ความเชื่อเกี่ยวกับ ‘ปัญญาประดิษฐ์’

บาส เดอ โวส ผู้อำนวยการกลุ่มนักคิดด้านเทคโนโลยีภายในองค์กร ไอเอฟเอส แลบส์ บริษัท ไอเอฟเอส กล่าวถึงประเด็นนี้ไว้อย่างน่าสนใจว่า บางคนอาจเห็นว่า เอไอ จะเข้าควบคุมโลกภายในสองปีจากนี้ ขณะที่บางคนอาจคิดว่าไม่มีทางเป็นจริงได้ โดยปกติแล้ว ความเป็นจริงมักจะอยู่ตรงกลางเสมอ แม้ว่า เอไอ จะนำมาซึ่งความเป็นไปได้จำนวนมากที่แทบไม่น่าเชื่อ แต่ก็ไม่ใช่ว่าทุกสิ่งจะเกิดขึ้นในอนาคตอันใกล้

อย่างไรก็ดี แม้เอไอกลายเป็นคำศัพท์ทางการตลาดที่มีการพูดถึงกันอย่างกว้างขวาง แต่กระนั้นก็ยังไม่ได้มีสติปัญญาทั่วไปเหมือนกับมนุษย์เลยทีเดียว และแน่นอนว่าอาจยังไม่ต้องการให้เป็นแบบนั้น 

ปัจจุบันมีการสร้างฟังก์ชั่นเอไอจำนวนมากที่มีประโยชน์และมีคุณค่าอย่างมาก ฟังก์ชันเหล่านี้มักได้รับการพัฒนาขึ้นเพื่อวัตถุประสงค์เฉพาะ เช่น การประมวลผลภาษาธรรมชาติ(NLP) การจดจำรูปภาพ เครื่องมือค้นหาข้อมูล เกม การพยากรณ์ หรือคุณลักษณะเฉพาะในรถยนต์ที่ขับเคลื่อนอัตโนมัติ แน่นอนว่าการเป็นผู้เชี่ยวชาญมักเสริมสร้างมูลค่าทางธุรกิจได้สูงกว่าการเป็นผู้มีความรู้ในรูปแบบสหวิทยาการ 

ชุดข้อมูลสำคัญต่อความสำเร็จ

เขากล่าวต่อว่า แม้เห็นคุณประโยชน์หลากหลาย แต่อย่าเพิ่งตัดสินใจ เพราะแม้ว่าการเรียนรู้ของเครื่อง(แมชชีนเลิร์นนิง) จะถือว่าเป็นส่วนสำคัญของ เอไอ แต่ก็ยังเป็นเรื่องยากที่จะนำไปใช้ได้จริง แน่นอนว่ามีความท้าทายทั้งที่เป็นเรื่องง่ายและยากจะจัดการ แต่โดยทั่วไปแล้วการใช้อัลกอริทึมที่ทำงานร่วมกับแอพพลิเคชั่นหรือปัญหาขององค์กรได้ดีอาจไม่ใช่เรื่องที่น่าเบื่ออย่างมาก

โดยบ่อยครั้งที่อัลกอริธึมการเรียนรู้ของเครื่องดูจะเข้าใจได้ง่าย แต่ความท้าทายก็คือการเลือกอัลกอริธึมที่เหมาะสมกับปัญหาและนำเสนอปัญหาให้กับอัลกอริทึมด้วยวิธีที่ถูกต้อง สิ่งนี้ต้องใช้รายละเอียดที่เกี่ยวข้องกับปัญหา รวมถึงความเข้าใจที่ค่อนข้างลึกซึ้งถึงความสามารถและข้อจำกัดของอัลกอริทึมและโมเดลที่มีอยู่ ซึ่งยังคงเป็นปัญหาที่พบได้ทั่วไปในแวดวงวิทยาการคอมพิวเตอร์

ขณะที่ เรื่องที่ซับซ้อนยิ่งขึ้นคือ การเรียนรู้ของเครื่องนั้นจำเป็นต้องมีการฝึกสอนอย่างถูกต้องเป็นจำนวนมาก เพื่อให้โมเดลดังกล่าวมีมาตรฐานเพียงพอสำหรับนำไปใช้ประโยชน์กับปัญหาใหม่ๆ ที่เกิดขึ้น หากใช้การไม่ได้ตามที่คาดไว้ การแก้ปัญหาอาจใช้เวลานานเนื่องจากโมเดลที่สร้างโดยเครือข่ายเส้นประสาท(เป็นต้น)อาจซับซ้อนมากและยากเกินกว่าที่จะเข้าใจ

นอกจากนี้ ข้อมูลขนาดใหญ่หรือบิ๊กดาต้ามีอยู่ทั่วไป ดังนั้นจึงมีข้อมูลเกิดขึ้นเป็นจำนวนมาก แต่เมื่อมีการใช้อัลกอริทึมการเรียนรู้ของเครื่อง มักจะมีคำถามเกิดขึ้นว่า “เรามีข้อมูลที่ถูกต้องหรือไม่” และ “เราสามารถสร้างข้อมูลที่เป็นประโยชน์จากข้อมูลเหล่านี้ได้หรือไม่”

ตัวอย่างที่ ไอเอฟเอส แลบส์ ใช้คือการวิเคราะห์ความเชื่อมั่น (Sentiment Analysis) โดยวิกิพีเดีย(Wikipedia) ให้คำจำกัดความของการวิเคราะห์ความเชื่อมั่น (หรือการทำเหมืองความคิดเห็น) ว่าหมายถึงการใช้การประมวลผลภาษาธรรมชาติ การวิเคราะห์ข้อความ และภาษาศาสตร์คอมพิวเตอร์ เพื่อระบุและคัดแยกข้อมูลอัตนัยออกจากแหล่งข้อมูลต่างๆ เช่น สามารถใช้การวิเคราะห์ความเชื่อมั่นบนโซเชียลมีเดียเพื่อปรับปรุงความถูกต้องของความต้องการในอนาคตที่คาดการณ์ได้ และมีข้อมูลเกิดขึ้นมากมายในโซเชียลมีเดีย เช่น ทวิตเตอร์, เฟซบุ๊ค ฯลฯ 

ในทางปฏิบัติแล้วทุกสิ่งจะขึ้นอยู่กับการใช้งานจริง เช่นเดียวกับการวิเคราะห์เรื่องต่างๆ จำนวนและความน่าเชื่อถือของชุดข้อมูลพื้นฐานมีความสำคัญต่อความสำเร็จในการเรียนรู้ของเครื่อง ซึ่งไม่ใช่เรื่องง่ายนักที่จะดำเนินการ

เรียนรู้ไปกับความอัจฉริยะ 

จากอดีตจนถึงปัจจุบัน การปฏิวัติเทคโนโลยีในแต่ละครั้งนั้นได้สร้างงานให้เกิดขึ้นมากกว่าที่จะทำลายล้าง ไม่ว่าจะพิจารณาไปที่การปฏิวัติอุตสาหกรรมหรือการเพิ่มจำนวนการใช้งานอินเทอร์เน็ต ในตอนท้าย ผู้คนมากขึ้นจะมีงานเพิ่มขึ้นกว่าที่เคยมีมาก่อน และมักจะได้รับค่าตอบแทนที่ดีกว่าเดิมเนื่องจากสามารถดำเนินงานได้อย่างมีประสิทธิภาพเพิ่มมากขึ้น 

“ด้วยเหตุนี้ผมจึงคาดหวังว่าข้อดีของ เอไอ จะมีมากกว่าข้อเสีย โดยเฉพาะอย่างยิ่งหากผู้คนได้รับความช่วยเหลือและสนับสนุนในการเรียนรู้ทักษะใหม่ๆ ที่พวกเขาจะต้องทำงานควบคู่ไปกับระบบอัจฉริยะต่างๆ”

นอกจากนี้ การพัฒนาด้านเทคโนโลยีมักใช้เวลานานกว่าที่คาดการณ์ไว้ในตอนต้น เครื่องที่มีสติปัญญาทั่วไปเหมือนมนุษย์อาจต้องใช้เวลาพัฒนาอีกหลายทศวรรษจึงจะเป็นจริงได้ทั้งหมด ดังนั้นสถานการณ์ที่เป็นไปได้ในตอนนี้ก็คือมนุษย์และ เอไอ จะต้องทำงานร่วมกัน สิ่งนี้ไม่ใช่เรื่องเลวร้าย แต่ถือเป็นสถานการณ์ที่สร้างปรากฎการณ์ใหม่ๆ ได้ไม่น้อยเลยทีเดียว

และแม้ว่าเทคโนโลยี เอไอ จะช่วยให้เราสามารถเพิ่มและทดแทนงานของมนุษย์บางส่วนได้ แต่ในขณะเดียวกันก็มีการสร้างงานใหม่ๆ เกิดขึ้นด้วย และงานใหม่ๆ เหล่านี้ยังคงต้องใช้แรงงานคนที่มีทักษะสูงกว่า จากการคาดการณ์ของการ์ทเนอร์ที่ระบุว่า“ในปี2563เทคโนโลยี เอไอ จะกลายเป็นตัวกระตุ้นเชิงบวกในการสร้างงานได้มากถึง 2.3 ล้านงาน โดยจะมีงานลดลงเพียง 1.8 ล้านงานเท่านั้น

ยังไม่จบเพียงเท่านี้ นี่ไม่ใช่ทุกสิ่งที่จะเกิดขึ้น มีคำกล่าวและความคิดเห็นอีกจำนวนมากเกี่ยวกับความสำคัญของเอไอ และบางทีอาจมองว่าเป็นความเชื่อก็ได้ เช่นเดียวกับทุกสิ่งทุกอย่าง การหาสมดุลระหว่างการมองโลกในแง่บวกและลบย่อมเป็นเรื่องดีเมื่อพูดถึงเรื่องเอไอ แต่ทั้งนี้อย่าเชื่อทุกสิ่งที่กล่าวมา ให้ลงทุนในโอกาสที่เป็นไปได้และมีศักยภาพในการเปลี่ยนแปลงวิธีการดำเนินการธุรกิจ