สัญชาตญาณใหม่ของ AI: ทำไมการคิดอย่างชาญฉลาดจึงสำคัญกว่าการคิดอย่างยาวนาน

การพัฒนาการเรียนรู้ของเครื่อง (AI) มักได้รับแรงผลักดันจากความเชื่อที่ว่าการเพิ่มข้อมูลและพลังการประมวลผลสามารถปรับปรุงประสิทธิภาพได้ แนวทาง “การบังคับ” นี้นำไปสู่ระบบ AI ที่น่าประทับใจ เช่น GPT-3 ซึ่งแสดงผลลัพธ์ที่น่าประทับใจในช่วงหลายปีที่ผ่านมา อย่างไรก็ตาม แนวทางนี้กำลังถึงขีดจำกัด เมื่อประเด็นของ AI มีความซับซ้อนมากขึ้น จะเห็นได้ชัดว่าการเพิ่มพลังการประมวลผลเพียงอย่างเดียวจะไม่ใช่วิธีแก้ปัญหาที่ยั่งยืนหรือมีประสิทธิภาพสำหรับการพัฒนาอย่างต่อเนื่อง การตระหนักนี้ทำให้นักวิจัยต้องเปลี่ยนแนวทางในการพัฒนา AI ในบริบทนี้ โมเดล Cogito v2 ของ Deep Cogito นำเสนอแนวทางใหม่ที่อาจเปลี่ยนแปลงอนาคตของการพัฒนา AI แทนที่จะพึ่งพาพลังการประมวลผลหรือการให้เหตุผลที่ยาวนาน Cogito v2 พัฒนาสัญชาตญาณภายในที่ช่วยให้โมเดลระบุเส้นทางที่ถูกต้องก่อนเริ่มการค้นหา นี่คือการเปลี่ยนแปลงแนวทางในการพัฒนา AI โดยเน้นการคิดอย่างชาญฉลาดมากกว่าการคิดอย่างยาวนาน

การเปลี่ยนแปลงในพัฒนา AI

เป็นเวลานานที่แรงผลักดันเบื้องหลังการพัฒนา AI คือความคิดที่ว่า “มากขึ้นยิ่งดี” แนวทางนี้นำไปสู่โมเดล AI ที่สร้างโซ่การให้เหตุผลที่ยาวนานเพื่อแก้ปัญหาที่ซับซ้อน โมเดลของ OpenAI เช่น GPT-3 เป็นตัวอย่างของแนวทางนี้ โดยที่โซ่การให้เหตุผลที่ยาวนานนำไปสู่ผลลัพธ์ที่น่าประทับใจในงานที่ยาก แม้ว่าแนวทางนี้จะให้ผลลัพธ์ที่น่าประทับใจ แต่ก็มีข้อเสียที่สำคัญ โซ่การให้เหตุผลที่ยาวนานต้องการทรัพยากรการประมวลผลมากขึ้น ซึ่งนำไปสู่เวลาอนุมานที่ช้าลงและต้นทุนทางการดำเนินงานที่สูงขึ้น นอกจากนี้ การวิจัยพบว่ากระบวนการเหล่านี้มักนำไปสู่ผลลัพธ์ที่ลดลง โดยที่การให้เหตุผลที่ยาวนานนำไปสู่ความเอนเอียงที่มากขึ้นและประสิทธิภาพที่ลดลง ปัญหาหลักคือการพึ่งพาโซ่การให้เหตุผลที่ยาวนานและเพิ่มพลังการประมวลผลไม่ใช่วิธีแก้ปัญหาที่มีประสิทธิภาพสำหรับการแก้ปัญหาที่ซับซ้อนของ AI แนวทางเหล่านี้มีข้อจำกัดด้วยเวลาและความต้องการทรัพยากรการประมวลผลที่มาก

ทำไมสัญชาตญาณจึงสำคัญต่อ AI

ไม่เหมือนกับระบบ AI ที่พึ่งพาโซ่การให้เหตุผลที่ยาวนาน มนุษย์มักพึ่งพาสัญชาตญาณ (การให้เหตุผลอย่างรวดเร็วและ直觉) เพื่อแก้ปัญหา สัญชาตญาณอาจดูเหมือนเป็นแนวคิดที่ไม่มีรายละเอียด แต่มันคือผลลัพธ์ของประสบการณ์ การเรียนรู้ และการประมวลผลบริบทที่ช่วยให้มนุษย์สามารถตัดสินใจได้อย่างรวดเร็วโดยไม่ต้องวิเคราะห์รายละเอียดทั้งหมด นี่คือสิ่งที่ทำให้การคำนวณแบบดั้งเดิมแตกต่างจากการให้เหตุผลแบบมนุษย์ มนุษย์สร้างสัญชาตญาณผ่านการรับรู้รูปแบบและประสบการณ์ที่สะสม ซึ่งช่วยให้สามารถตัดสินใจได้โดยไม่ต้องสำรวจทุกตัวเลือกที่เป็นไปได้ สัญชาตญาณใหม่ของ AI มุ่งหมายที่จะจำลองกระบวนการนี้

วิธีการที่ Cogito v2 นำสัญชาตญาณมาใช้

Cogito ได้นำแนวคิดของสัญชาตญาณ (หรือที่เรียกว่า “intelligence prior”) มาใช้ในโมเดล Cogito v2 ที่เพิ่งเปิดตัว พวกเขาใช้กลไกที่เรียกว่า Iterated Distillation and Amplification (IDA) เพื่อนำแนวคิดนี้มาใช้ กลไกนี้ช่วยให้โมเดลสามารถเรียนรู้จากกระบวนการให้เหตุผลของตนเองและปรับปรุงทักษะการแก้ปัญหาเมื่อเวลาผ่านไป แทนที่จะพึ่งพาโพร์มป์ที่คงที่หรือครูที่กำหนดไว้ IDA ช่วยให้ AI สามารถกลั่นกรองเส้นทางการให้เหตุผลที่ประสบความสำเร็จกลับเข้าไปในพารามิเตอร์ของโมเดลหลักได้ กระบวนการปรับปรุงตนเองนี้ช่วยให้โมเดลมีความสามารถในการให้เหตุผลที่ดีขึ้นเมื่อเวลาผ่านไป โดยไม่เพียงแต่ปรับปรุงเพื่อคำตอบที่ถูกต้องเท่านั้น แต่ยังรวมถึงวิธีการคิดที่มีประสิทธิภาพที่สุด

• การกลั่นกรองและเพิ่มประสิทธิภาพซ้ำ (IDA)

เพื่อทำความเข้าใจว่า IDA ทำงานอย่างไร เราสามารถดูที่ทฤษฎีการประมวลผลแบบคู่ ซึ่งแบ่งการคิดของมนุษย์ออกเป็นสองระบบ: ระบบ 1 และระบบ 2 ระบบ 1 หมายถึงการตัดสินใจอย่างรวดเร็วและ直觉 ในขณะที่ระบบ 2 เป็นกระบวนการที่ช้ากว่าและมีการให้เหตุผลที่รอบคอบมากขึ้น ทฤษฎีนี้ชี้ให้เห็นว่ามนุษย์ใช้ระบบ 1 สำหรับงานส่วนใหญ่ แต่เปลี่ยนไปใช้ระบบ 2 เมื่อเผชิญกับการตัดสินใจที่ซับซ้อนมากขึ้น

IDA เป็นวงจรสองขั้นตอน: การเพิ่มประสิทธิภาพและการกลั่นกรอง ในขั้นตอนการเพิ่มประสิทธิภาพ โมเดลใช้วิธีการคำนวณที่เข้มข้นเพื่อสร้างโซลูชันที่มีคุณภาพสูงหรือการให้เหตุผลที่มีรายละเอียด นี่คล้ายกับการคิดแบบระบบ 2 โดยที่ AI ใช้เวลาในการประเมินโซลูชันที่เป็นไปได้อย่างรอบคอบ ในขั้นตอนการกลั่นกรอง โมเดลจะนำข้อมูลเชิงลึกจากขั้นตอนการเพิ่มประสิทธิภาพมาใช้และเปลี่ยนกระบวนการให้เหตุผลจากระบบ 2 ไปเป็นระบบ 1 เช่นเดียวกับที่คนขับรถสามารถตัดสินใจได้อย่างรวดเร็วและ直觉มากขึ้นหลังจากได้รับประสบการณ์ โมเดล AI ที่มี IDA สามารถตัดสินใจได้เร็วขึ้นและมีประสิทธิภาพมากขึ้นเมื่อเวลาผ่านไป

ข้อดีของการนำสัญชาตญาณมาใช้ใน AI

หนึ่งในข้อดีหลักของสัญชาตญาณของ AI คือประสิทธิภาพ โมเดลอย่าง Cogito v2 แสดงให้เห็นถึงโซ่การให้เหตุผลที่สั้นกว่าถึง 60% เมื่อเทียบกับโมเดลที่แข่งขันกัน ซึ่งหมายความว่าพวกมันสามารถให้คำตอบได้โดยใช้ขั้นตอนที่น้อยลง ลดเวลาและทรัพยากรที่จำเป็นสำหรับการอนุมาน ตัวอย่างเช่น ปัญหาที่อาจต้องใช้ DeepSeek R1 มากกว่า 200 โทเค็นในการแก้ปัญหา สามารถแก้ไขได้ด้วย Cogito v2 ในน้อยกว่า 100 โทเค็น

นอกจากนี้ ต้นทุนในการฝึกอบรม Cogito v2 ต่ำกว่ามากเมื่อเทียบกับโมเดล AI แบบดั้งเดิม ต้นทุนการฝึกอบรมทั้งหมดสำหรับ Cogito v2 ซึ่งครอบคลุมพารามิเตอร์ที่หลากหลาย ต่ำกว่า 3.5 ล้านดอลลาร์ ซึ่งเป็นต้นทุนที่ต่ำกว่ามากเมื่อเทียบกับต้นทุนที่เกี่ยวข้องกับโมเดลขนาดใหญ่เช่น GPT-4

Cogito v2 ยังแสดงให้เห็นถึงความสามารถที่เกิดขึ้นใหม่ในพื้นที่ที่ไม่ได้รับการฝึกอบรมอย่างชัดเจน ตัวอย่างเช่น แม้ว่าจะได้รับการฝึกอบรมหลักบนข้อความ Cogito v2 ก็สามารถให้เหตุผลเกี่ยวกับรูปภาพได้ โดยการวาดข้อสรุปเกี่ยวกับการจัดองค์ประกอบและที่อยู่อาศัยของภาพ ความสามารถในการให้เหตุผลข้ามโหมด (cross-modal reasoning) นี้เป็นก้าวสำคัญสู่การสร้างปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligence – AGI) ซึ่งเป็น 里程碑สำคัญบนเส้นทางสู่ AGI

การเปลี่ยนแปลงแนวทางในการพัฒนา AI

ความสำเร็จของแนวคิด “intelligence prior” บ่งชี้ว่ากลยุทธ์การพัฒนา AI ต้องมีการเปลี่ยนแปลงพื้นฐาน แทนที่จะเพิ่มขนาดโมเดลหรือเพิ่มทรัพยากรการประมวลผล การพัฒนา AI ควรเน้นการสร้างระบบที่สามารถพัฒนาและปรับปรุงกลยุทธ์การคิดของตนเองได้ การเปลี่ยนแปลงนี้สะท้อนถึงการพัฒนาการรู้คิดของมนุษย์ โดยที่ความฉลาดไม่ได้เป็นผลมาจากสมองที่ใหญ่ขึ้นหรือเวลาที่ใช้คิดมากขึ้น แต่เป็นผลมาจากแบบจำลองทางจิตและกลยุทธ์การให้เหตุผลที่ดีขึ้น การเปลี่ยนแปลงนี้อาจมีผลกระทบในระยะยาว โดยการเน้นการให้เหตุผลที่ชาญฉลาดมากกว่าพลังการประมวลผล AI สามารถกลายเป็นระบบที่มีความสามารถหลากหลายมากขึ้น ปรับเปลี่ยนได้ และสามารถจัดการกับความท้าทายใหม่ๆ ได้ การเปลี่ยนแปลงนี้อาจเร่งการนำ AI ไปใช้ในอุตสาหกรรมต่างๆ เช่น การดูแลสุขภาพ ความมั่นคงทางไซเบอร์ และการขนส่งอัตโนมัติ ทำให้ระบบ AI มีประสิทธิภาพ ต้นทุนต่ำ และมีผลกระทบมากขึ้น

สรุป

ความสำเร็จของ Cogito v2 แสดงให้เห็นว่าอนาคตของ AI ไม่ได้อยู่ที่การเพิ่มขนาดโมเดลหรือการเพิ่มพลังการประมวลผล แต่อยู่ที่การปรับปรุงโครงสร้างการให้เหตุผลและเพิ่มประสิทธิภาพการแก้ปัญหา การเปลี่ยนแปลงนี้สัญญาว่าจะนำไปสู่อนาคตของ AI ที่ยั่งยืนและเข้าถึงได้ง่ายขึ้น โดยที่ระบบสามารถปรับปรุงและปรับเปลี่ยนได้อย่างต่อเนื่องด้วยทรัพยากรการประมวลผลที่น้อยลง โดยการเน้นการให้เหตุผลที่ชาญฉลาดมากกว่าการคำนวณแบบบังคับ AI สามารถกลายเป็นระบบที่สามารถจัดการกับปัญหาที่ซับซ้อนและจริงได้ดีขึ้น