DeepMind วาง AGI เป็นแค่จุดเริ่ม แล้วมองทาง ASI

Google DeepMind เผยแพร่เปเปอร์ความยาว 57 หน้า ชื่อ "From AGI to ASI" โดยมีผู้เขียน 14 คน รวมถึง Shane Legg ผู้ร่วมก่อตั้ง DeepMind และ chief AGI scientist กับ Marcus Hutter เจ้าของทฤษฎี AIXI

ใจความหลักของเปเปอร์คือการกลับมุมมองที่หลายคนคุ้นเคย แทนที่จะมอง AGI (ระดับเทียบเท่ามนุษย์ทั่วไป) เป็นเป้าหมายปลายทาง เปเปอร์กลับวาง AGI เป็นแค่ "จุดเริ่มต้น" แล้วชวนคิดต่อว่าหลังจากนั้นจะไปทางไหน

จุดที่น่าสนใจคือเปเปอร์เปิดด้วย "summary instructions" ที่เขียนเพื่อสั่ง AI ในอนาคตที่จะมาสรุปรายงานฉบับนี้ โดยกำกับว่าให้ขยายความคำนิยามให้ชัด อย่าบีบอัดรายการให้สั้นเกินไป และให้ประเมินว่าข้อสรุปต่าง ๆ ยังใช้ได้อยู่ไหมเมื่อเวลาผ่านไป

เปเปอร์แบ่งระดับความสามารถของ AI ไว้ชัดเจน เริ่มจาก AGI ซึ่งหมายถึงความสามารถระดับกลาง ๆ ของมนุษย์ทั่วไป ครอบคลุมงานทางความคิดส่วนใหญ่

ถัดมาคือ ASI หรือ artificial superintelligence ที่นิยามว่าเก่งเหนือกว่าผู้เชี่ยวชาญระดับท็อปหลายหมื่นคนที่ทำงานร่วมกันต่อเนื่องสิบปีกับปัญหาเดียว และเก่งแบบนี้ในแทบทุกสาขา ไม่ใช่เก่งแค่เรื่องเดียว

สูงสุดคือ universal AI หรือ AIXI ซึ่งเป็นเพดานทางทฤษฎีที่พิสูจน์ทางคณิตศาสตร์ได้ แต่ในทางปฏิบัติคำนวณจริงไม่ได้ (uncomputable) มันจึงเป็นเหมือนขีดจำกัดสูงสุดที่เอาไว้อ้างอิง ไม่ใช่สิ่งที่จะสร้างขึ้นมาได้จริง

เปเปอร์ยกการทดลองทางความคิดเรื่อง scaling ไว้ให้เห็นภาพ สมมติว่ามี AGI ราว 1,000 ตัว แล้วเพิ่มจำนวน 10 เท่าต่อปี ผ่านไปหนึ่งปีจะมีราว 10,000 ตัว ผ่านไปห้าปีจะมีราว 100 ล้านตัว โดยที่แต่ละตัวแชร์ความรู้กันได้ทันทีและก๊อปปี้ตัวเองได้

แต่เปเปอร์ก็ไม่ได้มองโลกสวยอย่างเดียว มันระบุ "frictions" หรืออุปสรรค 6 อย่างที่อาจทำให้เส้นทางนี้ไม่ราบรื่นอย่างที่คิด ตั้งแต่เรื่องข้อมูลที่จำกัด ทรัพยากรทางกายภาพ ไปจนถึงข้อจำกัดเชิงการเมืองและสังคม

ที่สำคัญ เปเปอร์ย้ำว่า ASI ไม่ใช่ผู้ทรงอำนาจไร้ขีดจำกัด มันยังถูกผูกไว้ด้วยกฎฟิสิกส์ ต้นทุนการคำนวณ เวลา ทฤษฎีความซับซ้อน (complexity theory) และความไม่แน่นอน พูดง่าย ๆ คือเก่งขึ้นได้ แต่ไม่ใช่เทพที่ทำได้ทุกอย่าง

ก่อนอื่นต้องเคลียร์ก่อนว่า นี่คือเปเปอร์งานวิจัยหนึ่งฉบับ ไม่ใช่โปรดักต์ที่จะมาให้ใช้พรุ่งนี้ มันคือการอ่านเพื่อปรับมุมมอง อ่านไว้ปรับมุมมอง ไม่ต้องรีบทำอะไร

มุมต่อยอดที่เอาไปใช้ได้จริง คือกรอบคิดเรื่องนิยามและขีดจำกัด เวลาเจอข่าวที่พูดถึง AGI หรือ ASI แบบลอย ๆ เราจะมีไม้บรรทัดวัดว่าเขากำลังพูดถึงระดับไหนกันแน่ และจะไม่หลงเชื่อว่า AI จะเก่งแบบไร้ขีดจำกัด เพราะแม้แต่เปเปอร์จาก DeepMind เองก็ยังบอกว่ามันถูกจำกัดด้วยฟิสิกส์และต้นทุนจริง

สำหรับคนทำงานสายเทคหรือสายวางแผน การรู้ว่ามีอุปสรรค 6 อย่างขวางอยู่ ช่วยให้ประเมินไทม์ไลน์ได้สมจริงขึ้น ไม่ตื่นเต้นเกินจริงและไม่ประมาทเกินไป