อุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์

ผมร้างลาจากการทำวิจัยด้านปัญญาประดิษฐ์มา 5 ปีแล้ว ตั้งแต่เรียนจบปริญญาโทมาก็ไม่ได้ทำอีกเลย ได้แต่คิดว่าจะทำ แล้วก็ไม่ได้ทำ แต่ก็ยังคงตามข่าวด้านปัญญาประดิษฐ์อยู่เรื่อย ๆ

สำหรับแวดวงวิชาการงานวิจัย เวลาผ่านไป 5 ปีที่ไม่ได้ไปเกี่ยวข้อง ก็ต้องถือว่าตกข่าวแล้ว ตามไม่ทันแล้ว ทฤษฎีถูกคิดค้นพัฒนาไปไกลแล้ว ต่อยอดกันไปถึงไหนต่อไหนแล้ว

ถึงแม้มันจะผ่านมา 5 ปีแล้ว แต่อุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์ก็คงจะเหมือนเดิมอยู่ ไม่เปลี่ยนแปลงมากนัก เพราะไม่งั้น เราคงได้เห็นบริษัทน้อยใหญ่ในเมืองไทย ทำปัญญาประดิษฐ์กันเต็มไปหมด

มาดูกันดีกว่าว่าอุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์มีอะไรบ้าง

1. อุปสรรคด้านโมเดล

พักหลังใคร ๆ ก็เห่อใช้ Deep Learning กัน (ทั้งที่จริง ๆ แล้วยังมีเทคนิคอื่นอีกเยอะแยะ) ซึ่งมันต้องมีโมเดลที่เหมาะสมสำหรับทำนายแต่ล่ะเรื่อง การจะหาโมเดลที่ดีที่สุดคือการต้องใช้ “เวลา” และ “ความชำนาญ” ในการลองผิดลองถูก จนกว่าจะได้ผลที่แม่นยำจนยอมรับได้ ต้องลองทั้งจากงานวิจัยอื่นที่มี หรือ คิดค้นขึ้นเอง ก็สุดแล้วแต่

ถ้าเป็นในเชิงวิชาการ การพิสูจน์ว่าโมเดลไหนดีไม่ดี ก็ต้องมีสูตรคำนวณมากมายที่เชื่อถือได้ แต่ถ้าเป็นในเชิงพาณิชย์ก็ง่ายหน่อย คือ ถ้ามันทำนายถูกในสัดส่วนที่สูงมาก ๆ ในทุก ๆ ครั้งก็คือใช่ ไม่ต้องมาพิสูจน์หาข้อเท็จจริงว่าไส้ในมันเป็นยังไง ทำไมมันถึงได้ผลออกมาดี

2.  อุปสรรคด้านข้อมูลสำหรับเรียนรู้

ในการทำปัญญาประดิษฐ์แบบที่ต้องให้คำตอบ ข้อมูลและคำตอบของข้อมูล เป็นสิ่งที่จำเป็นมาก ยิ่งหลากหลาย ยิ่งเยอะ ยิ่งดี เพื่อให้โมเดลได้เรียนรู้อย่างละเอียด จนสามารถปรับตัวเพื่อทำนายได้อย่างแม่นยำ

ต้นทุนในการเก็บรวบรวมข้อมูล จัดรูปแบบ ทำความสะอาด และ ให้คำตอบ เป็นอะไรที่สูงมาก ยิ่งถ้าข้อมูลที่เก็บรวบรวมไม่ใช่ข้อความล้วน แต่เป็นรูปภาพหรือคลิปวีดีโอ นี่ยิ่งไปกันใหญ่

งานในย่อหน้าข้างบนเป็นงานซึ่งคนที่สอนโมเดลไม่อยากทำ ถ้าทำได้อยากจ้างให้ใคร ๆ มาทำแทนด้วยซ้ำ เพราะมันเป็นงานถึก เหมือนงานทำเหมืองแร่ มันเหนื่อย แล้วก็ลำบากมาก และนี่ก็เป็นสาเหตุที่บริษัทใหญ่เจ้าของแพลตฟอร์มได้เปรียบ เพราะสามารถรับข้อมูลมหาศาลจากผู้ใช้งานผ่านแพลตฟอร์มได้อย่างอัตโนมัติ แล้วใช้โปรแกรมคอมพิวเตอร์ จัดรูปแบบ ทำความสะอาด และ ให้คำตอบกับข้อมูล ทำให้รายเล็กสู้ยากเพราะต้นทุนสูง

อุปสรรคด้านนี้จึงไม่ใช่แค่เรื่องของ “เวลา” แต่เป็นเรื่องของ “แรงงาน” ด้วย

3.  อุปสรรคด้านพลังการประมวลผล

ทุกวันนี้มีความพยายามในการสอนโมเดลด้วยวิธีใหญ่ ๆ 2 รูปแบบ คือ แบบแรกให้คนสอน กับแบบที่สองให้เครื่องสอนตัวเอง

ถ้าให้คนสอนโมเดล ก็คือต้องใช้ข้อมูลและการระบุคำตอบในปริมาณที่เหมาะสม ยิ่งเยอะยิ่งดี ซึ่งก็จะทำให้เกิดอุปสรรคในข้อที่ 2

แต่ถ้าต้องการแก้ไขอุปสรรคในข้อที่ 2 คือแก้เรื่อง “เวลา” และ “แรงงาน” ในการจัดหาข้อมูลและระบุคำตอบ ก็ต้องเปลี่ยนมาให้เครื่องสอนตัวเอง

มีความพยายามในหลายหมู่คณะ ที่จะให้เครื่องสอนตัวเอง โดยการใช้โปรแกรมหลาย ๆ ตัวช่วยกัน โดยการบอกกฎง่าย ๆ พื้นฐานแก่โปรแกรม แล้วให้โปรแกรมวนซ้ำเรียนรู้ด้วยตัวเอง วนไปเป็นล้าน ๆ รอบเพื่อค่อย ๆ ทำให้ฉลาดขึ้น และทุกครั้งที่ทำได้ดี ก็จะมีคะแนนพิเศษให้ เพื่อให้ฉลาดขึ้นไปอีก

ซึ่งการจะทำแบบนี้ได้ มันลดเวลาและแรงงานของคนก็จริง แต่เป็นการเพิ่มเวลาและแรงงานให้กับเครื่องจักรแทน ดังนั้น เพื่อให้ได้ผลลัพธ์ที่เร็วที่สุด ก็จำเป็นต้องใช้ระบบคอมพิวเตอร์ที่ทรงพลังมาก ๆ คิดได้เร็ว ๆ และมีหน่วยความจำเยอะ ๆ ในการสอน

คอมพิวเตอร์ที่ทำงานได้เร็ว ก็หนีไม่พ้นคอมพิวเตอร์เดี่ยวระดับซูปเปอร์คอมพิวเตอร์ หรือเป็นคอมพิวเตอร์กลุ่ม จะเป็นกลุ่มในพื้นที่เดียวกัน หรือกลุ่มในกลุ่มเมฆก็สุดแล้วแต่ แต่ยังไงซะมันก็มีเรื่อง “ราคา” เข้ามาเกี่ยวข้อง ยิ่งงบประมาณมาก ก็ยิ่งจัดหากำลังประมวลผลได้มาก

หนทางแก้ไขอุปสรรคทางเทคนิค

จะเห็นว่าอุปสรรคทางเทคนิคทั้ง 3 ที่ขวางกั้นอยู่นั้น มีรากฐานเดียวกันคือต้องใช้ “เงิน”

เพื่อแก้อุปสรรคในข้อที่ 1 ต้องใช้เงินจ้างคนเก่ง ๆ มาคิดหาโมเดล

เพื่อแก้อุปสรรคในข้อที่ 2 ต้องใช้เงินจ้างคนถึก ๆ มารวบรวมข้อมูล หรือ จ้างคนเก่ง ๆ มาสร้างแพลตฟอร์มรวบรวมข้อมูล

เพื่อแก้อุปสรรคในข้อที่ 3 ต้องใช้เงินซื้อหรือเช่าคอมพิวเตอร์กำลังการประมวลผลสูง

ด้วยการที่ต้องใช้เงินในการแก้ไขอุปสรรคทั้ง 3 ข้อ ทำให้ผู้ก่อตั้งที่มีเงินน้อย ไม่มีทางไปต่อได้เลย หากไม่ได้รับการสนับสนุนจากแหล่งเงินทุน

ซึ่งในปัจจุบัน บริษัทใหญ่ที่จะเป็นแหล่งเงินทุนได้ ก็ล้วนมาจาก SET50 ทั้งนั้น ไม่ว่าจะเป็น พลังงาน สื่อสาร ธนาคาร วัสดุก่อสร้าง ขนส่ง และ ค้าปลีก ดังนั้น ผู้ให้ทุนสนับสนุน ก็คงไม่คิดจะออกเงินตามใจผู้ก่อตั้ง ถ้าปัญญาประดิษฐ์ที่ผู้ก่อตั้งกำลังพัฒนา มันไม่สอดคล้องกับธุรกิจที่บริษัทใหญ่เหล่านั้นกำลังทำอยู่

บทสรุป

จริง ๆ แล้วอุปสรรคทางเทคนิคในการสร้างปัญญาประดิษฐ์ เป็นเพียงอุปสรรคหนึ่งในภาพใหญ่ เพราะยังมีอุปสรรคที่ไม่ใช่ทางเทคนิคอื่นอีกหลายอย่าง ไม่ว่าจะเป็นอุปสรรคในการบริหารจัดการทีม การบริหารจัดการงาน การบริหารจัดการผู้เกี่ยวข้อง การทำการตลาด และการบริหารเงินทุน ซึ่งเป็นภาพใหญ่มาก ๆ ๆ ๆ ที่ไม่เกี่ยวกับหัวข้อที่คุยอยู่ตอนนี้

ส่วนตัวมองว่า “เงิน” เป็นสิ่งสำคัญยิ่งกว่า “กำลังใจ” และ “ความหลงไหล” การไม่มีเงินซึ่งเป็นตัวแก้ไขอุปสรรคทางเทคนิคทั้ง 3 ด้าน จึงเป็นเรื่องที่น่าคิดจริง ๆ