การปฏิวัติ AI ช่วยให้เราตอบคำถามพื้นฐานที่สุดของปรัชญาได้อย่างไร? (ส่วนที่ 1)

ฉันเป็นใคร? ฉันเกิดมาเพื่อทำอะไร? ฉันควรจะมีชีวิตอยู่อย่างไร? มีบทความมากมาย หนังสือมากมาย และโรงเรียนปรัชญาหลายแห่งที่เกิดมาเพื่อไขคำถามที่ยิ่งใหญ่ที่สุดเกี่ยวกับการดำรงอยู่ของมนุษย์ ในบทความนี้ เราอยากจะแนะนำให้ผู้อ่านได้ไตร่ตรองอย่างลึกซึ้งเกี่ยวกับประเด็นทางปรัชญาพื้นฐานเหล่านี้จากมุมมองของผู้เชี่ยวชาญด้านเทคโนโลยีชั้นนำของโลกผ่านชุดบทความด้านล่างนี้

บทความชุดนี้แปลจากบทความใน The Edge โดยผู้เขียน Kai-fu Lee ผู้ก่อตั้งบริษัทการลงทุนด้านเทคโนโลยี Sinovation Ventures ซึ่งติดอันดับ 1 ในประเทศจีนโดย Forbes Lee ดำรงตำแหน่งวิจัยที่ Apple และรับผิดชอบการปฏิบัติงานที่ Microsoft และ Google China ลียังเป็นนักวิทยาศาสตร์คอมพิวเตอร์ที่สร้างระบบจดจำเสียงระบบแรกของโลก ปัจจุบันระบบของ Lee ใช้ใน Siri ของ Apple, ผลิตภัณฑ์ Microsoft และบริษัทอื่นๆ อีกมากมาย

ผู้เขียน ไค-ฟู่ ลี ผู้ก่อตั้งบริษัทการลงทุนด้านเทคโนโลยีอันดับ 1 ของจีน Sinovation Ventures (ภาพ: China Daily)

ส่วนที่ 1: คลื่นลูกที่หนึ่งและคลื่นที่สองของปัญญาประดิษฐ์

คลื่นลูกแรกของปัญญาประดิษฐ์

เช่นเดียวกับคนอื่นๆ คำถามที่ฉันถามตัวเองเสมอคือฉันเป็นใคร และทำไมฉันถึงดำรงอยู่? ในฐานะมนุษย์ เราเป็นใคร ทำไมเราถึงดำรงอยู่? ตอนที่ฉันเรียนมหาวิทยาลัย ฉันมีทัศนคติที่ไร้เดียงสามากขึ้น ฉันหลงใหลเกี่ยวกับคอมพิวเตอร์มาก เกี่ยวกับปัญญาประดิษฐ์ และฉันคิดว่าฉันถูกกำหนดมาให้ทำงานกับอัลกอริธึมของคอมพิวเตอร์ และกับเพื่อนร่วมงาน ลองจินตนาการว่าสมองทำงานอย่างไร ทำงาน คอมพิวเตอร์สามารถฉลาดพอๆ กับสมองได้อย่างไร ยังสามารถแทนที่ สมอง และนั่นคือสิ่งที่เรียกว่าปัญญาประดิษฐ์

นั่นคือทัศนะง่ายๆ ของผมในตอนนั้น ฉันติดตามมันระหว่างเรียนมหาวิทยาลัย ในช่วงปีปริญญาโท ฉันไปที่ Carnegie Meelon และได้รับปริญญาเอกด้านการรู้จำเสียงจากนั้นก็เข้าร่วมกับ Apple, SGI, Microsoft และ Google ในบริษัทเหล่านั้น ฉันยังคงทำงานเกี่ยวกับปัญญาประดิษฐ์ต่อไป ฉันคิดว่าการแสวงหาวิธีการทำงานของสติปัญญาและความเข้าใจเกี่ยวกับปัญญาประดิษฐ์จะกลับมาหาเราและพูดว่า "โอ้ นั่นคือวิธีการทำงานของสมอง" เราจำลองมัน และนั่นคือคำจำกัดความของความฉลาด นั่นควรเป็นสิ่งที่สำคัญที่สุดในชีวิตของเรา: IQ ของเรา ความสามารถในการคิด วิเคราะห์ ทำนาย และเข้าใจ ทั้งหมดนี้สามารถพัฒนาได้ด้วยการจำลองบนคอมพิวเตอร์

ฉันโชคดีที่ได้พบกับ Marvin Minsky, Allen Newell, Herb Simon (นักวิทยาศาสตร์สามคนที่ถือว่าเป็นผู้บุกเบิกในด้านปัญญาประดิษฐ์) และ Raj Reddy ที่ปรึกษาของฉัน (Dabbala Rajagopal "Raj" Reddy นักวิทยาศาสตร์คอมพิวเตอร์ชาวอินเดียนอเมริกันก็เช่นกัน ผู้บุกเบิกด้าน AI) คนเหล่านี้ทั้งหมดทิ้งอิทธิพลอันลึกซึ้งต่อวิธีคิดของฉัน เป็นเรื่องสอดคล้องกันที่พวกเขากำลังแสวงหาความเข้าใจเรื่องสติปัญญาด้วย มุมมองในขณะนั้นคือเราจะใช้สติปัญญาของมนุษย์เป็นกฎเกณฑ์กับวิธีปฏิบัติของมนุษย์ ถ้าเราจัดให้มีกระบวนการในการดำเนินความคิดของเราในขั้นตอนที่เป็นรูปธรรม

เช่น ถ้าฉันหิวฉันก็อยากจะออกไปกินข้าวข้างนอก เดือนนี้ฉันใช้เงินไปเยอะมากโดยไม่ได้ตั้งใจ ฉันจะไปพักที่ถูกกว่า สถานที่ที่ถูกกว่าคือร้านแมคโดนัลด์ ที่แมคโดนัลด์ ฉันหลีกเลี่ยงอาหารทอด เลยได้แต่แฮมเบอร์เกอร์เท่านั้น สิ่งเหล่านั้น "ถ้าอย่างนั้น" ก็เป็นอย่างที่เราคิด (อย่างที่เราคิด) และนั่นคือวิธีการทำงานของการสร้างระบบผู้เชี่ยวชาญหรือ AI เชิงสัญลักษณ์ ประการแรก ฉันรู้ว่ามันจำกัดมาก เพราะเมื่อเราเขียนกฎ มันก็มีกฎมากเกินไป

ที่ MCC (Consortium of Microelectronic Computer Companies) มีศาสตราจารย์คนหนึ่งชื่อ Doug Lenat ซึ่งเป็นหนึ่งในคนที่ฉลาดที่สุดที่ฉันรู้จัก เขาจ้างคนหลายร้อยคนเพื่อจดกฎทั้งหมดที่เราคิดได้ โดยคิดว่าสักวันหนึ่งเราจะทำมันให้สำเร็จ และนั่นก็คือสมอง งานวิจัยของเขาได้รับการสนับสนุนจาก Apple และ Microsoft ฉันยังจำได้ว่าตอนที่ฉันไปเยี่ยมเขา เขาให้ฉันดูดอกไม้ชนิดต่างๆ เหล่านั้น แบ่งปันความรู้เกี่ยวกับดอกไม้แต่ละชนิด แต่ละดอกมีกี่กลีบ และมีสีอะไร ปรากฎว่าในโลกนี้มีความรู้มากเกินไปเกินกว่าที่เราจะรับได้ และการโต้ตอบของความรู้นั้นซับซ้อนเกินไป กลไกนั้น ระบบที่อิงกฎ เราไม่รู้ว่าจะสร้างมันขึ้นมาได้อย่างไร

นั่นคือคลื่นลูกแรก ผู้คนเริ่มตื่นเต้นและคิดว่าเราสามารถเขียนกฎได้ แต่มันก็ล้มเหลวโดยสิ้นเชิง ผลลัพธ์ของความล้มเหลวดังกล่าวก็คือ มีแอปพลิเคชันที่มีประโยชน์เพียงไม่กี่รายการเท่านั้น นั่นทำให้ผู้คนเชื่อว่า AI ล้มเหลวและไม่คุ้มค่าที่จะติดตาม

นักวิทยาศาสตร์ผู้บุกเบิกในด้านปัญญาประดิษฐ์ที่ Kai-fu Lee ได้รับอิทธิพลอย่างลึกซึ้งจาก: Marvin Minsky, Allen Newell, Herb Simon, Dabbala Rajagopal "Raj" Reddy (ภาพ: Slideplayer, Wikipedia)

คลื่นลูกที่สองของปัญญาประดิษฐ์

ฉันโชคดีที่ได้ไปพร้อมกับคลื่นลูกที่สอง ซึ่งใกล้เคียงกับงานปริญญาเอกของฉันที่ Carnegie Mellon ในงานนั้น ฉันสงสัยว่าเราจะใช้สถิติหรือการเรียนรู้ของเครื่องได้ไหม จะเป็นอย่างไรถ้าเรารวบรวมตัวอย่างจากทุกสิ่งและฝึกอบรมระบบ? อาจเป็นตัวอย่างเสียงเพื่อฝึกเสียงต่างๆ ในภาษาอังกฤษ ตัวอย่างสุนัขและแมวเพื่อฝึกการจดจำสัตว์ เป็นต้น ซึ่งให้ผลลัพธ์ที่ดีในขณะนั้น ประเภทของเทคโนโลยีที่ฉันพัฒนาและใช้ในวิทยานิพนธ์ระดับปริญญาเอกของฉันเรียกว่า "Hidden Markov Models" ซึ่งเป็นตัวอย่างแรกของระบบลำโพงในการรู้จำเสียงในตัวเอง ระบบนี้เคยเป็นและยังคงใช้ในผลิตภัณฑ์หลายอย่าง เช่น Siri ซึ่งเป็นระบบจดจำเสียงของ Microsoft และเทคโนโลยีอื่นๆ ที่ใช้ในเสียงของคอมพิวเตอร์และคอมพิวเตอร์วิทัศน์ ฉันทำงานนั้นที่ Carnegie Mellon ในช่วงทศวรรษ 1980 จบวิทยานิพนธ์ในปี 1988 และเริ่มทำงานที่ Apple ตั้งแต่ปี 1990-1996 จากนั้นก็ทำงานกับ Microsoft Research ประมาณปี 2000

เรามองในแง่ดีว่าการคำนวณสำหรับงานนี้มีประสิทธิภาพเพราะเราเห็นว่าผลลัพธ์ดีขึ้น แต่หลังจากทำงานมาเป็นเวลากว่าทศวรรษ เราพบว่าการปรับปรุงที่สำคัญมาถึงขีดจำกัดแล้ว พวกเขาไม่สามารถขึ้นไปต่อไปได้ดังนั้นเราจึงกลัว หลายๆ คนพูดอีกครั้งว่า "คุณสามารถจดจำคำศัพท์ได้ 1,000 คำ วัตถุ 100 ชิ้น แต่ไม่มาก มนุษย์สามารถเข้าใจคำศัพท์อันไม่มีที่สิ้นสุด รวมถึงคำที่สร้างขึ้นใหม่ด้วย ซึ่งไม่ฉลาด นั่นไม่ใช่ AI" การล่มสลายของปัญญาประดิษฐ์ครั้งที่สองเกิดขึ้น เนื่องจากไม่สามารถพิสูจน์ได้ว่าเครื่องจักรสามารถทำในสิ่งที่มนุษย์สามารถทำได้

ตาม VnReview ดูเพิ่มเติม:

• หลักสูตรปัญญาประดิษฐ์ (AI) ออนไลน์ฟรีจากมหาวิทยาลัยในฟินแลนด์
• 6 ขั้นตอนในการเริ่มเรียนรู้การเขียนโปรแกรมปัญญาประดิษฐ์ (AI)
• หลักสูตรออนไลน์เกี่ยวกับปัญญาประดิษฐ์ (AI) การรับรอง