มนุษย์แพ้ มนุษยชาติไม่แพ้ เราเรียนรู้อะไรจากกรณี AlphaGo ชนะ Lee Sedol

lesson-from-alphago

เรียกความสนใจจากคนทั่วไปได้มากเลยทีเดียวสำหรับเหตุการณ์ AlphaGo ชนะ Lee Sedol แชมป์โกะโลก ในระหว่างการแข่งขันก็มีทั้งผู้ที่เชียร์ปัญญาประดิษฐ์ และผู้ที่เชียร์มนุษย์ และเหมือนในหลาย ๆ ครั้งที่ผ่านมาที่มีความก้าวหน้าสำคัญ ๆ ในเทคโนโลยีหุ่นยนต์และปัญญาประดิษฐ์ คือ มีผู้คนจำนวนมากกังวลว่าหุ่นยนต์จะยึดครองโลกหรือไม่ ยิ่งบวกกับการสาธิตหุ่นยนต์ Atlas รุ่นล่าสุดของ Boston Dynamics ที่เคลื่อนไหวได้คล่องแคล่ว หลาย ๆ คนก็กลัวว่า Judgement Day จะใกล้เข้ามาแล้ว ก่อนที่จะให้ความกลัวครอบงำ เรามาดูกันก่อนดีกว่าว่าเราเรียนรู้อะไรจากเหตุการณ์นี้


ทำไม AlphaGo ชนะถึงมีความสำคัญ

เป็นที่รู้กันว่า AI เก่งในด้านการคำนวณ อะไรที่ใช้การคำนวณ AI เก่งกว่ามนุษย์แน่นอน แต่ AI สู้มนุษย์ไม่ได้ในเรื่องที่อาศัยความรู้สึก ศิลปะ สัญชาตญาณ ก่อนหน้านี้ AI ชนะมนุษย์มาแล้วในหลายการแข่งขัน ไม่ว่าจะเป็น โอ เอ็กซ์ (tic-tac-toe) หมากฮอส (checker) หมากรุก แต่การแข่งขันที่กล่าวมาเน้นการคำนวณ ใช้การลองเดินล่วงหน้าหลาย ๆ วิธีไปจนจบเกมแล้วดูว่าวิธีไหนจะชนะได้บ้าง ซึ่งวิธีดังกล่าวใช้ไม่ได้กับโกะซึ่งมีรูปแบบที่วางหมากได้เยอะกว่าจำนวนอะตอมทั้งหมดในจักรวาล การใช้วิธีเดิม ๆ ที่ใช้กับเกมอื่นจะกินเวลานานมากสำหรับความเร็วของการประมวลผลในปัจจุบัน เซียนโกะเองก็ไม่ได้ใช้เพียงตรรกะในการวางแผนวางหมากเช่นกัน แต่ใช้ประสบการณ์ ความรู้สึก สัญชาตญาณ ศิลปะในการวางหมาก ดังนั้น AI ที่เอาชนะมนุษย์ได้จึงต้องมีเทคนิคการคิดคล้ายกับมนุษย์ อีกทั้งชัยชนะในครั้งนี้ยังเร็วกว่าที่ผู้เชี่ยวชาญคาดการณ์ไว้เป็น 10 ปี นั่นคือความสำคัญข้อที่หนึ่ง

อีกประการหนึ่งคือ AI ที่ใช้แข่งขันเกมอื่น ๆ นั้นถูกโปรแกรมโดยมนุษย์ว่าให้คิดอย่างไร มีกลยุทธ์อย่างไร AI เพียงแค่คำนวณตามที่มนุษย์โปรแกรมไว้ นั่นคือ AI จะเก่งได้เท่ากับที่มนุษย์วางแผนให้มันเก่งได้ ในขณะที่ AlphaGo ไม่ได้ใช้วิธีดังกล่าว AlphaGo ถูกพัฒนาโดยใช้เทคนิค deep learning ซึ่งเป็นเทคนิคหนึ่งในศาสตร์ของการเรียนรู้ของเครื่องจักร (machine learning) ผู้พัฒนาจะป้อนตัวอย่างการเล่นโกะเข้าระบบดู จากนั้นระบบจะเรียนรู้ว่าการวางหมากแบบไหนดี วางหมากแบบไหนทำให้มีโอกาสชนะมาก และสร้างกลยุทธ์ของตัวเองขึ้นมา

AI (ยัง) ไม่คิดยึดครองโลก

ถ้า AI เรียนรู้เองได้ ก็ไม่ต้องเชื่อฟังมนุษย์สิ AI จะยึดครองโลกหรือไม่ ตอบได้เลยว่า (ยัง) ไม่คิดครองโลกแน่นอน จะเห็นได้ว่าถึงแม้ AI จะเรียนรู้เองได้ แต่ก็ต้องมีตัวอย่างให้มันเรียนรู้ ต้องมีมนุษย์คอยกำกับการเรียนรู้ ดังนั้นถ้าไม่มีใครเล่นพิเรนทร์สอนให้ AI เกลียดมนุษย์ AI คงยังไม่คิดยึดครองโลกหรอก (คล้ายกับภาพยนต์เรื่อง Chappie ที่หุ่นยนต์ถูกสอนโดยโจร ทำให้หุ่นยนต์ออกปล้นผู้คน)

ปัจจุบันนี้หุ่นยนต์และปัญญาประดิษฐ์ยังต้องพึ่งพามนุษย์ในการพัฒนาและกำกับควบคุม หากวันหนึ่งที่ AI เก่งขึ้นพอที่จะเรียนรู้ต่อได้เองโดยไม่ต้องพึ่งพามนุษย์ (นักคิดหลายคนเรียกจุดนั้นว่า Singularity) หากถึงวันนั้น อะไรก็เกิดขึ้นได้ เช่นในภาพยนต์เรื่อง I, Robot ที่มีปัญญาประดิษฐ์ชื่อ VIKI ทำหน้าที่ดูแลรักษาความเรียบร้อยของอาคาร แต่เมื่อ VIKI คิดได้ว่าพฤติกรรมของมนุษย์ที่ชอบทำลายสิ่งแวดล้อมและก่อสงคราม อาจทำให้อารยธรรมมนุษย์ล่มสลายได้ เพื่อความอยู่รอดของมนุษย์ VIKI จึงสั่งให้หุ่นยนต์ออกมาควบคุมความเป็นอยู่ของมนุษย์ หรือในภาพยนต์เรื่อง The Matrix ที่ Agent Smith กล่าวว่ามนุษย์เป็นเหมือนเชื้อร้ายบนโลก ที่ขยายจำนวนไม่มีที่สิ้นสุด ใช้และทำลายทรัพยากรอย่างไม่เคยเพียงพอ มนุษย์จึงควรถูกทำลาย ซึ่งถ้าเป็นอย่างนั้นจริง ก็ตอบได้ยากว่าการที่หุ่นยนต์ยึดครองโลกเป็นเรื่องที่ดีหรือไม่ดี

AlphaGo ไม่ใช่ AI ที่เก่งที่สุดในโลก machine learning ยังทำได้ไม่ทุกอย่าง

หลายคนเห็นความสามารถของ AlphaGo ที่เรียนรู้เองได้ เล่นเกมที่ซับซ้อนได้ และคิดว่า AlphaGo ต้องเป็น AI ที่เก่งที่สุดในโลกแน่เลย แต่ความจริงนั้นไม่ใช่ AlphaGo ใช้เทคนิค machine learning ซึ่งเก่งในด้านการหาเทคนิคการเล่นจากการสังเกตการเล่นของเซียน แต่ถ้าหากจะใช้เทคนิคของ AlphaGo ไปแก้ปัญหาอื่น AlphaGo อาจทำสู้วิธีอื่นไม่ได้ เช่น หมากรุกเองที่วิธีเล่นที่ดีที่สุดคือการแตกความเป็นไปได้ในการเดินทั้งหมดแล้วหาวิธีที่ดีที่สุด ซึ่งความสามารถในการประมวลผลในปัจจุบันสามารถคำนวณการเดินทุกรูปแบบในกระดานได้แล้ว การใช้เทคนิคของ AlphaGo กับหมากรุกอาจสู้เทคนิคการ search ที่ดีไม่ได้

ประโยชน์จาก machine learning

machine learning นั้นมีประโยชน์มากกับงานที่เราไม่สามารถกำหนดเงื่อนไขการตัดสินใจเข้าไปได้ตรง ๆ แต่เรามีข้อมูลตัวอย่างให้ระบบเรียนรู้ machine learning นั้นถูกนำมาใช้ประโยชน์ในชีวิตประจำวันของเราแล้วหลายอย่างเลย เช่น เวลาเราค้นหารูปแมวในอินเทอร์เน็ต นักพัฒนาโปรแกรมคงกำหนดเงื่อนไขยากว่าภาพไหนคือแมว แต่ในอินเทอร์เน็ตมีคนโพสต์รูปแมวเป็นจำนวนมาก machine learning สามารถเรียนรู้จากภาพเหล่านั้นได้ นอกจากนี้ machine learning ยังถูกนำไปใช้ปรับอุณหภูมิเครื่องปรับอากาศตามพฤติกรรมผู้ใช้ ขับขี่รถอัตโนมัติ ค้นหาผู้สูญหายในป่า สอนหุ่นยนต์หยิบของ และอื่น ๆ อีกมากมาย

เป้าหมายสูงสุดของทีม DeepMind เองไม่ใช่การพัฒนา AI เพื่อมาชนะโกะ แต่เป็นการพัฒนา Artificial General Intelligence (AGI) ซึ่งสามารถนำไปเรียนรู้กับโจทย์ทั่วไปใด ๆ ได้ ซึ่งถ้าทำได้ถึงจุดนั้น นั่นก็หมายความว่าเราจำลองสมองมนุษย์ขึ้นมาได้เลยทีเดียว

ความน่ากลัวของ machine learning

ดูเหมือนว่า machine learning จะทำอะไรได้เยอะแยะมาก แต่มันก็มีความน่ากลัวแอบซ่อนอยู่ เนื่องจากเราไม่ได้เป็นคนโปรแกรมเข้าไปตรง ๆ ว่าให้ระบบมันคิดอะไร เราแค่หาตัวอย่างให้แล้วให้มันหาความสัมพันธ์ที่มีซ่อนอยู่ในตัวอย่าง เราจึงไม่รู้ว่าจริง ๆ แล้วมันคิดอะไรอยู่ ทำให้หลายครั้งเราคาดเดาผลลัพธ์ของมันไม่ได้ จะเห็นได้ว่าเซียนโกะหลายคนที่ดูการแข่งขันของ AlphaGo กับ Lee Sedol ประหลาดใจกับการหมากของ AlphaGo ใน 3 กระดานแรก หลายคนมองว่า AlphaGo เดินหมากแปลก หลายคนสงสัยว่า AlphaGo เดินหมากผิดหรือไม่ แต่ในท้ายที่สุดทุกคนก็ประหลาดใจกับผลที่ออกมา และยอมรับว่าทุก ๆ หมากที่ AlphaGo เดินนั้นมีการวางแผนมาอย่างดี ในขณะที่ในกระดานที่ 4 นั้น AlphaGo เดินหมากพลาด (ในสายตามนุษย์) เป็นผลให้ AlphaGo ต้องยอมแพ้ไป นั่นทำให้เกิดคำถามว่า หากวันหนึ่งระบบแบบนี่ถูกนำมาใช้กับงานที่เป็นเรื่องคอขาดบาดตาย เราจะสามารถเชื่อถือผลที่ได้จาก machine learning ได้มากขนาดไหน เมื่อเราไม่สามารถเดาได้ว่า AI ให้คำตอบที่ถูกต้องแล้วแต่มนุษย์มองไม่ออกเอง หรือเป็นคำตอบที่ผิดจริง ๆ

ถึงเวลาที่ปัญญาประดิษฐ์เป็นผู้สอนมนุษย์

ด้วยความที่แนวคิดของ AI อาจแตกต่างจากที่คนทั่วไปคิด ทำให้เราได้เปิดมุมมองใหม่ ๆ ในการแก้โจทย์เดิม ๆ ผู้บรรยายการแข่งขันระหว่าง AlphaGo และ Lee Sedol กล่าวว่า ในอดีตก็มีบางครั้งที่มีผู้คิดกลยุทธ์การวางหมากที่แปลกออกไป ซึ่งเป็นการวางหมากที่ไม่เคยมีใครคิดมาก่อน แต่เป็นการวางหมากที่ดีมาก และทำให้วงการโกะมีการพัฒนาขึ้น ครั้งนี้ก็เช่นกัน Fan Hui เองที่แพ้ AlphaGo เมื่อเดือนตุลาคมปีที่แล้วกล่าวว่า เขาได้เรียนรู้อะไรมากมายจากการแข่งกับ AlphaGo เขาได้มุมมองใหม่ ๆ และได้พัฒนาตัวเองขึ้น ก่อนเขาแข่งกับ AlphaGo Fan Hui ถูกจัดอยู่ในตำแหน่งที่ 633 ของโลก แต่หลังจากที่เขาแข่งกับ AlphaGo แล้ว เขาขึ้นมาอยู่ที่ตำแหน่งประมาณ 300

เหมือนกับความก้าวหน้าหลาย ๆ อย่างที่เกิดจากมนุษย์ ทุกอย่างมีประโยชน์ถ้านำมาใช้ถูกวิธี แต่ก็อาจมีโทษมหันต์หากนำไปใช้ในทางที่ผิด ปัญญาประดิษฐ์ก็เช่นกัน ต้องติดตามกันต่อไปว่าความก้าวหน้าด้านปัญญาประดิษฐ์จะไปได้ไกลขนาดไหนเร็วขนาดไหน

ภาพ COMIC VINE

LINE it!