ความย้อนแย้งของโมราเวก เมื่อสิ่งที่ง่ายสำหรับมนุษย์กลับยากสำหรับ AI

ความย้อนแย้งของโมราเวก (Moravec's Paradox) คือข้อสังเกตทางวิทยาศาสตร์และคอมพิวเตอร์ที่ระบุว่า การทำให้คอมพิวเตอร์แสดงความสามารถในระดับผู้ใหญ่ในด้านการทดสอบเชาวน์ปัญญาหรือการเล่นเกมหมากรุกนั้นเป็นเรื่องที่ค่อนข้างง่าย แต่การทำให้คอมพิวเตอร์มีทักษะพื้นฐานเหมือนเด็กอายุหนึ่งขวบในด้านการรับรู้ (Perception) และการเคลื่อนไหว (Mobility) กลับเป็นเรื่องที่ยากหรือแทบจะเป็นไปไม่ได้

รากฐานทางชีววิทยาและวิวัฒนาการ

ฮันส์ โมราเวก (Hans Moravec) และนักวิจัยคนอื่นๆ เช่น ร็อดนีย์ บรูคส์ (Rodney Brooks) และ มาร์วิน มินสกี (Marvin Minsky) อธิบายว่ารูปแบบที่ดูขัดกับความรู้สึกนี้เกิดขึ้นเนื่องจากความแตกต่างระหว่างทักษะที่เกิดจากวิวัฒนาการทางชีววิทยาระยะยาวกับทักษะที่เพิ่งเกิดขึ้นในประวัติศาสตร์มนุษย์

บทบาทของการคัดเลือกโดยธรรมชาติ

โมราเวกเสนอว่าทักษะทุกอย่างของมนุษย์ถูกนำมาใช้ผ่านกลไกทางชีวภาพที่ออกแบบโดยกระบวนการคัดเลือกโดยธรรมชาติ (Natural Selection) ซึ่งจะรักษาและปรับปรุงการออกแบบที่เหมาะสมที่สุดไว้ ยิ่งทักษะใดมีอายุเก่าแก่เท่าใด ธรรมชาติก็ยิ่งมีเวลาในการปรับปรุงการออกแบบนั้นให้มีประสิทธิภาพมากขึ้นเท่านั้น

• ทักษะโบราณ: การจดจำใบหน้า, การเคลื่อนที่ในพื้นที่สามมิติ, การรับรู้เสียง, และทักษะทางสังคม ทักษะเหล่านี้มีวิวัฒนาการมานานหลายล้านปีจนกลายเป็นกระบวนการที่เกิดขึ้นโดยไม่รู้ตัว (Unconscious) และดูเหมือนจะทำได้โดยไม่ต้องใช้ความพยายาม
• ทักษะสมัยใหม่: คณิตศาสตร์, วิศวกรรม, ตรรกศาสตร์ และการใช้เหตุผลทางวิทยาศาสตร์ ทักษะเหล่านี้เพิ่งเกิดขึ้นในระยะเวลาอันสั้นของประวัติศาสตร์มนุษย์ (อาจไม่ถึงแสนปี) และถูกขัดเกลาผ่านวิวัฒนาการทางวัฒนธรรมเป็นหลัก จึงไม่ได้ถูกฝังรากลึกในระดับสัญชาตญาณทางชีวภาพเหมือนทักษะการเคลื่อนไหว

ดังนั้น การวิศวกรรมย้อนกลับ (Reverse-engineering) ทักษะที่ดูเหมือน "ง่าย" สำหรับมนุษย์จึงยากที่สุด เพราะมันคือผลลัพธ์ของการคำนวณทางชีวภาพที่ซับซ้อนมหาศาลซึ่งสะสมมานับพันล้านปี

อิทธิพลต่อการพัฒนาปัญญาประดิษฐ์

ในช่วงเริ่มต้นของการวิจัยปัญญาประดิษฐ์ (AI) นักวิจัยจำนวนมากมีความเชื่อมั่นว่าพวกเขาสามารถสร้างเครื่องจักรที่คิดได้ภายในไม่กี่ทศวรรษ ความเชื่อนี้เกิดจากการที่พวกเขาสามารถเขียนโปรแกรมให้แก้โจทย์พีชคณิต เรขาคณิต หรือเล่นหมากรุกได้สำเร็จ ซึ่งเป็นสิ่งที่มนุษย์ทั่วไปมองว่าเป็น "งานยาก" และเป็นเครื่องหมายของความฉลาด

อย่างไรก็ตาม นักวิจัยเหล่านี้ประเมินค่าทักษะการรับรู้และสามัญสำนึก (Commonsense reasoning) ต่ำเกินไป โดยคิดว่าเมื่อแก้ปัญหา "ยากๆ" อย่างตรรกศาสตร์ได้แล้ว ปัญหา "ง่ายๆ" อย่างการมองเห็นจะคลี่คลายตามมาในไม่ช้า แต่ในความเป็นจริง ปัญหาเหล่านี้กลับมีความซับซ้อนสูงมาก จนนำไปสู่ช่วงเวลาที่เรียกว่า AI Winter หรือยุคฤดูหนาวของ AI เมื่อความคาดหวังไม่เป็นไปตามความเป็นจริง

แนวคิด Nouvelle AI

ร็อดนีย์ บรูคส์ ได้วิพากษ์วิจารณ์ว่าในยุคแรก AI ถูกนิยามโดยสิ่งที่ "นักวิทยาศาสตร์ชายที่มีการศึกษาสูงพบว่าท้าทาย" เช่น การพิสูจน์ทฤษฎีบททางคณิตศาสตร์ แต่กลับละเลยสิ่งที่เด็ก 4-5 ขวบทำได้โดยธรรมชาติ เช่น การแยกแยะระหว่างแก้วกาแฟกับเก้าอี้ หรือการเดินจากห้องนอนไปห้องนั่งเล่น

ด้วยเหตุนี้ บรูคส์จึงเสนอแนวทาง "Nouvelle AI" ซึ่งมุ่งเน้นการสร้างเครื่องจักรที่เน้นการรับรู้และการกระทำ (Sensing and Action) โดยตัดส่วนของการประมวลผลทางปัญญา (Cognition) แบบดั้งเดิมออกไป เพื่อให้หุ่นยนต์สามารถตอบสนองต่อสิ่งแวดล้อมได้จริงในโลกกายภาพ

มุมมองเชิงวิพากษ์

ไม่ใช่ทุกคนที่เห็นด้วยกับแนวคิดนี้ อัลเลน นิวเวลล์ (Allen Newell) ผู้ก่อตั้งด้าน AI ได้วิจารณ์ว่าความคิดที่ว่าการจำลองการใช้เหตุผลขั้นสูงนั้นง่ายกว่าการจำลองทักษะพื้นฐานเป็นเพียง "ตำนาน" (Myth) โดยมองว่าการทำงานของระบบปัญญาประดิษฐ์มีความซับซ้อนในแบบที่ไม่อาจแบ่งแยกความยากง่ายตามเกณฑ์วิวัฒนาการได้เพียงอย่างเดียว