มนุษย์หรือปัญญาประดิษฐ์…ใครเก่งกว่ากัน

Share on facebook
Share on twitter
Share on google
Share on email
ผมจำได้ว่า ผมอ่านหนังสือปัญญาประดิษฐ์เล่มแรก ชื่อ Artificial Intelligence เขียนโดย Elaine Rich และ Kevin Knight ตีพิมพ์ในปี พ.ศ. 2534 (ค.ศ.1991) หนังสือเล่มนี้เขียนเรื่องทฤษฎีเกมและแนะนำอัลกอริทึมเพื่อเล่นเกมชื่อ Tic-Tac-Toe หรือที่บ้านเราเรียกว่า โอ-เอ็กซ์ ซึ่งในตอนนั้นต้องถือว่าเป็นอัลกอริทึมที่ยอดเยี่ยมมาก ต่อมาในปี พ.ศ. 2540 (ค.ศ. 1997) เครื่องคอมพิวเตอร์ Deep Blue ของ IBM ก็สามารถเอาชนะแชมป์โลกหมากรุกชื่อ Kasparov ได้ ทั้งที่ก่อนหน้านั้นหนึ่งปี Kasparov เป็นฝ่ายชนะ 4 – 2 เกม อีก 20 ปีต่อมา ในเดือนมกราคม พ.ศ. 2560 (ค.ศ. 2017) โปรแกรม AlphaGo ของบริษัท DeepMind ก็สามารถเอาชนะแชมป์โลกโกะหรือหมากล้อมชื่อ Ke Jie อย่างขาดลอย หลังการแข่งขัน Ke Jie บอกว่าจะไม่เล่นเกมกับ AI อีกตลอดชีวิต เขาไม่เห็นจุดอ่อนของ AlphaGo เลย และไม่มีทางที่มนุษย์คนไหนจะสู้ AlphaGo ได้
ถ้าจะเปรียบเทียบความยากของการเล่นเกมเหล่านี้ด้วยจำนวนตาเดินที่เป็นไปได้ เกม Tic-Tac-Toe เป็นเกมที่เล่นง่ายที่สุด เพราะมีตาเล่นที่เป็นไปได้ในการเดินเพียง 362,880 แบบเท่านั้น [1] ในขณะที่หมากรุกมีตาเดินที่เป็นไปได้เท่ากับ 10120 แบบ [2] และหมากล้อมมีตาเดินที่เป็นไปได้มากถึง 10172 แบบ [3]
เพื่อให้เข้าใจว่าตัวเลขที่เขียนไว้ข้างบนนั้นมีจำนวนมากแค่ไหน วารสาร POPULAR SCIENCE ได้ให้ข้อมูลโดยประมาณไว้ว่า เส้นผมบนศีรษะของเรามีประมาณ 1015 เส้น ทรายบนโลกมีประมาณ 1023 เม็ด อะตอมในจักรวาลมี 1081 อะตอม [4] ดังนั้นตาเดินที่เป็นไปได้ทั้งหมดของหมากรุกมีมากกว่าเม็ดทรายบนโลก 1097 เท่า และตาเดินที่เป็นไปได้ของหมากล้อมมีมากกว่าเม็ดทรายบนโลกถึง 10149 เท่า ซึ่งแค่จำนวนเท่าก็มากกว่าจำนวนอะตอมในจักรวาล
เปรียบเทียบความน่าจะเป็น
Icons made by Freepik, Pixel perfect, Good Ware

กล่าวได้ว่า ถ้าเราไม่สามารถหาเม็ดทรายที่สวยที่สุดจากชายหาดได้ การเล่นทั้งเกมหมากรุกและหมากล้อมก็ทำได้ยากกว่าการหาทรายเม็ดที่สวยที่สุด ดังนั้นเกมอย่างหมากรุกและหมากล้อม จึงไม่ใช่เกมที่หาตาเดินที่ดีที่สุดของทั้งกระดาน แต่เป็นเกมที่ต้องอาศัยประสบการณ์และความคิดทั้งพลิกแพลงและสร้างสรรค์เพื่อเอาชนะคู่แข่ง ทั้ง Deep Blue และ AlphaGo ได้พิสูจน์แล้วว่า ปัญญาประดิษฐ์สามารถเอาชนะมนุษย์ในเรื่องที่ต้องอาศัยทั้งประสบการณ์และความคิดได้

ความกังวลต่อปัญญาประดิษฐ์เพิ่มขึ้นอีก เมื่อ Stephen Hawking ศาสตราจารย์แห่งมหาวิทยาลัย Cambridge ผู้เป็นเจ้าของทฤษฎีเกี่ยวกับหลุมดำที่มีชื่อเสียงมากคนหนึ่งของโลก ได้ให้สัมภาษณ์กับวารสาร WIRED ว่า “ปีศาจจีนีออกจากขวดแล้ว … ผมกลัวว่าปัญญาประดิษฐ์อาจเข้ามาแทนที่มนุษย์ในทุกเรื่อง ถ้ามีคนสร้างไวรัสคอมพิวเตอร์ขึ้นมา [เพื่อทำลายคอมพิวเตอร์] ก็จะมีคนบางคนออกแบบปัญญาประดิษฐ์ที่จะสำเนาตัวมันเองขึ้นมาใหม่ นี่จะเป็นรูปแบบใหม่ของชีวิตที่มีความสามารถเหนือมนุษย์” [5] Stephen Hawking ยังให้สัมภาษณ์กับสำนักข่าว บีบีซี (BBC) ก่อนหน้านั้นอีกว่า “การพัฒนาปัญญาประดิษฐ์อย่างสมบูรณ์แบบจะเป็นการบอกถึงความสิ้นสุดของมนุษยชาติ” [6]

จากวิวัฒนาการของมนุษยชาติ มนุษย์รู้จักใช้แรงงานสัตว์ช่วยทำไร่และลากล้อเกวียนมาตั้งแต่ 3,000 ปีก่อนคริสตกาล ทำให้การทำไร่ได้ผลผลิตมากขึ้น และมนุษย์มีการเดินทางที่สะดวกรวดเร็วขึ้น เมื่อมีรถยนต์ รถม้าและคนขับรถม้าก็หายไป เกิดอาชีพใหม่คือ คนขับรถที่เพิ่มขึ้นจำนวนมาก

การนำเครื่องมือใหม่มาใช้ ทำให้มนุษย์ต้องเปลี่ยนทักษะในการใช้เครื่องมือ การฝึกและควบคุมสัตว์เป็นทักษะอาชีพในยุคของการใช้แรงงานสัตว์ เมื่อเกิดเครื่องยนต์ทำให้คนใช้แรงงานสัตว์น้อยลง ทักษะการฝึกและควบคุมสัตว์ก็หายไป แต่เกิดทักษะใหม่ในการสร้าง การควบคุมและการซ่อมเครื่องยนต์ขึ้น ดังนั้นทุกครั้งที่มีการนำเครื่องมือใหม่มาใช้ การก้าวกระโดดของผลผลิตโลกก็จะเกิดขึ้นตามมาด้วย

ทักษะการใช้แรงงานสัตว์
Designed by vextok / Freepik
หากดูในภาพรวมของโลก จากการประเมินความเจริญเติบโตทางเศรษฐกิจที่เป็นผลจากการปฏิวัติอุตสาหกรรมตั้งแต่ปี พ.ศ. 2293 – 2443 (ค.ศ. 1750 – 1900) จะเห็นว่า ความเจริญของทั้งโลกได้ย้ายไปสู่ประเทศที่เป็นเจ้าของเทคโนโลยีอย่างชัดเจน ความเจริญเติบโตทางเศรษฐกิจของสหรัฐอเมริกาคิดเป็นร้อยละของทั้งโลกเพิ่มจากสัดส่วน 0.1% เป็น 23.6% ยุโรปเพิ่มจาก 23.2% กลายเป็น 62.0% ประเทศที่เหลือที่เคยมีสัดส่วน 73% ลดลงเหลือ 11% [7]

ภาพเหตุการณ์เดียวกันนี้คงเกิดขึ้นอีก ประเทศที่เป็นเจ้าของเทคโนโลยีปัญญาประดิษฐ์ จะครอบครองเศรษฐกิจส่วนใหญ่ของโลก และประเทศที่ไม่สามารถนำเทคโนโลยีมาใช้ประโยชน์จะได้รับผลกระทบอย่างหนัก ยิ่งมองไปถึงตัวองค์กรและรายบุคคลด้วยแล้ว องค์กรหรือบุคคลที่ไม่สามารถนำเทคโนโลยีนี้มาใช้ประโยชน์ จะยิ่งได้รับผลกระทบเป็นอย่างมาก

การมาของปัญญาประดิษฐ์ครั้งนี้ ไม่ได้มาทดแทนแรงงานแบบเดียวกับการปฏิวัติอุตสาหกรรมครั้งก่อน แต่สิ่งที่ปัญญาประดิษฐ์จะเข้ามาทดแทนมนุษย์คือ ความฉลาดในลักษณะต่าง ๆ คือ การรู้จำ (Recognition) ที่สามารถรู้และเข้าใจข้อมูลที่ป้อนเข้ามาว่าคืออะไร เช่น การจำใบหน้า ข้อความและเสียงได้ สามารถตรวจหา (Detection) สิ่งผิดปกติที่เกิดขึ้นในข้อมูล เช่น อาการป่วยของคนไข้ มีความสามารถในการทำนาย (Prediction) ว่าอะไรจะเกิดขึ้น เช่น การพยากรณ์อากาศ นอกจากนี้ยังสามารถทำการแบ่งส่วน (Segmentation) ข้อมูลที่เหมือนกันเป็นชุด ๆ เช่น พฤติกรรมการซื้อของลูกค้าและการหาค่าเหมาะที่สุด (Optimization) เพื่อช่วยในการตัดสินใจของมนุษย์

ความสามารถของปัญญาประดิษฐ์ในปัจจุบัน ถึงขั้นจดจำใบหน้ามนุษย์ได้ดีกว่ามนุษย์ สามารถฟังเสียงพูดแล้วเขียนเป็นตัวหนังสือได้เร็วกว่ามนุษย์ โดยที่มีความแม่นยำแทบไม่ต่างกัน สามารถตรวจจับพฤติกรรมที่เปลี่ยนไปของลูกค้าที่มาซื้อของ โดยที่เจ้าของร้านอาจไม่เคยสังเกตเห็นมาก่อน และยังมีสิ่งอื่น ๆ อีกจำนวนมากที่เมื่อนำปัญญาประดิษฐ์มาใช้แล้วสามารถทำงานได้ดีกว่ามนุษย์

ในอดีต มนุษย์ใช้แรงงานสัตว์โดยอาศัยความฉลาดที่เหนือกว่าไปฝึกให้สัตว์ทำงาน ต่อมาเราก็อาศัยความคิดที่เป็นระบบเพื่อควบคุมการทำงานที่ซับซ้อนของเครื่องจักรให้ทำงานแทนเราได้ แต่ปัญญาประดิษฐ์คือ เครื่องจักรที่มีความฉลาดอยู่แล้ว เราจะควบคุมมันอย่างไร แม้แต่สิ่งที่เราเรียกว่า ‘ความคิดสร้างสรรค์’ โปรแกรม AlphaGo ก็พิสูจน์แล้วว่า ปัญญาประดิษฐ์มีความคิดสร้างสรรค์เหนือมนุษย์ในเกมหมากล้อม

เมื่อเป็นเช่นนี้แล้ว อะไรที่มนุษย์ยังคงมีเหนือปัญญาประดิษฐ์บ้าง ผู้เชี่ยวชาญหลายท่านบอกว่า สิ่งที่มนุษย์มีเหนือปัญญาประดิษฐ์ในตอนนี้คือ “ความอยากรู้อยากเห็น” ซึ่งปัญญาประดิษฐ์ยังไม่มี คำถามคือ มนุษย์จะยังสามารถใช้ความอยากรู้อยากเห็นนี้ควบคุมปัญญาประดิษฐ์ให้ทำงานแทนเราเช่นเดียวกับอดีตที่ผ่านมา และสร้างผลผลิตให้กับมวลมนุษย์ได้อย่างไร

มีบทความ [8] เขียนถึงชาวญี่ปุ่นเจ้าของไร่แตงกวาว่า เขาใช้การเรียนรู้เชิงลึก (Deep Learning) ที่เขาหามาจากอินเทอร์เน็ต โดยที่ไม่มีความรู้เรื่องปัญญาประดิษฐ์มาก่อน เขานำการเรียนรู้เชิงลึกนี้มาช่วยคุณแม่แยกชนิดแตงกวา ซึ่งต้องอาศัยความชำนาญและประสบการณ์ที่สะสมมานานนับสิบปี เขาให้คุณแม่แยกชนิดแตงกวาออกมาเป็นประเภทตามประสบการณ์ แล้วถ่ายรูปแตงกวาเหล่านั้นป้อนให้กับโปรแกรมการเรียนรู้เชิงลึก เพื่อสร้างเป็นโมเดลสำหรับการจดจำ และใช้โมเดลนั้นจำแนกประเภทแตงกวาได้เหมือนที่คุณแม่ทำ เขาอาศัยความเร็วในการเรียนรู้และแยกชนิดแตงกวาอย่างแม่นยำของปัญญาประดิษฐ์มาช่วยสร้างมูลค่าเพิ่มให้กับผลผลิตในไร่แตงกวาของเขา

หากจะสรุปว่าปัญญาประดิษฐ์มีความสามารถเหนือมนุษย์ คงมีหลายคนรวมถึงนักวิชาการออกมาโต้แย้งอย่างแน่นอน แต่กลยุทธ์ของมนุษย์ต่อปัญญาประดิษฐ์ที่คิดว่าน่าจะเป็นคือ “การทำงานร่วมกันอย่างสอดประสานและสร้างสรรค์” เพื่อทำให้มนุษยชาติมีความเป็นอยู่ที่ดีขึ้น ดังเช่นเจ้าของไร่แตงกวา

Our Writer

ศ.ดร.บุญเจริญ ศิริเนาวกุล

ศ.ดร.บุญเจริญ ศิริเนาวกุล

ภาควิชาวิศวกรรมคอมพิวเตอร์
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

เอกสารอ้างอิง

[1] “Game complexity,” Wikipedia, [Online]. Available: https://en.wikipedia.org/wiki/Game_complexity. [Accessed 11 10 2020].
[2] “Shannon number,” Wikipedia, [Online]. Available: https://en.wikipedia.org/wiki/Shannon_number. [Accessed 11 10 2020].
[3] “Go and mathematics,” Wikipedia, [Online]. Available: https://en.wikipedia.org/wiki/Go_and_mathematics. [Accessed 11 10 2020].
[4] N. Wolchover, “FYI: How Many Different Ways Can a Chess Game Unfold?,” POPULAR SCIENCE, 15 12 2010. [Online]. Available: https://www.popsci.com/science/article/2010-12/fyi-how-many-different-ways-can-chess-game-unfold/#:~:text=After%20both%20players%20move%2C%20400,probably%20never%20been%20played%20before. [Accessed 11 10 2020].
[5] J. MEDEIROS, “Stephen Hawking: ‘I fear AI may replace humans altogether,” WIRED, 20 11 2017. [Online]. Available: https://www.wired.co.uk/article/stephen-hawking-interview-alien-life-climate-change-donald-trump. [Accessed 11 10 2020].
[6] R. Cellan-Jones, “Stephen Hawking warns artificial intelligence could end mankind,” BBC, 2 12 2014. [Online]. Available: https://www.bbc.com/news/technology-30290540. [Accessed 11 10 2020].
[7] P. Kennedy, The Rise and Fall of the Great Powers, New York: Random Hourse, 1987, p. 149.
[8] K. Sato, “GOOGLE CLOUD PLATFORM,” Google Cloud, 31 8 2016. [Online]. Available: https://cloud.google.com/blog/products/gcp/how-a-japanese-cucumber-farmer-is-using-deep-learning-and-tensorflow. [Accessed 12 10 2020].

Share on facebook
Share on twitter
Share on google
Share on email

ผู้สนับสนุน

ติดต่อเรา

© copyright, 2020 AI for ALL