ไขความลับสมองมนุษย์: ทำไมยังเหนือชั้นกว่า AI แม้เทคโนโลยีล้ำยุค?

งานวิจัยด้านประสาทวิทยายุคใหม่กำลังเปลี่ยนมุมมองที่เรามีต่อ “ความคิด” ของมนุษย์ และที่สำคัญคือ ชี้ให้เห็นว่าทำไมปัญญาประดิษฐ์ (AI) ยังห่างไกลจากความซับซ้อนอันน่าทึ่งของสมองเรา บทความล่าสุดในนิตยสาร Salon ได้เจาะลึกถึงวิวัฒนาการอันเป็นเอกลักษณ์ของสมองมนุษย์ ซึ่งทำให้มันเป็นได้มากกว่าแค่คอมพิวเตอร์ประสิทธิภาพสูง ข้อมูลใหม่นี้ท้าทายความเข้าใจเดิมๆ เกี่ยวกับ AI รวมถึงแนวคิด “โครงข่ายประสาทเทียม” ซึ่งเป็นรากฐานของการเรียนรู้ของเครื่อง

ที่ผ่านมา หลายคน—รวมถึงนักพัฒนา AI เอง—มักมองสมองมนุษย์เป็นเพียงเครือข่ายเซลล์ประสาทที่คล้ายคลึงกัน ทำงานประสานกันส่งสัญญาณไฟฟ้าเป็นลำดับขั้น ก่อให้เกิดความฉลาด แนวคิดนี้เป็นแรงบันดาลใจให้เกิด “โครงข่ายประสาทเทียม” (Artificial Neural Network) ที่พยายามจำลองโครงสร้าง มากกว่าจะเข้าใจแก่นแท้การทำงานของสมอง ทำให้หลายคนเชื่อว่า หากเครื่องจักรสามารถเลียนแบบโครงสร้างและการเชื่อมต่อของสมองได้ ในที่สุดก็น่าจะมีความสามารถทัดเทียมหรือเหนือกว่ามนุษย์ได้ แต่หลักฐานทางวิทยาศาสตร์ยุคใหม่กำลังตอกย้ำว่า ความเชื่อนี้ “มองข้ามจุดสำคัญ” ไปอย่างสิ้นเชิง และส่งผลกระทบต่อทั้งวงการประสาทวิทยาและอนาคตของ AI

เรื่องนี้สำคัญต่อสังคมไทยอย่างไร?

ในยุคที่ประเทศไทยกำลังเร่งเครื่องสู่การเป็นสังคมดิจิทัลเต็มรูปแบบ และทุ่มเทงบประมาณมหาศาลเพื่อวิจัยและพัฒนา AI สำหรับใช้ในระบบสาธารณสุข การศึกษา และภาคธุรกิจ การทำความเข้าใจธรรมชาติที่แท้จริงของ “ความฉลาด”—ไม่ว่าจะเป็นของมนุษย์หรือเครื่องจักร—จึงเป็นหัวใจสำคัญในการกำหนดทิศทางนโยบายด้านเทคโนโลยี การวางแผนการศึกษา และการจัดสรรทรัพยากรวิจัยของชาติ ยิ่งไปกว่านั้น ข้อมูลเชิงลึกเหล่านี้ยังช่วยอธิบายว่า เหตุใดความก้าวหน้าของ AI ในแวดวงการศึกษาและสุขภาพของไทยจึงยังไม่สม่ำเสมอเท่ากัน และยังเป็นเครื่องมือสำคัญในการอภิปรายประเด็นทางจริยธรรมเกี่ยวกับการนำ AI มาใช้ในภารกิจที่ละเอียดอ่อน

สมองซับซ้อนกว่าแค่ “โครงข่ายประสาท”

ตลอดสองทศวรรษที่ผ่านมา หลักฐานทางประสาทวิทยาค่อยๆ บั่นทอนแนวคิดเรื่อง “โครงข่ายประสาท” ที่ดูเรียบง่ายเกินจริง การศึกษาสมองมนุษย์และสัตว์ลงลึกถึงระดับเซลล์ประสาทเดี่ยวเผยให้เห็นว่า เซลล์ประสาทไม่ได้มีหน้าตาและการทำงานเหมือนกันไปหมดอย่างที่เคยเข้าใจกัน งานวิจัยโดยศัลยแพทย์ระบบประสาทจาก UCLA เปิดเผยว่า สมองของเราประกอบด้วยเซลล์ประสาทหลากหลายชนิด แต่ละชนิดมีหน้าที่เฉพาะทาง ซึ่งเป็นผลจากการขัดเกลาผ่านกระบวนการวิวัฒนาการนานนับล้านปี แตกต่างอย่างสิ้นเชิงกับโมเดล AI ที่ใช้ “โหนด” (nodes) แบบเดียวกันหมดเพื่อจำลองเซลล์ประสาท อันที่จริง งานวิจัยล่าสุดสามารถจำแนกเซลล์ประสาทของมนุษย์กว่า 2 ล้านเซลล์ ออกเป็น 31 กลุ่มใหญ่ 461 กลุ่มย่อย และละเอียดถึง 3,313 ชนิดย่อย—ซับซ้อนกว่าโครงสร้าง AI ในปัจจุบันแบบเทียบกันไม่ติด

หนึ่งในการค้นพบที่น่าทึ่งที่สุดคือ “เซลล์แนวคิด” (concept cells) หรือบางครั้งเรียกว่า “เซลล์คุณยาย” (grandmother cell) เซลล์เหล่านี้จะตอบสนองต่อแนวคิดหรือความทรงจำที่เฉพาะเจาะจงมากๆ ตัวอย่างเช่น ในงานวิจัยกับผู้ป่วยโรคลมชักที่ต้องเข้ารับการผ่าตัดสมอง นักวิจัยพบเซลล์ประสาทเซลล์หนึ่งที่จะ “ทำงาน” หรือ “จุดติด” เฉพาะเมื่อผู้ป่วยนึกถึง เห็นภาพ หรือจดจำการ์ตูนเรื่อง “เดอะซิมป์สันส์” เท่านั้น ไม่ว่าจะดูคลิปการ์ตูน หรือแค่หวนนึกถึงตัวละคร เซลล์เดิมนี้ก็จะทำงานอย่างชัดเจน แสดงให้เห็นว่าเซลล์ประสาทเพียงเซลล์เดียวสามารถเข้ารหัสและเรียกคืนความทรงจำที่ซับซ้อนได้อย่างรวดเร็วและยืดหยุ่น ซึ่งตรงกันข้ามกับ AI ที่ต้องอาศัยข้อมูลตัวอย่างมหาศาลเพื่อเรียนรู้แค่ “ความเชื่อมโยง” แบบผิวเผิน และมักขาดความสามารถในการตีความหรือเข้าใจบริบทที่ลึกซึ้ง

ทีม นักวิทยาศาสตร์ด้านการรับรู้ (Cognitive Scientists) จากมหาวิทยาลัยสแตนฟอร์ด ยืนยันว่า โมเดล AI ในปัจจุบันยังขาดศักยภาพที่จะเทียบเคียงกับ “พรสวรรค์” ที่สมองมนุษย์ได้รับจากวิวัฒนาการ AI ต้องการข้อมูลฝึกฝนจำนวนมหาศาลและขาดความเชี่ยวชาญเฉพาะทางเหมือนเซลล์สมองมนุษย์ที่เรียนรู้ได้อย่างรวดเร็ว จุดนี้ไม่ใช่แค่ข้อจำกัดทางเทคนิค แต่เป็นผลลัพธ์โดยตรงจากกระบวนการวิวัฒนาการนับล้านปีที่สรรค์สร้างสมองมนุษย์ขึ้นมา

กลไกการเรียนรู้ของสมองกับ AI ต่างกันตรงไหน?

นักวิจัยชี้ว่า กลไกการเรียนรู้ของสมองกับ AI นั้นแตกต่างกันตั้งแต่รากฐาน AI ส่วนใหญ่อาศัยโมเดลการเรียนรู้แบบ “Hebbian” ซึ่งเน้นว่าการเชื่อมต่อระหว่างเซลล์ประสาทจะแข็งแรงขึ้นเมื่อเซลล์เหล่านั้นทำงานพร้อมกัน (หลักการที่ว่า “เซลล์ที่จุดติดพร้อมกัน จะเชื่อมต่อกันแน่นแฟ้นขึ้น”) โมเดลนี้ต้องการข้อมูลป้อนเข้าไปจำนวนมหาศาล แต่สมองมนุษย์กลับใช้กลไกที่เรียกว่า Behavioral Time Scale Synaptic Plasticity (BTSP) ซึ่งช่วยให้สามารถสร้างความทรงจำที่คงทนได้จากประสบการณ์ที่เกิดขึ้นซ้ำเพียงไม่กี่ครั้ง หรือแม้กระทั่งจากเหตุการณ์สำคัญเพียงครั้งเดียว “รหัสประหยัด” (sparse coding) เช่นนี้ ทำให้เซลล์ประสาทเพียงไม่กี่เซลล์ (บางครั้งแค่เซลล์เดียว) ก็เพียงพอที่จะเก็บข้อมูลสำคัญ ซึ่งเอื้อต่อการคิดที่คล่องตัว ประหยัดพลังงาน และมีความคิดสร้างสรรค์มากกว่า

ความหมายและประโยชน์ต่อสังคมไทย

ข้อมูลเหล่านี้มีความสำคัญอย่างยิ่งในบริบทของสังคมไทยที่กำลังนำ AI มาประยุกต์ใช้อย่างกว้างขวาง ไม่ว่าจะเป็นการแปลภาษา การแพทย์ทางไกล หรือระบบการเรียนรู้ส่วนบุคคล บ่อยครั้งที่เราอาจคาดหวังว่า AI จะมีความสามารถหรือความฉลาดใกล้เคียงมนุษย์โดยอัตโนมัติ แต่ความจริงก็คือ ความสามารถของ AI ยังคงตั้งอยู่บนฐานของการ “เรียนรู้เพื่อจับรูปแบบ” (pattern recognition) ในขณะที่มนุษย์มีความเข้าใจในความหมาย บริบท และวัฒนธรรม ในแบบที่เครื่องจักรยังเข้าไม่ถึง ด้วยเหตุนี้ ครูและบุคลากรทางการแพทย์ไทยที่เริ่มนำ AI มาใช้ในห้องเรียนหรือสถานพยาบาล จึงควรตระหนักถึงข้อจำกัดเหล่านี้ เพื่อออกแบบการใช้งานที่เหมาะสม และส่งเสริมการทำงานร่วมกันอย่างสร้างสรรค์ แทนที่จะฝากความหวังทั้งหมดไว้กับเทคโนโลยี

ในอดีต แนวคิดที่ว่า “สมองคือคอมพิวเตอร์” เป็นแรงขับเคลื่อนสำคัญของนวัตกรรมทั้งทางวิทยาศาสตร์และเทคโนโลยีทั่วโลก รวมถึงในประเทศไทย—เห็นได้จากนโยบายส่งเสริมการเรียนโค้ดดิ้ง หรือการปฏิรูปการศึกษาที่เน้นเทคโนโลยีของกระทรวงศึกษาธิการ แต่เมื่อหลักฐานทางประสาทวิทยายืนยันหนักแน่นขึ้นเรื่อยๆ ว่าสมองมนุษย์มี “หน่วยสร้างความคิดเชิงนามธรรม” ที่ทำงานอย่างเฉพาะเจาะจง ไม่ว่าจะเป็นด้านภาษา ความคิดสร้างสรรค์ ความเห็นอกเห็นใจ หรือการเก็บรักษาความทรงจำเชิงวัฒนธรรม AI ก็ยิ่งดูห่างไกลจากการมีความเข้าใจและการตีความที่ลึกซึ้ง ตัวอย่างเช่น ระบบตรวจข้อสอบอัตโนมัติ หุ่นยนต์ช่วยสอน หรือเครื่องมือช่วยวินิจฉัยโรค ที่กำลังทดลองใช้ในโรงเรียนและโรงพยาบาลหลายแห่งในไทย ก็มักจะพบข้อจำกัดเมื่อต้องตีความนัยยะแฝง ซึมซับบริบททางวัฒนธรรม หรือเข้าใจสถานการณ์ที่มนุษย์รับรู้ได้โดยสัญชาตญาณ (อ้างอิงข้อมูลจากรายงานของธนาคารโลก ยูเนสโก และข้อมูลนโยบายจากกระทรวงสาธารณสุขไทย)

นักวิชาการด้านประสาทวิทยาคลินิกแห่งมหาวิทยาลัยบอนน์ ซึ่งเป็นผู้บุกเบิกการบันทึกสัญญาณสมองระดับเซลล์เดี่ยว อธิบายว่า “เมื่อเราพูดถึงรหัสแบบประหยัด (sparse code) เทียบกับโครงข่ายแบบกระจาย (distributed network) มันหมายความว่าเซลล์ส่วนใหญ่จะเงียบ แต่จะมีเซลล์จำนวนน้อยที่ส่งสัญญาณแรงมากเมื่อเจอกับสิ่งกระตุ้นที่มัน ‘ชอบ’ เป็นพิเศษ นี่แหละคือหน่วยย่อยๆ ของความหมาย (semantic building blocks) ที่นำมาประกอบกันเป็นความทรงจำที่สมบูรณ์” คำอธิบายนี้ชี้ให้เห็นอย่างชัดเจนว่า ทำไม AI แม้จะมีข้อมูลมหาศาลและฮาร์ดแวร์ที่ทรงพลัง ก็ยังไม่สามารถเข้าใจความหมายในระดับลึก หรือจดจำประสบการณ์ได้เหมือนมนุษย์

อนาคต AI ไทย ควรเดินหน้าไปทางไหน?

สัญญาณล่าสุดจากงานวิจัยเหล่านี้ อาจถึงเวลาที่เราต้องทบทวนทิศทางการพัฒนา AI ครั้งใหญ่ ทั้งในระดับประเทศและระดับโลก หากนักพัฒนาสามารถศึกษาและจำลอง “ความหลากหลายและความเชี่ยวชาญเฉพาะทางของเซลล์สมอง” ได้สำเร็จ แทนที่จะมุ่งเน้นเพียงการเลียนแบบโครงสร้างเครือข่ายอย่างผิวเผิน เราอาจได้ AI ที่มีความเข้าใจลึกซึ้งมากขึ้น โดยเฉพาะในงานที่ต้องอาศัยความเข้าใจบริบท วัฒนธรรม หรือการมีปฏิสัมพันธ์กับมนุษย์อย่างเห็นอกเห็นใจ ขณะเดียวกัน บทเรียนจากงานวิจัยใหม่ๆ นี้ ควรกระตุ้นให้ผู้กำหนดนโยบาย ครู แพทย์ และประชาชนชาวไทย ประเมินอย่างรอบคอบว่าจะนำ AI มาใช้อย่างไร และจะสงวนอำนาจการตัดสินใจของมนุษย์ไว้ ณ จุดใด เพื่อไม่ให้คุณค่าที่สำคัญที่สุดของความเป็นมนุษย์ต้องเลือนหายไป

สำหรับคนไทยทั่วไป สาระสำคัญคือ ควรมอง AI เป็น “เครื่องมือเสริม” ที่มีประสิทธิภาพสูง แต่ก็ยังมีข้อจำกัด โดยเฉพาะในงานที่ต้องการการตีความ ต้องใช้ความคิดเชิงนามธรรม หรือต้องอาศัยความเข้าใจในบริบททางวัฒนธรรมที่ลึกซึ้ง แม้ AI จะเข้ามามีบทบาทสำคัญในการปฏิวัติวงการแปลภาษา ระบบบริการลูกค้า การศึกษา และการแพทย์ แต่มันจะยังไม่สามารถทดแทนความคิดสร้างสรรค์ ความยืดหยุ่น และปัญญาที่สั่งสมผ่านการวิวัฒนาการนับล้านปีของมนุษย์ได้ คนไทย—ไม่ว่าจะเป็นนักเรียน นิสิต นักศึกษา คนทำงาน หรือผู้กำหนดนโยบาย—จะได้รับประโยชน์สูงสุดก็ต่อเมื่อรู้จักผสาน “พลังการประมวลผลอันรวดเร็ว” ของ AI เข้ากับความเข้าใจ ความเห็นอกเห็นใจ และวิจารณญาณแบบมนุษย์ได้อย่างลงตัว

ผู้ที่สนใจประเด็นนี้ ควรติดตามความก้าวหน้าของงานวิจัยด้านสมองและ AI อย่างใกล้ชิด ไม่ด่วนยอมรับคำกล่าวอ้างทางเทคโนโลยีโดยปราศจากการไตร่ตรอง และร่วมกันผลักดันนโยบายที่สร้างสมดุลระหว่างนวัตกรรมกับคุณค่าความเป็นมนุษย์ ในขณะที่ประเทศไทยกำลังก้าวเข้าสู่ยุคดิจิทัล การเข้าใจแก่นแท้ของสมองมนุษย์จะช่วยให้เราสามารถวางตำแหน่ง AI ในฐานะ “ผู้ช่วย” ไม่ใช่ “ผู้แทนที่” มนุษย์ได้อย่างแท้จริง

แหล่งข้อมูล

• Salon Magazine, “Humans think — AI, not so much. Science explains why our brains aren’t just fancy computers” ()
• วารสาร Cell ()
• รายงานธนาคารโลกและยูเนสโกด้านปัญญาประดิษฐ์ในระบบการศึกษาไทย
• ข้อมูลสรุปนโยบายจากกระทรวงสาธารณสุขไทย
• พจนานุกรม Merriam-Webster คำจำกัดความ “โครงข่ายประสาท” (https:>)</https: