เทอร์เรนซ์ เทา เสนอ “ความชาญฉลาดทั่วไปประดิษฐ์” เป็นชื่อที่ตรงไปตรงมาที่สุดสำหรับสิ่งที่เอไอทำจริง ๆ
เทอร์เรนซ์ เทา นักคณิตศาสตร์ชื่อดังผู้ได้รับรางวัลฟิลด์ส มีเดล ได้เสนอแนวคิดใหม่ในการตั้งชื่อเรียกความสามารถของปัญญาประดิษฐ์ (AI) โดยชี้ว่าคำว่า “ปัญญาประดิษฐ์ทั่วไป” หรือ AGI (Artificial General Intelligence) นั้นหลอกลวงและไม่ตรงกับความเป็นจริง เขาแนะนำให้ใช้คำว่า “ความชาญฉลาดทั่วไปประดิษฐ์” หรือ AGC (Artificial General Cleverness) แทน เพื่อสะท้อนถึงสิ่งที่ระบบเอไอทำได้จริง ๆ คือการเลียนแบบความฉลาดในงานเฉพาะทาง โดยปราศจากความเข้าใจที่แท้จริงหรือการใช้เหตุผลเชิงลึก
ในโพสต์บนแพลตฟอร์ม X (เดิมชื่อ Twitter) เมื่อเร็ว ๆ นี้ เทาได้อธิบายว่าคำว่า AGI ถูกใช้อย่างกว้างขวางในวงการเอไอเพื่อบ่งบอกถึงระบบที่สามารถทำงานได้หลากหลายเทียบเท่ามนุษย์ แต่ในความเป็นจริง ระบบเอไอปัจจุบัน โดยเฉพาะโมเดลภาษาขนาดใหญ่ (LLMs) อย่าง GPT-4 หรือคล้าย ๆ กันนั้น เก่งเพียงแค่การจับคู่รูปแบบ (pattern matching) จากข้อมูลที่ถูกฝึกฝนมาเป็นจำนวนมหาศาล พวกมันสามารถสร้างข้อความที่ดูเหมือนมีเหตุผลได้ดีในโดเมนที่คุ้นเคย แต่เมื่อเผชิญกับปัญหาใหม่ ๆ หรือสถานการณ์ที่อยู่นอกเหนือข้อมูลฝึกฝน ก็มักจะล้มเหลวอย่างน่าอับอาย
เทายกตัวอย่างจากศาสตร์คณิตศาสตร์ซึ่งเป็นสาขาที่เขาเชี่ยวชาญ โดยเฉพาะการพิสูจน์ทฤษฎีคณิตศาสตร์ที่ซับซ้อน ระบบเอไออย่าง AlphaProof จาก Google DeepMind สามารถแก้ปัญหาในโอลิมปิกคณิตศาสตร์นานาชาติ (IMO) ได้ในระดับสูง แต่เมื่อนำไปทดสอบกับปัญหาคณิตศาสตร์ทั่วไปที่ต้องการความเข้าใจแนวคิดเชิงลึก มันกลับไม่สามารถทำได้ดีนัก เหตุผลคือ เอไอไม่ได้ “เข้าใจ” แนวคิดคณิตศาสตร์อย่างแท้จริง แต่เพียงแค่นำข้อมูลจากปัญหาที่คล้ายคลึงกันมาประกอบเข้าด้วยกันเท่านั้น หากปัญหานั้นเป็นสิ่งใหม่ที่ไม่เคยปรากฏในชุดข้อมูลฝึกฝน เอไอก็จะ “หลอน” (hallucinate) หรือให้คำตอบที่ผิดพลาดโดยสิ้นเชิง
แนวคิดของเทาเน้นย้ำถึงความแตกต่างระหว่าง “ความฉลาด” (cleverness) กับ “ปัญญา” (intelligence) ในมุมมองของเขา ความชาญฉลาดทั่วไปประดิษฐ์หมายถึงความสามารถในการแก้ปัญหาเฉพาะที่หลากหลาย โดยอาศัยการคำนวณและข้อมูลขนาดใหญ่ แต่ขาดการใช้เหตุผล抽象 (abstract reasoning) การสร้างสรรค์แนวคิดใหม่ หรือความเข้าใจเชิงสาเหตุ (causal understanding) ซึ่งเป็นลักษณะสำคัญของปัญญามนุษย์ มนุษย์สามารถถ่ายทอดความรู้จากโดเมนหนึ่งไปยังอีกโดเมนหนึ่งได้อย่างยืดหยุ่น เช่น นำหลักการทางฟิสิกส์มาใช้แก้ปัญหาทางชีววิทยา แต่เอไอปัจจุบันทำไม่ได้ดีในลักษณะนี้
นอกจากนี้ เทายังชี้ให้เห็นถึงปัญหาการวัดผลประสิทธิภาพของเอไอ เกณฑ์มาตรฐานอย่าง MMLU (Massive Multitask Language Understanding) หรือ ARC (Abstraction and Reasoning Corpus) แสดงให้เห็นว่าเอไอเก่งในงานทดสอบ แต่เมื่อนำไปใช้จริงในสถานการณ์ที่ซับซ้อน เช่น การวิจัยทางวิทยาศาสตร์หรือการตัดสินใจเชิงกลยุทธ์ ก็ยังห่างไกลจากระดับมนุษย์ เขาเตือนว่าการใช้คำว่า AGI อาจทำให้เกิดความคาดหวังที่ไม่สมจริง ส่งผลกระทบต่อการลงทุน นโยบาย และการพัฒนาเทคโนโลยี โดยเฉพาะในบริบทธุรกิจที่ต้องการความน่าเชื่อถือสูง
ในทางปฏิบัติ แนวคิด AGC ช่วยให้เราเข้าใจขอบเขตของเอไอได้ชัดเจนยิ่งขึ้น ธุรกิจสามารถนำเอไอมาใช้ในงานที่เป็นรูปแบบซ้ำ ๆ เช่น การวิเคราะห์ข้อมูล การแปลภาษา หรือการสร้างเนื้อหาเบื้องต้นได้อย่างมีประสิทธิภาพ โดยไม่คาดหวังว่ามันจะแทนที่มนุษย์ในงานที่ต้องการนวัตกรรมหรือการตัดสินใจเชิงจริยธรรม ตัวอย่างเช่น ในอุตสาหกรรมการเงิน เอไอสามารถตรวจจับรูปแบบการฉ้อโกงจากข้อมูลประวัติศาสตร์ได้ดี แต่ไม่สามารถคาดการณ์วิกฤตเศรษฐกิจใหม่ที่ไม่เคยเกิดขึ้นมาก่อนโดยปราศจากการแทรกแซงจากมนุษย์
เทาไม่ได้ปฏิเสธศักยภาพของเอไอในอนาคต แต่เขาเรียกร้องให้มีการตั้งชื่อและวัดผลที่โปร่งใสมากขึ้น เพื่อหลีกเลี่ยงการ hype ที่เกินจริง คำว่า AGC จึงเป็นเครื่องเตือนใจว่าเอไอเป็นเครื่องมือที่ชาญฉลาด แต่ไม่ใช่สิ่งมีชีวิตที่มีสติปัญญาเต็มรูปแบบ การยอมรับข้อจำกัดนี้จะช่วยให้ผู้พัฒนาและผู้ใช้สามารถมุ่งเน้นไปที่การปรับปรุงจุดอ่อน เช่น การพัฒนาโมเดลที่เข้าใจเชิงสาเหตุมากขึ้น หรือการรวมเอไอกับมนุษย์ในระบบ hybrid
โดยสรุป แนวคิดของเทอร์เรนซ์ เทาไม่เพียงท้าทายศัพท์เทคนิคในวงการเอไอเท่านั้น แต่ยังส่งผลกระทบต่อวิธีที่ธุรกิจและสังคมมองเห็นเทคโนโลยีนี้ การใช้คำว่า “ความชาญฉลาดทั่วไปประดิษฐ์” จะช่วยสร้างความคาดหวังที่สมจริง ส่งเสริมการพัฒนาที่ยั่งยืน และลดความเสี่ยงจากการพึ่งพาเอไอเกินขอบเขตความสามารถปัจจุบัน ในยุคที่เอไอกำลังเปลี่ยนแปลงทุกภาคส่วน การมีมุมมองที่ตรงไปตรงมานี้ยิ่งสำคัญยิ่ง
(จำนวนคำประมาณ 728 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)