เดือนมีนาคม 2016 ถือเป็นวาระสำคัญที่ต้องจดจำของผู้ที่เกี่ยวข้องในแวดวง “ปัญญาประดิษฐ์” หรือ “อาร์ทิฟิเชียล อินเทลลิเจนซ์-เอไอ” ทุกคน
เพราะนั่นเป็นเวลาที่ “อัลฟาโกะ” โปรแกรมคอมพิวเตอร์ที่ทีม “กูเกิล ดีพไมนด์” สามารถเอาชนะ ปรมาจารย์โกะระดับ 9 ดั้งชาวเกาหลีใต้อย่าง “ลี เซโดล” ในเกมโกะได้สำเร็จ 4-1 ในแมตช์ที่มีเงิน 1 ล้านดอลลาร์เป็นเดิมพัน
เป็นการยืนยันซ้ำอีกครั้งว่าคอมพิวเตอร์สามารถเอาชนะมนุษย์ได้ในเกมที่จำเป็นต้องใช้ความคิด สามารถพลิกแพลงได้ร้อยเปลี่ยนพันแปลง เลือกตำแหน่งวางเม็ดและเคลื่อนย้ายได้นับไม่ถ้วน
เมื่อปี 1996 ไอบีเอ็มพัฒนา “ดีพบลู” ขึ้นมาให้เต็มไปด้วยความสามารถในการพลิกแพลงเกมหมากรุก เกมใช้ความคิดวางกลยุทธ์ทำนองเดียวกันกับโกะ แล้วท้าทายแชมป์หมากรุกโลกในเวลานั้นคือ แกร์รี คาสปารอฟ ชาวรัสเซียมาดวลกันใน 6 กระดาน
คาสปารอฟ เอาชนะได้ 3 กระดาน เสมอกัน 2 กระดาน และแพ้ 1 กระดาน
“ดีพบลู” กลับมาท้าดวลแก้มืออีกครั้งใน 1 ปีให้หลัง แล้วเอาชนะได้ 3-1/2 ต่อ 2-1/2 สร้างประวัติศาสตร์เครื่องจักรกลที่ “คิด” ชนะมนุษย์ได้เป็นครั้งแรก
ชัยชนะของ “อัลฟาโกะ” หมดจดกว่า ชัดเจนกว่า ชนิดที่จนบัดนี้ ลี เซโดล ยังไม่คิดที่จะหาหนทาง “แก้มือ” แต่อย่างใด สะท้อนให้เห็นถึงความรุดหน้าของการพัฒนาการคิดเลียนแบบสมองของคนเราเพื่อติดตั้งให้กับเครื่องจักรกล เปลี่ยนเครื่องจักรไร้ชีวิตจิตใจ ให้มี “สมอง” สามารถคิดและแก้ไขปัญหาเฉพาะหน้าได้มากขึ้นและดีขึ้นตามกาลเวลาที่ผ่านไป
ในการเล่นโกะ ผู้เล่นสามารถเลือกเคลื่อนหรือเดินหมากได้มากถึง 250 ตำแหน่งในการเดินแต่ละตา และโดยทั่วไปแล้วมักเคลื่อนกัน 150 ครั้ง/เกม ดังนั้นความเป็นไปได้ของการเคลื่อนที่จึงมีมากถึง 250 ยกกำลัง 150 หรือ 10 ยกกำลัง 360 แบบ ให้เลือกว่าจะเคลื่อนหมากแบบใดจึงสามารถกดดันและเอาชนะคู่ต่อสู้ได้ในที่สุด
เบื้องหลังชัยชนะของ “อัลฟาโกะ” คือ ซีพียู 48 ตัวที่ร่วมกันทำหน้าที่เป็นหน่วยประมวลผลกลางจีพียู สำหรับประมวลผลกราฟิก 3 มิติ อีก 8 ตัว ที่เป็นหัวใจในส่วนของฮาร์ดแวร์
ในส่วนของซอฟต์แวร์ ที่สำคัญยิ่งยวด คือ “เครือข่ายประสาท” หรือ “นิวรัล เน็ตเวิร์กส์” ที่ทำงานโดยการจำลองมาจากระบบประสาทของสมองชีวภาพ เชื่อมโยงซึ่งกันและกันเป็นชั้นของประสาทเซอร์กิต 13 ชั้นที่เริ่มต้นด้วยความว่างเปล่า ไม่มีแม้แต่องค์ความรู้ว่า โกะคืออะไร
แต่มันถูก “ฝึก” ให้เรียนรู้และจดจำตำแหน่งของหมากโกะบนกระดานในรูปแบบต่างๆ มากถึง 30 ล้านตำแหน่งจากเกมโกะที่เล่นกันจริงๆ 160,000 เกม แต่ละตำแหน่งจะถูกเปรียบเทียบกับการเดินหมากของผู้เล่น เพื่อฝึกให้มันเรียนรู้ที่จะเลือกการเดินที่ “ดีกว่าเดิม” ในครั้งต่อไป
การฝึกขั้นต่อมาเป็นการ “บังคับให้เรียนรู้” ด้วยการจัดการให้มัน “เล่น” วิดีโอเกมของอาตาริมากถึง 2,600 เกม ในแต่ละเกมที่เล่นมันสามารถมองเห็น “จอ” เหมือนกับที่คนเห็น และมีคำสั่งจากส่วนประสาทของมันสำหรับใช้บังคับจอยสติกและอื่นๆ โดยมีข้อแม้เพียงอย่างเดียว นั่นคือ ต้องทำคะแนนแต่ละเกมให้ได้สูงสุด
สุดท้ายคือการสอนให้มันเรียนรู้ “คุณค่า” เพื่อให้สามารถเปรียบเทียบได้ระหว่างการวางหมากไปจุดหนึ่งกับอีกจุด ว่าอันไหนกันที่ดีกว่าและมีค่ากับเกมมากกว่า
ประเด็นก็คือ ถ้า “อัลฟาโกะ” ทำอย่างนี้ได้ มีอะไรอีกไหมที่ปัญญาประดิษฐ์ทำไม่ได้?
ตลอดปีที่ผ่านมา พัฒนาการของปัญญาประดิษฐ์แสดงผลของมันออกมาให้เราเห็นมากขึ้นเรื่อยๆ ไม่ว่าเราจะรู้หรือไม่ก็ตาม บริษัทอย่าง กูเกิล อเมซอน แอปเปิล และเฟซบุ๊ก ช่วยให้เราคุ้นเคยกับคำว่า เอไอมากขึ้นเรื่อยๆ ในหลายแบบหลายทาง ตัวอย่างที่ง่ายที่สุดและใกล้ตัวที่สุดก็คือ การแก้คำที่เราพิมพ์ผิดลงไปในช่องสำหรับการสืบค้นของกูเกิล หรือการคาดเดาคำที่เราต้องการค้นหาได้ถูกเผงทั้งที่เราเพิ่งพิมพ์อักษรตัวเเรกลงไปเท่านั้นเอง
คนที่ใช้ “กูเกิลทรานสเลท” เพื่อแปลภาษาหนึ่งไปเป็นอีกภาษาหนึ่ง อาจไม่รู้ว่า นั่นเป็นผลงานของ “กูเกิล นิวรัล แมชีน ทรานสเลชั่น-จีเอ็นเอ็มที” สมองกลอีกตัวที่นับวันยิ่งเรียนรู้มากขึ้นเรื่อยๆ และ “ชาญฉลาด” มากขึ้นเรื่อยๆ โดยไม่มองเพียง “คำ” คำเดียวแต่พิจารณาประโยคทั้งประโยคโดยอัตโนมัติเพื่อให้รู้ว่า “คำ” นั้นควรจะแปลว่าอะไร
ไมค์ ชูสเตอร์ แห่ง “กูเกิลเบรน” บอกเอาไว้เมื่อเร็วๆ นี้ว่า ถึงตอนนี้จีเอ็นเอ็มทีสามารถเรียนรู้การแปลภาษาได้เอง โดยอาศัยการเทียบเคียงกับประสบการณ์ที่ผ่านมา ตัวอย่างเช่น เอไออย่างจีเอ็นเอ็มทีถูกสอนให้แปลภาษาโปรตุเกสเป็นภาษาอังกฤษ กับแปลภาษาสเปนให้เป็นภาษาอังกฤษ
จากนั้นมันก็สามารถแปลจากโปรตุเกสเป็นสเปนได้ด้วยตัวของมันเอง ถือเป็นครั้งแรกที่เป็นการแปลแบบที่ไม่จำเป็นต้องแสดงตัวอย่างให้เห็นก่อน แต่สามารถพัฒนาทักษะของตัวเองขึ้นมาโดยอาศัยการจับคู่ภาษาแต่เดิมมาเป็นแบบอย่าง แล้วเชื่อมโยงมันเข้ากับ “ภาษากลาง” ภายในตัวมันเอง เพื่อใช้เป็นตัวบ่งชี้ว่า “คำ” ที่มันไม่เคยเห็นมาก่อนนี้ควรจะแปลว่าอย่างไร
พูดอีกอย่างหนึ่งก็คือ เอไอสำหรับใช้แปลภาษาของกูเกิล กำลัง “สร้าง” ภาษาของมันเองขึ้นมา เพื่อใช้เป็นตัวกลางสำหรับเชื่อมโยงทุกๆ ภาษาทั่วโลกเข้าด้วยกัน
ตอนนี้ยังไม่แม่นยำถูกต้องชนิดร้อยเปอร์เซ็นต์ แต่ยิ่งนานวันยิ่งเชื่อถือได้มากขึ้นตามลำดับ ยิ่งเพิ่มจำนวนภาษามากขึ้้น ยิ่งมีฐานข้อมูลมากขึ้นและเรียนรู้ได้มากขึ้น
ตอนนี้จีเอ็นเอ็มทีถูกนำมาใช้กับกูเกิลทรานสเลททุกชิ้น และมีส่วนริเริ่มในการจับคู่แปลภาษาใหม่ 10 จากจำนวนทั้งหมด 16 ภาษาอีกด้วย
อีกตัวอย่างของเอไอที่เข้ามาใกล้ตัวมากๆ แล้วก็คือ รถยนต์ที่ไม่ต้องใช้คนขับ, รถยนต์ที่มีระบบเบรกอัตโนมัติ, รถยนต์ที่สามารถเรียนรู้สภาพแวดล้อมได้ด้วยตัวเอง และสามารถเตือนมนุษย์ได้เมื่อพบเห็นอะไรที่อาจกลายเป็นภัยคุกคาม
เครื่องจักรกลกำลังเรียนรู้และรู้มากขึ้นตลอดเวลา
เรามักพบคำว่า “ปัญญาประดิษฐ์” หรือ “เอไอ” ควบคู่อยู่กับคำว่า “แมชีน เลิร์นนิ่ง” หรือ “จักรกลเรียนรู้” อยู่บ่อยครั้ง ทั้งสองคำนี้เกี่ยวข้องกันอย่างยิ่งก็จริง แต่ไม่ใช่สิ่งเดียวกัน
ปัญญาประดิษฐ์ เป็นศาสตร์ทางด้านคอมพิวเตอร์ ที่พยายามบรรลุวัตถุประสงค์ในการสร้างเครื่องจักร ที่มีศักยภาพในการแสดงพฤติกรรมฉลาดๆ ออกมา ในขณะที่ มหาวิทยาลัยสแตนฟอร์ดนิยาม “แมชีน เลิร์นนิ่ง” เอาไว้ว่า คือ ศาสตร์สำหรับทำให้คอมพิวเตอร์แสดงพฤติกรรมออกมา โดยไม่จำเป็นต้องมีโปรแกรมเพื่อการนั้นที่ชัดเจน
บริษัทเทคโนโลยียักษ์ใหญ่ของโลกทั้งหลาย กำลังพัฒนา “แมชีน เลิร์นนิ่ง” อย่างจริงจัง เพื่อกดดันคอมพิวเตอร์ให้เรียนรู้ในรูปแบบเดียวกับที่มนุษย์เรียนรู้ ซึ่งหากประสบความสำเร็จอย่างที่คาดหวัง ก็เท่ากับเป็นการ “ปฏิวัติเทคโนโลยี” ครั้งใหญ่ใหม่อีกครั้ง
สำคัญยิ่งกว่านั้น “เอไอ” จะแสดงออกอย่างชาญฉลาดไม่ได้ หากปราศจาก “แมชีน เลิร์นนิ่ง” ที่สมบูรณ์แบบ
นิธี แชปเปล หัวหน้าฝ่ายแมชีน เลิร์นนิ่ง ของอินเทล อธิบายเอาไว้ว่า เอไอเปรียบได้เป็นความฉลาด ที่เครื่องจักรต้องมีเพื่อชาญฉลาด ในขณะที่แมชีน เลิร์นนิ่ง เป็นวิธีการเชิงคอมพิวเตอร์ที่นำมาใช้เพื่อรองรับความฉลาดดังกล่าวและทำให้เป็นไปได้ขึ้นมา
แชปเปลชี้ว่า แมชีน เลิร์นนิ่ง เป็นส่วนของเอไอที่เติบใหญ่ขยายตัวมากที่สุดในเวลานี้ ทำให้มีหลายต่อหลายคนพูดถึงกันมากขึ้น นำมาประยุกต์ใช้กันมากขึ้น
นักวิทยาศาสตร์ข้อมูล, นักพัฒนา และนักวิจัย ต่างพากันใช้วิธีการซับซ้อนของแมชีน เลิร์นนิ่งนี้เพื่อให้สามารถเข้าถึงอะไรใหม่ๆ ที่ไม่เคยเข้าถึงได้มาก่อน โปแกรมคอมพิวเตอร์ที่เรียนรู้ได้ด้วยตัวเองจากประสบการณ์ที่ผ่านมา ช่วยให้นักวิจัยสามารถทำความเข้าใจได้ว่า จีโนมของมนุษย์ทำงานได้อย่างไร คนที่มีข้อมูลมหาศาลอยู่ในมือสามารถทำความเข้าใจพฤติกรรมของผู้บริโภคได้อย่างที่ไม่เคยทำได้มาก่อน จนสามารถพัฒนาระบบเพื่อเสนอแนะการซื้อได้ ฯลฯ
เมื่อเราเดินทางไปถึงถิ่นแปลกใหม่ แล้วสืบค้นว่า “อะไรคือสิ่งที่ควรทำมากที่สุด” นั้น เรากำลังสนทนาอยู่กับระบบแมชีน เลิร์นนิ่ง และยอมรับผลจากการจัดอันดับของมัน
เอไอกับแมชีน เลิร์นนิ่ง กำลังสร้างความเปลี่ยนแปลงให้เกิดขึ้นอย่างใหญ่หลวงกับสังคมมนุษย์ ผ่านการพัฒนา รถที่ไม่ต้องมีคนขับ, การสร้างภาพและการวิเคราะห์ทางการแพทย์, การวินิจฉัยโรคที่ดีขึ้นกว่าเดิม และการแพทย์ส่วนบุคคล
และจะเป็นกระดูกสันหลังของหลายสิ่งหลายอย่างที่จะมาถึงในอนาคต
ทำไมเอไอถึงจะทำหน้าที่แทนแพทย์ไม่ได้ หากสามารถผ่านกระบวนการ “แมชีน เลิร์นนิ่ง” ที่เหมาะสม กระบวนการทางการแพทย์ สามารถเรียงเป็นลำดับได้อย่างชัดเจน ตั้งแต่การตรวจวิเคราะห์ วินิจฉัย สั่งยา จ่ายยา แล้วมากลับทบทวนกระบวนการใหม่ทั้งหมด เพื่อดูว่าผลที่ผ่านมาเป็นอย่างไร
จักรกลที่มนุษย์สร้างขึ้น สามารถตรวจวิเคราะห์ได้ดีกว่า ลึกกว่า และแม่นยำกว่าที่แพทย์ที่เป็นมนุษย์ทำกันได้หลายเท่าแล้ว
นักวิชาการคอมพิวเตอร์บางคนชี้ว่า คอมพิวเตอร์อาจบางทีเป็นทนายความ ว่าความได้ดีกว่าและตรงไปตรงมาตามบทบัญญัติ ได้มากกว่าทนายความที่เป็นมนุษย์
เช่นเดียวกัน นายแบงก์ นักการธนาคาร นายหน้าค้าหุ้นที่รายได้สูง งานน้อย ร่ำรวยไม่มีที่สิ้นสุด ก็ถูกชี้ว่า เป็นอาชีพที่ถูกคุกคามได้โดยง่ายโดยจักรกลคอมพิวเตอร์
อันที่จริง ทุกอาชีพถูกคุกคามจากจักรกล เพราะจักรกลกำลังเรียนรู้
และยิ่งนับวันยิ่งเรียนรู้มากขึ้น ฉลาดมากขึ้นโดยไม่มีที่สิ้นสุด
