ข้อสรุปสำคัญ:ปัญญาประดิษฐ์ในปัจจุบันถูกกำหนดโดยความเป็นจริงสองประการที่เกิดขึ้นพร้อมกัน: ความก้าวหน้าอันน่าทึ่งในด้านวิทยาศาสตร์ การให้เหตุผล และความเข้าใจแบบหลายมิติ และข้อบกพร่องที่ยังคงมีอยู่และแก้ไขไม่ได้ในเรื่องการหลงผิดและอคติ โมเดลอย่าง GPT 4, AlphaFold และ Gemini สามารถทำได้ดีกว่ามนุษย์ในการสอบระดับมืออาชีพและทำนายโครงสร้างโปรตีนได้ แต่พวกมันก็ยังคงสร้างข้อเท็จจริงขึ้นมาด้วยความมั่นใจที่น่าตกใจและขยายอคติทางสังคม สถานะที่แท้จริงของปัญญาประดิษฐ์ไม่ใช่ผลิตภัณฑ์ที่เสร็จสมบูรณ์แล้ว แต่เป็นเครื่องมือดิบที่มีพลังมหาศาลซึ่งต้องได้รับการจัดการด้วยความทะเยอทะยานและความระมัดระวังอย่างเท่าเทียมกัน

ปัญหาเรื้อรังของภาพหลอนที่เกิดจากปัญญาประดิษฐ์
เทคนิคต่างๆ เช่น การสร้างภาพซ้อนด้วยการค้นหาข้อมูล (RAG) และการจัดเรียงที่แม่นยำยิ่งขึ้น ช่วยลดอัตราการเกิดภาพซ้อนลงได้ แต่ยังไม่มีทีมใดที่สามารถกำจัดปัญหานี้ได้อย่างสมบูรณ์ สำหรับสาขาที่มีความเสี่ยงสูง เช่น กฎหมาย การดูแลสุขภาพ และวารสารศาสตร์ ปัญหานี้ยังคงเป็นอุปสรรคสำคัญต่อการใช้งานแบบอัตโนมัติอย่างเต็มรูปแบบ
อคติแฝง: ผีในข้อมูลฝึกฝน
อคติใน AI เกิดจากข้อมูลการฝึกฝนที่สะท้อนถึงอคติของมนุษย์ที่สั่งสมมาหลายศตวรรษ การศึกษาครั้งสำคัญในปี 2018 โดยนักวิจัยจาก MIT อย่าง Joy Buolamwini และ Timnit Gebru แสดงให้เห็นว่าระบบวิเคราะห์ใบหน้าเชิงพาณิชย์มีอัตราความผิดพลาดสูงถึง 34% สำหรับผู้หญิงผิวคล้ำ เมื่อเทียบกับต่ำกว่า 1% สำหรับผู้ชายผิวขาว การวิจัยล่าสุดจากศูนย์วิจัยแบบจำลองพื้นฐานของมหาวิทยาลัยสแตนฟอร์ดพบว่าแบบจำลองภาษาที่เป็นที่นิยมเชื่อมโยงกลุ่มประชากรบางกลุ่มกับอัตราการก่ออาชญากรรมและความรู้สึกเชิงลบที่สูงขึ้น แม้ว่าข้อความนั้นจะไม่มีการกล่าวถึงอัตลักษณ์อย่างชัดเจนก็ตาม
อคติเหล่านี้ไม่ได้เกิดขึ้นโดยเจตนา แต่เกิดจากการซึมซับข้อความบนอินเทอร์เน็ตที่ไม่สม่ำเสมอซึ่งใช้ในการฝึกอบรม เทคนิคต่างๆ เช่น การเรียนรู้แบบเสริมแรงจากข้อเสนอแนะของมนุษย์ (RLHF) และ AI ตามรัฐธรรมนูญ ได้ลดความเป็นพิษที่เห็นได้ชัดบางส่วนลง แต่แบบแผนที่ฝังแน่นและละเอียดอ่อนกว่ายังคงอยู่ เมื่อระบบ AI มีอิทธิพลต่อการจ้างงาน การให้สินเชื่อ และการบังคับใช้กฎหมายมากขึ้นเรื่อยๆ การแก้ไขปัญหา “เงาในข้อมูล” นี้จึงกลายเป็นประเด็นสำคัญเร่งด่วนทางจริยธรรม

ความก้าวหน้าครั้งสำคัญที่ขับเคลื่อนความก้าวหน้าอย่างแท้จริง
ถึงแม้จะมีข้อบกพร่องอยู่บ้าง แต่ความก้าวหน้าทางด้านปัญญาประดิษฐ์ที่เกิดขึ้นเมื่อเร็ว ๆ นี้ถือเป็นประวัติศาสตร์อย่างแท้จริง
• การค้นพบทางวิทยาศาสตร์: AlphaFold2 ของ DeepMind สามารถทำนายโครงสร้างสามมิติของโปรตีนได้มากกว่า 200 ล้านชนิด ซึ่งวารสาร Science ยกให้เป็น "ความก้าวหน้าแห่งปี" และกำลังเร่งการค้นพบยาและการวิจัยโรคต่างๆ
• ความเชี่ยวชาญแบบหลายรูปแบบ:โมเดลอย่าง GPT 4o, Gemini 1.5 Pro และ Claude 3 สามารถใช้เหตุผลได้อย่างคล่องแคล่วกับข้อความ รูปภาพ วิดีโอ และเสียง ทำให้สามารถสอบผ่านการสอบเนติบัณฑิต การสอบใบอนุญาตประกอบวิชาชีพแพทย์ และการแข่งขันเขียนโปรแกรมขั้นสูง ซึ่งมักอยู่ในกลุ่มเปอร์เซ็นต์สูงสุดของประสิทธิภาพของมนุษย์
• การให้เหตุผลและการวางแผน:การนำแนวคิด "ลำดับความคิด" และโมเดลต่างๆ เช่น o1 series ของ OpenAI มาใช้ ทำให้ AI สามารถแบ่งปัญหาที่ซับซ้อนออกเป็นขั้นตอนเชิงตรรกะ ซึ่งช่วยปรับปรุงประสิทธิภาพในการทดสอบมาตรฐานทางคณิตศาสตร์และวิทยาศาสตร์ได้อย่างมาก
• เพิ่มประสิทธิภาพการทำงาน:จากการศึกษาที่ GitHub ว่าจ้างจัดทำ พบว่า GitHub Copilot ซึ่งมีนักพัฒนาใช้งานกว่า 1.5 ล้านคน ช่วยให้นักพัฒนาสามารถทำงานให้เสร็จเร็วขึ้นถึง 55% ซึ่งบ่งชี้ถึงผลกระทบทางเศรษฐกิจในระยะสั้นอย่างแท้จริง
การสำรวจสถานการณ์จริงของปัญญาประดิษฐ์
ปัญญาประดิษฐ์ (AI) ในปัจจุบันไม่ใช่ทั้งสิ่งมหัศจรรย์อย่างที่โฆษณาเกินจริง หรือตัวร้ายในนิยายดิสโทเปีย แต่เป็นสิ่งมหัศจรรย์ทางวิศวกรรมที่มีข้อบกพร่องที่ทราบและบันทึกไว้แล้ว ดังที่กฎหมาย AI ของสหภาพยุโรปและคำสั่งบริหารของสหรัฐฯ เกี่ยวกับ AI ชี้ให้เห็นว่า การกำกับดูแลกำลังเร่งพัฒนาให้ทันกับความสามารถ ภารกิจของนักวิจัย บริษัท และรัฐบาล คือการรักษาระดับความเร็วของการค้นพบใหม่ๆ ในขณะเดียวกันก็สร้างกลไกป้องกันที่ควบคุมความเข้าใจผิดและแก้ไขอคติ ดังนั้น สถานะที่แท้จริงของ AI จึงอยู่ในภาวะตึงเครียดอย่างยิ่ง: เปราะบางและผิดพลาดได้ แต่ก็ปฏิเสธไม่ได้ว่าสามารถเปลี่ยนแปลงโลกได้



