A :  And what time you will come ?
B :  At seven PM.
A :  Seven. May I have your name ?
B :  Ah. First name is Yaniv Y A N I V.
A :  OK. I got it. So you will be
two people at seven o’clock.
B :  Yes. Uh-huh.
A :  OK. I got it. Thank you. 
B :  OK. Awesome. Thanks a lot.
A :  Thank you and good night.
Bye.
B :  OK. Bye bye.

คำถามที่คุณลองเล่นไปนี้ตั้งใจเลียนแบบการทดสอบที่เรียกว่า Turing test  ตั้งตามชื่อผู้คิดค้นซึ่งเป็นนักคณิตศาสตร์ที่คุณน่าจะเคยได้ยินชื่อมาก่อน เขาคือ อลัน ทัวริง (Alan Turing) ผู้ไขรหัสลับอีนิกมา (Enigma) ที่ซับซ้อนที่สุดของเยอรมนีในสงครามโลกครั้งที่ ๒ ความปราดเปรื่องของทัวริงทำให้ฝ่ายสัมพันธมิตรล่วงรู้แผนการโจมตีและการเคลื่อนไหวของเยอรมนี จนเป็นปัจจัยหนึ่งที่พลิกฝ่ายสัมพันธมิตรให้กลับมามีชัยชนะเหนือฝ่ายอักษะ

ทัวริงยังถือเป็นบิดาของคอมพิวเตอร์ และ artificial intelligence เพราะเขาเป็นเจ้าของไอเดีย Turing Machine อันเป็นแนวคิดรากฐานของเครื่องคำนวณซึ่งทำตามชุดคำสั่งและข้อมูล จนกระทั่งพัฒนาต่อมาเป็นเครื่องคอมพิวเตอร์  ชุดคำสั่งนี้เรียกอีกอย่างว่า “อัลกอริทึม” (algorithm)

คำนี้อาจฟังดูยากสำหรับคนนอกวงการ แต่อธิบายง่าย ๆ ได้ว่า อัลกอริทึมคือคำสั่งที่บอกเป็นลำดับขั้นตอนชัดเจนในการคำนวณ ทำงาน หรือแก้ปัญหา  ทุกอย่างที่คุณทำอยู่ในชีวิตปรกติก็อาจเรียกให้ดูเนิร์ด ๆ ได้เช่นกันว่าอัลกอริทึม เช่น ขั้นตอนการทำครัวซ็อง ก็คืออัลกอริทึมของการทำครัวซ็อง ขั้นตอนการวาดภาพสีน้ำก็คืออัลกอริทึมของการวาดภาพสีน้ำ  ขั้นตอนการปลูกข้าวคืออัลกอริทึมของการปลูกข้าว

แน่นอนว่าในคอมพิวเตอร์หรือมือถือที่คุณใช้งานอยู่ประจำนั้น ล้วนมีอัลกอริทึมซ่อนอยู่เบื้องหลังในแทบทุกอย่าง ตั้งแต่โปรแกรมออฟฟิศอย่างเวิร์ด เอกซ์เซล ไปจนถึงแอปพลิเคชัน และแพลตฟอร์มออนไลน์ต่าง ๆ

Turing test ก็อาจเป็นอัลกอริทึมหนึ่ง โดยใน ค.ศ. ๑๙๕๐ อลัน ทัวริง ดัดแปลงจากเกมลอกเลียนที่เรียกว่า imitation game ซึ่งให้คนสามคนเข้าห้องแยกกันคนละห้อง คนหนึ่งจะต้องตัดสินว่าอีกสองคนเป็นผู้หญิงหรือผู้ชายจากการสนทนาโต้ตอบกันผ่านการพิมพ์ข้อความที่แสดงบนหน้าจอคอมพิวเตอร์ ทั้งนี้ผู้หญิงต้องพยายามหลอกคนตัดสินว่าตนเองเป็นผู้ชายให้ได้ (ภาพยนตร์เล่าชีวประวัติของทัวริงที่แสดงโดย เบเนดิกต์ คัมเบอร์แบตช์ ก็ตั้งตามชื่อเกมนี้)

ส่วน Turing test จะตัดสินว่า AI นั้นฉลาดคล้ายมนุษย์หรือไม่ โดยให้คนตัดสินตั้งคำถามคุยอะไรก็ได้กับอีกสองฝ่าย (ซึ่งเป็นมนุษย์กับเครื่องที่อยู่แยกกันฝ่ายละห้อง) ให้เวลาและพิมพ์คีย์-บอร์ดถาม-ตอบกันได้จำนวนหนึ่ง แล้วคนตัดสินต้องพิจารณาจากข้อความสนทนาว่าฝ่ายไหนเป็นมนุษย์ ฝ่ายไหนเป็นเครื่องหรือ AI  ทดสอบหลาย ๆ ครั้งเพื่อดูสถิติ ถ้าคะแนนเกินกว่าครึ่งหนึ่งที่คนตัดสินแยกผิดว่าฝ่ายที่โต้ตอบอยู่ด้วยคือมนุษย์ ทั้งที่เป็น AI ก็แสดงว่าเครื่องนั้นมี human-like intelligence หรือความสามารถที่ดูคล้ายมนุษย์

AI ที่ผ่าน Turing test “หลอกมนุษย์” ได้สำเร็จครั้งแรกชื่อ ELIZA สร้างขึ้นเมื่อ ค.ศ. ๑๙๖๖  มาถึงยุคนี้เราอาจถือได้ว่า ELIZA เป็น “แชตบอต” (chatbot) หรือหุ่นสนทนาตัวแรกของโลก ซึ่งเดี๋ยวนี้ใครที่ชอบสั่งซื้อของออนไลน์ หรือใช้บริการออนไลน์ของหน่วยงาน ธนาคารก็อาจเคยโต้ตอบกับแชตบอตกันบ่อย ๆ

ELIZA มีชุดบทสนทนาที่ใส่ไว้ให้เครื่องจำไว้แล้ว และจะทวนคำพูดหรือป้อนคำถามย้อนกลับให้คู่สนทนาคล้ายนักจิตบำบัด แต่โดยความจริง ELIZA ไม่เข้าใจความหมายใด ๆ ในบทสนทนานั้นอย่างที่มนุษย์เข้าใจเลย

AI ในยุคหลายสิบปีก่อนนั้นออกแบบให้ทำตามอัลกอริทึมที่โปรแกรมเมอร์กำหนดไว้แล้ว โดยพยายามท้าทายโจทย์ที่คิดว่าเป็นตัวแทนสติปัญญาของมนุษย์ เช่น การแก้ปัญหาทางคณิตศาสตร์ เกมเชิงตรรกะ หมากรุก ฯลฯ  แต่เนื่องจากยังถูกจำกัดด้วยศักยภาพของคอมพิวเตอร์ซึ่งกว่าจะพัฒนาขึ้นอย่างมากก็เมื่อเข้าสู่คริสต์ทศวรรษ ๑๙๘๐ แล้ว

แต่ในที่สุดหลังจากพยายามปั้น AI ให้เล่นหมากรุกมานาน คอมพิวเตอร์ IBM Deep Blue ก็สามารถรุกฆาตล้มแชมป์โลก แกรี แคสปารอฟ (Gary Kasparov) ได้สำเร็จใน ค.ศ. ๑๙๙๗ และไม่นานมานี้เครื่อง AlphaGo ของบริษัท Deep Mind (ตอนหลัง Google ซื้อบริษัทไปแล้ว) ก็เอาชนะเซียนกระดานโกะอันดับ ๑ เค่อเจี่ย (Ke Jie) ได้ทั้งสามเกม และทำให้เครื่อง AlphaGo ได้ระดับ “๙ ดั้ง” ซึ่งถือเป็นระดับสูงสุดของคนเล่นโกะมืออาชีพใน ค.ศ. ๒๐๑๗

อย่างไรก็ตามทั้ง ELIZA Deep Blue และ AlphaGo ยังเป็น AI ที่เดินต้อย ๆ ตามอัลกอริทึมสำเร็จรูปโดยจดจำข้อมูลหรือสูตรการเล่นเกมที่ป้อนเข้าไปให้โดยมนุษย์  มันเพียงเลือกแสดงออกตามเอาต์พุต (output) ของผลการคำนวณทางเลือกที่เปรียบเทียบแล้วคิดว่าดีที่สุด

ปัญญาที่เอาชนะในเกมของมนุษย์จึงมาจากพลังของการคำนวณ ความเร็ว และการจดจำข้อมูลที่มนุษย์ป้อนไว้ให้ล่วงหน้า ยังไม่ใช่ปัญญาที่เกิดจากการเรียนรู้ด้วยตนเอง

AI หรือระบบอัตโนมัติในยุคแรก ๆ ก็ใช้อัลกอริทึมแบบสำเร็จรูปนี้ เช่น ระบบขับเครื่องบินอัตโนมัติ (autopilot) ในเครื่องบินที่มีมานานแล้ว หุ่นยนต์ของเล่นรุ่นแรก ๆ หรือหุ่นยนต์ทำความสะอาดพื้นห้องใน ค.ศ. ๑๙๙๗ ปีเดียวกับที่ AlphaGo เป็นแชมป์หมากรุกโลกนั้น มีนักคอมพิวเตอร์ศาสตร์ที่เสนออัลกอริทึมซึ่งทำให้ AI “เรียนรู้” ด้วยตนเองขึ้นแล้ว แต่งานวิจัยอัลกอริทึมนี้ถูกปฏิเสธโดยสถาบันชั้นนำอย่าง MIT ทุกวันนี้อัลกอริทึมนั้นถูกใช้อย่างแพร่หลายในแพลตฟอร์มของกูเกิล ไอโฟน แอมะซอน ฯลฯ

ถ้าคุณยังไม่เคยใช้ก็ดาวน์โหลด Google Assistant มาลองเล่นดูได้

“โอเค กูเกิล...ตั้งเวลา ๑๐ นาที”

พูดสั่งภาษาไทยกับโทรศัพท์มือถือ

“สิบนาที เริ่มกันเลย” เสียง Google Assistant ตอบรับด้วยสำเนียงเสียงสังเคราะห์เพศหญิง และเปิดแอปพลิเคชันตั้งเวลา ๑๐ นาทีให้ตามสั่ง

น่าสนใจใช่ไหม ส่วน Google Duplex ยังไม่มีข่าวว่าจะพัฒนาเป็นภาษาไทยเมื่อไร

ทั้ง Google Assistant ที่ทำงานในกรอบจำกัดและอาจไม่ผ่านการทดสอบ Turing test กับ Google Duplex ที่เลียนแบบทั้งสำเนียงและการพูดจนหลอกมนุษย์สำเร็จ เกิดจากการ “สอน” ให้ AI “เรียนรู้” คำพูดของมนุษย์

เทคโนโลยีการสอน AI ให้เรียนรู้นี้เรียกว่า machine learning (ML) ซึ่งถือเป็นก้าวกระโดดครั้งใหญ่ของการพัฒนา AI  หลังจากวงการ AI ติดชะงักกับการที่วิศวกรต้องป้อนข้อมูลทุกอย่างและเขียนอัลกอริทึมกำกับทุกบรรทัดเหมือน Deep Blue หรือ AlphaGo

หลังชัยชนะของ AlphaGo บริษัท DeepMind เริ่มพัฒนา AlphaGo Zero ด้วย ML ให้เครื่องหัดเล่นโกะเองจากที่ไม่รู้อะไรเลย คือเริ่มจากศูนย์ จนสามารถเอาชนะคู่แข่งโปรแกรมเล่นโกะในไม่กี่วัน แล้วที่สุดก็ล้มแชมป์ AlphaGo ตัวเก่าได้ โดยใช้เวลาเรียนรู้แค่ ๔๐ วัน

ส่วน IBM Watson ที่พัฒนาด้วย ML เพื่อแข่งขันในรายการเกมตอบปัญหา “Jeopardy” ของสหรัฐอเมริกาก็ล้มแชมป์ Ken Jenning ได้ใน ค.ศ. ๒๐๑๑ รับเงินรางวัล ๑ ล้านดอลลาร์สหรัฐไปเต็ม ๆ

คำถาม Jeopardy จะบอกใบ้คุณสมบัติบางอย่างให้คนตอบขบคิดว่าสิ่งนั้นคืออะไร และใช้คำว่า What is Who is ขึ้นต้นคำตอบ

“Even a broken one of these on your wall is right twice a day” พิธีกรถาม

… (ให้เวลาคุณคิด) …

…

“What is clock” Watson ตอบ
…
“โอเค มนุษย์ เรามาเฉลยคำถามแรก ภาพไหนมนุษย์วาด และภาพไหน AI วาด ?”

“คำตอบ คำตอบ” ไม่ว่าคุณจะตอบว่ามนุษย์วาดภาพ A หรือ B ก็ “ผิดคร้าบ” ทั้งคู่

ทั้งสองภาพวาดด้วย AI แต่ใช้เทคนิคแตกต่างกัน

มาดูภาพ B ก่อน ภาพ B วาดจากแอปพลิเคชัน NightCafe Creator ซึ่งให้คุณเอาภาพอะไรก็ได้อัปโหลดเข้าไปเป็นภาพตั้งต้น และเลือกสไตล์ภาพที่คุณต้องการจากตัวอย่างภาพวาดต่าง ๆ ที่แอปฯ มีไว้ให้  จากนั้นศิลปิน AI ใน NightCafe Creator จะวาดภาพตั้งต้นใหม่ในสไตล์ที่คุณเลือกเสร็จภายใน ๕-๑๐ นาที  สำหรับภาพตั้งต้นของภาพ B คือภาพพระเจ้าสร้างอดัม มนุษย์คนแรก หรือ The Creation of Adam อันโด่งดังของไมเคิลแองเจโล ตรงบริเวณที่พระเจ้ายื่นนิ้วชี้มาแตะกับนิ้วของอดัม  ส่วนสไตล์ภาพเป็นแนวเอกซ์เพรสชันนิสม์เลือกจากภาพ Starry Night ของ วินเซนต์ แวน โกะห์

ผลลัพธ์ของอัลกอริทึมออกมาอย่างน่าชื่นชม และอาจหลอกใครบางคนสำเร็จ

“โอเค มนุษย์ แบบนี้ถือว่า AI สร้างศิลปะได้ไหม ?”

คุณอาจแย้งว่าศิลปินต้องสร้างสรรค์งานแบบ original ไม่ใช่การลอกเลียน แต่อย่าลืมวาทะที่ยอมรับกันในสากล “ไม่มีงานศิลปะใดเกิดขึ้นจากความว่างเปล่า”

ส่วนภาพ A นั้นมาเพื่อลบล้างข้ออ้างเรื่อง original ลงอย่างสิ้นเชิง

ภาพ A วาดโดยศิลปิน AI ชื่อ Isaac จากสำนักศิลปะ ART AI ของมหาวิทยาลัยเคมบริดจ์ Isaac เป็นอัลกอริทึม AI ที่ถูกสอนให้วาดภาพโดยมีนักวิจารณ์ศิลปะชื่อ Alexander คอยวิจารณ์ภาพของ Isaac จากระยะแรกที่วาดออกมาดูน่าเกลียดและสับสน Alexander ได้แต่ส่ายหน้า พร้อมกับให้คำแนะนำการวาด ตรงไหนดี ตรงไหนไม่ดี บอก Isaac ว่า “ลองวาดใหม่” Isaac ก็กลับมาวาดใหม่ ภาพแล้วภาพเล่า พัฒนาไปเรื่อย ๆ จนกระทั่งในที่สุด Alexander ก็ผงกหัวยอมรับในฝีมือของ Isaac ว่ามีความ original จนดูแทบไม่ต่างจากผลงานของศิลปินมนุษย์

ภาพ A มีชื่อภาพว่า Skinny Trunks ฝีมือของ Isaac ศิลปิน AI ได้รับการนำขึ้นจัดแสดงในห้องแสดงภาพออนไลน์ของ ART AI ให้มนุษย์จับจองได้ตามราคาที่ตั้งไว้ ๑๔๙ ดอลลาร์สหรัฐ

เรื่องคงไม่น่าทึ่งไปอีก ถ้าไม่เฉลยต่อว่า Alexander นักวิจารณ์ศิลปะผู้รู้จักจิตรกรรมทั่วโลกนั้น แท้จริงแล้วก็เป็นอัลกอริทึม AI ผู้มีตัวตนอยู่แต่ในแผงวงจรไฟฟ้า !

สำนักศิลปะ ART AI สร้างระบบอัลกอริทึมขึ้นมาสองส่วน ส่วนหนึ่งเรียนรู้ที่จะเป็นศิลปิน (Isaac) อีกส่วนเป็นนักวิจารณ์ศิลปะผู้รอบรู้ (Alexander) เพื่อมาวิจารณ์และให้คำแนะนำศิลปินใหม่จนประสบความสำเร็จมีผลงานที่ได้รับการยอมรับ ทั้งสองส่วนพัฒนาด้วย machine learning
…
“โอเค มนุษย์  คุณคิดว่าการเรียนรู้คืออะไร ?”

คุณอาจตอบแบบเนิร์ด ๆ ว่า การเรียนรู้ คือ การประมวลข้อมูล (data) ให้เป็นสารสนเทศ (information) จากสารสนเทศเป็นความรู้ (knowledge) และจากความรู้เป็นปัญญา (wisdom)

หรือคุณอาจตอบแบบแยกแยะลงไปอีกว่า การเรียนรู้คือการสังเกต จดจำบันทึก คิดวิเคราะห์ และสังเคราะห์ข้อมูลจากสรรพสิ่งรอบตัว เพื่อสร้างความรู้ความเข้าใจในธรรมชาติของสิ่งต่าง ๆ  และเลือกแสดงปฏิกิริยาผ่านการสื่อสาร การกระทำการแก้ไขปัญหา หรือทำให้เกิดผลลัพธ์ที่เหมาะสมกับสถานการณ์ทั้งระยะสั้นเฉพาะหน้า หรือระยะยาวในอนาคต…

หรือตอบแบบนักจิตวิทยาว่า เด็ก ๆ เริ่มต้นเรียนรู้จากการเลียนแบบผู้ใหญ่และสิ่งแวดล้อม แล้วค่อย ๆ สร้างความเป็นตัวตนขึ้นมาผ่านการลองผิดลองถูกซ้ำ ๆ จากการรับคำชื่นชมหรือรางวัลเมื่อทำถูก (คะแนนบวก) และรับคำติหรือบทลงโทษเมื่อทำผิด (คะแนนลบ) เพื่อจะได้เลือกพัฒนาตัวเองไปในทางบวกมากกว่าลบ
...
(ตรงนี้เว้นให้คุณตอบ เพราะคงมีอีกหลายคำอธิบายให้แลกเปลี่ยนกันได้)
…
ถาม AI ที่ใช้ ML - machine learn-ing ก็จะได้คำตอบที่ย่นย่อการเรียนรู้แบบมนุษย์เหลือแค่สามองค์ประกอบ

มาดู “หลักสูตร” กวดวิชา AI หรือ ML แบบเรียนลัดที่นิยมมากที่สุดขณะนี้ เรียกว่า supervised learning เป็นการสอนแบบป้อนข้อมูลเข้า (input) ที่มีเฉลยคำตอบ (output) ไว้ แล้วให้ระบบประมวลผลของ ML มองหารูปแบบที่ซ้ำกันใน input ต่าง ๆ ที่ระบุคำตอบเดียวกัน เพื่อ mapping จับคู่ความสัมพันธ์ input ให้ตรงกับ output ด้วยสมการทางคณิตศาสตร์

เช่น จะสอนให้ AI แยกแยะภาพได้ว่านี่คือ “ภาพแมว” ก็ต้องเตรียมภาพแมวจำนวนหนึ่งเป็น input และภาพวัตถุอื่น ๆ พร้อมกับเขียนคำเฉลยทุกภาพให้ด้วยว่านี่คือ “แมว” ภาพอื่น ๆ เช่น สุนัข กระรอก จักรยาน ก็ต้องระบุว่า “ไม่ใช่แมว” ฯลฯ

ถ้าจะสอนให้ AI แยกแยะได้ว่า “ถ้วยกาแฟมีตำหนิ” ก็ต้องเตรียมภาพถ้วยกาแฟปรกติในมุมต่าง ๆ และภาพถ้วยกาแฟที่มีรอยตำหนิหรือแตกร้าวลักษณะต่าง ๆ  พร้อมเขียนกำกับว่าภาพไหนถ้วยปรกติ ภาพไหนถ้วยมีตำหนิ

การ learning ของอัลกอริทึมจึงเป็นการ mapping เหมือนเล่นเกมจับคู่ให้ถูกตามโจทย์ โดย AI ไม่รู้ว่าแมวหรือถ้วยจริง ๆ เป็นสัตว์หรือสิ่งของ

ตัวอย่างการใช้หลักสูตรนี้ เช่น สอนระบบอีเมลให้รู้จักคัดแยกอีเมลสแปม (spam) จัดหมวด (category) อีเมลต่าง ๆ ให้เจ้าของอีเมล สอนรถยนต์ไร้คนขับให้รู้จักยานยนต์คันอื่น ๆ และวัตถุอื่น ๆ บนท้องถนน ฯลฯ

อีกหลักสูตรเรียกว่า reinforcement learning คล้ายกับการสอนเด็กหรือฝึกสัตว์เลี้ยง คือให้เรียนรู้จากรางวัลหรือคะแนนป้อนกลับแทนการระบุคำตอบ ML ต้องพยายามหาทางปรับปรุงตัวเองจนได้คะแนนมากที่สุด หลักสูตรนี้ใช้สอนให้ AI เล่นเกม สอนรถยนต์ไร้คนขับให้ปฏิบัติตามกฎจราจร หลีกเลี่ยงการชนหรือไปให้ถึงจุดหมาย ฯลฯ

หลักสูตรระดับสูงขึ้นไปสำหรับ ML เหมือนการทำวิจัยเพื่อค้นคว้าความรู้ใหม่ ๆ เรียกว่า unsupervised learning คือการป้อนข้อมูลให้มาก ๆ และให้ ML หาความสัมพันธ์จับกลุ่มข้อมูลและสังเคราะห์เองว่ารู้อะไรใหม่

เช่น เมื่อป้อนภาพวิดีโอจำนวนมากให้ ML ดู โดยไม่บอกหรือเฉลยอะไรเลย แล้วปล่อยให้โครงข่ายประสาทเทียมทำงานไปเรื่อย ๆ ในที่สุด ML ก็ได้ข้อสรุปว่ามีรูปร่างอะไรสักอย่างที่พบซ้ำ ๆ และเมื่อคนดูภาพร่างที่ ML สร้างขึ้นมาตามนั้นก็รู้ทันทีว่าคือแมว

นี่ไม่ได้ยกตัวอย่างลอย ๆ แต่มี AI ที่เริ่มทำสำเร็จแล้ว !

โดยทั่วไปยิ่งมีข้อมูลป้อนให้ AI เรียนรู้มากเท่าไร AI ก็จะ mapping ได้แม่นยำมากขึ้นเท่านั้น  ชุดข้อมูลที่ใช้สอน AI เรียกว่า training data และก่อนจะผ่านหลักสูตรสำเร็จ AI ต้องทำบททดสอบด้วยข้อมูลอีกชุดเรียกว่า test data เหมือนข้อสอบที่มนุษย์ต้องทำเพื่อเอาเกรดจบคลาส  ซึ่งแน่นอนว่าจะวัดความสามารถ AI ให้ได้ผลชัดเจน test data ต้องไม่ใช่ข้อมูลชุดเดียวกับ training data

(“โอเค มนุษย์  คุณยังออกข้อสอบแบบให้เด็กท่องจำคำตอบอยู่หรือ ?”)

ถ้าทำคะแนนถูกต้อง (หรือผิดพลาด) กี่เปอร์เซ็นต์ โดยผ่านเกณฑ์มาตรฐานที่มนุษย์ตั้งไว้ AI นั้นก็จะได้รับการนำไปใช้งาน แต่ถ้าไม่ผ่านก็ต้องกลับมาเข้ากระบวนการเรียนรู้ใหม่ ปรับแต่งค่าของระบบประมวลผล หรือต้องจัด training data มาให้เรียนรู้เพิ่ม เพราะปัญหาอาจอยู่ที่ให้ training data จำนวนน้อยเกินไปทำให้ AI ยัง mapping ไม่แม่น  หรือ training data ไม่มีคุณภาพ เช่น ภาพไม่ชัดเจน ระบุภาพผิด เป็นต้น

AI ที่จบหลักสูตรว่าถ้วยกาแฟมีตำหนิหรือไม่ จะใช้ช่วยตรวจสินค้าแบบอัตโนมัติในโรงงานผลิตถ้วยกาแฟ แทนที่มนุษย์หรือเป็นผู้ช่วยมนุษย์ในการตรวจคัดกรอง ซึ่ง AI ก็จะได้รับข้อมูลจากถ้วยกาแฟจริง ๆ ป้อนกลับเข้าสู่ระบบการเรียนรู้ ทำให้ mapping แม่นยำสูงขึ้นเรื่อย ๆ

คุณคงไม่แปลกใจแล้วว่า ทำไมคำว่า big data ที่เคยได้ยินตามข่าวต่าง ๆ จึงเข้ามามีบทบาทสำคัญอย่างมากในวันนี้และต่อไปในอนาคต

เพราะใครที่ครอบครอง big data ก็จะยิ่งสามารถป้อนข้อมูลให้ AI เรียนรู้และมีประสิทธิภาพการบริการ ให้คำตอบคำแนะนำที่น่าเชื่อถือมากขึ้นเรื่อย ๆ

Google Maps ที่มนุษย์เชื่อใจให้ชี้ทางราวกับพระเจ้า เกิดจากการใช้ข้อมูลมหาศาลของตำแหน่งโทรศัพท์มือถือของทุกคนมาวิเคราะห์ความเร็วรถ และให้ ML หารูปแบบการจราจรใน ช่วงเวลานั้น ทำให้สามารถแนะนำเส้นทางที่คนขับเชื่อถือ

“Data is a new oil”  มนุษย์บางคนกล่าวไว้

ขณะที่คุณกดดู กดไลก์ กดแชร์ ฯลฯ แม้แต่เขียนข้อความอะไรในโลกออนไลน์  แพลตฟอร์มต่าง ๆ ไม่ว่าจะเป็นกูเกิล เฟซบุ๊ก ยูทูบ อินสตาแกรม ฯลฯ ก็จะมีอัลกอริทึมที่ตามเก็บข้อมูลว่าคุณเลือกกดอะไร ดูนานเท่าไร เขียนถึงอะไร แล้วเอาข้อมูลนั้นรวบรวมสร้างเป็นโปรไฟล์ของคุณ เพื่อกลับมา “ยิง” คอนเทนต์ สินค้า บริการ โฆษณา ฯลฯ ที่เล็งแล้วว่าโดนใจคุณมากที่สุด จากพฤติกรรมที่ผ่านมาของคุณเอง

AI “เรียนรู้” ที่จะ “เลียน” สิ่งที่มนุษย์ป้อนให้ กลับมาป้อนมนุษย์อีกที

“โอเค มนุษย์  ลองพิมพ์ค้นชื่อในกูเกิลว่า Bae Suzy”

นอกจากข้อมูลของดาราสาวเกาหลีจากซีรีส์ดังเรื่อง Start-Up (เนื้อเรื่องเกี่ยวกับการแข่งขันของทีมสตาร์ตอัปนักพัฒนา AI ให้รถยนต์ไร้คนขับ) จะแสดงรายการบนหน้าจอเรียงลำดับลงแล้ว ตรงกรอบขวามือบนหน้าจอ คุณจะเห็นช่องสรุปข้อมูลของ Bae Suzy วันเกิด ส่วนสูง ภาพยนตร์ ซีรีส์ที่เคยแสดง ช่องทางติดตามในสื่อออนไลน์ ฯลฯ (ถ้าดูบนมือถือ ข้อมูลสรุปย่อนี้ก็จะแสดงเป็นส่วนบนสุดของการค้นหา)

ข้อมูลส่วนนี้ไม่มีมนุษย์คนไหนพิมพ์ขึ้นใหม่

แต่เกิดจากการรวบรวมและนำเสนอโดย AI ด้วยอัลกอริทึมที่เรียกว่า knowledge graph มี ML เรียนรู้ว่าคำไหนเป็น “คำสำคัญ” เช่น ชื่อคนดัง สถานที่ สิ่งประดิษฐ์ กีฬา ฯลฯ และสร้างแผนผังเชื่อมโยงความรู้ขึ้นจาก big data ในโลกอินเทอร์เน็ต

ตอนนี้ Google Search Engine Results Pages (SERPs) รู้จักคำสำคัญมากกว่า ๕๐๐ ล้านคำแล้ว

knowledge graph ยังอยู่เบื้องหลังการนำเสนอคอนเทนต์ของ Netflix ที่ทำให้คุณไม่ต้องหลับต้องนอน Facebook ที่ใช้เชื่อมโยงติดตามบรรดาคนที่คุณรู้จักถ้าไม่มี AI ก็ไม่อาจสร้าง “แผนผังความรู้” ขึ้นมาใช้งานได้
…
หลังจาก AI ได้เข้าหลักสูตร machine learning เพื่อ mapping input กับ output นอกจาก AI จะเอาชนะใน หลายสิ่งที่มนุษย์ทำได้  AI ยังกำลังทำบางสิ่งที่มนุษย์ทำไม่ได้้หรือยากมากที่จะทำ

แต่ใช่ว่า AI จะไร้ขีดจำกัด

“…ตึ่งตึ๊ง.ตึ่งตึ๊งตึง.ตึ่งตึ๊งตึงตึ๊ง..” เสียงนาฬิกาปลุกตั้งเวลาครบ ๑๐ นาทีดังขึ้น

“โอเค มนุษย์  มาเรียนรู้เกี่ยวกับสมองกลหรือ artificial neural network ของ AI ดีกว่า”

“เริ่มกันเลย”