ชุดหนึ่งคอยเสนอความเป็นไปได้ของหมากเดินต่อไป อีกชุดคอยประเมินว่าตำแหน่งใดมีแนวโน้มจะนำไปสู่ชัยชนะ ทั้งสองทำงานร่วมกับเทคนิคการค้นหาแบบโครงสร้างต้นไม้ในการตัดสินใจ ที่ช่วยให้เครื่องจักรไม่ต้องไล่คำนวณทุกความเป็นไปได้ในจักรวาล แต่เลือกสำรวจเฉพาะเส้นทางที่มีแนวโน้มดีที่สุด

ก่อนจะมาถึงห้องแข่งขันในกรุงโซล ทีมวิจัยได้ฝึกฝนระบบนี้ด้วยวิธีที่แปลกประหลาดในสายตาคนทั่วไป นั่นคือปล่อยให้มันเล่นเกมอาร์เคดคลาสสิกอย่าง Breakout นับล้านรอบ โดยไม่มีใครบอกกติกาหรือกลยุทธ์ใด ๆ ให้ มีเพียงภาพบนหน้าจอกับตัวเลขคะแนนเท่านั้นที่เป็นครูสอน

เครื่องจักรต้องค้นพบด้วยตัวเองว่าการขยับแท่งไม้ไปทางไหนจะทำให้คะแนนเพิ่มขึ้น การทดลองเล็ก ๆ เหล่านั้นในช่วงปี 2013 ถึง 2015 คือรากฐานที่ทำให้ทีมมั่นใจว่าหลักการเดียวกันนี้อาจขยายไปสู่ปัญหาที่ซับซ้อนกว่าได้ และหมากล้อมคือสนามทดสอบต่อไป

เมื่อ Move 37 ปรากฏขึ้นในเกมที่สองของการแข่งขันห้าเกม โลกทั้งใบต่างพากันสงสัยในตอนแรกว่านี่คือข้อผิดพลาดทางเทคนิค เพราะหมากชิ้นนั้นถูกวางในตำแหน่งที่ห่างไกลจากรูปแบบการเล่นที่สั่งสมกันมานับพันปีของปรมาจารย์หมากล้อมชาวเอเชีย มันไม่แย่งพื้นที่ ไม่ป้องกันตัว ไม่ทำตามหลักการพื้นฐานใด ๆ ที่มนุษย์เคยสอนกันมา

แต่เมื่อเกมดำเนินต่อไปอีกกว่าร้อยหมาก ความหมายของหินก้อนนั้นก็ค่อย ๆ เผยตัวออกมา มันกลายเป็นจุดยุทธศาสตร์ที่ลงตัวพอดิบพอดี ราวกับถูกวางไว้ล่วงหน้าเพื่อรอวันแห่งชัยชนะที่กำลังจะมาถึง สุดท้าย AlphaGo ปิดฉากซีรีส์ด้วยชัยชนะสี่ต่อหนึ่งเกม และนับจากนั้นโลกก็ไม่มีวันมองปัญญาประดิษฐ์แบบเดิมอีกต่อไป

สิ่งที่ทำให้ Move 37 มีความหมายเกินกว่าการแข่งกีฬาทางปัญญา คือบทเรียนที่ฮาสซาบิสและทีมของเขาสกัดออกมาได้ในเวลาต่อมา นั่นคือการค้นพบว่าระบบที่ผสมผสานการเรียนรู้เชิงลึก การเรียนรู้แบบเสริมกำลัง และการฝึกฝนด้วยการเล่นกับตัวเอง สามารถสร้างสรรค์กลยุทธ์ที่ไม่มีมนุษย์คนใดเคยคิดค้นมาก่อนได้

และหากมันทำได้กับเกมกระดานโบราณ มันก็อาจทำได้กับปัญหาทางวิทยาศาสตร์จริงที่รอคอยคำตอบมานานหลายสิบปีเช่นกัน ปัญหาที่ทีมดีปมายด์เลือกท้าทายต่อมาคือปริศนาที่นักชีววิทยาปวดหัวมานานกว่าครึ่งศตวรรษ นั่นคือการทำนายรูปทรงสามมิติของโปรตีนจากลำดับกรดอะมิโนเพียงอย่างเดียว โปรตีนเปรียบเสมือนเครื่องจักรจิ๋วนับล้านชนิดที่ขับเคลื่อนกระบวนการทุกอย่างในสิ่งมีชีวิต แต่การจะรู้ว่าสายโซ่กรดอะมิโนหนึ่งจะพับตัวเป็นรูปทรงใดนั้นเคยต้องใช้เวลาเป็นปีในห้องทดลอง

แต่ด้วยเทคนิคที่ต่อยอดจากแนวคิดเดียวกันกับที่ขับเคลื่อน Move 37 ระบบที่ชื่อ AlphaFold สามารถทำนายโครงสร้างของโปรตีนที่มนุษย์รู้จักเกือบสองร้อยล้านชนิดได้สำเร็จภายในเวลาไม่ถึงปี ด้วยความแม่นยำระดับใกล้เคียงอะตอม และได้เปิดฐานข้อมูลสาธารณะที่นักวิทยาศาสตร์ทั่วโลกใช้เร่งงานวิจัยด้านโรคและการค้นคว้ายาให้ก้าวกระโดดไปหลายสิบปี จนผลงานชิ้นนี้นำไปสู่รางวัลโนเบลในเวลาต่อมา

เมล็ดพันธุ์แห่งความคิดสร้างสรรค์ที่หว่านไว้ในวันนั้นยังคงเติบโตต่อเนื่องมาจนถึงปัจจุบัน ระบบรุ่นใหม่อย่าง AlphaEvolve ซึ่งเป็นปัญญาประดิษฐ์ที่เชี่ยวชาญด้านการเขียนโค้ดและค้นหาอัลกอริทึม ก็เคยมี “วินาทีแบบ Move 37” ของตัวเองเช่นกัน เมื่อมันค้นพบวิธีคูณเมทริกซ์แบบใหม่ที่ไม่มีใครเคยคิดค้นมาก่อน ซึ่งเป็นปฏิบัติการทางคณิตศาสตร์พื้นฐานที่อยู่เบื้องหลังเครือข่ายประสาทเทียมแทบทุกชนิดในโลก

ปัจจุบันระบบลักษณะนี้กำลังถูกทดสอบเพื่อใช้ปรับปรุงประสิทธิภาพศูนย์ข้อมูลและช่วยงานวิจัยด้านคอมพิวเตอร์ควอนตัม ขณะเดียวกันในกรุงลอนดอน กูเกิลก็ได้สร้างอาคารสำนักงานแห่งใหม่ริมสถานีรถไฟคิงส์ครอส และตั้งชื่อว่า “แพลตฟอร์ม 37” เพื่อรำลึกถึงหมากเดินก้าวนั้นโดยเฉพาะ ราวกับต้องการปั้นความทรงจำแห่งความคิดสร้างสรรค์ให้กลายเป็นอิฐและปูนที่จับต้องได้ เป็นสัญลักษณ์ว่าการวิจัยพื้นฐานที่อดทนรอคอย ยังคงมีคุณค่าในยุคที่อุตสาหกรรมปัญญาประดิษฐ์ขับเคลื่อนด้วยความเร็วของการเปิดตัวผลิตภัณฑ์และตัวเลขทางธุรกิจเป็นหลัก

เมื่อครบรอบสิบปีของการแข่งขันนัดประวัติศาสตร์นั้นในเดือนมีนาคมที่ผ่านมา ฮาสซาบิสได้เขียนบทความย้อนมองเส้นทางทั้งหมด และวางแผนที่ชัดเจนยิ่งขึ้นสำหรับก้าวต่อไป นั่นคือการหลอมรวมสามองค์ประกอบเข้าด้วยกัน ได้แก่ แบบจำลองโลกหลายรูปแบบของตระกูล Gemini เทคนิคการค้นหาและวางแผนแบบที่ AlphaGo เคยใช้ และเครื่องมือปัญญาประดิษฐ์เฉพาะทางอย่าง AlphaFold ให้กลายเป็นระบบเดียวที่มีความสามารถใกล้เคียงปัญญาทั่วไปของมนุษย์

เป้าหมายสูงสุดไม่ใช่เพียงแค่การสร้างเครื่องจักรที่คิดกลยุทธ์หมากล้อมเก่งกว่ามนุษย์อีกต่อไป แต่คือการสร้างเครื่องจักรที่สามารถประดิษฐ์เกมใหม่ขึ้นมาเองได้ เกมที่มีความลึกซึ้งและสง่างามพอที่จะให้มนุษย์รุ่นต่อไปศึกษาเช่นเดียวกับที่หมากล้อมเคยเป็นมา

ทว่าเส้นทางข้างหน้าก็ไม่ได้ปราศจากความตึงเครียด เพราะไม่กี่วันก่อนหน้านี้เอง มีรายงานว่าฮาสซาบิสกำลังจะถอยห่างจากบทบาทบริหารงานประจำวันของดีปมายด์ เพื่อไปทุ่มเทเวลาให้กับงานวางยุทธศาสตร์ด้านปัญญาประดิษฐ์ทั่วไปและงานวิจัยวิทยาศาสตร์เชิงลึกในตำแหน่งหัวหน้านักวิทยาศาสตร์ขององค์กรแม่อย่างเต็มตัวมากขึ้น

การเปลี่ยนแปลงครั้งนี้สะท้อนให้เห็นแรงกดดันที่ดำรงอยู่เสมอระหว่างความฝันทางวิทยาศาสตร์ระยะยาวของนักวิจัยผู้บุกเบิก กับแรงกดดันเชิงพาณิชย์มหาศาลของบริษัทเทคโนโลยีระดับโลกที่ทุ่มงบประมาณด้านปัญญาประดิษฐ์ปีละหลายหมื่นล้านดอลลาร์

ราวกับเป็นการเตือนใจว่าแม้แต่ผู้สร้าง Move 37 เองก็ยังต้องต่อรองกับโลกแห่งความเป็นจริงอยู่เสมอ ระหว่างพื้นที่ปลอดภัยสำหรับความคิดสร้างสรรค์อันบริสุทธิ์ กับความเร่งรีบของสนามแข่งขันทางธุรกิจที่ไม่เคยหยุดนิ่ง

Key Takeaways

• Move 37 คือหมากเดินอันโด่งดังของ AlphaGo ในเกมที่สองของการแข่งขันกับ อี เซดล เมื่อปี 2016 ซึ่งดูเหมือนความผิดพลาดในตอนแรก แต่กลับเป็นกุญแจสำคัญของชัยชนะ
• เบื้องหลังความสำเร็จคือการผสานเครือข่ายประสาทเทียมสองชุดเข้ากับเทคนิคการค้นหาแบบต้นไม้ตัดสินใจ ฝึกฝนผ่านการเล่นเกมกับตัวเองนับไม่ถ้วน
• แนวคิดเดียวกันนี้ถูกต่อยอดไปสู่ AlphaFold ที่ไขปริศนาการพับตัวของโปรตีนซึ่งนักวิทยาศาสตร์ค้างคาใจมากว่า 50 ปี และไปสู่ AlphaEvolve ที่ค้นพบวิธีคำนวณทางคณิตศาสตร์แบบใหม่
• ดีปมายด์วางเป้าหมายระยะยาวคือการหลอมรวมแบบจำลองโลกของ Gemini เทคนิคการวางแผนแบบ AlphaGo และเครื่องมือเฉพาะทาง เข้าด้วยกันเพื่อก้าวสู่ปัญญาประดิษฐ์ทั่วไป (AGI)
• เรื่องราวนี้ยังสะท้อนแรงตึงเครียดในอุตสาหกรรมเทคโนโลยียุคปัจจุบัน ระหว่างการวิจัยพื้นฐานที่ต้องใช้เวลาบ่มเพาะ กับแรงกดดันเชิงธุรกิจที่เร่งรัดให้ทุกอย่างต้องเร็วขึ้นตลอดเวลา

…..

เรียบเรียงโดย AiNextopia
อ้างอิง : Move 37 Is the Moment AI Changes Everything. It’s Suddenly Happening Everywhere. / wsj