ปฏิวัติความคิด: เมื่อ AI เริ่ม ‘ฉลาด’ อย่างเป็นระบบ
ช่วงกลางทศวรรษ 1960 ถือเป็นยุคทองของการเปลี่ยนแปลงครั้งสำคัญในโลกของปัญญาประดิษฐ์ หรือ AI
จากเดิมที่เน้นแนวคิดเชิงนามธรรมอย่างการทดสอบของทัวริง (Turing Test) เพื่อดูว่าเครื่องจักรเลียนแบบมนุษย์ได้ดีแค่ไหน การพัฒนา AI ก็เริ่มหันมาสู่แนวทางที่จับต้องได้มากขึ้น นั่นคือการสร้างเครื่องจักรที่ “ฉลาด” จริงๆ ผ่านการกำหนดและวัดผลความฉลาดด้วยกระบวนการทางคอมพิวเตอร์ที่ชัดเจน
นี่คือช่วงเวลาที่ AI เริ่มถูก “ทำให้เป็นระบบ” อย่างแท้จริง
รากฐานสำคัญสู่ความฉลาด: ตรรกะเชิงเหตุผล
หนึ่งในเสาหลักสำคัญที่เข้ามาเป็นส่วนหนึ่งของการสร้างความฉลาดใน AI คือ ตรรกะ
AI ในยุคนั้นถูกออกแบบมาให้สามารถใช้หลักการอนุมานเชิงตรรกะ เพื่อดึงข้อสรุปจากชุดข้อมูลหรือสมมติฐานที่ได้รับมา
ลองนึกภาพการแก้ปัญหาที่ซับซ้อนด้วยการไล่เรียงเหตุผลทีละขั้น
เช่น “หลักการการหาข้อยุติ” (Resolution Principle) ที่ริเริ่มโดย Robinson ในปี 1965 ซึ่งช่วยให้คอมพิวเตอร์สามารถพิสูจน์ทฤษฎีทางคณิตศาสตร์ได้โดยอัตโนมัติ
นอกจากนี้ยังมีระบบอย่าง Logic Theorist และ General Problem Solver (GPS) ที่แสดงให้เห็นว่า AI สามารถเป็นระบบที่จัดการสัญลักษณ์และทำการ อนุมานเชิงตรรกะ เพื่อไขปัญหาต่างๆ ได้
การค้นพบองค์ความรู้ใหม่: บทบาทของการเรียนรู้
นอกจากตรรกะแล้ว ความสามารถในการ ค้นพบ องค์ความรู้ใหม่ก็เป็นอีกหนึ่งเสาหลักที่ทำให้ AI ก้าวหน้า
แทนที่จะแค่ทำตามโปรแกรมที่กำหนด AI เริ่มเรียนรู้ที่จะค้นหาแพตเทิร์นจากข้อมูล สร้างสมมติฐาน และดึงความรู้ใหม่ๆ ออกมาด้วยตัวเอง
โปรเจกต์อย่าง Meta-Dendral เป็นตัวอย่างที่น่าสนใจ ซึ่งสามารถอนุมานโครงสร้างทางเคมีจากข้อมูลสเปกโตรเมตรีมวลสารได้
แนวคิดนี้เปิดประตูสู่การสร้าง AI ที่ไม่เพียงแค่รู้ แต่ยังสามารถ “เรียนรู้” และสร้าง สมมติฐาน ขึ้นมาได้เอง ซึ่งเป็นก้าวสำคัญที่แตกต่างจากการโปรแกรมแบบเดิมๆ อย่างสิ้นเชิง
เข้าใจโลกผ่านความสัมพันธ์: พลังของการจำแนกรูปแบบ
เสาหลักสุดท้ายคือความเข้าใจโลกผ่าน “ความใกล้เคียง” หรือ การจำแนกรูปแบบ
นี่คือการที่ AI สามารถจัดกลุ่มข้อมูลที่คล้ายกัน ระบุหมวดหมู่ และทำความเข้าใจความสัมพันธ์ต่างๆ โดยอ้างอิงจากความใกล้ชิดหรือความเหมือนของข้อมูลนั้นๆ
งานวิจัยในยุคนั้นรวมถึง Perceptron ของ Rosenblatt ซึ่งเป็นหนึ่งในโครงข่ายประสาทเทียมยุคแรกๆ ที่ถูกใช้ในการ จำแนกรูปแบบ ต่างๆ เช่น ตัวอักษรหรือภาพง่ายๆ
การพัฒนาอัลกอริทึมการจัดกลุ่ม (Clustering) ก็เป็นส่วนหนึ่งของแนวคิดนี้ ทำให้ AI สามารถรับรู้และจัดหมวดหมู่ข้อมูลเชิงรับรู้หรือข้อมูลดิบได้อย่างมีประสิทธิภาพ
การรวมกันของตรรกะ การค้นพบ และการจำแนกรูปแบบนี้ ไม่เพียงทำให้ AI ก้าวข้ามจากแนวคิดนามธรรมสู่การประยุกต์ใช้จริง แต่ยังเป็นการวางรากฐานที่มั่นคงให้กับปัญญาประดิษฐ์ในยุคปัจจุบัน
มันคือจุดเริ่มต้นที่ทำให้ AI สามารถรับมือกับปัญหาที่ซับซ้อนยิ่งขึ้น และเป็นแรงผลักดันสำคัญที่นำพาเรามาสู่ยุคแห่ง AI ที่เราเห็นกันในทุกวันนี้