หลังจากที่เราได้ศึกษาประวัติของแอปพลิเคชันคอมพิวเตอร์กันมาแล้ว ก็เป็นธรรมดาที่เราจะสนใจข้อจำกัดในอนาคตของมัน ไม่ใช่ในแง่ขีดความสามารถในการคำนวณ แต่อยู่ในแง่ของสิ่งที่คอมพิวเตอร์สามารถทำได้และอาจจะไม่สามารถทำได้ ก่อนที่จะไปไกลกว่านี้ ผมต้องเตือนก่อนว่าคอมพิวเตอร์จัดการกับ สัญลักษณ์ ไม่ใช่ ข้อมูล เราไม่สามารถบอกได้ อย่าว่าแต่เขียนโปรแกรมเลย ว่าคำว่า "ข้อมูล" หมายถึงอะไร เราทุกคนคิดว่ารู้ว่าคำนี้หมายถึงอะไร แต่ถ้าคุณลองคิดให้ดีจริงๆ คุณจะพบว่ามันเป็นแนวคิดที่คลุมเครืออย่างมาก คุณไม่สามารถให้คำนิยามที่สามารถแปลงเป็นโปรแกรมได้
แม้ว่า Babbage และ Lady (Ada) Lovelace ต่างก็เคยพิจารณาข้อจำกัดของคอมพิวเตอร์บ้างเล็กน้อย แต่การสำรวจข้อจำกัดของคอมพิวเตอร์อย่างจริงจังเริ่มต้นขึ้นในช่วงปลายทศวรรษ 1940 ถึงต้นทศวรรษ 1950 โดย Newell และ Simon ที่ RAND เป็นต้น ตัวอย่างเช่น พวกเขาศึกษาการแก้ปัญหาปริศนา อย่างเช่นปัญหา cannibals and missionaries แบบคลาสสิก เครื่องจักรจะแก้ปัญหาเหล่านี้ได้ไหม? ถ้าได้ จะทำอย่างไร? พวกเขาศึกษาระเบียบวิธีที่คนใช้ในการแก้ปัญหาเหล่านี้ และพยายามเขียนโปรแกรมที่ให้ผลลัพธ์ใกล้เคียงกัน คุณไม่ควรคาดหวังผลลัพธ์ที่เหมือนกันทุกประการ เพราะโดยทั่วไปแล้วไม่มีใครสองคนที่รายงานขั้นตอนทางความคิดในลำดับเดียวกันทุกประการ สิ่งที่โปรแกรมควรทำคือสร้างรูปแบบการใช้เหตุผลที่ ใกล้เคียง กับของมนุษย์ มากกว่าแค่การแก้ปัญหา
พวกเขายังเริ่มสร้าง General Problem Solver (GPS) โดยมีแนวคิดว่า ถ้ากำหนดกฎทั่วไปประมาณห้าข้อในการแก้ปัญหา จากนั้นก็ใส่รายละเอียดเฉพาะของปัญหาแต่ละด้านลงไป โปรแกรมคอมพิวเตอร์ก็จะสามารถแก้ปัญหาได้ แต่มันก็ไม่ได้ทำงานได้ดีนัก แม้ว่าจะมีผลพลอยได้ที่มีคุณค่ามากมายจากงานของพวกเขา เช่น list processing หลังจากที่พวกเขาเริ่มต้นด้วยแนวทางการแก้ปัญหาทั่วไปนี้ (ซึ่งแน่นอนว่าสัญญาว่าจะลดปัญหาการเขียนโปรแกรมลงได้พอสมควร) แนวทางนี้ก็ถูกทิ้งไปประมาณหนึ่งทศวรรษ และเมื่อถูกฟื้นคืนขึ้นมาอีกครั้ง ข้อเสนอคือต้องใช้กฎทั่วไปประมาณ 50 ข้อ เมื่อนั่นก็ไม่ได้ผล ก็อีกหนึ่งทศวรรษ ข้อเสนอคือ 500 กฎทั่วไป และอีกหนึ่งทศวรรษ ภายใต้ชื่อ rule-based logic และบางครั้งก็ถึง 5,000 กฎ และผมเคยได้ยินถึง 50,000 กฎสำหรับบางสาขา
ปัจจุบันมีสาขาที่เรียกว่า expert systems แนวคิดคือคุณไปคุยกับผู้เชี่ยวชาญในสาขาใดสาขาหนึ่ง ดึงกฎต่างๆ ของพวกเขาออกมา ใส่กฎเหล่านี้ลงในโปรแกรม แล้วคุณก็จะได้ผู้เชี่ยวชาญ! ปัญหาหนึ่งของแนวคิดนี้คือ ในหลายสาขา โดยเฉพาะใน การแพทย์ ผู้เชี่ยวชาญระดับโลกจริงๆ กลับไม่ได้เก่งกว่ามือใหม่เท่าไหร่นัก! มีการวัดผลในการศึกษาหลายชิ้นแล้ว! ปัญหาอีกอย่างคือผู้เชี่ยวชาญดูเหมือนจะใช้จิตใต้สำนึกของพวกเขา และพวกเขาสามารถรายงานได้เพียงประสบการณ์ในระดับรู้สำนึกในการวินิจฉัยโรคเท่านั้น มีการประมาณว่าต้องใช้เวลาทำงานหนักประมาณสิบปีในสาขาหนึ่งจึงจะเป็นผู้เชี่ยวชาญ และในช่วงเวลานี้ รูปแบบต่างๆ มากมายถูกฝังลงในสมอง ซึ่งผู้เชี่ยวชาญจะใช้ในการเลือกแนวทางเริ่มต้นในการจัดการปัญหา รวมถึงขั้นตอนต่อๆ ไป โดย unconsciously
ในบางสาขา rule-based logic ประสบความสำเร็จอย่างน่าทึ่ง และในบางสาขาที่ดูคล้ายกันกลับล้มเหลวอย่างชัดเจน ซึ่งบ่งชี้ว่าความสำเร็จขึ้นอยู่กับโชคเป็นส่วนใหญ่ พวกเขายังคงไม่มีความเข้าใจพื้นฐานที่แน่นอนว่าวิธีการของ rule-based logic จะใช้ได้หรือไม่ได้เมื่อใด หรือจะใช้ได้ดีแค่ไหน
ใน Chapter 1 ผมได้พูดถึงประเด็นที่ว่าบางทีทุกสิ่งที่เรา "รู้" ไม่สามารถ ถ่ายทอดเป็นคำพูด (คำสั่ง) ได้ — "ไม่สามารถ" ในแง่ที่เป็นไปไม่ได้ ไม่ใช่ในแง่ที่เราโง่หรือไม่รู้ คุณสมบัติบางอย่างของ expert systems ที่เราค้นพบก็ยิ่งสนับสนุนความคิดเห็นนี้
หลังจากผ่านไปหลายปี สาขาที่ว่าด้วยข้อจำกัดของประสิทธิภาพทางปัญญาของเครื่องจักรก็ได้รับชื่อที่ค่อนข้างน่าสงสัยว่า artificial intelligence (AI) ซึ่ง ไม่ได้ มีความหมายเดียว อย่างแรก มันเป็นรูปแบบหนึ่งของคำถามที่ว่า:
เครื่องจักรคิดได้ไหม?
แม้ว่านี่จะเป็นนิยามที่แคบกว่า artificial intelligence แต่ก็มีจุดโฟกัสที่ชัดเจนกว่าและเป็นที่เข้าใจในหมู่คนทั่วไปได้ดี คำถามนี้สำคัญสำหรับคุณเพราะถ้าคุณเชื่อว่าคอมพิวเตอร์ไม่สามารถคิดได้ ในฐานะผู้นำที่มีศักยภาพ คุณก็จะลังเลที่จะใช้คอมพิวเตอร์เพื่อพัฒนาสาขาของคุณ แต่ถ้าคุณเชื่อว่าคอมพิวเตอร์คิดได้แน่นอน คุณก็มีแนวโน้มจะล้มเหลวอย่างราบคาบ! ดังนั้นคุณไม่สามารถที่จะเชื่อหรือไม่เชื่ออย่างใดอย่างหนึ่ง — คุณต้องหาจุดยืนของตัวเองกับปัญหาที่ท้าทายนี้ นั่นคือ "เครื่องจักรสามารถคิดได้ มากแค่ไหน?"
ก่อนอื่น ขอให้สังเกตว่าคำถามนี้ผิดตั้งแต่ต้น — คำถามที่แท้จริงน่าจะเป็นมากกว่า "เราสามารถเขียนโปรแกรมที่จะทำให้เกิด 'การคิด' จากเครื่องจักรแบบ von Neumann ได้ไหม?" เหตุผลที่ต้องพูดแบบนี้ก็เพราะมีข้อโต้แย้งว่า neural nets สมัยใหม่ เมื่อไม่ได้จำลองบน digital computer อาจจะสามารถทำสิ่งที่ digital computer ไม่สามารถทำได้ แต่ในทางกลับกันมันก็อาจจะทำไม่ได้เช่นกัน นี่เป็นปัญหาที่เราจะศึกษาในภายหลังเมื่อเรามีข้อเท็จจริงทางเทคนิคมากขึ้น
ในขณะที่ปัญหา AI อาจมองได้ว่า "ในบรรดาสิ่งที่มนุษย์ทำทั้งหมดนั้น มีสิ่งไหนที่เครื่องจักรทำได้บ้าง?" ผมกลับอยากถามคำถามในอีกรูปแบบหนึ่ง: "ในบรรดาภาระต่างๆ ของชีวิต มีสิ่งไหนบ้างที่เครื่องจักรสามารถช่วยแบ่งเบาหรือทำให้ง่ายขึ้นสำหรับเรา?" สังเกตว่าในขณะที่คุณมักจะนึกถึงแต่ด้านวัตถุของชีวิต แต่เครื่องกระตุ้นหัวใจ (pacemaker) ก็เป็นเครื่องจักรที่เชื่อมต่อโดยตรงกับระบบประสาทของมนุษย์และช่วยชีวิตคนจำนวนมาก คนที่บอกว่าไม่ต้องการให้ชีวิตต้องพึ่งพาเครื่องจักรดูเหมือนจะลืมข้อนี้ไปอย่างสะดวกใจ สำหรับผมแล้ว ในระยะยาว เครื่องจักรน่าจะมีส่วนช่วยในด้านสติปัญญาของชีวิตมากที่สุดในการยกระดับคุณภาพชีวิต
ทำไมหัวข้อ artificial intelligence ถึงสำคัญ? ขอยกตัวอย่างเฉพาะเจาะจงถึงความจำเป็นของ AI โดยไม่ต้องนิยามอะไรให้ชัดเจนมากกว่านี้ (และหากไม่นิยามทั้ง การคิด และ ว่าเครื่องจักรคืออะไร ก็จะไม่มีข้อพิสูจน์ที่แท้จริงไม่ว่าจะทางใดทางหนึ่ง) ผมเชื่อว่ามีความเป็นไปได้สูงที่ในอนาคตเราจะมียานสำรวจพื้นผิวของดาวอังคาร ระยะทางระหว่างโลกและดาวอังคารในบางช่วงเวลาอาจไกลมากจนสัญญาณไปกลับใช้เวลา 20 นาทีหรือมากกว่า ดังนั้นในกระบวนการสำรวจ ยานจึงต้องมีการควบคุมในพื้นที่ในระดับที่พอสมควร เมื่อยานเคลื่อนผ่านระหว่างก้อนหินสองก้อน เลี้ยวเล็กน้อย แล้วพบว่าพื้นดินใต้ล้อหน้ากำลังหายไป คุณจะต้องการให้ยานดำเนินการที่ "สมเหตุสมผล" อย่างทันท่วงที สิ่งที่ง่ายและชัดเจนอย่างการถอยหลังอาจไม่เพียงพอที่จะช่วยมันจากการถูกทำลาย และก็ไม่มีเวลาที่จะขอคำแนะนำจากโลก ดังนั้นจึงต้องมีการโปรแกรม "ความฉลาด" ในระดับหนึ่งเข้าไปในเครื่องจักร
นี่ไม่ใช่สถานการณ์ที่โดดเดี่ยว มันกลายเป็นเรื่องปกติมากขึ้นเรื่อยๆ ในขณะที่เราใช้เครื่องจักรที่ขับเคลื่อนด้วยคอมพิวเตอร์ทำงานต่างๆ มากขึ้นและเร็วขึ้น คุณไม่สามารถมีมนุษย์เป็นตัวสำรองได้ — ส่วนใหญ่เป็นเพราะปัจจัยเรื่องความเบื่อหน่ายที่มนุษย์ต้องเผชิญ ว่ากันว่าการบินเครื่องบินคือความเบื่อหน่ายเป็นชั่วโมงๆ และความตื่นตระหนกไม่กี่วินาที — ไม่ใช่สิ่งที่มนุษย์ถูกออกแบบมาให้รับมือได้ แม้ว่าพวกเขาจะจัดการได้ในระดับหนึ่งก็ตาม ความเร็วในการตอบสนองมักจะเป็นสิ่งจำเป็น ยกตัวอย่างอีกครั้ง เครื่องบินที่เร็วที่สุดในปัจจุบันของเรานั้นโดยพื้นฐานแล้วไม่เสถียร และต้องใช้คอมพิวเตอร์ในการรักษาเสถียรภาพในทุกมิลลิวินาที ซึ่งนักบินมนุษย์ไม่สามารถทำได้ มนุษย์ทำได้เพียงวางกลยุทธ์ในภาพรวมและปล่อยให้รายละเอียดเล็กๆ น้อยๆ เป็นหน้าที่ของเครื่องจักร
ก่อนหน้านี้ผมได้พูดถึงความจำเป็นที่จะต้องมีความเข้าใจบ้างเกี่ยวกับสิ่งที่เราหมายถึง "เครื่องจักร" และ "การคิด" เรากำลังพูดคุยเรื่องนี้กันที่ Bell Telephone Laboratories ในช่วงปลายทศวรรษ 1940 และมีคนบอกว่าเครื่องจักรต้องไม่มีชิ้นส่วนที่เป็นอินทรีย์ ซึ่งผมก็ตอบกลับไปว่านิยามนั้นก็ตัดชิ้นส่วนที่ทำจากไม้ออกไปด้วย! นิยามแรกถูกถอนกลับไป แต่เพื่อความกวนตีน ผมเสนอว่าสักวันเราอาจจะเรียนรู้วิธีนำเอาระบบประสาทส่วนใหญ่ของกบออกมาและทำให้มันมีชีวิตอยู่ได้ ถ้าเราหาวิธีใช้มันเป็นกลไกในการจัดเก็บข้อมูล มันจะเป็นเครื่องจักรหรือไม่? ถ้าเราใช้มันเป็น content-addressable storage คุณจะรู้สึกอย่างไรกับคำว่า "เครื่องจักร"?
ในการสนทนาเดียวกันนั้น ทางด้านการคิด วิศวกรที่เคยศึกษากับคณะเยสุอิตให้นิยามว่า "การคิดคือสิ่งที่มนุษย์ทำได้และเครื่องจักรทำไม่ได้" ซึ่งนั่นก็แก้ปัญหาได้เด็ดขาดทีเดียว แต่นั่นฟังดูยุติธรรมไหม? อย่างที่เราชี้ให้เขาเห็นในตอนนั้น ถ้าเราเริ่มจากความแตกต่างที่เห็นได้ชัดในปัจจุบัน เมื่อเครื่องจักรดีขึ้นและการเขียนโปรแกรมดีขึ้น เราก็อาจจะลดความแตกต่างนั้นลงได้ และก็ไม่ชัดเจนว่าในระยะยาวจะยังมีความแตกต่างเหลืออยู่หรือไม่
แน่นอนว่าเราจำเป็นต้องนิยาม "การคิด" คนส่วนใหญ่ต้องการให้นิยามของการคิดเป็นแบบที่พวกเขาสามารถคิดได้ แต่ก้อนหิน ต้นไม้ และสิ่งต่างๆ เหล่านั้นคิดไม่ได้ แต่ผู้คนก็แตกต่างกันในเรื่องที่ว่าจะรวมถึงสัตว์ชั้นสูงด้วยหรือไม่ ผู้คนมักจะผิดพลาดด้วยการพูดว่า "การคิดคือสิ่งที่ Newton และ Einstein ทำ" แต่ด้วยนิยามนั้น พวกเราส่วนใหญ่ก็คิดไม่ได้ — และเราก็มักจะไม่ชอบข้อสรุปนั้น! Turing เมื่อต้องรับมือกับคำถามนี้ ในแง่หนึ่งก็หลีกเลี่ยงมัน และกล่าวว่าถ้าปลายสายโทรพิมพ์สายหนึ่งมีมนุษย์ และปลายอีกสายหนึ่งมีเครื่องจักรที่ถูกโปรแกรมอย่างเหมาะสม และถ้ามนุษย์ทั่วไปไม่สามารถแยกความแตกต่างได้ นั่นก็เป็นข้อพิสูจน์ของ "การคิด" ในส่วนของเครื่องจักร (โปรแกรม)
Turing test เป็นแนวทางที่ได้รับความนิยม แต่มันขัดกับระเบียบวิธีทางวิทยาศาสตร์มาตรฐาน ซึ่งเริ่มจากปัญหาที่ง่ายกว่าก่อนที่จะเผชิญกับปัญหาที่ยากกว่า ดังนั้นผมจึงตั้งคำถามกับตัวเองในไม่ช้าว่า "โปรแกรมที่เล็กที่สุดหรือใกล้เคียงกับเล็กที่สุดที่ผมจะเชื่อว่าคิดได้คืออะไร?" แน่นอนว่า ถ้าโปรแกรมถูกแบ่งออกเป็นสองส่วน แต่ละส่วนก็ไม่สามารถคิดได้ ผมพยายามคิดเกี่ยวกับเรื่องนี้ทุกคืนก่อนนอน หลังจากใช้เวลาหนึ่งปีกับการคิดถึงปัญหาและไม่ไปถึงไหน ผมก็ตัดสินใจว่ามันเป็นคำถามที่ผิด! บางที "การคิด" อาจไม่ใช่เรื่องของใช่หรือไม่ใช่ แต่มันอาจเป็นเรื่องของระดับความสามารถ
ขอผมแทรกเรื่องและพูดถึงประวัติศาสตร์ของเคมีสักเล็กน้อย เป็นเวลานานที่เชื่อกันว่าสารประกอบอินทรีย์สามารถถูกสร้างขึ้นได้โดยสิ่งมีชีวิตเท่านั้น ว่ามีแง่มุมของ ทฤษฎีพลังชีวิต (vitalistic) ในสิ่งมีชีวิต แต่ไม่มีในสิ่งที่ไม่มีชีวิตอย่างก้อนหินและก้อนกรวด แต่ประมาณปี 1823 นักเคมีชื่อ Wohler สังเคราะห์ยูเรีย ซึ่งเป็นผลพลอยได้มาตรฐานของมนุษย์ นี่เป็นจุดเริ่มต้นของการสร้างสารประกอบอินทรีย์ในหลอดทดลอง ถึงกระนั้น แม้กระทั่งจนถึงปี 1850 นักเคมีส่วนใหญ่ยังคงยึดมั่นในทฤษฎี พลังชีวิต (vitalistic) ว่ามีเพียงสิ่งมีชีวิตเท่านั้นที่สามารถสร้างสารประกอบอินทรีย์ได้ คุณคงรู้ว่าจากทัศนคตินั้น เราได้ไปสู่สุดโต่งอีกด้าน และตอนนี้นักเคมีส่วนใหญ่เชื่อว่าโดยหลักการแล้ว สารประกอบใดๆ ที่ร่างกายสร้างได้ก็สามารถสร้างได้ในห้องปฏิบัติการเช่นกัน — แต่แน่นอนว่าไม่มีข้อพิสูจน์เรื่องนี้ และก็ไม่เคยมีด้วย สถานการณ์คือพวกเขามีความสามารถเพิ่มขึ้นเรื่อยๆ ในการสร้างสารประกอบอินทรีย์ และไม่เห็นเหตุผลว่าทำไมถึงสร้างสารประกอบที่มีอยู่ในธรรมชาติไม่ได้ รวมถึงอีกหลายอย่างที่ไม่มีในธรรมชาติ นักเคมีได้เปลี่ยนจากทฤษฎี พลังชีวิต (vitalistic) ของเคมีไปสู่สุดโต่งตรงกันข้ามของทฤษฎีเคมีแบบ ไร้พลังชีวิต (non-vitalistic)
ศาสนาเข้ามาเกี่ยวข้องในการอภิปรายเรื่องการคิดของเครื่องจักรอย่างน่าเสียดาย และเราจึงมีทั้งทฤษฎีแบบมีพลังชีวิตและไร้พลังชีวิตเกี่ยวกับ "เครื่องจักร vs. มนุษย์" สำหรับคริสต์ศาสนา คัมภีร์ไบเบิลกล่าวว่า "พระเจ้าสร้างมนุษย์ตามพระฉายาของพระองค์" ถ้าเราสามารถสร้างเครื่องจักรตามฉายาของเราได้ ในแง่หนึ่งเราก็เท่าเทียมกับพระเจ้า และนั่นก็ค่อนข้างน่าอึดอัด! ศาสนาส่วนใหญ่ ไม่ทางใดก็ทางหนึ่ง ทำให้มนุษย์เป็นมากกว่ากลุ่มของโมเลกุล อันที่จริง มนุษย์มักถูกแยกจากสัตว์โลกอื่นๆ ด้วยสิ่งต่างๆ เช่น วิญญาณหรือคุณสมบัติอื่นๆ ในเรื่องวิญญาณ ในช่วงปลายยุคกลาง บางคนอยากรู้ว่าวิญญาณออกจากร่างที่ตายแล้วเมื่อใด จึงเอาคนที่กำลังจะตายวางบนตาชั่งและรอดูการเปลี่ยนแปลงของน้ำหนักอย่างกะทันหัน แต่สิ่งที่พวกเขาเห็นคือการลดลงอย่างช้าๆ เมื่อร่างกายเน่าเปื่อย — ดูเหมือนว่าวิญญาณซึ่งพวกเขาแน่ใจว่ามนุษย์มีนั้น ไม่ได้มีน้ำหนักทางกายภาพ
ถึงแม้คุณจะเชื่อในวิวัฒนาการ ก็ยังมีช่วงเวลาที่พระเจ้าหรือเทพเจ้าเข้ามาแทรกแซงและมอบคุณสมบัติพิเศษให้มนุษย์ ซึ่งทำให้มนุษย์แตกต่างจากสิ่งมีชีวิตอื่นๆ ความเชื่อในความแตกต่างที่สำคัญระหว่างมนุษย์กับส่วนอื่นๆ ของโลกนี้เองที่ทำให้คนจำนวนมากเชื่อว่าเครื่องจักรไม่มีวันที่จะเหมือนมนุษย์ในรายละเอียดอย่างการคิด เช่นเดียวกับที่เราเป็น เว้นแต่เราจะกลายเป็นเหมือนเทพเจ้า คนเหล่านี้ถูกบีบให้ต้องนิยามการคิดให้เป็นสิ่งที่เครื่องจักรทำไม่ได้ เหมือนกับวิศวกรที่เคยศึกษากับคณะเยสุอิตที่กล่าวถึงข้างต้น โดยปกติแล้วจะไม่ถูกพูดออกมาตรงๆ อย่างที่เขาทำ แต่มักถูกซ่อนไว้ภายใต้ถ้อยคำที่สวยหรู แต่เจตนาก็เหมือนกัน!
ฟิสิกส์มองว่าคุณคือกลุ่มของโมเลกุลในสนามพลังงานรังสี และในทางฟิสิกส์ที่เคร่งครัดนั้น ไม่มีอะไรอื่นอีกแล้ว พรรคเดโมคริตุส (เกิดประมาณ 460 ปีก่อนคริสตกาล) กล่าวในยุคกรีกโบราณว่า "ทุกสิ่งคืออะตอมและความว่างเปล่า" นี่คือจุดยืนของคนกลุ่ม hard AI ไม่มีความแตกต่างที่สำคัญระหว่างเครื่องจักรและมนุษย์ ดังนั้นด้วยการเขียนโปรแกรมที่เหมาะสม เครื่องจักรก็สามารถทำทุกอย่างที่มนุษย์ทำได้ ความล้มเหลวในการสร้างการคิดในรายละเอียดที่มีนัยสำคัญนั้น พวกเขาเชื่อว่าเป็นเพียงความล้มเหลวของโปรแกรมเมอร์ที่ไม่เข้าใจสิ่งที่พวกเขาทำ ไม่ใช่ข้อจำกัดที่แท้จริง
ในอีกสุดโต่งหนึ่งของสเกล AI พวกเราบางคน เมื่อพิจารณาความรู้สึกของตนเอง ก็เชื่อว่าเรามี การตระหนักรู้ในตนเอง (self-awareness) และ การรู้สำนึกในตนเอง (self-consciousness) — ถึงแม้เราจะไม่สามารถให้การทดสอบที่น่าพอใจเพื่อพิสูจน์ว่าสิ่งเหล่านี้มีอยู่จริงก็ตาม ผมสามารถให้เครื่องจักรพิมพ์ออกมาว่า "ฉันมีวิญญาณ" หรือ "ฉันตระหนักรู้ในตนเอง" หรือ "ฉันมี self-consciousness" และคุณคงไม่รู้สึกอะไรกับคำพูดแบบนั้นจากเครื่องจักร แต่จากมนุษย์ คุณมักจะให้ความเชื่อถือกับคำพูดดังกล่าวมากกว่า โดยอิงจากความเชื่อที่ว่า คุณโดยการมองเข้าไปในตัวเอง รู้สึกว่าคุณมีคุณสมบัติ (สิ่ง) เหล่านี้ และคุณได้เรียนรู้จากประสบการณ์อันยาวนานในชีวิตว่ามนุษย์คนอื่นๆ ก็เหมือนกับคุณ — แม้ว่าความเหยียดผิวยังคงมีอยู่ ซึ่งก็อ้างว่ามีความแตกต่าง โดยฉันเป็นคนที่ดีกว่าเสมอ!
เรามาถึงทางตัน ณ จุดนี้ในการอภิปรายเรื่อง AI เราแต่ละคนสามารถยืนยันอะไรก็ได้ตามใจ แต่สำหรับคนส่วนใหญ่แล้วมันไม่ได้พิสูจน์อะไรเลย ดังนั้นเรามาดูบันทึกความสำเร็จและความล้มเหลวของ AI กันดีกว่า
คนในวงการ AI มักจะกล่าวอ้างที่เกินจริงมาโดยตลอด ซึ่งไม่เป็นจริงเลย — แม้แต่ใกล้เคียงก็ไม่ใช่ในกรณีส่วนใหญ่ Newell และ Simon ในปี 1958 ทำนายว่าภายในสิบปี แชมป์หมากรุกโลกคนต่อไปจะเป็นโปรแกรมคอมพิวเตอร์ น่าเสียดายที่คำกล่าวอ้างที่คล้ายกันซึ่งยังไม่เป็นจริงก็ถูกทำโดยผู้นำ AI ส่วนใหญ่ในสายตาสาธารณชน ถึงกระนั้นก็มีผลลัพธ์ที่น่าทึ่งเกิดขึ้นมาแล้ว
ผมต้องขอแทรกอีกครั้ง ครั้งนี้เพื่อชี้ให้เห็นว่าทำไมการเล่นเกมถึงมีบทบาทเด่นในงานวิจัย AI กฎของเกมมีความชัดเจนไม่ต้องเถียง และความสำเร็จหรือความล้มเหลวก็ชัดเจนเช่นกัน — พูดสั้นๆ คือปัญหาถูกนิยามไว้อย่างดีในทุกแง่มุม ไม่ใช่ว่าเราอยากให้เครื่องจักรมาเล่นเกมเป็นพิเศษ แต่มันเป็นพื้นที่ทดสอบที่ดีมากสำหรับแนวคิดของเราเกี่ยวกับวิธีการเริ่มต้นใน AI
หมากรุกสากล (chess) ตั้งแต่แรกเริ่มถูกมองว่าเป็นการทดสอบที่ดีมาก เพราะในเวลานั้นมีการเชื่อกันอย่างกว้างขวางว่าหมากรุกต้องใช้การคิด อย่างไม่ต้องสงสัย Shannon เสนอวิธีการเขียนโปรแกรมเล่นหมากรุก (เราเรียกมันว่าเครื่องจักรเล่นหมากรุก แต่จริงๆ แล้วมันเป็นเรื่องของการเขียนโปรแกรมเป็นหลัก) Los Alamos ด้วยเครื่อง MANIAC ที่ล้าสมัย ได้ลองใช้กระดานหมากรุก 6×6 โดยเอาบิชอปทั้งสองข้างออก และได้ผลลัพธ์ระดับปานกลาง เราจะกลับไปที่ประวัติของโปรแกรมเล่นหมากรุกในภายหลัง
ลองมาดูกันว่าเราจะเขียนโปรแกรมสำหรับเกมที่ง่ายกว่าอย่าง tic-tac-toe สามมิติได้อย่างไร เราข้าม tic-tac-toe สองมิติธรรมดาไปเพราะมันมีกลยุทธ์ที่รู้กันว่าจะเสมอได้ และไม่มีโอกาสชนะถ้าเล่นกับผู้เล่นที่รอบคอบ เกมที่มีกลยุทธ์ที่รู้กันแล้วไม่ได้แสดงถึงการคิด — อย่างน้อยเราก็เชื่อในตอนนี้
เมื่อคุณพิจารณาลูกบาศก์ 4 × 4 × 4 จะมี 64 ช่อง และมี 76 เส้นตรงที่ลากผ่านช่องเหล่านั้น เส้นใดเส้นหนึ่งคือ ชัยชนะ ถ้าคุณสามารถวางหมากของคุณครบทั้งสี่ตำแหน่งในเส้นนั้น ต่อไปคุณจะสังเกตว่าตำแหน่งมุมทั้งแปดและตำแหน่งศูนย์กลางทั้งแปดนั้นมีเส้นลากผ่านมากกว่าตำแหน่งอื่นๆ อันที่จริงแล้วมีการกลับด้านของลูกบาศก์ที่ทำให้จุดศูนย์กลางไปอยู่ที่มุมและมุมไปอยู่ที่ศูนย์กลาง โดยที่เส้นตรงทั้งหมดยังคงเดิม — จึงเกิด duality ที่สามารถนำมาใช้ประโยชน์ได้ถ้าต้องการ
สำหรับโปรแกรมที่จะเล่น 4 × 4 × 4 tic-tac-toe สิ่งแรกคือต้องเลือกเดินที่ถูกต้องตามกฎ ในช่วงเปิดเกม คุณมักจะวางหมากบนจุด "ร้อน" เหล่านี้ และใช้กลยุทธ์แบบสุ่ม เพราะไม่อย่างนั้น ถ้าคุณเล่นในรูปแบบมาตรฐาน คู่ต่อสู้ก็จะค่อยๆ สำรวจจนพบจุดอ่อนที่สามารถนำมาใช้ประโยชน์ได้อย่างเป็นระบบ การใช้ความสุ่มนี้เมื่อมีการเดินที่ไม่แตกต่างกันโดยสาระสำคัญ เป็นส่วนสำคัญของโปรแกรมเล่นเกมทุกโปรแกรม
ต่อไปเราจะกำหนดกฎบางอย่างที่จะใช้ตามลำดับ
- ถ้าคุณมีหมากสามชิ้นบนเส้นเดียวและเส้นนั้นยัง "เปิด" อยู่ ให้เดินและชนะ
- ถ้าคุณชนะไม่ได้ในทันที และคู่ต่อสู้มีหมากสามชิ้นบนเส้นเดียว คุณต้องblockมัน
- ถ้าคุณมี fork (Figure 6.1) ให้ใช้มัน เพราะในตาต่อไปคุณจะมีชัยชนะ เนื่องจากคู่ต่อสู้ไม่สามารถชนะในตาเดียวได้
- ถ้าคู่ต่อสู้มี fork คุณต้อง block มัน
Figure 6.1—A fork (การคุกคามสองทาง)
หลังจากนี้ดูเหมือนจะไม่มีกฎตายตัวในการเดินต่อไปของคุณ ดังนั้นคุณจึงเริ่มมองหา "forcing moves" ซึ่งเป็นเดินที่จะนำคุณไปสู่จุดที่มีชุดเดินชนะ การมีหมากสองชิ้นบนเส้นที่ "เปิด" หมายความว่าคุณสามารถวางชิ้นที่สามและคู่ต่อสู้จะถูกบังคับให้ block เส้นนั้น (แต่คุณต้องระวังว่าการ block นั้นจะไม่ทำให้คู่ต่อสู้มีสามชิ้นในเส้นเดียวและบังคับให้คุณต้องเป็นฝ่ายรับ) ในกระบวนการสร้าง forcing moves หลายๆ ครั้ง คุณอาจจะสามารถสร้าง fork ได้ จากนั้นคุณก็ชนะ! แต่กฎเหล่านี้คลุมเครือ Forcing moves ที่อยู่ในตำแหน่ง "ร้อน" และการป้องกันของคู่ต่อสู้ต้องอยู่ในตำแหน่ง "เย็น" ดูเหมือนจะได้เปรียบ แต่มันไม่รับประกันชัยชนะ เมื่อเริ่มลำดับของ forcing moves ถ้าคุณเสียความคิดริเริ่ม (initiative) ไป คู่ต่อสู้ก็สามารถเริ่มลำดับของ forcing moves ใส่คุณและชนะได้ ดังนั้นเมื่อไรจะเข้าโจมตีเป็นเรื่องละเอียดอ่อน เร็วเกินไปคุณเสีย initiative ช้าเกินไปคู่ต่อสู้เริ่มและชนะ เท่าที่ผมรู้ มันเป็นไปไม่ได้ที่จะให้กฎที่แน่นอนว่าเมื่อไรควรทำ
นี่คือโครงสร้างมาตรฐานของโปรแกรมสำหรับเล่นเกมบนคอมพิวเตอร์ โปรแกรมต้องตรวจสอบก่อนว่าการเดินนั้นถูกต้องตามกฎก่อนขั้นตอนอื่นใด แต่นี่เป็นรายละเอียดเล็กน้อย จากนั้นก็จะมีชุดของกฎที่ค่อนข้างเป็นทางการที่ต้องปฏิบัติตาม ตามด้วยกฎที่คลุมเครือกว่ามาก ดังนั้นโปรแกรมเกมจึงมี heuristics (ฮิวริสติก — การคิดค้นหรือค้นพบ) อยู่มาก ซึ่งเป็นการเดินที่เป็นไปได้และมีแนวโน้มที่จะนำคุณไปสู่ชัยชนะ แต่ไม่รับประกัน
ในช่วงต้นของวงการ AI Art Samuel ซึ่งตอนนั้นอยู่ที่ IBM ได้เขียนโปรแกรมเล่น หมากฮอส (checkers) โดยหมากฮอสถือว่าง่ายกว่า หมากรุก ซึ่งพิสูจน์แล้วว่าเป็นอุปสรรคใหญ่ สูตรที่เขาเขียนสำหรับเล่นหมากฮอสมีพารามิเตอร์ที่ค่อนข้าง arbitrary จำนวนมากในฟังก์ชันถ่วงน้ำหนักสำหรับการตัดสินใจ เช่น การควบคุมจุดศูนย์กลาง หมากที่ผ่านไปแล้ว คิง (kings) ความคล่องตัว หมากที่ถูกตรึง ฯลฯ Samuel ทำสำเนาของโปรแกรมและปรับเปลี่ยนพารามิเตอร์หนึ่งตัว (หรือมากกว่า) เล็กน้อย จากนั้นให้สูตรหนึ่งเล่น เช่น สิบเกมกับอีกสูตรหนึ่ง และสูตรที่ชนะมากที่สุดก็เป็นโปรแกรมที่ดีกว่า (จริงๆ แล้วแค่น่าจะเป็นไปได้) เครื่องจักรก็ปรับเปลี่ยนพารามิเตอร์เดิมเรื่อยๆ จนถึงจุด optimum ในพื้นที่ จากนั้นก็เปลี่ยนไปใช้พารามิเตอร์อื่นๆ มันวนไปวนมา ใช้พารามิเตอร์เดิมซ้ำแล้วซ้ำอีก ค่อยๆ กลายเป็นโปรแกรมเล่นหมากฮอสที่ดีขึ้นอย่างมีนัยสำคัญ — ดีกว่า Samuel เองมาก โปรแกรมยังเอาชนะแชมป์หมากฮอสแห่งรัฐ Connecticut ได้อีกด้วย!
มันไม่ยุติธรรมหรือที่จะพูดว่า "โปรแกรมเรียนรู้จากประสบการณ์"? ข้อโต้แย้งทันทีของคุณคือว่ามันมีโปรแกรมที่บอกเครื่องจักรว่าต้องเรียนรู้อย่างไร แต่เมื่อคุณเรียนวิชาเรขาคณิตแบบยุคลิด ครูก็ไม่ได้กำลังใส่โปรแกรมการเรียนรู้แบบเดียวกันเข้าไปในตัวคุณหรือ ถึงจะทำได้ไม่ดีนัก แต่นั่นไม่ใช่สิ่งที่เป็นจริงในวิชาเรขาคณิตหรอกหรือ? คุณเข้าเรียนวิชานี้มาแล้วแก้โจทย์ไม่ได้ ครูใส่โปรแกรมเข้าไปในตัวคุณ และเมื่อจบวิชาคุณก็สามารถแก้โจทย์พวกนั้นได้ ลองคิดดูให้ดี ถ้าคุณปฏิเสธว่าเครื่องจักรเรียนรู้จากประสบการณ์เพราะคุณอ้างว่าโปรแกรมถูกบอก (โดยโปรแกรมเมอร์มนุษย์) ว่าต้องปรับปรุงประสิทธิภาพอย่างไร แล้วสถานการณ์ของคุณก็ไม่เหมือนกันหรอกหรือ ยกเว้นว่าคุณเกิดมาพร้อมกับโปรแกรมเริ่มต้นที่ใหญ่กว่าเมื่อเทียบกับเครื่องจักรที่ออกจากโรงงาน คุณแน่ใจหรือว่าคุณไม่ได้ถูก "โปรแกรม" ในชีวิตโดยเหตุการณ์สุ่มที่เกิดขึ้นกับคุณ?
เราเริ่มพบว่าไม่เพียงแต่สติปัญญา (intelligence) จะไม่มีนิยามที่เพียงพอสำหรับการโต้แย้งทางวิทยาศาสตร์เท่านั้น แต่คำศัพท์อื่นๆ ที่เกี่ยวข้องอีกมาก เช่น คอมพิวเตอร์ การเรียนรู้ ข้อมูล ความคิด การตัดสินใจ (ซึ่งแทบจะไม่ใช่แค่การแตกกิ่งของโปรแกรม แม้ว่าจุดแตกกิ่งมักถูกเรียกว่าจุดตัดสินใจเพื่อให้โปรแกรมเมอร์รู้สึกสำคัญขึ้น) พฤติกรรมของผู้เชี่ยวชาญ — ล้วนคลุมเครือในใจเราเมื่อเราลงไปถึงระดับของการทดสอบมันผ่านโปรแกรมในคอมพิวเตอร์ วิทยาศาสตร์ appeal ไปที่หลักฐานเชิงประจักษ์โดยธรรมชาติ ไม่ใช่คำพูดที่ไร้สาระ และจนถึงตอนนี้วิทยาศาสตร์ดูจะมีประสิทธิภาพมากกว่าปรัชญาในการพัฒนาคุณภาพชีวิตของเรา อนาคตอาจแตกต่างไปได้แน่นอน
ในบทนี้เราได้ "ปูพื้น" สำหรับการอภิปรายเพิ่มเติมเกี่ยวกับ AI เรายังได้กล่าวด้วยว่ามันไม่ใช่หัวข้อที่คุณจะมองข้ามได้ แม้ว่าจะดูเหมือนไม่มีผลลัพธ์ที่ชัดเจนเป็นข้อเท็จจริง และบางทีก็อาจจะไม่มีวันมี เพราะตัวคำศัพท์เองก็มีนิยามที่ไม่ชัดเจนและเปิดให้ตีความได้หลากหลาย แต่กระนั้นคุณก็ต้องทำความเข้าใจกับมัน โดยเฉพาะอย่างยิ่ง เมื่อมีโปรแกรมที่เขียนขึ้นและผ่านเกณฑ์ที่กำหนดไว้ก่อนหน้านี้สำหรับการทดสอบการเรียนรู้ของคอมพิวเตอร์ ความคิดริเริ่ม ความคิดสร้างสรรค์ หรือสติปัญญาที่สมเหตุสมผล ผู้คนจำนวนมากก็จะมองเห็นทันทีว่าการทดสอบนั้นมีคำตอบเชิงกลไก (mechanical solution) ถึงแม้ว่าจะมี random numbers เกี่ยวข้อง และถ้าทดสอบแบบเดียวกันสองครั้ง เครื่องจักรก็จะให้คำตอบที่แตกต่างจากครั้งก่อนเล็กน้อย คล้ายกับที่มนุษย์แทบจะไม่เคยเล่น หมากรุกสองตาติดกันในรูปแบบเดียวกันทุกประการ อะไรคือการทดสอบเชิงปฏิบัติที่สมเหตุสมผลสำหรับการเรียนรู้ของเครื่องจักร? หรือคุณจะอ้างเหมือนวิศวกรที่เคยศึกษากับคณะเยสุอิตที่กล่าวถึงก่อนหน้านี้ว่า โดยนิยามแล้ว การเรียนรู้ ความคิดสร้างสรรค์ ความคิดริเริ่ม และสติปัญญา คือสิ่งที่เครื่องจักรทำไม่ได้? หรือคุณจะพยายามซ่อนคำกล่าวที่ชัดเจนนี้และปกปิดมันด้วยวิธีอันแยบยล ซึ่งไม่ได้เปลี่ยนสถานการณ์จริงๆ เลย?
ในแง่หนึ่ง คุณจะไม่มีวันเข้าใจปัญหาทั้งหมดของ AI จนกว่าคุณจะลงมือทำและลองค้นหาด้วยตัวเองว่าคุณหมายถึงอะไรและเครื่องจักรทำอะไรได้บ้าง ก่อนที่ โปรแกรมเล่นหมากฮอสที่เรียนรู้ได้จะถูกเปิดเผยในรายละเอียดง่ายๆ คุณอาจเคยคิดว่าเครื่องจักรไม่สามารถ เรียนรู้จากประสบการณ์ได้ — ตอนนี้คุณอาจรู้สึกว่าสิ่งที่ทำลงไปนั้นไม่ใช่การเรียนรู้ แต่เป็นการโกงอย่างชาญฉลาด ถึงแม้ว่าโปรแกรมจะปรับเปลี่ยนพฤติกรรมของมันตามประสบการณ์ที่ได้รับก็ตาม คุณต้องต่อสู้กับความเชื่อของตัวเอง ถ้าคุณอยากจะก้าวหน้าในการทำความเข้าใจความเป็นไปได้และข้อจำกัดของคอมพิวเตอร์ในด้านสติปัญญา เพื่อที่จะทำสิ่งนี้อย่างเพียงพอ คุณต้องทำให้ความเชื่อของคุณเป็นทางการ แล้ววิพากษ์วิจารณ์มันอย่างรุนแรง โต้แย้งทั้งสองด้าน จนกว่าคุณจะเข้าใจจุดแข็งและจุดอ่อนของทั้งสองฝ่าย นักเรียนส่วนใหญ่เริ่มต้นด้วยการต่อต้าน AI บางคนสนับสนุน AI และถ้าคุณเป็นฝ่ายใดฝ่ายหนึ่ง คุณต้องพยายามขจัดอคติของคุณในเรื่องสำคัญนี้ ในบทต่อไป เราจะให้ข้อมูลที่น่าประหลาดใจเพิ่มเติมเกี่ยวกับสิ่งที่เครื่องจักรได้ทำลงไป แต่คุณต้องตัดสินใจด้วยตัวเองในหัวข้อสำคัญนี้ ความเชื่อที่ผิดจะหมายความว่าคุณจะไม่มีส่วนร่วมอย่างมีนัยสำคัญในการทำคอมพิวเตอร์ให้แพร่หลายในองค์กรและสังคมของคุณซึ่งเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ในหลายแง่มุม การปฏิวัติคอมพิวเตอร์เพิ่งจะเริ่มต้นเท่านั้น!