ก่อนไปรู้จัก AGI เรามาทบทวนความเข้าใจเบื้องต้นก่อนว่า AI คืออะไร
AI (Artificial Intelligence หรือ ปัญญาประดิษฐ์) คือ เทคโนโลยีที่ทำให้คอมพิวเตอร์สามารถเลียนแบบกระบวนการคิด การเรียนรู้ และการตัดสินใจของมนุษย์ โดยใช้ อัลกอริทึม (Algorithms) และ โมเดลการเรียนรู้ของเครื่อง (Machine Learning, ML)
AI แบ่งออกเป็น 3 ระดับหลักๆ ตามความสามารถ ดังนี้:
1. Narrow AI (ANI – Artificial Narrow Intelligence)
✅ AI เฉพาะทาง ที่ทำงานได้เพียงอย่างเดียวหรือในขอบเขตจำกัด เช่น
- Chatbot (เช่น Siri, Google Assistant)
- ระบบแนะนำวิดีโอ YouTube
- AI ตรวจจับใบหน้าในมือถือ
💡 ข้อจำกัด: ไม่สามารถทำสิ่งที่อยู่นอกเหนือจากที่ถูกออกแบบมา
2. General AI (AGI – Artificial General Intelligence): คือที่กำลังจะนำเสนอในครั้งนี้
✅ AI ระดับมนุษย์ ที่สามารถคิด วิเคราะห์ และปรับตัวได้ในทุกสถานการณ์ เช่น
- คิดเองได้เหมือนมนุษย์
- เข้าใจภาษาและความหมายได้ลึกซึ้ง
- ตัดสินใจโดยอิงจากประสบการณ์
💡 สถานะปัจจุบัน: ถึงจะยังอยู่ในขั้นตอนการวิจัยและพัฒนา แต่มีแนวโน้มการใช้งานในอนาคนเป็นไปได้สูง
3. Super AI (ASI – Artificial Super Intelligence)
✅ AI ที่เก่งกว่ามนุษย์ทุกด้าน
- มีความสามารถเหนือกว่ามนุษย์ในทุกเรื่อง
- อาจพัฒนาอารมณ์ ความคิดสร้างสรรค์ หรือสัญชาตญาณ
💡 ยังไม่มีอยู่จริง และยังเป็นแนวคิดในอนาคต
AGI คืออะไร?
AGI (Artificial General Intelligence) คือระบบปัญญาประดิษฐ์ที่มีความสามารถระดับใกล้เคียงมนุษย์ สามารถเรียนรู้และเข้าใจงานต่างๆ ได้อย่างกว้างขวาง คิดวิเคราะห์ ตีความ และแก้ปัญหาได้หลายด้านโดยไม่จำกัดเฉพาะงานที่ได้รับการระบุไว้ตั้งแต่แรก ต่างกับ AI ทั่วไปที่เป็นแบบ Narrow AI คือเน้นทำงานแบบเฉพาะเจาะจง เช่น Siri, Alexa, AI ที่ใช้ในรถยนต์ขับเคลื่อนอัตโนมัติ, AI จดจำใบหน้า หรือ AI วิเคราะห์ข้อมูลจำนวนมาก ในขณะที่ AGI ตั้งเป้าจะทำทุกอย่างที่มนุษย์ทำได้ มีสติปัญญาครบถ้วนรอบด้าน ซึ่งยังอยู่ในขั้นวิจัยและพัฒนาในปัจจุบัน
แนวโน้มการใช้งาน AGI ในอนาคตที่เป็นไปได้สูง จึงควรเตรียมตัวดังนี้:
1. การวางแผนและออกแบบระบบ
- ระบุปัญหาและงานที่ต้องการให้ AGI ช่วยแก้ไข เช่น การบริหารงานอัตโนมัติ การวิเคราะห์ข้อมูลขนาดใหญ่ ประมวลผลข้อมูลจำนวนมากเพื่อหาแนวโน้มและรูปแบบที่มนุษย์อาจมองข้าม หรือการปรับปรุงประสบการณ์ลูกค้า
- เข้าใจความต้องการของผู้ใช้ได้จากข้อมูลที่ส่งมา เช่น ข้อความ รูปภาพ หรือเสียง เพื่อให้สามารถฝึกระบบและขัดเกลาการทำงานให้แม่นยำ
2. การฝึกและเรียนรู้ของระบบ
- การเรียนรู้ที่นับไม่ถ้วน (Lifelong Learning): AGI จะสามารถเรียนรู้และรวมความรู้จากข้อมูลต่างๆ ที่ได้รับตลอดเวลา
- ใช้เทคนิค Machine Learning, Deep Learning และ Reinforcement Learning เพื่อให้ระบบสามารถเรียนรู้จากข้อมูลมากมายและมีการปรับตัวตามบริบท
- มีการประเมินผลและปรับแต่งโมเดลอย่างต่อเนื่องเพื่อตรวจสอบความถูกต้องและความเป็นไปได้ในการประยุกต์ใช้งานจริง
3. การรวม AGI เข้ากับโครงสร้างองค์กร
- พัฒนาระบบ API หรือ Interface เพื่อให้ AGI สามารถเชื่อมต่อกับระบบต่าง ๆ ภายในองค์กร (เช่น CRM, ERP, Email, ปฏิทิน)
- มีส่วนของการยืนยัน (human in the loop) ในกระบวนการที่สำคัญ เช่น การอนุมัติงานที่มีความเสี่ยงสูง
ในอนาคต AGI จะเหมาะกับองค์กรที่ต้องการ:
- การแก้ปัญหาที่ซับซ้อน:องค์กรที่เผชิญกับปัญหาที่ซับซ้อนและต้องการวิธีแก้ปัญหาที่รวดเร็วและมีประสิทธิภาพ
- นวัตกรรมและการสร้างสรรค์:องค์กรที่ต้องการสร้างสรรค์ผลิตภัณฑ์หรือบริการใหม่ๆ และต้องการเครื่องมือที่จะช่วยในการสำรวจความเป็นไปได้ใหม่ๆ
- องค์กรที่ต้องการ automation ระดับสูง:องค์กรที่ต้องการลดต้นทุนและเพิ่มประสิทธิภาพโดยการทำงานอัตโนมัติในกระบวนการต่างๆ ปรับใช้ AGI ในการประสานงาน จัดการงานหรือ meeting และช่วยจัดการข้อมูลเอกสารภายใน ทั้งนี้ยังสามารถใช้ AGI ตอบคำถามลูกค้า, จัดการตารางการนัดหมาย และการสื่อสารข้ามช่องทาง
- การวิเคราะห์ข้อมูลขนาดใหญ่มหาศาล:องค์กรที่ต้องการวิเคราะห์ข้อมูลขนาดใหญ่เพื่อหาข้อมูลเชิงลึกและปรับปรุงการตัดสินใจ เช่น financial services, retail หรือ healthcare สามารถใช้ AGI ในการวิเคราะห์ข้อมูล, คาดการณ์แนวโน้มตลาด และบริการลูกค้าด้วย Chatbot ที่มีความฉลาด
การใช้งานที่จะเกิดประโยชน์สูงสุด
- งาน routine, ธุรการ, admin เช่น calendar management, email management
- วิเคราะห์ข้อมูลเชิงลึกที่ซับซ้อนและปริมาณมาก
- automation ระบบ chat, customer support ระบบเรียลไทม์ต่างๆ
- ระบบการทำงานภายในร่วมกับ AI เช่น accounting หรือ finance ที่มีรูปแบบชัดเจน
How to จัดการกับ Intent AGI:
AI ต้องเข้าใจผู้ใช้อย่างถูกต้อง (Intent) เพราะการทำความเข้าใจความตั้งใจของมนุษย์นั้นซับซ้อนกว่าการประมวลผลข้อมูลดิบมาก เราต้องพิจารณาบริบท อารมณ์ ความสัมพันธ์ และความรู้พื้นฐานของผู้ใช้งานด้วย
แนวทางที่สามารถนำไปปรับใช้ได้:
1. Context is King (and Queen):
- ประวัติการสนทนา (Conversation History): AI ต้องเก็บและวิเคราะห์ประวัติการสนทนาทั้งหมด เพื่อเข้าใจว่าผู้ใช้กำลังพูดถึงอะไรในตอนนี้ ไม่ใช่แค่คำพูดล่าสุด
- ข้อมูลส่วนตัวผู้ใช้ (User Profile): AI ต้องรู้ข้อมูลพื้นฐานของผู้ใช้ เช่น อายุ เพศ ความสนใจ อาชีพ เพื่อคาดเดาความตั้งใจได้แม่นยำขึ้น
- ข้อมูลเชิงพื้นที่และเวลา (Location & Time): AI ต้องรู้ว่าผู้ใช้อยู่ที่ไหนและเวลาอะไร เพราะบริบทเหล่านี้มีผลต่อความตั้งใจ (intent) เช่น “นัดวันพรุ่งนี้” อาจหมายถึงนัดทานข้าวเย็นถ้านี่คือคู่รัก แต่หมายถึงนัดประชุมถ้าเป็นเพื่อนร่วมงาน
- ความสัมพันธ์ (Relationship): AI ต้องรู้ว่าผู้ใช้มีความสัมพันธ์แบบไหนกับคนที่เขาพูดถึง เช่น “แฟน” “เพื่อนร่วมงาน” “ลูกค้า” เพื่อตีความเจตนาได้ถูกต้อง
2. AI ต้อง “ฉลาด” ในการถามคำถาม:
- Clarification (ถามเพื่อความกระจ่าง): ถ้า AI ไม่แน่ใจ ให้ถามกลับไปตรงๆ ว่า “คุณต้องการให้ฉันทำอะไรกับรูปอาหารนี้? จดแคลอรี่ เซฟ หรือโพสต์ลงเฟซบุ๊ค?”
- Multiple Choice (ตัวเลือก): เสนอตัวเลือกที่เป็นไปได้ให้ผู้ใช้เลือก เช่น “เมื่อคุณบอกว่า ‘มีนัดวันพรุ่งนี้’ คุณต้องการให้ฉัน: a) ใส่ลงปฏิทิน b) โทรนัด c) เตรียมข้อมูล”
- Open-ended Question (คำถามปลายเปิด): ถามคำถามที่เปิดโอกาสให้ผู้ใช้ตอบได้อย่างอิสระ เช่น “คุณอยากให้ฉันจัดการกับเรื่องนี้ยังไง?”
3. Fine-tuning Models:
- Reinforcement Learning from Human Feedback (RLHF): ใช้เทคนิค RLHF เพื่อให้ AI เรียนรู้จากคำติชมของมนุษย์ เมื่อ AI ทำผิดพลาด ให้ผู้ใช้แก้ไข และให้ AI เรียนรู้จากข้อผิดพลาดนั้น
- Dataset Augmentation (เพิ่มชุดข้อมูล): สร้างชุดข้อมูลที่หลากหลายและครอบคลุมมากขึ้น รวมถึงข้อมูลจำลองสถานการณ์ต่างๆ ที่ซับซ้อน เพื่อให้ AI ได้ฝึกฝนมากขึ้น
4. AI ต้อง “ฟัง” มากกว่า “พูด”:
- Active Listening: AI ต้องแสดงให้เห็นว่ากำลังฟังและเข้าใจสิ่งที่ผู้ใช้พูด เช่น “ฉันเข้าใจว่าคุณต้องการให้ฉัน…” หรือ “ถ้าฉันเข้าใจไม่ผิด คุณหมายถึง…”
- Emotional Intelligence (EI): AI ต้องพยายามตรวจจับอารมณ์ของผู้ใช้จากน้ำเสียงหรือคำพูด เพื่อตอบสนองได้อย่างเหมาะสม
How to จัดการกับ Execution:
การไว้วางใจให้ AI ทำงานสำคัญๆ แทนเราทั้งหมดนั้นต้องใช้เวลา และต้องมีระบบที่รัดกุม
1. Human-in-the-Loop (HITL) is Key:
- Review and Approval: กำหนดให้ AI ทำงานเบื้องต้น แต่ต้องมีมนุษย์ตรวจสอบและอนุมัติก่อนดำเนินการจริง โดยเฉพาะงานที่เกี่ยวข้องกับการเงิน สุขภาพ หรือข้อมูลส่วนบุคคล
- Escalation Mechanism: สร้างกลไกให้ AI ส่งต่อ (escalate) งานที่ซับซ้อนหรือมีความเสี่ยงสูงให้มนุษย์จัดการ
- Feedback Loop: สร้างระบบให้มนุษย์สามารถให้ Feedback กับ AI ได้อย่างง่ายดาย เพื่อให้ AI เรียนรู้และปรับปรุงประสิทธิภาพ
2. Gradual Automation:
- เริ่มจากงานที่ไม่สำคัญ: เริ่มจากการให้ AI ทำงานที่ไม่กระทบต่อความเสี่ยงมากนัก เช่น การตอบคำถามทั่วไป การจัดตารางนัดหมาย
- ค่อยๆ เพิ่มความซับซ้อน: เมื่อมั่นใจในความสามารถของ AI แล้ว ค่อยๆ มอบหมายงานที่ซับซ้อนมากขึ้น เช่น การร่างอีเมล การวิเคราะห์ข้อมูลเบื้องต้น
3. Transparency and Explainability:
- Make AI’s Decisions Transparent: พยายามทำให้ AI อธิบายเหตุผลในการตัดสินใจได้ เพื่อให้มนุษย์เข้าใจว่า AI คิดอย่างไร และตัดสินใจได้ว่าจะเชื่อถือหรือไม่
- Build Trust Through Explainability: AI ควรมีความสามารถในการอธิบายว่ามันทำงานอย่างไร และเหตุผลของการตัดสินใจคืออะไร สิ่งนี้จะช่วยสร้างความไว้วางใจให้กับผู้ใช้งาน
4. Security and Privacy by Design:
- Data Encryption: เข้ารหัสข้อมูลที่ AI ใช้และประมวลผล เพื่อป้องกันการเข้าถึงโดยไม่ได้รับอนุญาต
- Access Control: จำกัดการเข้าถึงข้อมูลและระบบ AI ให้เฉพาะผู้ที่ได้รับอนุญาต
- Regular Security Audits: ตรวจสอบระบบ AI เป็นประจำ เพื่อหารูรั่วและแก้ไข
ข้อควรระวัง**
- ความเสี่ยงด้านจริยธรรมและความปลอดภัย: หาก AGI พัฒนาเกินกว่าที่ควบคุมได้อาจถูกใช้ในทางที่ผิด ทำให้เกิดผลกระทบที่ไม่คาดฝัน เช่น การสร้างอาวุธหรือการโจมตีทางไซเบอร์ การทำลายงานมนุษย์ สร้างความไม่เท่าเทียมกัน หรือในกรณีเลวร้ายที่สุดอาจทำให้เกิดอันตรายต่อมนุษย์จากการเข้าถึงข้อมูลจำนวนมาก
- การควบคุม AI: จำเป็นต้องมีระบบที่มั่นใจว่า AGI จะปฏิบัติตามกฎที่ระบุไว้ และไม่กระทำสิ่งที่เป็นอันตราย
- การใช้งานอย่างมีจริยธรรม: จำเป็นต้องคำนึงถึงการใช้งาน AGI อย่างมีจริยธรรมและมีความรับผิดชอบต่อสังคม
- การถูกแทนที่โดย AGI: บางคนอาจเสียงานเนื่องจากงานบางอย่างสามารถทำได้ดีกว่าโดย AGI
บทสรุปและคำแนะนำเพิ่มเติม
- AGI เป็นแนวทางและเป้าหมายของการพัฒนาระบบ AI ที่มีความยืดหยุ่นและสามารถเรียนรู้ได้หลากหลายบริบท แต่การนำไปใช้ในทางปฏิบัติต้องผนวกกับการกำหนดความรับผิดชอบและการควบคุมโดยมนุษย์ในกระบวนการตัดสินใจที่สำคัญ
- ในการออกแบบระบบ AGI ควรคำนึงถึงเรื่องการตีความ “Intent” ที่ชัดเจน โดยใช้เทคโนโลยี NLU [ความเข้าใจภาษาธรรมชาติ (Natural Language Understanding) เป็นส่วนย่อยของ NLP (Natural Language Processing) ที่เน้นการวิเคราะห์ความหมายที่อยู่เบื้องหลังประโยคNLU ช่วยให้ซอฟต์แวร์สามารถค้นหาความหมายที่คล้ายกันในประโยคต่างๆ หรือเพื่อประมวลคำที่มีความหมายต่างกัน การสร้างภาษาธรรมชาติ] และการถามคำถามเพื่อความชัดเจน และนำบริบทของผู้ใช้งานเป็นส่วนหนึ่งของการตัดสินใจ
- สำหรับการ Execution ควรแบ่งบทบาทให้ AGI ทำงานเป็นเครื่องมือช่วยเหลือในกระบวนการ ก่อนที่จะมีการตัดสินใจขั้นสุดท้ายโดยมนุษย์ ยิ่งในงานที่มีความเสี่ยงสูงหรือเกี่ยวกับความปลอดภัยและจริยธรรม ควรมีการตรวจสอบเพิ่มเติม
- องค์กรที่ต้องการนวัตกรรมแต่ยังคงความปลอดภัยที่สูง เช่น สถาบันการเงิน ด้านการแพทย์ หรือบริการลูกค้าที่ซับซ้อน สามารถนำ AGI ไปประยุกต์ใช้งานในส่วนที่ต้องการการวิเคราะห์ข้อมูล การประสานงาน หรือเป็นผู้ช่วยในการตัดสินใจ โดยคำนึงถึงการมี feedback loop และการอนุมัติการตัดสินใจสุดท้ายโดยมนุษย์
- แนะนำให้เริ่มต้นด้วย Proof-of-Concept (POC) ก่อนนำไปใช้งานจริงในระบบที่มีความเสี่ยง เพื่อทดสอบและปรับปรุงความแม่นยำในการใช้งาน พร้อมทั้งรวบรวมข้อคิดเห็นและปรับปรุงระบบต่อเนื่อง
- สิ่งสำคัญคือ อย่าคาดหวัง AI จะสมบูรณ์แบบเสมอในปัจจุบันและอนาคตอันใกล้ ให้ค่อยๆทดลอง ปรับจูน และเรียนรู้ไปด้วยกัน โดยเน้นขั้นตอนในการเปิดโอกาสให้มนุษย์ตรวจสอบหรืออนุมัติก่อนลงมือจริงในงานที่สำคัญที่สุด วิธีนี้จะช่วยให้ใช้งาน AGI และ AI อย่างได้ผลประโยชน์สูงสุด ปลอดภัยที่สุด และตรงตามเป้าหมายที่ทุกคนในองค์กรต้องการ
โปรดจำไว้ว่า AGI ไม่ใช่เวทมนตร์ แต่เป็นเครื่องมือที่มีศักยภาพมหาศาล การใช้งาน AGI อย่างชาญฉลาดและมีความรับผิดชอบจะช่วยให้องค์กรและสังคมก้าวไปข้างหน้าได้อย่างยั่งยืน
สามารถทักมาคุยกับเราได้ที่ Davoy.tech มาช่วยกันวางแผนให้เราได้ใช้ AGI ที่มีประสิทธิภาพในอนาคตอันใกล้กัน