ปัญญาประดิษฐ์ (AI) คืออะไร?

ปัญญาประดิษฐ์ คือ การจำลองกระบวนการปัญญาของมนุษย์ด้วยเครื่องจักร โดยเฉพาะระบบคอมพิวเตอร์

AI ใช้อย่างไร?

ขณะพูดคุยกับฝูงชนที่งาน Japan AI Experience ในปี 2560 Jeremy Achin ซีอีโอของ DataRobot ได้เริ่มกล่าวสุนทรพจน์โดยเสนอคำจำกัดความต่อไปนี้ว่ามีการใช้ AI อย่างไรในปัจจุบัน:

 

“AI เป็นระบบคอมพิวเตอร์ที่สามารถทำงานที่ปกติต้องใช้ปัญญาของมนุษย์… ระบบปัญญาประดิษฐ์เหล่านี้จำนวนมากขับเคลื่อนโดยการเรียนรู้ของเครื่อง บางระบบขับเคลื่อนโดยการเรียนรู้เชิงลึก และบางระบบขับเคลื่อนโดยสิ่งที่น่าเบื่อ เช่น กฎ .”

ปัญญาประดิษฐ์โดยทั่วไปแบ่งออกเป็นสองประเภทใหญ่ ๆ :

 

  • AI แคบ: บางครั้งเรียกว่า “ปัญญาประดิษฐ์ที่อ่อนแอ” ปัญญาประดิษฐ์ประเภทนี้ทำงานภายในบริบทที่จำกัด และเป็นการจำลองสติปัญญาของมนุษย์ AI ที่แคบมักจะมุ่งเน้นไปที่การทำงานเดียวได้เป็นอย่างดี และในขณะที่เครื่องจักรเหล่านี้อาจดูเหมือนฉลาด แต่พวกมันก็ทำงานภายใต้ข้อจำกัดและข้อจำกัดมากกว่าแม้แต่สติปัญญาขั้นพื้นฐานที่สุดของมนุษย์

 

  • ปัญญาประดิษฐ์ทั่วไป (AGI): AGI ซึ่งบางครั้งเรียกว่า “Strong AI” เป็นปัญญาประดิษฐ์ประเภทหนึ่งที่เราเห็นในภาพยนตร์ เช่น หุ่นยนต์จาก Westworld หรือ Data จาก Star Trek: The Next Generation AGI เป็นเครื่องจักรที่มีสติปัญญาทั่วไป และเหมือนกับมนุษย์ มันสามารถประยุกต์ใช้ปัญญานั้นในการแก้ปัญหาใดๆ ก็ได้

ปัญญาประดิษฐ์ที่แคบ

AI ที่แคบอยู่รอบตัวเราและเป็นการตระหนักถึงปัญญาประดิษฐ์ที่ประสบความสำเร็จมากที่สุดในปัจจุบัน ด้วยการมุ่งเน้นที่การปฏิบัติงานที่เฉพาะเจาะจง Narrow AI ได้ประสบกับความก้าวหน้าครั้งสำคัญมากมายในทศวรรษที่ผ่านมาซึ่งมี “ผลประโยชน์ทางสังคมที่สำคัญและมีส่วนทำให้เกิดความมีชีวิตชีวาทางเศรษฐกิจของประเทศ” ตาม “การเตรียมพร้อมสำหรับอนาคตของปัญญาประดิษฐ์” รายงานประจำปี 2559 ที่ออกโดยฝ่ายบริหารของโอบามา

ตัวอย่างบางส่วนของ AI ที่แคบ ได้แก่:

  • ค้นหา Google
  • ซอฟต์แวร์จดจำภาพ
  • Siri, Alexa และผู้ช่วยส่วนตัวอื่นๆ
  • รถขับเอง
  • วัตสันของไอบีเอ็ม
  • การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก

Narrow AI ส่วนใหญ่ขับเคลื่อนโดยความก้าวหน้าในการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก การทำความเข้าใจความแตกต่างระหว่างปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และการเรียนรู้เชิงลึกอาจสร้างความสับสนได้ นายทุนการลงทุน Frank Chen ให้ภาพรวมที่ดีเกี่ยวกับวิธีแยกแยะระหว่างพวกเขา โดยสังเกต:

 

“ปัญญาประดิษฐ์คือชุดของอัลกอริธึมและปัญญาที่พยายามเลียนแบบสติปัญญาของมนุษย์ แมชชีนเลิร์นนิงเป็นหนึ่งในนั้น และการเรียนรู้เชิงลึกเป็นหนึ่งในเทคนิคการเรียนรู้ด้วยเครื่อง”

 

พูดง่ายๆ ก็คือ แมชชีนเลิร์นนิงจะดึงข้อมูลคอมพิวเตอร์และใช้เทคนิคทางสถิติเพื่อช่วยให้ “เรียนรู้” วิธีทำงานได้ดีขึ้นทีละขั้น โดยไม่ต้องมีการตั้งโปรแกรมไว้สำหรับงานนั้นโดยเฉพาะ ทำให้ไม่ต้องใช้โค้ดที่เขียนขึ้นเป็นล้านบรรทัด แมชชีนเลิร์นนิงประกอบด้วยทั้งการเรียนรู้ภายใต้การดูแล (โดยใช้ชุดข้อมูลที่มีป้ายกำกับ) และการเรียนรู้แบบไม่มีผู้ดูแล (โดยใช้ชุดข้อมูลที่ไม่มีป้ายกำกับ)

 

การเรียนรู้อย่างลึกซึ้งคือการเรียนรู้ของเครื่องประเภทหนึ่งที่ป้อนข้อมูลผ่านสถาปัตยกรรมเครือข่ายประสาทที่ได้รับแรงบันดาลใจจากทางชีววิทยา โครงข่ายประสาทเทียมมีเลเยอร์ที่ซ่อนอยู่จำนวนหนึ่งเพื่อประมวลผลข้อมูล ทำให้เครื่องสามารถเรียนรู้ได้ “ลึก” ทำให้การเชื่อมต่อและการป้อนข้อมูลน้ำหนักเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

ปัญญาประดิษฐ์ทั่วไป

การสร้างเครื่องจักรที่มีสติปัญญาระดับมนุษย์ที่สามารถนำไปใช้กับงานใดๆ ได้คือจอกศักดิ์สิทธิ์สำหรับนักวิจัย AI หลายคน แต่การแสวงหา AGI นั้นเต็มไปด้วยความยากลำบาก

 

การค้นหา “อัลกอริธึมสากลสำหรับการเรียนรู้และการแสดงในทุกสภาพแวดล้อม” (รัสเซลและนอร์วิก 27) ไม่ใช่เรื่องใหม่ แต่เวลาไม่ได้ช่วยบรรเทาความยากในการสร้างเครื่องที่มีความสามารถทางปัญญาครบชุด

 

AGI เป็นแรงบันดาลใจของนิยายวิทยาศาสตร์ dystopian มาช้านาน ซึ่งหุ่นยนต์ที่ฉลาดล้ำเลิศจะบุกรุกมนุษยชาติ แต่ผู้เชี่ยวชาญต่างเห็นพ้องต้องกันว่าไม่ใช่สิ่งที่เราต้องกังวลในเร็วๆ นี้

ประวัติโดยย่อของปัญญาประดิษฐ์

หุ่นยนต์อัจฉริยะและสิ่งมีชีวิตประดิษฐ์ปรากฏตัวครั้งแรกในตำนานกรีกโบราณในสมัยโบราณ การพัฒนาการอ้างเหตุผลของอริสโตเติลและการใช้เหตุผลแบบนิรนัยเป็นช่วงเวลาสำคัญในการแสวงหาความเข้าใจในสติปัญญาของมนุษยชาติ แม้ว่ารากจะยาวและลึก แต่ประวัติศาสตร์ของปัญญาประดิษฐ์อย่างที่เราคิดในทุกวันนี้ก็กินเวลาไม่ถึงศตวรรษ ต่อไปนี้คือการดูเหตุการณ์ที่สำคัญที่สุดบางอย่างใน AI อย่างรวดเร็ว

ทศวรรษที่ 1940

  • (1943) Warren McCullough และ Walter Pitts เผยแพร่ “แคลคูลัสเชิงตรรกะของความคิดที่ไม่คงที่ในกิจกรรมประสาท” บทความนี้เสนอแบบจำลองทางคณิตศาสตร์ตัวแรกสำหรับการสร้างโครงข่ายประสาทเทียม
  • (1949) ในหนังสือของเขาเรื่อง The Organization of Behavior: A Neuropsychological Theory โดนัลด์ เฮบบ์ เสนอทฤษฎีที่ว่าเส้นทางประสาทถูกสร้างขึ้นจากประสบการณ์ และการเชื่อมต่อระหว่างเซลล์ประสาทจะแข็งแกร่งขึ้นเมื่อมีการใช้บ่อยขึ้น การเรียนรู้ภาษา Hebbian ยังคงเป็นแบบอย่างที่สำคัญใน AI

ทศวรรษ 1950

  • (1950) อลัน ทัวริงตีพิมพ์ “เครื่องจักรคอมพิวเตอร์และหน่วยสืบราชการลับ โดยเสนอสิ่งที่เรียกว่าการทดสอบทัวริง ซึ่งเป็นวิธีการกำหนดว่าเครื่องจักรนั้นฉลาดหรือไม่”
  • (1950) นักศึกษาระดับปริญญาตรีจากมหาวิทยาลัยฮาร์วาร์ด Marvin Minsky และ Dean Edmonds สร้าง SNARC ซึ่งเป็นคอมพิวเตอร์เครือข่ายประสาทเทียมเครื่องแรก
  • (1950) Claude Shannon ตีพิมพ์บทความเรื่อง “การเขียนโปรแกรมคอมพิวเตอร์เพื่อเล่นหมากรุก”
  • (1950) ไอแซค อาซิมอฟ ตีพิมพ์ “กฎสามข้อของวิทยาการหุ่นยนต์”
  • (1952) Arthur Samuel พัฒนาโปรแกรมการเรียนรู้ด้วยตนเองเพื่อเล่นหมากฮอส
  • (1954) การทดลองการแปลภาษาด้วยเครื่องของ Georgetown-IBM แปลประโยคภาษารัสเซียที่คัดเลือกมาอย่างดี 60 ประโยคเป็นภาษาอังกฤษโดยอัตโนมัติ
  • (1956) วลีปัญญาประดิษฐ์ได้รับการประกาศเกียรติคุณจาก “โครงการวิจัย Dartmouth Summer เรื่องปัญญาประดิษฐ์” การประชุมที่นำโดย John McCarthy ซึ่งกำหนดขอบเขตและเป้าหมายของ AI ได้รับการพิจารณาอย่างกว้างขวางว่าเป็นการกำเนิดของปัญญาประดิษฐ์อย่างที่เราทราบในทุกวันนี้
  • (1956) Allen Newell และ Herbert Simon สาธิต Logic Theorist (LT) ซึ่งเป็นโปรแกรมการให้เหตุผลครั้งแรก
  • (1958) John McCarthy พัฒนา Lisp ภาษาการเขียนโปรแกรม AI และเผยแพร่บทความ “Programs with Common Sense” บทความนี้เสนอ Advice Taker สมมุติฐาน ซึ่งเป็นระบบ AI ที่สมบูรณ์พร้อมความสามารถในการเรียนรู้จากประสบการณ์อย่างมีประสิทธิผลเช่นเดียวกับมนุษย์
  • (1959) Allen Newell, Herbert Simon และ C. Shaw พัฒนา General Problem Solver (GPS) ซึ่งเป็นโปรแกรมที่ออกแบบมาเพื่อเลียนแบบการแก้ปัญหาของมนุษย์
  • (1959) Herbert Gelernter พัฒนาโปรแกรม Geometry Theorem Prover
  • (1959) อาร์เธอร์ ซามูเอล ได้เหรียญคำว่าการเรียนรู้ของเครื่องขณะอยู่ที่ IBM
  • (1959) John McCarthy และ Marvin Minsky ก่อตั้งโครงการปัญญาประดิษฐ์ของ MIT

ทศวรรษ 1960

  • (1963) John McCarthy เริ่มห้องปฏิบัติการ AI ที่สแตนฟอร์ด
  • (1966) รายงานของคณะกรรมการที่ปรึกษาการประมวลผลภาษาอัตโนมัติ (ALPAC) โดยรัฐบาลสหรัฐฯ ให้รายละเอียดเกี่ยวกับการขาดความคืบหน้าในการวิจัยการแปลด้วยคอมพิวเตอร์ ซึ่งเป็นความคิดริเริ่มที่สำคัญของสงครามเย็น โดยมีคำมั่นสัญญาว่าจะแปลภาษารัสเซียโดยอัตโนมัติและทันที รายงานของ ALPAC นำไปสู่การยกเลิกโครงการ MT ที่ได้รับทุนสนับสนุนจากรัฐบาลทั้งหมด
  • (1969) ระบบผู้เชี่ยวชาญที่ประสบความสำเร็จระบบแรกได้รับการพัฒนาใน DENDRAL ซึ่งเป็นโปรแกรม XX และ MYCIN ที่ออกแบบมาเพื่อวินิจฉัยการติดเชื้อในเลือด ถูกสร้างขึ้นที่สแตนฟอร์ด

ทศวรรษ 1970

  • (1972) สร้างภาษาการเขียนโปรแกรมลอจิก PROLOG
  • (1973) “Lighthill Report” ซึ่งมีรายละเอียดเกี่ยวกับความผิดหวังในการวิจัย AI เผยแพร่โดยรัฐบาลอังกฤษและนำไปสู่การลดเงินทุนสำหรับโครงการปัญญาประดิษฐ์อย่างรุนแรง
  • (1974-1980) ความผิดหวังกับความก้าวหน้าของการพัฒนา AI นำไปสู่การตัดทอน DARPA ที่สำคัญในทุนวิชาการ เมื่อรวมกับรายงาน ALPAC ก่อนหน้านี้และ “Lighthill Report” ของปีที่แล้ว เงินทุนด้านปัญญาประดิษฐ์ก็แห้งแล้งและแผงวิจัยต่างๆ ก็หยุดชะงัก ช่วงเวลานี้เรียกว่า “First AI Winter”

ทศวรรษ 1980

  • (1980) Digital Equipment Corporations พัฒนา R1 (หรือที่เรียกว่า XCON) ซึ่งเป็นระบบผู้เชี่ยวชาญเชิงพาณิชย์ระบบแรกที่ประสบความสำเร็จ ออกแบบมาเพื่อกำหนดค่าคำสั่งซื้อสำหรับระบบคอมพิวเตอร์ใหม่ R1 เริ่มต้นการลงทุนในระบบผู้เชี่ยวชาญที่จะคงอยู่นานหลายทศวรรษ และสิ้นสุด “AI Winter” ครั้งแรกอย่างมีประสิทธิภาพ
  • (1982) กระทรวงการค้าและอุตสาหกรรมระหว่างประเทศของญี่ปุ่นเปิดตัวโครงการระบบคอมพิวเตอร์รุ่นที่ห้าที่มีความทะเยอทะยาน เป้าหมายของ FGCS คือการพัฒนาประสิทธิภาพที่เหมือนซูเปอร์คอมพิวเตอร์และเป็นแพลตฟอร์มสำหรับการพัฒนา AI
  • (1983) เพื่อตอบสนองต่อ FGCS ของญี่ปุ่น รัฐบาลสหรัฐฯ ได้เปิดตัว Strategic Computing Initiative เพื่อจัดหาการวิจัยที่ได้รับทุนสนับสนุนจาก DARPA ในด้านการประมวลผลขั้นสูงและปัญญาประดิษฐ์
  • (1985) บริษัทต่างๆ ใช้จ่ายมากกว่าพันล้านดอลลาร์ต่อปีกับระบบผู้เชี่ยวชาญ และทั้งอุตสาหกรรมที่รู้จักกันในชื่อ Lisp machine market ก็ลุกขึ้นมาสนับสนุนพวกเขา บริษัทต่างๆ เช่น Symbolics และ Lisp Machines Inc. สร้างคอมพิวเตอร์เฉพาะทางเพื่อทำงานด้วยภาษาการเขียนโปรแกรม AI Lisp
  • (พ.ศ. 2530-2536) เมื่อเทคโนโลยีคอมพิวเตอร์พัฒนาขึ้น ทางเลือกที่ถูกกว่าก็เกิดขึ้น และตลาดเครื่องจักร Lisp ล่มสลายในปี 2530 นำไปสู่ ​​”ฤดูหนาว AI ที่สอง” ในช่วงเวลานี้ ระบบผู้เชี่ยวชาญได้รับการพิสูจน์แล้วว่ามีราคาแพงเกินไปที่จะบำรุงรักษาและอัปเดต ในที่สุดก็ไม่ได้รับความนิยม

ทศวรรษ 1990

  • (1991) กองกำลังสหรัฐฯ ปรับใช้ DART ซึ่งเป็นเครื่องมือวางแผนและจัดกำหนดการลอจิสติกส์อัตโนมัติ ในช่วงสงครามอ่าว
  • (1992) ญี่ปุ่นยุติโครงการ FGCS ในปี 1992 โดยอ้างถึงความล้มเหลวในการบรรลุเป้าหมายที่ทะเยอทะยานที่ร่างไว้เมื่อสิบปีก่อน
  • (1993) DARPA ยุติโครงการ Strategic Computing Initiative ในปีพ.ศ. 2536 หลังจากใช้เงินไปเกือบ 1 พันล้านดอลลาร์และต่ำกว่าที่คาดการณ์ไว้มาก
  • (1997) Deep Blue ของ IBM เอาชนะแชมป์หมากรุกโลก Gary Kasparov

ยุค 2000

  • (2005) STANLEY รถยนต์ไร้คนขับ ชนะ DARPA Grand Challenge
  • (2005) กองทัพสหรัฐเริ่มลงทุนในหุ่นยนต์อิสระ เช่น “Big Dog” ของ Boston Dynamics และ “PackBot” ของ iRobot
  • (2008) Google สร้างความก้าวหน้าในการรู้จำคำพูดและแนะนำคุณลักษณะนี้ในแอป iPhone
  • 2010-2014
  • (2011) Watson ของ IBM เอาชนะการแข่งขัน Jeopardy!
  • (2011) Apple เปิดตัว Siri ซึ่งเป็นผู้ช่วยเสมือนที่ขับเคลื่อนด้วย AI ผ่านระบบปฏิบัติการ iOS
  • (2012) Andrew Ng ผู้ก่อตั้งโครงการ Google Brain Deep Learning ป้อนเครือข่ายประสาทโดยใช้อัลกอริธึมการเรียนรู้เชิงลึก 10 ล้านวิดีโอ YouTube เป็นชุดการฝึกอบรม โครงข่ายประสาทเรียนรู้ที่จะจำแมวโดยที่ไม่มีใครรู้ว่าแมวคืออะไร นำไปสู่ยุคแห่งการพัฒนาโครงข่ายประสาทเทียมและเงินทุนสำหรับการเรียนรู้เชิงลึก
  • (2014) Google สร้างรถยนต์ไร้คนขับคันแรกที่ผ่านการทดสอบการขับขี่ของรัฐ
  • (2014) Alexa ของ Amazon บ้านเสมือนจริงเปิดตัว
  • 2015-2021
  • (2016) AlphaGo ของ Google DeepMind เอาชนะผู้เล่น Go แชมป์โลก Lee Sedol ความซับซ้อนของเกมจีนโบราณถูกมองว่าเป็นอุปสรรคสำคัญในการเคลียร์ AI
  • (2016) “พลเมืองหุ่นยนต์” ตัวแรกซึ่งเป็นหุ่นยนต์ฮิวแมนนอยด์ชื่อโซเฟีย สร้างขึ้นโดย Hanson Robotics และสามารถจดจำใบหน้า การสื่อสารด้วยวาจา และการแสดงออกทางสีหน้า
  • (2018) Google เปิดตัวเครื่องมือประมวลผลภาษาธรรมชาติ BERT ลดอุปสรรคในการแปลและความเข้าใจโดยแอปพลิเคชันการเรียนรู้ของเครื่อง
  • (2018) Waymo เปิดตัวบริการ Waymo One ให้ผู้ใช้ทั่วทั้งเขตปริมณฑลฟีนิกซ์สามารถขอขึ้นรถจากหนึ่งในยานพาหนะที่ขับเคลื่อนด้วยตนเองของบริษัท
  • (2020) Baidu เผยแพร่อัลกอริธึม AI ของ LinearFold ให้กับทีมวิทยาศาสตร์และการแพทย์ที่ทำงานเพื่อพัฒนาวัคซีนในช่วงเริ่มต้นของการระบาดใหญ่ของ SARS-CoV-2 อัลกอริทึมสามารถทำนายลำดับ RNA ของไวรัสได้ในเวลาเพียง 27 วินาที ซึ่งเร็วกว่าวิธีอื่น 120 เท่า

สามารถอัพเดตข่าวสารเรื่องราวต่างๆได้ที่ fuji-homebank.com