อุตสาหกรรม 5.0 ต้องการปัญญาประดิษฐ์ทั่วไป

โดย: Bas Steunebrink, ผู้ร่วมก่อตั้งและผู้อำนวยการปัญญาประดิษฐ์ทั่วไป, Eric Nivel, ผู้นำวิศวกร AGI และ Jerry Swan, นักวิจัยที่ NNAISENSE.

เรารับอัตโนมัติเป็นเรื่องปกติในโลกสมัยใหม่ของเรา โดยได้รับประโยชน์ทุกวันจากห่วงโซ่อุปทานที่ครอบคลุมทั่วโลก ซึ่งส่งมอบสินค้าหลากหลายประเภทไปยังชั้นวางของเรา แต่เบื้องหลังฉากการผลิตและการขนส่งสินค้าสร้างความท้าทายในการปรับให้เหมาะสมมากมาย เช่น การจัดเก็บ การวางแผน การกำหนดเส้นทาง และการทำให้การผลิตเป็นอัตโนมัติ ความท้าทายในการปรับให้เหมาะสมเหล่านี้มีลักษณะที่เปลี่ยนแปลงอย่างต่อเนื่องและเปลี่ยนแปลงไปพร้อมกับโลกแห่งความเป็นจริง ตัวอย่างเช่น เส้นทางการขนส่งที่คาดหวังอาจถูกขัดขวางอย่างกะทันหันเนื่องจากสถานการณ์ที่ไม่คาดคิด – เช่น คลองสุเอซอาจถูกปิดกั้น เส้นทางการบินอาจเปลี่ยนแปลงเนื่องจากการปะทุของภูเขาไฟ ประเทศทั้งประเทศอาจไม่สามารถเข้าถึงได้เนื่องจากความขัดแย้ง การเปลี่ยนแปลงในกฎหมาย การล่มสลายของเงินเฟ้อ และทรัพยากรที่หายากยิ่ง เป็นต้น

เพื่อให้เห็นตัวอย่างอื่น บางครั้งอาจจำเป็นต้องรวมส่วนประกอบใหม่เข้ากับเครื่องจักรหรือกระบวนการทำงาน (ผู้ใช้อาจต้องการวัสดุหรือสีสันที่แตกต่างกัน) ปัจจุบันแรงงานผู้เชี่ยวชาญของมนุษย์จำเป็นต้องมีการเปลี่ยนแปลงระบบหรือในกรณีของการเรียนรู้ของเครื่องจักร – เพื่อฝึกอบรมและปรับใช้โซลูชันใหม่ ในลักษณะเดียวกัน “ดิจิทัลทวิน” ของอุตสาหกรรม 4.0 ยังคงพึ่งพาความคิดที่ว่าคำอธิบายปัญหาและการกระจายส่วนเข้าสามารถระบุได้ครั้งเดียวที่จุดเริ่มต้นของการออกแบบระบบ

การระบาดทั่วของโควิด-19 เน้นย้ำถึงความอ่อนแอของการวางแผนห่วงโซ่อุปทาน “ตามเวลา” มันกลายเป็นที่ชัดเจนมากขึ้นว่าในโลกที่ซับซ้อนและไม่แน่นอนมากขึ้น อุตสาหกรรมไม่สามารถทนต่อความไม่ยืดหยุ่นได้อีกต่อไป ในปัจจุบันการผลิตต้องเลือกระหว่าง “Low-Mix High-Volume” (LMHV) และ “High-Mix Low-Volume” (HMLV) อุตสาหกรรม 5.0 คาดการณ์ถึงความเป็นไปได้ของ “High-Mix High-Volume” (HMHV) โดยที่กระบวนการทำงานสามารถเปลี่ยนแปลงได้ด้วยต้นทุนต่ำเพื่อตอบสนองความต้องการที่เปลี่ยนแปลงได้ เพื่อให้บรรลุเป้าหมายนี้ จำเป็นต้อง “ทำให้การทำให้เป็นอัตโนมัติเป็นอัตโนมัติ” เพื่อกำจัดความจำเป็นในการแทรกแซงของมนุษย์หรือการหยุดทำงานของระบบเมื่อปัญหาหรือสภาพแวดล้อมเปลี่ยนแปลง

ตัวอย่างเช่น การสั่งให้หุ่นยนต์บนเส้นการประกอบที่กำลังทำงานอยู่ด้วยงาน X ดังนี้

“หยุดประกอบ X ทันที: นี่คือสเปคของ Y และนี่คืออุปกรณ์เก่าและใหม่บางส่วน ตอนนี้เริ่มประกอบ Y โดยหลีกเลี่ยงข้อบกพร่องและความสูญเสียบางอย่าง”

尽管มีการพูดถึงการมาถึงของ “ปัญญาประดิษฐ์ทั่วไป” (AGI) ในไม่ช้าผ่านโมเดลภาษาขนาดใหญ่ เช่น GPT-3 แต่ไม่มีการเข้าใกล้ที่ถูกเสนอที่แท้จริงสามารถ “ทำงานตามคำสั่ง” ได้ นั่นคือ ไม่สามารถมอบหมายงานให้ทำสิ่งที่อยู่นอกชุดการฝึกอบรมได้โดยไม่ต้องหยุดทำงานเพื่อฝึกอบรมและปรับใช้ใหม่

มันชัดเจนว่าความเข้าใจที่แท้จริงของปัญญาเป็นสิ่งที่เกี่ยวข้องกับการตอบสนองต่อการเปลี่ยนแปลง ระบบที่ไม่เปลี่ยนแปลง – ไม่ว่าจะถูกสัมผัสกับเหตุการณ์ที่ไม่คาดคิดกี่ครั้ง – ไม่ใช่อิสระหรือฉลาด

ดังนั้น ระบบใดที่สามารถทำให้ AI มีความสามารถในการเรียนรู้แบบไม่หยุดยั้งและปรับให้เหมาะสมได้บ้าง ตัวอย่างเช่น การเปลี่ยนส่วนประกอบที่เสียหายในกระบวนการผลิตด้วยส่วนประกอบจากผู้ขายที่แตกต่างกัน ซึ่งอาจมีการทนต่อการเปลี่ยนแปลงที่แตกต่างกัน

การแยกกระบวนการทำงานออกเป็นส่วนประกอบที่มีคุณสมบัติที่ทราบและรวมเข้าด้วยกันตามที่ต้องการต้องใช้ “การประกอบ” การประกอบเป็นสิ่งที่หลบเลี่ยงไม่ได้สำหรับ AI ร่วมสมัย ซึ่งมักจะสับสนกับแนวคิดที่อ่อนแอกว่าของ “โมดูลาริตี้” โมดูลาริตี้เกี่ยวข้องกับการ “ติด” ส่วนประกอบเข้าด้วยกัน แต่ไม่สามารถจับประเด็นสำคัญของการประกอบได้ ซึ่งก็คือความสามารถในการให้เหตุผลเกี่ยวกับการทำงานของกระบวนการทำงานที่ได้มาเพื่อกำหนดและรับรองการรักษาคุณสมบัติที่ต้องการ

ความสามารถนี้มีความสำคัญอย่างยิ่งสำหรับเหตุผลด้านการยืนยันและความปลอดภัย ตัวอย่างเช่น ความสามารถของระบบในการให้เหตุผลว่า “การนำเครื่องยนต์จากผู้ผลิตที่แตกต่างกันจะเพิ่มการผลิตของโรงงานโดยรวมในขณะที่ส่วนประกอบอื่นๆ ยังคงอยู่ภายในขอบเขตอุณหภูมิ” แม้ว่าแนวทางเครือข่ายประสาทสมัยใหม่จะยอดเยี่ยมในการเรียนรู้กฎจากข้อมูล แต่ก็ขาดการให้เหตุผลเชิงการประกอบ

ในทางเลือกของการหวังว่าการให้เหตุผลเชิงการประกอบจะเกิดขึ้นจากภายในโครงสร้างเครือข่ายประสาท สามารถใช้การก่อสร้างของทฤษฎีประเภทได้โดยตรง ซึ่งเป็นการศึกษาทางคณิตศาสตร์ของการประกอบ โดยเฉพาะสาขาย่อยของทฤษฎีประเภทไซเบอร์เนติกส์ ซึ่งเกี่ยวข้องกับเครื่องควบคุมที่มีทิศทางสองทางเป็นองค์ประกอบแสดงผลหลัก

การให้เหตุผลแบบผกผันเชิงการประกอบมีความสำคัญอย่างยิ่งเพราะช่วยให้สามารถรวมข้อเสนอแนะจากสภาพแวดล้อมได้ที่ใดๆ ของการแสดงผลโครงสร้าง – สิ่งนี้ช่วยให้เรียนรู้ได้อย่างรวดเร็วจากตัวอย่างไม่กี่ตัวอย่าง

เมื่อพิจารณาเกี่ยวกับพฤติกรรมของระบบที่ต้องการแล้ว การเรียนรู้จะเป็นไปเพื่อสร้างโครงสร้างควบคุมที่รวมเข้าด้วยกันเพื่อให้ตรงตามพฤติกรรมนั้น โครงสร้างที่เรียนรู้ในตอนแรกจะทำหน้าที่เป็นโครงกระดูกสำหรับการเรียนรู้ในภายหลัง

เมื่อความรู้ของระบบเพิ่มขึ้น โครงกระดูกนี้สามารถตกแต่งด้วยคุณสมบัติการประกอบที่เรียนรู้ได้ เช่นเดียวกับโมเลกุล H2O ที่สามารถกำหนดคุณสมบัติที่แตกต่างจากอะตอมที่ประกอบขึ้นได้ นอกจากนี้ การโยนลูกบอลและสวิงแร็กเก็ตเทนนิสสามารถมองเห็นได้ว่าเป็นการกระทำของกล้ามเนื้อที่เกี่ยวข้องสำหรับมนุษย์ ดังนั้นงานที่เกี่ยวข้องสามารถใช้โครงสร้างควบคุมที่มีโครงกระดูกที่เหมือนกันซึ่งสามารถตกแต่งได้ในลักษณะเฉพาะสำหรับงานผ่านข้อเสนอแนะจากสภาพแวดล้อม

การแยกโครงสร้างสาเหตุจากคุณสมบัติเฉพาะของงานสามารถช่วยให้เรียนรู้งานใหม่โดยไม่มีการลืมที่เป็นอันตรายที่พบในแนวทางร่วมสมัย ดังนั้น การเข้าใกล้รูปแบบตัวเลข-สัญลักษณ์แบบผสมที่อธิบายไว้ข้างต้นสามารถรวมความแข็งแกร่งของทั้งแนวทางประสาทและแนวทางสัญลักษณ์ได้โดยการมีแนวคิดที่ชัดเจนเกี่ยวกับโครงสร้างและความสามารถในการเรียนรู้แบบปรับให้เหมาะสมว่าคุณสมบัติจะถูกประกอบกันอย่างไร การให้เหตุผลเกี่ยวกับคุณสมบัติการประกอบมีเหตุผลที่จะยึดมั่นในการทำงานที่ระบบกำลังทำอยู่

สรุปแล้ว มันชัดเจนว่าการเข้าใกล้ใหม่จำเป็นต้องสร้างระบบอิสระที่แท้จริง: ระบบที่สามารถรองรับการเปลี่ยนแปลงที่สำคัญและ/หรือทำงานในสภาพแวดล้อมที่ไม่รู้จัก สิ่งนี้ต้องการการเรียนรู้แบบไม่หยุดยั้งและทั่วไปจากสิ่งที่รู้อยู่แล้ว

ความสามารถของระบบในการให้เหตุผลเชิงสัญลักษณ์เกี่ยวกับการแสดงผลของมันเองส่งผลประโยชน์ที่สำคัญต่ออุตสาหกรรม: ด้วยการแสดงผลที่ประกอบกันอย่างชัดเจน ระบบสามารถตรวจสอบได้ – ไม่ว่าจะโดยมนุษย์หรือภายในระบบเอง – เพื่อตรงตามข้อกำหนดที่สำคัญของความปลอดภัยและความยุติธรรม แม้ว่าจะมีความกังวลทางวิชาการเกี่ยวกับ “ความเสี่ยง-x” ของ AGI แต่จุดสนใจที่เหมาะสมคือปัญหาการวิศวกรรมที่เป็นรูปธรรมของการปรับระบบควบคุมในขณะที่รักษาความต้องการที่สำคัญเหล่านี้ ซึ่งเรียกว่า “การปรับแนวแบบโต้ตอบ” มันเป็นเพียงผ่านการนำระบบควบคุมประเภทนี้มาใช้ซึ่งเป็นผู้เรียนรู้ที่เชื่อถือได้และมีประสิทธิภาพอย่างต่อเนื่องเท่านั้นที่เราจะสามารถบรรลุระบบอิสระรุ่นต่อไปที่อุตสาหกรรม 5.0 มองเห็นได้