AI เข้ามาตอนไหน

AI เข้ามาตอนไหน? อัปเดตข้อมูลประวัติและจุดเริ่มต้นล่าสุด

การเรียนรู้ประวัติศาสตร์เทคโนโลยีช่วยให้เข้าใจการพัฒนาAI เข้ามาตอนไหนอย่างถูกต้องเพื่อเตรียมพร้อมรับมือความเปลี่ยนแปลงทางดิจิทัล. ผู้สนใจควรศึกษารายละเอียดพฤติกรรมและข้อเท็จจริงอย่างรอบคอบเพื่อหลีกเลี่ยงความเข้าใจผิดเกี่ยวกับข้อมูลสารสนเทศที่คลาดเคลื่อน.

AI เข้ามาตอนไหน และจุดเริ่มต้นประวัติศาสตร์ปัญญาประดิษฐ์

คำถามที่ว่า AI เข้ามาตอนไหน สามารถสรุปได้อย่างเป็นทางการว่าปัญญาประดิษฐ์เกิดขึ้นในปี ค.ศ. 1956 จากการประชุมวิชาการครั้งประวัติศาสตร์ที่ Dartmouth College ประเทศสหรัฐอเมริกา โดยนักวิทยาศาสตร์นามว่า John McCarthy เป็นผู้คิดค้นและเริ่มใช้คำว่า Artificial Intelligence (AI) เป็นคนแรกในงานนี้เพื่อนิยามสาขาวิชาใหม่อย่างแท้จริง อย่างไรก็ตาม การพัฒนาคอมพิวเตอร์และระบบคิดที่คล้ายมนุษย์อาจมีจุดเริ่มต้นและรากฐานที่ซับซ้อนกว่านั้น ขึ้นอยู่กับบริบทและมุมมองทางประวัติศาสตร์ที่คุณกำลังพิจารณา

การทำความเข้าใจไทม์ไลน์นี้ค่อนข้างน่าสนใจทีเดียว เพราะเรื่องราวของปัญญาประดิษฐ์ไม่ได้เพิ่งเกิดขึ้นเมื่อปีสองปีนี้ แต่ผ่านการบ่มเพาะมายาวนานหลายทศวรรษ ตัวเลขการยอมรับเทคโนโลยีนี้ในภาคธุรกิจปัจจุบันพุ่งสูงถึง 88% ทั่วโลก ซึ่งสะท้อนให้เห็นว่าจากจุดเริ่มต้นเล็ก ๆ ในห้องประชุมมหาวิทยาลัยเมื่อ 70 ปีก่อน ได้กลายมาเป็นโครงสร้างพื้นฐานที่เปลี่ยนวิถีชีวิตของเราในวันนี้อย่างสิ้นเชิง

ก่อนจะมาเป็นคำว่า AI: รากฐานและความคิดในช่วงปี 1943 - 1950

ก่อนหน้าการประชุมที่ดาร์ทมัทจะเริ่มต้นขึ้น โลกคอมพิวเตอร์ได้มีการวางรากฐานโครงสร้างทางคณิตศาสตร์และทฤษฎีการคิดของเครื่องจักรมาก่อนแล้ว จุดเปลี่ยนแรกเกิดขึ้นในปี ค.ศ. 1943 เมื่อ Warren McCulloch และ Walter Pitts ได้ร่วมกันสร้างแบบจำลองทางคณิตศาสตร์ของโครงข่ายประสาทเทียมขึ้นมาเป็นครั้งแรก ซึ่งจำลองรูปแบบการทำงานของเซลล์สมองมนุษย์

ต่อมาในปี ค.ศ. 1950 Alan Turing นักคณิตศาสตร์อัจฉริยะชาวอังกฤษได้เสนอทฤษฎีการทดสอบที่เรียกว่า Turing Test เพื่อใช้เป็นเกณฑ์วัดว่าเครื่องจักรสามารถเลียนแบบพฤติกรรมและความคิดให้เหมือนมนุษย์ได้สำเร็จหรือไม่ ความพยายามในช่วงนี้เปรียบเสมือนการก่ออิฐทีละก้อนโดยที่ยังไม่มีชื่อเรียกอย่างเป็นทางการ จนกระทั่งปี 1956 ที่คำว่า AI ถูกประกาศให้โลกรู้จักในที่สุด

ความแตกต่างของ AI แต่ละยุค: จากอดีตสู่ Generative AI ในปัจจุบัน

เมื่อพูดถึงวิวัฒนาการของปัญญาประดิษฐ์ เรามักจะเห็นภาพการเดินทางที่ไม่ได้ราบรื่นนัก การเรียนรู้ประวัติศาสตร์ช่วยให้เข้าใจว่าทำไมเทคโนโลยีบางอย่างถึงเพิ่งมาฮิตในยุคนี้ แต่นั่นก็มีบทเรียนราคาแพงซ่อนอยู่เสมอ

ในยุคแรกเริ่มราวปี ค.ศ. 1950 ถึง 1960 ปัญญาประดิษฐ์ถูกขับเคลื่อนด้วยแนวคิดแบบ Symbolic AI หรือระบบที่ทำงานตามกฎเกณฑ์สัญลักษณ์ที่มนุษย์ป้อนให้แบบตรงไปตรงมา ต่อมาในยุค 1980 เกิดการบูมของระบบผู้เชี่ยวชาญ (Expert Systems) ที่พยายามจำลองสมองของผู้เชี่ยวชาญเฉพาะทางลงในคอมพิวเตอร์ แต่ทว่าข้อจำกัดด้านฮาร์ดแวร์และความคาดหวังที่สูงเกินจริงทำให้เงินทุนสนับสนุนจากรัฐบาลและองค์กรใหญ่ ๆ ถูกตัดลดลงอย่างรุนแรง นำไปสู่สภาวะที่นักวิจัยเรียกว่า AI Winter หรือยุคฤดูหนาวของ AI ถึงสองระลอกใหญ่

แต่หลังจากผ่านความเงียบเหงา การเปลี่ยนแปลงครั้งใหญ่ก็มาถึงเมื่อสถาปัตยกรรมแบบโมเดลภาษาขนาดใหญ่และการเรียนรู้เชิงลึก (Deep Learning) ประสบความสำเร็จอย่างก้าวกระโดดนับตั้งแต่ช่วงปี ค.ศ. 2012 เป็นต้นมา จนนำไปสู่ยุค Generative AI และโมเดลที่สามารถสร้างสรรค์ข้อความ ภาพ หรือโค้ดคอมพิวเตอร์ได้อย่างเป็นธรรมชาติในปัจจุบัน

ลองมาดูข้อเปรียบเทียบและการเติบโตที่แตกต่างกันอย่างสิ้นเชิงของทั้งสองยุค เพื่อให้เห็นภาพชัดเจนขึ้น

การเปรียบเทียบคุณลักษณะระหว่าง AI ยุคดั้งเดิม กับ Generative AI

AI ยุคดั้งเดิม (Symbolic & Expert Systems)

• เน้นการวิเคราะห์ข้อมูล การตัดสินใจตามทางเลือก หรือการจัดหมวดหมู่ภาพและข้อความ
• ต่ำมาก ไม่สามารถประมวลผลข้อมูลที่มีความคลุมเครือหรือนอกเหนือคำสั่งได้
• ระบบคัดกรองอีเมลขยะ เครื่องคิดเลขกลไกขั้นสูง หรือบอตหมากรุกในยุคแรก
• ทำงานตามเงื่อนไขและกฎเกณฑ์ที่มนุษย์เขียนขึ้นแบบตายตัว (Rule-based)

Generative AI (ยุคปัจจุบัน) ⭐

• สร้างสรรค์สิ่งใหม่ขึ้นมาเอง เช่น เขียนบทความ วาดภาพ ออกแบบกราฟิก หรือเขียนโค้ดซอฟต์แวร์
• สูงมาก สามารถเข้าใจบริบททางภาษา แปลงความหมาย และคาดเดาสิ่งที่มนุษย์ต้องการได้
• โมเดลแชตบอตอัจฉริยะ ระบบสั่งการด้วยเสียง หรือเครื่องมือสร้างภาพจากข้อความ
• เรียนรู้รูปแบบจากชุดข้อมูลขนาดใหญ่ผ่านระบบโครงข่ายประสาทเทียมและโมเดลภาษา

เส้นทางการเรียนรู้ระบบของ นัท: จากความสับสนสู่การประยุกต์ใช้ในออฟฟิศ

นัท พนักงานฝ่ายวิเคราะห์ข้อมูลวัย 28 ปี ในบริษัทสตาร์ตอัปที่กรุงเทพฯ รู้สึกสับสนอย่างมากเมื่อต้องเขียนรายงานเสนอผู้บริหารเกี่ยวกับประวัติการนำเทคโนโลยีเข้ามาใช้ในองค์กร เขามักเข้าใจสับสนระหว่างปีที่เกิดทฤษฎีแรกกับปีที่นับการกำเนิดจริงของปัญญาประดิษฐ์

ในสัปดาห์แรก นัทพยายามสรุปข้อมูลโดยอ้างอิงเพียงแค่ความนิยมของแชตบอตในปัจจุบัน ผลลัพธ์คือรายงานโดนตีกลับเพราะขาดมิติทางประวัติศาสตร์และไม่ได้อธิบายรากฐานของโมเดลที่กำลังใช้อยู่ ทำให้เขาต้องกลับมานั่งค้นข้อมูลใหม่ตั้งแต่ต้น

นัทตัดสินใจหยุดเขียนชั่วคราวแล้วเปลี่ยนวิธีคิด เขาเลิกดูแค่ข่าวปัจจุบันแต่เริ่มไล่อ่านทฤษฎีตั้งแต่ปี ค.ศ. 1956 และทำความเข้าใจเหตุการณ์คัตเอาต์เงินทุนในยุคฤดูหนาว จนเริ่มมองเห็นภาพกว้างว่าโครงข่ายประสาทเทียมพัฒนาต่อยอดมาอย่างไร

หลังจากปรับโครงสร้างเนื้อหารายงานใหม่ โดยแบ่งสัดส่วนประวัติศาสตร์ดั้งเดิมและนำสถิติการใช้งานจริงมาประกอบ รายงานของนัทก็ผ่านการอนุมัติในรอบถัดมา ช่วยให้ทีมเข้าใจบริบทและข้อจำกัดของระบบที่ใช้อยู่ได้ลึกซึ้งยิ่งขึ้น