จากยุค Machine Learning ถึง Narrow AI และ General AI: เส้นทางเดียวกันที่คนละขอบเขต

เริ่มจากแยก “กลไก” ออกจาก “ขอบเขต”

Machine Learning และ Deep Learning บอกเราเป็นหลักว่า ระบบเรียนรู้หรือสร้างแบบจำลองอย่างไร ส่วน Narrow AI และ General AI บอกว่า ความสามารถถ่ายโอนไปได้กว้างแค่ไหน สองแกนนี้เกี่ยวข้องกันแต่ไม่ใช่สิ่งเดียวกัน

Machine Learning เปลี่ยนจาก “เขียนทุกกฎ” เป็น “เรียนรูปแบบ”

ระบบผู้เชี่ยวชาญยุคแรกเก็บความรู้เป็นกฎที่มนุษย์เขียนไว้ล่วงหน้า วิธีนี้ตรวจสอบเส้นทางได้ดี แต่ขยายยากเมื่อโลกจริงมีข้อยกเว้นจำนวนมาก Machine Learning เปลี่ยนจุดศูนย์กลางไปที่ข้อมูล ตัวอย่าง และฟังก์ชันเป้าหมาย ระบบไม่ได้รับรายการคำตอบครบทุกกรณี แต่ปรับพารามิเตอร์เพื่อทำให้ความผิดพลาดบนข้อมูลฝึกลดลง

การเปลี่ยนนี้เพิ่มความยืดหยุ่น แต่ไม่ได้ลบกรอบงานออก เป้าหมาย ชุดข้อมูล วิธีประเมิน และสภาพแวดล้อมยังเป็นรั้วของระบบ หากฝึกจำแนกอีเมลขยะ ความสำเร็จนั้นไม่ได้ถ่ายโอนไปสู่การวินิจฉัยโรคเองโดยอัตโนมัติ

ลองนึกถึงงานอนุมัติสินเชื่อแบบง่าย ผู้เชี่ยวชาญอาจเริ่มด้วยกฎว่า รายได้ต้องเกินระดับหนึ่ง หนี้เดิมต้องไม่สูง และประวัติชำระต้องดี แต่ชีวิตจริงมีกรณีคาบเส้นจำนวนมาก รายได้บางประเภทผันผวน ผู้สมัครบางคนเพิ่งเริ่มทำงาน ข้อมูลบางช่องขาดหาย และกฎหนึ่งอาจขัดกับอีกกฎหนึ่ง เมื่อจำนวนเงื่อนไขเพิ่ม ระบบกฎจะกลายเป็นป่าที่แก้จุดหนึ่งแล้วกระทบอีกจุดหนึ่งได้ง่าย Machine Learning จึงเข้ามาเปลี่ยนวิธีทำงานจากการเขียนคำตอบทีละกรณี เป็นการเตรียมตัวอย่างพร้อมผลลัพธ์ แล้วให้ขั้นตอนการฝึกค้นหาความสัมพันธ์ที่ช่วยทำนายได้

ความเปลี่ยนแปลงนี้ไม่ได้แปลว่ามนุษย์หายไปจากกระบวนการ ตรงกันข้าม มนุษย์ย้ายจากบทบาทผู้เขียนกฎทุกข้อ ไปเป็นผู้กำหนดว่าอะไรคือปัญหา ข้อมูลใดใช้ได้ ผลลัพธ์แบบใดถือว่าดี และความผิดพลาดชนิดใดมีต้นทุนสูง ตัวอย่างเช่น ระบบตรวจมะเร็งที่พลาดผู้ป่วยจริงมีผลต่างจากระบบแนะนำเพลงที่เสนอเพลงไม่ถูกใจ การเลือกตัวชี้วัดจึงไม่ใช่เรื่องคณิตศาสตร์ล้วน แต่เป็นการแปลงคุณค่าของงานให้กลายเป็นเกณฑ์ที่ระบบปรับตามได้

นี่คือเหตุผลที่คำว่า “เรียนรู้” ใน Machine Learning ต้องใช้ด้วยความระมัดระวัง ระบบไม่ได้เรียนเหมือนมนุษย์ที่มีประสบการณ์ ความตั้งใจ และความเข้าใจบริบททางสังคม มันปรับค่าภายในเพื่อลดความผิดพลาดตามฟังก์ชันเป้าหมายบนข้อมูลที่ได้รับ หากเป้าหมายไม่ครอบคลุมสิ่งที่องค์กรต้องการจริง ระบบอาจทำคะแนนดีแต่สร้างผลลัพธ์ที่ไม่ดี ตัวอย่างคลาสสิกคือโมเดลที่เพิ่มอัตราการคลิกได้ แต่ทำให้ผู้ใช้เสียเวลา เหนื่อยล้า หรือพบข้อมูลคุณภาพต่ำมากขึ้น

กลไกของ Machine Learning: จากตัวอย่างสู่แบบจำลอง

เพื่อเข้าใจว่า Machine Learning ทำอะไร เราไม่จำเป็นต้องเริ่มจากสมการ ให้เริ่มจากสี่ชิ้นส่วน ได้แก่ ตัวอย่าง คุณลักษณะ เป้าหมาย และเกณฑ์วัด ตัวอย่างคือกรณีที่ระบบจะเรียนจากมัน คุณลักษณะคือข้อมูลที่ใช้มองกรณีนั้น เป้าหมายคือสิ่งที่ต้องการทำนายหรือการกระทำที่ต้องการเลือก ส่วนเกณฑ์วัดบอกว่าผลลัพธ์ดีเพียงใด เมื่อชิ้นส่วนทั้งสี่ชัด เราจึงค่อยเลือกชนิดโมเดล วิธีฝึก และการทดสอบที่เหมาะสม

ใน Supervised Learning ตัวอย่างมาพร้อมคำตอบอ้างอิง เช่น ภาพพร้อมป้ายว่าเป็นแมวหรือสุนัข อีเมลพร้อมสถานะว่าเป็นสแปมหรือไม่ หรือข้อมูลผู้ป่วยพร้อมผลวินิจฉัยที่ผ่านการยืนยัน โมเดลพยายามเรียนการจับคู่จากอินพุตไปยังเป้าหมาย ข้อดีคือประเมินได้ตรงไปตรงมาเมื่อคำตอบอ้างอิงเชื่อถือได้ ข้อจำกัดคือการสร้างป้ายกำกับอาจมีต้นทุนสูง มีความเห็นไม่ตรงกัน หรือสะท้อนอคติจากกระบวนการเดิม หากป้ายกำกับบอกเพียงว่าอดีตตัดสินอย่างไร โมเดลอาจเรียนซ้ำทั้งความรู้และความไม่เป็นธรรมของอดีตพร้อมกัน

ใน Unsupervised Learning ระบบมองหาความสัมพันธ์โดยไม่มีป้ายคำตอบแบบเดียวกัน งานอาจเป็นการจัดกลุ่มลูกค้าที่มีพฤติกรรมคล้ายกัน การลดมิติของข้อมูล หรือการตรวจจุดที่แตกต่างจากรูปแบบส่วนใหญ่ ผลลัพธ์ไม่ได้มีความหมายในตัวเองเสมอ กลุ่มที่โมเดลแยกได้อาจเกิดจากสัญญาณที่ไม่เกี่ยวกับคำถามธุรกิจ นักวิเคราะห์จึงต้องกลับไปตรวจว่าแต่ละกลุ่มต่างกันอย่างไร ความต่างนั้นเสถียรหรือไม่ และนำไปใช้โดยไม่สร้างการเหมารวมได้หรือไม่

ใน Reinforcement Learning ตัวแทนเรียนจากการโต้ตอบกับสภาพแวดล้อม โดยเลือกการกระทำแล้วรับรางวัลหรือบทลงโทษ จุดท้าทายคือรางวัลที่เขียนไว้ไม่จำเป็นต้องเท่ากับเป้าหมายที่มนุษย์ตั้งใจ หากรางวัลให้คะแนนเฉพาะความเร็ว ตัวแทนอาจเลือกวิธีที่เร็วแต่เสี่ยง หากให้คะแนนเฉพาะการชนะเกม มันอาจค้นพบพฤติกรรมที่ใช้ช่องโหว่แทนทักษะที่เราต้องการ ปัญหานี้เรียกว่า Reward Specification หรือการกำหนดรางวัล ซึ่งเตือนว่าแม้ระบบจะทำตามสิ่งที่วัดได้ดี ก็อาจไม่ทำตามเจตนารมณ์ที่ไม่ได้เขียนไว้

การฝึกโมเดลคือการปรับพารามิเตอร์ซ้ำ ๆ เพื่อให้ความผิดพลาดลดลงบนข้อมูลฝึก แต่คะแนนบนข้อมูลฝึกไม่ใช่คำตอบสุดท้าย เพราะโมเดลอาจจำรายละเอียดเฉพาะจนใช้กับกรณีใหม่ไม่ได้ ภาวะนี้เรียกว่า Overfitting เราจึงแยกข้อมูล Train, Validation และ Test ออกจากกัน Train ใช้เรียนพารามิเตอร์ Validation ใช้เลือกรูปแบบและตัดสินใจระหว่างการพัฒนา ส่วน Test ควรถูกเก็บไว้ประเมินทางเลือกสุดท้าย หากทีมเปิดดู Test แล้วปรับโมเดลซ้ำ ชุดนั้นจะค่อย ๆ กลายเป็นส่วนหนึ่งของการพัฒนาและไม่ใช่หลักฐานอิสระอีกต่อไป

คำว่า Generalization ใน Machine Learning หมายถึงความสามารถทำงานกับตัวอย่างใหม่ที่มาจากการกระจายใกล้เคียงกับสิ่งที่เตรียมไว้ ไม่ได้หมายความว่าโมเดลมีความฉลาดทั่วไป ตัวจำแนกผลไม้ที่ทายมะม่วงชุดใหม่ได้ดีถือว่า Generalize ภายในงานของมัน แต่ไม่ได้แปลว่าจะเข้าใจสูตรอาหาร วางแผนขนส่ง หรืออธิบายผลกระทบต่อเกษตรกรได้ การใช้คำเดียวกันในบริบทต่างกันทำให้คนเผลอข้ามจาก “ใช้ได้กับตัวอย่างใหม่” ไปเป็น “ใช้ได้ทั่วไป” ทั้งที่ระยะห่างระหว่างสองข้อใหญ่มาก

แผนภาพโครงข่ายช่วยให้เห็นว่าคำว่า “หลายชั้น” ไม่ได้หมายถึงชั้นความคิดแบบมนุษย์ แต่หมายถึงลำดับของการแปลงค่าทางคณิตศาสตร์ แต่ละชั้นรับสัญญาณจากชั้นก่อนหน้า คูณด้วยน้ำหนัก รวมค่า แล้วผ่านฟังก์ชันไม่เชิงเส้น ระหว่างการฝึก กระบวนการ Backpropagation คำนวณว่าพารามิเตอร์แต่ละส่วนมีส่วนต่อความผิดพลาดเพียงใด จากนั้นตัวปรับค่า เช่น Gradient Descent จะขยับพารามิเตอร์ไปในทิศทางที่ลดความผิดพลาดลงทีละน้อย

สิ่งที่โมเดลเรียนจึงกระจายอยู่ในพารามิเตอร์จำนวนมาก เราไม่สามารถเปิดพารามิเตอร์หนึ่งแล้วอ่านว่า “นี่คือกฎเรื่องแมว” ได้เหมือนเปิดฐานกฎของ Expert System ความสามารถอาจเกิดจากรูปแบบร่วมกันของหน่วยจำนวนมาก ข้อดีคือรองรับความสัมพันธ์ซับซ้อนได้ ข้อเสียคืออธิบายเส้นทางการตัดสินได้ยากขึ้น เครื่องมือ Explainability ช่วยตรวจสัญญาณบางส่วน เช่น คุณลักษณะใดมีอิทธิพล แต่ไม่ควรถูกตีความว่าเป็นคำอธิบายเชิงสาเหตุหรือเจตนาของโมเดลโดยอัตโนมัติ

ข้อมูลฝึกทำหน้าที่เหมือนโลกที่โมเดลเคยเห็น หากข้อมูลขาดบริบท โมเดลก็ไม่มีฐานที่มั่นคงสำหรับบริบทนั้น หากภาพผิวหนังส่วนใหญ่มาจากคนบางโทนสี ประสิทธิภาพกับกลุ่มอื่นอาจต่ำกว่า หากภาษาฝึกมีสำนวนจากบางภูมิภาคมากกว่า ระบบอาจตีความภาษาถิ่นได้ไม่ดี ปัญหานี้ไม่แก้ด้วยการเพิ่มจำนวนข้อมูลอย่างเดียว ต้องตรวจ Coverage ที่มาของข้อมูล สิทธิ์การใช้ คุณภาพป้ายกำกับ ความเปลี่ยนแปลงตามเวลา และกลุ่มที่อาจได้รับผลกระทบ

อีกด้านหนึ่งคือ Data Leakage หรือข้อมูลที่ไม่ควรมีในเวลาทำนายแต่หลุดเข้าไปในชุดฝึก ตัวอย่างเช่น โมเดลทำนายว่าผู้ป่วยจะเข้าโรงพยาบาล แต่ใช้รหัสที่เกิดขึ้นหลังแพทย์ตัดสินใจรับผู้ป่วยแล้ว คะแนนทดสอบอาจสูงมากเพราะโมเดลเห็นคำตอบทางอ้อม เมื่อใช้งานจริงสัญญาณนั้นยังไม่เกิด โมเดลจึงล้มเหลว การตรวจลำดับเวลาและเส้นทางข้อมูลจึงสำคัญไม่แพ้การเลือกอัลกอริทึม

เมื่อระบบเข้าสู่โลกจริง การกระจายข้อมูลอาจเปลี่ยนไป สินค้าใหม่เกิดขึ้น พฤติกรรมผู้ใช้เปลี่ยน ฤดูกาลเปลี่ยน หรือกระบวนการเก็บข้อมูลเปลี่ยน ปรากฏการณ์นี้เรียกกว้าง ๆ ว่า Distribution Shift คะแนนจากวันเปิดตัวจึงไม่ใช่ใบรับประกันตลอดอายุการใช้งาน ต้องเฝ้าดูทั้งคุณภาพอินพุต ผลลัพธ์ ความผิดพลาดแยกตามกลุ่ม และสัญญาณว่าความสัมพันธ์เดิมไม่เหมือนเดิม พร้อมกำหนดว่าจะเตือน หยุด หรือย้อนกลับเมื่อใด

ดังนั้น Machine Learning ไม่ได้เป็นเพียงโมเดลที่ฝึกเสร็จ แต่เป็นวงจรตั้งแต่การนิยามปัญหา เก็บข้อมูล ฝึก ทดสอบ นำไปใช้ เฝ้าดู และปลดระวาง หากองค์กรสนใจเฉพาะคะแนนก่อนเปิดใช้ แต่ไม่มีเจ้าของ ไม่มี Log และไม่มีวิธีรับรายงานข้อผิดพลาด ระบบจะค่อย ๆ เสื่อมโดยไม่มีใครรู้ ความสามารถเชิงเทคนิคจึงต้องเดินพร้อมความสามารถในการปฏิบัติการและความรับผิดชอบ

Deep Learning และ Generative AI ขยาย “รูปแบบ” ที่เรียนได้

Deep Learning ใช้โครงข่ายหลายชั้นเรียนตัวแทนจากข้อมูลดิบได้ดีขึ้น งาน AlexNet ในปี 2012 แสดงพลังของโครงข่ายเชิงลึกกับการจำแนกภาพขนาดใหญ่ และงานทบทวนใน Nature ปี 2015 อธิบายว่าการเรียนตัวแทนช่วยให้ระบบจัดการภาพ เสียง และข้อความได้อย่างมีประสิทธิภาพ

Generative AI ขยับจากการทำนายป้ายกำกับไปสู่การสร้างตัวอย่างใหม่ โมเดลอย่าง VAE, GAN, Transformer และ diffusion models วางรากฐานให้ระบบสร้างข้อความ ภาพ เสียง และโค้ด แต่คำว่า “สร้าง” หมายถึงการผลิตผลลัพธ์ตามแบบจำลองทางสถิติ ไม่ใช่ใบรับรองว่าระบบเข้าใจผลกระทบของคำตอบหรือมีความรู้ทั่วไปครบถ้วน

จุดเปลี่ยนของ Deep Learning ไม่ได้เกิดจากแนวคิดเดียว แต่เกิดจากหลายปัจจัยมาประกบกัน ได้แก่ ข้อมูลขนาดใหญ่ขึ้น หน่วยประมวลผลที่เหมาะกับการคำนวณแบบขนาน วิธีฝึกที่เสถียรขึ้น และสถาปัตยกรรมที่เหมาะกับชนิดข้อมูล งาน AlexNet เป็นตัวอย่างสำคัญเพราะแสดงว่าการใช้ Convolutional Neural Network ร่วมกับ GPU และเทคนิคการฝึกในเวลานั้นสามารถลดความผิดพลาดบน ImageNet ได้มากเมื่อเทียบกับแนวทางก่อนหน้า แต่บทเรียนที่ควรจำไม่ใช่เพียง “GPU ทำให้ AI ฉลาด” หากคือความสำเร็จเกิดจากระบบรวมของข้อมูล แบบจำลอง ซอฟต์แวร์ ฮาร์ดแวร์ และเกณฑ์การแข่งขันที่กำหนดงานอย่างชัดเจน

ในงานภาพ ชั้นต้นของโครงข่ายอาจตอบสนองต่อขอบหรือพื้นผิว ส่วนชั้นลึกขึ้นผสมสัญญาณเหล่านั้นเป็นรูปแบบซับซ้อนกว่า การเรียนตัวแทนแบบนี้ลดความจำเป็นที่มนุษย์ต้องออกแบบคุณลักษณะทุกอย่างด้วยมือ แต่ไม่ได้แปลว่าคุณลักษณะที่โมเดลเลือกจะตรงกับแนวคิดของมนุษย์เสมอ โมเดลอาจพึ่งพื้นหลัง ลายน้ำ หรือรูปแบบการถ่ายภาพที่สัมพันธ์กับป้ายในชุดฝึก เมื่อย้ายไปสถานการณ์ใหม่ สัญญาณลัดเหล่านั้นหายไปและประสิทธิภาพตก การทดสอบจึงต้องตรวจว่าโมเดลใช้สิ่งที่เราคาดหรือเพียงเก็บ Shortcut ที่บังเอิญใช้ได้

ในงานภาษา Transformer เปลี่ยนวิธีจัดการลำดับด้วยกลไก Attention ซึ่งช่วยให้โมเดลคำนวณความสัมพันธ์ระหว่างตำแหน่งต่าง ๆ ได้อย่างมีประสิทธิภาพ งาน “Attention Is All You Need” ในปี 2017 เสนอ Transformer สำหรับการแปลภาษา ต่อมาวิธี Pretraining บนข้อความจำนวนมากแล้วปรับใช้กับงานปลายทางทำให้โมเดลเดียวรองรับงานหลากหลายขึ้น ความสำเร็จนี้นำไปสู่แนวคิด Foundation Model หรือโมเดลฐานที่สามารถดัดแปลงต่อได้หลายงาน แต่คำว่า “ฐาน” อธิบายบทบาทในระบบนิเวศ ไม่ใช่การรับรองว่าความสามารถทั่วไปเหมือนมนุษย์

Language Model ฝึกให้คาดการณ์หน่วยข้อความตามบริบท การทำนายหน่วยถัดไปดูเหมือนงานแคบ แต่เมื่อทำบนข้อมูลและพารามิเตอร์จำนวนมาก โมเดลสามารถเก็บรูปแบบภาษา ความสัมพันธ์ของแนวคิด และแบบแผนการแก้ปัญหาหลายชนิดไว้ในน้ำหนัก จึงตอบคำถาม สรุป แปล เขียนโค้ด หรือเลียนแบบรูปแบบเอกสารได้ ความหลากหลายนี้เป็นคุณสมบัติที่เกิดขึ้นจากเป้าหมายฝึกและขนาดระบบ อย่างไรก็ตาม ผลลัพธ์ยังเป็นการสร้างตามความน่าจะเป็น โมเดลอาจสร้างประโยคที่ลื่นไหลแม้รายละเอียดไม่จริง เพราะความลื่นไหลกับความถูกต้องไม่ใช่เป้าหมายเดียวกัน

Generative AI จึงต่างจากโมเดลจำแนกตรงที่เอาต์พุตมีพื้นที่เป็นไปได้กว้างมาก ตัวจำแนกอาจเลือกหนึ่งในสิบป้าย แต่โมเดลภาษาอาจสร้างประโยคได้แทบไม่จำกัด การประเมินจึงยากขึ้น คำตอบเดียวอาจไม่มี “เฉลย” เดียว เราต้องใช้ Rubric ที่แยกความถูกต้อง ความครบถ้วน ความเกี่ยวข้อง สไตล์ ความปลอดภัย และการอ้างอิงออกจากกัน งานบางชนิดควรมีการตรวจอัตโนมัติ งานบางชนิดต้องให้ผู้เชี่ยวชาญอ่าน และงานเสี่ยงสูงต้องมีขั้นตอนหยุดหรือไม่ให้โมเดลตัดสินโดยลำพัง

โมเดลภาพแบบ Diffusion เรียนกระบวนการย้อนจากสัญญาณรบกวนไปสู่ข้อมูลที่มีโครงสร้าง เมื่อรับข้อความกำกับ ระบบจะใช้ตัวแทนของข้อความช่วยกำหนดทิศทางการสร้าง ภาพที่ได้อาจดูใหม่และไม่ตรงกับตัวอย่างชิ้นใดชิ้นหนึ่ง แต่ยังสะท้อนรูปแบบที่เรียนจากข้อมูลฝึก ประเด็นเรื่องสิทธิ์ แหล่งข้อมูล ตัวตนบุคคล และการเลียนแบบสไตล์จึงไม่หายไปเพียงเพราะผลลัพธ์ “ถูกสร้างใหม่” ผู้ใช้ต้องแยกคุณภาพภาพออกจากสิทธิ์ในการใช้และผลกระทบต่อผู้ที่เกี่ยวข้อง

โมเดลหลายสื่อหรือ Multimodal Model รับข้อมูลมากกว่าหนึ่งชนิด เช่น ข้อความ ภาพ เสียง หรือวิดีโอ การเชื่อมตัวแทนเหล่านี้ทำให้ผลิตภัณฑ์หนึ่งตอบคำถามจากภาพ อ่านเอกสาร สนทนาด้วยเสียง และสร้างสื่อได้ ดูเผิน ๆ เหมือนระบบมีประสาทสัมผัสหลายแบบ แต่การรองรับอินพุตหลายชนิดยังไม่เท่ากับความเข้าใจโลกกายภาพ ระบบอาจบรรยายภาพได้ดีแต่ไม่รู้ว่าข้อมูลใดถูกตัดออกนอกเฟรม หรืออาจอ่านกราฟได้แต่พลาดหน่วยและแกน การตรวจที่เหมาะสมต้องพิจารณาความผิดพลาดเฉพาะสื่อและความผิดพลาดที่เกิดตอนเชื่อมข้ามสื่อด้วย

ความสามารถใช้เครื่องมือเพิ่มอีกชั้นหนึ่ง เมื่อโมเดลเรียก Search, Calculator, Database หรือ Code Interpreter ได้ ผลลัพธ์อาจแม่นขึ้นเพราะไม่ต้องพึ่งความจำภายในทั้งหมด แต่ประสิทธิภาพของระบบตอนนี้มาจากหลายส่วน ได้แก่ การเลือกว่าเมื่อใดควรเรียกเครื่องมือ การเขียนคำสั่งให้เครื่องมือ การอ่านผลกลับมา และการตัดสินใจว่าจะเชื่อผลใด หากระบบตอบถูกเพราะ Search พบเอกสาร เราควรให้เครดิตเส้นทาง Retrieval และแหล่งข้อมูลด้วย ไม่ควรสรุปว่าโมเดลมีความรู้นั้นอยู่ภายในเสมอ

Retrieval-Augmented Generation หรือ RAG เป็นตัวอย่างชัด ระบบค้นเอกสารที่เกี่ยวข้องแล้วส่งข้อความบางส่วนให้โมเดลใช้ประกอบคำตอบ วิธีนี้ช่วยเชื่อมคำตอบกับความรู้ขององค์กรและข้อมูลที่อัปเดตได้ แต่สร้างจุดล้มเหลวใหม่ เช่น ค้นเอกสารผิด ดึงส่วนที่ขาดบริบท เอกสารมีเวอร์ชันเก่า หรือโมเดลอ้างเกินข้อความที่ได้รับ การประเมิน RAG จึงต้องแยก Retrieval Quality, Context Quality และ Answer Quality ไม่เช่นนั้นทีมจะเห็นคำตอบผิดแล้วไม่รู้ว่าควรแก้ตัวค้นหา เอกสาร คำสั่ง หรือโมเดล

Agentic System เพิ่มวงจรการวางแผน การใช้เครื่องมือ และการตรวจผลหลายขั้น ระบบอาจแบ่งงานเป็นส่วนย่อย จดจำสถานะ และวนแก้เมื่อผลไม่ผ่านเกณฑ์ ความเป็นอิสระที่มากขึ้นช่วยลดงานมือ แต่ความผิดพลาดก็สะสมข้ามขั้นได้เช่นกัน คำสั่งคลุมเครือในขั้นแรกอาจทำให้แผนทั้งหมดเดินผิด เครื่องมือหนึ่งอาจคืนข้อมูลลวง และการตรวจภายในอาจใช้โมเดลชนิดเดียวกันจึงมีจุดบอดร่วมกัน การเรียกสิ่งนี้ว่า “Agent” บอกสถาปัตยกรรมการทำงาน ไม่ใช่หลักฐานว่าระบบมีเจตนา ความรับผิดชอบ หรือสำนึกแบบมนุษย์

ความสามารถแบบ In-context Learning ทำให้โมเดลปรับพฤติกรรมจากตัวอย่างในคำสั่งโดยไม่ต้องเปลี่ยนน้ำหนัก ผู้ใช้จึงรู้สึกว่าระบบเรียนงานใหม่ทันที แต่ความสามารถนี้มีขอบเขต มันขึ้นกับความชัดของตัวอย่าง พื้นที่บริบท การจัดลำดับ และรูปแบบที่โมเดลเคยพบจากการฝึก เมื่อปิดบทสนทนาหรือเอาบริบทออก สิ่งที่ “เรียน” อาจหายไป การปรับในบริบทจึงต่างจากการเรียนต่อเนื่องที่เก็บความรู้ใหม่อย่างมั่นคงและไม่ทำลายความสามารถเดิม

อีกคำที่พบเสมอคือ Emergent Abilities หรือความสามารถที่ดูเหมือนปรากฏขึ้นเมื่อขนาดโมเดลเพิ่ม บางผลการศึกษาชี้ว่าความสามารถบางอย่างมีลักษณะกระโดดเมื่อวัดด้วยเกณฑ์ผ่านหรือไม่ผ่าน ขณะที่งานวิเคราะห์ต่อมาชี้ว่ารูปร่างของการเกิดอาจขึ้นกับตัวชี้วัดและความละเอียดของคะแนน สิ่งที่ควรสรุปคือขนาดสามารถสร้างการเปลี่ยนแปลงเชิงคุณภาพที่คาดเดายาก แต่เราไม่ควรใช้คำว่า Emergent เป็นช่องว่างแทนคำอธิบายหรือเป็นหลักฐานอัตโนมัติของ AGI ต้องระบุงาน ตัวชี้วัด และเงื่อนไขที่พบผลนั้น

เมื่อมองตลอดเส้นทาง Deep Learning และ Generative AI ทำให้ระบบใช้ตัวแทนที่ยืดหยุ่นขึ้น รองรับข้อมูลหลายชนิด และสร้างผลลัพธ์ที่เปิดกว้างขึ้น นี่เป็นความก้าวหน้าจริงและมีผลต่อโลกจริง แต่ทุกขั้นยังพึ่งขอบเขตงาน ข้อมูล โครงสร้างระบบ และการประเมิน มันจึงเปลี่ยนคำถามจาก “โมเดลจำแนกได้ไหม” ไปสู่ “ระบบทำงานต่อเนื่องได้แค่ไหน ภายใต้เครื่องมือและการควบคุมอะไร” ไม่ได้ลบความจำเป็นของคำถามเรื่องขอบเขตออกไป

REN ชวนจำสั้น ๆ: ความสามารถที่ดูหลากหลายอาจมาจากโมเดลเดียว เครื่องมือหลายชิ้น หรือการจัดเส้นทางหลายระบบ—ต้องเปิดฝากระโปรงก่อนสรุปว่าความฉลาดอยู่ตรงไหน

เหตุใด AI ที่เก่งหลายอย่างยังอาจเป็น Narrow AI

คำว่า Narrow ไม่ได้วัดจากจำนวนเมนูบนหน้าจอ แต่วัดจากขอบเขตที่ระบบยังทำงานได้อย่างน่าเชื่อถือ ระบบหนึ่งอาจสนทนา เขียนโค้ด และวิเคราะห์ภาพได้ แต่ประสิทธิภาพยังขึ้นกับรูปแบบคำสั่ง ความคล้ายกับข้อมูลฝึก เครื่องมือที่เชื่อมอยู่ และการตรวจของมนุษย์ เมื่อเปลี่ยนเงื่อนไขเล็กน้อย ความสามารถอาจลดลงอย่างไม่สม่ำเสมอ

OECD ใช้คำว่า general-purpose AI กับระบบที่รองรับงานและบริบทกว้างหลายแบบ แต่คำนี้ไม่จำเป็นต้องเท่ากับ AGI ความกว้างของผลิตภัณฑ์จึงควรถูกอธิบายเป็นโปรไฟล์ความสามารถและข้อจำกัด แทนการติดป้ายเพียงคำเดียว

ลองเปรียบเทียบมีดพับอเนกประสงค์กับช่างฝีมือ มีดหนึ่งชิ้นมีหลายเครื่องมือจึงทำงานได้มากกว่ามีดครัว แต่จำนวนใบมีดไม่ได้ทำให้มันเข้าใจเป้าหมายของผู้ใช้ เลือกวัสดุที่เหมาะ หรือรับผิดชอบผลของงาน โมเดลหลายความสามารถก็คล้ายกัน มันอาจมีช่องทางเอาต์พุตหลายแบบและเรียกเครื่องมือได้หลายชิ้น แต่ยังต้องได้รับโจทย์ การอนุญาต ข้อมูล และเกณฑ์ตรวจจากระบบรอบข้าง ความกว้างของอินเทอร์เฟซจึงไม่ควรถูกใช้แทนหลักฐานการปรับตัวอย่างทั่วไป

Narrow AI ไม่ได้แปลว่าเล็กหรือไม่มีพลัง ระบบเฉพาะงานสามารถประมวลผลเร็วกว่ามนุษย์ มีผลต่อคนจำนวนมาก และฝังอยู่ในโครงสร้างสำคัญ เช่น การจัดอันดับข้อมูล การตรวจธุรกรรม หรือการควบคุมเครื่องจักร ความเสี่ยงจึงไม่ได้ขึ้นกับว่าระบบเป็น AGI หรือไม่ แต่ขึ้นกับอำนาจที่ให้มัน ขนาดการใช้งาน ความย้อนกลับได้ของผลลัพธ์ และผู้ที่ต้องรับต้นทุนเมื่อผิด การรอให้ถึง AGI ก่อนเริ่มดูแลความเสี่ยงจึงสายเกินไป

ระบบอาจทำงานหลายอย่างได้เพราะแต่ละงานถูกเตรียมเป็นเส้นทางแยก เบื้องหลังอาจมี Router เลือกโมเดลเฉพาะ ตัวค้นข้อมูล เครื่องมือคำนวณ และกฎป้องกันหลายชั้น ผู้ใช้เห็นหน้าจอเดียวจึงรู้สึกว่าเป็นสมองเดียวที่ทำได้ทุกอย่าง แต่การประเมินต้องเปิดสถาปัตยกรรมระดับระบบว่าองค์ประกอบใดทำหน้าที่อะไร หากเปลี่ยนโมเดลแกนกลางแล้วความสามารถบางอย่างยังอยู่ แสดงว่าความสามารถนั้นอาจมาจากเครื่องมือหรือกระบวนการมากกว่าน้ำหนักของโมเดล

ความเปราะบางต่อการเปลี่ยนรูปแบบเป็นอีกสัญญาณหนึ่ง โมเดลอาจตอบโจทย์ตรรกะได้เมื่อใช้ถ้อยคำคุ้นเคย แต่พลาดเมื่อสลับชื่อวัตถุ เปลี่ยนลำดับ หรือเพิ่มข้อมูลรบกวน ระบบอาจอ่านเอกสารได้ดีเมื่อไฟล์เป็นข้อความสะอาด แต่ผิดเมื่อเป็นภาพสแกน ตารางซับซ้อน หรือฟอนต์ไม่ชัด ความสามารถทั่วไปต้องทนต่อการเปลี่ยนที่ไม่เปลี่ยนแก่นของงานได้พอสมควร การทดสอบเพียงรูปแบบเดียวจึงเสี่ยงให้คะแนนความกว้างสูงเกินจริง

ความรู้กับการสอบผ่านก็ไม่เหมือนกัน Benchmark เป็นตัวอย่างงานที่ช่วยเปรียบเทียบภายใต้เงื่อนไขเดียวกัน แต่เมื่อชุดคำถามแพร่หลาย ข้อมูลอาจหลุดเข้าสู่การฝึก ผู้พัฒนาอาจปรับระบบให้เข้ากับรูปแบบข้อสอบ และคะแนนอาจไม่สะท้อนงานจริงที่มีคำสั่งไม่สมบูรณ์ การประสานงาน และผลกระทบต่อคน เราจึงควรถามว่าโมเดลทำคะแนนอย่างไร ข้อมูลทดสอบเป็นอิสระเพียงใด และคะแนนสัมพันธ์กับผลลัพธ์ที่ต้องการในบริบทใช้งานหรือไม่

การอธิบายว่าโมเดล “รู้” หรือ “เข้าใจ” มีประโยชน์ในภาษาประจำวัน แต่ในงานวิเคราะห์ควรแปลงคำเหล่านี้เป็นพฤติกรรมที่ตรวจได้ เช่น รักษาข้อเท็จจริงข้ามคำถามได้หรือไม่ อธิบายเหตุผลสอดคล้องกับผลลัพธ์หรือไม่ ปรับเมื่อได้รับหลักฐานใหม่ได้หรือไม่ และรู้จักปฏิเสธเมื่อข้อมูลไม่พอหรือไม่ การใช้คำที่เป็นมนุษย์โดยไม่กำหนดเกณฑ์ทำให้ข้อถกเถียงเรื่อง AGI หมุนอยู่กับความรู้สึกแทนหลักฐาน

สุดท้าย คำว่า General-purpose ในผลิตภัณฑ์ นโยบาย และงานวิจัยอาจมีความหมายต่างกัน ผลิตภัณฑ์อาจใช้เพื่อบอกว่ารองรับผู้ใช้หลายกลุ่ม กฎหมายอาจใช้เพื่อกำหนดหน้าที่กับโมเดลที่นำไปต่อยอดได้กว้าง งานวิจัยอาจสนใจการถ่ายโอนความสามารถ ส่วน AGI เป็นข้อเสนอเกี่ยวกับระดับและความกว้างของปัญญา การเห็นคำว่า General จึงต้องอ่านนิยามในเอกสารนั้นก่อน ไม่ควรเชื่อมทุกความหมายเข้าด้วยกันโดยอัตโนมัติ

General AI ต้องตอบคำถามเรื่องการถ่ายโอนและการปรับตัว

นิยาม AGI ยังไม่มีฉันทามติ บางกรอบเน้นระดับฝีมือ บางกรอบเน้นความกว้าง ความเป็นอิสระ หรือการปรับตัวในสภาพแวดล้อมเปิด ดังนั้นคำกล่าวว่า “ถึง AGI แล้ว” จะมีความหมายก็ต่อเมื่อระบุเกณฑ์และหลักฐานที่ตรวจสอบได้

เกณฑ์แรกคือ Breadth หรือความกว้าง ระบบควรทำงานหลายหมวดที่แตกต่างกันจริง ไม่ใช่เพียงรูปแบบย่อยของงานเดียว การเขียน สรุป และแปลล้วนเป็นงานภาษาและอาจใช้ความสามารถร่วมกันได้มาก การเพิ่มการรับภาพทำให้กว้างขึ้น แต่ยังต้องถามต่อว่าสามารถเชื่อมข้อมูลข้ามสื่อและลงมือในสภาพแวดล้อมใหม่อย่างสม่ำเสมอหรือไม่ ความกว้างจึงควรวัดเป็นแผนที่งาน ไม่ใช่นับจำนวนปุ่มหรือรายการเดโม

เกณฑ์ที่สองคือ Depth หรือระดับฝีมือ ระบบที่ลองทำได้ทุกอย่างแต่ผลลัพธ์ไม่น่าเชื่อถือยังไม่ตอบโจทย์การใช้งานจริง ต้องระบุว่าความสามารถอยู่ระดับผู้เริ่มต้น ผู้ชำนาญ หรือเหนือผู้เชี่ยวชาญ และวัดภายใต้ทรัพยากรเท่าใด หากระบบใช้เวลานาน เรียกเครื่องมือจำนวนมาก และได้รับคำแนะนำจากมนุษย์ทุกขั้น คะแนนสุดท้ายควรสะท้อนต้นทุนและการสนับสนุนนั้นด้วย ไม่ควรเปรียบเทียบกับมนุษย์โดยปิดบังความแตกต่างของเงื่อนไข

เกณฑ์ที่สามคือ Transfer หรือการถ่ายโอน ระบบควรนำแนวคิดจากงานหนึ่งไปใช้กับงานใหม่โดยไม่ต้องมีตัวอย่างจำนวนมากที่ออกแบบเฉพาะ การถ่ายโอนไม่ใช่แค่จำคำตอบที่คล้ายกัน แต่ต้องรักษาหลักการเมื่อเปลี่ยนฉาก วัตถุ ภาษา หรือเป้าหมาย การทดสอบที่ดีจึงควรมีโจทย์ที่ผู้พัฒนาไม่รู้ล่วงหน้า แยกข้อมูลตามเวลา และสร้างการเปลี่ยนรูปแบบที่คงแก่นปัญหาไว้

เกณฑ์ที่สี่คือ Adaptation หรือการปรับตัวเมื่อโลกเปลี่ยน ระบบควรรับข้อมูลใหม่ แก้ความเชื่อที่ล้าสมัย และไม่ทำลายทักษะเดิมโดยไม่จำเป็น ปัจจุบันโมเดลจำนวนมากต้องฝึกเพิ่มหรือเชื่อมฐานความรู้ภายนอกเพื่ออัปเดต การใช้ Retrieval ช่วยให้เข้าถึงเอกสารใหม่ได้ แต่ไม่เท่ากับการปรับแบบจำลองโลกภายในอย่างถาวร เราจึงต้องบอกให้ชัดว่าการอัปเดตเกิดในน้ำหนัก ความจำภายนอก บริบทชั่วคราว หรือกระบวนการของผู้ใช้

เกณฑ์ที่ห้าคือ Robustness หรือความทนทาน ระบบควรทำงานได้เมื่ออินพุตมีความไม่สมบูรณ์และรู้ว่าเมื่อใดควรขอข้อมูลเพิ่ม ความทนทานไม่ใช่การตอบทุกครั้ง หากสถานการณ์คลุมเครือ การถามกลับหรือปฏิเสธอย่างมีเหตุผลอาจเป็นพฤติกรรมที่ฉลาดกว่า ระบบที่ตอบมั่นใจเสมออาจดูเก่งในเดโม แต่สร้างความเสี่ยงสูงในงานจริง เพราะผู้ใช้ไม่เห็นสัญญาณว่าควรตรวจซ้ำ

เกณฑ์ที่หกคือ Metacognition ในความหมายเชิงพฤติกรรม ได้แก่ การประเมินข้อจำกัดของตน ตรวจความขัดแย้ง และปรับระดับความมั่นใจให้สัมพันธ์กับความถูกต้อง เราไม่จำเป็นต้องสรุปว่าระบบมีสำนึกเพื่อวัดคุณสมบัตินี้ แต่สามารถทดสอบว่าคะแนนความมั่นใจ Calibrate หรือไม่ ระบบระบุแหล่งที่มาถูกหรือไม่ และยอมเปลี่ยนคำตอบเมื่อมีหลักฐานที่ดีกว่าหรือไม่ หากคำอธิบายเปลี่ยนตามผลลัพธ์โดยไม่มีความสัมพันธ์กับกระบวนการจริง คำอธิบายนั้นไม่ควรถูกใช้เป็นหลักฐานของการรู้ตนเอง

เกณฑ์สุดท้ายคือ Agency และความปลอดภัยในสภาพแวดล้อมเปิด ยิ่งระบบวางแผนยาว ใช้เครื่องมือ และดำเนินการเองมาก ความสามารถต้องมาพร้อมการกำหนดสิทธิ์ การตรวจสถานะ และขอบเขตผลกระทบ ระบบที่เก่งแต่ไม่หยุดเมื่อเงื่อนไขเปลี่ยนไม่ใช่ระบบที่พร้อมรับอำนาจเพิ่ม ความทั่วไปที่มีคุณค่าในโลกจริงจึงไม่ใช่เพียงแก้โจทย์มากขึ้น แต่ต้องทำงานภายใต้ข้อจำกัดและการกำกับที่มนุษย์ตรวจสอบได้

กรอบใช้จริง: ประเมินระบบตามงาน ไม่ตามคำโฆษณา

ในการใช้งานจริง คำถามที่มีประโยชน์กว่าการถามว่า “ฉลาดแค่ไหน” คือ ระบบนี้รับอินพุตอะไร ให้ผลลัพธ์อะไร วัดความสำเร็จอย่างไร และใครรับผิดชอบเมื่อผิด จากนั้นทดสอบกับกรณีปกติ กรณีชายขอบ และบริบทที่ต่างจากชุดทดลอง

เริ่มจากเขียน Decision Statement ให้จบในประโยคเดียว เช่น “ช่วยเจ้าหน้าที่จัดลำดับเอกสารที่ควรอ่านก่อน” หรือ “ร่างคำตอบโดยอ้างเฉพาะฐานความรู้ภายใน” ประโยคนี้บังคับให้เราแยกบทบาทสนับสนุนออกจากบทบาทตัดสิน หากเขียนเพียงว่า “นำ AI มาเพิ่มประสิทธิภาพ” ทีมจะไม่รู้ว่าต้องวัดอะไร และขอบเขตจะขยายตามความสามารถของเครื่องมือแทนความต้องการของงาน

ขั้นต่อมาคือสร้าง Baseline ก่อนมี AI อาจเป็นเวลาเฉลี่ย อัตราผิดพลาด ต้นทุนต่อเคส หรือคุณภาพที่ผู้ตรวจประเมินได้ จากนั้นกำหนด Outcome ที่ต้องดีขึ้นและ Guardrail ที่ห้ามแย่ลง เช่น ต้องลดเวลารอโดยไม่เพิ่มการปฏิเสธผิดกลุ่ม เมื่อไม่มี Baseline ทุกผลลัพธ์ดูเหมือนความก้าวหน้าได้ง่าย เพราะทีมเปรียบเทียบกับความรู้สึกหรือเดโมที่เลือกมาแล้ว

การทดสอบควรแยกอย่างน้อยสามชั้น ชั้นแรกคือ Capability Test ว่าระบบทำงานแกนได้หรือไม่ ชั้นที่สองคือ Workflow Test ว่าคน เครื่องมือ และข้อมูลทำงานร่วมกันได้หรือไม่ ชั้นที่สามคือ Impact Test ว่าผลต่อผู้ใช้และองค์กรเป็นอย่างไร โมเดลอาจสรุปเอกสารได้ดีในห้องทดลอง แต่ใน Workflow จริง ผู้ใช้ไม่รู้ว่าต้องตรวจส่วนใด และคำตอบไม่มีลิงก์กลับแหล่งข้อมูล ผลเชิงระบบจึงยังไม่ผ่านแม้ความสามารถโมเดลจะดี

ก่อนขยายการใช้ ให้กำหนด Failure Budget และ Stop Rule ความผิดพลาดบางชนิดยอมรับได้ในสัดส่วนต่ำ บางชนิดต้องเป็นศูนย์ เช่น การเปิดเผยข้อมูลลับหรือการดำเนินการเกินสิทธิ์ Stop Rule ต้องระบุผู้มีอำนาจหยุด สัญญาณที่ใช้ และวิธีย้อนกลับ ไม่ใช่เพียงเขียนว่า “มีคนกำกับ” เพราะเมื่อเหตุการณ์เกิดจริง คนจะลังเลหากไม่มีเกณฑ์และช่องทางที่เตรียมไว้

ตัวอย่างสามบริบท: ความสามารถเดียวกัน ความเสี่ยงไม่เท่ากัน

กรณีที่ 1: ผู้ช่วยร่างอีเมลภายใน

ระบบร่างอีเมลจากหัวข้อสั้น ๆ เป็นงานที่ย้อนกลับได้ ผู้ใช้เห็นข้อความก่อนส่งและแก้ไขได้ ความเสี่ยงหลักคือข้อมูลลับหลุด น้ำเสียงไม่เหมาะ หรือข้อเท็จจริงผิด การออกแบบที่ดีจึงจำกัดข้อมูลที่ส่งให้โมเดล แสดงฉบับร่างอย่างชัดเจน และไม่ส่งอัตโนมัติ ความสามารถระดับ Narrow AI เพียงพอมากหาก Workflow ทำให้มนุษย์ตรวจจุดสำคัญได้เร็ว การไล่หาโมเดลที่ “ทั่วไปที่สุด” อาจเพิ่มต้นทุนโดยไม่เพิ่ม Outcome

กรณีที่ 2: คัดกรองเอกสารการแพทย์

หากระบบช่วยจัดคิวเวชระเบียน ความผิดพลาดอาจทำให้เคสเร่งด่วนถูกเลื่อน ความแม่นยำเฉลี่ยไม่พอ ต้องวัด Recall ของกรณีอันตราย ประสิทธิภาพแยกตามกลุ่ม คุณภาพข้อมูลจากสถานพยาบาลต่างกัน และเวลาที่เจ้าหน้าที่ใช้ตรวจ ระบบควรสนับสนุนลำดับความสำคัญ ไม่ใช่ตัดสินวินิจฉัยโดยไม่มีผู้เชี่ยวชาญ พร้อมมีช่องทางให้เจ้าหน้าที่ Override และบันทึกเหตุผลเพื่อปรับปรุงระบบ

กรณีที่ 3: Agent จัดซื้ออัตโนมัติ

ระบบที่อ่านคำขอ เปรียบเทียบผู้ขาย และสร้างใบสั่งซื้อแตะเงิน สิทธิ์ และสัญญา ความสามารถภาษาอย่างเดียวไม่พอ ต้องมีวงเงิน การแบ่งหน้าที่ การยืนยันผู้ขาย Log ที่แก้ไม่ได้ง่าย และการอนุมัติเมื่อเงื่อนไขผิดปกติ ระบบอาจวางแผนได้ดีแต่ยังไม่ควรมีสิทธิ์กว้างกว่าความสามารถที่พิสูจน์แล้ว หลักสำคัญคือขยายสิทธิ์หลังหลักฐาน ไม่ใช่ขยายเพราะเดโมดูฉลาด

สามกรณีนี้ชี้ว่าคำว่า Narrow หรือ General ไม่ได้บอกคำตอบด้านการจัดซื้อโดยตรง ระบบเฉพาะงานที่ออกแบบ Workflow ดีอาจปลอดภัยและคุ้มค่ากว่าโมเดลกว้างที่ไม่มีกลไกควบคุม ในทางกลับกัน งานที่เปลี่ยนบ่อยอาจได้ประโยชน์จากโมเดลฐานที่ปรับใช้หลายงาน แต่ต้องเพิ่มการประเมินและการกำกับตามอิสระที่ให้มัน

ความเข้าใจผิดที่ทำให้ประเมิน AI เกินจริง

อีกความเข้าใจผิดคือ “หากระบบอธิบายเหตุผลได้ คำตอบย่อมน่าเชื่อถือ” โมเดลสร้างคำอธิบายที่สมเหตุสมผลภายหลังได้ แม้เส้นทางที่นำไปสู่คำตอบจะไม่ได้ใช้เหตุผลนั้น เราจึงควรตรวจคำตอบกับหลักฐาน เครื่องมือ และการทดลองแยก ไม่ใช้ความสวยของคำอธิบายเป็นหลักฐานเดียว สำหรับงานสำคัญ คำอธิบายควรมีแหล่งที่มา เงื่อนไข และสิ่งที่ยังไม่ทราบ

ความเข้าใจผิดถัดมาคือ “เชื่อมอินเทอร์เน็ตแล้วไม่มี Hallucination” Retrieval ลดปัญหาความรู้ล้าสมัยและเปิดทางให้อ้างอิง แต่ระบบยังเลือกแหล่งผิด อ่านผิด หรือสรุปเกินข้อความได้ ต้องตรวจความเกี่ยวข้องของเอกสาร ความน่าเชื่อถือของแหล่ง และความตรงกันระหว่างข้ออ้างกับข้อความรองรับ การมี Citation เป็นจุดเริ่มของการตรวจ ไม่ใช่ตราประทับความจริง

สุดท้ายคือ “AGI เป็นเส้นชัยเดียว” ในความเป็นจริง ความสามารถเพิ่มแบบไม่สม่ำเสมอ ระบบอาจเหนือมนุษย์ในบางงานแต่ต่ำกว่ามากในงานที่ดูง่าย ความเสี่ยงและคุณค่าจึงเกิดระหว่างทาง ไม่จำเป็นต้องรอฉันทามติเรื่อง AGI องค์กรควรสร้างวัฒนธรรมวัดผล เปิดข้อจำกัด และปรับสิทธิ์ตามหลักฐานตั้งแต่วันนี้

ทดลองคิดและคำถามที่พบบ่อย

Machine Learning ทุกระบบเป็น Narrow AI หรือไม่

ในทางปฏิบัติ ระบบ Machine Learning ที่ใช้งานอยู่ถูกพัฒนาและประเมินภายในขอบเขตหนึ่ง แม้โมเดลฐานจะรองรับหลายงาน แต่ความสามารถที่เชื่อถือได้ยังต้องระบุเป็นงานและเงื่อนไข คำว่า Narrow จึงยังมีประโยชน์เพื่อเตือนว่าอย่าขยายข้อสรุปเกินหลักฐาน อย่างไรก็ตาม การจัดประเภทขึ้นกับนิยามที่ใช้ จึงควรอธิบายโปรไฟล์ความสามารถแทนการเถียงเรื่องป้ายเพียงอย่างเดียว

Generative AI คือขั้นก่อน AGI เสมอหรือไม่

Generative AI เป็นตระกูลวิธีสร้างข้อมูล ส่วน AGI เป็นแนวคิดเรื่องความกว้างและระดับความสามารถ ทั้งสองเกี่ยวข้องกันได้ แต่ไม่มีลำดับบังคับว่าระบบสร้างเก่งขึ้นแล้วจะกลายเป็น AGI โดยอัตโนมัติ ความก้าวหน้าต้องถูกทดสอบด้านการถ่ายโอน การปรับตัว ความทนทาน และการทำงานในสภาพแวดล้อมเปิด

ถ้ายังไม่มีนิยาม AGI ที่ทุกคนยอมรับ เราควรหยุดพูดถึงหรือไม่

ไม่จำเป็นต้องหยุด แต่ควรเปลี่ยนวิธีพูด ระบุว่านิยามใดถูกใช้ เกณฑ์ใดผ่าน หลักฐานมาจากไหน และอะไรยังไม่รู้ การสนทนาเช่นนี้มีประโยชน์กว่าการถามเพียงว่า “ถึงหรือยัง” เพราะช่วยให้เห็นความสามารถและความเสี่ยงที่เกิดขึ้นจริงระหว่างทาง

องค์กรควรเลือกโมเดลที่กว้างที่สุดไว้ก่อนหรือไม่

ไม่เสมอไป ให้เริ่มจาก Outcome, Baseline, ความเสี่ยง และข้อจำกัดด้านข้อมูล โมเดลกว้างช่วยลดต้นทุนการพัฒนาเมื่อมีหลายงาน แต่เพิ่มพื้นที่ทดสอบและอาจมีต้นทุนแฝง ระบบเฉพาะทางอาจคุ้มกว่าเมื่อโจทย์ชัด ความผิดพลาดต้องควบคุม และข้อมูลมีรูปแบบแน่นอน ข้อสรุปควรเปลี่ยนตามงาน ไม่ใช่ตามกระแสของชื่อโมเดล

สรุปภาพใหญ่: เส้นทางเดียวกัน แต่คนละคำถาม

Machine Learning เปลี่ยนวิธีสร้างระบบจากการเขียนกฎทุกข้อไปสู่การเรียนรูปแบบจากข้อมูล Deep Learning ขยายความสามารถในการเรียนตัวแทน และ Generative AI ทำให้ระบบสร้างผลลัพธ์ใหม่ที่ใช้งานได้กว้างขึ้น แต่ทั้งหมดนี้ยังตอบคำถามคนละด้านกับ Narrow AI และ General AI

การทำได้หลายอย่างเป็นหลักฐานว่าขอบเขตกว้างขึ้น ไม่ใช่ข้อพิสูจน์ของความฉลาดทั่วไป การตัดสินที่รับผิดชอบจึงต้องระบุขอบเขต ทดสอบการถ่ายโอน เปิดเผยเครื่องมือที่พึ่งพา และวัดความล้มเหลวด้วย เมื่อเราเลิกถามเพียงว่า “นี่คือ AGI หรือยัง” แล้วหันมาถามว่า “มันทำอะไรได้ ภายใต้เงื่อนไขใด และผิดอย่างไร” ภาพของ AI จะชัดขึ้นทันที