มนุษย์กับ AI ใครวิ่งนำ ใครตาม

มนุษย์มีข้อจำกัดอยู่หลายประการ ทั้งขี้เกียจ ขี้เบื่อ มีพื้นที่เก็บความจำจำกัด ไม่สม่ำเสมอ ข้อจำกัดเหล่านี้ทำให้มนุษย์พัฒนา AI ที่พยายามจะเรียนรู้และเลียนแบบความเป็นมนุษย์ในหลายมิติ เพื่อขยายขอบเขตของความช่วยเหลือไปในทุกทิศทาง ถ้าวันหนึ่ง AI สามารถเลียนแบบมนุษย์ได้ทุกเรื่องแล้ว เรายังจะเหลืองานอะไรที่เป็นของมนุษย์บ้าง

งานไหนเสี่ยงโดน AI ทดแทน

• คาดการณ์กันว่า ประมาณร้อยละ 47 ของการจ้างงานทั้งหมดในสหรัฐฯ จะถูกทดแทนภายใน 10 ถึง 20 ปีข้างหน้า งานที่มีความเสี่ยงสูงที่สุดอยู่ในกลุ่มคมนาคมและโลจิสติกส์ กลุ่มสายงานออฟฟิศ กลุ่มแรงงานในสายการผลิต และกลุ่มงานบริการ
• เว็บไซต์ willrobotstakemyjob.com รายงานความเสี่ยงของอาชีพกว่า 702 ประเภทในสหรัฐอเมริกาว่าจะถูกทดแทนโดยเครื่องหรือไม่ โดยใช้ผลการวิจัยของเฟรย์ (Dr.Carl Benedikt Frey) และออสบอร์น (Michael Osborne) จากมหาวิทยาลัยอ็อกซฟอร์ดเมื่อปี ค.ศ. 2013 เป็นข้อมูล งานวิจัยชิ้นนี้ใช้เทคนิคการเรียนรู้ของเครื่อง (machine learning) มาช่วยประเมินความเสี่ยง

งานแบบไหนยังจะคงอยู่
ลักษณะของงานที่ยังเป็นความท้าทายที่ AI ยังไม่สามารถทำเลียนแบบหรือทดแทนมนุษย์ได้ในอีกหนึ่งหรือสองศตวรรษข้างหน้านี้ ได้แก่

1. การรับรู้และการตอบสนองที่ซับซ้อน 
   • การรับรู้ของมนุษย์เกิดขึ้นในหลายมิติในเวลาเดียวกัน มนุษย์เลือกที่จะรับรู้และตอบสนองด้วยเหตุปัจจัยที่ซับซ้อน โดยเฉพาะการรับรู้และตอบสนองปัจจัยภายนอกที่ไม่สามารถควบคุมได้ 
   • แม้เราจะมีรถที่สามารถรับรู้การจราจรและสิ่งแวดล้อมจนสามารถขับเคลื่อนเองได้แล้ว แต่การรับรู้และการตอบสนองของรถยนต์ขับเคลื่อนด้วยตนเองในปัจจุบันยังจำกัดในเฉพาะสถานการณ์ที่กำหนด เช่น ขับเคลื่อนบนท้องถนนที่มีเส้นจราจรเท่านั้น
   • แม้ว่าหุ่นยนต์จะสามารถช่วยให้เกิดความแม่นยำในการผ่าตัดได้มากขึ้น แต่การรับรู้และตัดสินใจโดยเฉพาะในสถานการณ์ฉุกเฉินและไม่เป็นไปตามแผน ยังคงต้องเป็นหน้าที่ของมนุษย์ต่อไป
2. ความคิดสร้างสรรค์ 
   • ถึงแม้ว่าเราจะเริ่มเห็นคอมพิวเตอร์ที่สามารถแต่งเพลง แต่งกลอน หรือวาดภาพได้บ้างแล้ว แต่งานเหล่านั้นล้วนแล้วแต่เป็นงานที่เกิดขึ้นจากกรอบหรือแบบแผนเดิมๆ ที่มนุษย์เคยใช้
   • มนุษย์ให้คุณค่ากับความแปลกใหม่ที่แตกต่างไปจากกรอบเดิมๆ ด้วยการเชื่อมโยงต่อยอดความรู้เดิมของตนเองด้วยวิธีการใหม่ๆ ที่ไม่คุ้นเคย จนได้ผลลัพธ์รูปแบบใหม่แต่ยังคง “make sense” 
   • ความคิดสร้างสรรค์มีความสัมพันธ์อันเหนียวแน่นกับวัฒนธรรม ความเชื่อ และฐานความคิดส่วนบุคคลและมักเปลี่ยนแปลงไปตามกาลเวลา ที่เครื่องยังไม่สามารถตรวจวัดได้ ดังนั้นกระบวนการของความคิดสร้างสรรค์ของมนุษย์จึงยังเป็นเรื่องที่ยากที่จะศึกษาและตรวจวัด
3. ทักษะทางสังคม
   • ความเป็นมืออาชีพของมนุษย์ในงานหลายอย่างต้องใช้ทักษะทางสังคมขั้นสูง ไม่ว่าจะเป็นการต่อรอง การโน้มน้าว การเป็นผู้นำ หรือการดูแลผู้อื่น อาชีพอย่างเจ้าหน้าที่ประชาสัมพันธ์ นักจัดงานกิจกรรม นักจิตวิทยา หรือซีอีโอต่างจะต้องใช้ทักษะขั้นสูงนี้ในการทำเข้าใจความรู้สึกของผู้อื่นอย่างลึกซึ้ง (empathy) มีวิธีในการสื่อสารและโต้ตอบอย่างมีกลยุทธ์ และมีพุทธิปัญญาทางอารมณ์ (emotional intelligence) ที่ดี 
   • ถึงแม้ว่าจะมีความพยายามทำให้คอมพิวเตอร์มีทักษะทางอารมณ์เหมือนมนุษย์ เช่น งานทางด้านการคำนวณเชิงอารมณ์ (affective computing) ที่ต้องการตรวจจับและตอบสนองตามสถานะอารมณ์ของมนุษย์ และการพัฒนาหุ่นยนต์ทางสังคมที่ทำหน้าที่บริการ (social robotics) แต่อารมณ์ของมนุษย์ที่ผันผวนอยู่เสมอและต้องใช้คอมมอนเซนส์สูง ทำให้การเรียนรู้ของคอมพิวเตอร์ยังตามไม่ทันมนุษย์ในเร็ววันนี้อย่างแน่นอน
4. งานควบคุมเทคโนโลยี
   • งานส่วนใหญ่ที่มีโอกาสโดนทดแทนด้วยคอมพิวเตอร์ ล้วนแล้วแต่เป็นงานที่ให้คอมพิวเตอร์เป็นตัวกำหนดวิธีและผลลัพธ์ของงานมากกว่างานที่เกี่ยวข้องกับการสร้าง จัดการและซ่อมแซมเทคโนโลยี ที่เป็นการควบคุมขั้นสูง ซึ่งยังคงเป็นงานที่มีความจำเป็นที่จะใช้ควบคุม AI เหล่านี้
   • แม้ว่าในทางเทคนิค การเรียนรู้ตนเองของเครื่องจะเริ่มมีการพัฒนาขึ้นแล้ว แต่ข้อถกเถียงทางจริยศาสตร์ที่ว่า เครื่องจะสามารถเรียนรู้กระบวนการทางศีลธรรมและจริยธรรมได้มากน้อยเพียงใด ยังคงเป็นเรื่องที่มนุษย์จะต้องพิจารณาต่อไป ประเด็นไม่ได้อยู่ที่เครื่องยังเรียนรู้ได้ไม่ครบถ้วน แต่อยู่ที่ว่ามนุษย์ยังไม่สามารถอธิบายแนวคิดทางจริยศาสตร์ให้อยู่ในโครงสร้างที่เครื่องสามารถเรียนรู้ได้ต่างหาก

ข้อจำกัดของการเรียนรู้ของเครื่องคืออะไร

• เครื่องถูกออกแบบให้เรียนรู้เฉพาะเรื่องใดเรื่องหนึ่งโดยเฉพาะ โดยผู้พัฒนาจะต้องระบุเหตุปัจจัยที่ชัดเจนและวัดได้ แต่ปรากฏการณ์หนึ่งๆ โดยเฉพาะปรากฏการณ์ทางสังคม อาจเกิดขึ้นจากปัจจัยที่มีความสัมพันธ์ที่ซับซ้อนและเกี่ยวเนื่องกันจำนวนมาก จนไม่อาจสามารถระบุได้ชัดเจนทั้งหมด
• การใส่ปัจจัยให้เครื่องเรียนรู้มากเกินไป ถึงแม้ว่าจะทำให้ความมั่นใจในคำตอบที่ได้จากการเรียนรู้ของเครื่องมีมากขึ้น แต่ความมั่นใจมากเกินไปอาจทำให้เครื่องคาดเดาและยอมรับความแตกต่างของคำตอบที่จะเกิดขึ้นได้น้อย หรือในทางเทคนิคเรียกว่า overfitting อย่าลืมว่า ความสมบูรณ์แบบมิใช่คุณสมบัติพื้นฐานของมนุษย์ทุกคน
• ปัจจัยที่ใช้ในการเรียนรู้ของเครื่องต้องใช้ข้อมูลเป็นตัวแทนจำนวนมาก การเรียนรู้ของเครื่องอ่อนไหวไปตามอคติของข้อมูลที่นำมาสอน ข้อมูลที่ดีที่สุดเท่าที่มีอยู่ในปัจจุบัน ยังเป็นข้อมูลที่ขาดความเที่ยงตรงหรือมีข้อผิดพลาดอยู่มาก
• ไม่ใช่ว่าทุกข้อมูลที่มีในโลกจะพร้อมให้เครื่องเรียนรู้ได้ทันที การเรียนรู้ของเครื่องแบบมีการกำกับ (supervised) มนุษย์ยังจำเป็นที่จะต้องเป็นผู้กำกับเพื่อบอกความหมายของข้อมูลให้กับเครื่องด้วย ความพร้อมของข้อมูล ไม่ว่าจะเป็นการมีอยู่ คุณภาพ และช่องทางการเข้าถึง ไม่ได้ขึ้นอยู่กับนักพัฒนา AI เท่านั้น แต่ยังอยู่ที่มนุษย์ที่เป็นผู้สร้างและใช้ข้อมูลทุกคน
• การยอมรับและความไว้วางใจของผู้ใช้เทคโนโลยีมีบทบาทสำคัญ ปัญหาไม่ได้อยู่ที่ AI สามารถเลือกคำตอบที่ถูกต้องที่สุดมาให้มนุษย์ได้หรือไม่ แต่อยู่ที่ว่ามนุษย์หรือผู้ใช้งานมีส่วนร่วมในกระบวนการเลือกคำตอบมากน้อยเพียงใด ดังนั้นการจะที่เครื่องจะทดแทนมนุษย์ได้หรือไม่ คำตอบน่าอยู่ที่ว่า เครื่องจะทำให้มนุษย์ไว้วางใจกับคำตอบที่ได้มากน้อยแค่ไหน โดยเฉพาะในงานที่มีความซับซ้อนและใช้ความสามารถที่หลากหลายไปพร้อม ๆ กัน

Graduate Programs in Information Studies คณะอักษรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย