ธัชกรณ์ วชิรมน

CEO Sertis (เซอร์ทิส)

10 พฤศจิกายน 2560
489

ศักยภาพและข้อจำกัดของ AI

ปัจจุบัน ปัญญาประดิษฐ์ (เอไอ) และ การเรียนรู้เชิงลึก (Deep Learning) ถูกนำมาประยุกต์ใช้อย่างหลากหลาย

แต่อะไรคือข้อจำกัดหรือสิ่งที่เอไอยังไม่สามารถทำได้ และทิศทางที่จะปรับเปลี่ยนไปในอนาคตนั้นจะเป็นอย่างไร

ในปีนี้เอไอถูกนำเข้ามาใช้ในหลายวงการ และมีนวัตกรรมที่น่าตื่นตาตื่นใจจำนวนมาก (และนั่นก็เป็นสิ่งที่เราคาดหวังจะได้เห็น) เอไอบางตัวมีความสามารถเหนือกว่ามนุษย์ เช่นกรณีของ อัลฟ่าโกะ (AlphaGo) เซียนโกะอัจฉริยะจาก DeepMind ที่สามารถเอาชนะมือหนึ่งของโลก หรือจะเป็นกรณีของโซเฟีย (Sophia) หุ่นยนต์สาวที่มีความสามารถในการสื่อสารได้ราวกับเป็นมนุษย์ทั้งการพูดจาและการแสดงออกทางสีหน้า

ตัวอย่างเหล่านี้แสดงให้เห็นอย่างชัดเจนว่า เอไอไม่ได้เป็นเพียงกระแสที่เกิดขึ้นชั่วคราวแล้วหายไป แต่จะกลายเป็นสิ่งที่เข้ามาทดแทนอะไรที่เราทำในอนาคต อย่างไรก็ตามเราต้องทำความเข้าใจถึงข้อจำกัดของเทคโนโลยีที่อยู่เบื้องหลังเพื่อนำไปปลดล็อกข้อจำกัดและพัฒนาให้เกิด AGI (Artificial General Intelligence) ที่สามารถเรียนรู้ได้รอบด้าน

เอไอที่เราเห็นหรือได้ยินตามสื่อส่วนใหญ่นั้น ถูกพัฒนาขึ้นจากการใช้เทคโนโลยีโครงข่ายประสาทเทียม (Artificial neutral network) และ Deep Learning ซึ่งทั้ง 2 สิ่งที่กล่าวมาล้วนเป็นสิ่งสำคัญที่ทำให้เราสามารถสร้างความก้าวหน้ามาได้จนถึงทุกวันนี้ แต่เนื่องจากการใช้ Deep Learning ในปัจจุบันยังคงทำได้เพียงแค่พัฒนาให้เอไอสามารถเรียนรู้ได้คราวละอย่างเท่านั้น การสร้างเอไอที่สามารถเรียนรู้และระบุรุ่นของรถยนต์จากกล้องวงจรปิดได้ และในขณะเดียวกันก็สามารถเรียนรู้ที่จะประพันธ์เพลงคลาสสิกนั้นยังคงเป็นไปไม่ได้ 

ความสามารถในการเรียนรู้มากกว่า 1 อย่างยังเป็นข้อจำกัดที่นักวิจัยกำลังหาทางก้าวข้าม รวมถึงยังมีข้อจำกัดอีกหลายอย่างที่ทำให้เรายังคงห่างไกลจากการพัฒนาให้เอไอเรียนรู้หลายๆ ด้านในตัวเดียว

ขณะที่อีกหนึ่งข้อจำกัด คือ การสร้างอัลกอริทึม (Algorithm) ลักษณะนี้มักต้องการข้อมูลจำนวนมหาศาล การจะใช้ Deep Learning นั้นหมายถึงเอไอต้องการข้อมูลจำนวนมากเพื่อเรียนรู้สิ่งใหม่ๆ ซึ่งนั่นอาจกลายเป็นข้อจำกัดสำหรับธุรกิจหรือขอบเขตที่มีข้อมูลไม่มากพอ 

ยกตัวอย่างเช่น หากคุณต้องการสร้างเอไอสำหรับการซื้อขายหุ้น คุณจำเป็นต้องป้อนข้อมูลการซื้อขายในตลาดที่ผ่านมารวมถึงข้อมูลด้านอื่นๆ เพื่อให้สามารถเรียนรู้รูปแบบและความสัมพันธ์ระหว่างข้อมูลได้ ขณะนี้ปัญหาจะยังคงเกิดขึ้นหากพฤติกรรมของตลาดเปลี่ยนแปลงไปแตกต่างจากที่เคยเกิดขึ้นในอดีต

ปีนี้การลงทุน Hedge funds โดยการใช้อัลกอริทีมก็ไม่ได้ผลตามที่คาดหวัง รวมถึงกำไรนั้นมีจำนวนน้อยกว่าเมื่อเทียบกับการลงทุนที่ตัดสินใจโดยมนุษย์ นั่นเป็นเพราะเอไอไม่สามารถเรียนรู้หรือจับรูปแบบใหม่ๆ ได้เร็วเท่ามนุษย์หากไม่มีข้อมูลที่มากพอ 

มนุษย์ยังคงถือแต้มที่เหนือกว่า เพราะเราสามารถใช้ประสบการณ์และสร้างความเชื่อมโยงต่างๆ ได้โดยไม่ต้องใช้ข้อมูลจำนวนมาก

อย่างไรก็ดีแม้จะมีข้อจำกัดต่างๆ แต่ก็ไม่ได้หมายความว่าเอไอจะเป็นสิ่งที่ไม่มีประโยชน์ ขณะนี้เห็นได้อย่างชัดเจนแล้วว่าสามารถทำอะไรได้บ้างในหลายๆ ด้าน แต่ในการที่จะพัฒนาศักยภาพ ให้ก้าวหน้าขึ้นไปอีกนั้นต้องมีการวิจัยอีกมาก 

ภาครัฐและเอกชนในไทยควรมีบทบาทในการผลักดันการวิจัยและพัฒนาด้านปัญญาประดิษฐ์อย่างจริงจัง เพื่อให้ประเทศมีศักยภาพในการปรับใช้ในอุตสาหกรรมต่างๆ รวมทั้งการแข่งขันในเวทีโลกได้ ก่อนที่ชาติอื่นจะยึดครองพื้นที่เทคโนโลยีไปหมด

แชร์ข่าว :
Tags: