แพทริก เอ็ม. พิลาร์สกี, Ph.D. ผู้ดำรงตำแหน่งศาสตราจารย์วิจัยด้าน AI ของแคนาดา CIFAR (Amii) – ชุดบทสัมภาษณ์

ดร. แพทริก เอ็ม. พิลาร์สกีเป็นผู้ดำรงตำแหน่งศาสตราจารย์วิจัยด้าน AI ของแคนาดา CIFAR เคยดำรงตำแหน่ง Canada Research Chair ด้านปัญญาเครื่องจักรเพื่อการฟื้นฟูสมรรถภาพ และเป็นรองศาสตราจารย์ในสาขาเวชศาสตร์ฟื้นฟู ภาควิชาแพทยศาสตร์ มหาวิทยาลัยอัลเบอร์ตา

ในปี 2017 เขาร่วมก่อตั้งสำนักงานวิจัยต่างประเทศแห่งแรกของ DeepMind ที่เมืองเอดมันตัน รัฐอัลเบอร์ตา และดำรงตำแหน่งผู้ร่วมบริหารสำนักงานกับนักวิทยาศาสตร์วิจัยอาวุโสจนถึงปี 2023 เขาเป็นนักวิจัยและกรรมการบริหารของสถาบันปัญญาเครื่องจักรอัลเบอร์ตา(Amii) ร่วมบริหารห้องปฏิบัติการแขนขาไบโอนิกเพื่อปรับปรุงการควบคุมอย่างเป็นธรรมชาติ (BLINC) และเป็นหัวหน้านักวิจัยของห้องปฏิบัติการการเรียนรู้แบบเสริมกำลังและปัญญาประดิษฐ์ (RLAI) กับเครือข่ายเทคโนโลยีฟื้นฟูสมรรถภาพแบบปรับตัวด้านประสาทสัมผัสและการเคลื่อนไหว (SMART) ที่มหาวิทยาลัยอัลเบอร์ตา

ดร. พิลาร์สกีเป็นผู้เขียนหรือผู้เขียนร่วมของบทความวิชาการที่ผ่านการประเมินโดยผู้ทรงคุณวุฒิมากกว่า 120 บทความ มีผลงานได้รับรางวัล เป็นสมาชิกระดับอาวุโสของ IEEE และได้รับทุนวิจัยระดับรัฐ ระดับชาติ และระดับนานาชาติ

เราได้สัมภาษณ์เขาในการประชุม AI ประจำปีUpper Boundปี 2023 ที่เมืองเอดมันตัน รัฐอัลเบอร์ตา ซึ่งจัดโดยAmii(สถาบันปัญญาเครื่องจักรอัลเบอร์ตา)

คุณเข้าสู่แวดวง AI ได้อย่างไร และอะไรดึงดูดคุณเข้าสู่สาขานี้?

นี่เป็นคำถามสองข้อที่แยกกันครับ สำหรับสิ่งที่ดึงดูดผมเข้าสู่ AI ผมมองว่ามีความงดงามอยู่ในการเกิดขึ้นของความซับซ้อน และการที่โครงสร้างเกิดขึ้นจากความซับซ้อนนั้น ความฉลาดเป็นตัวอย่างหนึ่งที่น่าทึ่ง ไม่ว่าจะมาจากชีววิทยาหรือจากพฤติกรรมซับซ้อนที่เราเห็นเกิดขึ้นในเครื่องจักร ผมก็เห็นความงดงามในนั้น เรื่องนี้ทำให้ผมหลงใหลมานาน เส้นทางที่ยาวและคดเคี้ยวมาสู่งาน AI ที่ทำอยู่ในปัจจุบันผ่านหลายช่วงหลายสาขา ตอนนี้ผมศึกษาเครื่องจักรที่เรียนรู้ด้วยการลองผิดลองถูก และระบบการเรียนรู้แบบเสริมกำลังที่มีปฏิสัมพันธ์กับมนุษย์ โดยทั้งสองฝ่ายอยู่ในกระแสของประสบการณ์และเวลา ผมเคยศึกษาการปฏิสัมพันธ์ระหว่างคนกับเครื่องจักรผ่านอุปกรณ์ชีวเมคคาทรอนิกส์และเทคโนโลยีชีวภาพ เช่น แขนขาเทียมและอวัยวะเทียม

ผมยังศึกษาว่า AI จะช่วยการวินิจฉัยทางการแพทย์ได้อย่างไร เราจะใช้ปัญญาเครื่องจักรทำความเข้าใจรูปแบบที่นำไปสู่โรค หรือการที่โรคแต่ละชนิดปรากฏในข้อมูลที่อุปกรณ์บันทึกได้อย่างไร ทั้งหมดเป็นส่วนหนึ่งของความพยายามระยะยาวที่จะเข้าใจว่าเราสร้างพฤติกรรมที่ซับซ้อนมากจากพื้นฐานที่เรียบง่ายมากได้อย่างไร สิ่งที่ผมชอบเป็นพิเศษในการเรียนรู้แบบเสริมกำลังคือแนวคิดที่ว่าเครื่องจักรสามารถอยู่ในกระแสเวลา เรียนรู้จากประสบการณ์ของตนเอง แสดงพฤติกรรมซับซ้อน และจับลักษณะของปรากฏการณ์ซับซ้อนในโลกรอบตัวได้ นั่นเป็นแรงขับเคลื่อนของผม

ส่วนเส้นทางในทางปฏิบัติ ผมเคยฝึกด้านเวชศาสตร์การกีฬาและเรื่องที่เกี่ยวข้องค่อนข้างมากตั้งแต่มัธยมปลาย ผมเรียนเวชศาสตร์การกีฬา และตอนนี้ทำงานศึกษาว่าปัญญาเครื่องจักรกับเทคโนโลยีฟื้นฟูสมรรถภาพจะมารวมกันเพื่อสนับสนุนผู้คนในชีวิตประจำวันได้อย่างไร เป็นเส้นทางที่น่าสนใจซึ่งเชื่อมความหลงใหลในระบบซับซ้อนเข้ากับคำถามเชิงปฏิบัติว่าเราจะช่วยให้ผู้คนใช้ชีวิตตามที่ต้องการได้ดีขึ้นอย่างไร

ความสนใจด้านกีฬานำคุณมาสู่การศึกษาแขนขาเทียมได้อย่างไร?

สิ่งที่น่าสนใจในสาขาอย่างเวชศาสตร์การกีฬาคือการศึกษาร่างกายมนุษย์ และการที่บุคคลอื่น วิธีดำเนินการ และกระบวนการต่าง ๆ สามารถรองรับความต้องการเฉพาะของแต่ละคนได้ ไม่ว่าจะเกี่ยวกับกีฬาหรือไม่ เทคโนโลยีแขนขาไบโอนิกและแขนขาเทียมก็เป็นเรื่องของการสร้างอุปกรณ์ ระบบ และเทคโนโลยีเพื่อช่วยให้คนใช้ชีวิตตามที่ต้องการ ทั้งสองเรื่องเชื่อมโยงกันอย่างใกล้ชิด เป็นเรื่องน่าตื่นเต้นที่ได้กลับมาหาความสนใจในอดีตและเห็นมันเกิดผลในห้องปฏิบัติการที่ผมร่วมบริหาร โดยเฉพาะการศึกษาระบบการเรียนรู้ของเครื่องที่ทำงานร่วมอย่างใกล้ชิดกับคนที่มันถูกออกแบบมาเพื่อสนับสนุน

คุณเคยพูดถึงการให้แขนขาเทียมปรับเข้ากับคน แทนที่จะให้คนปรับเข้ากับแขนขาเทียม ช่วยอธิบายการเรียนรู้ของเครื่องเบื้องหลังแนวคิดนี้ได้ไหม?

ได้ครับ ตลอดประวัติศาสตร์การใช้เครื่องมือ มนุษย์ปรับตัวเข้ากับเครื่องมือ และปรับเครื่องมือให้เหมาะกับความต้องการของตน เป็นกระบวนการปรับตัวซ้ำไปมา ตอนนี้เราอยู่ที่จุดเปลี่ยน หากเคยฟังการบรรยายของผม คุณอาจเคยได้ยินผมพูดว่าเราอยู่ในช่วงสำคัญของประวัติศาสตร์ที่เป็นครั้งแรกที่เราสามารถจินตนาการถึงเครื่องมือซึ่งมีคุณลักษณะบางอย่างของความฉลาดมนุษย์ เครื่องมือที่ปรับตัวและพัฒนาขึ้นจริงระหว่างที่คนใช้งาน เทคโนโลยีพื้นฐานรองรับการเรียนรู้อย่างต่อเนื่อง นั่นคือระบบที่เรียนรู้จากกระแสประสบการณ์ที่ดำเนินไปไม่หยุด ในกรณีนี้ การเรียนรู้แบบเสริมกำลังและกลไกพื้นฐาน เช่น การเรียนรู้ด้วยผลต่างเชิงเวลา มีความสำคัญมากต่อการสร้างระบบที่ปรับตัวได้ตลอดขณะปฏิสัมพันธ์กับคนและขณะถูกใช้เพื่อสนับสนุนชีวิตประจำวัน

ช่วยนิยามการเรียนรู้ด้วยผลต่างเชิงเวลาได้ไหม?

ได้ครับ ผมชอบมองเทคโนโลยีหลักอย่างการเรียนรู้ด้วยผลต่างเชิงเวลาและอัลกอริทึมพื้นฐานสำหรับการเรียนรู้ที่จะคาดการณ์ ซึ่งรองรับงานจำนวนมากของห้องปฏิบัติการ ระบบหนึ่งจะคาดการณ์ว่าอนาคตของสัญญาณบางอย่างจะเป็นอย่างไร เช่นเดียวกับที่เราทำ ปกติเรามักมองรางวัลในอนาคต แต่สัญญาณนั้นอาจเป็นอย่างอื่นก็ได้ เช่น ตอนนี้ผมออกแรงเท่าไร อากาศจะร้อนแค่ไหน พรุ่งนี้ผมจะกินโดนัทกี่ชิ้น ทั้งหมดเป็นสิ่งที่อาจคาดการณ์ได้ อัลกอริทึมหลักมองความแตกต่างระหว่างการคาดการณ์ปัจจุบันว่าอะไรจะเกิดขึ้น กับการคาดการณ์อนาคตเมื่อรวมสัญญาณที่ได้รับในขณะนี้

ตัวอย่างเช่น แขนกลออกแรงเท่าไรขณะยกถ้วยกาแฟหรือแก้วน้ำ เราอาจพิจารณาความแตกต่างของการคาดการณ์แรงที่จะออกตอนนี้หรือในช่วงเวลาอนาคต แล้วเปรียบเทียบกับความคาดหมายต่ออนาคตและแรงที่ออกจริง เมื่อนำทั้งหมดมารวมกัน เราได้ค่าคลาดเคลื่อนผลต่างเชิงเวลา เป็นการรวมการคาดการณ์ที่ครอบคลุมช่วงเวลาในอนาคตกับความแตกต่างระหว่างการคาดการณ์เหล่านั้น และใช้ค่าคลาดเคลื่อนนี้ปรับปรุงโครงสร้างของเครื่องจักรที่เรียนรู้เอง

สำหรับการเรียนรู้แบบเสริมกำลังดั้งเดิมที่ยึดรางวัล เราอาจปรับพฤติกรรมของเครื่องจักรตามรางวัลในอนาคตที่คาดว่าจะได้รับ แต่งานจำนวนมากของเรามองสัญญาณประเภทอื่น โดยใช้ฟังก์ชันค่าทั่วไปเพื่อขยายกระบวนการเรียนรู้แบบเสริมกำลังและการเรียนรู้ด้วยผลต่างเชิงเวลาจากสัญญาณรางวัลไปสู่สัญญาณใด ๆ ที่น่าสนใจและเกี่ยวข้องกับการทำงานของเครื่องจักร

คุณมักพูดถึงอวัยวะเทียมที่เรียกว่านิ้วเท้าไคโรในการบรรยาย เราเรียนรู้อะไรจากมันได้บ้าง?

นิ้วเท้าไคโร มหาวิทยาลัยบาเซิล LHTT ภาพ: Matjaž Kačičnik

ผมชอบยกตัวอย่างนิ้วเท้าไคโรซึ่งเป็นอวัยวะเทียมอายุ 3,000 ปี ผมทำงานด้านอวัยวะเทียมที่เชื่อมกับระบบประสาท ทุกวันนี้เรามีระบบหุ่นยนต์ที่ก้าวหน้ามาก บางกรณีอาจมีระดับการควบคุมหรือองศาอิสระในการควบคุมใกล้เคียงกับอวัยวะจริง แต่ผมยังกลับมามองนิ้วเท้าไม้ที่มีรูปทรงเฉพาะจาก 3,000 ปีก่อน ความน่าสนใจคือมันเป็นตัวอย่างของมนุษย์ที่ขยายขีดความสามารถด้วยเทคโนโลยี สิ่งที่เห็นในอวัยวะเทียมระบบประสาทและปฏิสัมพันธ์ระหว่างคนกับเครื่องจักรไม่ใช่เรื่องแปลกใหม่หรือพิสดาร มนุษย์ใช้เครื่องมือมาตลอด และสัตว์อื่นก็ใช้เครื่องมือเช่นกัน มีหนังสือดี ๆ หลายเล่มเกี่ยวกับเรื่องนี้ โดยเฉพาะหนังสือของฟรานส์ เดอ วาล “เราฉลาดพอจะรู้หรือไม่ว่าสัตว์ฉลาดแค่ไหน?”

การขยาย เสริม และเพิ่มขีดความสามารถของตนเองด้วยเครื่องมือไม่ใช่เรื่องใหม่ แต่เป็นเรื่องเก่าแก่ ผู้คนที่เคยอาศัยอยู่บนผืนดินที่เรายืนอยู่ตอนนี้ก็ทำเช่นนี้มาตั้งแต่โบราณ อีกเรื่องที่น่าสนใจเกี่ยวกับนิ้วเท้าไคโรคือ อย่างน้อยตามรายงานทางวิชาการ หลักฐานแสดงว่ามันถูกปรับหลายครั้งระหว่างการใช้งาน ผู้คนเข้าไปปรับให้เหมาะกับบุคคล เปลี่ยนแปลงและแก้ไขมันในช่วงที่ใช้งานจริง

ตามความเข้าใจของผม มันไม่ใช่เพียงเครื่องมือที่ติดกับตัวบุคคลตลอดชีวิตโดยไม่เปลี่ยนแปลง แต่เป็นเครื่องมือที่ติดอยู่และถูกปรับแก้ด้วย นี่เป็นอีกตัวอย่างว่าแนวคิดการปรับเครื่องมือระหว่างใช้งาน โดยเฉพาะการใช้งานยาวนาน เป็นเรื่องเก่าแก่มาก เราเรียนรู้ได้มากจากการปรับตัวร่วมกันระหว่างคนกับเครื่องมือหลายปี

คุณเคยกล่าวถึงเส้นทางป้อนกลับระหว่างแขนขาเทียมกับคน ช่วยขยายความได้ไหม?

เราอยู่ในช่วงพิเศษของการมองความสัมพันธ์ระหว่างบุคคลกับเครื่องจักรที่สนับสนุนชีวิตประจำวัน เมื่อคนที่มีความแตกต่างของแขนขาหรือเคยผ่านการตัดแขนขาใช้แขนขาเทียม โดยทั่วไปเขาใช้มันเหมือนเครื่องมือหรือส่วนขยายของร่างกาย และพึ่งพาสิ่งที่เราเรียกว่าเส้นทางควบคุมเป็นหลัก เจตนาหรือความตั้งใจของคนถูกส่งไปยังอุปกรณ์ให้อุปกรณ์ตีความและดำเนินการ เช่น เปิดปิดมือ งอข้อศอก หรือใช้นิ้วคีบกุญแจ แต่บ่อยครั้งเราไม่เห็นการศึกษาและพิจารณาเส้นทางป้อนกลับในระดับเดียวกัน

ในแขนขาเทียมเชิงพาณิชย์จำนวนมาก ข้อมูลจากอุปกรณ์กลับสู่คนผ่านการเชื่อมต่อทางกล ผู้ใช้รู้สึกถึงแรงของอวัยวะเทียมและตอบสนอง หรือได้ยินเสียงมอเตอร์และมองการหยิบวัตถุ เคลื่อนมันข้ามโต๊ะ หรือหยิบจากบริเวณอื่นของพื้นที่ทำงาน นี่เป็นวิธีแบบดั้งเดิม ทั่วโลกมีงานที่น่าทึ่งเพื่อศึกษาว่าจะส่งข้อมูลจากแขนขาเทียมกลับถึงผู้ใช้ให้ดีขึ้นได้อย่างไร ที่เอดมันตันเองก็มีงานดี ๆ มากมายซึ่งใช้การจัดการเชื่อมต่อระบบประสาทใหม่ การเชื่อมเส้นประสาทกลับแบบมุ่งเป้า และวิธีอื่นเพื่อสนับสนุนเส้นทางนี้ แต่บทบาทของการเรียนรู้ของเครื่องต่อการปฏิสัมพันธ์ผ่านเส้นทางป้อนกลับยังเป็นสาขาวิจัยเกิดใหม่ที่กำลังคึกคักมาก

การเรียนรู้ของเครื่องจะช่วยระบบที่รับรู้และคาดการณ์สิ่งต่าง ๆ ในโลกได้มาก ส่งข้อมูลนั้นกลับให้ผู้ใช้อย่างชัดเจนและมีประสิทธิภาพได้อย่างไร? ผมคิดว่าเป็นหัวข้อที่ดีมาก เพราะเมื่อทั้งเส้นทางป้อนกลับและเส้นทางควบคุมปรับตัว และทั้งอุปกรณ์กับคนสร้างแบบจำลองของกันและกัน เราอาจทำสิ่งที่เกือบเหมือนปาฏิหาริย์ได้ คือส่งข้อมูลแทบโดยไม่มีต้นทุน หากสองระบบเข้ากันได้ดี มีแบบจำลองของกันและกันที่แข็งแกร่ง และปรับตัวทั้งในเส้นทางควบคุมกับป้อนกลับ เราจะสร้างความร่วมมือที่แน่นแฟ้นระหว่างคนกับเครื่องจักร ส่งข้อมูลจำนวนมากด้วยแรงพยายามและแบนด์วิดท์เพียงเล็กน้อย

นี่เปิดขอบเขตใหม่ของการประสานงานระหว่างคนกับเครื่องจักร โดยเฉพาะด้านอวัยวะเทียมระบบประสาท ผมคิดว่าเป็นช่วงเวลาที่น่าทึ่งสำหรับการเริ่มศึกษาสาขานี้

คุณคิดว่าในอนาคตจะผลิตอุปกรณ์เหล่านี้ด้วยการพิมพ์ 3 มิติหรือไม่ หรือการผลิตจะพัฒนาไปอย่างไร?

ผมไม่คิดว่าตัวเองเหมาะที่สุดที่จะคาดเดาเรื่องนั้น แต่พูดได้ว่าเราเห็นผู้ให้บริการอุปกรณ์อวัยวะเทียมระบบประสาทเชิงพาณิชย์ใช้การผลิตแบบเติมเนื้อวัสดุ การพิมพ์ 3 มิติ และการผลิตแบบเติมเนื้อวัสดุ ณ จุดใช้งานมากขึ้นมาก เป็นเรื่องดีที่เทคโนโลยีนี้ไม่ได้ใช้เพียงทำต้นแบบ แต่กำลังเป็นส่วนสำคัญของการจัดหาอุปกรณ์ให้บุคคลและปรับอุปกรณ์ให้เหมาะกับผู้ใช้แต่ละคนอย่างแม่นยำ

การผลิตแบบเติมเนื้อวัสดุหรือผลิตตามสั่ง รวมถึงการปรับแขนขาเทียมเฉพาะบุคคล เกิดขึ้นในโรงพยาบาลอยู่ตลอด เป็นส่วนปกติของการดูแลคนที่มีความแตกต่างของแขนขาและต้องการเทคโนโลยีช่วยเหลือหรือเทคโนโลยีฟื้นฟูอื่น ๆ เราเริ่มเห็นการปรับเฉพาะบุคคลเหล่านี้เข้ามาอยู่ในกระบวนการของผู้ผลิตมากขึ้น ไม่ได้ปล่อยให้เป็นหน้าที่ของผู้ให้การดูแลโดยตรงเท่านั้น นี่ก็น่าตื่นเต้น ผมเห็นโอกาสของอุปกรณ์ที่ไม่เพียงดูเหมือนมือหรือใช้งานเหมือนมือ แต่ตอบสนองความต้องการของผู้ใช้อย่างแม่นยำ ให้เขาแสดงออกอย่างที่ต้องการและใช้ชีวิตตามแบบที่ต้องการ ไม่จำกัดอยู่เพียงความคิดของเราว่ามือควรถูกใช้อย่างไรในชีวิตประจำวัน

คุณเขียนบทความวิชาการมากกว่า 120 บทความ มีชิ้นไหนที่โดดเด่นและอยากให้เรารู้จักไหม?

มีบทความที่เพิ่งตีพิมพ์ใน Neural Computing and Applications แต่เป็นเพียงยอดภูเขาน้ำแข็งของแนวคิดที่เราพัฒนามานานกว่าสิบปี เกี่ยวกับกรอบการปฏิสัมพันธ์ระหว่างคนกับเครื่องจักร โดยเฉพาะคนกับอุปกรณ์แขนขาเทียม แนวคิดนั้นเรียกว่า “ทุนการสื่อสาร” และนี่คือบทความที่เราเพิ่งตีพิมพ์

บทความอธิบายมุมมองของเราว่า การคาดการณ์ที่อุปกรณ์แขนขาเทียมเรียนรู้และรักษาไว้แบบเรียลไทม์ขณะปฏิสัมพันธ์กับคน รวมถึงการคาดการณ์ของตัวบุคคลเอง สามารถเป็นทุนหรือทรัพยากรที่ทั้งสองฝ่ายพึ่งพาได้ จำได้ไหมว่าผมบอกว่าเราทำสิ่งน่าทึ่งได้เมื่อคนกับเครื่องจักรสร้างแบบจำลองของกันและกัน ปรับตัวแบบเรียลไทม์จากประสบการณ์ และเริ่มส่งข้อมูลผ่านช่องทางสองทิศทาง ว่าแต่เราอยู่ในโลกมหัศจรรย์ที่บันทึกเสียงแล้วตัดบางส่วนออกได้ด้วยนะครับ

เหมือนเวทมนตร์เลยนะครับ

ใช่ครับ ฟังเหมือนเวทมนตร์ หากย้อนกลับไปหานักคิดอย่างดับเบิลยู. รอสส์ แอชบี เขาพูดในทศวรรษ 1960 และในหนังสือ “บทนำสู่ไซเบอร์เนติกส์” ถึงการเพิ่มพลังสติปัญญามนุษย์ เขามองว่าหัวใจคือการเพิ่มความสามารถของคนในการเลือกจากตัวเลือกจำนวนมาก สิ่งนี้เป็นไปได้ในระบบที่คนปฏิสัมพันธ์กับเครื่องจักรและมีช่องทางสื่อสารเปิดอยู่ระหว่างกัน หากช่องทางนั้นเป็นสองทิศทาง และทั้งสองระบบสะสมทุนในรูปของการคาดการณ์และทรัพยากรอื่น ทั้งสองจะเริ่มสอดประสานกันและกลายเป็นสิ่งที่มากกว่าผลรวมของส่วนย่อย เราได้ผลลัพธ์มากกว่าสิ่งที่ใส่เข้าไป

ผมจึงคิดว่านี่เป็นหนึ่งในบทความที่น่าตื่นเต้นที่สุด เพราะเป็นการเปลี่ยนวิธีคิดไปสู่การมองอวัยวะเทียมระบบประสาทว่าเป็นระบบที่มีความสามารถในการลงมือกระทำ เราไม่เพียงมองว่ามันมีความสามารถนี้ แต่พึ่งพามันให้ปรับตัวร่วมกับเราและสร้างทรัพยากรเหล่านี้ ทุนการสื่อสารเพิ่มความสามารถในการปฏิสัมพันธ์กับโลก ทำให้ได้ผลลัพธ์เกินกว่าสิ่งที่ลงแรงไป ในมุมของแขนขาเทียม นี่หมายถึงการช่วยให้คนเลิกคิดถึงอวัยวะเทียมตลอดเวลาในชีวิตประจำวัน และหันไปคิดถึงการใช้ชีวิตเอง ไม่ใช่อุปกรณ์ที่ช่วยให้ใช้ชีวิต

จากที่คุยกัน คุณเห็นการประยุกต์ใช้ส่วนต่อประสานสมองกับเครื่องจักรด้านใดบ้าง?

ตัวอย่างที่ผมชอบคือเทคโนโลยีที่เรานำเสนอมาตลอดเกือบสิบปี เรียกว่า “การสลับแบบปรับตัว” แนวคิดนี้อาศัยข้อเท็จจริงที่ว่าระบบหลายอย่างในชีวิตประจำวันต้องให้เราสลับระหว่างโหมดหรือฟังก์ชันมากมาย ไม่ว่าจะสลับแอปในโทรศัพท์ หาโหมดที่เหมาะสมของสว่าน หรือปรับเครื่องมืออื่น เราสลับโหมดและฟังก์ชันอยู่ตลอด ซึ่งสอดคล้องกับแนวคิดของแอชบีเรื่องการเลือกจากหลายตัวเลือก ในการสลับแบบปรับตัว เราใช้การเรียนรู้ด้วยผลต่างเชิงเวลาเพื่อให้แขนขาเทียมเรียนรู้ว่าคนอยากใช้ฟังก์ชันการเคลื่อนไหวใดและเมื่อไร ตัวอย่างง่าย ๆ คือผมเอื้อมไปที่ถ้วยแล้วปิดมือ

ระบบควรเรียนรู้จากประสบการณ์เพื่อคาดการณ์ว่า ในสถานการณ์นี้ผมน่าจะใช้ฟังก์ชันเปิดปิดมือ และเมื่อพบสถานการณ์คล้ายกันในอนาคตก็คาดการณ์ได้ เมื่อผมต้องเลือกท่ามกลางโหมดและฟังก์ชันมากมาย ระบบอาจเสนอสิ่งที่ต้องการโดยประมาณโดยไม่ต้องไล่ดูทุกตัวเลือก นี่เป็นตัวอย่างง่าย ๆ ของการสร้างทุนการสื่อสาร ระบบสร้างการคาดการณ์ผ่านปฏิสัมพันธ์ เกี่ยวกับคนนั้น เครื่องจักรนั้น และความสัมพันธ์ในสถานการณ์กับเวลานั้น ทรัพยากรร่วมนี้ทำให้ระบบปรับส่วนต่อประสานควบคุมได้ทันที ให้คนได้สิ่งที่ต้องการเมื่อจำเป็น หากระบบมั่นใจมากว่าเขาต้องการฟังก์ชันการเคลื่อนไหวใด ก็อาจเลือกให้โดยตรงเมื่อเริ่มลงมือ

สิ่งที่ดีคือคนยังพูดได้เสมอว่า “จริง ๆ แล้วผมต้องการอันนี้” และสลับไปใช้ฟังก์ชันอื่น สำหรับแขนกล อาจเป็นการจับแบบต่าง ๆ เช่น จับลูกบิดประตู หยิบกุญแจ หรือจับมือทักทาย แต่ละอย่างเป็นโหมดและรูปแบบการจับที่ต่างกัน เป็นเรื่องน่าสนใจที่ระบบเริ่มเข้าใจได้ว่าอะไรเหมาะกับสถานการณ์ใด เกิดเป็นทุนที่ทั้งสองฝ่ายพึ่งพาได้เพื่อปฏิสัมพันธ์กับโลกอย่างรวดเร็วขึ้นและลดภาระทางความคิด โดยเฉพาะของผู้ใช้

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการทราบข้อมูลเพิ่มเติมสามารถดูแหล่งข้อมูลต่อไปนี้:

• ดร. แพทริก เอ็ม. พิลาร์สกีบนเว็บไซต์มหาวิทยาลัยอัลเบอร์ตา
• การประชุม Upper Bound AI
• Amii (สถาบันปัญญาเครื่องจักรอัลเบอร์ตา)