ในหนังสือเล่มนี้ เราสนใจเรื่องที่คอมพิวเตอร์ช่วยเราในด้านสติปัญญามากกว่าด้านกลไก อย่างเช่นการผลิต ในด้านกลไก คอมพิวเตอร์ทำให้เราสามารถผลิตสินค้าที่ดีขึ้น ดีกว่าเดิม และถูกลง และในบางด้านก็กลายเป็นสิ่งที่ขาดไม่ได้ เช่น การเดินทางไปยังดวงจันทร์ ซึ่งแทบจะเป็นไปไม่ได้เลยหากไม่ได้รับความช่วยเหลือจากคอมพิวเตอร์ ai ถูกมองว่าเป็นส่วนเสริมของหุ่นยนต์—โดยหลักแล้วมันเกี่ยวข้องกับด้านสติปัญญาของมนุษย์มากกว่าด้านกายภาพ แม้ว่าทั้งสองอย่างจะเชื่อมโยงกันอย่างใกล้ชิดในโครงการส่วนใหญ่ก็ตาม
ลองกลับไปเริ่มต้นที่องค์ประกอบพื้นฐานของเครื่องจักรและมนุษย์กันอีกครั้ง ทั้งสองสร้างมาจากอะตอมและโมเลกุล ทั้งสองมีส่วนประกอบพื้นฐานที่เป็นระบบ เครื่องจักรมีอุปกรณ์สองสถานะสำหรับการจัดเก็บและการทำงานเป็นเกต ในขณะที่มนุษย์สร้างมาจากเซลล์ ทั้งสองมีโครงสร้างขนาดใหญ่ขึ้น—เครื่องจักรมีหน่วยคำนวณเลข หน่วยจัดเก็บข้อมูล หน่วยควบคุม และ I/O ส่วนมนุษย์มีกระดูก กล้ามเนื้อ อวัยวะ หลอดเลือด ระบบประสาท และอื่นๆ
แต่ขอให้สังเกตบางอย่างให้ดี จากองค์กรขนาดใหญ่ ผลกระทบใหม่ๆ สามารถเกิดขึ้นได้ ตัวอย่างเช่น เราเชื่อว่าไม่มีแรงเสียดทานระหว่างโมเลกุล แต่โครงสร้างขนาดใหญ่ส่วนใหญ่กลับมีผลกระทบนี้—มันเป็นผลกระทบที่เกิดจาก การจัดระบบ ของส่วนประกอบย่อยๆ ที่ไม่ได้แสดงผลกระทบดังกล่าว
นอกจากนี้เราควรสังเกตว่า เวลาเราออกแบบอุปกรณ์บางอย่างเพื่อทำสิ่งเดียวกับที่ธรรมชาติทำ เรามักทำด้วยวิธีที่แตกต่างกัน ตัวอย่างเช่น เรามีเครื่องบินที่ใช้ปีกตรึง (หรือโรเตอร์) ในขณะที่นกส่วนใหญ่กระพือปีก แต่เราก็ทำสิ่งที่แตกต่างออกไปด้วย—เราบินได้สูงกว่าและเร็วกว่านกมาก ธรรมชาติไม่เคยสร้างวงล้อขึ้นมา แม้ว่าเราจะใช้ล้อในหลายๆ ทางก็ตาม ระบบประสาทของเราค่อนข้างช้า โดยส่งสัญญาณด้วยความเร็วประมาณไม่กี่ร้อยเมตรต่อวินาที ในขณะที่คอมพิวเตอร์ส่งสัญญาณด้วยความเร็วประมาณ 186,000 ไมล์ต่อวินาที
สิ่งที่สามที่ต้องสังเกต ก่อนที่จะพูดถึงสิ่งที่ ai ทำสำเร็จแล้ว ก็คือสมองของมนุษย์มีองค์ประกอบจำนวนมากในรูปแบบของเส้นประสาทที่เชื่อมต่อกัน เราต้องการให้นิยามของ "การคิด" เป็นสิ่งที่สมองมนุษย์สามารถทำได้ จากความล้มเหลวในอดีตในการโปรแกรมให้เครื่องจักรคิด มักมีข้ออ้างว่าเครื่องจักรไม่ใหญ่พอ ไม่เร็วพอ เป็นต้น บางคนสรุปจากสิ่งนี้ว่าถ้าเราสร้างเครื่องจักรที่ใหญ่พอ มันก็จะสามารถคิดได้โดยอัตโนมัติ! อย่าลืมว่า ดูเหมือนว่ามันเป็นปัญหาของการเขียนโปรแกรมมากกว่าการสร้างเครื่องจักร เว้นแต่ว่าคุณจะเชื่อว่า เช่นเดียวกับแรงเสียดทาน การมีส่วนประกอบเล็กๆ จำนวนมากจะสร้างผลกระทบใหม่—การคิดจากส่วนที่ไม่คิด บางทีนั่นอาจเป็นทั้งหมดที่การคิดเป็นจริงๆ! บางทีมันอาจไม่ใช่สิ่งที่แยกออกจากกัน มันเป็นเพียงผลพลอยได้จากความใหญ่โต เราไม่สามารถปฏิเสธสิ่งนี้ได้ราบคาบ เพราะเราต้องยอมรับว่าเราไม่รู้ว่าการคิดคืออะไรจริงๆ
กลับมาที่ความสำเร็จในอดีตของ ai อีกครั้ง มีโปรแกรมหนึ่งที่พิสูจน์ทฤษฎีบทในเรขาคณิตแบบคลาสสิก คล้ายกับที่คุณเคยทำตอนเรียนวิชานี้ ทฤษฎีบทที่มีชื่อเสียง "ถ้าสองด้านของสามเหลี่ยมเท่ากัน แล้วมุมฐานก็เท่ากัน" ถูกป้อนให้กับโปรแกรม รูปที่ 7.1 คุณอาจจะแบ่งครึ่งมุมบน แล้วพิสูจน์ว่าสามเหลี่ยมสองส่วนนั้นเท่ากันทุกประการ ดังนั้นมุมที่สอดคล้องกันจึงเท่ากัน บางคนอาจจะแบ่งครึ่งด้านที่สาม แล้วลากเส้นไปยังมุมตรงข้าม ก็จะได้สามเหลี่ยมที่เท่ากันทุกประการอีกครั้ง วิธีพิสูจน์ที่เครื่องจักรสร้างขึ้นไม่ได้ใช้การสร้างเส้นช่วยใดๆ แต่เปรียบเทียบสามเหลี่ยม abc กับสามเหลี่ยม cba จากนั้นพิสูจน์ว่าเป็นการเท่ากันในตัวเอง จึงได้ว่ามุมเท่ากัน
รูปที่ 7.1—สองวิธีในการพิสูจน์ทฤษฎีบททางเรขาคณิต
ใครก็ตามที่ดูการพิสูจน์นั้นจะต้องยอมรับว่ามันสวยงาม ถูกต้อง และน่าประหลาดใจ จริงๆ แล้วคนที่เขียนโปรแกรมก็ไม่รู้มาก่อน และมันก็ไม่เป็นที่รู้จักแพร่หลายนัก แม้ว่ามันจะเป็นเชิงอรรถใน Euclid ฉบับของฉันก็ตาม เรามักจะพูดว่าโปรแกรมแสดงให้เห็น " ความคิดริเริ่ม" ผลลัพธ์ที่ได้คือโปรแกรมแสดง "ความใหม่" ที่นักออกแบบไม่ได้ใส่เข้าไปในโปรแกรม โปรแกรมแสดง "ความคิดสร้างสรรค์" และสิ่งดีๆ ทั้งหมดเหล่านั้น
ลองคิดดูสักนิดจะเห็นว่าผู้เขียนโปรแกรมใส่คำสั่งให้โปรแกรมลองพิสูจน์ทฤษฎีบทที่กำหนดก่อน และเมื่อติดขัดก็ให้ลองลากเส้นช่วย ถ้านั่นเป็นวิธีที่คุณถูกสอนให้ทำเรขาคณิต คุณคงจะมีคนจำนวนมากขึ้นที่เจอการพิสูจน์ที่สวยงามข้างต้น ดังนั้น ในแง่หนึ่ง มันก็ถูกโปรแกรมไว้แล้ว แต่ดังที่ผมพูดไว้ก่อนหน้านี้ วิชาเรขาคณิตที่คุณเรียนคืออะไรอื่นนอกจากความพยายามโหลดโปรแกรมเข้าไปในตัวคุณ? แม้จะไม่มีประสิทธิภาพก็ตาม นั่นเป็นวิถีของมนุษย์ แต่สำหรับเครื่องจักรมันสะอาด: คุณแค่ใส่โปรแกรมครั้งเดียวจบ และคุณไม่ต้องทำซ้ำแล้วซ้ำเล่าไม่รู้จบ แล้วก็ยังลืมอีก!
โปรแกรมเล่นหมากฮอสของ Samuel แสดงความคิดริเริ่มหรือไม่ เมื่อมันเดินหมากที่น่าประหลาดใจและเอาชนะแชมป์หมากฮอสระดับรัฐ? ถ้าไม่ คุณสามารถแสดงให้เห็นว่าคุณมีความคิดริเริ่มได้ไหม? อะไรคือเกณฑ์ที่คุณจะใช้แยกตัวคุณออกจากโปรแกรมคอมพิวเตอร์?
เราอาจกล่าวได้ว่าโปรแกรมเล่นหมากฮอส "เรียนรู้" และโปรแกรมพิสูจน์ทฤษฎีบทแสดง "ความคิดสร้างสรรค์" "ความคิดริเริ่ม" หรืออะไรก็ตามที่คุณอยากเรียก มันเป็นเพียงตัวอย่างสองตัวอย่างจากโปรแกรมมากมายที่ถูกเขียนขึ้น ปัญหาในการทำให้คุณเชื่อว่าโปรแกรมมีคุณสมบัติที่กล่าวอ้างนั้นง่ายมาก—เพียงแค่มีโปรแกรมที่ทำบางสิ่งบางอย่าง คุณก็ ในทันที มองว่าสิ่งที่ทำนั้นเป็นแค่กระบวนการอัตโนมัติธรรมดา แม้ว่าจะมีการสุ่มตัวเลขจากโลกจริงรวมอยู่ในโปรแกรมก็ตาม ดังนั้นเราจึงมีข้อขัดแย้ง: การมีอยู่ของโปรแกรมทำให้คุณไม่เชื่อโดยอัตโนมัติว่ามันเป็นมากกว่ากระบวนการอัตโนมัติ ด้วยทัศนคติแบบนี้ แน่นอนว่าเครื่องจักรไม่สามารถแสดงให้เห็นว่ามันเป็นมากกว่า "เครื่องจักร" ในความหมายคลาสสิกได้ ไม่มีทางที่มันจะแสดงให้เห็นว่ามันสามารถ "คิด" ได้
กลุ่มคนที่เชื่อในแนวทาง ai แบบเข้มข้นอ้างว่ามนุษย์เป็นเพียงเครื่องจักรเท่านั้น และไม่มีอะไรอื่น ดังนั้นสิ่งที่มนุษย์สามารถทำได้ในด้านสติปัญญา เครื่องจักรก็สามารถเลียนแบบได้ ดังที่กล่าวไว้ข้างต้น ผู้อ่านส่วนใหญ่เมื่อเห็นผลลัพธ์จากเครื่องจักร มักจะเชื่อโดยอัตโนมัติว่ามันไม่ใช่คุณลักษณะของมนุษย์ที่ถูกกล่าวอ้าง สองคำถามเกิดขึ้นทันที หนึ่ง—มันยุติธรรมไหม? สอง—คุณแน่ใจแค่ไหนว่าคุณไม่ได้เป็นเพียงกลุ่มของโมเลกุลในสนามพลังงานที่แผ่รังสี และโลกทั้งใบก็เป็นเพียงโมเลกุลชนกับโมเลกุล? ถ้าคุณเชื่อในแรงอื่นๆ (ที่ไม่ได้ระบุ เป็นความลึกลับ) พวกมันส่งผลต่อการเคลื่อนที่ของโมเลกุลอย่างไร และถ้าพวกมันไม่สามารถส่งผลต่อการเคลื่อนที่ได้ แล้วพวกมันจะส่งผลต่อโลกแห่งความจริงได้อย่างไร? ฟิสิกส์อธิบายจักรวาลได้สมบูรณ์แล้วหรือยัง หรือยังมีแรงที่เราไม่รู้จัก? เป็นทางเลือกที่ยากจะตัดสินใจ (ข้อสังเกตข้างๆ: ในขณะนี้ [ค.ศ. 1994] เชื่อกันว่า 90% ถึง 99% ของจักรวาลคือสิ่งที่เรียกว่า dark matter (สสารมืด) ซึ่งฟิสิกส์ไม่รู้อะไรเลยนอกจากแรงโน้มถ่วงของมัน)
ตอนนี้เราจะเปลี่ยนมาพูดถึงการประยุกต์ใช้คอมพิวเตอร์ในบริบททางวัฒนธรรมมากขึ้น ช่วงต้นของการปฏิวัติคอมพิวเตอร์ ผมได้ดู Max Mathews และ John R. Pierce ที่ Bell Telephone Laboratories ทำงานเกี่ยวกับ ดนตรีจากคอมพิวเตอร์ มันจะชัดเจนในภายหลัง ถ้าคุณยังไม่รู้ตอนนี้—ว่าเมื่อคุณตัดสินใจได้แล้วว่าต้องการสร้างความถี่สูงสุดเท่าไหร่ อัตราการสุ่มตัวอย่าง (sampling rate) ก็จะถูกกำหนด มนุษย์สามารถได้ยินสูงสุดประมาณ 18,000 รอบต่อวินาทีในสภาพที่ดีที่สุด และเฉพาะตอนยังเด็กเท่านั้น ผู้ใหญ่ใช้โทรศัพท์ที่น้อยกว่า 8,000 รอบต่อวินาที และโดยทั่วไปสามารถจำแนกเสียงได้เกือบจะในทันที การควอนไทซ์ (quantizing) แทร็กเสียงที่แทนดนตรี (และไม่ว่าจะมีเครื่องดนตรีกี่ชิ้น ก็มีแอมพลิจูดของแทร็กเสียงเพียงค่าเดียว) ไม่ได้ทำให้เกิดความผิดเพี้ยนเพิ่มขึ้นมากนัก ดังนั้น จึงเป็นเหตุผลที่ว่า เราสามารถให้คอมพิวเตอร์คำนวณความสูงของแทร็กเสียงในแต่ละช่วงเวลา ส่งค่านั้นออกมาเป็นแรงดันไฟฟ้า ผ่านฟิลเตอร์ปรับเรียบ แล้วก็จะได้ "ดนตรี" ที่สอดคล้องกัน เสียงบริสุทธิ์นั้นง่าย—แค่เส้นโค้งไซน์ การรวมกันของความถี่เป็นตัวกำหนดเสียงของเครื่องดนตรีแต่ละชิ้น พร้อมด้วย "การโจมตี (attack)" (หมายถึงความถี่เพิ่มแอมพลิจูดอย่างไรเมื่อโน้ตเริ่ม และการลดลงในภายหลัง) และคุณสมบัติอื่นๆ เมื่อโปรแกรมเครื่องดนตรีต่างๆ หลายชิ้นพร้อมแล้ว คุณก็สามารถป้อนโน้ตและให้เสียงของดนตรีถูกเขียนลงบนเทปเพื่อเล่นในภายหลัง คุณไม่จำเป็นต้องคำนวณตัวเลขแบบ real time คอมพิวเตอร์สามารถทำงานช้าเท่าที่ต้องการ และไม่จำเป็นต้องทำงานในอัตราคงที่ด้วยซ้ำ แต่เมื่อตัวเลขถูกวางลงบนเทปและเล่นในอัตราที่สม่ำเสมอ คุณก็จะได้ "ดนตรี"
แต่ทำไมต้องป้อนโน้ตด้วย? ทำไมไม่ให้คอมพิวเตอร์ "แต่ง" เพลงด้วยล่ะ? ยังไงเสียมันก็มี "กฎการแต่งเพลง" มากมาย และพวกเขาก็ทำเช่นนั้น—ใช้กฎ และเมื่อมีตัวเลือกก็ใช้ตัวเลขสุ่มเพื่อตัดสินว่าโน้ตตัวไหนจะตามมา ปัจจุบันเรามีทั้งดนตรีที่แต่งโดยคอมพิวเตอร์และเล่นโดยคอมพิวเตอร์ คุณได้ยินมันมากมายในโฆษณาทางวิทยุและ tv มันถูกกว่า ควบคุมได้ดีกว่า และสามารถสร้างเสียงที่เครื่องดนตรีปัจจุบันไม่สามารถทำได้ ที่จริงแล้ว เสียงใดๆ ที่สามารถปรากฏบนแทร็กเสียงก็สามารถผลิตได้โดยคอมพิวเตอร์
ดังนั้น ในแง่หนึ่ง คอมพิวเตอร์คือที่สุดของดนตรี ยกเว้นรายละเอียดเล็กน้อย (เรื่องอัตราการสุ่มตัวอย่างและจำนวนระดับควอนไทซ์ ซึ่งสามารถเพิ่มได้ถ้าคุณยอมจ่าย) ตอนนี้นักแต่งเพลงสามารถสร้างเสียงใดๆ ก็ตามที่มีอยู่ ในอัตราใดก็ได้ ในรูปแบบผสม จังหวะ และความเข้มที่ต้องการ ที่จริงแล้ว ในปัจจุบัน "การบันทึกเสียงดนตรีคุณภาพสูงที่สุด" เป็นระบบดิจิทัล จะไม่มีการปรับปรุงทางเทคนิคที่มีนัยสำคัญอีกต่อไปในอนาคต ตอนนี้มันเป็นเรื่องของเสียงไหนคุ้มค่าที่จะผลิต ไม่ใช่ว่าทำอะไรได้บ้าง หลายคนในตอนนี้มีเครื่องเล่นเพลงแบบดิจิทัล และมันถูกมองว่าดีกว่าเครื่องอนาล็อกรุ่นเก่ามาก
เครื่องจักรยังมอบ feedback ที่เร็วกว่าให้นักแต่งเพลงในการได้ยินสิ่งที่แต่งขึ้น ก่อนหน้านี้ นักแต่งเพลงต้องรอเป็นปีๆ กว่าชื่อเสียงจะแผ่ขยายและผลงานที่แต่งไว้ก่อนหน้านี้จะได้ถูกได้ยินครั้งแรกในชีวิตจริง ไม่ใช่แค่ในจินตนาการ ดังนั้น นักแต่งเพลงจึงสามารถพัฒนาสไตล์ของตัวเองได้เร็วขึ้นมาก จากการอ่านวารสารที่เกี่ยวกับดนตรีคอมพิวเตอร์ ผมได้ความประทับใจว่าอุปกรณ์คอมพิวเตอร์ที่ค่อนข้างซับซ้อนเป็นอุปกรณ์ทั่วไปของนักแต่งเพลงในปัจจุบัน มีภาษามากมายให้พวกเขาใช้ และพวกเขาก็กำลังใช้แนวทางที่หลากหลายในการสร้างดนตรีด้วยความร่วมมือระหว่างมนุษย์และเครื่องจักร
วาทยกรดนตรีในตอนนี้ก็สามารถควบคุมได้มากขึ้น ในอดีต วาทยกรเมื่อทำการบันทึกเสียงจะพยายามดึงสิ่งที่ดีที่สุดจากนักดนตรี และมักจะนำเทคหลายๆ ครั้งมาตัดต่อเพื่อให้ได้การบันทึกที่ดีที่สุด รวมถึงการ "มิกซ์" การบันทึกจากไมโครโฟนต่างๆ ตอนนี้ วาทยกรสามารถได้สิ่งที่ต้องการอย่างแม่นยำ ตั้งแต่จังหวะเวลาระดับมิลลิวินาที เศษส่วนของโน้ต และคุณสมบัติอื่นๆ ของเครื่องดนตรีแต่ละชิ้นที่กำลังถูกจำลอง นักดนตรีที่เป็นมนุษย์ไม่จำเป็นต้องสมบูรณ์แบบพร้อมกันในช่วงใดช่วงหนึ่งของบทเพลงอีกต่อไป
และนี่คือสิ่งที่คุณเห็นอีกครั้ง—ผลกระทบของคอมพิวเตอร์ที่ผลักดันเราจากโลกของสิ่งของไปสู่โลกของความคิด และวิธีที่มันเสริมและขยายสิ่งที่มนุษย์สามารถทำได้
นี่คือประเภทของ ai ที่ผมสนใจ—มนุษย์และเครื่องจักรสามารถทำอะไรด้วยกันได้บ้าง ไม่ใช่การแข่งขันที่จะเกิดขึ้น แน่นอนว่า หุ่นยนต์จะเข้ามาแทนที่มนุษย์จำนวนมากในงานประจำ ในแง่หนึ่ง เครื่องจักรสามารถทำงานประจำได้ดีที่สุด ซึ่งช่วยปลดปล่อยมนุษย์ให้ทำงานที่มนุษย์ควรทำได้ดีกว่า น่าเสียดายที่มนุษย์จำนวนมากในปัจจุบันไม่พร้อมที่จะแข่งขันกับเครื่องจักร—พวกเขาทำงานได้ไม่มากไปกว่างานประจำ มีความเชื่ออย่างแพร่หลาย (หรือความหวัง?) ว่ามนุษย์สามารถแข่งขันได้เมื่อได้รับการฝึกฝนอย่างเหมาะสม อย่างไรก็ตาม ผมได้แสดงความสงสัยต่อสาธารณะมานานแล้วว่าคุณจะสามารถเอาคนงานเหมืองถ่านหินจำนวนมากมาทำให้เป็นโปรแกรมเมอร์ที่มีประโยชน์ได้หรือไม่ ผมมีข้อสงสัยเกี่ยวกับสัดส่วนของประชากรมนุษย์ที่สามารถเป็นโปรแกรมเมอร์ในความหมายคลาสสิกได้ ถ้าคุณเรียกการกดเงินจากตู้ ATM ว่า "การเขียนโปรแกรมเครื่องจักร" หรือการกดหมายเลขโทรศัพท์ (ซึ่งทั้งสองอย่างเป็นการป้อนข้อมูลของมนุษย์เข้าไปในโปรแกรมที่ซับซ้อนแล้วให้โปรแกรมทำงาน คล้ายกับที่ interpreter ทำกับอินพุตโปรแกรมของคุณ) ก็แน่ละว่าคนส่วนใหญ่สามารถเป็นโปรแกรมเมอร์ได้ แต่ถ้าคุณหมายถึงกิจกรรมคลาสสิกอย่างการวิเคราะห์สถานการณ์อย่างถี่ถ้วนและการระบุรายละเอียดว่าต้องทำอะไร ผมบอกได้เลยว่ามันน่าสงสัยว่าประชากรสัดส่วนเท่าไหร่ที่สามารถ แข่งขัน กับคอมพิวเตอร์ได้ แม้จะมีเมนูแนะนำแบบ interactive ที่ดีก็ตาม
คอมพิวเตอร์ทำให้คนจำนวนมากตกงาน และก็สร้างงานใหม่มากมายเช่นกัน จนไม่สามารถหาคำตอบได้ว่าจำนวนไหนมากกว่ากัน แต่ที่ชัดเจนคือโดยเฉลี่ยแล้ว งานระดับล่างกำลังหายไป และงานระดับสูงกำลังเกิดขึ้น เช่นเดียวกัน เราอยากจะเชื่อว่า คนส่วนใหญ่ สามารถถูกฝึกให้ทำงานระดับสูงได้ในอนาคต—แต่นั่นเป็นเพียงความหวังที่ไม่มีหลักฐานจริงใดๆ
นอกจากเกม เรขาคณิต และดนตรีแล้ว เรายังมีโปรแกรมสำหรับการจัดการพีชคณิต (algebraic manipulation) โปรแกรมเหล่านี้มักจะเป็นแบบ "มีคนนำทาง" มากกว่าแบบ "ยืนด้วยตัวเอง" กล่าวคือมันพึ่งพามนุษย์ในการแนะนำในขั้นตอนต่างๆ ของการจัดการ ตอนแรกก็น่าแปลกที่เราสามารถสร้างโปรแกรมเรขาคณิตแบบยืนด้วยตัวเองได้ แต่ดูเหมือนจะทำแบบเดียวกันกับพีชคณิตได้ไม่ง่ายนัก การทำให้ง่าย (simplification) เป็นหนึ่งในปัญหาที่คุณอาจไม่เคยสังเกตตอนเรียนวิชาพีชคณิต เมื่อคุณถูกบอกให้ "จัดรูปพจน์ให้ง่ายขึ้น" คุณอาจไม่ได้รับกฎที่ชัดเจนว่า "การทำให้ง่าย" คืออะไร—และถ้าคุณได้รับ กฎนั้นก็คงจะดูไร้สาระอย่างเห็นได้ชัด ตัวอย่างเช่น "คณิตศาสตร์แบบใหม่ (new math)" อย่างน้อยหนึ่งเวอร์ชันบอกว่า
มันบอกว่านี่ไม่ใช่รูปแบบที่ทำให้ง่ายแล้ว แต่
ถึงจะเป็นรูปแบบที่ทำให้ง่ายแล้ว!
เราใช้คำว่า "ทำให้ง่าย" ตลอดเวลา แต่ความหมายของมันขึ้นอยู่กับว่าคุณกำลังจะทำอะไรต่อไป และไม่มีนิยามที่เป็นมาตรฐาน ดังนั้น ถ้าในแคลคูลัสคุณกำลังจะอินทิเกรตต่อ คุณก็แยกสิ่งต่างๆ ออกเป็นชิ้นเล็กๆ แต่ในเวลาอื่น คุณอาจพยายามรวมส่วนต่างๆ เข้าด้วยกันเป็นผลคูณหรือผลหารที่ดี
โปรแกรมแบบ "มีมนุษย์นำทาง" ที่คล้ายกันนี้ได้รับการพัฒนาสำหรับการสังเคราะห์สารประกอบทางเคมี มันมีประโยชน์มากเพราะมันให้: (1) เส้นทางที่เป็นไปได้ในการสังเคราะห์ (2) ต้นทุน (3) เวลาของปฏิกิริยาตามเส้นทางต่างๆ และ (4) ผลผลิตที่มีประสิทธิภาพ ดังนั้นผู้เขียนโปรแกรมที่ใช้มันจึงสามารถสำรวจวิธีการต่างๆ มากมายในการสังเคราะห์สารประกอบใหม่ หรือสำรวจวิธีการเก่าอีกครั้งเพื่อหาเทคนิคใหม่เมื่อต้นทุนของวัสดุและกระบวนการเปลี่ยนแปลงไปจากเมื่อหลายปีก่อน
การวัดตัวอย่างเลือดและอื่นๆ ทางการแพทย์ส่วนใหญ่ได้เปลี่ยนไปใช้การวิเคราะห์ด้วยเครื่องจักร แทนที่จะใช้มนุษย์ที่ไม่น่าเชื่อถือส่องกล้องจุลทรรศน์ มันเร็วกว่า น่าเชื่อถือกว่า และคุ้มค่ากว่าในกรณีส่วนใหญ่ เราสามารถไปไกลกว่านั้นในด้าน การแพทย์ และให้เครื่องจักรวินิจฉัยโรค แทนที่หมอ ที่จริงแล้ว ในกรณีนี้ เครื่องจักรอาจเป็นฝ่ายคอยแนะนำหมอในระหว่างการวินิจฉัย! มีชุดตรวจวินิจฉัยตัวเองสำหรับโรคบางชนิดวางขายในตลาดมานานแล้ว นั่นไม่ใช่เรื่องใหม่ มันเป็นเพียงแนวคิดที่จะไปให้ไกลกว่านั้น—คือการสั่งจ่ายยารักษา—ที่ทำให้คนกังวล
เรารู้ว่าหมอเป็นมนุษย์และจึงไม่น่าเชื่อถือ และบ่อยครั้งในกรณีของโรคหายาก หมออาจไม่เคยเห็นกรณีนั้นมาก่อน แต่เครื่องจักรไม่ลืม และสามารถบรรจุโรคที่เกี่ยวข้องทั้งหมดไว้ได้ ดังนั้นจากอาการ โปรแกรมสามารถวินิจฉัยหรือขอตรวจเพิ่มเติมเพื่อหาโรคที่เป็นไปได้ ด้วยความน่าจะเป็นที่ถูกโปรแกรมไว้ (ซึ่งสามารถปรับเปลี่ยนได้อย่างรวดเร็วตามโรคระบาดในปัจจุบัน) เครื่องจักรน่าจะทำได้ดีกว่าในระยะยาวเมื่อเทียบกับหมอทั่วไป หรือแม้แต่หมอที่เก่งกว่าค่าเฉลี่ย—และหมอทั่วไปนี่แหละที่ต้องรักษาคนส่วนใหญ่! หมอที่เก่งที่สุดสามารถรักษาได้ด้วยตัวเอง (โดยไม่ใช้เครื่องจักรช่วย) เพียงไม่กี่คนจากประชากรทั้งหมดเท่านั้น
ปัญหาหลักปัญหาหนึ่งก็คือปัญหาทางกฎหมาย สำหรับหมอที่เป็นมนุษย์ ตราบใดที่พวกเขาแสดง "ความระมัดระวังตามสมควร" (ตามภาษากฎหมาย) ถ้าพวกเขาทำผิดพลาด กฎหมายก็ให้อภัย—สุดท้ายแล้วพวกเขาก็เป็นเพียงมนุษย์ (ผิดพลาดกันได้เป็นมนุษย์) แต่เมื่อเครื่องจักรผิดพลาด คุณจะฟ้องใคร? เครื่องจักร? โปรแกรมเมอร์? ผู้เชี่ยวชาญที่ถูกใช้เพื่อสร้างกฎ? คนที่กำหนดกฎในรายละเอียดมากขึ้น? คนที่จัดระเบียบกฎเป็นลำดับ? หรือคนที่เขียนโปรแกรมกฎเหล่านี้? สำหรับเครื่องจักร คุณสามารถพิสูจน์โดยการวิเคราะห์โปรแกรมอย่างละเอียด—ซึ่งคุณไม่สามารถพิสูจน์กับหมอที่เป็นมนุษย์ได้—ว่ามันมีความผิดพลาด การวินิจฉัยที่ผิด ดังนั้นการคาดการณ์ของผมคือ คุณจะพบ การวินิจฉัยโดยใช้คอมพิวเตอร์ช่วย (computer-assisted diagnosis) มากมายที่ทำโดยหมอ แต่เป็นเวลานานที่จะยังมีหมอที่เป็นมนุษย์อยู่ระหว่างคุณกับเครื่องจักร เราจะค่อยๆ มีโปรแกรมส่วนตัวที่ช่วยให้คุณรู้มากขึ้นเกี่ยวกับการวินิจฉัยตัวเอง แต่มันจะมีปัญหาเรื่องกฎหมายกับโปรแกรมเหล่านั้น ตัวอย่างเช่น ผมสงสัยว่าคุณจะมีอำนาจในการสั่งจ่ายยาที่จำเป็นโดยไม่มีหมอที่เป็นมนุษย์เซ็นคำสั่งหรือไม่ คุณอาจสังเกตแล้วว่าโปรแกรมคอมพิวเตอร์ทั้งหมดที่คุณซื้อจะปฏิเสธความรับผิดชอบใดๆ—และผมหมายถึง ใดๆ —ต่อผลิตภัณฑ์ที่พวกเขาขาย! บ่อยครั้งที่ปัญหาทางกฎหมายของการประยุกต์ใช้ใหม่ๆ เป็นอุปสรรคหลัก ไม่ใช่วิศวกรรม!
ถ้าคุณเคยไปโรงพยาบาลสมัยใหม่ คุณจะเห็นการรุกรานของคอมพิวเตอร์—วงการ การแพทย์นั้น aggressive มากในการใช้คอมพิวเตอร์เพื่อทำงานให้ดีขึ้นและดีขึ้น ทั้งในด้านการลดต้นทุน ความแม่นยำ และความเร็ว เพราะค่ารักษาพยาบาลเพิ่มขึ้นอย่างรวดเร็วในปีหลังๆ คุณอาจไม่คิดเช่นนั้น แต่มันคือการขยายขอบเขตของวงการแพทย์ที่นำมาซึ่งผลกระทบที่มีต้นทุนสูง ซึ่งครอบงำผลประโยชน์จากการลดต้นทุนที่คอมพิวเตอร์ให้มา คอมพิวเตอร์ทำหน้าที่ออกใบเสร็จ จัดตาราง และเก็บบันทึกสำหรับการดำเนินงานของโรงพยาบาล และแม้แต่หมอเอกชนก็หันมาใช้คอมพิวเตอร์ช่วยในการทำงาน ในระดับหนึ่ง ระบบราชการของรัฐบาลกลางกำลังบังคับให้พวกเขาทำเช่นนั้นเพื่อรับมือกับระเบียบต่างๆ ที่รายรอบวงการนี้
ในโรงพยาบาลหลายแห่ง คอมพิวเตอร์เฝ้าติดตามผู้ป่วยในห้องฉุกเฉิน และบางครั้งในที่อื่นๆ เมื่อจำเป็น เครื่องจักรไม่รู้จักเบื่อหน่าย ตอบสนองรวดเร็ว และจะแจ้งเตือนพยาบาลในพื้นที่ให้ดำเนินการทันที หากไม่มีคอมพิวเตอร์ช่วย ก็เป็นที่น่าสงสัยว่าพยาบาลเต็มเวลาจะทำได้ดีเท่ากับการทำงานร่วมกันของคอมพิวเตอร์และพยาบาล
ในคณิตศาสตร์ หนึ่งในโปรแกรมแรกสุด (ค.ศ. 1953) ที่จัดการสัญลักษณ์คือโปรแกรมการหาอนุพันธ์เชิงรูปนัย (formal differentiation) เพื่อหาอนุพันธ์อันดับสูงขึ้น มันถูกเขียนขึ้นเพื่อให้สามารถหา 20 เทอมแรกของอนุกรมกำลังของฟังก์ชันที่ซับซ้อนได้ อย่างที่คุณควรรู้จากแคลคูลัส การหาอนุพันธ์เป็นกระบวนการเชิงรูปนัยที่ง่าย มีกฎค่อนข้างน้อย ตอนที่เรียนคุณคงคิดว่ามันมากกว่านั้น แต่คุณน่าจะสับสนระหว่างการหาอนุพันธ์กับการทำให้ง่ายและการจัดการอนุพันธ์ที่จำเป็นในภายหลัง โปรแกรมจัดการสัญลักษณ์นามธรรมยุคแรกอีกโปรแกรมคือการเปลี่ยนพิกัด (coordinate changing)—ซึ่งจำเป็นสำหรับขีปนาวุธนำวิถี เรดาร์ ฯลฯ เรดาร์ทั้งหมดมีอิสระเพิ่มขึ้นหนึ่งระดับเพื่อให้เป้าหมายไม่สามารถบินเลยปลายแกนหมุนและบังคับให้เรดาร์หมุน 180° เพื่อติดตาม ดังนั้นการแปลงพิกัดจึงอาจยุ่งเหยิงกว่าที่คุณคิด
Slagle นักวิทยาศาสตร์ตาบอด เขียนโปรแกรม (ในวิทยานิพนธ์ที่ mit , ค.ศ. 1961) ที่สามารถทำการอินทิเกรตเชิงวิเคราะห์ได้คล้ายกับที่คุณทำในวิชาแคลคูลัส มันสามารถแข่งกับวิศวกรระดับปริญญาตรีทั่วไปที่ mit ได้ทั้งในด้านขอบเขตของอินทิกรัลที่ทำได้และต้นทุนในการคำนวณ ตั้งแต่นั้นมาเราก็มีการปรับปรุงอีกมาก และมีรายงานว่าโปรแกรมที่ใช้ Risch algorithm ที่มีชื่อเสียงสามารถหาอินทิกรัลใดๆ ที่มีผลลัพธ์ในรูป closed form ได้ แต่หลังจากรอคอยมาหลายปี ผมก็ยังไม่เห็นมัน มีคนบอกผมว่ามีโปรแกรมอินทิเกรตที่จะให้คำตอบในรูป closed form หรือไม่ก็พิสูจน์ว่ามันไม่มี
ในรูปแบบของ หุ่นยนต์ คอมพิวเตอร์ได้บุกเข้าไปในสายการผลิตสินค้าที่เป็นของแข็ง รวมถึงยา ฯลฯ คอมพิวเตอร์ถูกประกอบโดยหุ่นยนต์ที่ขับเคลื่อนด้วยคอมพิวเตอร์ และชิปวงจรรวมที่คอมพิวเตอร์สร้างขึ้นก็ถูกออกแบบโดยคอมพิวเตอร์เป็นหลัก โดยมีมนุษย์คอยชี้นำบ้าง ไม่มีสมองมนุษย์คนไหนที่จะวางผังทรานซิสเตอร์กว่าล้านตัวบนชิปได้อย่างน่าเชื่อถือ มันเป็นงานที่ hopeless โปรแกรมการออกแบบเหล่านี้มีปัญญาประดิษฐ์ในระดับหนึ่ง ในพื้นที่ที่จำกัดซึ่งไม่มีความประหลาดใจ หุ่นยนต์ทำงานได้ค่อนข้างมีประสิทธิภาพ แต่ในที่ที่สิ่งที่คาดไม่ถึงสามารถเกิดขึ้นได้ หุ่นยนต์ธรรมดามักจะเจอปัญหาใหญ่ การตอบสนองแบบเดิมๆ ต่อสถานการณ์ที่ไม่ปกติอาจนำไปสู่หายนะ
ข้อสังเกตที่ชัดเจนสำหรับกองทัพเรือ เช่น ถ้าบนเรือคุณจะใช้หุ่นยนต์เคลื่อนที่ได้ (และคุณไม่จำเป็นต้องให้หุ่นยนต์ทุกตัวเคลื่อนที่ได้) การวิ่งบนรางจากเพดานหมายถึงสิ่งที่ตกลงไปบนพื้นจะไม่ก่อให้เกิดปัญหาเมื่อทั้งหุ่นยนต์และเรือมีการเคลื่อนไหวรุนแรง นั่นเป็นอีกตัวอย่างหนึ่งของสิ่งที่ผมพูดซ้ำแล้วซ้ำเล่า: เมื่อคุณใช้เครื่องจักร คุณทำงานที่เทียบเท่ากัน ไม่ใช่ทำงานเดียวกัน สิ่งของต่างๆ มักจะอยู่บนพื้นที่ไม่ควรอยู่ ตกลงไปโดยอุบัติเหตุ ความประมาท ความเสียหายจากการรบ ฯลฯ และการต้องก้าวข้ามหรือเดินเลี่ยงสิ่งเหล่านั้นไม่ใช่เรื่องง่ายสำหรับหุ่นยนต์เท่ากับมนุษย์
อีกด้านที่ชัดเจนสำหรับหุ่นยนต์เคลื่อนที่คือ การควบคุมความเสียหาย (damage control) หุ่นยนต์สามารถทนต่อสภาพแวดล้อมที่อันตรายกว่า เช่น ไฟไหม้ ได้ดีกว่ามนุษย์ แม้ว่ามนุษย์จะสวมชุดใยหินก็ตาม ถ้าการทำงานที่รวดเร็วทำให้หุ่นยนต์บางตัวพัง ก็ไม่ใช่เรื่องเลวร้ายเท่ากับการสูญเสียชีวิตมนุษย์ กองทัพเรือในตอนนี้มีเครื่องกวาดทุ่นระเบิดที่ควบคุมจากระยะไกล เพราะเมื่อคุณสูญเสียเรือ คุณไม่ได้สูญเสียลูกเรือที่เป็นมนุษย์ เรามักใช้การควบคุมแบบหุ่นยนต์ในการดำน้ำลึก และปัจจุบันเรามีเครื่องบินทิ้งระเบิดไร้คนขับ
กลับมาที่ หมากรุกที่เล่นโดยเครื่องจักรกัน โปรแกรมต่างๆ มีประสิทธิภาพมากขึ้นเรื่อยๆ และดูเหมือนว่าเป็นเพียงเรื่องของเวลาก่อนที่เครื่องจักรจะเอาชนะแชมป์หมากรุกโลกได้ แต่ในอดีต เส้นทางสู่โปรแกรมที่ดีขึ้นส่วนใหญ่ผ่านการตรวจสอบการเดินที่เป็นไปได้ในเชิงลึกไปข้างหน้าหลายๆ ขั้น มากกว่าการทำความเข้าใจว่ามนุษย์เล่นหมากรุกอย่างไร คอมพิวเตอร์ตอนนี้ตรวจสอบตำแหน่งกระดานหลายล้านตำแหน่งต่อวินาที ในขณะที่มนุษย์โดยทั่วไปตรวจสอบได้มากที่สุดประมาณ 50 ถึง 100 ตำแหน่งก่อนตัดสินใจเดิน—อย่างน้อยนั่นคือสิ่งที่พวกเขารายงานเมื่อถูกขอให้ร่วมมือกับนักจิตวิทยา แต่ว่าจิตใจมนุษย์จริงๆ แล้วทำอะไรตอนเล่นหมากรุกนั้นเป็นอีกเรื่องหนึ่ง! เราไม่รู้จริงๆ!
ในเกมอื่นๆ เครื่องจักรประสบความสำเร็จมากกว่า ตัวอย่างเช่น ผมได้ยินว่าโปรแกรมเล่นแบ็คแกมมอนเอาชนะผู้ชนะการแข่งขันทั้งหมดที่เพิ่งจัดขึ้นในอิตาลี แต่เกมง่ายๆ อย่าง Go ซึ่งง่ายแค่กติกาเท่านั้น กลับยังคงยากที่จะโปรแกรมให้เครื่องเล่นได้ในระดับชั้นนำ
โดยสรุปแล้ว ในหลายเกมและกิจกรรมที่เกี่ยวข้อง เครื่องจักรถูกโปรแกรมให้เล่นได้ดีมาก ในบางเกมก็เล่นได้แย่ แต่บ่อยครั้งที่วิธีที่เครื่องจักรเล่นอาจถูกกล่าวว่า "แก้ปัญหาด้วยปริมาณการคำนวณมหาศาล" มากกว่าด้วยความเข้าใจ—ไม่ว่า "ความเข้าใจ" จะหมายถึงอะไรก็ตาม! เราเริ่มเล่นเกมบนคอมพิวเตอร์เพื่อศึกษากระบวนการคิดของมนุษย์ ไม่ใช่เพื่อชนะเกม เป้าหมายถูกบิดเบือนไปเป็นการชนะ โดยไม่สนใจความเข้าใจในจิตใจมนุษย์และวิธีการทำงานของมัน
ขอพูดซ้ำอีกครั้ง: artificial intelligence ไม่ใช่เรื่องที่คุณจะมองข้ามได้ ทัศนคติของคุณจะทำให้คุณอยู่แถวหน้าหรือแถวหลังของการประยุกต์ใช้เครื่องจักรในสาขาของคุณ แต่มันก็อาจนำคุณไปสู่ความล้มเหลวครั้งใหญ่ได้!
นี่อาจเป็นจุดที่เหมาะสมในการแยกความแตกต่างระหว่าง ความใหม่เชิงตรรกะ (logical novelty) และ ความใหม่เชิงจิตวิทยา (psychological novelty) เครื่องจักรไม่สร้างความใหม่เชิงตรรกะเมื่อทำงานอย่างถูกต้อง แต่มันสร้างความใหม่เชิงจิตวิทยาอย่างแน่นอน—โปรแกรมเมอร์มักจะประหลาดใจกับสิ่งที่โปรแกรมที่พวกเขาเขียนทำจริงๆ! แต่คุณในฐานะมนุษย์ สามารถสร้างความใหม่เชิงตรรกะได้ไหม? การตรวจสอบรายงานของผู้คนเกี่ยวกับการค้นพบที่ยิ่งใหญ่ของพวกเขาอย่างถี่ถ้วนมักจะแสดงให้เห็นว่าพวกเขาถูกนำโดยประสบการณ์ในอดีตไปสู่ผลลัพธ์ที่พวกเขาพบ สถานการณ์นำพาพวกเขาไปสู่ความสำเร็จ—เป็นความใหม่เชิงจิตวิทยา แต่ไม่ใช่เชิงตรรกะ คุณไม่ได้ถูกเตรียมพร้อมโดยประสบการณ์ในอดีตให้ทำสิ่งที่คุณทำ เพื่อให้ค้นพบสิ่งที่คุณค้นพบใช่หรือไม่? ความใหม่เชิงตรรกะเป็นไปได้จริงหรือ?
อย่าหลงคิดว่าความใหม่เชิงจิตวิทยาเป็นเรื่องเล็กน้อย เมื่อให้สัจพจน์ นิยาม และตรรกะมาแล้ว คณิตศาสตร์ที่เหลือทั้งหมดก็เป็นเพียงความใหม่เชิงจิตวิทยา—ในระดับนั้น ในทางเทคนิคแล้ว คณิตศาสตร์ทั้งหมดไม่มีความใหม่เชิงตรรกะเลย!
มีความเชื่อทั่วไปว่าถ้าเราใช้แหล่งสุ่มในการตัดสินใจ เราก็จะหลุดพ้นจากวงจรอุบาทว์ของโมเลกุลชนกับโมเลกุล แต่แหล่งสุ่มภายนอกนี้มาจากไหนนอกจากโลกวัตถุของโมเลกุล?
และยังมีข้ออ้างมาตรฐานว่าแหล่งสุ่มที่แท้จริงมีทุกความรู้อยู่แล้ว นี่เป็นรูปแบบหนึ่งของเรื่องลิงกับเครื่องพิมพ์ดีด ตามทฤษฎีแล้ว คุณมีลิงกลุ่มหนึ่งนั่งอยู่หน้าพิมพ์ดีด และในช่วงเวลาสุ่มพวกมันจะกดแป้นสุ่ม มีการอ้างว่าในที่สุดลิงตัวหนึ่งจะพิมพ์หนังสือทั้งหมดใน British Museum ตามลำดับที่วางอยู่บนชั้น! นี่เป็นข้อโต้แย้งที่ว่า สักวันหนึ่งลิงจะกดแป้นแรกที่ถูกต้อง ที่จริงแล้ว ในเวลาอันไม่สิ้นสุด สิ่งนี้จะเกิดขึ้นนับครั้งไม่ถ้วน ในจำนวนครั้งที่ไม่มีที่สิ้นสุดนี้ จะมีบางครั้ง (จำนวนอนันต์) ที่แป้นถัดไปถูกกดอย่างถูกต้อง และก็เป็นเช่นนี้ต่อไป ในความบริบูรณ์ของเวลาอันไม่สิ้นสุด ลำดับการกดแป้นที่แน่นอนก็จะเกิดขึ้น
นี่คือพื้นฐานของข้ออ้างที่ว่าความรู้ทั้งหมดอยู่ในแหล่งสุ่มที่แท้จริง และคุณสามารถเข้าถึงมันได้ง่าย ถ้า คุณสามารถเขียนโปรแกรมที่รู้จัก " ข้อมูล" ตัวอย่างเช่น ไม่ช้าก็เร็ว ทฤษฎีฟิสิกส์ทฤษฎีต่อไปจะเกิดขึ้นในกระแสสัญญาณรบกวนแบบสุ่ม และถ้าคุณสามารถจดจำมันได้ คุณก็จะกรองมันออกมาจากกระแสของตัวเลขสุ่ม! ตรรกะของสถานการณ์นี้ไม่อาจหลีกเลี่ยงได้—แต่ความจริงนั้นแทบไม่น่าเชื่อ! เวลาที่ต้องรอนั้นยาวนานเกินไป และที่จริงแล้ว คุณไม่สามารถจดจำ "ข้อมูล" ได้เสมอไป แม้ว่าคุณจะเห็นมันก็ตาม
มีข้ออ้างเก่าแก่ที่ว่า "เจตจำนงเสรี" เป็นเพียงมายาคติ ในสถานการณ์ที่กำหนด คุณซึ่งเป็นตัวคุณในขณะนั้น จะทำได้เพียงสิ่งที่คุณทำเท่านั้น ข้อโต้แย้งฟังดูมีเหตุผล แม้ว่ามันจะขัดกับความเชื่อของคุณว่าคุณมีเจตจำนงเสรีก็ตาม เพื่อจะตัดสินคำถามนี้ คุณจะทำการทดลองอะไร? ดูเหมือนจะไม่มีการทดลองที่น่าพอใจที่สามารถทำได้ ความจริงคือเราสลับไปมาระหว่างสองจุดยืนนี้ในพฤติกรรมของเราตลอดเวลา ครูต้องเชื่อว่าถ้าพูดคำที่ถูกต้อง นักเรียนก็จะต้องเข้าใจ และคุณก็ทำเช่นเดียวกันเมื่อเลี้ยงเด็ก แต่ความรู้สึกของการมีเจตจำนงเสรีนั้นฝังลึกในตัวเรา และเราไม่เต็มใจที่จะละทิ้งมันสำหรับตัวเราเอง—แต่เรามักจะเต็มใจที่จะปฏิเสธมันสำหรับคนอื่น!
อีกตัวอย่างหนึ่งของความเชื่อโดยปริยายว่าคนอื่นไม่มีเจตจำนงเสรี ลองพิจารณาว่าเมื่อมีอัตราอาชญากรรมสูงในบางย่านของเมือง หลายคนเชื่อว่าวิธีแก้คือการเปลี่ยนสภาพแวดล้อม—แล้วผู้คนก็จะต้องเปลี่ยน และอัตราอาชญากรรมก็จะลดลง!
นี่เป็นเพียงตัวอย่างเพิ่มเติมเพื่อให้คุณมีส่วนร่วมกับคำถามที่ว่า "เครื่องจักรคิดได้ไหม?"
สุดท้ายนี้ บางทีการคิดควรวัดจากวิธีการทำ ไม่ใช่สิ่งที่ทำ เมื่อผมดูเด็กเรียนรู้การคูณเลขสองตัวที่มีสามหลัก ผมรู้สึกว่าเด็กกำลังคิด เมื่อผมคูณเลขเดียวกัน ผมรู้สึกว่าผมกำลังทำ "การตอบสนองแบบมีเงื่อนไข" มากกว่า เมื่อคอมพิวเตอร์คูณเลขเดียวกัน ผมไม่รู้สึกว่าเครื่องจักรกำลังคิดเลย ดังเนื้อเพลงเก่าที่ว่า "มันไม่ใช่สิ่งที่คุณทำ แต่มันเป็นวิธีที่คุณทำ" ในเรื่องของการคิด บางทีเราอาจสับสนระหว่างสิ่งที่ทำกับวิธีการทำ และนี่อาจเป็นที่มาของความสับสนมากมายในเรื่อง ai
กลุ่มคนที่เชื่อในแนวทาง ai แบบเข้มข้นจะยอมรับเฉพาะสิ่งที่ทำเท่านั้นเป็นตัววัดความสำเร็จ และความคิดนี้ก็ได้แพร่กระจายไปสู่จิตใจของคนอื่นๆ มากมายโดยไม่มีการตรวจสอบข้อเท็จจริงอย่างถี่ถ้วน ความเชื่อที่ว่า "ผลลัพธ์คือตัววัดการคิด" ทำให้หลายคนเชื่อว่าพวกเขาสามารถ "คิด" ได้และเครื่องจักรทำไม่ได้ เนื่องจากเครื่องจักรยังไม่สามารถผลิตผลลัพธ์ที่ต้องการได้
สถานการณ์ที่เกี่ยวข้องกับคอมพิวเตอร์และการคิดนั้นอึดอัด เราอยากเชื่อ และในขณะเดียวกันก็ไม่อยากเชื่อ ว่าเครื่องจักรสามารถ "คิด" ได้ เราอยากเชื่อเพราะเครื่องจักรจะช่วยเราได้มากในโลกของความคิด เราอยากไม่เชื่อเพื่อรักษาความรู้สึกสำคัญของตัวเอง เครื่องจักรสามารถเอาชนะเราได้ในหลายด้าน—ความเร็ว ความแม่นยำ ความน่าเชื่อถือ ต้นทุน ความรวดเร็วในการควบคุม การไม่รู้จักเบื่อหน่าย แบนด์วิดท์เข้า-ออก ความง่ายในการลืมสิ่งเก่าและเรียนรู้สิ่งใหม่ สภาพแวดล้อมที่เป็นอันตราย และปัญหาบุคลากร—เราจึงอยากรู้สึกเหนือกว่าเครื่องจักรในบางทาง ถึงอย่างไรพวกมันก็เป็นสิ่งที่เราสร้างขึ้นมา! ตัวอย่างเช่น ถ้าโปรแกรมเครื่องจักรสามารถทำงานได้ดีกว่าหมอในปัจจุบันอย่างมีนัยสำคัญ หมอจะอยู่จุดไหน? และต่อไป เราจะอยู่จุดไหน?
จุดที่ยังเป็นปัญหาหลักสองจุดคือ (1) ถ้าเครื่องจักรทำได้ มันก็ต้องเป็นอัลกอริทึมเท่านั้นและไม่ใช่การคิด และ (2) ในอีกด้านหนึ่ง เราจะหลุดพ้นจากความเป็นโมเลกุลชนโมเลกุลที่เราเป็นอยู่ได้อย่างไร—ด้วยแรงอะไรที่ทำให้การคิด การตระหนักรู้ในตนเอง และ การรู้จักตนเองของเราส่งผลต่อเส้นทางของโมเลกุล?
ในสองบทก่อนหน้านี้ ผมสรุปด้วยการประมาณขีดจำกัดของทั้งฮาร์ดแวร์และซอฟต์แวร์ แต่ในสองบทนี้เกี่ยวกับ ai ผมแทบจะทำอะไรไม่ได้เลย เราแค่ไม่รู้ว่าเรากำลังพูดถึงอะไร คำต่างๆ เองก็ไม่ถูกนิยาม และดูเหมือนจะไม่สามารถนิยามได้ในอนาคตอันใกล้ เรายังต้องใช้ภาษาในการพูดถึงการประมวลผลภาษาด้วยคอมพิวเตอร์ และการวนซ้ำของสิ่งนี้ทำให้เรื่องยากขึ้นและไม่แน่นอนมากขึ้น ดังนั้นขีดจำกัดของการประยุกต์ใช้ ซึ่งผมถือว่าเป็นหัวข้อทั่วไปของ ai จึงยังคงเป็นคำถามที่เปิดกว้าง แต่เป็นคำถามที่สำคัญสำหรับอนาคตการทำงานของคุณ ดังนั้น ai ต้องการความคิดอย่างรอบคอบจากคุณ และไม่ควรมองข้ามเพียงเพราะผู้เชี่ยวชาญหลายคนกล่าวอ้างที่เห็นได้ชัดว่าเป็นเท็จ