อย่างที่ผมเคยเกริ่นในบันทึกก่อนหน้านี้ ถ้าเราจะสร้างคอมพิวเตอร์ที่ "รู้" และ "คิด" ได้เหมือนคน เราก็ต้องรู้ก่อนว่าคนรู้และคิดอย่างไรครับ

นี่คือความสะใจของการทำวิจัย เพราะงานวิจัยโดยส่วนใหญ่ ทำเรื่องหนึ่งมันจะออกอีกเรื่องหนึ่งทุกทีสิน่า อย่างเช่นสร้างสมองคอมพิวเตอร์ก็กลายว่ามารู้จักสมองคนเสียมากกว่า

เหมือน Prof. Dr. Anthony F. Norcio อาจารย์ที่ปรึกษาผมครับ ทำวิจัยด้านนี้อยู่ดีๆ ทำไปทำมาไปออกเรื่องปรัชญาและศาสนาเสียอย่างนั้นล่ะ ตอนผมเริ่มเรียนกับท่านนั้น ท่านก็เป็น Catholic Minister แล้วครับ

"คนคิดอย่างไร?" เรื่องนี้เรื่องใหญ่ครับ พวกเราเหล่าชน AI ไม่ได้สนใจว่าในทางชีววิทยานั้นสมองจะทำงานอย่างไร เราสนใจในเชิงตรรกะมากกว่าครับ

"เราแทนความรู้อย่างไร?" นี่ก็เรื่องใหญ่ ว่าเราเก็บแบบไหนในสมองเรา เราถึงเรียกว่า "รู้"

เวลาใครสักคนเห็นใบไม้หนึ่งใบแล้วบอกว่า "ใบไม้สีเขียว" ได้ โจทย์แค่นี้ก็น่าปวดหัวแล้วครับว่าเราจะสร้างคอมพิวเตอร์ให้ทำอย่างนี้ได้อย่างไร

ถ้าจะสร้างให้ทำงานแบบ "เทียมๆ" นั้นไม่ยากครับ เอาภาพที่ผ่านกล้องมาประมวลผลว่ามันเป็นสีเขียว แล้วหาว่าสิ่งที่อยู่ในสีเขียวมีโครงเรียวยาว ถ้าเป็นดั่งนี้แล้ว ก็ให้ส่งเสียงออกลำโพงว่า "ใบไม้สีเขียว" ไม่ยาก ไม่ยาก

แต่นั่นไม่ใช่ความรู้ครับ นั่นมันยังเป็นความรู้ของเรานั่นล่ะ เราเป็นคนรู้เองว่าแสงใน spectrum นี้คือสีเขียว เพียงแต่เราหาเครื่องทุ่นแรงให้มันทำงานทื่อๆ เท่านั้นเอง เจอใบไม้กลมๆ สีออกแดง เจ้าโปรแกรมของเราก็ทำงานไม่ได้แล้ว

ดังนั้น "การแทนความรู้" ที่เกิดขึ้นในสมองเรานั้นน่าคิดมากครับ ว่าเรา "เก็บ" มันไว้อย่างไรกันแน่ ถึงเอามาใช้งานได้อย่างพิสดารไม่มีที่สิ้นสุดอย่างนี้

นักวิจัยด้าน AI ก็พยายามหาคำตอบด้านนี้ครับ ว่า "การแทนความรู้" หรือ Knowledge Representation นั้นเป็นอย่างไร

เราเองก็ตอบกันยังไม่ได้ชัดเจนหรอกครับ แต่เราพอจะได้แนวคิดคร่าวๆ ที่ประยุกต์ใช้ได้

เป็นนักวิจัยด้าน AI นั้น เพื่อจะตอบคำถามนี้ เราจึงต้องกลายเป็นนักปรัชญาครับ เห็นไหมครับ เราเป็นกันหลากหลายจริงๆ ขอบอก

นักปรัชญาเชื่อว่ามนุษย์เรา "รู้" ผ่านกระบวนการหลายอย่างครับ มีหลายพวกหลายแบบและหลายแนว

โดยพื้นฐานเลย เรา "แยกแยะ" (classification - A เป็นประเภทของ B) เรา "รวบรวม" (composition - A ประกอบด้วย B และ C) เรื่องการ "แยกแยะ" และ การ "รวบรวม" นี่ที่จริงเป็นเรื่องเดียวกันนะครับ เรียกรวมกันคือเรื่องของการ classification ครับ

แล้วนอกจากนั้นเรา "เรียบเรียง" (logical reasoning - A ทำให้เกิด B และ B เกิดขึ้นเพราะ A) ด้วย

การ "แยกแยะ/รวมรวม" และ "เรียบเรียง" นี้เป็นการทำงานพื้นฐานของสมองมนุษย์ในการแทนความรู้

ลองนึกดูนะครับ แต่ละวันสมองเราก็ทำอยู่ประมาณนี้ แต่สมองเราทำได้อย่างอัตโนมัติและผาดโผนพิสดารมาก

ถ้าผมทำให้คอมพิวเตอร์ทำงานเหล่านี้ได้พิสดารเทียบเท่ามนุษย์ ผมก็สามารถสร้างสมองเทียมได้ แต่ติดปัญหาอยู่ก็คือ "ความพิสดาร" นั้นมันมีกลไกอย่างไรบ้าง

กลไกหนึ่งที่น่าตลกคือ สมองเราพิสดารมากในการทำงานพื้นฐานนี้ จนมีประสิทธิภาพและประสิทธิผลในการทำงานไม่คงเส้นคงวา จนทำให้สมองแต่ละใบรับรู้ได้แตกต่างกัน กลายเป็นความผันผวน (นักสถิติชอบ) และกลายเป็นปัญหา (นักบริหารไม่ชอบ)

เรื่องความผันผวนไม่คงเส้นคงวาของสมองนี่ ไม่ใช่เรื่องไม่ดีนะครับ เป็นเรื่องที่ดีครับ นักวิทยาศาสตร์เราพิสูจน์กันแล้วว่า เพื่อที่จะจำได้ดี สมองต้องมีกลไกการลืม และเพื่อที่จะคิดได้ดี สมองต้องทำงานไม่คงเส้นคงวาครับ 

แต่ปัญหานี่ล่ะ ที่ผมเห็นว่าสามารถนำความรู้จากงานด้าน AI มาช่วยพัฒนางานด้านบริหารจัดการของมนุษย์ได้

ยิงนกนัดเดียวได้นกสองตัว คือได้ทั้ง Knowledge Engineering และ Knowledge Management ครับ

เดี๋ยวเราค่อยมาดูในบันทึกต่อไปกันดีกว่าว่าเราจะ "แยกแยะ/รวบรวม" และ "เรียบเรียง" อย่างไรดีให้มีศักยภาพสูงสุดครับ