โดยเริ่มจากเอไอที่เน้นใช้สัญลักษณ์และทำงานตามกฎตายตัว แต่เอไอรูปแบบดังกล่าวก็มีข้อจำกัดอยู่หลายข้อ เพราะเหมาะในการใช้ทำงานเฉพาะในส่วนที่มีกฎชัดเจนตายตัวสำหรับการแก้ปัญญาตามสถานการณ์เฉพาะได้เท่านั้น โดยการพัฒนาได้ก้าวกระโดดอย่างรวดเร็วด้วยการคิดค้นโปรแกรมที่สามารถเรียนเองได้ตั้งแต่ช่วงปี 1980

การเรียนรู้ทางเครื่องจักรหมายถึงการที่คอมพิวเตอร์เครื่องหนึ่งจะสามารถเรียนรู้จากตัวอย่างและประสบการณ์ต่างๆ เพื่อตัดสินใจกระทำการใดกระทำการหนึ่งได้ โดยไม่จำเป็นต้องลงโปรแกรมเพิ่มเพื่อแก้ปัญหาใดปัญหาหนึ่งโดยเฉพาะ ชุดคำสั่งอัลกอริธึมเฉพาะทางจะเรียนรู้จากข้อมูลตัวอย่างและพัฒนารูปแบบการแก้ปัญหาใหม่ขึ้นมา เพื่อใช้กับข้อมูลใหม่ที่ยังไม่ปรากฎให้เห็นขึ้น หากเครื่องจักรที่เรียนเองได้ได้รับการฝึกฝนกับตัวอย่างต่างๆ มากมาย มันจะพัฒนากระบวนการตัดสินใจได้ด้วยตัวเอง ซึ่งใช้กับหลากหลายสถานการณ์อื่นๆ ได้ แต่การที่โปรแกรมที่เรียนเองจะตัดสินใจได้อย่างไรนั้น ก็ยังเป็นเรื่องที่โปรแกรมเมอร์หลายคนเองก็ยังไม่ค่อยเข้าใจกันเท่าไหร่นัก โดยเราจะจำแนกระดับการเรียนรู้ของเครื่องจักรได้ตามระดับความยากง่ายดังนี้ การเรียนรู้แบบมีคนคอยสังเกต การเรียนรู้แบบไม่มีคนคอยสังเกต การเรียนรู้อย่างเข้มข้น และการเรียนรู้เชิงลึก (Deep Learning)

“ในปัจจุบันเรามีเครื่องจักรที่เรียนเองได้บ้างแล้ว แต่ยังไม่มีเครื่องจักรใดที่สามารถคิดเองได้ ซึ่งการพัฒนาเครื่องจักรดังกล่าวถือเป็นความท้าทายครั้งใหญ่ของเรา”
นี่เป็นคำกล่าวของผู้อำนวยการ Bernhard Schölkopf ของสถาบันวิจัยระบบอัจฉริยะ สถาบัน Max Planck ในเมืองทือบิงเงน

เอไอเรียนรู้ได้อย่างไร

การเรียนรู้ตามกฎ
การเรียนรู้ตามกฎหรือที่เรียกว่าเอไอเชิงสัญลักษณ์เป็นเอไอที่มีแบบจำลองเชิงเหตุผลเป็นหลักและเรามักจะเรียกมันว่า “เอเอแบบคลาสสิก” โดยจะตัดสินใจตามโค้ดโปรแกรมที่ชัดเจนและถูกกำหนดตามกฎตายตัวแล้ว
หนึ่งตัวอย่างของรูปแบบเอไอดังกล่าวคือ Deep Blue โดยเป็นโปรแกรมคอมพิวเตอร์ที่เอาชนะแชมป์หมากรุกสมัยก่อนที่ชื่อ Kasparow ในปี 1996 มันเป็นโปรแกรมที่ทำงานด้วยเอไอเชิงสัญลักษณ์และมีสมรรถภาพการเล่นหมากรุกสูงได้ด้วยประสิทธิภาพในคิดคำนวณในระดับที่สูงมาก โดยซอฟแวร์หมากรุกดังกล่าวสามารถคำนวณรูปแบบการวางหมากได้โดยเฉลี่ยถึง 126 ล้านรูปแบบต่อวินาที ถึงแม้ว่า Deep Blue ยังไม่ถือว่ามีปัญญา แต่ก็สามารถคิดคำนวณได้อย่างรวดเร็วมาก

การเรียนรูปแบบมีคนคุม

เป็นการเรียนรู้ที่มีคนคอยประเมินค่าข้อมูลการฝึกฝนและการทดสอบพร้อมกับจัดเรียงข้อมูลดังกล่าวตามกลุ่ม ยกตัวอย่างเช่น ในระหว่างการฝึกฝนเอไอจะเรียนรู้ภาพต่างๆ ของแมวว่าภาพไหนเป็นภาพแมวบ้าง หากอัลกอริธึมชุดหนึ่งได้ฝึกแยกว่าอะไรคือแมวอะไรคือสุนัข แล้วเห็นภาพช้าง เอไอดังกล่าวก็จะไม่เข้าใจว่ามันเป็นภาพช้างได้ แต่ในการทำงานเฉพาะกลุ่ม อัลกอริธึมดังกล่าวกลับมีความน่าเชื่อถือและแม่นยำมาก หากเราป้อนข้อมูลฝึกฝนได้มากพอและเป็นข้อมูลคุณภาพสูง
การวิเคราะห์ภาพด้วยเทคนิควิธีการเรียนรู้มีบทบาทสำคัญในการวินิจฉัยโรคตามภาพต่างๆ ได้แล้ว โดยมีหลายงานวิจัยมารองรับบทบาทดังกล่าว ยกตัวอย่างเช่น เอไอสามารถระบุมะเร็งผิวหนังได้เร็วและมักจะทำการวินิจฉัยโรคได้แม่นยำกว่าแพทย์หลายคนเสียอีก ซึ่งมนุษย์และเอไอต่างก็มีจุดประสงค์ตรงกัน กล่าวคือ เอไอจะเริ่มวินิจฉัยจากภาพว่าเป็นมะเร็งผิวหนังหรือไม่ หรือเป็นเพียงการเปลี่ยนแปลงทางผิวหนังที่ไม่อันตราย และแพทย์เฉพาะทางจะเป็นผู้ทำการรักษาต่อไป


การเรียนรู้แบบไม่มีคนคุม
การเรียนรู้แบบไม่มีคนคุมเป็นการเรียนรู้ในแบบที่ เมื่ออัลกอริธึมได้รับข้อมูลดิบที่ไม่ผ่านการจำแนกล่วงหน้าแล้ว โปรแกรมจะค้นหาจำแนกข้อเหมือนและข้อแตกต่างในข้อมูลที่ได้รับด้วยตัวเอง โดยมุ่งสังเกตจำแนกแบบแผนของข้อมูลที่เข้าพวกและน่าสนใจ แต่ก็สามารถเกิดข้อผิดพลาดในจุดดังกล่าวได้เป็นบางครั้ง เมื่อเอไอกลับไปจำแนกความเหมือนของภาพเบื้องหลัง ทำให้ผลที่ออกมาภายหลังไม่ถูกต้อง หากเอไอเรียนรู้จากภาพหมาป่าในหิมะ คำว่าหมาป่าจะหมายรวมไปถึงสัตว์ตัวอื่นในหิมะด้วย
เหล่านักวิจัยต่างใช้เครื่อข่ายที่เรียนรู้ด้วยตนเองได้ในการสังเกตจำแนกแบบแผนเพื่อให้เห็นภาพต่างๆ ได้ชัดเจนขึ้น กล่าวคือ การใช้กล้องจุลทรรศน์ด้วยแสงฟลูออเรสเซนส์ในการสังเกตเซลล์ที่มีชีวิตมักจะต้องใช้แสงไฟที่น้อยมาก มิฉะนั้นสิ่งมีชีวิตที่วิจัยดังกล่าวอาจถูกทำลายด้วยแสงไฟได้ ซอฟแวร์กู้ภาพที่เรียนรู้ด้วยตัวเองได้จะวิเคราห์ภาพถ่ายจุลทรรศน์ที่ใช้ไฟน้อยและยากต่อการสังเกตจำแนก โดยจะนำภาพไปเปรียบเทียบกับแบบแผนภาพจากภาพอื่นๆ ที่รู้จัก และสามารถกู้ตัวภาพที่ “ซ่อน” อยู่ให้นักวิจัยเห็นภาพได้


การเรียนรู้แบบเข้มข้น
เป็นระบบการทำงานเรียนรู้ที่หลังจากตัดสินใจแล้วก็จะทำกระทำการบางอย่างตามมา ซึ่งในทุกการกระทำระบบจะได้รับคำติชมในแง่บวกหรือแง่ลบ อัลกอริธึมจึงค่อยๆ เรียนรู้การประเมินผลเพื่อดูว่าการกระทำใดถือว่าสำเร็จในสถานการณ์ที่แตกต่างกันออกไป การเรียนรู้เชิงลึกหรือ Deep Learning เป็นวิธีหนึ่งในการเรียนรู้แบบเข้มข้นในเครือข่ายประสาทประดิษฐ์ที่ทำเลียนแบบการทำงานในสมองของเรา โดยเครือข่ายประสาทดังกล่าวประกอบไปด้วยเครือข่ายหลายชั้น ซึ่งแต่ละชั้นต่างก็ประกอบไปด้วยประสาทประดิษฐ์หลายตัว ซึ่งแต่ละตัวจะเชื่อมตัวซึ่งกันและกัน อีกทั้งยังทำปฏิกิริยากับตัวประสาทในชั้นก่อนหน้า ยิ่งเป็นเครื่อข่ายที่ใหญ่เท่าไหร่ ก็จะสามารถทำงานประมวลข้อมูลที่ซับซ้อนได้มากขึ้นเท่านั้น

การจำแนกภาษาและข้อความ
ในการทำงานหลากหลายรูปแบบ เรายังใช้ Deep Learning ในการจำแนกภาษาและข้อความอีกด้วย ยกตัวอย่างเช่น เครื่องมือออนไลน์ช่วยแปลที่พัฒนาในเมืองโคโลญที่ชื่อ DeepL และโปรแกรมแปลพร้อมพูดที่ชื่อ Lecture Translator ของสถาบันเทคโนโลยีด้านเครือข่ายประสาทประดิษฐ์ในเมืองคาลส์รูเฮอร์
 
การจำแนกหน้า
ในปัจจุบันเราใช้เครือข่ายประสาทประดิษฐ์ในการจำแนกหน้า แค่ในลอนดอน เมืองหลวงของประเทศสหราชอาณาจักร ก็มีกล้องวงจรติดตั้งถึง 600,000 ตัวแล้ว โดยหลายตัวก็ใช้เทคโนโลยีการจำแนกหน้า ซึ่งช่วยให้ตำรวจสามารถสืบคดีหรือป้องกันไม่ให้เกิดการก่ออาชญากรรมขึ้นได้ แต่ความอันตรายของเทคโนโลยีสังเกตการณ์ดังกล่าวมีมากน้อยเพียงไร และมันจะสอดคล้องกับหลักประชาธิปไตยและสิทธิประชาชนได้มากน้อยแค่ไหน

การขับรถอัตโนมัติ
เป็นเวลากว่าหลายสิบปีแล้วที่ผู้ผลิตรถยนตร์ต่างก็พยายามใช้หลากหลายระบบช่วยเหลือต่างๆ เพื่อพัฒนาระบบการขับขี่อัตโนมัติ ซึ่งประสบความสำเร็จในบางจุดแล้ว เช่น การปรับความเร็วหรือตัวช่วยจอดรถอัตโนมัติ โดยมีจุดประสงค์หลักอยู่ที่การขับรถอัตโนมัติ ซึ่งมีโปรแกรมคอมพิวเตอร์ที่มีเอไอควบคุมรถอย่างสมบูรณ์ ทำให้มนุษย์เป็นเพียงผู้โดยสารเท่านั้น ความสำเร็จดังกล่าวจะช่วยลดอุบัติเหตุทางรถยนต์ เพราะอุบัติเหตุส่วนใหญ่ในปัจจุบันเกิดขึ้นจากความไม่ระวังของมนุษย์ อย่างไรก็ตาม ปัญหาที่สำคัญก็ยังคงอยู่ กล่าวคือ ใครจะเป็นคนรับผิดชอบหากเกิดรถชนซึ่งไม่มีมนุษย์เป็นผู้ขับ

ตัวอย่างต่างๆ ของงานวิจัยด้านเอไอ

มาร่วมวิจัยด้วยกันทุกคนเลย
หุ่นขนาดเล็กสี่ขาที่ชื่อ SOLO 8 ซึ่งผู้เข้าชมนิทรรศการสามารถเข้ามาทักทายในพื้นที่นิทรรศการหัวข้อเอไอ มาจากแล็บผลิตหุ่นยนต์ของสถาบันวิจัยระบบอัจฉริยะ สถาบัน Max Planck ในเมืองทือบิงเงิยและชตุตการ์ต หุ่นยนต์วิจัยดังกล่าวเป็นโครงการแบบเปิดให้คนอื่นมีส่วนร่วมหรือ Open Source ซึ่งทุกคนสามารถเข้าไปดูวิธีการสร้างหุ่นและข้อมูลเอกสาร GitHub ต่างๆ ได้ โดยชิ้นส่วนส่วนใหญ่จะมาจากเครื่องปรินต์ 3D และส่วนที่เหลือก็สามารถหาซื้อเองได้ง่าย นั่นหมายความว่าเหล่านักวิจัยทั่วโลกสามารถผลิตหุ่น SOLO 8 ขึ้นมาและพัฒนาต่อได้โดยง่ายในราคาที่ย่อมเยา มันเป็นโปรเจคที่มีแนวคิดให้แล็บวิจัยด้านหุ่นยนต์แต่ละที่ได้ใช้เทคโนโลยีได้ เพื่อให้เกิดแพล็ตฟอร์มงานวิจัยที่มีต้นแบบเหมือนกันทั่วโลก เพราะหากนักวิทยาศาสตร์หลายคนต่างทำการทดลองที่แพล็ตฟอร์มเดียวกัน ทุกคนก็จะสามารถนำข้อมูลมาเปรียบเทียบกันได้ ทำให้พัฒนาการทางด้านหุ่นยนต์เป็นเป็นอย่างรวดเร็วยิ่งขึ้น

  ©Max-Planck-Institut für Intelligente Systeme, Stuttgart und Tübingen / Wolfram Scheible
การฉายแสงระยะยาวจะทำให้ลำดับการเคลื่อนไหวที่คล่องแคล่วของหุ่น SOLO 8 ดูเหมือนการเต้น


สังเกตเห็นความเชื่องโยงทางบริบท

หนึ่งในด้านการวิจัยล่าสุดที่เรียกว่า การสอดแทรกทางเหตุและผล ของนักวิจัย Bernhard Schölkopf ของสถาบันวิจัยระบบอัจฉริยะ สถาบัน Max Planck ในเมืองทือบิงเงน เป็นงานวิจัยเกี่ยวกับอัลกอริธึมที่สามารถสังเกตแยกแยะความเชื่อมโยงที่เป็นเหตุและผลจากข้อมูลต่างๆ ได้ ทำให้รู้ว่าอะไรเป็นเหตุและอะไรเป็นผล โดยมีจุดประสงค์ให้ระบบเอไอมีประสิทธิภาพและคงทนต่อปัจจัยรบกวนจากภายนอกได้มากขึ้น หนึ่งในตัวอย่างที่มาอธิบายได้ดีคือการขับรถอัตโนมัติ หากมีใครไปปรับเปลี่ยนป้ายจำกัดความเร็วในที่ชุมชนจาก 30 เป็น 130 มนุษย์คนขับจะสังเกตเห็นทันทีว่ามีบางอย่างผิดปรกติออกไป เพราะสิ่งแวดล้อมรอบตัวทำให้สังเกตเห็นความผิดปรกติดังกล่าว ซึ่งมันไม่ใช่เรื่องง่ายเลยสำหรับเอไอ แต่เอไอก็ต้องทำให้ได้ก่อนที่จะมีเริ่มให้มีการขับรถอัตโนมัติเกิดขึ้นจริง มิเช่นนั้นการเกิดอุบัติเหตุครั้งใหญ่ก็จะเป็นเพียงแค่เรื่องของเวลาว่าจะมาช้าหรือเร็ว
  © Bosch mobility solutions
ร่วมกันเล่นหนังอย่างไม่ติดขัด
สำหรับตลาดภาพยนตร์ขนาดใหญ่อย่างประเทศเยอรมนี ภาพยนตร์และซีรี่ส์ต่างประเทศต่างก็จะได้รับการพากษ์ โดยผู้แปลไม่เพียงแต่จะต้องแปลความหมายของสิ่งที่พูดออกมาอย่างถูกต้องเท่านั้น หากแต่ตัวบทแปลจะต้องตรงตามการขยับของปากและการแสดงออกทางสีหน้าของตัวละครในเรื่องอีกด้วย ซึ่งอาจจะเป็นเรื่องที่กำลังจะเปลี่ยนไป หนึ่งในเทคนิคเอไอที่ชื่อ Deep Video Portraits ซึ่งได้รับการพัฒนาจาก สถาบันวิจัยสารสนเทศศาสตร์ สถาบัน Max Planck สามารถทำให้อารมณ์และการแสดงออกทางสีหน้าของตัวละครปรับให้เข้ากับบทพูดแปลได้อย่างยอดเยี่ยม โดยจะมีการบันทึกการเคลื่อนไหวในหน้าและแนวศีรษะของผู้พากษ์เสียง ซึ่งระบบจะนำไปถ่ายทอดลงบนตัวนักแสดงในภาพยนตร์ ผลลัพท์ที่ได้ก็คือ ทั้งการแสดงออกทางสีหน้า สายตา แนวศีรษะหรือแม้กระทั่งการกระพริบตาก็ถูกปรับให้เข้ากับคำพูดของผู้พากษ์อย่างไม่มีที่ติ ยังมีเทคนิคที่คล้ายกันที่ชื่อ Deepfake ที่ทำการบิดเบือนเนื้อหาสื่อได้ ซึ่งในปัจจุบันสามารถทำให้หยิบจับคำพูดอะไรก็ได้ที่ไม่ดีมาใส่ปากนักการเมืองให้เหมือนกับเจ้าตัวกำลังพูดเองได้ เพราะฉะนั้น เราจึงต้องฝึกฝนการอ่านและเข้าใจหลักฐานต่างๆ ที่ดูเหมือนจะเป็นสิ่งที่น่าเชื่อถือ

  © Max-Planck-Institut für Informatik, Saarbrücken
เรียนภาษากับเอไอ
คอร์สเรียนภาษาออนไลน์มีมากมายก่ายกอง แต่คุณภาพและราคาของแต่คอร์สก็มักจะต่างกันอย่างมาก โดยคอร์สที่ผู้เรียนน่าจะประสบความสำเร็จที่สุด คือคอร์สที่ผู้เรียนสามารถรับคำติชมจากตัวผู้สอนได้ แต่คอร์สดังกล่าวก็มีราคาสูง สถาบัน Weizenbaum ซึ่งเป็นโปรเจคการรวมกลุ่มวิจัยทั้งในเบอร์ลินและบรันเดนบวก ได้ร่วมกับสถาบันเกอเธ่เพื่อพัฒนาเอไอซึ่งช่วยให้ครูผู้สอนได้บริหารจัดการเวลาได้อย่างมีประสิทธิภาพมากที่สุด เพื่อให้ผู้เรียนเอาเวลาไปใช้กับการฝึกการเขียนและการเรียนการออกเสียงให้ถูกต้อง นอกจากความสามารถต่างๆ โปรแกรมดังกล่าวยังสามารถตรวจทานคำศัพท์ใหม่ในเรียงความของผู้เรียน อีกทั้งยังตรวจว่าผู้เรียนได้ใช้ไวยากรณ์ที่พึ่งเรียนไปได้ถูกต้องหรือไม่อีกด้วย อีกทั้งยังสามารถดูว่า ผู้เรียนเป็นคนเขียนข้อความเองหรือแอบโกงด้วยการใช้โปรแกรมการแปลหรือไม่ ทำให้เอไอสามารถรับหน้าที่ตรวจงานซึ่งเป็นหน้าที่ประจำของครูผู้สอนแทนครูผู้สอนได้


หุ่นดาวินชีที่มีประสาทสัมผัสอันบอบบาง

ในปัจจุบัน เป็นเรื่องปรกติที่มนุษย์เราจะใช้เครื่องจักรมาช่วยทางด้านการฟังหรือการมองเห็น แต่นักวิจัย Katherine Kuchenbecker และทีมวิจัยจากสถาบัน Max Planck ในเมืองชตุตการ์ตกลับมีความเห็นที่ต่างออกไป กล่าวคือ ในการทำงานของหุ่นยนต์ในด้านต่างๆ หุ่นยนต์จะต้องมีทักษะทางประสาทสัมผัสที่ดีขึ้น รวมถึงความสามารถทางสังคมก็ต้องดีขึ้นไปด้วย เหล่านักวิทยาศาสตร์จึงสอนให้หุ่นยนต์เข้าใจสิ่งแวดล้อมรอบตัวผ่านการสัมผัส ซึ่งมีความสำคัญทั้งกับการทำงานช่วยเหลือมนุษย์โดยตรง เช่น ผู้ที่จำเป็นต้องได้รับการดูแล และกับการบังคับหุ่นยนต์ทางไกล คุณ Kuchenbecker จึงคิดค้นพัฒนาหุ่นยนต์ช่วยผ่าตัดที่ชื่อ ดาวินชี เพื่อช่วยหมอผ่าตัดให้สามารถผ่าตัดคนไข้ แม้ตัวเองจะอยู่ไกลกับตัวคนไข้ก็ตาม โดยระบบเอไอจะส่งต่อการเคลื่อนไหวของหมอผ่าตัดที่อยู่ไกล ไปถึงตัวหุ่นยนต์ ฟังชั่นการทำงานแบบใหม่ดังกล่าวจึงช่วยให้คุณหมอไม่เพียงแต่จะสามารถสังเกตคนไข้ผ่านหน้าจอของหุ่นยนต์ หากแต่ยังสามารถสัมผัสได้โดยตรงว่าหุ่นยนต์กำลังขยับตัวอย่างไรอยู่


© Max-Planck-Institut für Intelligente Systeme, Stuttgart “เอไอสามารถช่วยให้หมอผ่าตัดที่เก่งกลายเป็นหมอผ่าตัดที่เก่งมากได้”
นี่เป็นคำกล่าวของผู้อำนวยการ Katherine Kuchenbecker ของสถาบันวิจัยระบบอัจฉริยะ สถาบัน Max Planck ในเมืองชตุตการ์ต