ความพยายามของมนุษย์ในการเลียนแบบ “ความคิด” หรือ “มันสมองของมนุษย์” มีมายาวนานเป็นพันปี ตั้งแต่การเข้าใจตรรกะ ปรัชญา สมัยกรีก พัฒนาการสู่การใช้คณิตศาสตร์พีชคณิต (Algebra) มาเป็นรากฐานของโครงสร้างทางความคิด Algorithm ของ AI แต่การจำลอง “วิธีคิด” ของมนุษย์ซึ่งมีเซลล์ 100,000 ล้านเซลล์เชื่อมโยงกันเป็นเครือข่าย ขนาดซับซ้อนใกล้เคียงกับ “จำนวนใบไม้ในป่าอเมซอน” นั้นไม่ใช่เรื่องง่าย แต่ในที่สุดประวัติศาสตร์ของ AI เริ่มนับหนึ่งในการประชุมที่ Dartmouth ในปี 1956 นักวิทยาศาสตร์ของ IBM ร่วมกับอาจารย์ MIT รวมตัวกันสร้างพันธกิจ และตั้งชื่อสิ่งนี้ว่า “AI” และทุกสิ่งก็เริ่มต้นตั้งแต่นั้นมา
ยุคทองของ AI ก็เติบโตขึ้นตั้งแต่คอมพิวเตอร์เครื่องแรก เกิดขึ้นด้วยทรานซิสเตอร์ไม่กี่ร้อยตัว จนทรงพลังเป็นหลายพันล้านตัวใน CPU รุ่นใหม่ ๆ แต่คอมพิวเตอร์ “ที่เร็วขึ้น” ไม่ได้หมายถึงว่ามันจะกลายเป็น “หุ่นยนต์ที่ฉลาด” หากปราศจาก AI ที่จะควบคุมมันอีกที ความเร็ว CPU จึงเปรียบเสมือน “IQ” แต่ AI เปรียบเหมือน “วิธีคิด” ยุคของ AI จึงต้องพัฒนามาพร้อม ๆ กับความเร็วในการประมวลผล การพัฒนา AI ยุคแรกต่างเป็น Early Bird ที่มาเร็วเกินไป เพราะโลกต้องรอจนกระทั่งเรามีความเร็ว CPU รุ่นใหม่ที่ทรงพลังกว่ารุ่นบุกเบิกปี 1950s ถึง 10 ล้านเท่า ประกอบกับการค้นพบวิธีคิด AI แบบใหม่ ๆ ช่วยให้ AI ใช้งานได้จริง และเริ่มแพร่หลายในหลายอุตสาหกรรม และในที่สุดปี 1997 มนุษย์เราก็ให้กำเนิด Deep Blue
AI ที่ชื่อว่า Deep Blue สามารถเอาชนะแชมป์หมากรุกของโลกได้ นับว่าเป็นจุดเริ่มต้นสำคัญที่เราเริ่มเห็นหุ่นยนต์ มีความเฉลียวฉลาด และมีความคิดสร้างสรรค์ ใกล้เคียงกับมนุษย์ แม้ว่าจะล่าช้ากว่าการคาดคะเนของนักวิทยาศาตร์ในยุค 1950s หลายสิบปี แต่หลังจากนั้น AI ก็สามารถชนะมนุษย์ทุกคนได้ในเกมทุกชนิด ยกเว้นเกมหมากล้อมที่มีความซับซ้อนสูง ล่าสุด AI ก็สร้างให้โลกตะลึงเมื่อมกราคม 2016 บริษัท DeepMind (ถูกซื้อโดย Google ในปี 2014) ก็ใช้ AI ที่ชื่อ Alpha Go ชนะมนุษย์ได้ เท่ากับว่าไม่มีเกมกระดานอะไรที่ AI ไม่สามารถจะชนะมนุษย์ได้อีกแล้ว
วิธีคิดของ AI สร้างโดยวิธีคิดเหตุ-ผลตามแผนภูมิต้นไม้ โดยคาดคะเนความน่าจะเป็นทั้งหมดที่เกิดขึ้น และตอบสนองกลับด้วย “ทางเลือก” ที่ดีที่สุด เช่นถ้าเหตุนี้เกิด ผลจะเกิดอะไร โดยเกิดการคาดการณ์ล่วงหน้าไปหลาย ๆ ตา เหมือนความคิดมนุษย์ในลักษณะที่ว่า “มองข้าม Shot” หรือมองล่วงหน้า อย่างไรก็ดี AI ลักษณะนี้ เราจำเป็นต้อง “ใส่ข้อมูล” จำนวนมากเพื่อให้ AI ฉลาดขึ้น รวมถึงต้องใส่ “เงื่อนไข” ลงไปด้วย ปัญญาประดิษฐ์ลักษณะนี้จึงเป็นได้แค่ผู้ช่วยมนุษย์เท่านั้น
แต่ DeepMind สร้าง AI ที่มีความฉลาดเพิ่มเติมขึ้นมา คือ การเรียนรู้ด้วยตัวเอง นั่นหมายถึงว่า AI จะสังเกตสภาพแวดล้อม และผลลัพท์ที่เกิดขึ้น และมองความสัมพันธ์ โดยคาดคำนึงถึง “เป้าหมาย” ของตัวเอง ด้วยความสามารถในการเรียนรู้ด้วยตัวเองนี่เอง ทำให้ AI ไม่มีข้อจำกัดอีกต่อไป AI ตัวหนึ่งจะสามารถทำงานอื่น ๆ ได้ หาก AI ตัวนั้นมีเวลาเพียงพอในการสังเกต ความสามารถนี้คือความสามารถเดียวกันกับมนุษย์ที่เรียนรู้ได้ด้วยตัวเอง ดังนั้นงานไหนของมนุษย์ที่มีโอกาสทำซ้ำ ๆ บ่อย ๆ AI และหุ่นยนต์จะสามารถทำแทนได้ทันทีที่ต้นทุนต่ำกว่าเดิมมหาศาล เพราะเดิมทีเราจำเป็นต้อง Programming หุ่นยนต์สำหรับงานหนึ่ง ๆ แต่ถ้า AI สามารถเรียนรู้ด้วยตัวเองได้ ต้นทุนสำหรับการเอาหุ่นยนต์มาทำงานที่หลากหลายจะน้อยลงไปทันที
ปัญหาของการสังเกตในระบบการเรียนรู้ด้วยตัวเองคือ ถ้าเป็นเกมกระดาน ตัวแปรที่เราจะต้องสังเกต มีเพียงแค่ “ตาเดินของคู่แข่ง” เท่านั้น แต่ในชีวิตจริง เรามีข้อมูลไหลเข้ามาในชีวิตเป็นจำนวนมาก การตัดสินใจหนึ่ง ๆ จึงไม่ได้ขึ้นอยู่กับตัวแปรเพียงตัวแปรเดียว แต่ขึ้นกับสภาพแวดล้อมจำนวนมาก อันที่จริงเกมกระดานอย่างหมากล้อม แม้ว่าจะมีตัวแปรเดียว แต่ก็มีความน่าจะเป็นสูงเกินกว่าที่จะสามารถวิเคราะห์ทุกทางเลือกที่เกิดขึ้นได้ ดังนั้นแนวคิดใหม่ของ AI คือการสร้าง Neutral Network หรือ Policy Network ขึ้นมา หลักการสำคัญคือ “การตัดทางเลือก” ที่ไม่สำคัญออกไป เพื่อให้คงเหลือทางเลือกที่น้อยที่สุด วิธีคิดที่ใกล้เคียงมนุษย์มากขึ้น จะช่วยหรือเป็นภัยคุกคามต่อธุรกิจ หรือนักลงทุนแค่ไหน ติดตามต่อตอนหน้าครับ