ต้นกำเนิด AI เริ่มจากคำถามเดียว ก่อนโตเป็นเทคโนโลยีที่คนทั้งโลกใช้

AI ที่เราใช้คุย สร้างภาพ เขียนโค้ด หรือช่วยทำงานในวันนี้ ไม่ได้เกิดขึ้นแบบฉับพลัน แต่เริ่มจากคำถามเก่าแก่ข้อหนึ่งว่า “เครื่องจักรคิดได้ไหม”

คำถามนี้ฟังดูเหมือนนิยายวิทยาศาสตร์ แต่จริง ๆ แล้วคือจุดเริ่มต้นสำคัญของโลกปัญญาประดิษฐ์ หรือ Artificial Intelligence ที่ค่อย ๆ เติบโตจากแนวคิดทางคณิตศาสตร์ วิทยาการคอมพิวเตอร์ งานวิจัยสมอง และพลังประมวลผลของคอมพิวเตอร์ที่ดีขึ้นเรื่อย ๆ

จุดเริ่มต้นของ AI ไม่ใช่เครื่องมือแชต ไม่ใช่แอปสร้างภาพ และไม่ใช่หุ่นยนต์ แต่คือความพยายามของมนุษย์ที่จะทำให้เครื่องจักร “แก้ปัญหา เรียนรู้ และตัดสินใจ” ได้ใกล้เคียงกับมนุษย์มากขึ้น

ปี 1950: คำถามของ Alan Turing

หนึ่งในหมุดหมายสำคัญที่สุดคือปี 1950 เมื่อ Alan Turing นักคณิตศาสตร์และนักวิทยาการคอมพิวเตอร์ชาวอังกฤษ ตีพิมพ์บทความชื่อ Computing Machinery and Intelligence ในวารสาร Mind

บทความนี้เปิดด้วยคำถามที่กลายเป็นประวัติศาสตร์ว่า เครื่องจักรสามารถคิดได้หรือไม่

Turing ไม่ได้ตอบแบบตรง ๆ ว่าเครื่องจักร “มีความคิด” เหมือนมนุษย์หรือเปล่า แต่เสนอแนวคิดที่ภายหลังคนเรียกว่า Turing Test หรือการทดสอบว่า ถ้ามนุษย์สนทนากับอีกฝ่ายผ่านข้อความ แล้วแยกไม่ออกว่าอีกฝ่ายเป็นคนหรือเครื่องจักร เครื่องจักรนั้นก็แสดงพฤติกรรมที่ดูฉลาดในระดับหนึ่ง

จุดสำคัญคือ Turing ไม่ได้สร้าง AI แบบที่เราใช้กันวันนี้ แต่เขาวางกรอบคำถามที่ทำให้โลกเริ่มมองว่า “ความฉลาดของเครื่องจักร” อาจศึกษาอย่างเป็นระบบได้

ก่อนมีคำว่า AI โลกมีแนวคิดเรื่องสมองเทียมแล้ว

ก่อนปี 1956 นักวิจัยหลายคนเริ่มทดลองแนวคิดเกี่ยวกับเครื่องจักร สมอง และตรรกะ เช่น Warren McCulloch และ Walter Pitts ที่เสนอแบบจำลองเซลล์ประสาทเชิงคำนวณตั้งแต่ทศวรรษ 1940

แนวคิดเหล่านี้ยังไม่ใช่ AI สมัยใหม่โดยตรง แต่เป็นรากฐานสำคัญของสิ่งที่ภายหลังพัฒนาเป็น neural networks หรือโครงข่ายประสาทเทียม

พูดง่าย ๆ คือ ก่อนโลกจะมีคำว่า AI นักวิทยาศาสตร์เริ่มถามแล้วว่า สมองมนุษย์อาจอธิบายด้วยระบบตรรกะและการคำนวณได้หรือไม่

ปี 1956: คำว่า Artificial Intelligence เกิดขึ้นอย่างเป็นทางการ

ปี 1956 คือปีที่มักถูกนับว่าเป็น “จุดกำเนิดอย่างเป็นทางการ” ของสาขา AI

เหตุการณ์สำคัญคือ Dartmouth Summer Research Project on Artificial Intelligence ที่วิทยาลัยดาร์ตเมาธ์ สหรัฐอเมริกา การประชุมนี้จัดโดยกลุ่มนักวิทยาศาสตร์และนักคณิตศาสตร์ที่ต้องการศึกษาอย่างจริงจังว่า เครื่องจักรสามารถจำลองการเรียนรู้และความฉลาดได้อย่างไร

John McCarthy เป็นบุคคลสำคัญมากในเหตุการณ์นี้ เพราะเขาเป็นผู้เสนอคำว่า Artificial Intelligence และมีบทบาทในการจัดประชุมดังกล่าว

ชื่ออื่น ๆ ที่เกี่ยวข้องกับยุคบุกเบิก ได้แก่ Marvin Minsky, Claude Shannon, Nathaniel Rochester, Allen Newell และ Herbert Simon ซึ่งต่างมีส่วนช่วยผลักดันให้ AI กลายเป็นสาขาวิจัยจริงจัง ไม่ใช่แค่จินตนาการ

ความหวังสูง และบทเรียนจาก AI Winter

ช่วงแรกของ AI เต็มไปด้วยความหวัง นักวิจัยจำนวนหนึ่งเชื่อว่า หากเข้าใจตรรกะ ภาษา และการแก้ปัญหามากพอ เครื่องจักรอาจมีความฉลาดใกล้เคียงมนุษย์ได้ในเวลาไม่นาน

แต่ความจริงยากกว่านั้นมาก

คอมพิวเตอร์ในยุคแรกยังมีพลังประมวลผลต่ำ ข้อมูลมีจำกัด และปัญหาหลายอย่าง เช่น การเข้าใจภาษา ภาพ หรือบริบทของโลกจริง ซับซ้อนกว่าที่คาดไว้

เมื่อผลลัพธ์ไม่ทันความคาดหวัง เงินทุนและความสนใจจึงลดลงหลายช่วง เหตุการณ์แบบนี้ถูกเรียกว่า AI Winter หรือ “ฤดูหนาวของ AI” หมายถึงช่วงที่ความหวังต่อ AI เย็นลง เพราะเทคโนโลยียังทำตามคำสัญญาไม่ได้

บทเรียนสำคัญจาก AI Winter คือ AI ไม่ได้โตด้วยความฝันอย่างเดียว แต่ต้องมีข้อมูล เครื่องมือ วิธีคำนวณ และการใช้งานจริงมารองรับ

ทำไม AI ถึงกลับมาเก่งขึ้นมาก

AI เริ่มฟื้นตัวและก้าวกระโดดขึ้นเรื่อย ๆ เพราะมี 3 ปัจจัยสำคัญมาบรรจบกัน

อย่างแรกคือพลังประมวลผลที่สูงขึ้น คอมพิวเตอร์และชิปประมวลผล โดยเฉพาะ GPU ทำให้การคำนวณจำนวนมหาศาลเป็นไปได้มากขึ้น

อย่างที่สองคือข้อมูลขนาดใหญ่ หรือ Big Data เมื่ออินเทอร์เน็ตเติบโต โลกก็มีข้อความ รูปภาพ วิดีโอ เสียง และพฤติกรรมผู้ใช้จำนวนมหาศาลให้ระบบเรียนรู้

อย่างที่สามคือ Machine Learning และ Deep Learning แนวคิดของ AI เปลี่ยนจากการ “เขียนกฎทุกอย่างให้เครื่องทำตาม” ไปเป็นการ “ให้เครื่องเรียนรู้จากข้อมูลจำนวนมาก”

นี่คือเหตุผลที่ AI สมัยใหม่สามารถจำแนกรูปภาพ แปลภาษา จับรูปแบบข้อมูล เขียนข้อความ หรือสร้างภาพใหม่ได้ดีขึ้นมากเมื่อเทียบกับยุคแรก

ปี 1997: Deep Blue ชนะ Garry Kasparov

หนึ่งในเหตุการณ์ที่ทำให้คนทั่วโลกหันมามอง AI คือปี 1997 เมื่อ Deep Blue ของ IBM เอาชนะ Garry Kasparov แชมป์โลกหมากรุกในแมตช์มาตรฐาน

ชัยชนะครั้งนั้นไม่ได้แปลว่าเครื่องจักร “คิดเหมือนคน” แต่แสดงให้เห็นว่าคอมพิวเตอร์สามารถคำนวณความเป็นไปได้จำนวนมหาศาล และเอาชนะมนุษย์ในเกมที่ซับซ้อนได้

Deep Blue จึงเป็นภาพจำสำคัญของยุคที่ AI และซูเปอร์คอมพิวเตอร์เริ่มพิสูจน์พลังของการคำนวณขนาดใหญ่

ปี 2016: AlphaGo ทำให้โลกเห็นพลังของการเรียนรู้

อีกหมุดหมายสำคัญคือปี 2016 เมื่อ AlphaGo ของ Google DeepMind เอาชนะ Lee Sedol แชมป์โกะระดับโลกด้วยคะแนน 4-1

เกมโกะซับซ้อนกว่าหมากรุกมากในแง่จำนวนความเป็นไปได้ และต้องอาศัยสัญชาตญาณสูง ชัยชนะของ AlphaGo จึงทำให้คนเห็นว่า AI ไม่ได้เก่งแค่การคำนวณแบบตรงไปตรงมา แต่สามารถเรียนรู้รูปแบบ วางแผน และค้นหาวิธีเล่นที่มนุษย์ไม่คาดคิดได้

นี่เป็นจุดที่ทำให้คำว่า Deep Learning และ Reinforcement Learning ถูกพูดถึงมากขึ้นในวงกว้าง

ปัจจุบัน: ยุค Generative AI

AI วันนี้เข้ามาอยู่ใกล้ตัวกว่าที่เคย ไม่ว่าจะเป็น ChatGPT, Gemini, Midjourney หรือเครื่องมือสร้างข้อความ ภาพ เสียง วิดีโอ และโค้ด

สิ่งที่ต่างจากยุค Deep Blue คือ AI ปัจจุบันไม่ได้เก่งแค่เกมหรือโจทย์เฉพาะทาง แต่สามารถทำงานเชิงภาษาและสร้างสรรค์ได้หลากหลายขึ้น

อย่างไรก็ตาม AI ไม่ได้ “เข้าใจโลก” เหมือนมนุษย์ทุกอย่าง มันทำงานจากการเรียนรู้รูปแบบในข้อมูลจำนวนมาก แล้วสร้างคำตอบหรือผลลัพธ์ที่น่าจะเหมาะสมตามบริบท

นี่คือจุดที่คนใช้ AI ควรรู้ไว้เสมอ: AI มีประโยชน์มาก แต่ยังต้องตรวจสอบ โดยเฉพาะเรื่องข้อมูลล่าสุด ตัวเลข กฎหมาย สุขภาพ การเงิน หรือเรื่องที่มีผลต่อการตัดสินใจจริง

สรุป: ต้นกำเนิด AI คือเส้นทางยาว ไม่ใช่เหตุการณ์เดียว

ถ้าสรุปให้สั้นที่สุด ต้นกำเนิดของ AI เริ่มจากคำถามของ Alan Turing ว่าเครื่องจักรคิดได้ไหม ต่อมาคำว่า Artificial Intelligence ถูกผลักดันอย่างเป็นทางการในการประชุม Dartmouth ปี 1956 โดยมี John McCarthy เป็นบุคคลสำคัญ

จากนั้น AI ผ่านทั้งช่วงความหวังสูง ช่วงซบเซาแบบ AI Winter และช่วงฟื้นตัวด้วยพลังของข้อมูลขนาดใหญ่ ชิปประมวลผล และ Deep Learning

AI ที่เราใช้กันวันนี้จึงไม่ใช่สิ่งที่เกิดขึ้นชั่วข้ามคืน แต่เป็นผลสะสมจากงานวิจัยหลายสิบปี และยังคงเปลี่ยนแปลงต่อไปอย่างรวดเร็ว