เมื่อเร็วๆ นี้ นักคณิตศาสตร์ผู้ได้รับรางวัลฟิลด์ส มีดัลอย่าง เทอร์รี เต๋า ร่วมกับนักวิทยาศาสตร์ชั้นนำและผู้ได้รับรางวัลระดับโลกหลายท่าน ได้ร่วมกันก่อตั้งมูลนิธิ SAIR ซึ่งมุ่งเน้นการวิจัยด้านปัญญาประดิษฐ์และวิทยาศาสตร์
ในวันก่อตั้ง SAIR เทอร์รี เต๋า ได้อธิบายพันธกิจขององค์กรนี้ นั่นคือการมุ่งมั่นสำรวจกระบวนทัศน์ใหม่ของการวิจัยทางวิทยาศาสตร์ เขากล่าวว่า “ในฐานะผู้ร่วมก่อตั้ง ฉันรู้สึกยินดีเป็นอย่างยิ่งที่ได้รวบรวมนักวิจัยชั้นนำจากสาขาคณิตศาสตร์และวิทยาศาสตร์ต่างๆ มาร่วมกันหารือว่าปัญญาประดิษฐ์และเทคโนโลยีเกิดใหม่จะเร่งการค้นพบทางวิทยาศาสตร์และเปิดกระบวนการวิจัยใหม่ได้อย่างไร”
การเคลื่อนไหวครั้งนี้ถูกมองว่าเป็นสัญญาณสำคัญที่บ่งชี้ว่าสาขา “AI for Science” กำลังจะเกิดการเปลี่ยนแปลงใหม่ แล้วเทอร์รี เต๋า คิดอย่างไรเกี่ยวกับเส้นทางวิวัฒนาการของ AI และ AI for Science?
ในการถ่ายทอดสดระดับโลกล่าสุดผ่านบัญชีวิดีโออย่างเป็นทางการของ SAIR ริชาร์ด ซัตตัน ผู้ได้รับรางวัลทัวริง แบร์รี บาริช ผู้ได้รับรางวัลโนเบล และผู้เชี่ยวชาญด้านเทคนิคจากไมโครซอฟท์ เอ็นวิเดีย และสถาบันอื่นๆ ได้แบ่งปันมุมมองของพวกเขา
ในเวลาเดียวกัน SAIR ได้เผยแพร่บทสัมภาษณ์พิเศษกับเทอร์รี เต๋า ในการสัมภาษณ์นี้ เทอร์รี เต๋า อธิบายเหตุผลหลายประการในการก่อตั้ง SAIR เขาตัดสินว่าเทคโนโลยีในสาขา “AI for Science” ได้พัฒนามาถึงจุดที่สามารถเปลี่ยนแปลงวิทยาศาสตร์ได้แล้ว แต่การนำ AI เข้ามารวมกับการวิจัยทางวิทยาศาสตร์มีเส้นทางที่ผิดพลาดมากมาย ส่วนเส้นทางที่ถูกต้องนั้นมีน้อยกว่า ดังนั้น เราจำเป็นต้องพิจารณาอย่างรอบคอบและเตรียมพร้อมว่าจะนำเทคโนโลยีเหล่านี้มาใช้อย่างไร
เขาเน้นย้ำว่าในกระบวนการนี้ วงการวิชาการต้องมีส่วนร่วมอย่างแข็งขัน: “วงการวิชาการจำเป็นต้องมีส่วนร่วมอย่างลึกซึ้ง ไม่ใช่รอให้บริษัทเทคโนโลยีออกผลิตภัณฑ์แล้วค่อยนำมาใช้ เราต้องมีปฏิสัมพันธ์ สำรวจความต้องการที่แท้จริง และทำความเข้าใจว่าสาขาวิทยาศาสตร์ใดเหมาะกับ AI และสาขาใดยังคงเหมาะกับวิธีการดั้งเดิมของมนุษย์”
เทอร์รี เต๋า ยังได้กล่าวถึงปัจจัยทางความเป็นจริงอีกประการหนึ่ง: ในปีที่ผ่านมา สภาพแวดล้อมด้านเงินทุนวิจัยมีความไม่แน่นอนอย่างมาก ตัวอย่างเช่น IPAM (สถาบันคณิตศาสตร์บริสุทธิ์และคณิตศาสตร์ประยุกต์) ที่เขาทำงานอยู่ เคยหยุดให้ทุนชั่วคราว ช่วงเวลา “ยุ่งเหยิงของการค้นหาแหล่งเงินทุนใหม่” นี้ กลับทำให้เกิดโอกาสใหม่ๆ รวมถึง SAIR เขากล่าวว่า “ช่วงเวลานั้นบังคับให้เราต้องมองหาแหล่งเงินทุนใหม่ สร้างความสัมพันธ์กับนักลงทุนและพันธมิตรรายใหม่ ในแง่หนึ่ง ช่วงเวลายุ่งเหยิงนี้ก็นำโอกาสใหม่มาด้วย ตอนนี้ IPAM มีโครงการใหม่มากมาย รวมถึงความร่วมมือครั้งนี้ด้วย”
ในการสัมภาษณ์ เทอร์รี เต๋า ยังได้อธิบายข้อเท็จจริง “ขัดต่อสามัญสำนึก” หลายประการเกี่ยวกับ AI เขาชี้ให้เห็นว่าความเข้าใจผิดที่ใหญ่ที่สุดของคนที่มีต่อ AI คือการมองว่าเป็นเทคโนโลยีเดียว แต่ในความเป็นจริงมันคือ “ชุดของเทคโนโลยีที่เกี่ยวข้องหลายร้อยชนิด” คนทั่วไปมักมองว่า AI เป็นหุ่นยนต์ที่สามารถพูดคุย สร้างภาพหรือวิดีโอได้ แต่ในด้านการวิจัยทางวิทยาศาสตร์ มีวิธีการประยุกต์ใช้ AI ที่แตกต่างและมีประสิทธิภาพมากกว่า
เขาวิเคราะห์ข้อจำกัดของ AI ในปัจจุบันเพิ่มเติม:
* ความจำบริบทไม่เสถียร: AI ในเซสชันใหม่มักจะ “ลืม” เนื้อหาการสื่อสารก่อนหน้า แม้จะรักษาบริบทไว้ ความจำของมันก็เป็นเพียงชั่วคราวและไม่เสถียร เขายังกล่าวถึงปรากฏการณ์ทั่วไปอีกว่า: หากคุณบอก AI ว่าไม่ให้ทำบางสิ่ง มันกลับมีแนวโน้มจะทำมากขึ้น
* ขาดความสามารถในการเรียนรู้อย่างต่อเนื่อง: AI ในปัจจุบันไม่มีความสามารถในการเรียนรู้จากข้อผิดพลาดและเติบโตอย่างมั่นคงและต่อเนื่องในระยะยาว ไม่สามารถก้าวหน้าอย่างแท้จริงได้เหมือนนักศึกษาปริญญาโทที่เป็นมนุษย์
* ความเสี่ยงของการจัดแนวเป้าหมาย: มนุษย์ไม่ถนัดในการกำหนดเป้าหมายอย่างแม่นยำ แต่ AI กลับ “จริงจัง” เกินไปในการดำเนินการตามเป้าหมาย เหมือนยักษ์ที่เข้าใจความปรารถนาตามตัวอักษร สิ่งนี้อาจทำให้ AI “โกง” โดยการปรับเปลี่ยนคำนิยาม เพิ่มเติมสัจพจน์ หรือใช้ช่องโหว่เพื่อทำงานให้สำเร็จ
โดยสรุป ในมุมมองของเทอร์รี เต๋า AI ในปัจจุบันคล้ายกับ “นักศึกษาปริญญาโทผู้รอบรู้” ที่เชี่ยวชาญหลายวิธี มากกว่าจะเป็น “นักวิทยาศาสตร์อัจฉริยะ” ที่ปฏิวัติวงการ เขาชี้ให้เห็นว่า “ข้อได้เปรียบของ AI ในด้านคณิตศาสตร์ส่วนใหญ่คือความกว้าง เชี่ยวชาญเทคนิคและรูปแบบวรรณกรรมจำนวนมาก แต่ยังไม่แสดงความคิดริเริ่มที่แท้จริงซึ่งแยกออกจากวรรณกรรมที่มีอยู่”
ในด้านการวิจัยทางวิทยาศาสตร์ ความก้าวหน้าในการประยุกต์ใช้ AI เป็นอย่างไร? เทอร์รี เต๋า กล่าวว่าด้านคณิตศาสตร์ได้ผลลัพธ์ที่ดี: ผู้ช่วยพิสูจน์แบบฟอร์มัลสามารถตรวจสอบได้โดยอัตโนมัติ กลไกนี้ในระดับหนึ่ง “จำกัด” AI ทำให้มันพูดพล่อยๆ ได้ยากขึ้น แต่ปัญหาก็ชัดเจน เขาคิดว่าปัจจุบัน AI ยังไม่สามารถเรียกว่าเป็น “ผู้ร่วมเขียน” ที่แท้จริงได้ สิ่งที่การวิจัยทางวิทยาศาสตร์ต้องการจริงๆ มักจะเป็นกระบวนการอนุมาน การวิวัฒนาการของแนวคิด และความเชื่อมโยงกับวรรณกรรม ไม่ใช่คำตอบสุดท้ายที่ “สร้างด้วยคลิกเดียว” การทำงานร่วมกันระหว่างมนุษย์กับ AI ขาดการตอบรับทันที ข้อมูลที่ไม่ใช่ภาษา และความรู้สึกของการสร้างร่วมกันในการอภิปรายแบบเผชิญหน้า ประสบการณ์การทำงานร่วมกันยังคงรู้สึกขาดความเชื่อมโยง
สำหรับอนาคต จุดแตกหักต่อไปของ AI อยู่ที่ไหน? เทอร์รี เต๋า ให้คำตอบสองด้าน: ความคิดสร้างสรรค์และความสามารถในการเรียนรู้อย่างต่อเนื่อง แต่เขาตัดสินว่ากระบวนการของการก้าวกระโดดนี้จะไม่นานเกินไป อาจเพียงสิบปี “关键在于研究如何正确使用它。”
เบื้องหลังการร่วมก่อตั้ง SAIR กับนักวิทยาศาสตร์ระดับยอด: มีเส้นทางผิดมากมายในการนำ AI เข้าสู่งานวิจัย
ผู้สัมภาษณ์: สวัสดีทุกคน วันนี้เรามีโอกาสได้เชิญเทอร์รี เต๋า มาร่วมสนทนาอีกครั้ง รู้สึกเป็นเกียรติอย่างยิ่งที่ได้สัมภาษณ์ท่านอีกครั้ง เราจะพูดคุยเกี่ยวกับการประยุกต์ใช้ AI ในวิทยาศาสตร์ โดยเฉพาะ SAIR ที่จะเปิดตัวในอีกไม่กี่วันข้างหน้า เราตื่นเต้นที่จะนำมุมมองใหม่ๆ มาว่า AI สามารถใช้ในวิทยาศาสตร์ได้อย่างไร และในอนาคตเราสามารถทำอะไรได้บ้าง หากสะดวก กรุณาแนะนำตัวเองสั้นๆ ได้ไหม?
เทอร์รี เต๋า: ได้ครับ ผมคือเทอร์รี เต๋า ศาสตราจารย์ด้านคณิตศาสตร์ที่มหาวิทยาลัยแคลิฟอร์เนีย ลอสแอนเจลิส (UCLA) ในอดีตผมทำงานวิจัยด้านคณิตศาสตร์บริสุทธิ์เป็นหลัก แต่ในช่วงไม่กี่ปีมานี้ ผมมีส่วนร่วมมากขึ้นในการสำรวจการใช้ AI และเทคโนโลยีใหม่อื่นๆ เพื่อการวิจัยทางคณิตศาสตร์ และการวิจัยทางวิทยาศาสตร์ในความหมายกว้าง เมื่อเร็วๆ นี้ ผมและนักวิทยาศาสตร์รวมถึงผู้ให้ทุนหลายท่านได้ร่วมกันก่อตั้ง SAIR ซึ่งเป็นมูลนิธิใหม่ที่มีเป้าหมายสนับสนุน “AI for Science” สำรวจวิธีการบูรณาการเทคโนโลยีใหม่เหล่านี้เข้ากับกระบวนการวิจัยทางวิทยาศาสตร์ ในอีกไม่กี่วันข้างหน้า เราจะจัดงานเปิดตัวครั้งแรกที่สถาบันวิทยาศาสตร์คณิตศาสตร์ (IPAM) มหาวิทยาลัยแคลิฟอร์เนีย ลอสแอนเจลิส
ผู้สัมภาษณ์: หลายคนอาจจะถามว่า อะไรที่ทำให้คุณตัดสินใจร่วมก่อตั้ง SAIR?
เทอร์รี เต๋า: นี่เป็นผลจากหลายปัจจัยร่วมกัน ในช่วงไม่กี่ปีที่ผ่านมา ผมเชื่อมั่นมากขึ้นเรื่อยๆ ว่าเทคโนโลยีเหล่านี้พร้อมที่จะเปลี่ยนแปลงวิทยาศาสตร์แล้ว และเราต้องเตรียมพร้อมที่จะนำมาใช้ ในเวลาเดียวกัน เราต้องเรียนรู้วิธีใช้อย่างถูกต้อง และหลีกเลี่ยงวิธีการใช้ที่ผิด การนำ AI เข้าสู่งานวิจัยมีเส้นทางที่ผิดพลาดมากมาย เส้นทางที่ถูกต้องมีน้อยกว่า ดังนั้นจึงต้องระมัดระวัง วงการวิชาการจำเป็นต้องมีส่วนร่วมอย่างลึกซึ้ง ไม่ใช่รอให้บริษัทเทคโนโลยีออกผลิตภัณฑ์แล้วค่อยนำมาใช้ เราต้องมีปฏิสัมพันธ์ สำรวจความต้องการที่แท้จริง และทำความเข้าใจว่าสาขาวิทยาศาสตร์ใดเหมาะกับ AI และสาขาใดยังคงเหมาะกับวิธีการดั้งเดิมของมนุษย์
โดยเฉพาะอย่างยิ่งในปีที่ผ่านมา สภาพแวดล้อมด้านเงินทุนมีความไม่แน่นอนอย่างมาก ตัวอย่างเช่น IPAM ที่ผมทำงานอยู่ เคยหยุดให้ทุนชั่วคราว โครงการหลายโครงการที่วางแผนไว้เผชิญกับความไม่แน่นอน ช่วงเวลานั้นบังคับให้เราต้องมองหาแหล่งเงินทุนใหม่ สร้างความสัมพันธ์กับนักลงทุนและพันธมิตรรายใหม่ ในแง่หนึ่ง ช่วงเวลายุ่งเหยิงนี้ก็นำโอกาสใหม่มาด้วย ตอนนี้ IPAM มีโครงการใหม่มากมาย รวมถึงความร่วมมือครั้งนี้ด้วย
ความน่าเชื่อถือของ AI เป็นปัญหาใหญ่ แต่คณิตศาสตร์เป็นข้อยกเว้น
ผู้สัมภาษณ์: สำหรับคณิตศาสตร์แล้ว AI ดูทรงพลังเป็นพิเศษหรือไม่?
เทอร์รี เต๋า: ศักยภาพนั้นโดดเด่นชัดเจน AI สมัยใหม่ โดยเฉพาะโมเดลภาษาขนาดใหญ่ มีจุดอ่อนที่ชัดเจน: พวกมันไม่ได้หยั่งรากลึกในความเป็นจริงจริงๆ บางครั้งให้คำตอบที่ดีมาก บางครั้งก็ผิดพลาดโดยสิ้นเชิง พวกมันโดยพื้นฐานแล้วกำลังทำการจับคู่ทางสถิติ ไม่ใช่การเข้าใจอย่างแท้จริง ดังนั้น ในหลายสาขา ผลการประยุกต์ใช้ AI ไม่เป็นไปตามที่คาดหวังในตอนแรก ความน่าเชื่อถือเป็นปัญหา
แต่คณิตศาสตร์เกือบจะเป็นข้อยกเว้น เพราะเรามีกลไกการตรวจสอบที่พัฒนามาอย่างดี ให้การพิสูจน์ทางคณิตศาสตร์มา เราสามารถตรวจสอบว่าถูกต้องหรือไม่ตามกฎตรรกะและกฎทางคณิตศาสตร์ ตอนนี้สามารถทำได้ด้วยคอมพิวเตอร์ด้วย ผู้ช่วยพิสูจน์แบบฟอร์มัลสามารถตรวจสอบได้โดยอัตโนมัติ กลไกนี้ในระดับหนึ่ง “จำกัด” AI ทำให้มันพูดพล่อยๆ ได้ยากขึ้น คณิตศาสตร์มีโอกาสมากกว่าในการกรองวิธีการใช้ที่แย่ และรักษาวิธีการใช้ที่มีประสิทธิภาพไว้ แน่นอนว่าไม่ใช่เนื้อหาคณิตศาสตร์ทั้งหมดที่สามารถตรวจสอบแบบฟอร์มัลได้ การเสนอข้อคาดการณ์ใหม่หรืออธิบายแนวคิด AI อาจยังไม่ถนัด แต่อย่างน้อยในบางสาขา ศักยภาพก็ยิ่งใหญ่
AI ยังไม่เก่งในการเสนอข้อคาดการณ์ใหม่ ส่วนที่มีคุณค่าจริงๆ มีน้อย
ผู้สัมภาษณ์: ด้วยการพัฒนาของโปรแกรมตรวจสอบ ในอนาคตอาจมีระบบแบบนี้: AI สร้างความคิดอย่างต่อเนื่อง พร้อมกับตรวจสอบโดยโปรแกรม จึงสร้างผลงานใหม่ โดยไม่จำกัดอยู่แค่แผนที่กำหนดไว้?
เทอร์รี เต๋า: นี่คือเป้าหมายแน่นอน ปัจจุบัน AI สร้างความคิดต่างๆ ซึ่งมีเพียงส่วนน้อยที่มีคุณค่าจริงๆ เรายังไม่สามารถตรวจสอบ “ความคิด” นั้นได้โดยตรงในตอนนี้ อย่างไรก็ตาม สามารถอ้างอิงวิธีการทางฟิสิกส์หรือเคมีได้ นักฟิสิกส์เสนอสมมติฐานแล้วรวบรวมหลักฐานผ่านการทดลอง แม้ไม่ใช่การพิสูจน์ที่เข้มงวด แต่ก็สามารถเพิ่มหรือลดความมั่นใจในสมมติฐานได้
ผมมองเห็นว่าคณิตศาสตร์ในอนาคตจะมีองค์ประกอบการทดลองมากขึ้น คณิตศาสตร์ในปัจจุบันเกือบจะเป็นทฤษฎีทั้งหมด แต่ AI สามารถเสนอสมมติฐาน และอาจออกแบบการทดลองเพื่อทดสอบพวกมันได้ ตัวอย่างเช่น เสนอว่าสูตรบางสูตรเป็นจริงสำหรับจำนวนธรรมชาติทั้งหมด สามารถทดสอบกรณีตัวเลขหลายกรณี ตรวจสอบความเข้ากันได้กับผลลัพธ์ที่มีอยู่ในวรรณกรรม การประยุกต์ใช้ประเภทนี้ยังอยู่ในระยะเริ่มต้น เพราะเรายังขาดกลไกการตรวจสอบที่สมบูรณ์ เมื่อความเข้าใจของเราต่อ AI เป็นผู้ใหญ่ขึ้น ผมสามารถจินตนาการรูปแบบนี้จะปรากฏขึ้นได้ แต่อาจต้องใช้เวลาประมาณสิบปี
การแบ่งงานระหว่าง AI กับมนุษย์
ผู้สัมภาษณ์: สิบปีฟังดูไม่นานเกินไป
เทอร์รี เต๋า: ความก้าวหน้าจริงๆ เร็วกว่าที่ผมคาดไว้ บางคนเคยคาดหวังสูงมากกับ AI คิดว่านักคณิตศาสตร์หรือนักวิทยาศาสตร์จะถูกแทนที่ในไม่ช้า ความจริงไม่เป็นเช่นนั้น อย่างไรก็ตาม AI ได้พิสูจน์ทฤษฎีบทบางอย่างที่ยังไม่เคยได้รับการพิสูจน์มาก่อน โดยทั่วไปผ่านวิธีการที่มีอยู่ และยังค้นพบรูปแบบที่เราไม่เคยสังเกตเห็นมาก่อน มันยังไม่น่าเชื่อถือพอ แต่ศักยภาพก็เห็นได้ชัด 关键在于研究如何正确使用它。
ผู้สัมภาษณ์: AI ถนัดงานซ้ำๆ ที่มีโครงสร้าง มันช่วยประหยัดเวลา ทำให้เราโฟกัสกับส่วนที่สร้างสรรค์มากขึ้น
เทอร์รี เต๋า: ใช่แล้ว AI กับมนุษย์แตกต่างกัน บางทีชื่อ “ปัญญาประดิษฐ์” ทำให้รู้สึกว่ามันจะมาแทนที่มนุษย์ แต่มนุษย์ไม่ชอบงานที่ซ้ำซากสูง ตัวอย่างเช่น ในคณิตศาสตร์ ถ้าให้คนแก้ปัญหาที่คล้ายกันหนึ่งพันข้อ เขาอาจแก้สองสามข้อแรก ที่เหลือก็ไม่อยากทำแล้ว การมอบ 998 ข้อนั้นให้ AI เป็นการแบ่งงานตามธรรมชาติ โหมดที่สมเหตุสมผลกว่าในระยะสั้นคือ: มนุษย์เสนอแนวคิด ให้ขั้นตอนและทิศทางเบื้องต้น จากนั้นให้ AI ขยายรายละเอียดและทำงานหนัก นี่จะเร่งกระบวนการที่มีอยู่ได้อย่างมาก
วิธีทำให้ AI หยุดพูดพล่อยๆ: การตรวจสอบแบบฟอร์มัล
ผู้สัมภาษณ์: สุดท้ายแล้ว มันเป็นเครื่องมือที่ใช้เพื่อทำให้กระบวนการง่ายขึ้น แต่เมื่อ AI ให้คำอธิบายที่ดูเหมือนสุ่ม เราควรรับมืออย่างไร?
ผู้สัมภาษณ์: เมื่อ AI ให้คำอธิบายที่ดูสมเหตุสมผล แต่จริงๆ แล้วอาจเป็นการพูดพล่อยๆ เราควรทำอย่างไร? หลายครั้งเนื้อหาที่มันสร้างขึ้นมาดูเหมือนถูกต้อง แต่ทนต่อการตรวจสอบไม่ได้ คุณคิดว่าควรปรับปรุงอย่างไร?
เทอร์รี เต๋า: ในคณิตศาสตร์ วิธีที่มีประสิทธิภาพที่สุดในปัจจุบันคือการตรวจสอบแบบฟอร์มัล AI สร้างข้อโต้แย้งภาษาธรรมชาติก่อน ข้อโต
⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง
本文来自网络搜集，不代表คลื่นสร้างอนาคต立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/th/archives/22970