ในหนังสือเล่มนี้ เราให้ความสำคัญกับความช่วยเหลือที่คอมพิวเตอร์ให้เราในด้านที่เป็นเชิงปัญญามากกว่าด้านเชิงกล เช่น การผลิต ในด้านเชิงกล คอมพิวเตอร์ทำให้เราผลิตสินค้าที่ดีกว่า มีคุณภาพกว่า และราคาถูกลง และในบางกรณีคอมพิวเตอร์ก็มีความจำเป็น เช่น การบินอวกาศไปยังดวงจันทร์ ซึ่งคงทำได้ยากหากไร้ความช่วยเหลือจากคอมพิวเตอร์ AI สามารถมองว่าเป็นส่วนเสริมของหุ่นยนต์—มันเน้นที่ด้านสติปัญญาของมนุษย์มากกว่าด้านร่างกาย แม้ทั้งสองด้านในโครงการส่วนใหญ่จะเชื่อมโยงกันอย่างใกล้ชิด

มาดูกันอีกครั้งเกี่ยวกับส่วนประกอบพื้นฐานของเครื่องจักรและมนุษย์ ทั้งคู่ก่อร่างขึ้นมาจากอะตอมและโมเลกุล ทั้งคู่มีชิ้นส่วนพื้นฐานที่จัดเป็นระเบียบ; ในเครื่องจักรมีอุปกรณ์สองสถานะทั้งที่ใช้เก็บข้อมูลและที่ทำหน้าที่เป็นเกต ส่วนมนุษย์ประกอบด้วยเซลล์ ทั้งคู่ยังมีโครงสร้างระดับใหญ่ขึ้น เช่น หน่วยคำนวณ หน่วยเก็บข้อมูล การควบคุม และ I/O สำหรับเครื่องจักร ขณะที่มนุษย์มีกระดูก กล้ามเนื้อ อวัยวะ หลอดเลือด ระบบประสาท เป็นต้น

แต่ขอให้สังเกตบางอย่างอย่างรอบคอบ จากการจัดระเบียบขององค์ประกอบขนาดใหญ่ อาจเกิดผลใหม่ๆ ขึ้นได้ ตัวอย่างเช่น เราเชื่อว่าโมเลกุลไม่มีแรงเสียดทานระหว่างกัน แต่โครงสร้างขนาดใหญ่ส่วนใหญ่กลับแสดงผลนี้ — เป็นผลที่เกิดจาก การจัดระเบียบ ของชิ้นส่วนย่อยที่แต่ละชิ้นไม่แสดงผลดังกล่าว

เราควรสังเกตอีกว่า เมื่อเราวิศวกรรมสร้างอุปกรณ์ให้ทำสิ่งเดียวกับที่ธรรมชาติทำ เรามักทำมันต่างออกไป ตัวอย่างเช่น เครื่องบินโดยทั่วไปใช้ปีกคงที่ (หรือโรเตอร์) ขณะที่นกส่วนใหญ่โบยปีก แต่เราก็ทำสิ่งที่ต่างออกไป—เราบินสูงกว่าและแน่นอนเร็วกว่าเยอะ ธรรมชาติไม่เคยคิดค้นล้อ แต่เรากลับใช้ล้อในหลากหลายวิธี ระบบประสาทของเราช้าเมื่อเทียบกัน ส่งสัญญาณด้วยความเร็วประมาณร้อยกว่ามิเตอร์ต่อวินาที ขณะที่คอมพิวเตอร์ส่งสัญญาณด้วยความเร็วประมาณ 186,000 ไมล์ต่อวินาที

ข้อที่สามที่ควรสังเกตก่อนดำเนินต่อถึงสิ่งที่ AI ทำได้ คือ สมองมนุษย์มีองค์ประกอบมากมายในรูปของเส้นประสาทที่เชื่อมต่อกัน เราต้องการให้คำนิยามของ “การคิด” เป็นสิ่งที่สมองมนุษย์ทำได้ เมื่อก่อนที่พยายามเขียนโปรแกรมให้เครื่องคิดมักพลาด ผู้คนมักอ้างว่าเครื่องยังไม่ใหญ่พอ เร็วพอ ฯลฯ บางคนจึงสรุปว่า ถ้าเราสร้างเครื่องให้ใหญ่พอ เครื่องนั้นก็จะคิดได้โดยอัตโนมัติ! จงจำไว้ว่าดูเหมือนจะเป็นปัญหาของการเขียนโปรแกรมมากกว่าการสร้างเครื่อง เว้นแต่คุณจะเชื่อ อย่างกับกรณีแรงเสียดทาน ว่าชิ้นส่วนย่อยจำนวนมากพอจะสร้างผลใหม่—การคิดจากชิ้นส่วนที่ไม่คิดได้ บางทีนั่นอาจจะเป็นทั้งหมดของการคิด! บางทีการคิดอาจไม่ใช่สิ่งแยกต่างหาก แต่มันเป็นผลพิเศษจากความใหญ่โต เราไม่อาจปฏิเสธเรื่องนี้โดยสิ้นเชิง เพราะต้องยอมรับว่าเราไม่รู้ว่าการคิดจริงๆ คืออะไร

ย้อนกลับไปยังความสำเร็จของ AI สมัยก่อน มีโปรแกรมตัวหนึ่งที่พิสูจน์ทฤษฎีบทในเรขาคณิตแบบโรงเรียน เช่นเดียวกับที่คุณเคยเรียน ทฤษฎีบทที่มีชื่อเสียง “ถ้าสองด้านของสามเหลี่ยมเท่ากัน มุมฐานก็เท่ากัน” ถูกป้อนให้โปรแกรม Figure 7.1 คุณอาจแบ่งมุมยอด แล้วพิสูจน์ว่าสองส่วนเป็นสามเหลี่ยมที่เท่ากัน ทำให้มุมที่สอดคล้องกันเท่ากัน บางคนอาจแบ่งด้านที่สาม แล้วลากเส้นไปยังมุมตรงข้าม ก็จะได้สองสามเหลี่ยมที่เท่ากัน การพิสูจน์ที่เครื่องสร้างขึ้นไม่ได้ใช้การก่อสร้างใดๆ แต่เปรียบเทียบสามเหลี่ยม abc กับสามเหลี่ยม cba แล้วพิสูจน์ความเท่าของมันเอง จึงได้มุมที่เท่ากัน

สรุป: Figure 7.1—Two ways to prove a geometric theorem

ใครก็ตามที่ดูการพิสูจน์นั้นจะยอมรับว่ามันสง่างาม ถูกต้อง และน่าประหลาดใจ แท้จริงผู้ที่เขียนโปรแกรมก็ไม่รู้ถึงการพิสูจน์นี้ และมันก็ไม่ได้เป็นที่รู้จักอย่างแพร่หลาย แม้มันจะปรากฏเป็นหมายเหตุในสำเนา Euclid ของผมก็ตาม คนมักอยากจะบอกว่าโปรแกรมแสดง "ความเป็นต้นฉบับ" ผลที่ได้คือโปรแกรมดูเหมือนจะแสดง "ความใหม่" ที่ไม่ได้ถูกใส่ลงไปโดยผู้ออกแบบ; โปรแกรมแสดง "ความคิดสร้างสรรค์" และคุณลักษณะดีๆ อย่างนั้น

เมื่อนึกสักนิดจะเห็นว่าผู้โปรแกรมได้ให้คำสั่งในโปรแกรมให้ลองพิสูจน์ทฤษฎีบทที่ให้มาก่อน แล้วเมื่อคับข้องจึงพยายามลากเส้นเสริม หากนั่นเป็นวิธีที่คุณถูกสอนทำเรขาคณิต คนจำนวนมากกว่านี้คงจะพบการพิสูจน์อันสง่างามดังกล่าว ดังนั้น ในความหมายหนึ่งมันถูกโปรแกรมไว้ แต่ตามที่ผมกล่าวไว้ก่อนหน้านี้ หลักสูตรเรขาคณิตที่คุณเรียนมาก็ไม่ต่างจากการพยายามโหลดโปรแกรมลงในตัวคุณ — แน่นอนว่าไม่มีประสิทธิภาพ นั่นแหละวิธีของมนุษย์ แต่กับเครื่องมันชัดเจน: คุณใส่โปรแกรมครั้งเดียวจบ แล้วไม่ต้องสอนซ้ำๆ จนลืมอีกต่อไป

โปรแกรมเล่นหมากฮอสของ Samuel แสดงความเป็นต้นฉบับเมื่อมันเล่นท่าแปลกๆ และเอาชนะแชมป์หมากฮอสของรัฐหรือไม่? ถ้าไม่ คุณจะพิสูจน์ว่าคุณมีความเป็นต้นฉบับได้อย่างไร? แล้วแบบทดสอบอะไรที่คุณจะใช้แยกตัวคุณออกจากโปรแกรมคอมพิวเตอร์?

บางคนอาจกล่าวว่าโปรแกรมเล่นหมากฮอส "เรียนรู้" และโปรแกรมพิสูจน์ทฤษฎีแสดง "ความคิดสร้างสรรค์" "ความเป็นต้นฉบับ" หรืออะไรก็ตามที่คุณต้องการเรียก พวกมันเป็นเพียงตัวอย่างคู่หนึ่งจากหลายโปรแกรมที่ถูกเขียนขึ้น ความยากในการโน้มน้าวคุณว่าโปรแกรมมีคุณสมบัติตามที่กล่าวมานั้นอยู่ที่ว่าเมื่อโปรแกรมทำบางสิ่งขึ้นแล้ว คุณจะ ทันที มองว่าสิ่งที่ทำเป็นเพียงกระบวนการแบบท่องจำ แม้เมื่อมีการนำตัวเลขสุ่มจากโลกจริงเข้ามาในโปรแกรมก็ตาม ดังนั้นเราจึงมีปัญหาเชิงพาราด็อกซ์: การมีอยู่ของโปรแกรมทำให้คุณต่อต้านการเชื่อว่ามันเป็นสิ่งอื่นนอกจากกระบวนการท่องจำ ด้วยทัศนคตินี้ แน่นอนว่าเครื่องจะไม่มีทางพิสูจน์ได้ว่ามันเป็นมากกว่า "เครื่อง" ในความหมายแบบคลาสสิก; ไม่มีวิธีที่มันจะพิสูจน์ได้ เช่น มันสามารถ "คิด" ได้

กลุ่มที่ยึดแนวคิด 'hard AI' อ้างว่ามนุษย์มีเพียงเครื่องจักรและไม่มีอะไรนอกเหนือไปจากนั้น ดังนั้นสิ่งที่มนุษย์ทำนอกเหนือไปจากด้านสติปัญญาทุกอย่างจึงสามารถคัดลอกโดยเครื่องได้ ดังที่กล่าวข้างต้น ผู้ชมส่วนใหญ่เมื่อเห็นผลลัพธ์จากเครื่องจะโดยอัตโนมัติคิดว่ามันไม่อาจเป็นลักษณะเฉพาะของมนุษย์ คำถามสองข้อเกิดขึ้นทันที ข้อหนึ่ง นี่ยุติธรรมไหม? ข้อสอง คุณแน่ใจได้แค่ไหนว่าคุณไม่ใช่เพียงกลุ่มโมเลกุลในสนามพลังงานแผ่รังสี และโลกทั้งโลกก็เป็นเพียงโมเลกุลชนกันไปชนกันมา? หากคุณเชื่อในพลังอื่น (ซึ่งไม่ได้ตั้งชื่อและลึกลับ) พวกมันมีผลต่อการเคลื่อนที่ของโมเลกุลอย่างไร และถ้าพวกมันไม่สามารถมีผลต่อการเคลื่อนที่ได้ แล้วจะมีผลต่อโลกจริงได้อย่างไร? ฟิสิกส์ให้คำอธิบายจักรวาลครบถ้วนหรือยัง หรือน่าจะมีแรงที่พวกเขายังไม่รู้? นี่เป็นทางเลือกที่ยากต้องตัดสิน (หมายเหตุ: ในขณะนั้น [1994] เชื่อกันว่าร้อยละ 90–99 ของจักรวาลคือสิ่งที่เรียกว่า สสารมืด ซึ่งฟิสิกส์ยังไม่รู้จักอะไรนอกจากแรงดึงดูดของมัน)

ตอนนี้เรามาดูการประยุกต์คอมพิวเตอร์ในบริบททางวัฒนธรรมบ้าง ในช่วงต้นของปฏิวัติคอมพิวเตอร์ ผมเคยเห็น Max Mathews และ John R. Pierce ที่ Bell Telephone Laboratories ทำงานกับดนตรีจากคอมพิวเตอร์ ต่อมาจะเห็นชัดว่าเมื่อคุณกำหนดได้ว่าต้องการสร้างความถี่สูงสุดเท่าไร อัตราการสุ่มตัวอย่าง (sampling rate) ก็จะถูกกำหนดแล้ว มนุษย์ได้ยินได้สูงสุดประมาณ 18,000 รอบต่อวินาทีในช่วงที่ยังเด็ก; ผู้ใหญ่ที่ใช้โทรศัพท์ได้ยินที่น้อยกว่า 8,000 รอบต่อวินาทีและมักจะรู้จักเสียงพูดได้ทันที การควอนไทซ์ของแทร็กเสียงที่เป็นตัวแทนของดนตรี (ไม่ว่ามีเครื่องดนตรีกี่ชิ้น แทร็กความดังก็เป็นตัวเดียว) ไม่ได้เพิ่มความผิดเพี้ยนมากนัก ดังนั้นตามตรรกะจึงให้คอมพิวเตอร์คำนวณค่าสูง/ต่ำของแทร็กเสียงในแต่ละช่วงเวลา ออกค่าเป็นแรงดัน ผ่านฟิลเตอร์เกลี่ย แล้วได้ "ดนตรี" ที่สอดคล้องกัน โทนบริสุทธิ์ทำได้ง่าย เพียงสัญญาณไซน์ การผสมของความถี่กำหนดเสียงของเครื่องดนตรีแต่ละชิ้น รวมถึง "attack" (วิธีที่ความถี่เพิ่มขึ้นเมื่อโน้ตเริ่มและการลดลงภายหลัง) และลักษณะอื่นๆ เมื่อโปรแกรมเครื่องดนตรีหลายชิ้นแล้ว คุณสามารถป้อนโน้ตและเขียนเสียงลงเทปเพื่อเล่นทีหลังได้ ไม่จำเป็นต้องคำนวณแบบเรียลไทม์ คอมพิวเตอร์จะทำช้าเท่าใดก็ได้ และไม่จำเป็นต้องเป็นอัตราคงที่ แต่เมื่อค่าถูกบันทึกลงเทปและเล่นด้วยอัตราคงที่ ก็จะได้ "ดนตรี".

แล้วจะใส่โน้ตทำไม? ทำไมไม่ให้คอมพิวเตอร์ "ประพันธ์" ด้วยล่ะ? ท้ายที่สุดก็มี "กฎการประพันธ์" มากมาย ดังนั้นพวกเขาจึงใช้กฎเหล่านั้น และเมื่อมีทางเลือกก็ใช้ตัวเลขสุ่มตัดสินโน้ตถัดไป ขณะนี้เรามีทั้งดนตรีที่ประพันธ์ด้วยคอมพิวเตอร์และดนตรีที่เล่นด้วยคอมพิวเตอร์; คุณจะได้ยินมันมากในโฆษณาทางวิทยุและโทรทัศน์ มันถูกกว่า ควบคุมได้มากกว่า และสามารถสร้างเสียงที่ไม่มีเครื่องดนตรีใดในปัจจุบันสร้างได้ แน่นอนว่าเสียงใดๆ ที่ปรากฎบนแทร็กเสียงก็สามารถผลิตได้โดยคอมพิวเตอร์

ดังนั้นในความหมายหนึ่งคอมพิวเตอร์คือที่สุดของดนตรี ยกเว้นรายละเอียดเล็กน้อย (เกี่ยวกับ sampling rate และจำนวนระดับของควอนไทซ์ ซึ่งสามารถเพิ่มได้ถ้าคุณยอมจ่ายราคา) ตอนนี้ผู้ประพันธ์มีเสียงทุกชนิดที่เป็นไปได้ ในความเร็ว จังหวะ และความดังต่างๆ ที่ต้องการ หรือกล่าวได้ว่าการบันทึกคุณภาพสูงสุดในปัจจุบันเป็นแบบดิจิทัล และจะไม่มีการปรับปรุงทางเทคนิคที่สำคัญในอนาคตอีกแล้ว ปัจจุบันคนจำนวนมากมีเครื่องเล่นเพลงดิจิทัล และพวกมันถูกมองว่าดีกว่าเครื่องแบบแอนะล็อกรุ่นเก่า

เครื่องจักรยังให้ฟีดแบ็กที่ทันใจแก่ผู้ประพันธ์เพื่อฟังผลงานที่แต่ง ก่อนหน้านี้ผู้ประพันธ์มักต้องรอเป็นปีๆ จนชื่อเสียงมาถึงและผลงานที่แต่งก่อนหน้านั้นได้ยินจริงในโลกภายนอก มากกว่าที่จะอยู่แค่ในจินตนาการ ดังนั้นผู้ประพันธ์จึงพัฒนาสไตล์ได้รวดเร็วยิ่งขึ้น จากการอ่านวารสารด้านดนตรีคอมพิวเตอร์ ผมได้ความรู้สึกว่าการตั้งค่าคอมพิวเตอร์ที่ค่อนข้างซับซ้อนเป็นอุปกรณ์ปกติของผู้ประพันธ์สมัยนี้ มีภาษาโปรแกรมหลายภาษาให้ใช้ และพวกเขาใช้วิธีหลากหลายในการสร้างดนตรีในความร่วมมือระหว่างมนุษย์กับเครื่อง

ผู้อำนวยเพลง (conductor) ก็มีการควบคุมมากขึ้น ในอดีตตอนทำการบันทึกเสียง ผู้อำนวยเพลงพยายามดึงศักยภาพจากนักดนตรี และมักนำเทคหลายเทกมาผสานกันเพื่อให้ได้การบันทึกที่ดีที่สุด รวมถึงการ "มิกซ์" เสียงจากไมโครโฟนหลายตัว ตอนนี้ผู้อำนวยเพลงสามารถได้สิ่งที่ต้องการจริงๆ ลงรายละเอียดทั้งเรื่องเวลาเป็นมิลลิวินาที เศษของโทน และคุณลักษณะอื่นๆ ของเครื่องดนตรีที่ถูกจำลอง นักดนตรีซึ่งเป็นมนุษย์ไม่ต้องสมบูรณ์แบบไปพร้อมกันในช่วง passage เดียวกัน

ที่นี่คุณจะเห็นอีกครั้งถึงผลของคอมพิวเตอร์และว่าพวกมันกำลังกดดันเราจากโลกของสิ่งของไปสู่โลกของแนวคิด และพวกมันกำลังเสริมและขยายความสามารถของมนุษย์

นี่คือชนิดของ AI ที่ผมสนใจ—สิ่งที่มนุษย์กับเครื่องสามารถทำร่วมกัน ไม่ใช่การแข่งขันที่อาจเกิดขึ้น แน่นอนว่าหุ่นยนต์จะเข้ามาแทนที่คนจำนวนมากที่ทำงานซ้ำซาก ในความหมายหนึ่ง เครื่องจักรทำงานที่เป็นกิจวัตรได้ดีที่สุด จึงปลดปล่อยมนุษย์ให้ไปทำงานที่มีความเป็นมนุษย์มากขึ้น น่าเสียดายที่คนจำนวนมากในปัจจุบันยังไม่พร้อมจะสู้กับเครื่อง — พวกเขาทำได้ไม่มากไปกว่างานแบบซ้ำๆ มีความเชื่อ (หรือความหวัง) กันแพร่หลายว่ามนุษย์จะสามารถแข่งขันได้หากได้รับการฝึกที่เหมาะสม อย่างไรก็ตาม ผมเคยสงสัยมานานว่าเราจะเอาคนงานเหมืองถ่านหินจำนวนมากมาทำให้เป็นโปรแกรมเมอร์ที่มีประโยชน์ได้หรือไม่ ผมมีข้อกังขาต่อสัดส่วนของประชากรที่จะกลายเป็นโปรแกรมเมอร์ในความหมายแบบดั้งเดิม; ถ้าคุณเรียกการกดรับเงินจากตู้ธนาคารว่าเป็น “การเขียนโปรแกรมโดยเครื่อง” หรือการกดหมายเลขโทรศัพท์ (ซึ่งทั้งสองอย่างนำอินพุตมนุษย์ไปสู่โปรแกรมซับซ้อนแล้วถูกประมวลผล เหมือน interpreter ทำงานกับอินพุตของโปรแกรม) แน่นอนคนส่วนใหญ่สามารถถูกทำให้เป็นโปรแกรมเมอร์ได้ แต่ถ้าหมายถึงกิจกรรมคลาสสิกของการวิเคราะห์สถานการณ์อย่างละเอียดแล้วระบุให้ชัดว่าจะทำอะไร ผมก็ว่าเป็นที่สงสัยว่ากี่คนจะสามารถ แข่งขัน กับคอมพิวเตอร์ได้ แม้จะมีเมนูโต้ตอบที่ใช้ง่ายก็ตาม

คอมพิวเตอร์ทั้งทำให้คนจำนวนมากตกงานและสร้างงานใหม่จำนวนมาก จึงยากที่จะตอบว่างานแบบใดมีมากกว่ากัน แต่ชัดเจนว่าตามค่าเฉลี่ยงานระดับล่างกำลังหายไป ในขณะที่งานระดับสูงกว่าเพิ่มขึ้น อีกครั้งหนึ่งคนมักอยากเชื่อว่าผู้คน ส่วนใหญ่ สามารถถูกฝึกให้ทำงานระดับสูงในอนาคตได้—แต่เป็นความหวังที่ยังไม่มีหลักฐานยืนยัน

นอกจากเกม เรขาคณิต และดนตรี เรายังมีโปรแกรมสำหรับการจัดการพีชคณิตเชิงสัญลักษณ์ โปรแกรมเหล่านี้มักเป็นโปรแกรมแบบ “มีการชี้นำ” มากกว่าแบบ “ยืนเองได้” กล่าวคือ ต้องพึ่งการชี้นำจากมนุษย์ในขั้นตอนต่างๆ ของการจัดการ ตอนแรกน่าสงสัยที่เราสร้างโปรแกรมเรขาคณิตที่ยืนเองได้ แต่กลับทำแบบเดียวกันกับพีชคณิตได้ยาก การทำให้เรียบ (simplification) เป็นหนึ่งในปัญหา คุณอาจไม่สังเกตเมื่อเรียนพีชคณิตและถูกสั่งให้ “ทำให้ง่ายลง” ว่าคุณมักไม่ได้รับกฎชัดเจนสำหรับคำว่า “การทำให้ง่าย”—และถ้าคุณได้รับ กฎนั้นก็ชัดเจนว่าเหลวไหล ตัวอย่างเช่น อย่างน้อยหนึ่งเวอร์ชันของ “new math” บอกว่า

มันไม่ได้ถูกทำให้ง่าย แต่

สรุป: is simplified!

เราใช้คำว่า "ทำให้ง่าย" กันบ่อย แต่ความหมายขึ้นกับสิ่งที่คุณจะทำต่อไป และไม่มีคำนิยามเป็นมาตรฐาน ดังนั้นถ้าในการเรียนแคลคูลัสคุณจะต้องทำอินทิเกรชันต่อ คุณก็จะแยกสิ่งต่างๆ ออกเป็นชิ้นเล็กๆ แต่ในบางครั้งคุณจะพยายามรวมส่วนต่างๆ ให้เป็นนิพจน์ผลคูณหรือเศษส่วนที่ดูเรียบร้อย

สรุป: A similar “guidance by human” interacting program has been developed for the synthesis of chemical compounds. It has been quite useful as it gives: (1) the possible routes to the synthesis, (2) the costs, (3) the times of the reactions along the way, and (4) the effective yields. Thus the programmer using it can explore many various ways of synthesizing a new compound, or re-explore old ones to find new methods now that the costs of the materials and processes have changed from what they were some years ago.

งานวัดทางการแพทย์หลายอย่าง เช่น การตรวจตัวอย่างเลือด ได้เปลี่ยนเป็นการวิเคราะห์โดยเครื่องแทนการให้มนุษย์ที่ไม่น่าเชื่อถือมาส่องกล้อง มันเร็วกว่า เชื่อถือได้กว่า และคุ้มค่ากว่าในหลายกรณี เราอาจไปไกลกว่านั้นในทางการแพทย์โดยให้เครื่องวินิจฉัยโรค แทนที่แพทย์ ในความเป็นจริง ในกรณีนี้มักจะเป็นเครื่องที่ช่วยเสนอข้อมูลแก่แพทย์ในระหว่างการวินิจฉัย! มีชุดตรวจโรคสำหรับการตรวจด้วยตนเองวางขายมานานแล้ว นั่นไม่ใช่เรื่องใหม่ สิ่งที่ทำให้ผู้คนกังวลคือแนวคิดที่จะก้าวไปไกลถึงขั้นสั่งการรักษา

เรารู้ว่าแพทย์เป็นมนุษย์และจึงไม่น่าเชื่อถือได้เต็มที่ และบ่อยครั้งในกรณีโรคหายาก แพทย์อาจไม่เคยเห็นเคสนั้นมาก่อน แต่เครื่องไม่ลืมและสามารถบรรจุข้อมูลโรคที่เกี่ยวข้องทั้งหมดไว้ได้ ดังนั้นจากอาการ โปรแกรมสามารถวินิจฉัยหรือแนะนำการตรวจเพิ่มเติมเพื่อยืนยันโรคที่น่าจะเป็นได้ เมื่อมีการตั้งความน่าจะเป็นไว้ในโปรแกรม (ซึ่งสามารถปรับได้อย่างรวดเร็วตามการระบาดในปัจจุบัน) ในระยะยาวเครื่องอาจทำได้ดีกว่าแพทย์เฉลี่ยหรือแม้แต่แพทย์ที่เหนือกว่าเฉลี่ย — และเป็นแพทย์เฉลี่ยนั่นแหละที่จะต้องรักษาคนส่วนใหญ่! แพทย์ที่เก่งที่สุดสามารถรักษาผู้ป่วยได้เพียงส่วนน้อยของประชากรเท่านั้นโดยไม่ต้องมีเครื่องช่วย

ปัญหาใหญ่ข้อหนึ่งคือปัญหาทางกฎหมาย กับแพทย์มนุษย์ ตราบใดที่พวกเขาแสดง "ความรอบคอบที่เหมาะสม" (ในศัพท์กฎหมาย) ถ้าพวกเขาทำผิดกฎหมายจะให้อภัย — พวกเขาเป็นเพียงมนุษย์ (มนุษย์ย่อมผิดพลาดได้) แต่เมื่อเกิดความผิดพลาดจากเครื่อง ใครกันที่จะถูกฟ้อง? เครื่อง? โปรแกรมเมอร์? ผู้เชี่ยวชาญที่ใช้กำหนดกฎ? ผู้ที่ร่างกฎให้ละเอียดขึ้น? ผู้ที่จัดระบบกฎเหล่านั้น? หรือผู้ที่เขียนโปรแกรมกฎเหล่านั้น? กับเครื่องคุณสามารถพิสูจน์โดยการวิเคราะห์โปรแกรมอย่างละเอียดได้ ซึ่งคุณทำไม่ได้กับแพทย์มนุษย์ ว่ามีความผิดพลาดหรือการวินิจฉัยที่ผิดพลาด ดังนั้นผมคาดว่าจะเห็นการ วินิจฉัยโดยคอมพิวเตอร์ ที่แพทย์ใช้ช่วยมากขึ้น แต่ในระยะยาวจะยังมีแพทย์มนุษย์คั่นระหว่างคุณกับเครื่องอยู่เป็นเวลานาน เราจะค่อยๆ มีโปรแกรมส่วนบุคคลที่ช่วยให้คุณรู้วิธีวินิจฉัยตัวเองได้มากขึ้น แต่จะเกิดปัญหาทางกฎหมายกับโปรแกรมแบบนี้ เช่น ผมสงสัยว่าคุณจะมีอำนาจสั่งจ่ายยาที่จำเป็นโดยไม่มีแพทย์คนหนึ่งเซ็นรับรองหรือไม่ คุณอาจสังเกตว่าโปรแกรมคอมพิวเตอร์ที่คุณซื้อทุกโปรแกรมมักระบุชัดเจนว่าผู้ขายพ้นจากความรับผิดชอบใดๆ — และผมหมายถึง ทั้งหมด! มักจะเป็นปัญหาทางกฎหมายของการประยุกต์ใหม่ๆ ที่เป็นอุปสรรคหลัก ไม่ใช่ด้านวิศวกรรม

ถ้าคุณไปโรงพยาบาลสมัยใหม่ คุณคงเห็นการรุกของคอมพิวเตอร์ — แวดวงการแพทย์ผลักดันการใช้คอมพิวเตอร์อย่างเข้มข้นเพื่อให้บริการดีขึ้นเรื่อยๆ ด้านการลดต้นทุน ความแม่นยำ และความรวดเร็ว แม้คุณอาจไม่รู้สึกเช่นนั้นเพราะต้นทุนทางการแพทย์เพิ่มสูงมากในช่วงหลัง แต่เป็นการขยายความซับซ้อนของวงการแพทย์ที่ทำให้เกิดค่าใช้จ่ายซึ่งบดบังผลประโยชน์จากการลดต้นทุนที่คอมพิวเตอร์ให้มา คอมพิวเตอร์ทำหน้าที่เรียกเก็บเงิน การจัดตาราง และการเก็บบันทึกสำหรับงานระบบของโรงพยาบาล และแม้แต่แพทย์เอกชนก็หันมาใช้คอมพิวเตอร์ช่วยบ้าง ในบางระดับหน่วยราชการกลางบังคับให้พวกเขาทำเช่นนั้นเพื่อรับมือกับงานทางราชการที่ซับซ้อน

ในหลายโรงพยาบาล คอมพิวเตอร์คอยตรวจคนไข้ในห้องฉุกเฉิน และบางครั้งในที่อื่นๆ เมื่อจำเป็น เครื่องจักรไม่รู้สึกเบื่อ ตอบสนองรวดเร็ว และจะแจ้งพยาบาลท้องถิ่นให้ทำบางอย่างได้ทันเวลา หากไม่มีคอมพิวเตอร์เป็นเครื่องช่วย คงยากที่พยาบาลประจำจะเทียบเท่ากับการรวมกันของคอมพิวเตอร์และพยาบาล

ในคณิตศาสตร์ หนึ่งในโปรแกรมยุคแรก (1953) ที่ทำการจัดการเชิงสัญลักษณ์คือโปรแกรมดิฟเฟอเรนเชียลเชิงรูปแบบเพื่อหาดิริเวทีฟขั้นสูง เขียนขึ้นเพื่อให้สามารถหาสมาชิก 20 คำแรกของอนุกรมกำลังของฟังก์ชันที่ซับซ้อนได้ ตามที่คุณควรรู้จากแคลคูลัส การดิฟเฟอเรนเชียลเป็นกระบวนการเชิงรูปแบบที่เรียบง่ายและมีกฎค่อนข้างน้อย ในตอนที่คุณเรียนมันอาจดูซับซ้อนกว่านั้น แต่คุณน่าจะสับสนการดิฟเฟอเรนเชียลกับการทำให้เรียบและการจัดการอื่นๆ ของอนุพันธ์ โปรแกรมจัดการสัญลักษณ์เชิงนามธรรมอีกตัวหนึ่งในยุคแรกคือการเปลี่ยนพิกัด — จำเป็นสำหรับขีปนาวุธนำวิถี เรดาร์ เป็นต้น ในเรดาร์มักมีองศาอิสระเพิ่มขึ้นเพื่อไม่ให้เป้าบินผ่านปลายแกนการหมุนแล้วทำให้เรดาร์ต้องหมุน 180° เพื่อจะติดตาม ดังนั้นการแปลงพิกัดอาจยุ่งยากกว่าที่คุณคิด

Slagle นักวิทยาศาสตร์ผู้พิการทางสายตา เขียน (ในวิทยานิพนธ์ที่ MIT, 1961) โปรแกรมที่ทำการอินทิเกรชเชิงวิเคราะห์ได้อย่างที่คุณทำในคอร์สแคลคูลัส มันสามารถแข่งขันกับนิสิตวิศวกรรมปริญญาตรีระดับเฉลี่ยที่ MIT ทั้งในขอบเขตของปริพันธ์ที่ทำได้และในต้นทุนของการคำนวณ ตั้งแต่นั้นมามีการพัฒนาอย่างมาก และมีคนบอกว่ามีโปรแกรมที่อิงกับอัลกอริทึม Risch อันมีชื่อเสียงซึ่งควรจะหาปริพันธ์ที่หาคำตอบแบบปิดรูปได้ทุกกรณี แต่หลังจากรอคอยมาหลายปีผมก็ยังไม่เคยเห็นมัน เขาบอกว่ามีโปรแกรมอินทิเกรชันที่ให้คำตอบแบบปิดรูปได้หรือไม่ก็พิสูจน์ได้ว่าไม่มีคำตอบแบบปิดรูป

ในรูปแบบของหุ่นยนต์ คอมพิวเตอร์ได้บุกเข้าสู่สายการผลิตของสินค้าประเภทของแข็ง เช่นเดียวกับยาต่างๆ ขณะนี้คอมพิวเตอร์ถูกประกอบโดยหุ่นยนต์ที่ถูกขับเคลื่อนโดยคอมพิวเตอร์ และชิปวงจรรวมที่สร้างคอมพิวเตอร์นั้นถูกออกแบบเป็นหลักโดยคอมพิวเตอร์โดยมีมนุษย์ให้ทิศทางบ้าง ไม่มีจิตใจมนุษย์ใดจะสามารถตรวจสอบเลย์เอาต์ของทรานซิสเตอร์มากกว่าหนึ่งล้านตัวบนชิปได้อย่างน่าเชื่อถือ; มันจะเป็นงานที่หมดหวัง โปรแกรมออกแบบชัดเจนว่ามีระดับหนึ่งของปัญญาประดิษฐ์ ในพื้นที่จำกัดที่ไม่มีความประหลาดใจ หุ่นยนต์มีประสิทธิภาพค่อนข้างดี แต่เมื่อสิ่งที่ไม่คาดคิดเกิดขึ้น หุ่นยนต์เรียบง่ายมักประสบปัญหารุนแรง การตอบสนองแบบรูทีนต่อสถานการณ์ที่ไม่ใช่รูทีนอาจนำไปสู่หายนะ

ข้อสังเกตที่เด่นชัดสำหรับกองทัพเรือ เช่น: หากบนเรือคุณจะมีหุ่นยนต์เคลื่อนที่ (และไม่จำเป็นต้องให้หุ่นยนต์ทั้งหมดเคลื่อนที่ได้) การให้วิ่งบนรางจากเพดานจะทำให้สิ่งของที่ตกลงบนดาดฟ้าไม่จำเป็นต้องเป็นปัญหาเมื่อทั้งหุ่นยนต์และเรือเคลื่อนไหวอย่างรุนแรง นั่นเป็นอีกตัวอย่างของสิ่งที่ผมพูดซ้ำๆ: เมื่อคุณใช้เครื่องจักร คุณจะทำงานที่เทียบเท่า ไม่ใช่สิ่งเดียวกัน สิ่งของจะหล่นบนดาดฟ้าที่ไม่ควรจะอยู่ที่นั่น โดยอาจตกจากอุบัติเหตุ ความประมาท ความเสียหายจากการรบ ฯลฯ และการต้องก้าวข้ามหรือเลี่ยงสิ่งเหล่านั้นไม่ง่ายสำหรับหุ่นยนต์เท่ามนุษย์

อีกพื้นที่ชัดเจนสำหรับหุ่นยนต์เคลื่อนที่คือการควบคุมความเสียหาย (damage control) หุ่นยนต์ทนต่อสภาพแวดล้อมที่เป็นศัตรูได้มากกว่า เช่น ไฟไหม้ แม้เมื่อมนุษย์สวมชุดอะสเบสตอสก็ตาม หากในการทำงานอย่างรวดเร็วหุ่นยนต์บางตัวถูกทำลายไป มันไม่เหมือนกับคนตาย กองทัพเรือมีเรือตรวจหาทุ่นระเบิดที่ควบคุมทางไกล เพราะเมื่อคุณเสียเรือคุณไม่ได้เสียลูกเรือ เราใช้การควบคุมหุ่นยนต์เป็นประจำเมื่อดำน้ำลึก และปัจจุบันเรามีเครื่องบินรบไร้คนขับ

กลับมาที่หมากรุกที่เล่นโดยเครื่อง โปรแกรมมีประสิทธิภาพเพิ่มขึ้นอย่างต่อเนื่อง และดูเหมือนเป็นเพียงเรื่องเวลาเท่านั้นที่เครื่องจะสามารถเอาชนะแชมป์โลกหมากรุกได้ แต่ในอดีต เส้นทางสู่โปรแกรมที่ดีกว่ามักมาจากการตรวจสอบรายละเอียดของการเดินที่เป็นไปได้ล่วงหน้าเป็นหลายขั้น มากกว่าการเข้าใจว่ามนุษย์เล่นหมากรุกอย่างไร ขณะนี้คอมพิวเตอร์ตรวจตำแหน่งกระดานได้เป็นล้านตำแหน่งต่อวินาที ขณะที่มนุษย์มักตรวจเพียงประมาณ 50–100 ตำแหน่งก่อนเดิน—ดังนั้นพวกเขาจึงรายงานเมื่อถูกขอให้ร่วมมือกับนักจิตวิทยา นั่นอย่างน้อยคือสิ่งที่พวกเขาคิดว่าพวกเขาคิด—สิ่งที่จิตใจมนุษย์จริงๆ ทำเมื่อเล่นหมากรุกเป็นอีกเรื่องหนึ่ง! เราจริงๆ ไม่รู้

ในเกมอื่นๆ เครื่องมีความสำเร็จมากกว่า เช่น มีโปรแกรมเล่นแบ็กแกมมอนที่ชนะผู้ชนะจากการแข่งขันที่จัดขึ้นในอิตาลี แต่เกมบางเกมง่ายในกฎเท่านั้น เช่นเกมโก (Go) ยังคงยากที่จะเขียนโปรแกรมให้เครื่องเล่นได้ในระดับชั้นหนึ่ง

สรุปคือ ในหลายเกมและกิจกรรมที่เกี่ยวข้อง โปรแกรมถูกเขียนให้เล่นได้ดีมาก ในบางเกมแม้เล่นได้ไม่ดีนัก แต่บ่อยครั้งวิธีที่เครื่องเล่นอาจกล่าวได้ว่า "แก้ปัญหาโดยปริมาณการคำนวณ" มากกว่าด้วยความเข้าใจ — ไม่ว่า "ความเข้าใจ" จะหมายถึงอะไรก็ตาม เราเริ่มเล่นเกมบนคอมพิวเตอร์เพื่อศึกษากระบวนการคิดของมนุษย์ ไม่ใช่เพื่อชนะเกม เป้าหมายถูกบิดเบือนไปเพื่อการชนะ โดยไม่คำนึงถึงความเข้าใจในจิตใจมนุษย์และการทำงานของมัน

ขอผมพูดซ้ำอีกครั้ง: ปัญญาประดิษฐ์ไม่ใช่เรื่องที่คุณมองข้ามได้ ท่าทีของคุณจะทำให้คุณอยู่แถวหน้าหรือแถวหลังของการประยุกต์เครื่องในสาขาของคุณ แต่ก็อาจพาให้คุณเข้าไปสู่ความล้มเหลวอย่างใหญ่หลวงได้เช่นกัน!

นี่คงเป็นที่ที่ควรแยกความแตกต่างอย่างดีระหว่าง ความใหม่เชิงตรรกะ และ ความใหม่เชิงจิตวิทยา เครื่องจะไม่สร้างความใหม่เชิงตรรกะเมื่อทำงานอย่างถูกต้อง แต่แน่นอนว่าพวกมันสร้างความใหม่เชิงจิตวิทยา — โปรแกรมเมอร์มักตกใจในสิ่งที่โปรแกรมที่เขาเขียนทำจริง! แต่คุณในฐานะมนุษย์จะสร้างความใหม่เชิงตรรกะได้หรือไม่? การตรวจประวัติการรายงานการค้นพบครั้งใหญ่ของคนมักแสดงว่าพวกเขาถูกนำทางโดยประสบการณ์ที่ผ่านมาไปสู่ผลลัพธ์ที่ได้ สภาพแวดล้อมนำพาพวกเขาไปสู่ความสำเร็จ; เป็นความใหม่เชิงจิตวิทยาแต่ไม่ใช่เชิงตรรกะ เราพร้อมโดยประสบการณ์ที่ผ่านมาเพื่อทำสิ่งที่เราทำและค้นพบสิ่งที่ค้นพบหรือไม่? ความใหม่เชิงตรรกะเป็นไปได้จริงหรือ?

อย่าเข้าใจผิดคิดว่าความใหม่เชิงจิตวิทยาเป็นเรื่องเล็ก เมื่อกำหนดพอสตูลาต์ คำนิยาม และตรรกะแล้ว ส่วนที่เหลือทั้งหมดของคณิตศาสตร์ก็เป็นเพียงความใหม่เชิงจิตวิทยา — ในระดับนั้นในเชิงเทคนิคของคณิตศาสตร์แล้วไม่มีความใหม่เชิงตรรกะ

มีความเชื่อทั่วไปว่าถ้าเราหันไปอาศัยแหล่งสุ่มในการตัดสินใจ เราจะหลุดพ้นจากวงจรของโมเลกุลที่ชนกันได้ แต่แหล่งสุ่มภายนอกนี้มาจากไหนกัน หากไม่ใช่โลกวัตถุของโมเลกุล?

ยังมีข้ออ้างมาตรฐานอีกว่าหากมีแหล่งสุ่มที่แท้จริง แหล่งนั้นมีความรู้ทั้งมวล นี่มาจากรูปแบบของเรื่องลิงกับเครื่องพิมพ์ดีด สมมติว่ามีกลุ่มลิงที่นั่งอยู่ที่เครื่องพิมพ์และสุ่มกดปุ่ม ในที่สุดหนึ่งตัวจะพิมพ์หนังสือทั้งหมดใน British Museum ตามลำดับที่อยู่บนชั้น! เหตุผลคือในเวลายาวนานพอ ลิงจะกดปุ่มแรกที่ถูกต้องได้; ในเวลาอนันต์สิ่งนี้จะเกิดขึ้นเป็นอนันต์ครั้ง และในจำนวนอนันต์ครั้งนั้นจะมีบางครั้ง (ซึ่งมีจำนวนอนันต์) ที่ปุ่มถัดไปถูกกดถูกต้อง และต่อไปเรื่อยๆ; ในที่สุดในเวลาอนันต์จะเกิดลำดับการกดที่ถูกต้องทั้งหมด

นี่คือพื้นฐานของข้ออ้างที่ว่าความรู้ทั้งหมดอยู่ในแหล่งสุ่มที่แท้จริง และคุณจะได้มันง่ายๆ ถ้า คุณเขียนโปรแกรมเพื่อจำแนก "ข้อมูล" ตัวอย่างเช่น ในที่สุดทฤษฎีฟิสิกส์ถัดไปจะเกิดขึ้นในกระแสสุ่มของเสียงรบกวน และถ้าคุณสามารถจำแนกมันออกมาได้ คุณก็จะดึงมันออกมาจากสตรีมของตัวเลขสุ่ม! ตรรกะของสถานการณ์ไม่อาจหลีกเลี่ยงได้—ความเป็นจริงยากจะเชื่อ! เวลาที่ต้องรอนั้นยาวเกินไป และความจริงคือคุณไม่ได้เสมอไปที่จะรู้จัก "ข้อมูล" แม้เมื่อคุณเห็นมัน

มีคำกล่าวเก่าๆ ว่า "เจตจำนงเสรี" เป็นเรื่องลวง; ในสถานการณ์หนึ่งๆ เมื่อคุณเป็นตัวคุณอย่างที่เป็น ณ ขณะนั้น คุณทำได้เพียงสิ่งที่คุณทำอยู่เท่านั้น ข้อโต้แย้งฟังดูน่าเชื่อถือ แม้มันจะสวนทางกับความเชื่อของคุณว่าคุณมีเจตจำนงเสรี ในการตัดสินคำถามนี้คุณจะทำการทดลองอะไร? ดูเหมือนไม่มีการทดลองที่น่าพอใจที่จะทำได้ ความจริงคือเราสลับไปมาระหว่างสองท่าทีนี้ในการประพฤติของเรา ครูต้องเชื่อว่าถ้าพูดคำที่ถูกต้อง นักเรียนจะเข้าใจ และคุณก็ประพฤติแบบเดียวกันเมื่อเลี้ยงลูก อย่างไรก็ตาม ความรู้สึกว่ามีเจตจำนงเสรีฝังลึกในตัวเราและเราลังเลที่จะสละมันสำหรับตัวเอง—แต่เรามักยินดีจะปฏิเสธมันสำหรับผู้อื่น!

อีกตัวอย่างของความเชื่อโดยเงียบๆ ว่าผู้อื่นไม่มีเจตจำนงเสรี คือเมื่อตรงบริเวณใดบริเวณหนึ่งของเมืองมีอัตราการก่ออาชญากรรมสูง ผู้คนจำนวนมากเชื่อว่าวิธีแก้คือเปลี่ยนสภาพแวดล้อม—ดังนั้นผู้คนก็จะต้องเปลี่ยนและอัตราอาชญากรรมก็จะลดลง!

ทั้งหมดนี้เป็นเพียงตัวอย่างเพิ่มเติมเพื่อให้คุณได้พัวพันกับคำถามว่า "เครื่องจักรสามารถคิดได้หรือไม่?

สุดท้าย บางทีการคิดควรถูกวัดไม่ใช่จากสิ่งที่คุณทำ แต่จากวิธีที่คุณทำ เมื่อผมเห็นเด็กเรียนคูณสองจำนวน เช่น ตัวเลขสามหลัก ผมรู้สึกว่าเด็กกำลังคิด; เมื่อผมทำการคูณเดียวกัน ผมรู้สึกว่าผมทำ "การตอบสนองตามการฝึก" มากกว่า; เมื่อคอมพิวเตอร์ทำการคูณเดียวกัน ผมไม่รู้สึกว่าเครื่องกำลังคิดเลย ตามคำในเพลงเก่าๆ "ไม่ใช่สิ่งที่คุณทำ แต่วิธีที่คุณทำ" ในเรื่องการคิด บางทีเราได้สับสนสิ่งที่ถูกทำกับวิธีการทำ และนี่อาจเป็นต้นเหตุของความสับสนมากมายเกี่ยวกับ AI

พวกที่ยึดแนวคิด hard AI จะยอมรับเฉพาะสิ่งที่ทำได้เป็นมาตรวัดความสำเร็จเท่านั้น และความเชื่อนี้ได้แพร่กระจายไปยังคนอื่นโดยไม่ตรวจสอบข้อเท็จจริงอย่างรอบคอบ ความเชื่อนี้ว่า "ผลลัพธ์คือมาตรวัดของการคิด" ทำให้หลายคนเชื่อว่าพวกเขาสามารถ "คิด" ได้และเครื่องไม่สามารถคิดได้ เพราะเครื่องยังไม่สร้างผลลัพธ์ที่ต้องการ

สถานการณ์เกี่ยวกับคอมพิวเตอร์และความคิดค่อนข้างลำบาก เราอยากเชื่อ และในเวลาเดียวกันก็ไม่อยากเชื่อว่าเครื่องสามารถ "คิด" ได้ เราอยากเชื่อเพราะเครื่องจะช่วยเราได้มากในโลกทางจิตใจของเรา เราไม่อยากเชื่อเพื่อรักษาความรู้สึกความสำคัญในตัวเอง เครื่องสามารถเอาชนะเราได้ในหลายด้าน — ความเร็ว ความแม่นยำ ความน่าเชื่อถือ ต้นทุน ความรวดเร็วในการควบคุม ปราศจากความเบื่อ แบนด์วิดท์เข้าออก ความง่ายในการลืมสิ่งเก่าและเรียนสิ่งใหม่ สภาพแวดล้อมเป็นศัตรู และปัญหาบุคลากร — เราจึงอยากรู้สึกเหนือกว่าในบางทาง พวกมันเป็นการสร้างของเรา! ตัวอย่างเช่น ถ้าโปรแกรมของเครื่องทำงานได้ดีกว่าแพทย์ในปัจจุบันอย่างชัดเจน แล้วคนพวกนั้นจะอยู่อย่างไร? และโดยขยายความ เราจะเหลืออย่างไร?

ข้อที่เป็นปมสำคัญสองประการคือ: (1) ถ้าเครื่องทำได้ มันต้องเป็นอัลกอริทึมและจึงไม่อาจเรียกว่าการคิด และ (2) อีกด้านหนึ่ง เราจะหนีจากแนวคิดที่ว่าเราเป็นเพียงโมเลกุลชนกันได้อย่างไร—โดยพลังใดการคิด การตระหนักรู้ในตนเอง และจิตสำนึกของเราจะมีผลต่อเส้นทางการเคลื่อนที่ของโมเลกุล?

ในสองบทก่อนหน้านี้ผมสรุปขีดจำกัดของฮาร์ดแวร์และซอฟต์แวร์ไว้ แต่ในสองบทเกี่ยวกับ AI นี้ผมทำได้ค่อนข้างน้อย เราไม่รู้จริงๆ ว่าเรากำลังพูดถึงอะไร คำเหล่านั้นยังไม่ได้ถูกนิยาม และดูท่าว่าจะนิยามได้ยากในอนาคตอันใกล้ เรายังต้องใช้ภาษาเพื่อพูดถึงการประมวลผลภาษาโดยคอมพิวเตอร์ และความวนซ้ำของเรื่องนี้ทำให้สิ่งต่างๆ ซับซ้อนและไม่แน่นอนยิ่งขึ้น ดังนั้นขีดจำกัดของการประยุกต์ ซึ่งผมถือว่าเป็นหัวข้อทั่วไปของ AI ยังคงเป็นคำถามเปิด แต่เป็นคำถามที่สำคัญสำหรับอาชีพของคุณในอนาคต ดังนั้น AI ต้องการความคิดของคุณอย่างรอบคอบและไม่ควรถูกละเลยเพียงเพราะผู้เชี่ยวชาญหลายคนให้ข้อกล่าวที่ชัดเจนว่าเป็นเท็จ