รีวิวหนังสือ: The Shape of Thought: Reasoning in the Age of AI โดย Richard H.R. Harper

หนังสือของ Richard H.R. Harper “The Shape of Thought: Reasoning in the Age of AI” ไม่ใช่หนังสือที่คาดการณ์เกี่ยวกับปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligence) หรือการอธิบายโครงสร้างของเครื่องมือการเรียนรู้ของเครื่อง (Machine Learning) แต่เป็นการตรวจสอบอย่างมีเหตุผลเกี่ยวกับวิธีที่เราคิดผิดเกี่ยวกับ AI โดยคาดหวังให้ AI คิดเหมือนมนุษย์ ฮาร์เปอร์ท้าทายเรื่องราวที่ว่าระบบปัจจุบันมีปัญญาเกิดขึ้น (Emergent Intelligence) แทนที่จะอธิบายว่าโมเดลภาษาขนาดใหญ่และเครื่องมือสร้างเนื้อหาอื่นๆ เป็นเพียง “เครื่องยนต์เรขาคณิตคำ” ที่มีประสิทธิภาพสูง แต่มีวัตถุประสงค์ที่แคบ

สิ่งที่ทำให้หนังสือเล่มนี้แตกต่างคือการยืนยันของฮาร์เปอร์ว่าปัญญาไม่สามารถประเมินได้ในที่เดียว มันจะต้องคำนึงถึงบริบทของการใช้งาน สภาพแวดล้อมที่ระบบทำงาน และวัตถุประสงค์ของมนุษย์ที่ระบบสนับสนุน การให้เหตุผล เขาแย้งว่า ไม่ใช่ปัญหาเชิงทฤษฎีที่จะทำซ้ำได้ แต่เป็นสิ่งที่แยกไม่ออกจากภูมิประเทศที่กว้างขึ้นของกิจการมนุษย์ ระบบ AI อาจสร้างคำตอบที่คล่องแคล่ว แต่คล่องแคล่วไม่ใช่การคิด การดำเนินงานของระบบยังคงยึดอยู่กับ ความสัมพันธ์ทางสถิติ ไม่ใช่ความเข้าใจ

การให้เหตุผลเป็นกิจกรรมของมนุษย์ ซึ่งอยู่ในบริบท

หนังสือเริ่มต้นด้วยการกำหนดความหมายใหม่ของการให้เหตุผลที่แท้จริง สำหรับฮาร์เปอร์ การให้เหตุผลมีหลักฐานอยู่ในประสบการณ์ของมนุษย์ – สังคม วัฒนธรรม และสถานการณ์ มันถูกกำหนดโดยความตั้งใจ ประวัติศาสตร์ และบริบทที่มีชีวิตที่การตัดสินใจเกิดขึ้น เครื่องจักรโดยตรงกันข้ามทำงานผ่านการแสดง: โทเค็น การฝัง การจัดรูปแบบ และความน่าจะเป็น มันสามารถเลียนแบบพื้นผิวของการให้เหตุผลโดยไม่ได้รับความรู้สึกที่แท้จริง
ฮาร์เปอร์เตือนไว้ว่าเมื่อเราลบการให้เหตุผลออกจากบริบทของมนุษย์และลดมันลงเหลือเพียงการคำนวณ เราจะตีความสิ่งที่ระบบเหล่านี้สามารถทำได้อย่างแท้จริงผิดๆ ความเข้าใจผิดนี้ไม่ใช่แค่เรื่องทางวิชาการ แต่มีอิทธิพลต่อการเลือกออกแบบ โครงสร้างนโยบาย การใช้งานในสถานที่ทำงาน และความคาดหวังของสาธารณชน

การทำความเข้าใจระบบปัจจุบันในฐานะ AI ที่แคบ

หัวข้อหลักของหนังสือคือการจำแนก AI ในปัจจุบันของฮาร์เปอร์ใหม่เป็น AI ที่แคบ (Narrow Artificial Intelligence – NAI) แม้ว่าโมเดล AI รุ่นใหม่จะมีความสามารถหลากหลาย แต่ก็ถูกปรับให้เหมาะสมสำหรับรูปแบบเฉพาะของการดัดแปลงรูปแบบ พวกมันไม่มีการเข้าใจทั่วไป ความตระหนัก หรือการกระทำที่คล้ายมนุษย์ การใช้คำว่า “เรขาคณิตคำ” ของฮาร์เปอร์ เน้นย้ำถึงความแตกต่าง: ระบบเหล่านี้มีความเชี่ยวชาญในการจัดเรียงและสร้างข้อความภายในพื้นที่ภาษาหลายมิติ แต่ไม่ได้ให้เหตุผลเกี่ยวกับโลกในแบบที่มนุษย์ทำ
การโต้แย้งนี้ต่อต้านสมมติฐานที่ว่าโมเดลภาษาขนาดใหญ่ (LLM) เข้าใกล้ความฉลาดเพราะสามารถสร้างคำตอบที่น่าเชื่อได้ แทนที่จะผลักดันให้ผู้อ่านรับรู้ว่าเครื่องมือเหล่านี้สร้างการกำหนดค่าของคำ ไม่ใช่ข้อมูลเชิงลึก ความสามารถของพวกมันอยู่ที่การสร้างความสัมพันธ์ ไม่ใช่การรับรู้

บริบทเป็นวิธีการวัดปัญญาที่แท้จริง

การมีส่วนร่วมที่แข็งแกร่งที่สุดของฮาร์เปอร์คือการเปลี่ยนการอภิปรายเกี่ยวกับปัญญาให้ห่างจากมาตรฐานการประเมิน เขาแย้งว่าปัญญาควรประเมินตามบริบทที่ระบบถูกใช้ โมเดลอาจทำงานได้ดีเยี่ยมในงานที่เป็นนามธรรม แต่ล้มเหลวเมื่อถูกนำไปใช้ในสภาพแวดล้อมจริงที่มนุษย์ขึ้นอยู่กับความเข้าใจในบริบท ความตระหนักในสถานการณ์ และประสบการณ์ที่มีชีวิต
การเข้าใกล้บริบทนี้กำหนดวิธีการประเมิน AI ใหม่ขององค์กร ค่ามาตรฐานการทำงานกลายเป็นเรื่องรองจากคำถามเช่น:

• งานใดที่กำลังแก้ไข?
• ใครใช้ระบบ?
• คุณค่า ข้อจำกัด หรือพลวัตทางสังคมใดกำหนดสภาพแวดล้อม?

ด้วยการเปลี่ยนความสนใจจากการทดสอบเทียมไปสู่ภูมิประเทศของมนุษย์ที่แท้จริง ฮาร์เปอร์นำการอภิปรายกลับไปสู่ที่ที่การให้เหตุผลแท้จริงอาศัยอยู่

การปรับสมดุลความสัมพันธ์ของเรากับ AI ใหม่

การเปรียบเทียบที่น่าจดจำซึ่งปรากฏซ้ำในหนังสือคือการเข้าใกล้ AI ในลักษณะเดียวกับที่มนุษย์เคยสัมพันธ์กับสัตว์ทำงาน เช่น ม้า ลา และสัตว์อื่นๆ ที่ใช้เพื่อวัตถุประสงค์เฉพาะ สัตว์เหล่านี้เป็นเครื่องมือที่มีคุณค่า การขยายความสามารถของมนุษย์ แต่ไม่เคยถูกเข้าใจผิดว่าเป็นนักคิดร่วม
เมื่อนำไปใช้กับ AI การเปรียบเทียบนี้ไม่ใช่การดูถูก แต่เป็นการชี้แจง มันช่วยตั้งพรมแดนและความคาดหวังที่เหมาะสม เครื่องมือสามารถเป็นเรื่องน่าเหลือเชื่อโดยไม่ต้องมีความฉลาด มันสามารถเปลี่ยนแปลงการทำงานโดยไม่ต้องจำลองลักษณะของการคิด ฮาร์เปอร์กระตุ้นให้เราออกแบบ ระเบียบปฏิบัติ และใช้ระบบ AI ด้วยความคิดที่ปรับสมดุลนี้ โดยต่อต้านความพยายามที่จะให้ลักษณะมนุษย์แก่ระบบ

การมีส่วนร่วมที่โดดเด่นต่อการอภิปรายเกี่ยวกับ AI

สิ่งที่ทำให้หนังสือเล่มนี้มีคุณค่าพิเศษคือการขยายเส้นทางที่ชัดเจนจากมุมมองที่โดดเด่นซึ่งกำหนดการอภิปรายเกี่ยวกับ AI ในปัจจุบัน การอภิปรายส่วนใหญ่เกิดขึ้นระหว่างสองจุดสุดขั้ว: ความเชื่อมั่นว่า AI กำลังจะเข้าใกล้ระดับปัญญาของมนุษย์ และความกลัวที่ว่ามันเป็นเพียงการปลอมตัวที่จะหลอกลวงหรือทำงานผิดปกติ ฮาร์เปอร์ยืนอยู่นอกเรื่องราวทั้งสองนี้ เขารับทราบถึงความสามารถที่น่าประทับใจของระบบปัจจุบัน ในขณะเดียวกันก็ปฏิเสธสมมติฐานที่ว่าความสามารถเหล่านี้เทียบเท่ากับปัญญาที่แท้จริง ด้วยการทำเช่นนี้ เขาเสนอวิธีกลาง – ไม่ใช่การปลุกระดมหรือการสร้างอุดมคติ – ที่สะท้อนถึงการทำงานของ AI ในสภาพแวดล้อมของมนุษย์ที่แท้จริง

การยึดมั่นในเรื่องนี้ทำให้ผลงานของฮาร์เปอร์เข้าไปสู่การอภิปรายที่มีอิทธิพลอื่นๆ ในขณะที่นักวิจัยบางคนอธิบายปัญญาเป็นคุณสมบัติที่เกิดขึ้นจากขนาด และคนอื่นๆ เน้นย้ำถึง การปรับให้เหมาะสม ความปลอดภัย หรือการยืนยันแบบเป็นทางการ ฮาร์เปอร์นำเสนอเรื่องราวใหม่: มุมมองของบริบทของมนุษย์ เขาแย้งว่าปัญญาไม่สามารถลดลงเหลือเพียงประสิทธิภาพของโมเดลหรือคะแนนมาตรฐานได้ แต่ต้องประเมินตามบริบทที่ใช้ จุดประสงค์ และการผสมผสานเข้ากับชีวิตประจำวัน การมีส่วนร่วมนี้ขยายระบบนิเวศของความคิดเกี่ยวกับ AI โดยการนำการปฏิบัติทางสังคม การออกแบบ และความหมายทางวัฒนธรรมมาเป็นศูนย์กลาง – มิติที่มักถูกบดบังด้วยการถกเถียงทางเทคนิค

ผลกระทบต่ออนาคตของการพัฒนา AI มีนัยสำคัญ แนวทางของฮาร์เปอร์ผลักดันให้วิศวกร นักออกแบบ และผู้กำหนดนโยบายพิจารณาการสร้างและใช้ระบบใหม่ หากการให้เหตุผลไม่ใช่ลักษณะที่เกิดขึ้นโดยอัตโนมัติจากพลังการคำนวณ แต่เป็นสิ่งที่มี根ฐานมาจากบริบท ดังนั้น ระบบ AI ในอนาคตจะต้องถูกออกแบบด้วยความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับกรณีการใช้งาน สภาพแวดล้อม และกระบวนการทำงานของมนุษย์ มุมมองของเขาส่งสัญญาณถึงการเปลี่ยนแปลงไปสู่ระบบที่เสริมแต่งการให้เหตุผลของมนุษย์ ไม่ใช่การจำลอง และสู่วิธีการออกแบบที่ให้ความสำคัญกับการฝังตัวทางสังคมไม่แพ้กับความเร็ว ความแม่นยำ หรือขนาด

ในความหมายนี้ The Shape of Thought: Reasoning in the Age of AI ไม่ใช่แค่วิจารณ์ปัจจุบัน แต่เป็นเส้นทางนำสำหรับวิธีที่ระบบ AI รุ่นต่อไปอาจถูกออกแบบ – มี根ฐานมาจากบริบท และสอดคล้องกับความเป็นจริงของความคิดมนุษย์ มากกว่าความฝันลวงตาของปัญญาเครื่องจักร