การทำนาย AI ไม่ใช่ความแน่นอน แต่เป็นการประเมินความเป็นไปได้

TL;DR

• ผู้เชี่ยวชาญ AI ไม่เคยบอกว่า AGI จะมาแน่ๆ ในปีใด แต่ให้ความน่าจะเป็นเท่านั้น
• การเปลี่ยนแปลง timeline ของ AI เป็นเรื่องปกติเมื่อมีข้อมูลใหม่ เหมือนการพยากรณ์อากาศ
• เราควรเตรียมตัวรับมือหลายสถานการณ์พร้อมกัน แทนที่จะรอความแน่ชัด

แนวคิดหลัก

เวลาเราอ่านข่าวเรื่อง AI กันนะ มักจะเห็นหัวข้อแบบ "ผู้เชี่ยวชาญคาดการณ์ AGI จะมาถึงในปี 2027" หรือ "นักวิจัยเปลี่ยนใจ ย้ายเป้าหมาย AI ไปปี 2030" ทำให้คนเข้าใจผิดว่าพวกเขากำลังเปลี่ยนคำทำนายที่เคยบอกไว้อย่างแน่ชัด

แต่ความจริงแล้วการทำนายเวลาที่ AI จะมาถึงระดับต่างๆ ไม่ใช่เรื่องของการบอกแน่ชัดว่าจะเกิดขึ้นเมื่อไหร่ แต่เป็นการประเมินความเป็นไปได้มากกว่า เหมือนการพยากรณ์อากาศที่บอกว่าฝนตกร้อยละ 60 ไม่ใช่ฝนตกแน่ๆ

ความไม่แน่นอนนี้ไม่ได้หมายความว่าการพยากรณ์ไม่มีค่า แต่เป็นการสื่อสารที่ตรงไปตรงมาว่าการพัฒนา AI เป็นเรื่องซับซ้อนที่ขึ้นอยู่กับปัจจัยหลายอย่างที่คาดเดาไม่ได้

ทำไมถึงเป็นเช่นนั้น

เหตุผลหลักมาจากการที่ผู้เชี่ยวชาญใช้คำทางสถิติแบบ 'median' และ 'modal' ซึ่งหมายถึงค่าเฉลี่ยหรือค่าที่น่าจะเป็นไปได้มากที่สุด ไม่ใช่การรับประกันว่าจะเกิดขึ้นแน่ๆ ในเวลานั้น เมื่อมีข้อมูลใหม่จากการวิจัยหรือการทดสอบ พวกเขาก็ปรับประเมินใหม่เป็นเรื่องธรรมดา

การพัฒนา AI ขึ้นอยู่กับปัจจัยมากมายที่ไม่สามารถควบคุมได้ เช่น breakthrough ทางเทคนิคที่อาจเกิดขึ้นเร็วกว่าคาด หรืออุปสรรคด้านฮาร์ดแวร์ที่อาจทำให้ช้าลง รวมถึงปัจจัยภายนอกอย่างการลงทุน กฎระเบียบ หรือแม้แต่เหตุการณ์โลกที่ไม่คาดคิด

สื่อมวลชนมักเอาตัวเลขที่มาจากโมเดลหรือวิธีการต่างกันมาเปรียบเทียบกัน ทำให้ดูเหมือนมีการเปลี่ยนแปลงมากกว่าความเป็นจริง เหมือนการเอาราคาเฉลี่ยของบ้านกับราคาบ้านที่ขายดีที่สุดมาเปรียบเทียบกัน แล้วสรุปว่าตลาดบ้านผันผวน

ตัวอย่างในชีวิตจริง

ลองดูกรณีของ Daniel Kokotajlo นักวิจัย AI ที่เปลี่ยน median prediction จาก 2027 เป็น 2030 สื่อหลายแห่งตีข่าวว่าเขา "เปลี่ยนใจ" หรือ "ยอมรับว่า AI ช้าลง" แต่จริงๆ แล้วเขาแค่ปรับประเมินตามข้อมูลใหม่ที่ได้รับ ไม่ได้หมายความว่าทำนายผิด

เหมือนนักอุตุนิยมวิทยาที่ปรับคาดการณ์พายุเมื่อมีข้อมูลดาวเทียมใหม่ เราไม่ได้ว่าเขาทำนายผิด แต่ชื่นชมที่เขาปรับปรุงความแม่นยำตามข้อมูลล่าสุด ในไทยเราก็เห็นการพยากรณ์น้ำท่วมที่กรมอุตุนิยมวิทยาต้องปรับเปลี่ยนตลอดเวลาตามสถานการณ์จริง และเราเข้าใจว่านั่นเป็นเรื่องปกติ

อีกตัวอย่างคือการเปรียบเทียบ 'modal year' กับ 'median year' ที่สื่อมักทำ modal year คือปีที่มีความน่าจะเป็นสูงที่สุด ส่วน median year คือปีที่อยู่ตรงกลางของการกระจายความน่าจะเป็น เหมือนการเอาราคาที่ขายดีที่สุดมาเปรียบเทียบกับราคาเฉลี่ย ซึ่งให้ข้อมูลคนละแบบกัน

บริบทไทย

ในสังคมไทยที่ชื่นชอบความชัดเจนและแน่นอน การสื่อสารเรื่องความไม่แน่นอนจึงเป็นเรื่องท้าทายอย่างมาก เราชอบได้คำตอบที่ตรงไปตรงมา เช่น "เมื่อไหร่เศรษฐกิจจะฟื้น" หรือ "ใครจะชนะการเลือกตั้ง" แต่ความซับซ้อนของ AI ทำให้เราต้องเรียนรู้ที่จะอยู่กับความไม่แน่นอน

เหมือนเวลาเราถามหมอว่า "กี่วันจะหาย" หมอมักจะบอกว่า "ประมาณสัปดาห์หนึ่ง ขึ้นอยู่กับร่างกายแต่ละคน" ไม่ได้หมายความว่าหมอไม่รู้ แต่เป็นการให้ข้อมูลที่ซื่อสัตย์ว่ามีปัจจัยหลายอย่างที่ส่งผล

การเตรียมตัวรับมือ AI ในบริบทไทยจึงต้องเปลี่ยนจากการรอความแน่ชัด มาเป็นการเตรียมตัวหลายสถานการณ์พร้อมกัน ไม่ว่า AI จะมาเร็วหรือช้ากว่าที่คาด เราก็พร้อมรับมือได้ เหมือนการเตรียมรับมือน้ำท่วมที่ต้องมีแผนหลายระดับตามความรุนแรงที่แตกต่างกัน

นี่ไม่ใช่เรื่องง่ายในสังคมที่คุ้นเคยกับการวางแผนแบบเส้นตรง แต่เป็นทักษะสำคัญที่เราต้องเรียนรู้ในยุคที่เทคโนโลยีเปลี่ยนแปลงอย่างรวดเร็วและไม่คาดเดา การยอมรับความไม่แน่นอนไม่ได้หมายความว่าเราไม่ทำอะไร แต่หมายความว่าเราต้องฉลาดขึ้นในการเตรียมตัวรับมือกับอนาคตที่มีหลายความเป็นไปได้

ข้อควรระวัง

แน่นอนว่าการเปลี่ยนแปลง timeline บ่อยๆ อาจทำให้คนไม่เชื่อถือการพยากรณ์ บางคนอาจถามว่าถ้าไม่แน่ใจมากขนาดนี้ ทำไมต้องออกมาพูดเรื่อง timeline เลย การสื่อสารที่ซับซ้อนแบบนี้อาจทำให้คนทั่วไปเข้าใจยากและสับสน

อีกอันตรายหนึ่งคือบางคนอาจใช้ความไม่แน่นอนนี้เป็นข้ออ้างไม่เตรียมตัวรับมือ AI เลย โดยคิดว่า "ไม่รู้จะมาเมื่อไหร่ก็ไม่ต้องทำอะไร" ซึ่งเป็นการตีความผิด

อย่างไรก็ตาม เราต้องระวังอย่าตกหลุมพรางหลายอย่าง อย่าเอาตัวเลข timeline ไปใช้เป็นแผนธุรกิจหรือนโยบายแบบตายตัว อย่าคิดว่า timeline ที่เปลี่ยนแปลงหมายความว่าผู้เชี่ยวชาญไม่น่าเชื่อถือ อย่ามองข้ามความไม่แน่นอนและเตรียมตัวแค่สถานการณ์เดียว และที่สำคัญ อย่าใช้ความไม่แน่นอนเป็นข้ออ้างไม่ต้องทำอะไรเลย

การทำความเข้าใจความไม่แน่นอนอย่างถูกต้องจะช่วยให้เราเตรียมตัวรับมือ AI ได้ดีกว่า แทนที่จะรอคำตอบที่แน่ชัดซึ่งอาจไม่เคยมา เราควรใช้ข้อมูลที่มีอยู่วางแผนอย่างยืดหยุ่น พร้อมปรับเปลี่ยนเมื่อสถานการณ์เปลี่ยนไป นั่นคือวิธีที่ฉลาดที่สุดในการอยู่กับความไม่แน่นอนของ AI