ในครั้งนี้เรามาคุยเรื่องปัญญาประดิษฐ์กันว่าสิ่งนี้ถือกำเนิดมานานเท่าไหร่แล้ว ทำไมสิ่งนี้ถึงเกิดขึ้นมาได้และทำไมมันต้องเกิดขึ้นมา เชิญค้นพบไทม์ไลน์การถือกำเนิดของปัญญาประดิษฐ์ในมุมมองของเราได้เลย!
ว่ากันว่า AI มีอยู่มานานแล้วตั้งแต่ช่วงปี 1950 แต่ด้วยความเจริญก้าวหน้าและการเปลี่ยนแปลงอย่างรวดเร็วของโลกมนุษย์ ทำให้เกิดกระแสความสนใจในตัว AI เกิดขึ้นมา ทำให้ AI กลายเป็นสิ่งที่สามารถเข้าถึงได้ง่ายยิ่งขึ้นสำหรับผู้ใช้งานทั่วไป โดยเครื่องมืออย่างโปรแกรมสร้างภาพของ Shutterstock ก็ใช้ AI ช่วยให้ผู้คนสร้างเนื้อหาและตอบสนองต่อไอเดียด้วยข้อมูลอันซับซ้อนในยุคปัจจุบันได้
ประวัติศาสตร์วิวัฒนาการของ AI: ไทม์ไลน์การถือกำเนิดของปัญญาประดิษฐ์
AI ถูกสร้างขึ้นเมื่อไหร่? คำตอบคือน่าจะช่วงราว ๆ ปี 1950s-1960s
ปัญญาประดิษฐ์เริ่มต้นจากการเป็นแค่สาขาวิชาให้ศึกษา มันถูกสร้างขึ้นครั้งแรกในการประชุม Dartmouth โดยกลุ่มนักวิจัย โดยตั้งชื่อให้สิ่งนี้ว่า “artificial intelligence (ปัญญาประดิษฐ์)” โดยพวกเขาจินตนาการถึงการสร้างเครื่องจักรที่สามารถจำลองความฉลาดของมนุษย์ได้
ในปีต่อมากลุ่มนักวิจัยได้มุ่งเน้นไปที่การพัฒนาแนวคิดขั้นพื้นฐานและเทคนิคที่ AI สามารถใช้ได้ คุณ Alan Turing จึงนำเสนอแนวคิดเรื่อง Machine intelligence เป็นครั้งแรก นอกจากนี้เขายังออกแบบบททดสอบความสามารถของเครื่องจักรในการแสดงพฤติกรรมคล้ายมนุษย์ในปี 1950 อีกด้วย
ช่วงปลายปี 1950 และช่วงต้นปี 1960 นักวิจัยอัจฉริยะทั้งสามท่านนี้ ทั้งคุณ Herbert Simon, คุณ Allen Newell, และ คุณ Cliff Shaw ได้พัฒนาแนวทางที่ AI ควรเรียนรู้ เช่น เรื่องตรรกะศาสตร์ (Logic) และการแก้ปัญหาทั่วไป ทำให้ตัว AI สามารถสร้างแบบจำลองทางคณิตศาสตร์ที่ต่อให้มนุษย์ที่เก่งคณิตศาสตร์ที่สุดในโลก หรือสาขาวิชาใดก็ไม่สามารถทำได้
The AI Winter: ปี 1970s-1980s
แม้พวกนักวิจัยจะมีความกระตือรือร้นในช่วงแรก ๆ ของการพัฒนา แต่การวิจัยด้าน AI กลับต้องเผชิญกับความท้าทายและมีข้อจำกัดมากมาย ความคาดหวังที่มีต่อ AI เริ่มสูงขึ้น แต่ความสามารถของ AI กลับไม่สามารถตอบสนองต่อความคาดหวังนั้นได้ ด้วยงบประมาณลงทุนที่มากมายมหาศาลในช่วงแรกจึงลดลง กลายเป็นเหตุการณ์ที่ถูกเรียกว่า AI Winter
ส่วนหนึ่งเกิดจากการตีพิมพ์หนังสือชื่อ Perceptrons ที่ชี้ให้เห็นถึงข้อบกพร่องและข้อจำกัดของโครงข่าย neural networks การเผยแพร่เอกสารนี้ส่งผลให้สำนักงานโครงการวิจัยขั้นสูงของกระทรวงกลาโหม (DARPA) ถอนเงินทุนสำหรับโครงการ AI ก่อนหน้านี้ทั้งหมด
ทำให้ความพยายามในด้านการวิจัยได้เปลี่ยนทิศทางไปสู่พื้นที่เฉพาะทางมากขึ้น เช่น ระบบที่มีไว้เพื่อผู้เชี่ยวชาญ และระบบที่มีฐานความรู้ด้านนั้น ๆ เป็นพื้นฐาน
การเกิดขึ้นของ Connectionism และ Neural Networks: ปี 1980
ในที่สุดนักวิจัยก็เริ่มสร้างระบบ Connectionism ซึ่งก็คือการนำปัญญาประดิษฐ์มาเชื่อมต่อหลายโหนดเข้าด้วยกัน (เหมือนกับเซลล์สมอง) ก่อให้เกิดเครือข่าย Interactive ขนาดใหญ่มากมายที่สามารถดำเนินการได้พร้อมกัน
สิ่งนี้จึงกลายมาเป็นพิ้นฐานสำหรับ neural networks ในเวลาต่อมาจนถึงปัจจุบัน
ในปี 1989 นักวิจับได้ค้นพบอัลกอริธึมการแพร่กระจายกลับ (backpropagation algorithm) การค้นพบนี้นำไปสู่กฎลูกโซ่ (chain rule) ซึ่งเป็นความก้าวหน้าสำคัญในการสร้าง neural networks
จุดเริ่มต้นของยุคฟื้นฟูศิลปวิทยา AI และ Machine Learning: 1990s-2000s
ปี 1990 การวิจัยด้าน AI เริ่มกลับมาฟื้นฟูอีกครั้ง Machine Learning ได้รับความนิยมเพิ่มขึ้นอย่างรวดเร็ว การพัฒนาอัลกอริธึมเพื่อนำไปสนับสนุนเครื่องจักรให้สามารถตัดสินใจเองได้ ถูกนำไปใช้อย่างกว้างขวาง
ตัวอย่างการใช้งาน เช่น Deep Blue ของ IBM สามารถเอาชนะแชมป์หมากรุกคุณ Garry Kasparov ลงได้ ในปี 1997 AI แสดงให้เห็นศักยภาพว่า AI สามารถนำมาใช้งานเฉพาะทางแบบนี้ได้ด้วย
การขยายตัวของ Big Data และ Deep Learning: ปี 2010
การเปิดตัวบริการชุดข้อมูลขนาดใหญ่ (Large-scale data sets) และความก้าวหน้าของพลังการประมวลผลคอมพิวเตอร์ ทำให้เกิดระบบ Deep Learning ขึ้นมา สิ่งเหล่านี้เกิดขึ้นจากการมาถึงของอินเทอร์เน็ตและโซเชียลมีเดียที่ทุกคนใช้ในชีวิตประจำวันนั่นเอง
ข้อมูลอันมหาศาลประกอบกับพลังของคอมพิวเตอร์ เป็นเครื่องมือชั้นดีในการฝึกเทรนชุดข้อมูลและเครื่องมือ AI
สิ่งนี้ช่วยให้นักวิจัยและผู้ปฏิบัติงานด้านต่าง ๆ สามารถจัดการกับสิ่งจำเป็นให้งานด้านคำนวณ และสร้างระบบ deep neural networks ขึ้นมาได้
ผลลัพธ์สุดโดดเด่นของคอมพิวเตอร์วิทัศน์ การประมวลผลด้านภาษาและการจดจำเสียงก็ถูกพัฒนามาจากสิ่งเหล่านี้
AI ยังสามารถสร้างภาพจากการเขียนข้อความเข้าไป รวมถึงจดจำและเลียนแบบรูปแบบคำพูดเหล่านั้นได้อีกด้วย
โลกอนาคตของ AI
AI ในทุกกิจวัตรประจำวัน
AI ยังคงพัฒนาอย่างต่อเนื่องและรวดเร็ว อีกทั้งยังถูกนำไปบูรณาการเข้ากับอุตสาหกรรมต่าง ๆ รวมถึงด้านสุขภาพ การเงิน และยานยนต์ขับขี่อัตโนมัติ ที่ฮือฮากันในยุคปัจจุบันก็คือระบบ Chatbot ที่สามารถใช้บริการลูกค้าได้หลากหลายประเภทเช่นกัน
ผู้ช่วยเสมือน เช่น Siri ของ Allple, Alexa ของ Amazon และ Google Assistant ได้รับการยอมรับอย่างกว้างขวาง ทำให้ผู้ใช้สามารถทำงานต่าง ๆ ติดต่อกับเครื่องอื่น และโต้ตอบกับอุปกรณ์ผ่านคำสั่งเสียงได้
การเรียนรู้แบบเสริมกำลัง (Reinforcement learning) กลายเป็นสาขาวิชาย่อยที่โดดเด่นสำหรับผู้ที่ชื่นชอบ AI มุ้งเน้นไปที่ฝึกให้มีการจัดเรียงลำดับการตัดสินใจ ในสภาพแวดล้อมต่าง ๆ เพื่อให้เกิดผลประโยชน์สูงสุด ความสำเร็จของ RL ก็คือ AlphaGo ที่พัฒนาโดย DeepMind นั่นเอง แสดงให้เห็นว่าสิ่งนี้สามารถแก้ปัญหาที่ซับซ้อนได้
AlphaGo สามารถเอาชนะผู้เล่นแชมป์โลกในปี 2016 ตอกย้ำถึงความสามารถของระบบที่ใช้ RL เพื่อให้บรรลุประสิทธิภาพเหนือมนุษย์ในเกมเชิงกลยุทธ์ได้
ยานยนต์ไร้คนขับก็สามารถนำความก้าวหน้าที่สำคัญนี้ไปใช้พัฒนาระบบ AI ที่สามารถทำให้รถขับเคลื่อนได้ด้วยตนเอง โดยอาศัยการผสมผสานระหว่างเซ็นเซอร์คอมพิวเตอร์วิทัศน์, Machine Learning, และอัลกอริธึมการตัดสินใจขั้นสูง เพื่อนำทางและตัดสินใจในการขับขี่แบบเรียลไทม์
บริษัทต่าง ๆ เช่น Tesla, Waymo และ Uber มีความก้าวหน้าอย่างมากในการพัฒนาเทคโนโลยียานยนต์ไร้คนขับ โดยมีการวิจัยและพัฒนาอย่างต่อเนื่อง โดยมีเป้าหมายเพื่อให้ระบบขนส่งปลอดภัยและมีประสิทธิภาพมากขึ้น
AI มีผลกับการทำงานอย่างไร
การบูรณาการ AI เข้ากับอุตสาหกรรมต่าง ๆ ก็เป็นเทรนด์ที่สำคัญในยุคนี้เช่นกัน ในด้านการดูแลสุขภาพ AI เข้ามาจัดการงานหลาย ๆ อย่างในระบบ บริษัท LG ได้สิ่งนี้วิเคราะห์สาเหตุการป่วยได้ดีขึ้น การจ่ายยาก็ทำได้ดีขึ้นเช่นกัน
ระบบที่ขับเคลื่อนด้วย AI เหล่านี้แสดงผลลัพธ์ที่คาดหวังได้ ในการวิเคราะห์ภาพทางการแพทย์ (เช่น ภาพเอ็กซ์เรย์และ MRI) เพื่อการตรวจหาโรคในระยะเริ่มแรก เช่น มะเร็ง นอกจากนี้ AI ยังถูกนำมาใช้เพื่อปรับปรุงความแม่นยำและเพิ่มประสิทธิภาพในการวินิจฉัยโรค ด้วยการวิเคราะห์ข้อมูลและอาการของผู้ป่วยได้ด้วย
ในโลกอุตสาหกรรมการเงิน AI ได้ถูกนำมาใช้ยกระดับแอปพลิเคชันต่าง ๆ เช่น ตรวจจับการฉ้อโกง การเทรดโดยอัลกอริทึม และการประเมินความเสี่ยง อัลกอริธึมการเรียนรู้ของ Machine Learning สามารถวิเคราะห์ข้อมูลทางการเงินจำนวนมาก เพื่อระบุรูปแบบความผิดปกติ และสิ่งที่อาจเกิดการฉ้อโกงในอนาคตได้
ระบบการซื้อขายที่ขับเคลื่อนด้วย AI สามารถใช้อัลกอริธึมที่ซับซ้อนในการตัดสินใจ ซื้อขายตามแนวโน้มของตลาด ข่าวสาร และปัจจัยอื่น ๆ ที่เกี่ยวข้องได้
ในอุตสาหกรรมครีเอทีฟ Generative AI สามารถสร้างสรรค์ภาพใหม่ ๆ ออกมาให้นักออกแบบนำไปต่อยอดได้ ไม่ว่าจะเป็นระดับหัวหน้า พนักงาน หรือนักการตลาดก็สามารถทำงานด้วยกันได้อย่างมีประสิทธิภาพ เราน่าจะได้เห็นภาพ AI ในแคมเปญโฆษณามาแล้วนักต่อนัก การใช้ AI ในธุรกิจกลายเป็นมาตรฐานใหม่ที่ช่วยเรื่องการคิดและขั้นตอนทำงานไปแล้ว
พวกเขายังสามารถใช้มันเพื่อสร้างเนื้อหาใหม่ จากนั้นใช้เนื้อหาดังกล่าวเพื่อวัตถุประสงค์ทางการค้าได้
ประวัติศาสตร์ของ AI ยังคงดำเนินต่อไป
คาดว่าจะมีการใช้งาน AI เพิ่มมากขึ้นในอนาคตอันใกล้นี้ สิ่งเหล่านี้อาจรวมถึงการทำงานเป็นทีมระหว่างมนุษย์และ AI โดยที่เครื่องมือและอินเทอร์เฟซที่ขับเคลื่อนด้วย AI ช่วยเพิ่มขีดความสามารถของมนุษย์ เทคโนโลยีประเภทนี้จะช่วยให้มนุษย์และ AI ทำงานร่วมกันได้ใกล้ชิดยิ่งขึ้น
แต่สิ่งสำคัญที่ควรทราบก็คืออนาคตของ AI ค่อนข้างผันผวนและขึ้นอยู่กับความก้าวหน้าทางเทคโนโลยี อีกทั้งยังต้องมีการพิจารณาของสังคมอีกด้วย แนวทางของ AI จะขึ้นอยู่กับกรอบด้านจริยธรรม กฎหมาย และสังคมเป็นหลัก
AI จะทำให้โลกนี้น่าอยู่กว่าเดิม…ถ้าเราพัฒนามันอย่างถูกจริยธรรม ทั้งนี้ขึ้นอยู่กับอุตสาหกรรมต่าง ๆ แล้วว่าจะทำมันอย่างไร และอยู่ในมือของผู้บริโภคแล้วว่าจะเลือกใช้ผลิตภัณฑ์ของ AI ที่ถูกจริยธรรมหรือไม่
ถ้าคุณสนใจเรื่องราวของ AI และอยากลองใช้ Generative AI ของเรากับการใช้งานจริง สามารถติดต่อขอข้อมูลเพิ่มเติม หรืออยากให้เราจัด Workshop ทั้งในรูปแบบ Online&Offline ได้ที่ Number 24 x Shutterstock
บทความโดย : The History of AI: An AI Timeline
เรียบเรียงโดย : ทีมงานชัตเตอร์สต็อกประเทศไทย ดำเนินงานโดย นัมเบอร์ 24