ปัญหางูกินหาง เมื่อ AI กำลังวกกลับมาทำลายตัวเอง?
ที่ผ่านมาเราต่างได้ยินว่า AI หรือ ปัญญาประดิษฐ์กำลังพัฒนาอย่างก้าวกระโดด พร้อมเข้ามาแทนที่ตำแหน่งงานและอาจกลืนสังคมมนุษย์เข้าสักวัน แต่ล่าสุดเริ่มมีข้อโต้แย้งว่าอาจไม่เป็นแบบนั้นเสมอไป เมื่อภัยร้ายที่สุดของ AI อาจมาจากตัว AI เอง
การเข้ามาของ Chatbot อย่าง ChatGPT ถือเป็นการเปิดมิติใหม่ทางเทคโนโลยี โลกได้รับรู้ถึงขีดความสามารถอันน่าทึ่งของ AI หรือปัญญาประดิษฐ์จาก Large Language Models(LLM) จนสามารถตอบคำถาม พูดคุย ไปจนรังสรรค์ผลงานอย่างเป็นธรรมชาติใกล้เคียงกับคนจริง จนหลายคนต่างมองว่านี่คือประตูบานใหม่ของมนุษยชาติ
ความสำเร็จของ ChatGPT นำไปสู่ความพยายามคิดค้นพัฒนา AI จากโมเดลภาษา LLM อย่างแพร่หลาย หลังความสำเร็จของ OpenAI ภายใต้ Microsoft ทำให้บริษัทเทคโนโลยีหลายเจ้าต่างมุ่งหน้าพัฒนา Chatbot ไม่แพ้กัน ตั้งแต่ Google, Baidu ไปจน Meta ทั้งหมดล้วนพุ่งเป้าสู่ความเป็นหนึ่งในตลาดนี้ทั้งสิ้น
แต่จะเป็นอย่างไรเมื่อเริ่มมีแนวคิดโต้แย้งว่า เมื่อเวลาผ่านไป AI จาก Chatbot เหล่านี้จะยิ่งมีประสิทธิภาพลดลง
ต้นตอความเสื่อมถอยของ AI จาก LLM
ฟังดูเป็นเรื่องตลกเสียจนไม่น่าเชื่อ เพราะในความเป็นจริงยิ่งผ่านการปรับปรุงพัฒนามากเท่าไหร่เทคโนโลยีก็ยิ่งก้าวหน้าล้ำยุคขึ้นทุกวัน เห็นได้จากข้าวของเครื่องใช้รอบตัวในชีวิตประจำวันกับการพัฒนาอย่างก้าวกระโดด เปรียบเทียบให้เห็นภาพคงเป็นโทรศัพท์มือถือที่เมื่อก่อนทำได้เพียงโทรติดต่อ แต่ปัจจุบันสมาร์ทโฟนข้างตัวเราแทบจะทำได้ทุกอย่าง
เทคโนโลยี AI Chatbot เองก็เช่นกัน บริษัทเทคโนโลยีต่างเร่งพัฒนาปัญญาประดิษฐ์ให้ทรงประสิทธิภาพยิ่งขึ้น ไม่เว้นแม้แต่ฝั่ง OpenAI ที่มุ่งมั่นในการพัฒนาโมเดลเอไอตัวใหม่ GPT-4 โมเดลชั้นสูงที่มีขีดความสามารถมากกว่า GPT-3.5 ที่เปิดให้ใช้ฟรี กับการตอบคำถามคณิตศาสตร์ที่มีความแม่นยำสูงถึง 97.6% และความสามารถด้านการแพทย์และกฎหมาย
รายงานของทาง OpenAI ยืนยันว่า GPT-4 มีความน่าเชื่อถือสูง แต่ล่าสุดทีมวิจัยจาก Stanford and UC Berkeley ได้ทำการทดสอบการตอบคำถามของปัญญาประดิษฐ์ในสาขาวิชาชีพต่างๆ ก่อนพบว่า ความแม่นยำในการค้นหาข้อมูลของโมเดลล่าสุดลดลงตามการอัพเดทอย่างน่าฉงน
จากการทดสอบด้วยคำถามทางคณิตศาสตร์ โมเดล GPT-4 เวอร์ชันเดือนมีนาคมสามารถตอบคำถามแม่นยำถึง 97.6% แต่เมื่อถามคำถามเดียวกันในเวอร์ชันเดือนมิถุนายนกลับเหลือความแม่นยำเพียง 2.4% เรียกได้ว่ามีประสิทธิภาพน้อยกว่าโมเดลเก่า GPT-3.5 ทีเปิดให้ใช้ฟรีเสียอีก
ไม่เพียงเท่านั้นทีมวิจัยยังตรวจพบความผิดพลาดในการตอบคำถามมากขึ้นอย่างชัดเจน ทั้งในด้านคำถามทั่วไป การจัดการข้อมูล หรือการเขียนโค้ดโปรแกรมต่างๆ อย่างมีนัยยะสำคัญ อีกทั้งแม้ความเร็วการทำงานจะเพิ่มมากขึ้นสวนทางกับประสิทธิภาพในการให้ข้อมูลอย่างน่าแปลกใจ
นำไปสู่การตั้งคำถามถึงปัญหาที่เกิดขึ้นกับ ChatGPT รวมถึงช่องโหว่ที่จำเป็นต้องได้รับการปรับปรุงอย่างเร่งด่วน
ความแม่นยำที่ลดลง กับข้อสันนิฐานจากการปรับปรุงภายใน
ความเปลี่ยนแปลงที่เกิดขึ้นนำไปสู่การตั้งคำถามจากผู้ใช้งานมากมาย แน่นอนภายในเวลาอันสั้นอาจไม่มีข้อสรุป ด้วยปัจจุบันยังไม่มีการแถลงจากทาง OpenAI ถึงข้อมูลในส่วนนี้ ทำได้เพียงสันนิฐานถึงปัญหาที่เกิดขึ้นโดยไม่มีการยืนยันความถูกต้องของข้อมูลเท่านั้น
ความเป็นไปได้กรณีแรกคือ การย่อยและเพิ่มจำนวนเอไอทีใช้ในการตอบคำถามให้มากขึ้น จากข้อมูลที่ความเร็วการตอบคำถามของ ChatGPT เพิ่มขึ้นสวนทางกับประสิทธิภาพในการตอบคำถาม จึงเป็นไปได้สูงว่าจะเกิดจากการเปลี่ยนแปลงของระบบการทำงานของทาง OpenAI ที่ต้องการเพิ่มประสิทธิภาพของ ChatGPT เอง
หลักการของเรื่องนี้ใกล้เคียงกับการให้บริการเซิร์ฟเวอร์อินเทอร์เน็ต เมื่อมีคำขอจากผู้ใช้บริการมากย่อมทำให้เกิดการล่าช้าไปจนการล่มของระบบ ทางแก้คือเพิ่มจำนวนเซิร์ฟเวอร์ในการตอบสนองขึ้นมารองรับ สำหรับปัญญาประดิษฐ์ก็อาจเป็น การย่อยโมเดลเอไอ GPT-4 ให้มีขนาดเล็กและทำงานควบคู่กัน ก็จะสามารถลดปัญหาด้านความเร็วการใช้งาน
ปัญหาที่ตามมาคือเมื่อย่อยโมเดลให้มีขนาดเล็กลง แม้จะใช้ฐานข้อมูลเดียวกันในการเทรนประสิทธิภาพในการเข้าถึงข้อมูลบนโลกออนไลน์จึงลดลง ด้วยเหตุนั้นปัญญาประดิษฐ์จึงอาจไม่มีการสืบค้นข้อมูลให้ดีพอ จนเกิดการจ่ายข้อมูลที่ผิดพลาดหรือคลาดเคลื่อนแก่ผู้ใช้งาน ส่งผลกระทบต่อความแม่นยำของข้อมูลในที่สุด
ในส่วนนี้แนวทางแก้ไขอาจเป็นการแก้ปัญหารับมือภายในจากระบบของทางบริษัทเอง แต่มีอีกหนึ่งข้อสันนิฐานน่าสนใจที่แม้แต่ทาง OpenAI ก็ไม่สามารถจัดการได้ และยังเป็นปัญหาต่อภาพรวมของเทคโนโลยีปัญญาประดิษฐ์ปัจจุบัน
ปัญหาใหม่ของปัญญาประดิษฐ์ เมื่อ AI กำลังฆ่า AI ด้วยกัน
อีกหนึ่งกรณีที่เป็นไปได้ไม่แพ้กันที่ทำให้ความแม่นยำของข้อมูลลดลงถูกเรียกว่า AI cannibalism หรือ AI กำลังฆ่า AI ด้วยกันเอง สาเหตุมาจากการค้นหาข้อมูลบนโลกอินเทอร์เน็ต ปัญญาประดิษฐ์ LLM ทุกชนิดทั้ง ChatGPT, Bard หรือ Erine เอง ล้วนต้องรวบรวมข้อมูลบนโลกออนไลน์จากเสิร์ชเอนจินหรือเว็บไซต์ที่มีความน่าเชื่อถือแล้วจึงนำมาตอบผู้ใช้งาน
แต่เราทราบกันดีว่าในช่วงไม่กี่เดือนที่ผ่านมาความนิยมในการใช้ปัญญาประดิษฐ์เพิ่มสูง ทำให้เนื้อหาที่ถูกเขียนหรือสร้างขึ้นจาก AI เพิ่มจำนวนตาม อีกทั้งยังได้รับความนิยมเป็นอย่างสูง นั่นทำให้เอไออาจนำข้อมูลที่ตัวเองเขียนกลับมาเรียนรู้และใช้เป็นฐานข้อมูลต่อไป สิ่งนี้เองที่อาจเป็นปัญหาซึ่งอุตสาหกรรมปัญญาประดิษฐ์ไม่พร้อมจะรับมือ
เราทราบดีว่าแม้ปัญญาประดิษฐ์รุ่นใหม่ได้รับการพัฒนาให้มีความแม่นยำสูง แต่ยังสามารถเกิดความสับสน เข้าใจผิด หรือจ่ายข้อมูลพลาดอยู่บ้าง อาจมีจำนวนน้อยแต่เมื่อข้อมูลผิดพลาดเหล่านั้นถูกนำกลับมาเรียนรู้ซ้ำๆ ความผิดพลาดนั้นก็จะยิ่งเพิ่มมากขึ้น นำไปสู่การสับสนระหว่างข้อมูลจริงกับข้อมูลลวงที่ถูกสร้างจากเอไอเอง ทำให้เกิดข้อมูลผิดพลาดไปในที่สุด
อันที่จริงนี่ไม่ใช่เรืองใหม่กับการที่เอไอถูกป้อนข้อมูลเท็จหรือข้อมูลผิดพลาดจนเกิดความเข้าใจผิด สิ่งนี้เคยเกิดขึ้นในปี 2016 กับ AI อย่าง Tay ของทาง Microsoft ที่เปิดให้ผู้ใช้งานบน Twitter ในขณะนั้นสามารถสอนอะไรก็ตามได้โดยอิสระ นำไปสู่การป้อนข้อมูลผิดพลาดมากมายจนทางบริษัทต้องปิดการทำงาน AI นี้ไปในที่สุด
อีกทั้งการแยกแยะข้อมูลบนโลกออนไลน์ระหว่างที่มนุษย์และเอไอเขียนนั้นแทบเป็นไปไม่ได้ ในช่วงเปิดตัว ChatGPT มีความพยายามพัฒนาโปรแกรมหรือปัญญาประดิษฐ์สำหรับตรวจจับเนื้อหาจากเอไอโดยเฉพาะ แต่สุดท้ายโครงการทั้งหมดก็ต้องล้มไป เพราะขาดความแม่นยำในการตรวจสอบ เราจึงไม่สามารถแยกแยะงานเขียนของคนหรือเอไอได้อีก
และผลกระทบในส่วนนี้ก็เริ่มส่งกลับมาถึงทางปัญญาประดิษฐ์และผู้พัฒนาด้วยเช่นกัน
แนวทางแก้ไขและแนวโน้มการใช้งานปัญญาประดิษฐ์ในอนาคต
สำหรับผลกระทบในวงกว้างอาจยังไม่เห็นผลในเร็ววัน จากข้อมูลที่ผู้ใช้งาน ChatGPT เริ่มหดตัวในช่วงเดือนมิถุนายน แต่เราไม่อาจแน่ใจได้เช่นกันว่า ข้อมูลผิดพลาดที่ AI ป้อนให้ผู้ใช้งานถูกนำไปใช้และเกิดความเสียหายในแง่ใดบ้าง เป็นเรื่องที่เราจำเป็นต้องจับตามองกันต่อไป
ถึงตรงนี้หลายท่านคงสงสัยในเมื่อไม่มีวิธีแยกแยะเป็นรูปธรรม เช่นนั้นจะป้องกันความบิดเบือนหรือผิดพลาดของข้อมูลเช่นไร ในเมื่อทาง AI ต้องทำการรวบรวมข้อมูลต่อเนื่องเพื่อให้สามารถตอบคำถามแบบเรียลไทม์ แต่หากไม่สามารถนำข้อมูลจากโลนออนไลน์มาศึกษา แล้วจะพัฒนาเพิ่มเติมได้อย่างไร
คำตอบคืออาจมีการพัฒนาโมเดลปัญญาประดิษฐ์ที่อาศัย GPT-4 หรือโมเดลที่มีอยู่เป็นฐาน จากนั้นจึงให้เรียนรู้ข้อมูลที่ถูกต้องจากผู้เชี่ยวชาญเพื่อให้เข้าใจเนื้อหาได้อย่างถูกต้องแล้วนำไปใช้งาน กล่าวคือแยกย่อยเป็นเนื้อหาที่ต้องการใช้ แล้วให้ผู้เชี่ยวชาญสาขานั้นๆ ทำการป้อนข้อมูลที่ถูกต้องสำหรับการนำไปใช้ต่อ
ตัวอย่างของการใช้งานในรูปแบบนี้ เช่น Khan Academy องค์กรไม่แสวงหาผลกำไรทางการศึกษาได้พัฒนา Khanmigo จากข้อมูลจากอาจารย์และติวเตอร์ที่ทำการเรียนการสอนในชีวิตจริง ป้อนข้อมูลเกี่ยวกับเนื้อหาการเรียนต่างๆ เพื่อให้เอไอสามารถตอบคำถาม, ไขข้อสงสัย, อธิบายเนื้อหา, แสดงวิธีทำ, ตรวจทาน หรือแม้แต่ออกแบบฝึกหัดแก่นักเรียน
เช่นเดียวกับ CoCounsel ปัญญาประดิษฐ์สาขากฎหมายจากบริษัทกฎหมายชั้นนำ ที่อาศัยการเทรนข้อมูลรายละเอียดทางกฎหมายภถึง 4,000 ชั่วโมง จนมีคุณสมบัติในการทำงานใกล้เคียงกับทนายฝึกหัด หรือการนำปัญญาประดิษฐ์มาใช้ในเชิงการแพทย์ช่วยในการวินิจฉัยโรคได้แม่นยำถึง 96% ก็ต้องให้บุคลากรการแพทย์ป้อนและเทรนข้อมูลทางการแพทย์ที่ถูกต้องเข้าไปเช่นกัน
นั่นทำให้ในอนาคตเอไอหรือปัญญาประดิษฐ์อาจถูกพัฒนาขึ้นมาเพื่อใช้งานรองรับในสาขาต่างๆ จากบรรดาผู้เชี่ยวชาญตัวจริงที่ต้องคอยป้อนข้อมูลและอัพเดทเนื้อหาอย่างต่อเนื่อง เพื่อให้ข้อมูลที่ถูกใช้งานยังได้รับการอัพเดทแบบเรียลไทม์ และสามารถป้อนข้อมูลแก่ผู้ใช้งานได้อย่างแม่นยำและมีประสิทธิภาพต่อไป
อย่างไรก็ตามทั้งหมดเป็นเพียงการคาดการณ์จากข้อสันนิฐานและประเมินแนวโน้มที่จะเกิดในอนาคต ด้วยนี่ยังเป็นเทคโนโลยีใหม่แกะกล่องที่เรายังขาดความรู้ความเข้าใจ ยากจะคาดเดาผลกระทบและสิ่งจะเกิดขึ้นหลังจากนี้ได้ชัดเจน แม้แต่บรรดาผู้เชี่ยวชาญเองยังได้แต่ตั้งคำถามไม่แพ้กัน
คงต้องรอดูกันต่อไปว่าแนวโน้มที่ว่ามานี้จะมีโอกาสเกิดขึ้นจริงแค่ไหน และทิศทางในอนาคตจะเป็นอย่างไรต่อไป
ที่มา
https://www.posttoday.com/international-news/696769
https://www.posttoday.com/post-next/innovation/694037
https://www.posttoday.com/post-next/innovation/692400
https://www.posttoday.com/post-next/innovation/695573
