AI Winter คืออะไร ? 75 ปีแห่งความฝัน ความเจ็บ และความหนาวของ AI

แน่นอนว่าปัจจุบันเราเดินทางมาสู่ยุคที่ AI กลายเป็นพระเอกของวงการเทคโนโลยี จะหันไปทางไหนก็เจอแต่คำว่า AI ไม่ว่าจะเป็นงานเขียนโค้ด ออกแบบภาพ วินิจฉัยโรค หรือแม้แต่แต่งเพลง แต่กว่าที่มันจะมาเฉิดฉายได้แบบวันนี้ เบื้องหลังคือเรื่องราวที่เต็มไปด้วยความฝัน การล้มลุก และการถูกทอดทิ้งซ้ำแล้วซ้ำเล่า

หากวัฏจักรของสิ่งมีชีวิตทั่วไปคือ “เกิด แก่ เจ็บ และสิ้นลม” ชีวิตของ AI ก็อาจต้องเพิ่มอีกหนึ่งคำว่า “ฟื้น” เพราะมันเคยหายไปจากวงการวิทยาศาสตร์จริงๆ มาแล้ว และเราเรียกช่วงเวลาที่มันถูกลืมและหมดศรัทธานั้นว่า AI Winter หรือยุคแห่งการแช่แข็ง AI

AI กับยุคแห่งความหวัง พื้นฐานที่ถูกปูด้วยจินตนาการ

ย้อนกลับไปในช่วงทศวรรษ 1950 โลกเพิ่งผ่านสงครามโลกครั้งที่ 2 และกำลังเข้าสู่ยุคที่เทคโนโลยีเริ่มผลิบานอย่างรวดเร็ว นักคณิตศาสตร์ชาวอังกฤษชื่อ Alan Turing ได้ตั้งคำถามหนึ่งขึ้นมาที่ดูเหมือนจะเรียบง่าย

                                  Can machines think ?

คำถามนี้กลายเป็นประตูบานแรกสู่จักรวาลของ AI และ Turing ก็เสนอวิธีทดสอบที่เรียกว่า Turing Test ให้มนุษย์พูดคุยกับอีกฝ่ายโดยไม่รู้ว่าเป็นคนหรือเครื่องจักร ถ้าเครื่องสามารถแกล้งทำเป็นคนได้จนผู้ตัดสินหลงเชื่อ นั่นคือหลักฐานว่ามันอาจคิดได้เหมือนเรา

ปี 1956 คือหมุดหมายสำคัญ เมื่อกลุ่มนักวิจัยหัวก้าวหน้าอย่าง John McCarthy, Marvin Minsky, Claude Shannon, และ Norbert Wiener จัดประชุมที่ Dartmouth และประกาศตั้งชื่อศาสตร์ใหม่ว่า Artificial Intelligence พร้อมด้วยความเชื่อที่แรงกล้าว่า

“ทุกความสามารถของมนุษย์สามารถแปลงเป็นกฎตรรกะและอัลกอริธึมได้ และเครื่องจักรสามารถเรียนรู้ทุกอย่างได้เหมือนมนุษย์”

จากจุดนั้น AI กลายเป็นความหวังของโลกวิทยาศาสตร์ยุคใหม่ นักวิจัยทุ่มทุนสมอง สื่อมวลชนให้ความสนใจ รัฐบาลเริ่มจัดสรรงบประมาณสนับสนุน และสังคมก็เริ่มเชื่อว่า…อนาคตที่มีหุ่นยนต์เดินเคียงข้างมนุษย์อาจจะใกล้กว่าที่คิด

AI กับความผิดหวัง เมื่อความฝันชนกำแพงความจริง

แต่ความฝันมักมีค่าใช้จ่าย และในกรณีนี้ ต้นทุน คือความจริงที่เทคโนโลยียังไปไม่ถึงจินตนาการ

ช่วงต้นยุค 1970s ความคาดหวังต่อ AI เริ่มแปรเปลี่ยนเป็นความผิดหวัง นักวิจัยพยายามสร้างระบบที่เลียนแบบการตัดสินใจของมนุษย์ที่เรียกว่า Expert Systems ซึ่งใช้กฎแบบ “ถ้า...ก็...” (if–then) ในการตัดสินใจ 

AI Winter ครั้งที่ 1 (1974–1980): เมื่อโลกเริ่มไม่เชื่อว่าเครื่องจักรจะคิดได้จริง

หลังจากความตื่นเต้นในช่วงปี 1950s–1960s ที่นักวิจัย AI พากันเชื่อมั่นว่าภายใน 20 ปี เครื่องจักรจะฉลาดเท่าคน โลกก็เข้าสู่ช่วงที่เต็มไปด้วยความคาดหวังแบบไร้ขีดจำกัด

นักวิจัยทั่วโลกเร่งสร้างโมเดลเพื่อให้เครื่อง “เรียนรู้” และ “ตัดสินใจ” แบบมนุษย์ เช่น ระบบที่สามารถเล่นหมากรุก หรือคำนวณคำตอบจากโจทย์คณิตศาสตร์ขั้นสูง ผู้คนเริ่มฝันถึง AI ที่จะทำงานแทนมนุษย์ในสำนักงาน โรงพยาบาล หรือแม้แต่สนามรบ แต่เมื่อเข้าสู่ทศวรรษ 1970 ความฝันก็เริ่มสะดุด

รูปจาก: mub.eps.manchester.ac.uk

Lighthill Report คือ จุดแตกของความหวัง เพราะในปี 1973 รัฐบาลอังกฤษมอบหมายให้นักคณิตศาสตร์ชื่อ James Lighthill ประเมินความคุ้มค่าในการลงทุนวิจัย AI และเขาตีพิมพ์สิ่งที่กลายเป็นจุดหักเหครั้งใหญ่ในชื่อว่า Lighthill Report โดยสาระหลักของรายงานนี้คือ:

1. AI ยังห่างไกลจากการนำไปใช้ได้จริงในโลกภายนอก
2. โครงการต่างๆ ล้มเหลวในการบรรลุเป้าหมายพื้นฐาน เช่น การประมวลผลภาษาธรรมชาติ หรือหุ่นยนต์ที่มีการเคลื่อนไหวคล่องตัว
3. งานวิจัยถูกมองว่าเป็นวิทยาศาสตร์ มากกว่าจะเป็นเทคโนโลยีใช้งาน

รายงานนี้กลายเป็นพื้นฐานให้รัฐบาลอังกฤษตัดสินใจ ยุติการสนับสนุนงานวิจัยด้าน AI ในมหาวิทยาลัยส่วนใหญ่ของสหราชอาณาจักร, โครงการใหญ่ในมหาวิทยาลัยชั้นนำ เช่น University of Edinburgh ถูกยกเลิก, นักลงทุนและหน่วยงานในประเทศอื่นๆ เริ่มถอยตาม

นอกจากนี้ในช่วงเดียวกัน นักวิทยาศาสตร์ก็เริ่มเจอกับกำแพงทางคณิตศาสตร์ที่ข้ามไม่พ้น เช่น

• Combinatorial Explosion: ยิ่งป้อนข้อมูลให้เครื่องมากขึ้น เวลาในการคำนวณจะพุ่งขึ้นแบบทวีคูณ จนเครื่องรุ่นเก่าไม่มีทางจัดการได้
• ปัญหา P vs NP: ปัญหาคณิตศาสตร์ที่ยังไม่มีคำตอบจนถึงวันนี้ ทำให้เกิดความไม่แน่ใจว่า AI จะสามารถแก้ปัญหาที่ซับซ้อนได้ภายในเวลาจำกัดหรือไม่
• ปรากฏการณ์นี้เรียกว่า Moravec’s Paradox: ปัญหาที่ยากสำหรับคนกลับง่ายสำหรับเครื่องจักร แต่ปัญหาง่ายๆ สำหรับคนกลับยากที่สุดสำหรับ AI

บทสรุปของ AI Winter ครั้งแรก ที่เริ่มทำให้ AI หายจากหน้าวงการเทคโนโลยีและวิทยาศาสตร์ไป ก็คือ เงินทุนแห้งเหือด งานวิจัยหายไป การพูดถึง AI ในวงการวิชาการลดลง และที่สำคัญคือ AI ถูกตีตราว่าเป็น "วิทยาศาสตร์แฟนตาซี" มากกว่า "เทคโนโลยีเปลี่ยนโลก"

AI Winter ครั้งที่ 2 (1987–1993): เมื่อความหวังที่เพิ่งฟื้น กลับถูกแช่แข็งยิ่งกว่าเดิม

หลังจากจมอยู่ในฤดูหนาวมานาน ในช่วงต้นทศวรรษ 1980 โลกเริ่มกลับมาให้ความสนใจ AI อีกครั้ง โดยเฉพาะกับแนวทางที่ดูนำไปใช้ได้จริงมากขึ้น นั่นคือ Expert Systems

โดย Expert Systems คือระบบที่เก็บความรู้ของผู้เชี่ยวชาญไว้ในฐานข้อมูล แล้วใช้ตรรกะตัดสินใจโดยเลียนแบบมนุษย์ เช่น XCON ระบบที่ช่วยออกแบบคอมพิวเตอร์ให้ลูกค้า, MYCIN ระบบที่ช่วยวินิจฉัยโรคติดเชื้อ บริษัทยักษ์ใหญ่นำระบบเหล่านี้ไปใช้จริง ได้ผลลัพธ์ที่ดีพอสมควร และมีรายงานว่าสามารถลดต้นทุนหรือเพิ่มประสิทธิภาพได้หลายกรณี จนทำให้นักลงทุนแห่เข้ามา ตลาด AI คึกคักอีกครั้ง 

รูปจาก: mitmuseum.mit.edu

และเมื่อมี LISP Machines เป็นคอมพิวเตอร์เครื่องแรกที่สร้างขึ้นมาเพื่อใช้กับภาษาโปรแกรม LISP ซึ่งใช้ในการพัฒนา AI โดยเฉพาะ เพราะเดิมทีนักวิจัยรู้สึกว่า การรันโปรแกรม LISP บนคอมพิวเตอร์ขนาดใหญ่ (เมนเฟรม) นั้นช้าและมีข้อจำกัดเยอะ เลยสร้างเครื่อง LISP ขึ้นมาให้ทำงานเร็วขึ้น ใช้งานง่ายขึ้น และมีประสิทธิภาพมากขึ้น โดยเป็นคอมพิวเตอร์สำหรับผู้ใช้คนเดียว เครื่องรุ่นแรกถูกประกอบด้วยมือโดย Richard Greenblatt และ Thomas Knight ที่ห้องทดลอง AI ของ MIT ในช่วงกลางยุค 1970

ด้วยปัจจัยหลักอย่างกระบวนการที่พร้อมและฮาร์ดแวร์ที่ดี AI ก็เหมือนจะกลายเป็นสินค้าหลักของอนาคตอีกครั้ง นั่นทำให้ช่วงเวลา 1980–1987 คือ AI Summer ยุคที่สอง ที่หลายคนเชื่อว่า ครั้งนี้แหละ...ของจริง

แต่จุดพังทลายก็เดินทางมาถึง 

ความฝันก็พังอีกรอบ เพราะ...Expert Systems มีข้อจำกัดมหาศาล เช่น ปรับข้อมูลใหม่ไม่ได้ง่าย, รับมือกับข้อมูลแปลกๆ ไม่เก่ง, ไม่มีความสามารถในการเรียนรู้

และกลับมาที่ปัญหาต้นทุน คือ LISP Machines แพงเกินไป เมื่อคอมพิวเตอร์ PC เริ่มมีราคาถูกลงแต่เร็วขึ้น ผู้คนเริ่มตั้งคำถามว่า จะซื้อของแพงไปทำไม ในเมื่อของถูกก็ทำได้คล้ายๆ กัน 

จน LISP Machines ก็ตกรุ่นแทบจะข้ามคืน คนหันไปใช้ IBM และ Apple แทน เมื่อ 2 ปัจจัยหลักเริ่มพังทลายลง ความเชื่อมั่นก็ลดลงตามกันไปเรื่อยๆ จนสุดท้ายบริษัท AI จำนวนมากล้มละลาย, นักลงทุนหนีวงการ, นักวิจัยตกงาน วารสารวิชาการเกี่ยวกับ AI ลดลงอย่างฮวบฮาบ

จากที่การแช่แข็งครั้งแรกเป็นเหมือนการ "ถูกลดความสำคัญ" แต่ว่ารั้งที่สองกลับรุนแรงมากจนเหมือนการ "ถูกถอนราก" เพราะหลังจากนั้นคนในวงการมอง AI เหมือนว่าเป็นฟองสบู่ที่เกิดจาก hype ล้วนๆ หลายมหาวิทยาลัยหยุดเปิดวิชา AI การพูดถึง AI ในที่สาธารณะเกือบหายไปจากวงจรสื่อ

แม้ AI จะถูกแช่แข็ง แต่ในห้องแล็บเล็กๆ บางแห่ง ยังมีนักวิจัยบางกลุ่มที่ทำงานเงียบๆ กับแนวคิดใหม่ที่คนส่วนใหญ่ยังไม่เข้าใจ นั่นคือ Neural Networks และ Machine Learning ซึ่งมันยังไม่มีพลังพอในตอนนั้น แต่กลายเป็น “เมล็ดพันธุ์” ของ AI ยุคใหม่ที่เรารู้จักกันดีวันนี้ เช่น ChatGPT, AlphaGo, และระบบแปลภาษาต่างๆ

AI Winter รอบต่อไปจะเกิดขึ้นไหม ?

เมื่อหันกลับไปมองเส้นทางของ AI ตลอดกว่า 70 ปีที่ผ่านมา เราไม่ได้เห็นแค่เทคโนโลยีที่เติบโตอย่างต่อเนื่องเท่านั้น แต่ยังเห็นความฝันที่เคยถูกสั่นคลอน ความหวังที่ถูกแช่แข็ง และการฟื้นตัวที่เกิดขึ้นจากความพยายามเงียบๆ ในห้องแล็บเล็กๆ

สองครั้งของ AI Winter ที่ผ่านมาไม่ใช่แค่บทเรียนทางเทคนิค แต่มันคือบทเรียนของ “จิตวิทยาสังคม” ที่บอกเราว่า เมื่อเทคโนโลยีไม่สามารถตอบสนองต่อความคาดหวังของมนุษย์ แม้เพียงเล็กน้อย ความศรัทธาทั้งหมดก็พร้อมจะพังทลายลงในพริบตา

และวันนี้ เราอาจกำลังอยู่ในช่วงที่ AI ถูกคาดหวังมากกว่าครั้งไหนๆ ในประวัติศาสตร์

Generative AI เขียนบทความ แต่งเพลง แต่งภาพ สื่อสารแทนคน และเข้าไปอยู่ในแทบทุกวงการอย่างรวดเร็ว มันดูฉลาด เก่ง และเต็มไปด้วยศักยภาพ แต่นั่นก็เป็นสิ่งเดียวกับที่ Expert Systems เคยถูกมองว่าเป็นในยุค 1980 เช่นกัน

หากดูตามประวัติศาสตร์ของ AI ที่ผ่านมาทั้งสองฤดูหนาว สิ่งที่น่ากลัวไม่ใช่ว่า AI ไม่เก่งพอ แต่คือการที่สังคมหมดศรัทธา และตัดสินว่าไม่คุ้มลงทุนทั้งที่อาจยังไปได้ไกลกว่านี้

ดังนั้น AI จะรอดจากฤดูหนาวครั้งที่สามได้หรือไม่ อาจไม่ใช่แค่เรื่องของเทคโนโลยีอีกต่อไป แต่ขึ้นอยู่กับว่า เราจะวางความคาดหวังอย่างเข้าใจ หรือแค่หลงใหลไปกับกระแสอีกครั้ง

อ้างอิง: aibc.world, actuaries, forbes, mitmuseum.mit.edu