อีก 5 ปีเตรียมพบ AI พันธุ์ใหม่ ฉลาดกว่าเดิมเพราะ คิด-วิเคราะห์-แยกแยะ เองเป็น

หากเอ่ยถึงโลกของ AI (Artificial Intelligence) ในปัจจุบัน สิ่งที่เห็นกันอยู่ก็คือการที่บริษัทต่าง ๆ ทั้งเล็กและใหญ่พยายามรวบรวมดาต้าจำนวนมาก (ทั้งแบบถูกต้องและผิดจริยธรรม) เพื่อนำไปใช้ในการเทรน AI ก่อนจะนำ AI เหล่านั้นกลับมาช่วยวิเคราะห์หรือคาดการณ์ความเป็นไปต่าง ๆ แต่ภาพเหล่านี้ในอีก 5 ปีข้างหน้าคงต้องบอกว่าอาจไม่เหลือเค้าเดิมเลยก็ว่าได้ เมื่อผู้เชี่ยวชาญด้านเทคโนโลยีจาก Accenture Research อย่าง H. James Wilson และ Paul R. Daugherty รวมถึง Chase Davenport ผู้เชี่ยวชาญอิสระกำลังจะบอกว่า AI ในอนาคตจะคิดเองได้ไม่ต่างจากมนุษย์ และใช้ดาต้าน้อยกว่าที่ AI ในปัจจุบันใช้อย่างมาก

- Advertisement -

โดยสิ่งที่แตกต่างระหว่าง AI ตอนนี้กับ AI ในอนาคตก็คือ รูปแบบของความอัจฉริยะ โดย AI ตอนนี้เก่งเพราะมีเทคโนโลยี Deep learning และ Machine learning ช่วยในการเรียนรู้ ซึ่งจะทำได้ต้องอาศัยข้อมูลจำนวนมาก และมีข้อจำกัดมากไม่แพ้กัน

ข้อจำกัดประการแรกคือ ตัวอย่างเรื่องรถอัจฉริยะไร้คนขับ ที่มันวิ่งได้ดีทุกวันนี้เป็นเพราะมีการป้อนข้อมูลสภาพการจราจรต่าง ๆ ภาพของคนเดินถนน ฯลฯ เข้าไปมากมายจนมันสามารถวิเคราะห์ได้ว่าอะไรคือถนน และสิ่งใดบ้างที่มันควรหลบหลีก แต่ข้อเสียก็คือ ในกรณีที่มันเจอวัตถุที่ไม่เคยรู้จักมาก่อน เช่น เด็กใส่ชุดวันฮาโลวีนเดินข้ามถนน AI ในปัจจุบันจะไม่สามารถแยกแยะได้ว่านั่นคืออะไร

หรือกรณีของ iPhone X ก็เคยมีเช่นกันที่เจ้าของไม่สามารถปลดล็อกเครื่องตอนเช้าได้ เพราะหน้าตอนตื่นนอนกับหน้าตอนที่ระบบจดจำไว้เป็นคนละแบบกัน

ข้อจำกัดอีกประการหนึ่งของบริษัทที่ต้องการเทรน AI ในปัจจุบันพบเจอก็คือ ไม่สามารถหาดาต้ามาเทรน AI ได้ หลายบริษัทจึงเลือกใช้วิธีที่ไม่เหมาะสม หรือมีการละเมิดความเป็นส่วนตัวของเจ้าของข้อมูลในรูปแบบต่าง ๆ เพื่อให้ได้มาซึ่งดาต้าเหล่านั้น และก็แน่นอนว่ามีประเทศที่เห็นถึงอันตรายดังกล่าว จนต้องออกกฎหมายมาควบคุม เช่น กรณีของสหภาพยุโรปที่บังคับใช้กฎหมาย GDPR เพื่อให้บริษัทที่เข้าถึงดาต้าของชาวยุโรปใช้งานดาต้าเหล่านั้นภายใต้การควบคุมอย่างเข้มงวดมากขึ้น

อย่างไรก็ดี ในอนาคต จุดอ่อนต่าง ๆ เหล่านี้กำลังจะหายไป เนื่องจากตอนนี้มีบริษัทด้านเทคโนโลยีที่กำลังพัฒนา AI รุ่นใหม่ที่เก่งกว่าเดิม แถมไม่ต้องการดาต้ามากเท่า AI ในปัจจุบัน แต่กลับทำงานได้รวดเร็วขึ้น และคิดเหมือนมนุษย์มากขึ้นด้วย โดยเราอาจแยกความสามารถเด่น ๆ ของ AI รุ่นใหม่ได้เป็น 4 ด้าน ได้แก่

AI ที่คิดได้อย่างมีประสิทธิภาพมากขึ้น

ในจุดนี้นักวิจัยด้านเทคโนโลยีพยายามสร้างบ็อทที่รู้จักคิดวิเคราะห์ และทำความเข้าใจวัตถุต่าง ๆ ได้โดยใช้ดาต้าน้อยกว่าในอดีต ตัวอย่างที่เห็นได้ชัดคือ Vicarious สตาร์ทอัพในแคลิฟอร์เนีย ที่มีนักลงทุนชื่อดังอย่าง Mark Zuckerberg, Jeff Bezos และ Marc Benioff หนุนหลัง โดยสิ่งที่ Vicarious สร้างคือ Artificial General Intelligence ที่สามารถทำงานได้แม้จะมีการป้อนข้อมูลเข้ามาในระบบที่น้อยมาก

ยกตัวอย่างเช่น CAPTCHA (Completely Automated Public Turing tests to tell Computers and Humans Apart) แผงตัวหนังสือที่มักปรากฏขึ้นมาเพื่อให้เราป้อนลงไปในกล่องข้อความ ถ้าป้อนได้ถูกต้องก็คือเครื่องหมายว่าเราคือมนุษย์ ซึ่งภาพเหล่านี้ สำหรับ AI ในปัจจุบันยังถือว่ายาก และต้องใช้ภาพในการเทรน AI เป็นจำนวนมาก แต่สำหรับบ็อทของ Vicarious  นักวิจัยสามารถสร้างโมเดลที่ทำให้ AI วิเคราะห์ภาพ CAPTCHA ได้อย่างถูกต้อง และมีประสิทธิภาพเหนือกว่าระบบ Neural Network เดิม ๆ ถึง 300 เท่า (โมเดลของ Vicarious นั้นต้องการการเทรนแค่ตัวอักษรละ 5 ภาพเท่านั้น แต่ความสามารถในการวิเคราะห์ CAPTCHAs ทำได้อย่างถูกต้องถึง 67% โดยถ้าเป็น Neural Network แบบปัจจุบันนั้นต้องเทรนด้วยข้อมูลที่มากกว่าถึง 50,000 เท่า)

AI ที่เป็นผู้เชี่ยวชาญพร้อมใช้

ในจุดนี้มี AI แบบ Top-down AI เกิดขึ้นมา และเข้ามาทำงานแทน AI แบบที่เรารู้จักกันในทุกวันนี้ (ผู้เชี่ยวชาญผู้เขียนบทความเรียก AI ในปัจจุบันว่าเป็น bottom-up machine learning methods หรือก็คือ AI ที่ต้องมีดาต้ามากพอก่อนจึงจะเรียนรู้ได้) พร้อมยกตัวอย่างของค่าย Siemens ที่นำ Top-down AI เข้ามาใช้แล้วโดยการให้มันควบคุมการเผาไหม้ภายในโรงงานที่มีตัวแปรต่าง ๆ เป็นจำนวนมาก และมีความซับซ้อนสูง พร้อมเปรียบเทียบว่า ถ้าค่าย Siemens ใช้ AI แบบเดิมที่ต้องการดาต้ามาก ๆ นั้น โรงงานต้องเผาไหม้เชื้อเพลิงเพื่อเก็บข้อมูลไปสัก 100 ปีก่อนจึงจะมีดาต้ามากพอนั่นเอง

AI ที่เรียนรู้ได้ผ่าน Common Senses

คอมมอนเซนส์นั้นเป็นธรรมชาติของมนุษย์ ทุกวันนี้เรามองเห็นวัตถุต่าง ๆ เห็นการกระทำต่าง ๆ แล้วก็เก็บมาทำตาม หรือไม่ก็เก็บไว้เรียนรู้เตือนใจตัวเอง แต่เทคโนโลยีของ AI ในปัจจุบันไม่ได้เรียนรู้แบบนั้นเลย AI ในปัจจุบันต้องการดาต้าเพื่อใช้ในการประมวลผล นั่นจึงทำให้องค์กรอย่าง DARPA ควักเงินลงทุน 2,000 ล้านเหรียญสหรัฐในการวิจัย AI ในชื่อโปรแกรม Machine Common Sense (MCS) ที่พยายามสอนให้ AI เรียนรู้ได้ในแบบเดียวกับคน

โดยนักวิจัยได้สร้างโมเดลที่จำลองการทำงานของสมองส่วนการรับรู้ ทั้งวัตถุต่าง ๆ สถานที่ หรือบุคคลขึ้นมา ที่สำคัญโครงการนี้มีนักวิจัยจาก Microsoft และมหาวิทยาลัย McGill เข้าร่วมด้วย และก็มีการยืนยันว่า ระบบที่พัฒนาขึ้นนี้สามารถเข้าใจความกำกวมทางด้านภาษาที่ในอดีตเคยต้องการความรู้ความเชี่ยวชาญระดับสูงจึงจะเข้าใจได้ด้วย

AI ที่คาดเดาได้ดียิ่งขึ้น

มีการยกตัวอย่าง AI ในข้อนี้จาก Project Loon ของอัลฟาเบ็ท โปรเจ็คที่ส่งบัลลูนขึ้นไปกระจายสัญญาณอินเทอร์เน็ตในพื้นที่ห่างไกลและไม่มีโครงสร้างพื้นฐานเข้าไปถึง การเดินทางของบัลลูนแต่ละลำจำเป็นต้องมีระบบการคำนวณเรื่องความเร็วลมอย่างถูกต้อง เพื่อให้บัลลูนกระจายตัวได้ครอบคลุมพื้นที่ ไม่ใช่ไหลไปรวมกันแค่ในบางจุดมากจนเกินไป การคำนวณทิศทางลมของโปรเจ็ค Loon ใช้วิธี Gaussian processes ซึ่งเป็นกระบวนการสำหรับ AI อีกวิธีหนึ่งที่ไม่ต้องการดาต้าจำนวนมากเพื่อนำไปใช้วิเคราะห์แพทเทิร์นของการเคลื่อนที่บัลลูน

Source