‘อราคิน' ทัพใหญ่นวัตกรรม 'เอไอเอส' ชวนคุย ‘โลกจริยธรรม AI’ และ ความลำเอียง

"มาชวนคุยถึงเพื่อนสนิทใกล้ตัวคนใหม่ สุดเซ็กซี่ของชาวโลกอย่าง “แชตจีพีที” (ChatGPT) ที่วันนี้มีคนใช้แล้วกว่า 100 ล้านคนในเวลาแค่ 2 เดือน! (เฟซบุ๊ก ต้องใช้เวลาถึง 4 ปีครึ่งจึงจะได้ฐานลูกค้าที่เท่ากัน) เพราะถามอะไรก็ตอบได้ไปซะหมด ดูแล้วช่างสะดวกสบาย ตรงกับทิศทาง AI First ที่กำลังเป็นเทรนด์แต่..... ช้าก่อน ใจเย็นๆครับ"

อราคิน ชวนคุยและว่า "เพราะความสามารถของเทคโนโลยีเจเนอเรทีฟ เอไอ (Generative AI) หากบวกกับการสักแต่จะใช้งาน (take it for granted) มันอาจจะหลบซ่อนปัญหาที่สำคัญอย่างหนึ่ง คือ เราจะสามารถเชื่อผลลัพธ์ของ เอไอ ได้อย่างสนิทใจจริงหรือ และเอไอกำลังจะพาการตัดสินใจของเราไปในทิศทางที่มันควรจะเป็นจริงๆ ใช่ไหม โดยเฉพาะอย่างยิ่ง วันที่ยังไม่มีมาตรการชัดเจนในการควบคุมการพัฒนาเอไอ"

AI Myth

ในช่วงระหว่างปี 2015-2019 ช่วงที่ อเมซอน ต้องการรับคน โดยใช้ เอไอ ผ่าน “Web Crawler” จาก เว็บไซต์ต่างๆ เพื่อจะหาผู้สมัคร (ที่อื่นๆ) ซึ่งอาจเหมาะกับอเมซอน ดังนั้น จึงมีการพัฒนาอัลกอรึธึมมากกว่า 500 แบบ

โดยใช้เอกสารของผู้ที่เคยสมัครงานกับ อเมซอน ก่อนหน้านี้ถึง 50,000 ตัวอย่าง แต่ด้วยข้อมูลของผู้สมัครที่ส่วนใหญ่มักเป็นผู้ชาย ดังนั้นพนักงานที่ เอไอ เลือกขึ้นมาในช่วงระหว่างปีดังกล่าว จึงเป็น “ผู้ชาย” แทบทั้งสิ้น!

AI Facts

วงจรการพัฒนาเอไอ ประเภท Neural Network (เป็น เอไอ ที่เลียนแบบการทำงานของสมอง) เริ่มเป็นที่นิยมแทนที่เอไอ ประเภท explicit programming ซึ่งเคยพัฒนามาตั้งแต่ปี 1957 เพราะแบบแรก สามารถจดจำ และเข้าใจวัตถุ อย่าง คน ป้ายจราจร ภาษา เพื่อนำไปใช้ในการควบคุมระบบต่างๆ และไปไกลจนถึงการตอบคำถาม ให้คำแนะนำ ออกแบบผลิตภัณฑ์ จนเร็วๆ นี้ เอไอ ยังสามารถวาดภาพส่งประกวดจนชนะรางวัลมาเสียอีกด้วย!

ที่มีความสามารถขนาดนี้ได้ ส่วนหนึ่งเกิดจากเทคโนโลยี 4 อย่าง มาบรรจบกัน ประกอบด้วย ความสามารถในการเข้าถึงข้อมูลหลากหลายประเภท (sensor/IoT) ที่จัดเก็บข้อมูลไว้ได้ในปริมาณมหาศาล (Big Data) พร้อมพลังการคำนวณที่ขยายได้เรื่อยๆ (Cloud Computing) จนสามารถเชื่อมโยงเป็นโครงข่ายที่เชื่อถือได้ (Connectivity)

แต่ส่วนหลักจริงๆ แล้ว ไม่ได้เกี่ยวกับเทคโนโลยีที่เพียบพร้อม เพราะอยู่ที่ “วิธีการ” ที่พวกเราสอนมันต่างหาก (เหมือนกับเด็กๆ ที่เรียนรู้ได้ไว ส่วนหนึ่งอยู่ที่ผู้ใหญ่จะสอนอะไรให้เด็ก และสอนอย่างไร) ฉันใดก็ฉันนั้น ผลคำตอบที่ออกมาจาก เอไอ (เด็ก) ก็แอบสร้างความพึงใจให้ผู้พัฒนา (ผู้ใหญ่) ตอกย้ำถึงความสำเร็จ (ที่อาจจะไม่ถูกต้อง) ให้ยังคงสอนด้วยวิธีทางที่คิดว่ามันต้องเป็นเช่นนั้นต่อไป

เราจึงพบว่า ส่วนใหญ่ของ เอไอ ในวันนี้ ได้ถูกสอนผ่าน “ความลำเอียง” ของนักพัฒนานั่นเอง การกำจัดความลำเอียงจึงถือเป็นหัวข้อสำคัญของ AI Ethics

ฉะนั้น การกระจายการใช้เครื่องมือ เอไอ ออกไปในองค์กรโดยปราศจากธรรมาภิบาลที่ดีก็จะเท่ากับเพิ่ม “ความลำเอียง” นี้ให้มากขึ้นด้วย

Fighting Unconscious Bias

เราลำเอียงกันมากแค่ไหน? ลองตอบคำถามนี้ดู “ตอนที่ครูให้เกรด A แก่เรา เราจะรู้สึกว่าเราเก่ง แต่ถ้าครูให้เกรด F เราจะคิดว่าครูอาจจะไม่เข้าใจคำตอบอัตนัยของเรา หรือบางทีไปไกลถึงครูไม่ชอบเรา ฯลฯ”

"บทความนี้ จึงอยากให้ทุกคนตระหนัก และยอมรับว่า เรามีความลำเอียงไม่มากก็น้อย ซึ่งทางแก้เบื้องต้นก็คือ ทำให้ความหลากหลายของทีม (diversity) เกิดขึ้นจริงๆ หรือร่วมมือกับภาคการศึกษาเปลี่ยนส่วนผสมของทีม (Team DNA) และสร้างตัววัดผลของความสำเร็จ (outcome KPI) ของเอไอ ที่กำลังพัฒนาร่วมกันก็ได้"

Explaining AI

อราคิน เล่าต่อว่า ความก้าวหน้าทางเทคโนโลยีตามกฎของมัวร์ (Moore’s Law) และระบบทุนนิยม (capitalism) ต่างผลักดันให้โลกนี้รุดหน้าทั้งในทางบวกและลบ การพัฒนา GPT-3 นั้นมี 175,000 ล้านตัวแปร ในการสร้างความฉลาดของมัน ส่วนทางด้านจีนมีการพัฒนา GenAI Wu Dao 2.0 โดยมีถึง 1.75 ล้านล้านตัวแปร

และล่าสุดสำหรับ GPT-4 น่าจะมีความสามารถที่เหนือกว่า โดยอาจจะมีจำนวนตัวแปรอยู่ระหว่าง 1.76 ถึง 176 ล้านล้านตัวแปรกันเลยทีเดียว! ยิ่งจำนวนตัวแปรในการสร้าง GenAI เหล่านี้มีมากเท่าไหร่ ความสามารถของเราในการอธิบายพฤติกรรมของมัน (Explainable AI) ก็แทบจะเป็นไปไม่ได้

ดังนั้น การออกแบบประสบการณ์ของลูกค้าที่ใช้ เอไอ ที่สามารถอธิบายเป็นเหตุเป็นผลได้ จึงเป็นเทรนด์ที่กำลังมา เช่น การไม่อนุมัติวงเงินกู้ด้วย เอไอ จะต้องตามมาด้วยเหตุผลที่ตรงไปตรงมา เช่น เมื่อยอดคงเหลือของเงินที่จะใช้ในการคืนเงินต่อเดือนไม่พอ คือขาดไป 10,000 บาท หรือ การที่รถหักพวงมาลัยหลบถุงพลาสติกผ่าน เอไอ เมื่อสักครู่ เพราะระบบคิดว่าเป็นก้อนหิน 20% ถุงพลาสติก 80% แต่เพื่อความปลอดภัยจึงตัดสินใจหักหลบก่อน เป็นต้น

World’s Movement

การขับเคลื่อนการสร้าง เอไอ โดยมีจริยธรรมและธรรมาภิบาลนั้น กำลังเกิดขึ้นแล้วทุกมุมโลก เช่น ปี 2017 อังกฤษริเริ่มความคิดที่จะมีรัฐมนตรีกระทรวงเอไอ, อียู กำลังจะคลอดกฎระเบียบในการกำกับดูแล เอไอ เหมือนกับที่เคยประสบความสำเร็จมาแล้วกับเรื่อง GDPR ,ที่ฝรั่งเศสได้จัดตั้งคณะทำงานในการศึกษาเรื่อง Ethical AI จากประเทศอื่นๆทั่วโลก ,จีนมีการออกกฎหมายการจัดเก็บข้อมูลและการแชร์ข้อมูล

เยอรมนี เน้นเรื่องจรรยาบรรณในการสร้างระบบ Autonomous car, อินเดียมีการจัดตั้งกลุ่มพิเศษเรื่องความยั่งยืนทางเทคโนโลยี โดยเฉพาะอย่างยิ่งในเรื่องจรรยาบรรณและข้อมูลส่วนตัว ญี่ปุ่นกำลังจะจัดตั้งกลุ่มที่มาศึกษาในเรื่องเดียวกัน, สิงค์โปร์ได้ออกเฟรมเวิร์คในการธรรมาภิบาลเอไอแล้ว, ออสเตรเลียมีการลงขัน 30 ล้านดอลลาร์ออสเตรเลียในการสร้าง ethical framework for AI, ฯลฯ

ส่วนในไทย ก็มีการเคลื่อนไหวในแนวทางเดียวกันนี้ ในกลุ่มอาจารย์คณะนิติศาสตร์จุฬาลงกรณ์มหาวิทยาลัยร่วมกันกับตัวแทนอุตสาหกรรมต่างๆ

"ในขณะที่กำลังรอคอย กฎระเบียบจากองค์กรต่างๆ เราจึงควรใช้สติในการใช้เทคโนโลยี หากการใช้ GenAI ในการหาคำตอบ โดยปราศจากการวิเคราะห์ต่อยอดแล้ว ย่อมทำเราขาดทักษะ Critical Thinking และ Problem Solving ที่สำคัญ ต้องไม่รีบเชื่อผลลัพธ์อันรวดเร็วและน่าใช้ของมัน เพราะเราควรต้องใช้ เอไอ เป็นเครื่องมือเพื่อสร้างผลงานให้เรา ไม่ใช่ให้ เอไอ มาใช้เราสร้างผลงานให้มันครับ"