวเลข “0” หรือ “1” ซึ่งแตกต่างไปจาก “โลกภายนอก” ที่มนุษย์รับรู้
การจัดการความรู้ของ “อัลฟาโกะ” เป็นเพียงการจัดการกับข้อมูลไบนารีที่ได้รับโดยกระบวนการคำนวณทางคณิตศาสตร์ภายในตัวเครื่องจักรกล โดยที่เครื่องจักรกลไม่ได้แทรกแซงหรือข้องแวะ (intervene) กับความเป็นไปของโลกภายนอกเลยแม้แต่น้อย
เราจะมองเห็นความจริงในประเด็นนี้ได้อย่างชัดเจน เมื่อชมการแข่งขันหมากล้อมระหว่าง “อัลฟาโกะ” และ “อีเซโดล” ในการวางหมาก “อัลฟาโกะ” ไม่ได้วางหมากบนกระดานหมากล้อมด้วยตัวเอง แต่ต้องอาศัย “อาจา หวง” วิศวกรคอมพิวเตอร์ของดีพมายด์ เป็นผู้วางหมากให้โดยดูจากการวางหมากของ “อัลฟาโกะ” บนจอมอนิเตอร์ เมื่อ “อีเซโดล” วางหมาก “อาจา หวง” ก็ทำหน้าที่คีย์ข้อมูลการวางหมากบนกระดานของ ”อีเซโดล” เข้าสู่ระบบของ “อัลฟาโกะ” โดยใช้เม้าส์
ภาพนี้สะท้อนให้เห็นชัดเจนว่า “อัลฟาโกะ” ไม่ได้รับรู้ถึงความเป็นไปของ “โลกภายนอก” เลยแม้แต่น้อย สิ่งที่ “อัลฟาโกะ” รับรู้คือ ข้อมูลของการวางหมากตอบโต้ของ “อีเซโดล” ที่ถูกแปลงให้อยู่ในรูปข้อมูลไบนารีแล้วเท่านั้น อีกทั้ง การวางหมากของ “อัลฟาโกะ” ก็เป็นเพียงผลการคำนวณทางคณิตศาสตร์ที่เกิดจากกระบวนการ “คิดแบบเครื่องจักรกล” (Computational Thinking) โดยประเมินความเป็นไปได้ของผลลัพท์สูงสุดของการวางหมากแต่ละตำแหน่งที่เป็นไปได้ทั้งหมดซึ่งจะนำไปสู่ชัยชนะเมื่อจบกระดาน
แต่จะกล่าวได้หรือไม่ว่า อัลฟาโกะมีความสามารถที่จะเข้าไปแทรกแซงหรือข้องแวะ (intervene) กับความเป็นไปของโลกได้ หรืออีกนัยหนึ่ง อยู่ในโลกใบเดียวกันกับมนุษย์ หากเปลี่ยนอัลฟาโกะจากระบบซอฟท์แวร์คอมพิวเตอร์เป็นระบบหุ่นยนตร์มนุษย์ (Humanoid Robot) ที่อัลฟาโกะได้รับการติดตั้งระบบตีความภาพที่มองเห็นผ่านกล้องวิดีโอแทนตาและระบบควบคุมแขนกลเพื่อวางหมากโดยไม่ต้องอาศัยความช่วยเหลือจากอาจา หวง
แม้ความสามารถในการเล่นหมากล้อมของ “อัลฟาโกะ” จะเป็นเหตุผลหลักซึ่งทุกฝ่ายเห็นว่า เป็นสิ่งที่นำไปสู่ความพ่ายแพ้ของ“อีเซโดล” หรือชัยชนะของ “อัลฟาโกะ” ก็ตาม แต่เหตุผลที่แท้จริงของชัยชนะของ “อัลฟาโกะ” นั้น อาจมิได้เกิดจากความสามารถในการเล่นหมากล้อมที่เหนือกว่า ด้วยเหตุว่า “อีเซโดล” ก็สามารถเอาชนะ “อัลฟาโกะ” ได้อย่างงดงามหนึ่งกระดาน
เหตุผลที่แท้จริงของชัยชนะของ “อัลฟาโกะ” น่าจะมาจากการที่ “อัลฟาโกะ” ไม่รับรู้ถึงการดำรงอยู่ของโลกภายนอก เพราะไม่มีจิตสำนึกที่จะคอยประทับตัวตนของมันเองเข้าไปในการวางหมากแต่ละหมาก อันจะเป็นเหตุให้เกิดความลังเลในการตัดสินใจวางหมากได้
...
ยังมีต่อ
..
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
