Artificial General Intelligence (AGI)

ดูเหมือนว่า StarCraft II อาจจะเป็นเกมต่อไปที่คนเราต้องยอมแพ้ให้แก่ AI ต่อจาก Poker (Libertus, 2017), และหมากล้อม (AlphaGo, 2016) เมื่อเดือนมกราคมที่ผ่านมา ทีม DeepMind จาก Google ได้เปิดตัว AI ชื่อ AlphaStar ซึ่งเป็น AI ตัวน้องของ AlphaGo ที่ชนะ Ke Jie นักเล่นหมากล้อมมือหนึ่งเมื่อ 2 ปีที่แล้ว

ขณะที่ AlphaGo นั้น dominate เกมหมากล้อมที่มีประวัติมากกว่า 3,000 ปี Alpha Star ตั้งเป้าหมายไว้ที่คอมพิวเตอร์ เกม StarCraft II และในการแข่งรอบแรกนี้ตอนนี้ AlphaStar สามารถเอาชนะนักเล่นเกมมืออาชีพระดับโลกในการแข่ง StarCraft II ตัวต่อตัว 10-1 ถึงแม้ว่าเงื่อนไขการแข่งขันอาจจะยังไม่ถือว่าเป็นการแข่งขันแบบเป็นทางการ

ขณะที่ใน Poker ตัว AI นั้นต้องเรียนรู้ที่จะโกหกและจับการโกหกของคู่ต่อสู้และในหมากล้อม AI ต้องพัฒนา Intuition ในการคาดคะเนความได้เปรียบเสียเปรียบของกระดานหมาก StarCraft II นั้นเสนอความท้าทายอีกแบบ ให้กับ AI เพราะ AI จะต้องควบคุมจำนวน Units ที่มากมายในเกมพร้อมกัน ทุกๆ 1 ใน 1,000 วินาที ตัว AlphaStar ต้องตัดสินใจเลือกว่าจะทำอะไรจากทั้งหมด 10  26 (คือ 10 คูณกัน 26 ตัว) การกระทำที่ทำได้ (possible actions) เมื่อเทียบกับหมากล้อมที่ในแต่ละตานั้นมีแค่ 19x19 ความเป็นไปได้เท่านั้น

นอกจากนี้ StarCraft II ยังเป็นเกมของ Incomplete Information ซึ่งต่างจากหมากล้อมที่ข้อมูลทุกอย่างนั้นอยู่บน กระดานที่ผู้เล่นทั้ง 2 ฝ่ายนั้นเห็นเหมือนกัน



Breakthrough ทาง AI ในรอบ 3-4 ปีที่ผ่านมานั้นไม่ว่าจะเป็นเรื่องรถยนต์ไร้คนขับ หรือ AI ทางการแพทย์ที่สามารถวินิจฉัยโรคได้ส่วนใหญ่นั้นใช้เทคนิคที่เรียกว่า Supervised Learning (การเรียนรู้จากข้อมูลแบบมีผู้สอน) ซึ่งเปรียบได้กับการเรียนในห้องเรียน ที่มีคุณครูคอยบอกว่าถ้าเจอโจทย์แบบนี้เราควรแก้ปัญหาอย่างไร แล้วเราก็ฝึกทำแบบฝึกหัดไปจนเราสามารถทำตามสิ่งที่คุณครูสอนได้

ขณะที่ AlphaStar และ AlphaGo ของ DeepMind นั้นใช้เทคนิคที่เรียกว่า Reinforcement Learning ซึ่งเป็นเทคนิคเน้นการเรียนรู้จากประสบการณ์ซึ่งแตกต่างจาก Supervised Learning ตรงที่จะไม่มีตัวอย่างให้ AI ว่า ในแต่ละสถานการณ์นั้น การกระทำที่ถูกต้องคืออะไร แต่ AI นั้นจะต้องเรียนรู้จากการลองผิด ลองถูกเอาเอง นึกถึงถ้าเราจะฝึกสุนัขให้นั่ง ถ้าสุนัขนั่งตามคำสั่งก็จะได้ขนม แต่สุนัขนั้นก็คงทำหลายๆ อย่าง เช่น วิ่ง เห่า กระโดด ก่อนที่จะนั่งลงแล้วเราให้ขนมไป

ถ้าสุนัขนั้นจะพยายามเรียนรู้ว่าทำอย่างไรจึงจะได้กินขนมอีก มันก็จะต้องมองย้อนกลับไป แล้วคิดว่าการกระทำไหนส่งผลให้มันได้รับขนม ไม่เพียงแค่นั้น มันยังต้องเรียนที่จะรู้ลองการกระทำใหม่ๆ กับสิ่งที่เคยทำ ให้มันได้ขนมมาก่อนหน้านี้เช่น ถ้าเกิดมันนอนลงแล้วหมุนตัวจะทำให้มันได้ขนมเพิ่มขึ้นไหม ทั้งในกรณีของ AlphaStar และ AlphaGo นั้น AI ทั้งคู่เก็บความรู้จากประสบการณ์ด้วยการเล่นเกมระหว่าง AI ด้วยกันเอง

ถึงแม้ทั้ง AlphaStar นั้น สามารถที่จะชนะคนที่เก่งระดับโลกได้โดยเวลาเก็บประสบการณ์จากการเล่นกันเองไม่ถึง 1 สัปดาห์ แต่ถ้าเทียบเป็นจำนวนเกมที่ AlphaStar ต้องเล่นฝึกฝนจนกว่าจะเก่งเท่านั้นได้นั้น ก็เทียบได้กับการที่คนเราเล่นเกม StarCraft II ไม่หยุดเป็นเวลามากกว่า 100 ปี ซึ่งตรงนี้แหละที่ยังเป็นจุดอ่อน ของ AI ในปัจจุบัน ที่น่าจะต้องโดนแก้ไขให้ได้ก่อนที่เราจะไปถึงจุดที่มี AGI (Artifical General Intelligence) เพราะจริงๆ แล้วมนุษย์เรานั้นก็ยังเรียนรู้ได้มีประสิทธิภาพได้ดีกว่า AI หลายเท่านัก เมื่อเราต้องเรียนรู้เรื่องใหม่ๆ เราสามารถนำเอาประสบ การณ์ที่เราเคยมีในเรื่องอื่นๆ มาช่วยทำให้เราสามารถเรียนรู้ได้เร็วขึ้น

ขณะที่ถ้า AlphaStar จะไปเล่นเกมอื่นที่ไม่ใช่ StarCraft II ตัว AlphaStar นั้น ก็ต้องเริ่มเรียนรู้ใหม่จากศูนย์จริงๆ แล้วเรื่องประสิทธิภาพในการเรียนรู้นี้ ก็น่าจะเป็นเหตุผลหนึ่งที่ DeepMind ให้ AlphaStar ในตอนแรกนั้นเรียนที่จะเลียนแบบจากการดูวิธีการเล่นของผู้เล่นที่เก่งๆ ก่อน ก่อนที่จะให้ฝึกต่อโดยการเล่นกันเอง เป็นการผสมระหว่าง Supervised Learning กับ Reinforcement Learning การให้ AI เรียนรู้จากประสบการณ์แบบนี้มีประโยชน์มากกว่าแค่การสอนให้ AI เล่นเกมเก่งกว่าคน เพราะปัญหาหลายอย่างนั้น เราไม่มีข้อมูลที่เพียงพอที่จะใช้สอน AI โดยวิธีอย่าง Supervised Learning

นอกจากนี้การให้ AI เรียน รู้จากประสบการณ์ ยังเหมาะกับโจทย์ที่มีความซับซ้อนและความเปลี่ยนแปลงสูง (Dynamics) อย่างโจทย์ที่เกี่ยวกับพฤติกรรมของคน ปัจจุบันก็มีการนำ Reinforcement Learning นี้ไปใช้ในการช่วยจัดการสภาพการจราจร และในการบังคับ Robots แล้ว

สุดท้ายนี้ถ้าเรามาคิดกันสนุกๆ ว่า เกมต่อไปที่ AI น่าจะทดลองไปสู้ดูนั้นจะเป็นอะไรต่อจาก StarCarft II, Poker และหมากล้อม หมากรุก ส่วนตัวผู้เขียนเองก็อยากจะเห็น AI มาทดลองเล่นเกมที่ต้องใช้เทคนิคในการเจรจาต่อลองกับมนุษย์ดู เช่น เกมเศรษฐี (Monopoly) ที่ผู้เล่นจะต้องเจรจาซื้อขายโฉนดที่ิดินในเกมแข่งกับผู้เล่นคนอื่น น่าจะสนุกดีไม่น้อย ลองจินตนาการว่าถ้า AI ของเราสามารถเจรจากับ AI ของเพื่อนบ้านเราได้ว่า

“นี่อาทิตย์หน้าเจ้าบ้านเราจะไปเที่ยวไม่อยู่บ้าน เธอสนใจใช้พลังงานแสงอาทิตย์จากแผง Solar ของบ้านเราไหม แลกกับอะไร บางอย่างทีหลัง”
Reference : https://newscenter.lbl.gov/2018/10/28/machine-learning-to-help-optimize-traffic-and-reducepollution/

 

เศรษฐเสวนา จุฬาฯทัศนะ

โดย

ดร.พรรคธาดา ตรีรัตนพิทักษ์ ผู้ช่วยผู้อำนวยการกลุ่มงาน Data Analytics ธนาคารแห่งประเทศไทย

ดร.วรประภา นาควัชระ อาจารย์ประจำคณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

หน้า 7 หนังสือพิมพ์ฐานเศรษฐกิจ ฉบับ 3446 ระหว่างวันที่ 21 - 23 กุมภาพันธ์ 2562