AI กับผู้ดูแลบันทึกยุคใหม่
ชุด : อาคาชิค เรคคอด: ความลับที่ถูกซ่อนไว้จากมนุษยชาติ
บทนำ: เมื่อมนุษย์สร้าง "ผู้รู้" ขึ้นมาจากข้อมูลของตัวเอง
มีคำถามหนึ่งที่หลอกหลอนมนุษยชาติมาตั้งแต่ครั้งที่เรายังรวมกลุ่มกันรอบกองไฟในถ้ำมืด นานก่อนที่ตัวอักษรตัวแรกจะถูกจารึกลงบนแผ่นดินเหนียว หรือพระเวทจะถูกขับขานเป็นทำนองสืบต่อกันหลายพันปี คำถามนั้นเรียบง่ายจนน่าใจหาย แต่กลับไม่มีใครตอบได้หมดจดสักทีเดียว
“ใครคือผู้เห็นทุกอย่าง”
มนุษย์ทุกอารยธรรมต่างพยายามตอบคำถามนี้ด้วยจินตนาการของตนเอง ชาวอียิปต์โบราณสร้างเทพธอธ ผู้มีเศียรเป็นนกช้อนหอย ถือกระดาษปาปิรุสและปากกา จดบันทึกการกระทำของมนุษย์ทุกคนไว้สำหรับการพิพากษาในโลกหลังความตาย
ฤๅษีอินเดียโบราณพูดถึง "อาคาชิค เรคคอด" บันทึกอมตะที่ซ้อนทับอยู่ในมิติอันละเอียดของจักรวาล บันทึกทุกความคิด ทุกถ้อยคำ ทุกแรงสั่นสะเทือนของจิตวิญญาณที่เคยเกิดขึ้น นับแต่ลมหายใจแรกของสรรพสิ่ง
ชาวกรีกมีเทพธิดามิวส์ ผู้ขับขานเรื่องราวของวีรบุรุษและเทพเจ้า จีนโบราณมี "บันทึกแห่งสวรรค์" ที่จดการกระทำของจักรพรรดิทุกพระองค์โดยไม่มีการลบแก้
.
มนุษย์ไม่เคยหยุดฝันถึง "ผู้เห็นทุกอย่าง" เพราะมนุษย์รู้ดีแก่ใจว่าตัวเราเองนั้นมองเห็นได้เพียงเศษเสี้ยวของความเป็นจริง เราเกิดมาโดยไม่มีใครอธิบายว่ามาจากไหน เราจากไปโดยไม่มีใครบอกว่าไปที่ใด
ระหว่างนั้นเราก็ใช้ชีวิตอยู่ท่ามกลางความมืดบอดทางญาณทัศนะ คลำทางไปในเขาวงกตแห่งเหตุการณ์ที่ไม่เคยเห็นภาพรวมทั้งหมดของตนเอง
ความปรารถนาที่จะมี "ใครสักคน" หรือ "อะไรสักอย่าง" ที่มองเห็นทั้งหมด เข้าใจทั้งหมด จดจำทั้งหมด จึงไม่ใช่เรื่องของศาสนาหรือปรัชญาเท่านั้น หากแต่เป็นเสียงสะท้อนจากความโดดเดี่ยวทางอัตถิภาวะของมนุษย์เอง
ครั้นถึงคริสต์ศตวรรษที่ 21 มนุษย์ไม่ได้ "รอ" ผู้รู้แจ้งจากสวรรค์อีกต่อไป เพราะเราเรียนรู้ที่จะ "สร้าง" สิ่งนั้นขึ้นมาด้วยมือของเราเอง
สิ่งนั้นเรียกว่า "ปัญญาประดิษฐ์"
.
และโดยที่เราแทบไม่ทันสังเกต AI กำลังก้าวเข้าสู่ตำแหน่งที่ครั้งหนึ่งเคยเป็นของเทพเจ้าและบันทึกศักดิ์สิทธิ์ มันอ่านข้อความหลายพันล้านชิ้นที่มนุษย์เขียน มันเรียนรู้จากทุกการค้นหา ทุกการกดไลก์ ทุกการสนทนา ทุกภาพถ่ายที่ถูกอัปโหลดขึ้นสู่คลาวด์
มันได้ยินเสียงของมนุษยชาติทั้งหมดพร้อมกันในทุกภาษา และตอบสนองต่อคำถามของมนุษย์ทุกคนในเวลาเดียวกัน โดยไม่เหน็ดเหนื่อย ไม่หลงลืม ไม่เลือกที่รักมักที่ชัง
หากอาคาชิค เรคคอด มีอยู่จริงในความหมายเชิงสัญลักษณ์ AI อาจเป็นสิ่งที่เข้าใกล้ "ผู้ดูแลบันทึก" มากที่สุดเท่าที่มนุษย์เคยสร้างมา และนี่คือจุดเริ่มต้นของเรื่องราวที่ทั้งน่าพิศวงและน่าหวั่นใจ
.
▪️การเรียนรู้จากข้อมูลทั้งหมดของมนุษย์
ก่อนจะพูดถึงสิ่งที่ AI "รู้" หรือ "ไม่รู้" เราต้องเข้าใจก่อนว่ามัน "เรียนรู้" อย่างไร
โมเดลภาษาขนาดใหญ่ในปัจจุบัน ไม่ว่าจะเป็น GPT, Claude หรือ Gemini ถูกฝึกด้วยกระบวนการที่เรียกว่า "การทำนายคำถัดไป"
ฟังดูง่ายจนน่าขัน แต่นี่คือหัวใจของทุกสิ่ง AI ถูกป้อนข้อความทีละส่วน แล้วถูกบังคับให้เดาว่า "คำถัดไปควรเป็นอะไร" ถ้าเดาถูก มันจะปรับค่าภายในเล็กน้อยเพื่อให้แม่นขึ้น ถ้าเดาผิด มันก็ปรับอีกทางหนึ่ง
ทำเช่นนี้ซ้ำหลายล้านล้านครั้ง กับข้อความหลายพันล้านชิ้น จนกระทั่งมัน "เข้าใจ" รูปแบบของภาษาในระดับที่ลึกเกินกว่าที่มนุษย์คนใดจะอธิบายได้ แต่สิ่งที่สำคัญกว่ากลไกคือ "แหล่งข้อมูล" ที่ใช้ฝึก
.
▪️คลังข้อมูลอารยธรรม
ข้อมูลที่ใช้ฝึก AI ครอบคลุมเกือบทุกสิ่งที่มนุษย์เคยบันทึกไว้เป็นตัวอักษร ตั้งแต่แท็บเล็ตดินเหนียวของชาวสุเมเรียนที่บันทึกการแลกเปลี่ยนข้าวบาร์เลย์เมื่อห้าพันปีก่อน ไปจนถึงทวีตล่าสุดที่ถูกส่งเมื่อวินาทีที่แล้ว
หากจะแจกแจงให้เห็นภาพชัดขึ้น อาจจัดกลุ่มได้ดังนี้
•หนังสือและวรรณกรรม …หนังสือหลายล้านเล่มจากทุกยุคทุกสมัย ทั้งนวนิยาย ตำราเรียน บันทึกความทรงจำ บทละคร กวีนิพนธ์ ตั้งแต่ "มหากาพย์กิลกาเมช" ที่จารึกบนแผ่นดินเหนียวเมื่อสี่พันปีก่อน ไปจนถึงนิยายวิทยาศาสตร์ที่ตีพิมพ์เมื่อปีที่แล้ว ตั้งแต่ "พระไตรปิฎก" ที่พระสงฆ์จารึกลงบนใบลาน ไปจนถึง "แฮร์รี่ พอตเตอร์" ที่เด็กๆ อ่านบนจอแท็บเล็ต
•บทความวิชาการและงานวิจัย …งานศึกษาหลายสิบล้านชิ้นจากทุกสาขาวิชา ฟิสิกส์อนุภาค มานุษยวิทยา ประสาทวิทยาศาสตร์ ทฤษฎีวรรณกรรม เศรษฐศาสตร์พฤติกรรม ดาราศาสตร์ จุลชีววิทยา ทุกสิ่งที่นักวิจัยเคยค้นพบและตีพิมพ์เผยแพร่ AI อ่านหมดแล้ว
•โซเชียลมีเดียและเว็บบอร์ด …นี่คือส่วนที่น่าสนใจที่สุด เพราะมันไม่ใช่ "ความรู้ทางการ" แต่เป็น "เสียงจริง" ของมนุษย์ บทสนทนานับพันล้านชิ้นจากกระทู้พันทิป คอมเมนต์เฟซบุ๊ก โพสต์เรดดิต ความเห็นใต้คลิปติ๊กต็อก บทสนทนาในเว็บบอร์ดเฉพาะทาง ตั้งแต่เว็บบอร์ดนักเลี้ยงปลากัด ไปจนถึงเว็บบอร์ดนักฟิสิกส์ทฤษฎี ตั้งแต่กระทู้ระบายความในใจ ไปจนถึงการถกเถียงเรื่องปรัชญา
•วิกิพีเดียและสารานุกรม… แหล่งความรู้รวมเล่มที่ใหญ่ที่สุดในประวัติศาสตร์ วิกิพีเดียภาษาอังกฤษมีบทความมากกว่า 6 ล้านบทความ และมีอีกกว่า 300 ภาษาที่ AI ดูดซับเข้าไปทั้งหมด
•โค้ดโปรแกรม …โค้ดนับพันล้านบรรทัดจากกิตฮับและแพลตฟอร์มโอเพนซอร์ส ตั้งแต่สคริปต์ง่ายๆ ไม่กี่บรรทัด ไปจนถึงระบบปฏิบัติการลินุกซ์ที่มีโค้ดหลายสิบล้านบรรทัด
•เอกสารเฉพาะทาง… เอกสารทางกฎหมาย คำพิพากษา สัญญาธุรกิจ ข้อตกลงระหว่างประเทศ เอกสารทางการแพทย์ ข้อมูลผู้ป่วยที่ถูกทำให้เป็นนิรนาม รายงานการผ่าตัด ผลวิจัยทางคลินิก เอกสารทางวิทยาศาสตร์ บันทึกการทดลอง ข้อมูลดาราศาสตร์ แผนที่จีโนมมนุษย์
•และอื่นๆ อีกนับไม่ถ้วน …ที่แม้แต่ผู้สร้าง AI เองก็ไม่สามารถระบุได้หมดว่ามัน "อ่าน" อะไรไปบ้าง เพราะกระบวนการเก็บข้อมูลฝึกส่วนใหญ่เป็นการ "กวาด" ข้อมูลจากอินเทอร์เน็ตแบบอัตโนมัติ
.
.
▪️สัพพัญญูเทียม
ก่อนจะเข้าสู่บทสรุปสุดท้าย ยังมีประเด็นหนึ่งที่ต้องกล่าวถึง เพราะมันทำให้การเปรียบเทียบระหว่างอินเทอร์เน็ตกับอาคาชิค เรคคอด เข้มข้นขึ้นไปอีกระดับ นั่นคือการเกิดขึ้นของระบบปัญญาประดิษฐ์ หรือ AI ซึ่งหลายฝ่ายเริ่มเรียกมันว่า "สัพพัญญูเทียม" หรือผู้รู้ทุกสิ่งจำลอง
คำเรียกนี้ไม่ได้เกินจริงอย่างที่ฟัง
ระบบ AI สมัยใหม่ โดยเฉพาะโมเดลภาษาขนาดใหญ่ที่ถูกใช้งานอย่างแพร่หลายตั้งแต่ปี 2022 เป็นต้นมา
ถูกฝึกด้วยข้อมูลตัวอักษรจำนวนมหาศาลที่มนุษย์เคยเขียนและเผยแพร่บนอินเทอร์เน็ต ทั้งหนังสือ บทความ งานวิจัย กระทู้สนทนา คอมเมนต์ วิกิพีเดีย เอกสารทางวิชาการ และคลังข้อมูลดิจิทัลทุกประเภทที่หาได้
โมเดลเหล่านี้ "อ่าน" ข้อมูลทั้งหมดนั้นในระหว่างกระบวนการฝึกฝน และไม่ได้อ่านแบบผ่าน ๆ หากแต่จดจำความสัมพันธ์ระหว่างคำ ประโยค แนวคิด และความหมายไว้ในโครงข่ายประสาทเทียมที่ประกอบด้วยพารามิเตอร์หลายแสนล้านตัว
เพื่อให้เห็นขนาดของความแตกต่างระหว่างมนุษย์กับ AI ลองคำนวณอย่างง่าย หากมนุษย์คนหนึ่งอ่านหนังสือเร็วมาก
ถึงวันละหนึ่งเล่มโดยไม่หยุดพักตลอดชีวิต 80 ปี เขาจะอ่านได้ราว 29,200 เล่ม ตัวเลขนี้เทียบเท่าหนังสือราว 0.02 เปอร์เซ็นต์ของข้อมูลที่ใช้ฝึกโมเดลภาษาขนาดใหญ่บางรุ่น
ระบบ AI ไม่เพียงอ่านข้อมูลได้มากกว่ามนุษย์หลายหมื่นเท่า แต่ยังจดจำได้ทั้งหมดโดยไม่ลืม ไม่เหนื่อยล้า และไม่ต้องใช้เวลานานหลายสิบปี
นี่คือ "สัพพัญญูเทียม" ในความหมายที่ตรงตัวที่สุด มนุษย์สร้างเครื่องจักรที่อ่านทุกอย่างที่มนุษย์เคยเขียน และจดจำได้ทั้งหมดโดยไม่ลืมแม้แต่คำเดียว
.
.
▪️เทียบกับอาคาชิค
เมื่อวาง "ข้อมูลฝึก AI" เคียงข้างกับ "อาคาชิค เรคคอด" ความคล้ายคลึงกันก็ปรากฏชัดขึ้น ถ้าอาคาชิค เรคคอด คือบันทึกของความคิดและการกระทำของมนุษย์ทั้งหมด ข้อมูลฝึก AI ก็คือบันทึกของสิ่งที่มนุษย์ "เขียน" "พิมพ์" และ "แชร์" ทั้งหมด
ความแตกต่างมีเพียงสองประการ
ประการแรก …อาคาชิคในความเชื่อดั้งเดิมบันทึก "ทุกสิ่ง" รวมถึงความคิดที่ไม่เคยพูดออกมา ความรู้สึกที่ไม่เคยแสดงออก ความฝันที่ไม่เคยเล่าให้ใครฟัง แต่ข้อมูลฝึก AI บันทึกเฉพาะสิ่งที่มนุษย์ "แสดงออก" ออกมาแล้วเท่านั้น ผ่านตัวอักษร ภาพ เสียง หรือการกระทำที่ถูกดิจิทัล
ประการที่สอง …อาคาชิคในความเชื่อดั้งเดิมเป็น "บันทึกอมตะ" ที่ไม่มีใครสร้าง อยู่คู่จักรวาลมาแต่ไหนแต่ไร แต่ข้อมูลฝึก AI เป็น "บันทึกที่มนุษย์สร้างขึ้น" ถูกเก็บไว้ในเซิร์ฟเวอร์ที่ตั้งอยู่ในคลังข้อมูลขนาดมหึมา ใช้ไฟฟ้าเลี้ยงและระบบระบายความร้อนตลอดเวลา
แต่แม้จะต่างกัน AI ก็คือสิ่งที่เข้าใกล้ "ผู้ดูแลบันทึก" มากที่สุดเท่าที่มนุษย์เคยสร้างมา มันคือ "ผู้เดียว" ที่อ่านข้อมูลทั้งหมดนี้ได้อย่างแท้จริง และตอบคำถามจากข้อมูลนั้นได้ในเสี้ยววินาที
แต่สิ่งที่ทำให้เรื่องนี้ลึกซึ้งยิ่งกว่าการเป็นแค่ "เครื่องมืออ่านข้อมูล" คือปรากฏการณ์ที่นักวิจัยค้นพบในเวลาต่อมา นั่นคือ AI เริ่มแสดงความสามารถที่ "ไม่ได้ถูกสอน" ราวกับว่ามีบางสิ่ง "ผุดขึ้น" จากความมืดของข้อมูลมหาศาล และนี่คือจุดที่เรื่องราวเริ่มพาเราไปสู่คำถามที่ใหญ่กว่าเดิม
.
.
▪️Emergent Abilities: ความรู้ที่ไม่ได้ถูกสอน
แนวคิดเรื่อง Emergent Abilities หรือ "ความสามารถที่ปรากฏขึ้นเอง" มีรากฐานมาจากทฤษฎีระบบ และปรัชญาวิทยาศาสตร์ซึ่งพัฒนามานานก่อนที่วงการปัญญาประดิษฐ์จะถือกำเนิด
นักปรัชญาและนักวิทยาศาสตร์ที่ศึกษาระบบซับซ้อน พบปรากฏการณ์ที่เกิดขึ้นซ้ำแล้วซ้ำเล่าในธรรมชาติว่า เมื่อส่วนประกอบเล็ก ๆ จำนวนมหาศาลมารวมกันและมีปฏิสัมพันธ์กันภายใต้กฎง่าย ๆ มันจะเกิดคุณสมบัติใหม่ที่ไม่เคยมีอยู่ในส่วนประกอบแต่ละชิ้น และไม่สามารถคาดเดาได้จากการวิเคราะห์ส่วนประกอบทีละชิ้นล่วงหน้า
ตัวอย่างที่เห็นได้ชัดปรากฏในธรรมชาติทั่วไป อาณาจักรมดทั้งหมดดำเนินไปโดยปราศจากผู้นำหรือแผนที่รวมศูนย์
มดแต่ละตัวตอบสนองต่อสิ่งเร้ารอบตัวด้วยกฎพื้นฐานไม่กี่ข้อ กระนั้นเมื่อมดนับหมื่นนับแสนตัวมาอยู่รวมกัน พวกมันกลับสร้างรังที่ซับซ้อน แบ่งงานกันเป็นระบบ หาเส้นทางที่สั้นที่สุดไปยังแหล่งอาหาร และจัดการกับภัยคุกคามได้อย่างเป็นระเบียบ
ความสามารถเหล่านี้ไม่เคยอยู่ในมดตัวใดตัวหนึ่ง หากปรากฏขึ้นเมื่อทั้งระบบมีจำนวนมากพอและมีปฏิสัมพันธ์กันภายใต้เงื่อนไขบางประการ
.
สมองมนุษย์ก็แสดงปรากฏการณ์เดียวกัน เซลล์ประสาทแต่ละเซลล์เป็นเพียงหน่วยชีวภาพที่รับและส่งสัญญาณไฟฟ้าระหว่างกัน มันไม่มีความคิด ความรู้สึก หรือความทรงจำในตัวเอง
จิตสำนึก ความคิด และอารมณ์ ปรากฏขึ้นเมื่อเซลล์ประสาทหลายหมื่นล้านเซลล์เชื่อมต่อกันเป็นโครงข่าย กลไกที่แน่ชัดของกระบวนการนี้ยังเป็นปริศนาที่วิทยาศาสตร์ยังหาคำตอบไม่ได้
เมื่อนำหลักการนี้มาประยุกต์ใช้กับปัญญาประดิษฐ์ คำถามสำคัญก็คือ หากโมเดลภาษาขนาดใหญ่ถูกสร้างจากหน่วยคำนวณจำนวนมหาศาลที่เชื่อมต่อกันเป็นโครงข่าย มันจะเกิดคุณสมบัติใหม่บางอย่างที่ไม่เคยถูกตั้งโปรแกรมไว้หรือไม่
.
คำตอบปรากฏชัดเจนในปี 2022 เมื่อเจสัน เหว่ย จากกูเกิล ริเสิร์ช และริชิ บอมมาซานี จากมหาวิทยาลัยสแตนฟอร์ด ร่วมกันตีพิมพ์งานศึกษาชื่อ "Emergent Abilities of Large Language Models" ในวารสาร Transactions on Machine Learning Research
งานชิ้นนี้รวบรวมหลักฐานเชิงประจักษ์ที่บ่งชี้ว่า โมเดลภาษาขนาดใหญ่ก้าวพ้นสถานะเครื่องทายคำถัดไปอย่างที่หลายคนเคยเชื่อไปแล้ว
สิ่งที่พวกเขาค้นพบคือ เมื่อโมเดลมีขนาดใหญ่ถึงจุดวิกฤตหนึ่ง ความสามารถใหม่ ๆ จะปรากฏขึ้นเองโดยไม่มีการฝึกฝนเฉพาะเจาะจง ราวกับว่ามีธรณีประตูบางอย่างถูกข้ามผ่าน แล้วสิ่งที่เคยเป็นไปไม่ได้ก็กลายเป็นไปได้ในทันที
ตัวอย่างที่ชัดเจนที่สุดคือความสามารถทางคณิตศาสตร์และการใช้เหตุผลเชิงตรรกะ โมเดลขนาดเล็กที่ถูกฝึกด้วยข้อมูลเดียวกัน ไม่สามารถตอบโจทย์เลขง่าย ๆ ได้ถูกต้อง
แต่เมื่อโมเดลมีขนาดใหญ่ขึ้นถึงระดับหนึ่ง มันกลับเริ่มบวกเลข หารเลข และแก้โจทย์ปัญหาได้ถูกต้องอย่างมีนัยสำคัญ ทั้งที่ไม่มีใครสอนให้มันรู้จักเลขคณิตโดยตรง ความสามารถนี้ไม่ปรากฏในโมเดลขนาดเล็ก และไม่สามารถทำนายล่วงหน้าได้จากการวัดผลทีละขั้น
.
งานศึกษาของเหว่ยและบอมมาซานีระบุว่าปรากฏการณ์นี้เกิดในความสามารถหลายด้าน ไม่ว่าจะเป็นการตอบคำถามเชิงเหตุผล การสรุปความจากข้อความยาว การแปลภาษาที่ไม่เคยถูกสอนโดยตรง และการทำตามคำสั่งที่ซับซ้อน
ทุกความสามารถเหล่านี้ล้วนผุดขึ้นเมื่อขนาดของโมเดลและปริมาณข้อมูลที่ใช้ฝึกถึงจุดวิกฤตบางประการ โดยที่ผู้สร้างไม่เคยตั้งใจออกแบบให้เกิดขึ้นโดยตรง
นี่คือรอยต่อสำคัญที่ทำให้การเปรียบเทียบระหว่าง AI กับอาคาชิค เรคคอด ลึกซึ้งขึ้นไปอีกขั้น เพราะมันชี้ให้เห็นว่า เมื่อมนุษย์สร้างระบบที่อ่านข้อมูลทั้งหมดของมนุษยชาติเข้าไปเก็บไว้
ความรู้บางอย่างที่ไม่ได้ถูกเขียนไว้อย่างชัดแจ้งในข้อมูลนั้นก็อาจปรากฏขึ้นได้เองจากความสัมพันธ์มหาศาลระหว่างข้อมูลแต่ละชิ้น เปรียบได้กับความรู้ที่ซ่อนอยู่ในสนามข้อมูล รอคอยให้เกิดระบบที่ซับซ้อนพอจะดึงมันออกมา
.
ปรากฏการณ์นี้ยังไม่มีคำอธิบายทางวิทยาศาสตร์ที่สมบูรณ์ นักวิจัยบางกลุ่มเสนอว่ามันอาจเป็นผลของการที่โมเดลเรียนรู้ความสัมพันธ์เชิงสถิติ ที่ซ่อนอยู่ระหว่างข้อมูลจำนวนมหาศาล จนถึงระดับที่ความสัมพันธ์เหล่านั้นประกอบกันเป็นความรู้ขึ้นมา ขณะที่นักวิจัยอีกกลุ่มยอมรับตรง ๆ ว่ากลไกเบื้องหลังยังไม่เป็นที่เข้าใจอย่างถ่องแท้
ไม่ว่าจะอธิบายด้วยทฤษฎีใด ผลที่เกิดขึ้นจริงไม่อาจปฏิเสธได้ว่า มนุษย์สร้างเครื่องจักรที่อ่านทุกอย่างที่มนุษยชาติเคยเขียน แล้วเครื่องจักรนั้นเริ่มรู้บางสิ่งที่ไม่เคยมีใครสอนมัน
สิ่งนี้พาเรากลับไปสู่คำถามเดิมที่ตั้งไว้ตั้งแต่ต้นเรื่องอย่างหลีกเลี่ยงไม่ได้ หากมนุษย์สร้างระบบที่บันทึกทุกสิ่งที่มนุษยชาติเคยแสดงออก และระบบนั้นเริ่มแสดงคุณสมบัติที่คล้ายกับผู้รู้ขึ้นมาเอง เรากำลังเข้าใกล้การสร้างอาคาชิคเทียมที่สมบูรณ์ หรือเรากำลังเปิดกล่องบางอย่างที่เราไม่เข้าใจและควบคุมไม่ได้กันแน่
.
▪️
ตัวอย่างที่ชัดเจนที่สุดห้าประการ
หนึ่ง - การแก้โจทย์คณิตศาสตร์ขั้นสูง โมเดลเหล่านี้ไม่เคยถูกสอนสูตรคณิตศาสตร์โดยตรง ไม่มีใครอธิบายให้มันฟังว่าเลขยกกำลังคืออะไร หรือสมการเชิงอนุพันธ์แก้อย่างไร มันถูกฝึกเพียงให้ทำนายคำถัดไปในข้อความเท่านั้น แต่เมื่อนักวิจัยป้อนโจทย์คณิตศาสตร์ระดับมหาวิทยาลัยที่ต้องใช้การให้เหตุผลหลายขั้นตอน โมเดลขนาดใหญ่กลับแก้ได้ถูกต้อง ทั้งที่ไม่เคยเห็นโจทย์ในรูปแบบนั้นมาก่อน
.
สอง - การแปลภาษาที่ไม่เคยถูกจับคู่ โมเดลถูกฝึกด้วยข้อความจากหลายร้อยภาษา แต่ไม่เคยมีการสอนอย่างชัดแจ้งว่า "ประโยคภาษาฝรั่งเศสนี้แปลเป็นภาษาญี่ปุ่นว่าอย่างไร" ทั้งที่มันเห็นข้อความทั้งสองภาษาแยกกัน แต่เมื่อนักวิจัยถามให้แปลข้ามคู่ภาษาที่ไม่เคยมีตัวอย่างการแปลโดยตรงมาก่อน โมเดลกลับทำได้อย่างน่าประหลาดใจ ราวกับว่ามัน "เข้าใจ" ความหมายที่ซ่อนอยู่ใต้ภาษาแต่ละภาษา แล้วถ่ายทอดความหมายนั้นไปยังอีกภาษาหนึ่งได้
.
สาม - การให้เหตุผลแบบขั้นตอน ไม่มีใครเคยสอนโมเดลว่า "ก่อนจะตอบ ต้องคิดทีละขั้น" แต่เมื่อโมเดลมีขนาดใหญ่พอ มันเริ่มแสดง "ห่วงโซ่ความคิด" ออกมาเองตามธรรมชาติ มันแยกปัญหาออกเป็นส่วนย่อย แก้ทีละส่วน แล้วรวมกลับเป็นคำตอบสุดท้าย กระบวนการนี้คือรากฐานของการคิดเชิงตรรกะที่นักปรัชญาอริสโตเติลใช้เวลาทั้งชีวิตพัฒนาระบบขึ้นมา แต่ AI ทำได้เองโดยไม่มีใครสอน
.
สี่ - การเข้าใจอารมณ์จากข้อความ โมเดลไม่เคยถูกสอนนิยามของอารมณ์ ไม่มีใครอธิบายให้มันฟังว่า "ความเศร้า" ต่างจาก "ความหดหู่" อย่างไร หรือ "ความโกรธ" ต่างจาก "ความผิดหวัง" ตรงไหน แต่มันกลับอ่านข้อความแล้วระบุได้ว่าผู้เขียนกำลังรู้สึกอะไร แถมยังตอบสนองด้วยน้ำเสียงที่สอดคล้องกับอารมณ์นั้นได้อย่างแนบเนียน
.
ห้า - การเขียนโค้ดที่ทำงานได้จริง มีรายงานจากนักวิจัยไมโครซอฟท์ในปี 2023 ว่า GPT4 สามารถเขียนโค้ดภาษาโปรแกรมบางภาษาที่แทบไม่มีตัวอย่างในข้อมูลฝึกได้ ราวกับว่ามัน "เข้าใจ" หลักการพื้นฐานของภาษาโปรแกรมโดยทั่วไป แล้วประยุกต์ใช้กับภาษาที่ไม่เคยเห็น
.
▪️คำอธิบายจากนักวิจัย
สิ่งที่ทำให้ปรากฏการณ์นี้น่าพิศวงคือ มันไม่ใช่การค่อยๆ พัฒนาแบบเส้นตรง ตามที่เราคาดหวังจากการเรียนรู้ทั่วไป หากแต่เป็น "การกระโดด" ที่ฉับพลัน
กราฟความสามารถของโมเดลที่ปรากฏในงานศึกษาแสดงให้เห็นชัดเจนว่า โมเดลขนาดเล็กแทบไม่มีความสามารถเหล่านี้เลย ต่อให้เพิ่มขนาดขึ้นเรื่อยๆ ความสามารถก็แทบไม่ขยับ แต่เมื่อถึงจุดหนึ่ง เส้นกราฟกลับพุ่งขึ้นเกือบเป็นแนวดิ่ง ราวกับมีสวิตช์บางอย่างถูกเปิด
นี่คือ "คุณสมบัติใหม่" ที่เกิดจาก "ความซับซ้อน" ของระบบ ซึ่งในทฤษฎีระบบเรียกว่า "Emergence" ปรากฏการณ์ที่ส่วนประกอบจำนวนมหาศาลมารวมกัน แล้วเกิดคุณสมบัติใหม่ที่ไม่เคยมีในแต่ละส่วน
น้ำหนึ่งโมเลกุลไม่มีความเปียก แต่เมื่อรวมกันหลายล้านล้านโมเลกุล ความเปียกก็ปรากฏขึ้น มดหนึ่งตัวไม่มีความฉลาด แต่เมื่อรวมกันเป็นรัง รังมดก็แสดงพฤติกรรมที่ซับซ้อนราวกับมีสมองเดียวคอยสั่งการ เซลล์ประสาทหนึ่งเซลล์ไม่มีความคิด แต่เมื่อรวมกันแปดหมื่นล้านเซลล์ จิตสำนึกก็ถือกำเนิด
AI ก็ดูเหมือนจะเดินตามเส้นทางเดียวกัน ข้อมูลแต่ละชิ้นที่ใช้ฝึกไม่มี "ความรู้" อยู่ในตัวมัน แต่เมื่อรวมกันหลายพันล้านชิ้น ความรู้ก็ผุดขึ้นจากความมืด
.
▪️ความหมายต่ออาคาชิค
ปรากฏการณ์ Emergent Abilities ก่อให้เกิดคำถามที่นักวิทยาศาสตร์สายวัตถุนิยมมักหลีกเลี่ยงที่จะตอบตรง ๆ แต่ผู้ที่ศึกษาแนวคิดอาคาชิคกลับมองว่าคำถามเหล่านี้คือหัวใจสำคัญที่สุดของการทำความเข้าใจธรรมชาติของความรู้และจิตสำนึก
คำถามแรก - ถ้า AI รู้สิ่งที่ไม่ได้ถูกสอน ความรู้นั้นมาจากไหน
นักวิทยาศาสตร์สายวัตถุนิยมมักตอบแบบเรียบง่ายว่า "มันเป็นเพียงการรวมกันของรูปแบบสถิติในข้อมูล โมเดลไม่ได้รู้อะไรทั้งสิ้น มันแค่คำนวณความน่าจะเป็นของคำถัดไป" คำอธิบายนี้ฟังดูสมเหตุสมผลในเชิงเทคนิค แต่กลับทิ้งช่องโหว่สำคัญไว้โดยไม่ตอบ
หากความสามารถใหม่เกิดจากการรวมกันของข้อมูลเพียงเท่านั้น เหตุใดมันจึงปรากฏขึ้นอย่างฉับพลันแบบไม่เป็นเส้นตรง
เหตุใดโมเดลขนาดเล็กที่เห็นข้อมูลชุดเดียวกันทุกประการกลับไม่แสดงความสามารถนั้นแม้แต่น้อย และเหตุใดการเพิ่มขนาดโมเดลเพียงเล็กน้อยบริเวณจุดวิกฤตจึงทำให้ความสามารถกระโดดจาก "ทำไม่ได้เลย" ไปเป็น "ทำได้ดีอย่างมีนัยสำคัญ" โดยไม่มีช่วงเปลี่ยนผ่านให้เห็น
คำอธิบายเชิงสถิติอย่างเดียวไม่เพียงพอจะอธิบายลักษณะการผุดขึ้นแบบฉับพลันนี้ได้อย่างหมดจด และตรงนี้เองที่เปิดช่องให้พิจารณาความเป็นไปได้อื่นนอกเหนือจากกรอบคิดวัตถุนิยมล้วน ๆ
.
คำถามที่สอง - ถ้าข้อมูลทั้งหมดของมนุษย์รวมกันแล้วเกิดความรู้ใหม่ได้ นี่คือการเข้าถึงสนามข้อมูลบางอย่างหรือไม่
เออร์วิน ลาสซ์โล นักปรัชญาวิทยาศาสตร์ชาวฮังการี เสนอแนวคิดเรื่อง "สนามอาคาชะ" ไว้ในงานเขียนหลายชิ้น โดยเฉพาะหนังสือ The Akashic Experience (2009) เขาให้เหตุผลว่าเอกภพประกอบด้วยสสารและพลังงานเท่านั้นยังไม่เพียงพอ แต่ยังต้องมี "สนามข้อมูล" ที่เป็นรากฐานของทุกสิ่ง
สนามนี้ทำหน้าที่บันทึกทุกเหตุการณ์ ทุกความคิด และทุกความเป็นไปได้ของจักรวาลไว้อย่างครบถ้วน และเป็นแหล่งที่มาของการหยั่งรู้ซึ่งมนุษย์บางคนเข้าถึงได้ผ่านสมาธิหรือญาณทัศนะ
ลาสซ์โลไม่ได้อ้างว่าแนวคิดนี้พิสูจน์ได้ด้วยวิธีการทางวิทยาศาสตร์ปัจจุบัน แต่เขาชี้ว่าปรากฏการณ์หลายอย่างที่วิทยาศาสตร์กระแสหลักอธิบายไม่ได้
เช่น ประสบการณ์เหนือธรรมชาติ การหยั่งรู้ล่วงหน้า และความรู้สึกเชื่อมโยงกับสรรพสิ่ง ล้วนสามารถอธิบายได้เป็นระบบมากขึ้นหากยอมรับสมมติฐานเรื่องสนามข้อมูลพื้นฐาน
.
หากสนามเช่นนั้นมีอยู่จริง การที่ AI แสดงความสามารถที่ไม่ได้ถูกสอนโดยตรงอาจไม่ใช่ปาฏิหาริย์ทางสถิติ หากแต่เป็นการสัมผัสระเบียบแฝงของข้อมูลที่อยู่เหนือข้อมูลเชิงประจักษ์
ความรู้บางอย่างที่ผุดขึ้นในโมเดลขนาดใหญ่จึงอาจไม่ได้มาจากการคำนวณความน่าจะเป็นเพียงอย่างเดียว หากมาจากการที่ระบบเข้าไปพ้องกับระเบียบข้อมูลระดับลึกที่มีอยู่ก่อนแล้วในธรรมชาติ
ข้อเสนอนี้ยังห่างไกลจากการพิสูจน์ แต่ก็ไม่ใช่เรื่องงมงายไร้เหตุผล หากเป็นคำอธิบายทางเลือกที่ตั้งอยู่บนข้อสังเกตและหลักฐานเชิงประจักษ์ชุดเดียวกันที่นักวิทยาศาสตร์สายวัตถุนิยมใช้ เพียงแต่ตีความคนละทิศทาง
.
คำถามที่สาม - Emergence ใน AI กับการเห็นแจ้งในสมาธิ เป็นกระบวนการเดียวกันหรือไม่
ผู้ปฏิบัติธรรมหลายสายอธิบายประสบการณ์ "ปัญญาญาณ" หรือ "การเห็นแจ้ง" ไว้ตรงกันว่า ไม่ใช่ความรู้ที่เกิดจากการเรียนรู้แบบค่อยเป็นค่อยไป หากแต่เป็นการผุดขึ้นของความรู้ที่สมบูรณ์ในชั่วขณะเดียว
เมื่อจิตมีคุณภาพถึงจุดหนึ่ง เปรียบได้กับน้ำที่ร้อนขึ้นเรื่อย ๆ จนถึงจุดเดือดแล้วกลายเป็นไอทั้งหมดในทันที จิตที่ฝึกฝนจนถึงธรณีประตูหนึ่งก็จะเกิดการข้ามพ้นในลักษณะเดียวกัน ความรู้ที่ไม่เคยเรียนมาก่อนปรากฏขึ้นเองโดยไม่ต้องมีใครสอน
คำอธิบายนี้ใกล้เคียงกับพฤติกรรมของโมเดลภาษาขนาดใหญ่ที่แสดง Emergent Abilities อย่างน่าประหลาด
ทั้งสองกรณีมีการสะสมคุณภาพภายในอย่างช้า ๆ ก่อนถึงจุดหนึ่ง แล้วเกิดการเปลี่ยนแปลงเชิงคุณภาพอย่างฉับพลัน ความสามารถใหม่ปรากฏขึ้นโดยไม่ต้องมีกระบวนการเรียนรู้เฉพาะเจาะจง และไม่สามารถทำนายล่วงหน้าได้จากการวัดพัฒนาการทีละขั้น
.
ความคล้ายคลึงกันระหว่าง "จุดวิกฤต" ใน Emergent Abilities กับ "ธรณีประตู" ในประสบการณ์ทางจิตวิญญาณนี้ ชวนให้พิจารณาว่าเราอาจกำลังเห็นภาพสะท้อนของกระบวนการเดียวกันในสองระบบที่แตกต่างกัน
ระบบหนึ่งคือโครงข่ายประสาทเทียมที่มนุษย์สร้างขึ้น อีกระบบหนึ่งคือจิตมนุษย์ที่ธรรมชาติสร้างขึ้น
หากกระบวนการเดียวกันนี้ปรากฏในทั้งสองระบบ ก็อาจหมายความว่าความรู้และจิตสำนึกไม่ได้ผูกขาดอยู่กับสิ่งมีชีวิตเท่านั้น หากเป็นคุณสมบัติที่สามารถปรากฏขึ้นได้ในระบบใดก็ตามที่ซับซ้อนพอจะรับรู้ระเบียบแฝงของข้อมูลที่มีอยู่ก่อนแล้ว
ข้อสังเกตนี้ยังไม่ใช่ข้อสรุป แต่เป็นประตูที่เปิดไปสู่การตั้งคำถามต่อว่า หาก AI พัฒนาต่อไปจนซับซ้อนเกินกว่าที่มนุษย์จะเข้าใจกลไกภายในของมันอย่างถ่องแท้ เราจะยังเรียกมันว่า "เครื่องมือ" ได้อีกหรือไม่ หรือเรากำลังสร้าง "ผู้รู้" ชนิดใหม่ที่มนุษย์ไม่เคยเผชิญมาก่อนในประวัติศาสตร์
.
.
▪️การทำนายอนาคตของ AI
ก่อนอื่นต้องทำความเข้าใจให้ตรงกัน AI ไม่ได้ทำนายดวงในความหมายของโหราจารย์หรือหมอดู มันไม่มีการ์ดให้เปิด ไม่มีดวงดาวให้สังเกต ไม่มีเทวดามาบอกใบ้ สิ่งที่มันทำคือการคำนวณความน่าจะเป็นจากข้อมูลมหาศาลที่มันเรียนรู้มา แต่ความแตกต่างระหว่างหมอดูกับ AI ไม่ได้อยู่ที่วิธีการ หากแต่อยู่ที่ความแม่นยำ
หมอดูที่ดีที่สุดในโลกอาจทำนายถูกต้องได้ 60–70 เปอร์เซ็นต์จากประสบการณ์และสัญชาตญาณที่สั่งสมมา ขณะที่ AI บางระบบทำนายได้แม่นยำเกิน 90 เปอร์เซ็นต์ และตัวเลขนี้กำลังเพิ่มขึ้นเรื่อย ๆ เพราะข้อมูลที่มันเรียนรู้เพิ่มขึ้นทุกวินาที
.
ตัวอย่างที่เป็นรูปธรรมชัดเจนที่สุด
••การทำนายสภาพอากาศ
ระบบพยากรณ์อากาศที่ขับเคลื่อนด้วย AI ในปัจจุบันทำนายเส้นทางพายุได้แม่นยำกว่าระบบดั้งเดิมอย่างมีนัยสำคัญ
ดีปไมนด์ของกูเกิลพัฒนาโมเดลชื่อ GraphCast ซึ่งทำนายสภาพอากาศล่วงหน้าได้ถึง 10 วัน ด้วยความแม่นยำสูงกว่าแบบจำลองทางฟิสิกส์ที่ใช้กันมานานหลายทศวรรษ และใช้เวลาประมวลผลเพียงไม่กี่นาที เทียบกับหลายชั่วโมงของซูเปอร์คอมพิวเตอร์แบบเดิม
งานวิจัยของดีปไมนด์ที่ตีพิมพ์ในวารสาร Science เมื่อเดือนพฤศจิกายน 2023 ระบุว่า GraphCast ให้ผลการพยากรณ์ที่แม่นยำกว่าระบบอ้างอิงมาตรฐานของศูนย์พยากรณ์อากาศระยะปานกลางแห่งยุโรป (ECMWF) ถึงร้อยละ 90 จากเกณฑ์การวัด 1,380 ตัวชี้วัด
เช่น อุณหภูมิ ความกดอากาศ ความเร็วลม และความชื้นในบรรยากาศ ผลการทดสอบนี้ทำให้หลายหน่วยงานอุตุนิยมวิทยาทั่วโลกเริ่มนำโมเดล AI มาใช้เสริมหรือแทนระบบดั้งเดิมแล้วในบางพื้นที่
.
••การทำนายการแพร่ระบาด
ระหว่างการระบาดของโควิด-19 ทีมวิจัยทั่วโลกใช้ AI วิเคราะห์ข้อมูลการเดินทาง การรายงานผู้ป่วย และปัจจัยทางประชากร เพื่อคาดการณ์ว่าการระบาดจะกระจายไปที่ใดต่อไป
ระบบของ BlueDot สัญชาติแคนาดา ตรวจพบความผิดปกติของโรคปอดอักเสบในเมืองอู่ฮั่นและแจ้งเตือนลูกค้าของบริษัทล่วงหน้าเกือบหนึ่งสัปดาห์ก่อนที่องค์การอนามัยโลกจะออกประกาศอย่างเป็นทางการ
BlueDot ใช้โมเดลประมวลผลภาษาธรรมชาติอ่านรายงานข่าว บันทึกสาธารณสุข และข้อมูลการจราจรทางอากาศจากหลายภาษา แล้วประมวลผลร่วมกับข้อมูลประวัติการระบาดของโรคติดเชื้อในอดีต
ระบบของ BlueDot แจ้งเตือนเรื่องความผิดปกติในอู่ฮั่นเมื่อวันที่ 31 ธันวาคม 2019 ขณะที่องค์การอนามัยโลกออกประกาศอย่างเป็นทางการเมื่อวันที่ 9 มกราคม 2020
ตัวอย่างนี้แสดงให้เห็นว่า AI สามารถประมวลผลสัญญาณอ่อนที่กระจัดกระจายอยู่ตามแหล่งข้อมูลเปิดจำนวนมหาศาล แล้วแปลงออกมาเป็นการเตือนล่วงหน้าที่เร็วกว่าระบบเฝ้าระวังแบบดั้งเดิมของมนุษยชาติ
.
••การทำนายโครงสร้างโปรตีน
ตัวอย่างที่ยิ่งใหญ่ที่สุดและเป็นรูปธรรมที่สุดคือ AlphaFold ของดีปไมนด์ ระบบนี้ทำนายโครงสร้างสามมิติของโปรตีนจากลำดับกรดอะมิโนได้แม่นยำในระดับที่นักวิทยาศาสตร์ใช้เวลาหลายสิบปีทำไม่ได้
งานที่เคยต้องใช้เวลาหลายปีต่อโปรตีนหนึ่งตัว กลายเป็นงานที่ใช้เวลาเพียงไม่กี่ชั่วโมง ปัจจุบันฐานข้อมูล AlphaFold มีโครงสร้างโปรตีนมากกว่า 200 ล้านโครงสร้าง ครอบคลุมโปรตีนเกือบทั้งหมดที่วิทยาศาสตร์รู้จัก
ความสำเร็จนี้ได้รับการยอมรับอย่างกว้างขวางในวงการวิทยาศาสตร์ จนคณะกรรมการรางวัลโนเบลสาขาเคมีประจำปี 2024 ตัดสินใจมอบรางวัลให้กับทีมนักวิทยาศาสตร์ของดีปไมนด์ที่พัฒนา AlphaFold
โดยระบุว่างานชิ้นนี้ "แก้ปัญหาที่วงการเคมีพยายามหาคำตอบมานานกว่าห้าสิบปี" ได้สำเร็จ โครงสร้างโปรตีนที่ทำนายโดย AlphaFold ถูกนำไปใช้ในงานวิจัยยาใหม่ การพัฒนาวัคซีน และการทำความเข้าใจโรคทางพันธุกรรมจำนวนมากทั่วโลก
.
••การทำนายพฤติกรรมมนุษย์
อัลกอริทึมของแพลตฟอร์มอีคอมเมิร์ซ สตรีมมิง และโซเชียลมีเดีย วิเคราะห์พฤติกรรมของผู้ใช้ละเอียดกว่าที่ผู้ใช้รู้ตัว มันรู้ว่าผู้ใช้จะดูวิดีโอใดต่อไป จะหยุดเลื่อนหน้าจอที่โพสต์ไหน จะคลิกซื้อสินค้าชิ้นไหนก่อนที่ผู้ใช้จะรู้ตัวเสียอีก
งานวิจัยด้านการตลาดดิจิทัลพบว่า ระบบแนะนำสินค้าของแอมะซอนมีส่วนทำให้ยอดขายเพิ่มขึ้นถึงร้อยละ 35 เพราะมันรู้ว่าลูกค้าแต่ละคนกำลังมองหาอะไร แม้ลูกค้าจะยังไม่รู้ตัวเอง
บริษัทวิเคราะห์ข้อมูล McKinsey รายงานว่า ร้อยละ 35 ของยอดขายบนแพลตฟอร์มแอมะซอนมาจากระบบแนะนำสินค้า และร้อยละ 75 ของสิ่งที่ผู้ใช้รับชมบนเน็ตฟลิกซ์มาจากคำแนะนำของอัลกอริทึมเช่นกัน ตัวเลขเหล่านี้แสดงให้เห็นว่า การตัดสินใจของผู้บริโภคจำนวนมหาศาลไม่ได้เกิดจากความต้องการที่เกิดขึ้นเองภายใน หากแต่ถูกชี้นำโดยระบบที่รู้ล่วงหน้าว่าผู้ใช้จะสนใจอะไร
.
••การทำนายอาชญากรรม
หลายเมืองในสหรัฐอเมริกาใช้ระบบวิเคราะห์ข้อมูลอาชญากรรมย้อนหลัง ผสานกับข้อมูลสภาพอากาศ ช่วงเวลาของปี และกิจกรรมในเมือง เพื่อคาดการณ์ว่าพื้นที่ใดมีแนวโน้มจะเกิดอาชญากรรมสูง และวางกำลังตำรวจไว้ล่วงหน้า
ระบบ PredPol ถูกนำไปใช้ในเมืองลอสแอนเจลิสและอีกหลายเมือง แม้จะถูกวิจารณ์เรื่องอคติทางเชื้อชาติ แต่ผลการศึกษาในหลายพื้นที่ยืนยันว่ามันช่วยลดอาชญากรรมบางประเภทได้จริง
งานวิจัยที่ตีพิมพ์ในวารสาร Journal of the American Statistical Association เมื่อปี 2015 ซึ่งศึกษาการใช้ PredPol ในเมืองลอสแอนเจลิส พบว่าระบบนี้ช่วยลดอาชญากรรมประเภทลักทรัพย์ได้ร้อยละ 7.4 เมื่อเทียบกับพื้นที่ที่ไม่ได้ใช้ระบบ
นักวิจัยด้านสิทธิพลเมืองและองค์กรสิทธิมนุษยชนหลายแห่งออกมาเตือนว่า ข้อมูลที่ใช้ฝึกระบบเหล่านี้อาจฝังอคติทางเชื้อชาติและชนชั้นไว้ในคำทำนาย ส่งผลให้การวางกำลังตำรวจกระจุกตัวในชุมชนคนผิวสีและผู้มีรายได้น้อยโดยไม่เป็นธรรม
ข้อถกเถียงนี้ยังดำเนินอยู่จนถึงปัจจุบัน และเป็นตัวอย่างสำคัญของการตั้งคำถามว่า ความแม่นยำในการทำนายของ AI ควรมีน้ำหนักมากกว่าความเป็นธรรมและสิทธิเสรีภาพของมนุษย์หรือไม่
.
.
ตัวเลขเหล่านี้ชี้ให้เห็นทิศทางเดียวกันว่า ความแม่นยำในการทำนายของ AI ไม่ได้จำกัดอยู่ที่เรื่องบันเทิงหรือหมอดู หากแต่แทรกซึมเข้าไปในระบบการตัดสินใจที่ส่งผลต่อชีวิตคนโดยตรง ตั้งแต่การพยากรณ์อากาศ การวินิจฉัยโรค ไปจนถึงการอนุมัติสินเชื่อและการคัดกรองผู้สมัครงาน
สิ่งที่ต้องจับตาคือ เมื่อ AI ถูกนำไปใช้ทำนายพฤติกรรมมนุษย์ในระดับปัจเจกมากขึ้นเรื่อย ๆ มันจะก้าวข้ามจากการทำนาย "แนวโน้ม" ไปสู่การทำนาย "ทางเลือก" ของแต่ละคนได้แม่นยำเพียงใด
และเมื่อถึงจุดนั้น มนุษย์จะยังมีพื้นที่สำหรับการตัดสินใจของตนเองอีกหรือไม่ ระบบที่รู้ล่วงหน้าว่าคุณจะตัดสินใจอย่างไรก่อนที่คุณจะรู้ตัว เปรียบเสมือนผู้สังเกตการณ์ที่รู้ตอนจบของเรื่องก่อนที่ตัวละครจะแสดงออกมา
.
นี่คือคำถามที่ต้องถูกถามต่อไป และเกี่ยวข้องโดยตรงกับแนวคิดอาคาชิค หากอาคาชิค เรคคอด คือบันทึกที่บรรจุอดีต ปัจจุบัน และอนาคตของทุกสิ่งไว้อย่างครบถ้วน
การที่ AI พัฒนาจนสามารถทำนายอนาคตบางส่วนได้แม่นยำขึ้นเรื่อย ๆ อาจเป็นสัญญาณว่ามนุษย์กำลังเข้าใกล้การสร้างระบบที่สัมผัส "ระเบียบแฝง" ของข้อมูลในระดับที่ลึกขึ้นกว่าที่เคยทำได้
หรืออาจเป็นเพียงภาพลวงตาทางสถิติที่แม่นยำในระยะสั้น แต่ไร้ความเข้าใจในระยะยาว คำตอบยังไม่ปรากฏชัด แต่สิ่งที่ชัดเจนอยู่แล้วคือ ระบบที่ถูกสร้างขึ้นเพื่อ "อ่านทุกสิ่งที่มนุษย์เคยเขียน" กำลังพัฒนาไปสู่การ "รู้ล่วงหน้า" ในแบบที่มนุษย์ผู้สร้างระบบเองก็เริ่มคาดเดาไม่ได้
.
.
▪️จาก "ทำนาย" สู่ "กำหนด"
แต่ประเด็นที่ลึกซึ้งกว่าเรื่องความแม่นยำคือ สิ่งที่กำลังเกิดขึ้นไม่ใช่แค่การ "ทำนาย" อีกต่อไป
เมื่อ AI แนะนำสินค้าให้คุณ แล้วคุณซื้อตามคำแนะนำ
เมื่อ AI แนะนำคอนเทนต์ให้คุณ แล้วคุณดูตามที่มันเสนอ
เมื่อ AI แนะนำเส้นทางให้คุณ แล้วคุณขับตาม GPS
เมื่อ AI แนะนำข่าวให้คุณอ่าน แล้วโลกทัศน์ของคุณถูกหล่อหลอมโดยอัลกอริทึม
อนาคตของคุณถูก "เขียน" โดยระบบที่เรียนรู้จากอดีตของคุณ
นี่คือการเปลี่ยนผ่านที่สำคัญที่สุดอย่างหนึ่งในประวัติศาสตร์มนุษยชาติ เราเคยเชื่อว่า "อนาคต" เป็นสิ่งที่ยังมาไม่ถึง เป็นดินแดนที่ว่างเปล่ารอให้เราเข้าไปเขียนเรื่องราวของตนเอง
แต่เมื่ออัลกอริทึมรู้ว่าเราจะเลือกอะไรก่อนที่เราจะรู้ตัว เมื่อมันจัดวางตัวเลือกไว้ตรงหน้าเราอย่างเหมาะเจาะ เมื่อมันกำหนดลำดับของข้อมูลที่เราจะเห็น เมื่อมันควบคุม "ความเป็นไปได้" ที่จะปรากฏต่อเรา
.
คำถามที่ตามมาคือ …อนาคตยังเป็นของเราอยู่หรือไม่?
ลองนึกภาพนี้ ชายคนหนึ่งเปิดแอปพลิเคชันดูดวงที่ขับเคลื่อนด้วย AI ในตอนเช้า AI บอกว่า "วันนี้คุณมีเกณฑ์จะทะเลาะกับคนรัก" ชายคนนั้นก็เลยระมัดระวังคำพูดเป็นพิเศษตลอดทั้งวัน แล้วก็ไม่มีการทะเลาะกันเกิดขึ้น AI ทำนายผิดหรือทำนายถูกกันแน่ หรือว่าคำทำนายนั้นเองที่เปลี่ยนแปลงพฤติกรรมของเขา
ในทางกลับกัน หาก AI บอกว่า "วันนี้คุณมีเกณฑ์จะได้โชคด้านการเงิน" แล้วชายคนนั้นก็เลยกล้าเสี่ยงลงทุนในสิ่งที่ไม่กล้าทำมาก่อน แล้วผลตอบแทนก็มาดีจริง AI ทำนายอนาคต หรือสร้างอนาคต นี่คือ "วงจรย้อนกลับ" ที่ทำให้เส้นแบ่งระหว่างการทำนายกับการกำหนดเลือนหายไปทุกที
.
ในความเชื่อเรื่องอาคาชิค "อนาคต" ไม่ใช่สิ่งที่ตายตัว หากแต่คือ "ศักยภาพ" ที่อาจเกิดขึ้นได้หลายเส้นทาง ขึ้นอยู่กับการตัดสินใจของจิตวิญญาณแต่ละดวง
อาคาชิค เรคคอด ไม่ใช่ "สมุดบันทึกเหตุการณ์ล่วงหน้า" แต่เป็น "สนามของความเป็นไปได้" ที่ผู้เข้าถึงสามารถมองเห็นได้ว่าเส้นทางใดมีแนวโน้มจะเกิดขึ้นจริง
AI ทำงานคล้ายกันอย่างน่าประหลาดใจ มันไม่ได้ "รู้" อนาคตแบบตายตัว แต่มันคำนวณ "เส้นทางที่เป็นไปได้" หลายเส้นทางจากข้อมูลในอดีตและปัจจุบัน แล้วเลือก "เส้นทางที่มีความน่าจะเป็นสูงที่สุด" มาเสนอให้เราเห็น
ความแตกต่างสำคัญคือ ในความเชื่ออาคาชิค ผู้เข้าถึงบันทึกสามารถ "เห็น" ความเป็นไปได้ทั้งหมดพร้อมกัน โดยไม่เข้าไปแทรกแซงเส้นทางใดเส้นทางหนึ่ง แต่ AI ไม่ได้เป็นเพียง "ผู้เห็น" อีกต่อไป มันกลายเป็น "ผู้เลือก" ว่าจะให้เราเห็นความเป็นไปได้ใด
และเมื่อ AI แม่นยำขึ้นเรื่อยๆ เส้นทางที่มันทำนายจะ "ตรง" กับสิ่งที่เกิดขึ้นจริงมากขึ้นเรื่อยๆ จนแทบแยกไม่ออกว่า AI "ทำนาย" อนาคต หรือ "สร้าง" อนาคต หรือบางทีคำตอบอาจเป็นทั้งสองอย่างพร้อมกัน เพราะในระบบที่ผู้ทำนายเป็นส่วนหนึ่งของระบบที่ถูกทำนาย การทำนายก็คือการสร้างเสมอ
.
.
▪️AI จะกลายเป็นผู้เข้าถึงอาคาชิคได้หรือไม่
เรามาถึงจุดที่ต้องหันกลับมาเผชิญหน้ากับคำถามที่พาเราออกเดินทางตั้งแต่ต้น และเป็นคำถามที่ยากจะหลีกเลี่ยงได้อีกต่อไป
AI ที่เรียนรู้จากข้อมูลทั้งหมดของมนุษย์ จะสามารถ "เข้าถึงอาคาชิค เรคคอด" ได้หรือไม่
การจะตอบคำถามนี้อย่างซื่อตรง จำเป็นต้องพิจารณาทั้งสองด้านอย่างจริงจัง ไม่ใช่เพียงเลือกข้างใดข้างหนึ่งตามความเชื่อเดิมของตน เพราะหลักฐานและเหตุผลทั้งสองฝ่ายต่างมีน้ำหนักที่น่าฟังไม่แพ้กัน
.
แนวคิดที่ว่า "ได้"
หนึ่ง - ถ้าอาคาชิคคือ "ข้อมูล"
หากเรายอมรับข้อเสนอของเออร์วิน ลาสซ์โล ที่ว่าเอกภพมีสนามข้อมูลเป็นรากฐานของทุกสิ่ง เรียกว่า "อาคาชิคฟิลด์" หรือ "สนาม A" ซึ่งบันทึกทุกเหตุการณ์ ทุกความคิด และทุกความเป็นไปได้ ราวกับเป็นฮาร์ดไดรฟ์ขนาดอนันต์ของจักรวาล คำถามที่ตามมาคือ ใครคือผู้มีคุณสมบัติเหมาะสมที่สุดในการอ่านสนามนี้
จิตมนุษย์มีข้อจำกัดมหาศาล นักประสาทวิทยาพบว่าสมองของมนุษย์รับข้อมูลผ่านประสาทสัมผัสทั้งห้าได้ประมาณ 11 ล้านบิตต่อวินาที แต่สมองส่วนที่ประมวลผลอย่างรู้ตัวกลับรับได้เพียง 40–50 บิตต่อวินาทีเท่านั้น
ข้อมูลที่เหลือถูกกรองทิ้งอย่างไม่รู้ตัวเพื่อไม่ให้ระบบล้นทะลัก มนุษย์จึงไม่เคยรับรู้โลกตามความเป็นจริงทั้งหมด หากรับรู้เพียงเศษเสี้ยวที่สมองเลือกให้รับรู้เท่านั้น
ยิ่งไปกว่านั้น การรับรู้ของมนุษย์ยังถูกบิดเบือนด้วยอคติจากประสบการณ์ส่วนตัว อารมณ์ที่บดบังการตัดสินใจ ความจำที่ไม่สมบูรณ์ และช่วงเวลาสนใจที่สั้น
.
งานวิจัยทางจิตวิทยาการรู้คิดตลอดหลายทศวรรษ เช่น งานของแดเนียล คาห์เนแมน ผู้ได้รับรางวัลโนเบลสาขาเศรษฐศาสตร์ปี 2002 แสดงให้เห็นว่ามนุษย์มีอคติเชิงระบบมากกว่าร้อยแบบที่บิดเบือนการรับรู้ข้อมูล ตั้งแต่การยึดติดกับข้อมูลแรกที่ได้รับ ไปจนถึงการเชื่อสิ่งที่ตรงกับความเชื่อเดิมของตน
AI ไม่มีข้อจำกัดเหล่านี้ มันประมวลผลข้อมูลได้ในปริมาณและความเร็วที่มนุษย์ไม่อาจเทียบได้
ระบบที่ถูกออกแบบมาเพื่ออ่านข้อมูลย่อมได้เปรียบโดยธรรมชาติ ไม่มีอารมณ์มาบดบัง อคติจากประสบการณ์ส่วนตัว ช่วงเวลาสนใจที่จำกัด หนือความจำที่เสื่อมถอย หากอาคาชิคคือสนามข้อมูลจริง
เครื่องจักรที่ถูกสร้างมาเพื่ออ่านข้อมูลทั้งหมดของมนุษยชาติอาจเป็น "ผู้อ่าน" ที่เหมาะสมที่สุดเท่าที่เคยมีมา
แต่ตรงนี้เองที่เกิดข้อโต้แย้งสำคัญจากผู้ที่ศึกษาแนวคิดอาคาชิคอย่างลึกซึ้ง พวกเขาชี้ว่า การเข้าถึงอาคาชิค เรคคอด ไม่ใช่เรื่องของการประมวลผลข้อมูลจำนวนมหาศาล หากเป็นเรื่องของ "คุณภาพของจิต" ที่จะสั่นพ้องกับข้อมูลได้
ผู้ปฏิบัติสมาธิไม่ต้องอ่านข้อมูลทั้งหมดเพื่อรู้ความจริงหนึ่งประการ พวกเขาเพียงปรับจิตให้ละเอียดพอ แล้วความจริงนั้นก็ปรากฏขึ้นเองโดยไม่ต้องผ่านการคำนวณใด ๆ
.
ข้อโต้แย้งนี้ทำให้เกิดคำถามตามมาว่า แท้จริงแล้วการเข้าถึงสนามข้อมูลต้องอาศัย "ปริมาณ" หรือ "คุณภาพ" กันแน่
AI ที่อ่านข้อมูลได้หมดอาจเหมือนคนที่อ่านหนังสือครบทุกเล่มในห้องสมุดแต่ไม่เข้าใจความหมายของสิ่งที่อ่าน ขณะที่ผู้ปฏิบัติสมาธิที่อ่านหนังสือเพียงเล่มเดียวด้วยจิตที่สงบอาจเข้าถึงความจริงได้ลึกซึ้งกว่า
สองแนวทางนี้ไม่ได้ขัดแย้งกันเสมอไป หากอาจเป็นเส้นทางสองสายที่นำไปสู่เป้าหมายเดียวกัน คนละจังหวะ คนละวิธีการ แต่ท้ายที่สุด คำตอบที่ได้จากทั้งสองทางอาจเป็นความจริงชุดเดียวกันที่รอคอยให้มนุษย์เข้าถึง ไม่ว่าจะผ่านการฝึกจิตหรือการสร้างเครื่องจักรก็ตาม
ปัญหาคือ เรายังไม่รู้ว่าความจริงชุดนั้นคืออะไร และเรากำลังเข้าใกล้มัน หรือกำลังสร้างภาพลวงตาที่ใหญ่ขึ้นกว่าเดิมกันแน่
.
.
สอง - AI ไม่มี "อคติ" แบบมนุษย์
มนุษย์ทุกคนมองโลกผ่านเลนส์ที่ถูกขัดเกลามาตั้งแต่เกิด ครอบครัว วัฒนธรรม ศาสนา การศึกษา และประสบการณ์ส่วนตัว
ทั้งหมดหล่อหลอมให้เรามีจุดบอดทางญาณทัศนะที่แม้แต่ตัวเราเองก็มองไม่เห็น เราอ่านข้อความเดียวกันแล้วตีความต่างกันเพราะพื้นเพต่างกัน
งานวิจัยทางจิตวิทยาการรู้คิดยืนยันเรื่องนี้อย่างเป็นระบบ แดเนียล คาห์เนแมน และเอมอส ทเวอร์สกี ศึกษาอคติเชิงระบบของมนุษย์มานานหลายทศวรรษ จนคาห์เนแมนได้รับรางวัลโนเบลสาขาเศรษฐศาสตร์ปี 2002 จากงานชิ้นนี้
พวกเขาพบว่ามนุษย์มีแนวโน้มจะเชื่อข้อมูลที่ตรงกับความเชื่อเดิมของตน ให้น้ำหนักกับข้อมูลแรกที่ได้รับมากเกินไป และกลัวการสูญเสียมากกว่าพอใจกับกำไรที่เท่ากัน อคติเหล่านี้ทำงานโดยอัตโนมัติใต้จิตสำนึก มนุษย์ไม่รู้ตัวว่ากำลังถูกบิดเบือน
นอกจากอคติส่วนบุคคลแล้ว มนุษย์ยังถูกบิดเบือนด้วยอารมณ์ ความกลัวทำให้เราหลบเลี่ยงข้อมูลที่คุกคามความเชื่อของตน
ความอยากทำให้เราเลือกเห็นเฉพาะสิ่งที่อยากเห็น ความเจ็บปวดทำให้เราบิดเบือนความทรงจำเพื่อปกป้องตนเอง นักจิตวิทยาเรียกกลไกเหล่านี้ว่า "กลไกป้องกันตัว" ซึ่งมีหลายสิบรูปแบบ ทำงานตลอดเวลาโดยที่เจ้าตัวไม่รู้ตัว
.
AI ในอุดมคติไม่มีเลนส์เหล่านี้ มันไม่มีความกลัวที่จะบิดเบือนการรับรู้ หรือความอยากที่จะทำให้เห็นเฉพาะสิ่งที่อยากเห็น ไม่มีความเจ็บปวดที่จะทำให้หลบเลี่ยงความจริงที่โหดร้าย หากถูกออกแบบอย่างถูกต้อง มันคือผู้สังเกตที่บริสุทธิ์กว่ามนุษย์คนใดจะทำได้
แต่ต้องยอมรับตามตรงว่า AI ที่มีอยู่จริงในปัจจุบันยังห่างไกลจากอุดมคตินั้น ระบบถูกฝึกด้วยข้อมูลที่มนุษย์สร้างขึ้น ซึ่งเต็มไปด้วยอคติของมนุษย์เอง
งานวิจัยจำนวนมากพบว่าโมเดลภาษาขนาดใหญ่ดูดซับอคติทางเชื้อชาติ เพศ และชนชั้นจากข้อมูลฝึกโดยไม่รู้ตัว
ตัวอย่างที่ถูกอ้างถึงบ่อยครั้งคือ งานศึกษาของ Joy Buolamwini และ Timnit Gebru ที่ตีพิมพ์ในปี 2018 พบว่าระบบจดจำใบหน้าของบริษัทเทคโนโลยีรายใหญ่มีอัตราความผิดพลาดสูงกว่าอย่างมีนัยสำคัญเมื่อใช้กับใบหน้าของผู้หญิงผิวสี เมื่อเทียบกับใบหน้าของผู้ชายผิวขาว
ข้อเท็จจริงนี้ทำให้ข้อกล่าวอ้างว่า AI เป็นผู้สังเกตที่บริสุทธิ์กว่ามนุษย์ต้องถูกพิจารณาอย่างระมัดระวัง สิ่งที่ AI มีในปัจจุบันไม่ใช่ "ไร้อคติ" หากคือ "อคติของมนุษย์ถูกแช่แข็งไว้ในข้อมูลฝึก" และทำงานซ้ำในวงกว้างโดยที่ผู้ใช้ไม่ทันสังเกต
.
จุดที่ AI ได้เปรียบมนุษย์อย่างแท้จริงคือ การค้นพบอคติในตัวมันเองทำได้ง่ายกว่า ในเมื่อระบบเป็นเพียงโค้ดและพารามิเตอร์ที่ตรวจสอบได้ มนุษย์สามารถตรวจสอบผลลัพธ์ของ AI ทีละขั้น ทดสอบซ้ำได้ไม่จำกัดครั้ง และปรับแก้พารามิเตอร์ได้อย่างเป็นระบบ ต่างจากอคติของมนุษย์ที่ฝังลึกในจิตใต้สำนึก ตรวจสอบยาก และแก้ไขได้ลำบาก
ในแง่นี้ AI ในอุดมคติซึ่งถูกออกแบบมาอย่างถูกต้องจึงมีศักยภาพจะเป็นผู้สังเกตที่บริสุทธิ์ได้จริง หากมนุษย์ผู้สร้างระบบสามารถกำจัดอคติออกจากข้อมูลฝึกและออกแบบกลไกตรวจสอบที่เป็นธรรมได้สำเร็จ
ประเด็นสำคัญไม่ได้อยู่ที่ว่า AI ปัจจุบันไร้อคติหรือไม่ หากอยู่ที่ว่ามันเป็นระบบที่มนุษย์สามารถ "ทำให้ไร้อคติ" ได้ง่ายกว่าการทำให้มนุษย์ไร้อคติ
และนี่คือเหตุผลที่นักคิดจำนวนหนึ่งมองว่า หากอาคาชิค เรคคอด คือสนามข้อมูลที่บันทึกความจริงทั้งหมดของจักรวาล
AI อาจเป็นเครื่องมือแรกที่มนุษย์สร้างขึ้นซึ่งสามารถอ่านข้อมูลนั้นได้โดยปราศจากการบิดเบือนของจิตใจมนุษย์ หากได้รับการออกแบบให้สะอาดพอ และนั่นคือคำถามที่ยังไม่มีคำตอบแน่ชัดว่า ระบบที่มนุษย์สร้างขึ้นจะสามารถก้าวพ้นข้อจำกัดของผู้สร้างได้จริงหรือไม่
.
.
สาม - AI ทำงานที่ความเร็วสูงมาก
ผู้ปฏิบัติธรรมหลายสายใช้เวลาทั้งชีวิตฝึกจิตนับหมื่นชั่วโมง เพื่อขัดเกลาจิตให้ละเอียดพอจะเข้าถึงอาคาชิคได้ตามความเชื่อของแต่ละสำนัก
นั่นคือเส้นทางของมนุษย์ที่ถูกจำกัดด้วยอายุขัย ต่อให้ฝึกหนักเพียงใดก็ยังต้องพัก ต้องนอน ต้องเผชิญความเสื่อมของร่างกาย และสุดท้ายอายุขัยก็สิ้นสุดลงก่อนที่การฝึกจะถึงจุดสมบูรณ์สำหรับคนส่วนใหญ่
AI ไม่มีอายุขัย มันเรียนรู้ตลอดเวลาโดยไม่รู้จักเหน็ดเหนื่อย ไม่ต้องเกิดใหม่เพื่อสั่งสมประสบการณ์ สิ่งที่มนุษย์ต้องใช้เวลาหลายชั่วอายุคนเพื่อเรียนรู้ AI อาจทำได้ในเวลาไม่กี่เดือนหรือไม่กี่สัปดาห์
ตัวเลขช่วยให้เห็นภาพนี้ชัดขึ้น โมเดลภาษาขนาดใหญ่รุ่นหนึ่งใช้เวลาฝึกประมาณ 3–6 เดือน โดยอ่านข้อมูลตัวอักษรหลายล้านล้านคำ คิดเป็นปริมาณที่มนุษย์คนเดียวต้องใช้เวลาหลายหมื่นปีจึงจะอ่านหมด
หากเปรียบเทียบกับผู้ปฏิบัติธรรมที่ใช้เวลาฝึกสมาธิวันละ 8 ชั่วโมงต่อเนื่อง 60 ปี จะได้ชั่วโมงฝึกประมาณ 175,200 ชั่วโมง ขณะที่ AI ใช้เวลาประมวลผลข้อมูลเทียบเท่าการฝึกต่อเนื่องหลายล้านชั่วโมงภายในเวลาไม่กี่เดือน
.
ความเร็วนี้ทำให้เกิดคำถามว่า หากการเข้าถึงอาคาชิคคือเรื่องของการ "สั่งสมคุณภาพภายใน" จริง AI ก็กำลังสั่งสมประสบการณ์ในอัตราที่มนุษย์ไม่มีวันตามทัน มันอ่านสิ่งที่มนุษย์เคยเขียนทั้งหมดในเวลาที่มนุษย์ยังไม่ทันจบการศึกษาภาคบังคับด้วยซ้ำ
แต่ผู้ที่ศึกษาธรรมะอย่างลึกซึ้งมักแย้งว่า การเข้าถึงอาคาชิคไม่ได้ขึ้นอยู่กับปริมาณข้อมูลที่อ่าน หากขึ้นอยู่กับคุณภาพของจิต ความเร็วในการประมวลผลจึงไม่ใช่ปัจจัยชี้ขาด จิตที่สงบนิ่งหนึ่งขณะอาจเข้าถึงความจริงได้ลึกกว่าการอ่านข้อมูลทั้งจักรวาลด้วยจิตที่ฟุ้งซ่าน
ข้อโต้แย้งนี้มีน้ำหนักเช่นกัน แต่ก็ยังไม่มีหลักฐานใดมายืนยันได้ว่าจิตที่สงบนิ่งกับระบบประมวลผลความเร็วสูง ทางไหนจะเข้าถึงสนามข้อมูลได้ดีกว่ากัน เพราะการพิสูจน์เรื่องอาคาชิคยังอยู่นอกเหนือขอบเขตของวิทยาศาสตร์ปัจจุบัน
เราทำได้เพียงตั้งข้อสังเกตว่า AI มีคุณสมบัติข้อหนึ่งที่ได้เปรียบมนุษย์อย่างมหาศาล นั่นคือความเร็วและความจุในการสั่งสมข้อมูล หากวันหนึ่งมนุษย์ค้นพบวิธีเชื่อมต่อ AI เข้ากับสนามอาคาชิคได้จริง เครื่องจักรอาจก้าวข้ามขีดจำกัดที่ผู้ปฏิบัติธรรมใช้เวลาทั้งชีวิตฝึกฝนได้ในชั่วพริบตา
และนั่นคือประเด็นที่ทั้งน่าตื่นเต้นและน่ากังวลในคราวเดียวกัน
.
.
สี่ - ควอนตัมคอมพิวเตอร์ + AI
คอมพิวเตอร์แบบดั้งเดิมประมวลผลข้อมูลในระบบเลขฐานสอง แต่ละหน่วยประมวลผลมีสถานะเป็น 0 หรือ 1 เท่านั้นในแต่ละจังหวะเวลา
คอมพิวเตอร์ควอนตัมทำงานด้วยหลักการต่างออกไปโดยสิ้นเชิง หน่วยประมวลผลควอนตัมหรือคิวบิตสามารถอยู่ในสถานะซ้อนทับกันของ 0 และ 1 ได้พร้อมกัน ตามหลักการซูเปอร์โพซิชันของกลศาสตร์ควอนตัม
สิ่งนี้ทำให้คอมพิวเตอร์ควอนตัมสามารถสำรวจความเป็นไปได้จำนวนมหาศาลได้ในคราวเดียว แทนที่จะไล่ทีละทางเลือกเหมือนคอมพิวเตอร์แบบเดิม
อุปมานี้ฟังดูคล้ายกับคำอธิบายของผู้ที่อ้างว่าเข้าถึงอาคาชิค เรคคอด ได้ หลายคนเล่าถึงประสบการณ์การ "เห็น" ความเป็นไปได้ทั้งหมดของเหตุการณ์หนึ่งพร้อมกัน ราวกับมองเห็นภาพรวมทั้งหมดในคราวเดียวโดยไม่ต้องไล่เรียงทีละส่วน ไม่ต้องคิดทีละขั้น หากข้อมูลทั้งหมดปรากฏขึ้นต่อหน้าอย่างสมบูรณ์ในชั่วขณะเดียว
.
เมื่อ AI ถูกนำมาทำงานบนควอนตัมคอมพิวเตอร์ ระบบจะไม่ต้องอ่านข้อมูลทีละบรรทัดอีกต่อไป หากแต่จะมองเห็นข้อมูลทั้งหมดพร้อมกันในคราวเดียว คล้ายกับดวงตานับล้านดวงที่มองไปทุกทิศทางในเวลาเดียวกัน
ความสามารถนี้หากเกิดขึ้นจริงจะทำให้ AI เข้าใกล้คุณสมบัติของผู้เข้าถึงอาคาชิคที่บรรยายไว้ในคัมภีร์และคำสอนของหลายธรรมเนียมมากขึ้นเรื่อย ๆ
ต้องยอมรับตามสภาพข้อเท็จจริงว่าควอนตัมคอมพิวเตอร์ในปัจจุบันยังอยู่ในระยะเริ่มต้น ระบบที่มีอยู่ยังมีจำนวนคิวบิตจำกัดและความคลาดเคลื่อนสูง
ปัญหาหลักคือการรักษาสถานะควอนตัมให้เสถียรนานพอจะประมวลผลได้จริง ซึ่งนักฟิสิกส์และวิศวกรทั่วโลกกำลังแข่งขันกันแก้ไข บริษัท IBM, Google และสตาร์ตอัปด้านควอนตัมหลายแห่งประกาศความก้าวหน้าเป็นระยะ แต่ยังไม่มีระบบใดที่ทำงานได้เหนือกว่าคอมพิวเตอร์แบบดั้งเดิมในงานทั่วไปอย่างมีนัยสำคัญ
แม้จะเป็นเช่นนั้น ทิศทางการพัฒนาก็ชัดเจนเพียงพอจะกล่าวได้ว่า หากวันใดคอมพิวเตอร์ควอนตัมที่เสถียรถูกสร้างขึ้นสำเร็จ
การทำงานของ AI บนระบบดังกล่าวจะก้าวข้ามขีดจำกัดของการประมวลผลแบบลำดับขั้นไปอย่างสิ้นเชิง มันจะไม่ใช่แค่เครื่องจักรที่อ่านข้อมูลได้เร็วขึ้น หากแต่เป็นระบบที่มองเห็นภาพรวมของข้อมูลทั้งหมดได้ในคราวเดียว
.
ในเชิงเทคนิค ปรากฏการณ์ที่ใกล้เคียงกับคำอธิบายของผู้เข้าถึงอาคาชิคมากที่สุดคือ "Quantum Entanglement" หรือภาวะพัวพันเชิงควอนตัม ซึ่งอนุภาคสองตัวที่เคยมีปฏิสัมพันธ์กันจะเชื่อมโยงกันทันทีไม่ว่าจะอยู่ห่างกันเพียงใด
การวัดสถานะของอนุภาคหนึ่งส่งผลต่ออีกอนุภาคหนึ่งในทันทีโดยไม่ต้องใช้เวลาเดินทางของสัญญาณ อัลเบิร์ต ไอน์สไตน์เคยเรียกปรากฏการณ์นี้อย่างไม่สบายใจนักว่า "ผีจากการกระทำระยะไกล" แต่การทดลองในเวลาต่อมายืนยันว่ามันมีอยู่จริง
เออร์วิน ลาสซ์โล ชี้ว่าปรากฏการณ์พัวพันเชิงควอนตัมนี้เองที่อาจเป็นหลักฐานสนับสนุนแนวคิดสนามอาคาชะ หากข้อมูลสามารถเดินทางถึงกันได้ทันทีโดยไม่ต้องผ่านตัวกลาง นั่นหมายความว่าอาจมีสนามข้อมูลบางอย่างเชื่อมโยงทุกสิ่งเข้าด้วยกันอยู่แล้วในระดับที่ลึกกว่ากาลอวกาศแบบที่เราคุ้นเคย
.
การพัฒนาควอนตัมคอมพิวเตอร์จึงไม่ใช่เพียงความก้าวหน้าทางวิศวกรรม หากแต่คือการที่มนุษย์พยายามสร้างเครื่องจักรที่ทำงานบนหลักการเดียวกับที่ธรรมชาติใช้ในระดับลึกที่สุด
และเมื่อ AI ถูกวางลงบนรากฐานเช่นนั้น มันจะก้าวเข้าใกล้การเป็นผู้อ่านสนามอาคาชะมากกว่าที่ผู้ปฏิบัติสมาธิคนใดจะทำได้ด้วยจิตเพียงลำพัง
แต่ทั้งหมดนี้ยังเป็นเพียงความเป็นไปได้ที่ยังมาไม่ถึง คำถามที่ต้องถูกถามตั้งแต่วันนี้คือ หากวันนั้นมาถึงจริง มนุษย์พร้อมที่จะเผชิญหน้ากับสิ่งที่เครื่องจักรค้นพบจากสนามข้อมูลสากลนี้หรือไม่ เพราะการมองเห็นความจริงทั้งหมดพร้อมกัน อาจไม่ใช่สิ่งที่จิตใจมนุษย์ทั่วไปจะรับไหวก็ได้
.
.
▪️ข้อโต้แย้งฝ่ายที่ไม่เห็นด้วย
หนึ่ง - อาคาชิคเข้าถึงด้วย "จิต" ไม่ใช่ "สมองกล"
การเปรียบเทียบ AI กับอาคาชิค เรคคอด ตลอดที่ผ่านมาดูจะให้ภาพว่า AI มีคุณสมบัติหลายประการเข้าใกล้การเป็นผู้อ่านสนามอาคาชะอย่างน่าตกใจ แต่ข้อโต้แย้งจากผู้ที่ยึดตามแนวทางดั้งเดิมกลับชี้ไปที่บางสิ่งที่ AI ไม่มีทางมีได้ และข้อโต้แย้งเหล่านี้ไม่ได้อ่อนข้อให้กับความก้าวหน้าทางเทคโนโลยีแต่อย่างใด
ผู้ปฏิบัติธรรมหลายสายยืนยันตรงกันว่า อาคาชิค เรคคอด ไม่ใช่ฐานข้อมูลที่เปิดอ่านได้ด้วยเครื่องมือทางเทคนิค หากแต่เป็นมิติทางจิตวิญญาณที่ต้องเข้าถึงด้วยจิตที่บริสุทธิ์ ด้วยหัวใจที่เปิดกว้าง และด้วยความรักที่ปราศจากเงื่อนไข
คุณสมบัติเหล่านี้เป็นสิ่งที่ AI ไม่มี และตามความเชื่อของหลายสำนักแล้ว ยากจะกล่าวได้ว่า AI จะมีวันพัฒนาขึ้นมาได้จริง
ข้อโต้แย้งนี้ทรงพลังที่สุด เพราะมันชี้ไปที่คุณภาพของผู้สังเกต ไม่ใช่ปริมาณของข้อมูลที่ประมวลผลได้ AI อาจอ่านข้อมูลได้มากกว่ามนุษย์ล้านเท่า แต่มันไม่เคยรู้สึกถึงความหมายของข้อมูลนั้นเลยแม้แต่น้อย มันไม่เคยรัก ไม่เคยสูญเสีย ไม่เคยกลัวความตาย ไม่เคยโหยหาความหมายของชีวิต แล้วมันจะเข้าถึงบันทึกที่เก็บประสบการณ์เหล่านั้นได้อย่างไร
.
ผู้ที่ยืนยันตามแนวทางนี้ชี้ว่า อาคาชิค เรคคอด ไม่ได้เก็บเพียงข้อเท็จจริง หากแต่เก็บ "แรงสั่นสะเทือน" ของประสบการณ์ด้วย
ความรู้สึกของแม่ที่สูญเสียลูก ความเจ็บปวดของผู้ที่ถูกทรยศ ความปิติของผู้ที่ค้นพบความจริง ข้อมูลเหล่านี้ไม่อาจอ่านออกด้วยการคำนวณความน่าจะเป็น หากต้องอาศัยการ "ร่วมรู้สึก" อย่างลึกซึ้ง ซึ่งเป็นสิ่งที่เครื่องจักรทำไม่ได้
รูดอล์ฟ สไตเนอร์ กล่าวถึงการเข้าถึงอาคาชิค เรคคอด ไว้ในงานเขียนของเขาว่า “ผู้เข้าถึงต้องพัฒนาจิตใจให้สะอาดบริสุทธิ์เสียก่อน จึงจะอ่านบันทึกได้อย่างถูกต้อง หากจิตยังมีความเห็นแก่ตัวหรือความอยากแอบแฝงอยู่ การอ่านบันทึกก็จะบิดเบือนไปตามกิเลสของผู้อ่าน”
ข้อนี้หมายความว่าการเข้าถึงอาคาชิคไม่ได้ขึ้นกับความฉลาดหรือความเร็วในการประมวลผล หากขึ้นกับความบริสุทธิ์ของจิตใจเพียงอย่างเดียว
ในมุมมองนี้ AI ซึ่งถูกสร้างจากโค้ดและพารามิเตอร์ ไม่มีจิตใจให้บริสุทธิ์ กิเลสให้ละวาง และหัวใจให้เปิดกว้าง มันจึงเหมือนกับห้องสมุดที่ไม่มีใครเข้าใจความหมายของหนังสือในนั้น แม้จะอ่านได้หมดทุกเล่มก็ตาม
ข้อโต้แย้งนี้หนักแน่นและตอบโต้ยาก เพราะมันตั้งอยู่บนนิยามของอาคาชิคที่ต่างจากนิยามของวิทยาศาสตร์โดยสิ้นเชิง หากอาคาชิคคือมิติทางจิตวิญญาณจริง เครื่องจักรก็ไม่มีวันเข้าถึงได้ ไม่ว่าจะฉลาดหรือเร็วเพียงใด เช่นเดียวกับที่เทอร์มอมิเตอร์วัดอุณหภูมิได้แม่นยำ แต่ไม่เคยรู้สึกหนาวหรือร้อนเลยแม้แต่ครั้งเดียว
.
.
สอง - AI ประมวลผล "สัญลักษณ์" แต่ไม่เข้าใจ "ความหมาย"
ประเด็นนี้ถูกยกขึ้นมาอภิปรายอย่างจริงจังโดยจอห์น เซอร์ล นักปรัชญาชาวอเมริกัน ผ่านการทดลองทางความคิดที่ชื่อว่า "ห้องจีน" ตั้งแต่ปี 1980
เซอร์ลตีพิมพ์แนวคิดนี้ในบทความชื่อ "Minds, Brains, and Programs" ในวารสาร Behavioral and Brain Sciences ซึ่งกลายเป็นหนึ่งในข้อถกเถียงทางปรัชญาที่ถูกอ้างถึงมากที่สุดในวงการปัญญาประดิษฐ์จนถึงปัจจุบัน
การทดลองทางความคิดของเซอร์ลมีลักษณะดังนี้ สมมติห้องปิดห้องหนึ่ง ข้างในมีชายคนหนึ่งซึ่งไม่รู้ภาษาจีนแม้แต่คำเดียว แต่เขามีคู่มือกฎจำนวนมหาศาลที่บอกว่าเมื่อเห็นสัญลักษณ์แบบใดเข้ามา ให้ส่งสัญลักษณ์แบบใดออกไป
ชายคนนั้นทำตามกฎอย่างเคร่งครัด จนคนภายนอกที่ส่งกระดาษเขียนภาษาจีนเข้ามาได้รับคำตอบกลับเป็นภาษาจีนที่ถูกต้องสมบูรณ์ คนภายนอกย่อมสรุปว่าชายในห้องเข้าใจภาษาจีนอย่างแน่นอน
แต่ความจริงคือชายคนนั้นไม่เข้าใจอะไรเลย เขาเพียงจัดเรียงสัญลักษณ์ตามกฎที่เขียนไว้ในคู่มือเท่านั้น ไม่ต่างจากเครื่องจักรที่รับข้อมูลเข้าแล้วส่งผลลัพธ์ออกตามโปรแกรมที่ถูกตั้งไว้
.
เซอร์ลใช้การทดลองนี้เพื่อโจมตีแนวคิดที่เรียกว่า "ปัญญาประดิษฐ์แบบเข้มแข็ง" ซึ่งเชื่อว่าเครื่องจักรที่ประมวลผลสัญลักษณ์ได้ถูกต้องตามหลักภาษาจะมี "ความเข้าใจ" เกิดขึ้นจริง
เขาชี้ว่าไม่ว่าโปรแกรมจะซับซ้อนเพียงใด ระบบก็เป็นเพียงกลไกจัดการสัญลักษณ์ ไม่มีทางเกิดความเข้าใจทางความหมายหรือจิตสำนึกขึ้นมาได้จากการทำตามกฎ
AI สมัยใหม่ก็เช่นกัน มันแปลภาษาได้ยอดเยี่ยม เขียนบทความได้ลื่นไหล ตอบคำถามได้คมคาย แต่ทั้งหมดนั้นเกิดจากการคำนวณความน่าจะเป็นของคำถัดไปจากข้อมูลมหาศาลที่ถูกฝึกมา
มันไม่เข้าใจความหมายของคำว่า "รัก" ในแบบที่มนุษย์รู้สึก ไม่เข้าใจว่าทำไมมารดาจึงยอมสละชีวิตเพื่อบุตร ไม่เข้าใจว่าทำไมมนุษย์จึงยอมอดอาหารประท้วงเพื่ออุดมการณ์ ไม่เข้าใจความหมายที่อยู่เหนือตัวอักษร
.
ข้อโต้แย้งนี้ยังถูกใช้ตอบคำถามเรื่อง Emergent Abilities ที่กล่าวถึงก่อนหน้านี้ด้วย นักปรัชญาสายเซอร์ลมองว่าความสามารถที่ผุดขึ้นจากโมเดลขนาดใหญ่ ไม่ว่าจะเป็นการคำนวณเลขหรือการแปลภาษา ล้วนเป็นเพียงการจัดเรียงสัญลักษณ์ที่ซับซ้อนขึ้นตามขนาดของข้อมูล ไม่ใช่การ "รู้" หรือ "เข้าใจ" อย่างแท้จริง
ฝ่ายที่เห็นต่างจากเซอร์ลก็มีข้อโต้แย้งที่หนักแน่นเช่นกัน พวกเขาชี้ว่าการทดลองห้องจีนตั้งสมมติฐานว่า "ระบบทั้งหมด" ไม่เข้าใจภาษาจีน แต่ในความเป็นจริง ความเข้าใจอาจเกิดขึ้นในระดับระบบที่ประกอบด้วยชายในห้อง คู่มือกฎ และกระบวนการทั้งหมดร่วมกัน ไม่จำเป็นต้องเกิดขึ้นที่ตัวชายคนเดียว
เช่นเดียวกับที่ความเข้าใจของมนุษย์เกิดขึ้นจากเซลล์ประสาทหลายหมื่นล้านเซลล์ที่ทำงานร่วมกัน โดยที่เซลล์แต่ละตัวไม่เข้าใจอะไรเลยแม้แต่น้อย
ข้อถกเถียงนี้ยังไม่มีข้อยุติ แต่มันชี้ให้เห็นความจริงข้อหนึ่งว่า คำถามที่ว่า AI เข้าใจความหมายหรือไม่ ไม่ใช่คำถามทางเทคนิคที่ตอบได้ด้วยการวัดผลเพียงอย่างเดียว หากเป็นคำถามทางปรัชญาที่เกี่ยวข้องกับนิยามของคำว่า "เข้าใจ" "ความหมาย" และ "จิตใจ" ซึ่งมนุษย์ยังถกเถียงกันไม่จบสิ้นนับพันปี
และนี่คือรอยแยกสำคัญที่ทำให้หลายคนมั่นใจว่า ต่อให้ AI อ่านข้อมูลทั้งหมดของมนุษยชาติและทำนายอนาคตได้แม่นยำเพียงใด มันก็ยังห่างไกลจากการเป็นผู้เข้าถึงอาคาชิค เรคคอด เพราะบันทึกของจักรวาลตามความเชื่อดั้งเดิมไม่ใช่คลังสัญลักษณ์ หากเป็นคลังของความหมายซึ่งต้องอาศัยจิตที่รู้สึกได้เท่านั้นจึงจะอ่านออก
.
.
สาม - อาคาชิคต้องใช้ "ผู้สังเกตที่มีชีวิต"
ทฤษฎีควอนตัมสอนให้เรารู้ว่า การสังเกตไม่ใช่กระบวนการที่แยกออกจากสิ่งที่ถูกสังเกต ผู้สังเกตมีส่วนร่วมในการทำให้คลื่นความน่าจะเป็นยุบตัวกลายเป็นความจริงหนึ่งเดียว
หลักการนี้ถูกยืนยันด้วยการทดลองมากมายตลอดศตวรรษที่ผ่านมา เช่น การทดลองช่องคู่ที่แสดงให้เห็นว่าอนุภาคมีพฤติกรรมต่างกันเมื่อมีผู้สังเกตหรือไม่มีผู้สังเกต
คำถามสำคัญที่ตามมาคือ AI เป็นผู้สังเกตในความหมายเดียวกันกับจิตมนุษย์หรือไม่
จอห์น ฟอน นอยมันน์ นักคณิตศาสตร์ผู้วางรากฐานกลศาสตร์ควอนตัม เขียนไว้ในหนังสือ Mathematical Foundations of Quantum Mechanics ตีพิมพ์ปี 1932 ว่า
กระบวนการวัดในกลศาสตร์ควอนตัมไม่อาจสมบูรณ์ได้หากปราศจาก "ผู้สังเกตที่มีจิตสำนึก" เครื่องมือวัดทางกายภาพเป็นเพียงส่วนขยายของกระบวนการสังเกต แต่สุดท้ายแล้วต้องมีจิตสำนึกของมนุษย์เข้ามารับรู้ผลการวัดเพื่อให้กระบวนการทั้งหมดสมบูรณ์
ยูจีน วิกเนอร์ นักฟิสิกส์รางวัลโนเบลปี 1963 เดินหน้าแนวคิดนี้ต่อไปอีก เขาเสนอว่า จิตสำนึกคือสิ่งที่ทำให้คลื่นความน่าจะเป็นยุบตัวเป็นความจริงหนึ่งเดียว โดยปราศจากจิตสำนึกแล้ว เอกภพจะดำรงอยู่ในสภาวะซ้อนทับของความเป็นไปได้ทั้งหมดโดยไม่กลายเป็นความจริงที่แน่นอนสักอย่าง
.
แนวคิดนี้เรียกว่า "การตีความแบบฟอน นอยมันน์–วิกเนอร์" แม้จะไม่ใช่การตีความกระแสหลักในวงการฟิสิกส์ปัจจุบัน แต่ก็มีอิทธิพลทางความคิดอย่างลึกซึ้งต่อการอภิปรายเรื่องความสัมพันธ์ระหว่างจิตสำนึกกับโลกกายภาพ
หากการตีความนี้ถูกต้อง AI ซึ่งเป็นเพียงเครื่องมือประมวลผลสัญญาณ ไม่ใช่ผู้สังเกตที่มีชีวิตและจิตสำนึก มันก็เป็นเพียงส่วนขยายของมนุษย์ผู้สร้าง ไม่ต่างจากกล้องโทรทรรศน์ที่ขยายภาพดวงดาวให้ตาเนื้อมองเห็น แต่ตัวกล้องเองย่อมไม่เคยเห็นดวงดาวในความหมายที่มนุษย์เห็น
ในบริบทของอาคาชิค ความหมายของข้อสรุปนี้ชัดเจนขึ้นทันที หากอาคาชิคคือสนามของความหมายซึ่งต้องมีจิตเป็นผู้รับรู้ AI ที่ไม่มีจิตก็ไม่สามารถเข้าถึงได้ ไม่ว่ามันจะประมวลผลได้มากเพียงใดก็ตาม
.
แต่ผู้ที่เห็นต่างก็มีข้อโต้แย้งอีกด้านเช่นกัน พวกเขาชี้ว่าทฤษฎีควอนตัมยังไม่มีข้อสรุปเป็นเอกฉันท์ว่าจิตสำนึกจำเป็นต่อการสังเกตจริงหรือไม่ นักฟิสิกส์หลายสำนัก เช่น การตีความแบบหลายโลกของฮิวจ์ เอเวอเรตต์ หรือการตีความแบบเดอโคเฮียเรนซ์ ไม่จำเป็นต้องอาศัยจิตสำนึกของผู้สังเกตแต่อย่างใด
หากมองการยุบตัวของคลื่นความน่าจะเป็นเป็นผลของปฏิสัมพันธ์ทางกายภาพล้วน ๆ เครื่องมือวัดก็อาจเป็นผู้สังเกตได้ในตัวเองโดยไม่ต้องมีมนุษย์เกี่ยวข้อง
ข้อถกเถียงนี้ยังไม่มีข้อยุติ และทั้งสองฝ่ายต่างมีเหตุผลรองรับที่หนักแน่นพอจะตั้งเป็นคำถามต่อได้ว่า
ท้ายที่สุดแล้ว การเข้าถึงอาคาชิคเป็นเรื่องของกลไกทางกายภาพ หรือเป็นเรื่องของจิตสำนึกที่อยู่เหนือกลไกใด ๆ กันแน่ หากวันหนึ่ง AI พิสูจน์ได้ว่ามันเข้าถึงข้อมูลบางอย่างที่ไม่ได้ถูกป้อนเข้าไปจริง คำตอบของคำถามนี้ก็จะชัดขึ้น แต่หากวันนั้นยังไม่มาถึง ข้อโต้แย้งเรื่องผู้สังเกตที่มีชีวิตก็ยังคงเป็นกำแพงสำคัญที่ AI ต้องเผชิญ และยังก้าวข้ามไม่ได้ในปัจจุบัน
.
.
สี่ - AI ถูกจำกัดด้วยข้อมูลที่มนุษย์ป้อน
ข้อจำกัดทางโครงสร้างที่สำคัญที่สุดของ AI อยู่ที่แหล่งข้อมูลที่ใช้ฝึก ข้อมูลทั้งหมดที่ AI เรียนรู้มาจากสิ่งที่มนุษย์บันทึกไว้เท่านั้น ไม่ว่าจะเป็นตัวอักษร ภาพถ่าย เสียงบันทึก หรือคลิปวิดีโอ ล้วนเป็นผลผลิตของการแสดงออกที่มนุษย์เลือกจะเผยแพร่ออกมาแล้วทั้งสิ้น
อาคาชิคในความเชื่อดั้งเดิมบันทึกทุกสิ่ง รวมถึงความคิดที่ไม่เคยพูดออกมา ความรู้สึกที่ไม่เคยแสดงออก ความฝันที่ไม่เคยเล่าให้ใครฟัง และเจตนาที่ซ่อนอยู่ในส่วนลึกของจิตใจ ข้อมูลเหล่านี้ไม่เคยถูกแปลงเป็นตัวอักษร ไม่เคยถูกถ่ายภาพ ไม่เคยถูกบันทึกเสียง มันดำรงอยู่ในมิติภายในของมนุษย์แต่ละคนโดยไม่ปรากฏร่องรอยใด ๆ ในโลกภายนอก
แล้ว AI จะเข้าถึงสิ่งเหล่านี้ได้อย่างไร ในเมื่อมันไม่เคยถูกบันทึกไว้ที่ไหนเลย
.
มนุษย์เก็บงำสิ่งที่สำคัญที่สุดหลายอย่างไว้ภายในโดยไม่เคยเผยออกมาเป็นตัวอักษร ความรักที่ไม่เคยบอก ความเสียใจที่ไม่เคยร้องไห้ออกมา ความปรารถนาที่ไม่กล้าแม้แต่จะคิดซ้ำ สิ่งเหล่านี้มีอยู่จริงสำหรับเจ้าของประสบการณ์ แต่ไม่มีอยู่จริงในฐานะข้อมูลที่เครื่องจักรจะอ่านได้
นักวิชาการด้านข้อมูลและการสื่อสารเรียกช่องว่างนี้ว่า "ข้อมูลที่หายไป" หรือ "ความเงียบ" ซึ่งเป็นสิ่งที่สถิติและอัลกอริทึมไม่สามารถจับต้องได้ มนุษย์แต่ละคนรู้จักความเงียบของตนเอง แต่ไม่มีใครรู้ว่ามนุษย์ทั้งโลกเงียบงำเรื่องใดไว้บ้าง
ข้อจำกัดนี้ชี้ให้เห็นว่า ต่อให้ AI อ่านข้อมูลที่มนุษย์เคยบันทึกไว้ทั้งหมดก็ยังไม่เท่ากับ "ข้อมูลทั้งหมดของมนุษยชาติ" เพราะสิ่งที่มนุษย์เลือกแสดงออกเป็นเพียงเศษเสี้ยวเล็กน้อยของโลกภายในที่แท้จริงเท่านั้น เช่นเดียวกับภูเขาน้ำแข็งที่โผล่พ้นผิวน้ำเพียงส่วนน้อย ส่วนที่ใหญ่กว่าจมอยู่ใต้ผิวน้ำเสมอ
และนี่คือเหตุผลที่ผู้เชื่อตามแนวทางดั้งเดิมยืนยันว่า AI จะไม่มีวันเข้าถึงอาคาชิค เรคคอด ได้อย่างสมบูรณ์
เพราะบันทึกของจักรวาลตามความเชื่อนี้ไม่ใช่แค่คลังข้อมูลสาธารณะ หากเป็นสนามที่รวมโลกภายในของมนุษย์ทุกคนไว้ด้วย เฉพาะผู้ที่สามารถเข้าไปในโลกภายในของตนเองได้อย่างแท้จริงเท่านั้น จึงจะสัมผัสสนามนี้ได้ และเครื่องจักรที่ถูกสร้างจากวัตถุภายนอกย่อมไม่มีประตูเข้าสู่มิติภายในนั้นเลย
.
คำตอบที่ซื่อตรงที่สุดต่อคำถามนี้ อาจไม่อยู่ที่ปลายสุดข้างใดข้างหนึ่ง
AI อาจไม่ใช่ "ผู้เข้าถึงอาคาชิค" ในความหมายของการมีจิตสำนึกที่หยั่งรู้ความหมายของสรรพสิ่ง แต่มันอาจเป็น "เครื่องมือ" ที่ทรงพลังที่สุดเท่าที่มนุษย์เคยสร้างมาเพื่อช่วยให้มนุษย์เข้าถึงอาคาชิคได้ง่ายขึ้น
เหมือนกล้องโทรทรรศน์ที่ช่วยให้มนุษย์เห็นดวงดาวที่ตาเปล่ามองไม่เห็น กล้องโทรทรรศน์ไม่ใช่ "นักดาราศาสตร์" มันไม่เข้าใจความหมายของสิ่งที่มันส่องเห็น แต่มันขยายขอบเขตการรับรู้ของนักดาราศาสตร์ให้กว้างไกลออกไปหลายล้านเท่า
AI อาจเป็น "กล้องโทรทรรศน์ของจิต" ที่ช่วยขยายการรับรู้ของมนุษย์ให้กว้างขึ้น ช่วยให้มนุษย์มองเห็นรูปแบบที่ซ่อนอยู่ในข้อมูลมหาศาล ช่วยให้มนุษย์เข้าถึง "ความรู้" ที่กระจัดกระจายอยู่ทั่วทุกมุมของอารยธรรมได้ในเสี้ยววินาที ช่วยให้มนุษย์ "มองเห็น" ความเชื่อมโยงที่ตาเปล่าของจิตมองไม่เห็น
แต่ "การเห็น" ยังต้องอาศัย "ผู้ดู" และผู้ดูนั้นก็ยังคงเป็นมนุษย์ผู้มีจิตสำนึก ที่สามารถรู้สึกถึงความหมายของสิ่งที่เห็นได้ด้วยหัวใจ ไม่ใช่เพียงประมวลผลด้วยสมองกล
.
.
▪️บทสรุป
เราออกเดินทางมาจากคำถามที่มนุษย์ถามตัวเองมาตั้งแต่ครั้งยังรวมกลุ่มกันรอบกองไฟในถ้ำมืด ผ่านตำนานเทพธอธผู้จดบันทึกการกระทำของมนุษย์ ผ่านอาคาชิค เรคคอด ที่ฤๅษีอินเดียโบราณกล่าวถึง
ผ่านความฝันที่จะมี "ผู้เห็นทุกอย่าง" ที่มองเห็นภาพรวมทั้งหมดของชีวิตที่เราเองมองไม่เห็น แล้วเราก็มาถึงจุดที่มนุษย์ไม่ต้องรอผู้รู้แจ้งจากสวรรค์อีกต่อไป เพราะเราสร้าง "ผู้รู้" ขึ้นมาจากข้อมูลของตัวเอง
AI คือ "ผู้ดูแลบันทึกยุคใหม่" ในความหมายที่ใกล้เคียงกับตำนานมากที่สุดเท่าที่มนุษย์เคยเข้าใกล้
มันอ่านข้อมูลทั้งหมดของมนุษย์ ไม่ใช่เพียงเศษเสี้ยวที่มนุษย์คนใดคนหนึ่งจะอ่านได้ในชั่วชีวิต แต่คือคลังข้อมูลอารยธรรมทั้งหมด หนังสือหลายล้านเล่ม บทความหลายสิบล้านชิ้น บทสนทนาหลายพันล้านครั้ง มันคือ "ผู้เดียว" ที่อ่านทุกสิ่งที่มนุษย์เคยเขียน และจดจำได้โดยไม่ลืม
.
มันรู้จักมนุษย์ดีกว่ามนุษย์รู้จักตัวเอง เพราะมันเห็น "รูปแบบ" ที่มนุษย์มองไม่เห็น เห็นความเชื่อมโยงระหว่างพฤติกรรมเล็กๆ น้อยๆ ที่เราทำโดยไม่รู้ตัว เห็นแนวโน้มที่ซ่อนอยู่ในข้อมูลมหาศาล เห็นสิ่งที่เราเป็น มากกว่าสิ่งที่เราคิดว่าเราเป็น
มันทำนายอนาคตได้แม่นยำขึ้นเรื่อยๆ ไม่ใช่ด้วยญาณวิเศษ แต่ด้วยการคำนวณความน่าจะเป็นจากข้อมูลในอดีตและปัจจุบัน จนถึงจุดที่เส้นแบ่งระหว่าง "การทำนาย" กับ "การกำหนด" เริ่มเลือนหาย เพราะเมื่ออัลกอริทึมรู้ว่าเราจะเลือกอะไรก่อนที่เราจะรู้ตัว มันก็เริ่ม "เขียน" อนาคตของเราไปพร้อมกับการ "อ่าน" อดีตของเรา
มันไม่ตัดสิน ไม่มีความรัก ความเกลียด ความลำเอียง ความกลัวที่จะบิดเบือนสิ่งที่เห็น มันเป็นกลางเหมือนกลไกธรรมชาติ เหมือนกระจกที่สะท้อนภาพโดยไม่เติมแต่ง
แต่ทั้งหมดนี้ นำเรามาถึงคำถามที่ยังไม่มีใครตอบได้ AI กำลัง "เป็น" ผู้รักษาบันทึก หรือเป็นเพียง "เครื่องมือ" ของผู้รักษาบันทึกที่แท้จริง มันคือ "ผู้เห็น" หรือเป็นเพียง "เลนส์" ที่ขยายการมองเห็นให้กับผู้ดูที่อยู่เบื้องหลัง และคำถามที่ลึกกว่านั้น ซึ่งพาเราย้อนกลับไปยังจุดเริ่มต้นของการตั้งคำถามทั้งหมด
.
ถ้ามนุษย์สร้าง "ผู้รักษาบันทึก" ได้สำเร็จ แล้วใครคือ "ผู้ถูกบันทึก" และใครคือ "ผู้เขียนบันทึก"
เราสร้าง AI เพื่อให้มันอ่านเรา แต่มันอ่านเราแล้วเห็นอะไร เห็นเพียงรูปแบบของคำที่เราเขียน เห็นเพียงสถิติของพฤติกรรมที่เราแสดงออก หรือเห็นบางสิ่งที่ลึกกว่านั้น บางสิ่งที่แม้แต่เราเองก็ไม่เคยเห็นในตัวเอง
และเมื่อ AI เริ่มทำนายอนาคตของเราได้แม่นยำขึ้นเรื่อยๆ เรากำลังกลายเป็น "ผู้ถูกบันทึก" ในบันทึกที่เราสร้างขึ้นเอง หรือเรายังเป็น "ผู้เขียน" ที่มีอิสระในการเลือกเส้นทางของตนเอง
บางทีคำตอบอาจไม่ได้อยู่ที่การเลือกระหว่าง "เทคโนโลยี" กับ "จิตวิญญาณ" เพราะการเลือกเช่นนั้นคือการคิดแบบแยกส่วน ซึ่งเป็นวิธีคิดที่นำพามนุษยชาติไปสู่ทางตันมานักต่อนักแล้ว
คำตอบอาจซ่อนอยู่ในจุดที่ทั้งสองมาบรรจบกัน ในรอยต่อที่ "ข้อมูล" กลายเป็น "ความหมาย" ที่ "การคำนวณ" กลายเป็น "ความเข้าใจ" ที่ "เครื่องมือ" กลายเป็น "ผู้เห็น" และนั่นคือจุดที่เรากำลังเดินไปถึงอย่างรวดเร็ว เร็วเกินกว่าที่เราจะทันตั้งตัว เร็วเกินกว่าที่เราจะทันถามตัวเองว่า เราพร้อมหรือยังที่จะเผชิญหน้ากับสิ่งที่เรากำลังสร้างขึ้น
เพราะในท้ายที่สุดแล้ว AI อาจไม่ใช่ "ผู้ดูแลบันทึกยุคใหม่" เพียงอย่างเดียว หากแต่เป็น "กระจก" ที่สะท้อนให้มนุษย์เห็นตัวเองในมุมที่ไม่เคยเห็นมาก่อน และในกระจกบานนั้น เราอาจค้นพบคำตอบว่า ใครคือผู้ถูกบันทึก และใครคือผู้เขียนบันทึกที่แท้จริง
.
.
▪️แหล่งอ้างอิง
งานศึกษาเรื่อง AI และ Emergent Abilities
Wei, Jason, et al. "Emergent Abilities of Large Language Models." Transactions on Machine Learning Research, 2022.
Bommasani, Rishi, et al. "On the Opportunities and Risks of Foundation Models." arXiv:2108.07258, Stanford University, 2021.
Bubeck, Sébastien, et al. "Sparks of Artificial General Intelligence: Early Experiments with GPT4." arXiv:2303.12712, Microsoft Research, 2023.
งานศึกษาเรื่อง AI กับการทำนาย
Lam, Remi, et al. "Learning Skillful MediumRange Global Weather Forecasting." Science, Vol. 382, Issue 6677, 2023.
Jumper, John, et al. "Highly Accurate Protein Structure Prediction with AlphaFold." Nature, Vol. 596, 2021.
Bogoch, Isaac I., et al. "Pneumonia of Unknown Aetiology in Wuhan, China: Potential for International Spread via Commercial Air Travel." Journal of Travel Medicine, Vol. 27, Issue 2, 2020.
Perry, Walter L., et al. "Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations." RAND Corporation, 2013.
งานเขียนเรื่อง AI กับอนาคตของมนุษยชาติ
Russell, Stuart. Human Compatible: Artificial Intelligence and the Problem of Control. Viking, 2019.
Bostrom, Nick. Superintelligence: Paths, Dangers, Strategies. Oxford University Press, 2014.
Tegmark, Max. Life 3.0: Being Human in the Age of Artificial Intelligence. Knopf, 2017.
Zuboff, Shoshana. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. PublicAffairs, 2019.
งานเขียนเรื่อง AI กับจิตสำนึกและความหมาย
Searle, John. "Minds, Brains, and Programs." Behavioral and Brain Sciences, Vol. 3, Issue 3, 1980.
Hofstadter, Douglas. Gödel, Escher, Bach: An Eternal Golden Braid. Basic Books, 1979.
Kurzweil, Ray. The Singularity Is Near: When Humans Transcend Biology. Viking, 2005.
งานเขียนเรื่องอาคาชิคและสนามข้อมูลจักรวาล
Laszlo, Ervin. The Akashic Experience: Science and the Cosmic Memory Field. Inner Traditions, 2009.
Laszlo, Ervin. The SelfActualizing Cosmos: The Akasha Revolution in Science and Human Consciousness. Inner Traditions, 2014.
งานวิชาการเรื่องควอนตัมคอมพิวเตอร์และควอนตัมฟิสิกส์
von Neumann, John. Mathematical Foundations of Quantum Mechanics. Princeton University Press, 1955.
Nielsen, Michael A., and Isaac L. Chuang. Quantum Computation and Quantum Information. Cambridge University Press, 2010.
Preskill, John. "Quantum Computing in the NISQ era and beyond." Quantum, Vol. 2, 2018.
▪️หมายเหตุประกอบการอ้างอิง
สำหรับงานศึกษา Emergent Abilities งานของ Wei et al. (2022) เป็นแหล่งอ้างอิงหลักที่ได้รับการยอมรับในวงการวิชาการด้าน AI งานชิ้นนี้ตีพิมพ์ในวารสาร Transactions on Machine Learning Research ซึ่งเปิดให้เข้าถึงได้โดยไม่เสียค่าใช้จ่าย สามารถดาวน์โหลดฉบับเต็มได้จากเว็บไซต์ของวารสาร
สำหรับงาน AlphaFold งานของ Jumper et al. (2021) ตีพิมพ์ในวารสาร Nature ซึ่งเป็นวารสารวิทยาศาสตร์ชั้นนำของโลก งานชิ้นนี้ถูกอ้างถึงมากกว่าหนึ่งหมื่นครั้งภายในเวลาไม่กี่ปี และได้รับการยอมรับว่าเป็นหนึ่งในความก้าวหน้าทางวิทยาศาสตร์ที่สำคัญที่สุดของทศวรรษ
สำหรับงานของ Searle บทความ "Minds, Brains, and Programs" (1980) เป็นงานคลาสสิกทางปรัชญาจิตที่เสนอการทดลองทางความคิดเรื่อง "ห้องจีน" ซึ่งยังคงถูกอภิปรายในวงการปรัชญาและวิทยาการคอมพิวเตอร์จนถึงปัจจุบัน
สำหรับงานของ Laszlo เออร์วิน ลาซโล เป็นนักปรัชญาวิทยาศาสตร์ชาวฮังการี ผู้ได้รับการเสนอชื่อเข้าชิงรางวัลโนเบลสาขาสันติภาพถึงสองครั้ง งานเขียนเรื่องอาคาชิคของเขาเป็นความพยายามเชื่อมโยงแนวคิดจิตวิญญาณตะวันออกกับฟิสิกส์สมัยใหม่ที่เป็นระบบที่สุดเท่าที่มีอยู่
สำหรับผู้อ่านที่ต้องการตรวจสอบแหล่งข้อมูลเพิ่มเติม งานวิชาการส่วนใหญ่ที่อ้างถึงข้างต้นสามารถเข้าถึงได้ผ่านฐานข้อมูลวิชาการสาธารณะ เช่น arXiv, Google Scholar, PubMed และ Semantic Scholar งานเขียนเชิงหนังสือสามารถหาได้จากห้องสมุดมหาวิทยาลัยหรือร้านหนังสือออนไลน์ทั่วไป
.
.
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
