ยานน์ เลกูน เรียกแนวคิดปัญญาประดิษฐ์ทั่วไป (AGI) ว่า “ไร้สาระสมบูรณ์”
ซีอีโอ DeepMind เดมิส ฮัสซาบิส ตอบโต้ทางสาธารณะ
ในวงการปัญญาประดิษฐ์ (AI) ซึ่งกำลังร้อนระอุด้วยการแข่งขันและการถกเถียงเรื่องอนาคต แนวคิดเรื่อง “ปัญญาประดิษฐ์ทั่วไป” หรือ AGI ได้กลายเป็นประเด็นถกเถียงหลัก โดยเฉพาะจากบุคคลสำคัญในอุตสาหกรรม ยานน์ เลกูน หัวหน้าฝ่าย AI ของเมตา (Meta) ได้แสดงจุดยืนชัดเจนในพอดแคสต์ Dwarkesh Podcast เมื่อเร็วๆ นี้ โดยเรียกแนวคิดที่ว่ามนุษย์จะบรรลุ AGI ในอีกไม่กี่ปีข้างหน้าว่าเป็น “complete BS” หรือ “ไร้สาระสมบูรณ์” คำพูดนี้จุดชนวนให้เกิดการตอบโต้จากเดมิส ฮัสซาบิส ซีอีโอของ DeepMind ซึ่งเป็นบริษัทชั้นนำในด้าน AI ภายใต้โครงสร้างของ Alphabet
เลกูน ซึ่งเป็นหนึ่งในบิดาแห่งการเรียนรู้เชิงลึก (deep learning) และผู้ได้รับรางวัล Turing Award ได้อธิบายถึงเหตุผลเบื้องหลังมุมมองของตน โดยชี้ว่าปัญญาประดิษฐ์ในปัจจุบันยังขาดสมรรถนะพื้นฐานหลายประการที่จำเป็นสำหรับ AGI เช่น การวางแผนระยะยาว ความเข้าใจโลกทางกายภาพ สามัญสำนึก (common sense) และความสามารถในการเรียนรู้จากประสบการณ์น้อยนิด เขายืนยันว่า แม้ AI จะมีความก้าวหน้าอย่างมากในด้านการรับรู้ภาพและภาษา แต่การก้าวสู่ AGI ยังห่างไกล โดยคาดการณ์ว่าอาจใช้เวลาอย่างน้อย 10 ปีในการบรรลุระดับสติปัญญาของมนุษย์ในด้านการทำงานทั่วไป และอาจนานกว่านั้นสำหรับ AGI ที่แท้จริง
เลกูน วิจารณ์กระแส hype รอบ AGI ว่ามาจากแรงจูงใจทางธุรกิจ โดยเฉพาะบริษัทที่ต้องการระดมทุนจำนวนมหาศาล เขาชี้ว่าบริษัทต่างๆ มักพูดเกินจริงเพื่อดึงดูดนักลงทุน โดยยกตัวอย่าง OpenAI ซึ่งปรับโครงสร้างองค์กรใหม่เพื่อให้แซม อัลต์แมน (Sam Altman) ได้รับหุ้นส่วนหนึ่งในบริษัท เขายังตั้งคำถามถึงความเป็นไปได้ของ AGI ในกรอบเวลาที่ใกล้เข้ามา โดยเปรียบเทียบกับความคืบหน้าที่ช้าในงานวิจัยพื้นฐาน เช่น การพัฒนา AI ที่สามารถเรียนรู้จากวิดีโอหรือโต้ตอบกับโลกจริงได้อย่างมีประสิทธิภาพ
การตอบโต้จากเดมิส ฮัสซาบิส เกิดขึ้นอย่างรวดเร็วบนแพลตฟอร์ม X (อดีต Twitter) โดย ฮัสซาบิส ซึ่งเป็นผู้บุกเบิกด้านการเรียนรู้เชิงเสริมกำลัง (reinforcement learning) และผู้พัฒนา AlphaFold โปรแกรมทำนายโครงสร้างโปรตีนที่ปฏิวัติวงการชีววิทยา ได้โพสต์ข้อความปกป้องการวิจัย AGI เขากล่าวว่า “การเรียก AGI ว่า BS นั้นไม่ถูกต้อง” และชี้ว่าบริษัทอย่าง DeepMind กำลังมุ่งสู่เป้าหมายนี้อย่างจริงจัง โดยมีหลักฐานจากความสำเร็จ เช่น AlphaGo, AlphaZero และ AlphaFold ซึ่งแสดงให้เห็นถึงความก้าวหน้าที่ก้าวกระโดดในด้านการแก้ปัญหาที่ซับซ้อนเกินกว่ามนุษย์
ฮัสซาบิส เน้นย้ำว่า AGI ไม่ใช่เรื่องไกลตัว โดยอ้างถึงความก้าวหน้าล่าสุดของ DeepMind ในด้านการวางแผนและการเรียนรู้หลายรูปแบบ (multi-modal learning) เขายังชี้ว่าการวิจัย AGI เป็นสิ่งจำเป็นสำหรับการแก้ปัญหาใหญ่ของมนุษยชาติ เช่น การรักษาโรค การเปลี่ยนแปลงสภาพภูมิอากาศ และการสำรวจอวกาศ คำตอบของเขามีน้ำหนักจากผลงานของ DeepMind ที่ได้รับการยอมรับในระดับโลก รวมถึงการเป็นผู้นำใน benchmarks ต่างๆ เช่น BIG-bench
การปะทะกันทางความเห็นนี้สะท้อนถึงความแตกต่างในปรัชญาการวิจัย AI เลกูน ซึ่งมุ่งเน้นที่ self-supervised learning และ world models เชื่อในแนวทางแบบ bottom-up ที่ค่อยๆ สร้างความสามารถจากข้อมูลขนาดใหญ่ ในขณะที่ DeepMind ภายใต้ ฮัสซาบิส ผสมผสาน reinforcement learning กับการเรียนรู้แบบ end-to-end เพื่อก้าวสู่เป้าหมาย AGI ทั้งสองฝ่ายต่างยอมรับถึงศักยภาพของ AI แต่มีความเห็นต่างในเรื่อง timeline และความเป็นไปได้
แม้จะมีความขัดแย้ง แต่การถกเถียงนี้เป็นประโยชน์ต่ออุตสาหกรรม โดยกระตุ้นให้เกิดการตรวจสอบสมมติฐานและเร่งรัดงานวิจัย นักวิเคราะห์ในวงการมองว่านี่เป็นส่วนหนึ่งของการแข่งขันระหว่าง Meta, DeepMind, OpenAI และ xAI ซึ่งจะผลักดันให้เกิดนวัตกรรมใหม่ๆ ในที่สุด ผู้เชี่ยวชาญคาดการณ์ว่าความก้าวหน้าอาจเกิดขึ้นเร็วกว่าที่เลกูนคาด หากมีการ breakthrough ในด้าน agentic AI หรือ reasoning models
อย่างไรก็ตาม เลกูน ยังคงยืนกรานจุดยืน โดยชี้ว่าปัญหาหลักของ AI ปัจจุบันคือการขาด “objective-driven architecture” ที่สามารถจัดการกับเป้าหมายระยะยาวและความไม่แน่นอนได้ เขาแนะนำให้นักวิจัยมุ่งไปที่การพัฒนา AI ที่มี “human-level robustness” ก่อน ซึ่งต้องใช้เวลาทดสอบในโลกจริงอย่างเข้มข้น
การโต้ตอบสาธารณะครั้งนี้ไม่เพียงแต่ดึงดูดความสนใจจากชุมชน AI เท่านั้น แต่ยังขยายวงไปสู่สื่อกระแสหลัก โดยเน้นย้ำถึงความสำคัญของการกำหนดมาตรฐาน AGI ให้ชัดเจน เพื่อหลีกเลี่ยงการคาดหวังที่ไม่สมจริง ในยุคที่ AI กำลังเปลี่ยนแปลงทุกภาคส่วน การถกเถียงเช่นนี้ช่วยให้ผู้มีส่วนได้ส่วนเสียเข้าใจความท้าทายที่แท้จริง และเตรียมพร้อมสำหรับอนาคตที่ AI จะกลายเป็นเครื่องมือหลักในการขับเคลื่อนเศรษฐกิจและสังคม
(จำนวนคำประมาณ 720 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)