AGI is just around the corner
AGI อยู่ไม่ใกล้ไม่ไกล
ความเป็นมาของ AI
ความฝันที่จะทำให้คอมพิวเตอร์ฉลาดได้เหมือนมนุษย์มีมาตั้งแต่เมื่อเริ่มมีคอมพิวเตอร์. ปัญญาประดิษฐ์หรือ Artificial Intelligence คือศาสตร์ที่สนใจศึกษาเรื่องนี้ แนวคิดหนึ่งในการพัฒนาปัญญาประดิษฐ์คือการใช้โครงข่ายประสาทเทียม. ในปีค.ศ. 1957 นักจิตวิทยา Frank Rosenblatt นำเสนอ perceptron ซึ่งเลียนแบบการทำงานของเซลล์ประสาท. หนังสือพิมพ์ New York Times รายงานข่าวนี้ว่านี่คือตัวอ่อนของคอมพิวเตอร์ที่ต่อไปจะเดิน มองเห็น พูดคุย เขียน ผลิตตัวใหม่ และมีสติสัมปชัญญะในที่สุด. Frank Rosenblatt ใช้ perceptron ตัวเดียวเพื่อแยกรูปชายหญิง ซึ่งแน่นอนว่าไม่ประสบความสำเร็จ. แต่คนที่ยังเชื่อและสานต่อความคิดนี้คือ Geoffrey Hinton ด้วยเชื่อว่าการใช้โครงข่ายประสาทเทียมจะทำให้คอมพิวเตอร์สามารถเรียนรู้ได้เอง ไม่ต้องโปรแกรมให้ทำงาน. Hinton พัฒนาโครงข่ายประสาทเทียมที่มีหลายชั้นมากขึ้นจนสามารถดูข้อมูลภาพและแยกหรือจัดกลุ่มภาพนั้นได้. แม้จะประสบความสำเร็จในงาน image recognition ส่วนหนึ่ง แต่การขาดข้อมูลจำนวนมากสำหรับใช้ฝึกและประสิทธิภาพของคอมพิวเตอร์ที่ยังไม่ดีพอ ทำให้การใช้โครงข่ายประสาทเทียมหรือ artificial neural network ในงานต่าง ๆ ไม่ประสบความสำเร็จ. กระแสความสนใจในการใช้โครงข่ายประสาทเทียมจึงจางหายไป ผู้คนกลับไปให้ความสำคัญกับแนวคิดแบบสัญญะหรือการสกัดและเขียนองค์ความรู้มาให้คอมพิวเตอร์ทำงานเป็นหลัก
แต่ Hinton ก็ยังคงยึดมั่นในแนวทางนี้และทำงานต่อไปอย่างเงียบ ๆ. ต่อมา สถานการณ์ต่าง ๆ เริ่มดีขึ้น. มีการใช้งานเว็บอย่างแพร่หลายในช่วงกลางทศวรรษที่ 1990 ทำให้ข้อมูลเริ่มมีมากและหาง่ายขึ้น และประสิทธิภาพของคอมพิวเตอร์ก็เติบโตแบบทวีคูณ หน่วยประมวลผลหรือ CPU ทำงานเร็วขึ้นมากนับจากปี 2006 (จาก Intel Pentium 4 มาสู่ Intel Core 2 Duo). ในปี 2012, วันที่ 30 กันยายน ทีมวิจัยของ Hinton ชนะในการแข่ง ImageNet อย่างขาดลอยด้วยอัตราการตอบถูกที่มากกว่าทีมอื่น ๆ อย่างมาก ทำให้ผู้คนเริ่มกลับมาให้ความสำคัญกับ artificial neural network และกลายเป็นกระแสหลักในการทำงานด้าน pattern recognition และขยายไปในงานอื่น ๆ ต่อไป
ความสำเร็จของ ANN ทำให้กระแสงานด้าน AI หันมาสนใจใช้โครงข่ายประสาทเทียมเป็นหลัก โดยเฉพาะการเพิ่มขนาดโครงข่ายให้ใหญ่และมีหลายชั้นขึ้นหรือการใช้ deep neural network ซึ่งต่อมาเรียกว่า deep learning ทำให้ AlphaGo เอาชนะแชมป์โลกในการแข่งขันเกมหมากล้อมได้ในปี 2016. และ AlphaGo Zero ซึ่งเรียนรู้เองโดยไม่ศึกษาจากการเล่มเกมของมนุษย์เลยก็สามารถชนะ AlphaGo ได้ขาดลอย 100–0 เกมภายในปีนั้นเอง
ความสำเร็จของ AlphaGo เป็นหลักไมล์สำคัญ ที่ทำให้คนรู้จักและสนใจ AI มากขึ้น กระแสความตื่นตัวมาพร้อมกับความวิตกกังวล. สิ่งที่ Ray Kurzweil เขียนในหนังสือเมื่อปี 2005 Singularity is Near จะเริ่มเป็นจริงแล้วหรือ และจะมาถึงในปี 2045 แบบที่ Ray ทำนายไว้หรือไม่
ผลกระทบของ AI
เมื่อ AI พัฒนาความฉลาดจนมีความฉลาดเทียบเท่ามนุษย์หรือที่เรียกว่า Artificial General Intelligence (AGI). AI จะสามารถทำสิ่งต่าง ๆ ที่ต้องใช้ปัญญาความสามารถได้ไม่แตกต่างจากมนุษย์. จากเดิมที่แม้ AI จะเก่งกว่ามนุษย์ในหลายด้าน แต่ก็เป็นความสามารถเฉพาะด้านหรือที่เรียกว่า ปัญญาประดิษฐ์ฉลาดเฉพาะเรื่อง (Artificial Narrow Intelligence) เช่น AlphaGo เล่นเกมหมากล้อมเก่งกว่ามนุษย์ แต่ AlphaGo ก็ไม่สามารถทำงานอื่นได้นอกจากเล่นเกมหมากล้อม ต่างจาก AGI ที่จะเล่นหมากล้อมได้ มองแยกแยะข้อมูลได้ คำนวณวิเคราะห์ข้อมูลต่าง ๆ อ่านและสรุปความได้ ฯลฯ คือ เป็นปัญญาประดิษฐ์ฉลาดเหมือนมนุษย์. และเมื่อก้าวเข้าสู่สภาวะ AGI แล้ว AI ก็สามารถออกแบบพัฒนาตัวเองให้เก่งขึ้นได้ และด้วยความรวดเร็วในการทำงานที่เหนือกว่ามนุษย์ ก็จะก้าวเข้าสู่สภาวะ Artificial Super Intelligence (ASI) คือปัญญาประดิษฐ์ที่ฉลาดเหนือมนุษย์ภายในเวลาอันสั้นจนมนุษย์ไม่สามารถคาดเดาหรือเข้าใจมันได้อีกต่อไป. ก่อให้เกิดการเปลี่ยนแปลงอย่างมากมาย บ้างก็มองในแง่ดีว่า AI จะช่วยแก้ปัญหาต่าง ๆ ให้มนุษย์จนหมดสิ้น บ้างก็มองในแง่ร้ายว่ามนุษย์จะไม่สามารถควบคุม AI ได้และนำมาซึ่งมหันตภัยต่อมนุษยชาติในที่สุด
และด้วยพัฒนาการของ AI ที่เห็นผ่าน GPT-4 หลายคนเริ่มวิตกกับความสามารถที่เพิ่มขึ้นอย่างรวดเร็วของ AI. Geoffrey Hinton จากเดิมที่เคยคิดว่า AGI เป็นเรื่องไกลตัว ไม่จำเป็นต้องกังวล แต่ตอนนี้กลับเลือกที่จะลาออกจากงานใน Google เพื่อเตือนให้คนทั่วไปตระหนักถึงภัยของ AI. เขาอยากให้เรานึกถึงความฉลาดของ AI ว่าเป็น digital intelligence ไม่ใช่ความฉลาดเทียมหรือเลียนแบบ และอาจฉลาดได้เร็วและมากกว่ามนุษย์เอง. เราจึงควรมอง AI เป็นเหมือนเผ่าพันธุ์ต่างดาวประเภทหนึ่งที่อาจเป็นภัยต่อมนุษย์ได้
ไม่ว่า AI จะก้าวไปถึงจุดที่เป็น AGI ได้เมื่อไร แต่ในปัจจุบัน เราก็เริ่มเห็นผลกระทบจาก AI ที่มีต่อคนสายอาชีพต่าง ๆ แล้ว การประท้วงของนักเขียน นักแสดง ศิลปินทั้งหลายทำให้เห็นว่าอาชีพต่าง ๆ อาจถูกแทนที่หรือปรับเปลี่ยนไปในไม่ช้า
ปัญญาประดิษฐ์ฉลาดเหนือมนุษย์ Artificial Super Intelligence
ในงานสัมมนา Beneficial AI 2017 ผู้เชี่ยวชาญด้าน AI ได้แก่ Elon Musk, Stuart Russell, Ray Kurzweil, Demis Hassabis, Sam Harris, Nick Bostrom, David Chalmers, Bart Selman, และ Jaan Tallinn ได้ร่วมวงเสวนาในหัวข้อ Superintelligence: Science or fiction? คำถามแรกที่ถามคือ Superintelligence เป็นเรื่องที่เป็นไปได้หรือไม่ ทุกคนตอบว่าเป็นไปได้ เมื่อถามให้เจาะจงขึ้นว่า Superintelligence จะเกิดขึ้นได้จริงหรือไม่ คำตอบก็ยังเป็นว่าจะเกิดขึ้นแน่. แต่เมื่อถามต่อว่า อยากให้เกิด Superintelligence หรือไม่ คราวนี้คำตอบไม่เป็นเอกภาพ หลายคนว่าอยากเห็นเกิดขึ้น หลายคนตอบว่า it’s complicated เพราะไม่มั่นใจว่าผลที่ตามมานั้นจะเป็นเรื่องดีหรือไม่ดี.
คำถามต่อมา ถามว่าหากเมื่อถึงจุดที่เข้าสู่ AGI แล้วคิดว่า AI จะใช้เวลานานเพียงใด เป็นหลักวัน เป็นสิบ ๆ ปี หรืออีกหลายพันปีที่จะพัฒนาตัวเองจนเป็น superintelligence. บ้างก็ตอบว่าเป็นปี บ้างก็ว่าไม่กี่วันหรืออาจจะไม่กี่ชั่วโมง. ความเห็นจากผู้เชี่ยวชาญด้าน AI เหล่านี้ แสดงให้เห็นความเชื่อในเรื่อง ASI ว่าจะต้องเกิดขึ้นแน่ และเมื่อก้าวเข้าสู่ AGI แล้ว จะเกิดพัฒนาการไปสู่ ASI ในที่สุด แต่จะใช้เวลานานเท่าไร ไม่มีใครรู้คำตอบที่แท้จริง แต่เป็นไปได้ว่าอาจสั้นมาก
ปัญญาประดิษฐ์ฉลาดเหมือนมนุษย์ Artificial General Intelligence
ในงานสัมมนาเดียวกันนี้ วงเสวนาอีกกลุ่มที่ประกอบด้วยผู้เชี่ยวชาญ AI ได้แก่ Yoshua Bengio, Yann LeCun, Demis Hassabis, Anca Dragan, Oren Etzioni, Guru Banavar, Jurgen Schmidhuber, และ Tom Gruber ร่วมพูดคุยในหัวข้อเรื่อง Creating Human-level AI: How and When? คำถามแรกมุ่งเป้าไปที่การคาดการณ์ว่าเมื่อไร AGI จะมาถึง. คำตอบส่วนใหญ่จะมองว่ายังอีกนาน Oren Etzioni ว่าให้ประมาณการณ์ไว้แล้วคูณสอง คูณสาม คูณสี่เข้าไป. Guru Banavar จาก IBM Watson ว่าคงไม่ได้เห็นในชั่วชีวิตเขา มีเพียง Jurgen Schmidhuber ที่หวังว่าจะได้เห็นก่อนเกษียณแต่ก็เป็นเพียงความหวัง.
คำถามที่น่าสนใจในการเสวนายังมีเรื่องของอุปสรรคสำคัญในการไปถึง AGI และคำถามเรื่อง indicator หรือสัญญาณอะไรที่จะทำให้เราเห็นว่าได้เข้าใกล้ AGI แล้ว. คำตอบที่ได้จากวงเสวนาคือคำอธิบายว่า ทำไมการคาดการณ์ว่าเมื่อไรจะไปถึง AGI จึงยากและน่าจะเป็นหนทางอีกยาวไกล. Yann LeCun เปรียบอุปสรรคเหล่านี้ว่าเหมือนภูเขาที่ขวางกั้นซึ่งไม่รู้ว่ายังมีภูเขาแบบนี้อีกกี่ลูก อาจมีอีกกว่าห้าสิบลูก เมื่อข้ามอุปสรรคหนึ่งได้ก็ยังมีอุปสรรคอื่นต่อไป ซึ่ง Demis Hassabis ก็เห็นด้วยและว่ามีอุปสรรคเหล่านี้อีกไม่น้อยกว่ายี่สิบอย่าง
อุปสรรคที่ผู้เชี่ยวชาญมองเห็นมีหลากหลายอย่าง ตั้งแต่เรื่องภาษา ความสามารถในการเข้าใจภาษาที่มีความซับซ้อนความกำกวมและยังต้องอาศัย common sense และความรู้ทางโลก การเรียนรู้ concept ของสิ่งต่าง ๆ ความเข้าใจเรื่องสิ่งที่เป็นเหตุและผลที่เกิดจากเหตุนั้น. การคิดแบบมีเหตุมีผล. การมีปฏิสัมพันธ์กับผู้ใช้ได้จริง. สัญญาณการเริ่มเข้าใกล้ AGI ที่ผู้เชี่ยวชาญเหล่านี้กล่าวถึง เช่น การที่ AI สามารถเรียนรู้เข้าใจสิ่งที่เป็นนามธรรมได้ สามารถเรียนรู้ concept และเชื่อมโยงกับภาษาเพื่อให้เข้าใจภาษามนุษย์ได้จริง ไม่ใช่แบบที่ Siri หรือ Alexa เป็นอยู่ในตอนนั้น. สามารถตัดสินใจแก้ปัญหาอย่างเรื่องการบริหารงานโครงการได้. ส่วน Oren Etzioni ยกตัวอย่างการให้ AI ช่วยอ่านงานวิจัยหาข้อมูลตั้งสมมติฐานและทำงานวิจัยใหม่ต่อเอง คือทำได้เหมือนนักวิจัยคนหนึ่ง. ส่วน Tom Gruber มองเรื่องความสามารถในการเรียนรู้เพิ่มเติมจากมนุษย์และสอนมนุษย์ในสิ่งที่ต้องการรู้ได้ นั่นก็เป็นสัญญาณของ AGI ได้
GPT คือสัญญาณบ่งชี้ AGI?
หากพิจารณาคำตอบจากการเสวนาในงาน Beneficial AI 2017 สิ่งที่หลายคนเห็นพ้องกันในการไปถึง AGI คืออุปสรรคเรื่องการเข้าใจภาษามนุษย์ ในเวลานั้น ในสายตาของผู้เชี่ยวชาญ AI ทั้งหลาย การที่ AI จะเข้าใจและสื่อสารด้วยภาษามนุษย์ได้จริงดูเป็นเรื่องยากที่ไม่น่าจะทำได้ในเวลาอันใกล้. การมาของ GPT-3 ในปี 2020 จึงเป็นสัญญาณแรกที่ทำให้คนตื่นเต้นกับความสามารถของ AI ในเรื่องภาษา GPT-3 สามารถโต้ตอบกับผู้ใช้ด้วยภาษามนุษย์ได้อย่างเป็นธรรมชาติ สามารถเขียนงานต่าง ๆ ด้วยรูปแบบการเขียนที่กำหนดไม่ว่าจะเป็นทำเนียบภาษาหรือสไตล์ของนักเขียนคนใด รวมถึงความสามารถในการเขียนภาษาคอมพิวเตอร์ต่าง ๆ. ทำให้คนเริ่มตั้งคำถามว่าหรือนี่คือสัญญาณเริ่มแรกของ AGI แม้ว่าความสามารถในการคิดใช้เหตุผลยังไม่ปรากฏให้เห็นชัดเจนใน GPT-3 [1]
เมื่อ GPT-4 เผยแพร่แก่สาธารณะและให้ใช้ในรูปการสนทนาผ่าน ChatGPT เราก็เริ่มเห็นความสามารถที่เพิ่มมากขึ้นของ AI [2] นอกจากจะเก่งภาษามากขึ้น สามารถอ่านและเข้าใจบทความได้ดี แม้แต่ภาษาไทยที่ไม่ได้รับการฝึกข้อมูลมากเท่าภาษาอังกฤษ GPT-4 ก็ทำข้อสอบวัดทักษะการอ่านภาษาไทยได้ดี [3]. สิ่งที่หลาย ๆ คนประหลาดใจคือความสามารถในการคิดและใช้เหตุผล ความเข้าใจในโลกหรือ world model ความเข้าใจสิ่งที่ผู้อื่นคิดในหัว (Theory of mind) เป็นความสามารถที่ไม่มีข้อมูลสอนให้ AI โดยตรง แต่ AI สร้างความเข้าใจเชิงนามธรรมแบบนี้ขึ้นมาได้เองจากการเรียนรู้ข้อมูลภาษาซึ่งส่วนใหญ่เป็นข้อมูลภาษาอังกฤษและใช้ความเข้าใจที่มีกับการอ่านตีความภาษาไทยได้ด้วย
ทำไมการรู้ภาษาจึงเป็นกุญแจสำคัญ
คนทั่วไปมักเข้าใจว่าที่ GPT-4 เขียนและโต้ตอบด้วยภาษามนุษย์ได้ดี เพราะผ่านการฝึกจากข้อมูลภาษาจำนวนมาก ทำให้จดจำสิ่งที่เคยอ่านมาได้ และเรียนรู้เกี่ยวกับสถิติการเกิดร่วมกันของคำต่าง ๆ รู้ว่าคำไหนควรใช้ร่วมกับคำไหนมากกว่า ทำให้สามารถเขียนภาษาได้ดีได้สละสลวย. แต่สิ่งที่อยู่เบื้องหลังภาษาคือความหมายความรู้ที่มนุษย์สื่อสารต่อกันผ่านทางภาษา. ภาษาเป็นระบบของสัญญะที่ประกอบด้วยรูปและความหมาย เมื่อ AI เรียนรู้รูปแบบความสัมพันธ์ที่ซ่อนในข้อมูลภาษา จึงไม่ได้เรียนรู้เพียงแค่ความสัมพันธ์ของรูปคำในภาษา แต่ได้เรียนรู้รูปแบบความสัมพันธ์ทางความหมายของสิ่งต่าง ๆ ไปพร้อมกันด้วย. ทำให้เมื่อเข้าใจความหมายในภาษาหนึ่งแล้วจึงสามารถนำความเข้าใจนั้นไปเชื่อมโยงกับภาษาอื่นได้ด้วย
แต่สิ่งที่น่าประหลาดใจน่าจะเป็นความสามารถที่ไม่ได้เป็นเรื่องของภาษาหรือความรู้จากรูปภาษาโดยตรงที่ GPT-4 สามารถสร้างความรู้ความเข้าใจในโลกขึ้นมาได้. สิ่งนี้เป็นสิ่งที่ผู้เชี่ยวชาญ AI ในปี 2017 คิดว่าเป็นอุปสรรคสำคัญในการพัฒนา AGI. การที่ GPT-4 เข้าใจข้อความข้างล่างนี้และตอบคำถามได้ว่า ดินสออยู่บนโต๊ะและอยู่นอกห้อง. GPT-4 ต้องเข้าใจว่า การที่ x อยู่บน y เมื่อ y เคลื่อนย้ายไปที่ไหน x ก็จะไปที่นั่นด้วย และต้องเข้าใจลำดับเวลาจากลำดับการกระทำที่เกิดด้วย
ในอีกตัวอย่างหนึ่ง GPT-4 ต้องเข้าใจเรื่องที่แม้เป็นเรื่องจินตนาการ ไม่เคยเห็นหรืออ่านเกี่ยวกับตัวเพทายมาก่อน ก็ต้องเข้าใจว่าตัวเพทายเป็น concept ของบางอย่าง และสมอตเป็น instance หนึ่งของ concept นั้น. เข้าใจเงื่อนไขเรื่องเวลาที่กำหนดให้ สามารถเข้าใจนัยจากเรื่องได้ว่า การที่สมอตไปติดในมิติมืดอยู่ 3 ปีเมื่ออายุ 15 ปี ทำให้สมอตอายุเกิน 16 ปีเมื่อหลุดออกมา. ทำให้ตอบได้ว่าสมอตจะไม่สามารถกลายร่างได้และจะตายเมื่ออายุ 19 ปี. ความเข้าใจเหล่านี้ไม่ได้อยู่ในข้อความโดยตรงแต่ต้องเข้าใจความสัมพันธ์ของ concept ต่าง ๆ และยังเข้าใจการตีความภาษาไทยที่มีการละประธานได้ด้วย
ด้วยความรู้ความเข้าใจจากการเรียนภาษานี่เอง ที่ทำให้เราสามารถคุยกับ ChatGPT ได้อย่างเป็นธรรมชาติ ไม่มีข้อจำกัดมากมายเหมือนคุยกับ Siri หรือ Alexa เมื่อก่อน. นอกจากพูดคุยรู้เรื่อง เรายังสามารถสั่งให้ ChatGPT ช่วยทำงานต่าง ๆ ได้มากกว่าการเขียนบทความ. เราสามารถให้ GPT-4 เรียบเรียงความรู้ที่มีเพื่อตอบคำถามต่าง ๆ ที่ถามไป เมื่อสั่งให้แก้ปัญหาบางอย่าง GPT-4 ก็สามารถวางแผนงานว่าต้องมีขั้นตอนอะไรบ้าง และทำงานตามขั้นตอนที่วางแผนได้. ในขณะเดียวกันก็สามารถเรียนรู้ข้อมูลใหม่ที่เราป้อนเข้าไปให้ได้ด้วยการ customize ChatGPT เฉพาะขึ้นมาได้ ซึ่งสิ่งนี้ก็คือสัญญาณที่ Tom Gruber พูดว่าเป็นสัญญาณของ AGI ในวงเสวนาใช่หรือไม่. ความสามารถในการเข้าใจและใช้ภาษามนุษย์สื่อสารได้อย่างดี สามารถเข้าใจ concept ต่าง ๆ ที่เกี่ยวข้องกับภาษา เข้าใจสิ่งที่เป็นเหตุและผล วางแผนและทำงานตามแผน ทั้งหมดนี้ก็คือสิ่งที่ผู้เชี่ยวชาญ AI ในปี 2017 มองว่าเป็นสัญญาณของ AGI
ความตื่นเต้นและตื่นตกใจของคนในแวดวง AI จากความสามารถของ GPT-4 จึงเป็นเรื่องที่เข้าใจได้. เพราะคาดไม่ถึงว่า AI จะทำสิ่งที่คิดว่าเป็นอุปสรรคใหญ่ได้ในไม่กี่ปีให้หลัง. ไม่ต่างจากเมื่อครั้งที่ AlphaGo สามารถเอาชนะแชมป์โลกได้ภายในเวลาไม่ถึงหนึ่งปีทั้ง ๆ ที่คาดการณ์กันว่า AI คงต้องเรียนรู้และใช้เวลานับสิบปีกว่าจะเอาชนะมนุษย์ได้. ที่สำคัญคือในความสำเร็จของ AI นี้ไม่มีใครตอบได้ว่า AI เรียนรู้ได้อย่างไร ทำไมจึงสร้างความเข้าใจได้รวดเร็ว. และถ้าเรายังคงพัฒนา AI ให้ฉลาดขึ้นด้วยอัตราเร่งเช่นนี้ เชื่อว่าอีกไม่นาน AI จะเข้าถึง AGI และ ASI ได้เร็วกว่าที่คาดมากนัก.
Future of Life Institute [4] จึงออกจดหมายเปิดผนึกเมื่อ 22 มี.ค. 2023 เรียกร้องให้มีการชะลอการพัฒนา AI ไปหกเดือนก่อน เพื่อหาวิธีควบคุมอันตรายหรือผลร้ายทั้งหลายที่อาจเกิดมาจากการไม่สามารถควบคุม AI ได้. มีนักวิชาการที่มีชื่อเสียงจำนวนมากร่วมลงนามด้วย. บริษัท OpenAI [5] ผู้พัฒนา ChatGPT เมื่อ 22 พ.ค. 2023 ก็ออกหนังสือเพื่อชักชวนให้ร่วมกันควบคุมการพัฒนา AI เพราะเห็นแล้วว่า Superintelligence จะเป็นจริงแล้วในอีกไม่เกินสิบปี. หลังจากนั้นไม่กี่วัน 30 พ.ค. 2023 CEO ใหญ่จากหลายบริษัทและนักวิจัยแนวหน้าของ AI นับร้อยคนร่วมกันออกคำเตือนที่สั้นกระชับ 22 คำ [6] เพื่อต้องการสื่อถึงสาธารณะให้รับรู้และเข้าใจได้ง่ายว่า AI สามารถเป็นมหันตภัยทำลายล้างมนุษย์ได้ไม่ต่างจากนิวเคลียร์หรือโรคระบาด เราจำเป็นต้องหาทางบรรเทาปัญหานี้
คำเตือนนี้ Stephen Hawkin ได้เคยกล่าวไว้เช่นกันตั้งแต่ปี 2014 ก่อนที่ AI จะเป็นที่รู้จักแพร่หลายจากชัยชนะของ AlphaGo ในปี 2016
เราพร้อมสำหรับการปฏิวัติของปัญญาประดิษฐ์?
การเปลี่ยนแปลงทางเทคโนโลยีที่ผ่านมาก่อให้เกิดการเปลี่ยนแปลงครั้งใหญ่ในสังคมหลายครั้ง การปฏิวัติอุตสาหกรรมครั้งแรกเกิดจากการค้นพบและใช้พลังไอน้ำ ทำให้เกิดการใช้เครื่องจักรและเกิดโรงงานอุตสาหกรรม เกิดการเคลื่อนย้ายคนจากชนบทไปสู่เมือง [7]. การปฏิวัติอุตสาหกรรมครั้งที่ 2 มีการใช้พลังงานไฟฟ้าและเครื่องยนต์สันดาปภายใน นำไปสู่การเติบโตของอุตสาหกรรมเหล็ก รถยนต์ การสื่อสาร และการพัฒนาโครงข่ายขนส่ง [8]. การปฏิวัติอุตสาหกรรมครั้งที่ 3 เริ่มต้นด้วยการพัฒนาของคอมพิวเตอร์และเทคโนโลยีสารสนเทศ หรือเรียกว่ายุคดิจิทัล ส่งผลให้เกิดการเปลี่ยนแปลงวิถีการใช้ชีวิตและการทำงาน ข้อมูลสารสนเทศมีความสำคัญ [9]
อย่างไรก็ตาม การเปลี่ยนแปลงแต่ละครั้งของการปฏิวัติอุตสาหกรรม ผู้คนในสังคมมีเวลาหลายทศวรรษในการปรับตัว. แต่การปฏิวัติอุตสาหกรรมที่กำลังเกิดนี้ [10] คาดว่าจะเป็นการเปลี่ยนแปลงที่รวดเร็วมาก พัฒนาการและความสามารถของ AI เพิ่มขึ้นอย่างรวดเร็วตลอดเวลาจนยากที่ผู้คนจะปรับตัวฝึกทักษะใหม่ได้ทัน. อีกทั้งเป็นการเปลี่ยนแปลงที่เทคโนโลยีมามีบทบาทคิดแทนมนุษย์ไม่ใช่การต่อเติมศักยภาพทางร่างกายแบบเดิม. จึงกระทบงานเกือบทุกอย่างที่เคยอาศัยมนุษย์คิดและแก้ปัญหาได้. การเปลี่ยนแปลงของงานรวมถึงการต้องออกจากงานจะเกิดกับผู้คนหลากหลายอาชีพ แรงต่อต้านการเข้ามาแทนที่ของ AI คงเกิดขึ้นดังกรณีการประท้วงของนักเขียนนักแสดงเมื่อไม่นานนี้ ผลที่ได้อาจเป็นการประนีประนอมที่ไม่ให้เกิดการเปลี่ยนแปลงแบบฉับพลัน แต่ก็บ่งชี้ได้ว่างานแบบเดิมนั้นคงไม่ขยายตัวและต้องการคนใหม่เพิ่มอีก.
ปรากฏการณ์นี้น่าจะเกิดกับงานอาชีพต่าง ๆ ด้วย เป็นกลไกในการชะลอการเปลี่ยนแปลง. โดยเฉพาะหน่วยงานรัฐและบริษัทใหญ่จะพยายามรักษาบุคลากรไว้ให้นานที่สุดและพยายามเสริมทักษะความสามารถใหม่ ๆ ให้ทันกับการเปลี่ยนแปลง. ในขณะที่บัณฑิตจบใหม่จะหางานแบบเดิมได้ยากขึ้น ที่หลายคนมองว่าการเปลี่ยนแปลงเป็นเรื่องปกติ ที่ผ่านมาก็จะมีงานใหม่ ๆ มาทดแทน แต่คำถามสำคัญคือจะมีงานใหม่มาทดแทนได้เพียงพอจริงหรือ. แล้วระบบการศึกษาที่เป็นอยู่จะปรับตัวให้รับการเปลี่ยนแปลงนี้อย่างไร. การมองในแง่ดีว่า AI จะปลดปล่อยมนุษย์จากพันธนาการของงานที่มีอยู่และหาความสุขจากสิ่งที่ตนสนใจโดยมีเงินยังชีพพื้นฐานจากรัฐ (universal basic income) เป็นการมองปัญหาที่ง่ายเกินไป. การทำงานการศึกษาการหาเลี้ยงชีพทุกอย่างผูกพันเกี่ยวเนื่องกันในระบบโครงสร้างสังคม. มนุษย์ทุกคนไม่ได้เกิดมาเพื่อค้นพบวิทยาการหรือเป็นไอน์สไตน์กันทุกคน. ที่ต้องการคือศักดิ์ศรีและความพอใจในการประกอบอาชีพและรายได้ที่เหมาะสมต่อการดำรงชีพตามอัตภาพ. ยังไม่ต้องพูดถึงภัยที่อาจเกิดจาก AI ที่ฉลาดล้ำเหนือมนุษย์ในอนาคต. การคิดว่า AI จะเข้าใจและให้คุณค่าสิ่งต่าง ๆ สอดคล้องกับมนุษย์ก็ยากที่จะเป็นได้ในเมื่อมนุษย์เองยังหาความเห็นพ้องกันในเรื่องต่าง ๆ ไม่ได้. ข่าวคราวข้อมูลต่าง ๆ ที่มนุษย์สร้างขึ้นและ AI ได้เรียนรู้ก็เต็มไปด้วยเรื่องความขัดแย้ง การกดขี่ข่มเหง ทำร้ายทำลายกันเองของมนุษย์. แล้ว AI จะมองและเข้าใจมนุษย์อย่างไร หากวันที่ AI ฉลาดล้ำเหนือมนุษย์มาถึงจริง ความสัมพันธ์ระหว่าง AI และมนุษย์จะเป็นเช่นไร.
อ้างอิง
[1] Aroonmanakun, W. (2021). GPT-3 หนทางสู่ AGI? — Medium.
[2] Aroonmanakun, W. (2023). GPT-4 แสงแรกแห่ง AGI— Medium.
[3] Aroonmanakun, W. (2023). ChatGPT, Claude, Bard ใครรู้ภาษาไทยมากกว่า — Medium.
[4] Pause Giant AI Experiments: An Open Letter — Future of Life Institute. (https://futureoflife.org/open-letter/pause-giant-ai-experiments)
[5] Governance of superintelligence. May 22, 2023. (https://openai.com/blog/governance-of-superintelligence)
[6] Statement on AI Risk | CAIS. (https://www.safe.ai/statement-on-ai-risk)
[7] Industrial Revolution — Wikipedia. Retrieved from https://en.wikipedia.org/w/index.php?title=Industrial_Revolution&oldid=1185027449
[8] Second Industrial Revolution — Wikipedia. Retrieved from https://en.wikipedia.org/w/index.php?title=Second_Industrial_Revolution&oldid=1185102864
[9] Information Age — Wikipedia. Retrieved from https://en.wikipedia.org/w/index.php?title=Information_Age&oldid=1184986984
[10] What is the fourth industrial revolution? Retrieved from https://www.weforum.org/agenda/2016/01/what-is-the-fourth-industrial-revolution