การเปรียบเทียบโดยละเอียดนี้จะสำรวจความขัดแย้งพื้นฐานระหว่างสติปัญญาทั่วไปและความรู้ที่จดจำไว้ในสถาปัตยกรรมปัญญาประดิษฐ์ ในขณะที่ความรู้ที่จดจำไว้นั้นอาศัยการเก็บรักษาคลังข้อมูลขนาดใหญ่ของข้อเท็จจริงคงที่ สติปัญญาทั่วไปแสดงถึงความสามารถที่ยืดหยุ่นในการปรับตัว ใช้เหตุผล และประยุกต์ใช้กลยุทธ์กับสถานการณ์ที่ไม่คุ้นเคยอย่างสิ้นเชิง
ความสามารถของตัวแทนในการใช้เหตุผลเชิงนามธรรม แก้ปัญหาใหม่ๆ และปรับตัวให้เข้ากับสภาพแวดล้อมที่เปลี่ยนแปลงไปโดยไม่ต้องได้รับการฝึกฝนอย่างชัดเจน
การเก็บรักษาข้อมูลเฉพาะจุด ข้อเท็จจริง และรูปแบบต่างๆ ที่ถูกเข้ารหัสไว้อย่างชัดเจนภายในพารามิเตอร์หรือฐานข้อมูลของระบบ
| ฟีเจอร์ | ข่าวกรองทั่วไป | ความรู้ที่ท่องจำ |
|---|---|---|
| ฟังก์ชันหลัก | การแก้ปัญหาและการปรับตัวแบบไดนามิก | การดึงข้อมูลแบบคงที่และการจำลองรูปแบบ |
| ปฏิกิริยาต่อสิ่งแปลกใหม่ | คิดค้นกลยุทธ์ใหม่ๆ ได้อย่างเป็นธรรมชาติ | ล้มเหลวหรือหันไปใช้การคาดเดาแบบหลงผิด |
| การพึ่งพาข้อมูล | หากเข้าใจกฎเกณฑ์แล้ว ปริมาณข้อมูลที่ใช้ก็จะน้อยลง | ต้องใช้ข้อมูลปริมาณมหาศาลเพื่อรองรับกรณีพิเศษต่างๆ |
| ตัวชี้วัดการประเมิน | ARC-AGI, ปริศนาตรรกะที่ซับซ้อน, งานที่ไม่เคยเห็นมาก่อน | MMLU, แบบทดสอบความรู้รอบตัว, การทดสอบความถูกต้องทางประวัติศาสตร์ |
| ความยืดหยุ่นของระบบ | มีความยืดหยุ่นสูงในหลากหลายด้าน | ถูกจำกัดอย่างเข้มงวดภายในขอบเขตของข้อมูลการฝึกอบรม |
| บทบาทการคำนวณ | ดำเนินการตามขั้นตอนการให้เหตุผลและการตรวจสอบเชิงตรรกะ | ทำหน้าที่เป็นสารานุกรมสถิติภายใน |
เมื่อเผชิญกับอุปสรรคที่ไม่คาดคิด ระบบที่อาศัยสติปัญญาทั่วไปจะแยกปัญหาออกเป็นองค์ประกอบเชิงตรรกะหลัก ประเมินสาเหตุและผลกระทบ สร้างแบบจำลองทางจิตภายในของกฎเกณฑ์ และวนซ้ำหาวิธีแก้ปัญหาที่เป็นไปได้ ส่วนระบบที่พึ่งพาความรู้ที่จดจำไว้จะทำงานคล้ายกับเครื่องมือค้นหาข้อมูลความเร็วสูง โดยจะค้นหาค่าพารามิเตอร์จำนวนมหาศาลเพื่อหาสถานการณ์ที่คล้ายคลึงกันในอดีตและคัดลอกวิธีแก้ปัญหานั้น โดยไม่รับรู้ถึงตรรกะพื้นฐานเลย
ไม่มีชุดข้อมูลใดที่สามารถบันทึกทุกแง่มุมที่แปลกประหลาดของโลกแห่งความเป็นจริงได้ทั้งหมด ซึ่งเป็นปัญหาที่เรียกว่า "ปัญหาหางยาว" การขยายขนาดความรู้ที่จดจำไว้จะไปถึงทางตันตรงนี้ เพราะการจัดเก็บคำแนะนำที่ชัดเจนสำหรับสถานการณ์ที่หายากนับพันล้านสถานการณ์นั้นต้องการพลังการประมวลผลและข้อมูลมหาศาล ปัญญาประดิษฐ์ทั่วไปสามารถหลีกเลี่ยงฝันร้ายด้านการจัดเก็บข้อมูลนี้ได้อย่างสิ้นเชิง ด้วยการเชี่ยวชาญหลักการพื้นฐาน มันสามารถสร้างคำตอบได้ทันทีเมื่อเกิดกรณีพิเศษที่ไม่เคยเกิดขึ้นมาก่อนขึ้นอย่างหลีกเลี่ยงไม่ได้
ปัญญาประดิษฐ์เชิงสร้างสรรค์สมัยใหม่มักทำให้เส้นแบ่งระหว่างคุณลักษณะทั้งสองนี้พร่าเลือน สร้างภาพลวงตาที่น่าเชื่อถืออย่างยิ่งของความฉลาดที่แท้จริง เนื่องจากแบบจำลองสามารถท่องจำสคริปต์การเขียนโค้ดที่ซับซ้อนหรือการวินิจฉัยทางการแพทย์ได้ทันที ผู้ใช้จึงคิดว่ามันเข้าใจแนวคิดที่กว้างกว่านั้น ในความเป็นจริง การเปลี่ยนพารามิเตอร์ของคำถามเพียงเล็กน้อยก็อาจทำให้ระบบล้มเหลวอย่างน่าทึ่ง ซึ่งพิสูจน์ได้ว่ามันเป็นเพียงการท่องจำความสัมพันธ์ของข้อความที่มีมิติสูงมากกว่าการใช้เหตุผล
การขยายความรู้ที่จดจำไว้เป็นเรื่องง่าย แต่มีค่าใช้จ่ายสูงมาก เนื่องจากต้องใช้คลัสเตอร์ฮาร์ดแวร์ขนาดใหญ่ขึ้นเพื่อจัดเก็บพารามิเตอร์ที่เต็มไปด้วยข้อมูลเล็กๆ น้อยๆ ข้อมูลที่ดึงมาจากเว็บ และคลังเก็บโค้ด อย่างไรก็ตาม การขยายขีดความสามารถของปัญญาประดิษฐ์ทั่วไปยังคงเป็นปัญหาคอขวดที่สำคัญในวิทยาศาสตร์คอมพิวเตอร์ จำเป็นต้องคิดค้นสถาปัตยกรรมใหม่ทั้งหมดที่มุ่งเน้นไปที่วงจรการให้เหตุผลเชิงระบบ การตรวจสอบอัลกอริทึม และตรรกะเชิงสัญลักษณ์ แทนที่จะเพียงแค่ป้อนข้อความเพิ่มเติมเข้าไปในเมทริกซ์ทรานส์ฟอร์เมอร์มาตรฐาน
การผ่านบททดสอบที่ยากลำบากของมนุษย์พิสูจน์ให้เห็นว่า AI มีสติปัญญาทั่วไป
แบบทดสอบมาตรฐานส่วนใหญ่ประเมินความรู้ที่ท่องจำและรูปแบบที่คุ้นเคย หากข้อมูลการฝึกฝนมีเนื้อหาเตรียมสอบจำนวนมาก AI ก็สามารถทำคะแนนได้อย่างสมบูรณ์แบบโดยการจับคู่ข้อความโดยไม่เข้าใจแนวคิดพื้นฐานที่กำลังทดสอบ
แบบจำลอง AI ที่มีพารามิเตอร์หลายล้านล้านตัวจะต้องพัฒนาความฉลาดทั่วไปขึ้นมาแล้ว
การปรับขนาดพารามิเตอร์อย่างมหาศาลทำให้เครือข่ายมีพื้นที่มากขึ้นในการจดจำรูปแบบและส่วนผสมที่ละเอียดอ่อนอย่างยิ่ง แม้ว่าสิ่งนี้จะทำให้ผลลัพธ์ดูเหมือนมนุษย์อย่างเหลือเชื่อ แต่สถาปัตยกรรมหลักยังคงเป็นตัวทำนายทางสถิติขั้นสูงมากกว่าที่จะเป็นหน่วยงานที่มีความสามารถในการใช้เหตุผลอย่างอิสระและลื่นไหล
มนุษย์ไม่ได้อาศัยความรู้ที่ท่องจำมาเพื่อแสดงให้เห็นถึงสติปัญญา
การรับรู้ของมนุษย์เป็นการผสมผสานที่บูรณาการอย่างลึกซึ้งของทั้งสองระบบ เราใช้ข้อเท็จจริงที่จดจำไว้เพื่อให้บริบทและความเร็วที่สำคัญ ปลดปล่อยสติปัญญาที่เฉียบแหลมและยืดหยุ่นของเราให้สามารถจัดการกับแง่มุมเฉพาะที่ไม่เป็นไปตามมาตรฐานของปัญหาโดยไม่ต้องเสียพลังงานไปกับการเรียนรู้คำศัพท์หรือกฎพื้นฐานใหม่
อาการประสาทหลอนเกิดขึ้นเนื่องจาก AI พยายามคิดลึกซึ้งเกินไป
ภาพหลอนนั้นแท้จริงแล้วเป็นผลพลอยได้จากการเติมเต็มรูปแบบโดยปราศจากเหตุผลรองรับ เมื่อระบบความรู้ที่จดจำไว้พบช่องว่างในข้อมูลการฝึกฝน มันจะสร้างลำดับคำที่ดูสมเหตุสมผลที่สุดทางสถิติขึ้นมาโดยปราศจากสติปัญญาโดยทั่วไปที่จำเป็นในการตรวจสอบว่าข้อความนั้นเป็นจริงหรือไม่
ใช้ระบบความรู้แบบจดจำเมื่อคุณต้องการสารานุกรมดิจิทัลที่มีความน่าเชื่อถือสูงและครอบคลุมอย่างมากเพื่อจัดการงานเฉพาะทางที่มีกฎเกณฑ์ชัดเจน เช่น การค้นหาหลักฐานทางกฎหมายหรือการเข้ารหัสทางการแพทย์ หันไปใช้กรอบงานปัญญาประดิษฐ์ทั่วไปเมื่อออกแบบระบบอัตโนมัติที่ต้องรับมือกับสภาพแวดล้อมที่ไม่สามารถคาดเดาได้และมีข้อมูลจำกัด ซึ่งกฎเกณฑ์คงที่ใช้การไม่ได้
AI slop หมายถึงเนื้อหา AI ที่ผลิตออกมาจำนวนมากโดยใช้ความพยายามน้อยและขาดการกำกับดูแล ในขณะที่งาน AI ที่มีมนุษย์ควบคุมนั้นเป็นการผสมผสานปัญญาประดิษฐ์เข้ากับการตัดต่อ การกำกับ และการตัดสินใจเชิงสร้างสรรค์อย่างรอบคอบ ความแตกต่างมักอยู่ที่คุณภาพ ความคิดริเริ่ม ประโยชน์ใช้สอย และว่ามีบุคคลจริงเข้ามามีส่วนร่วมในการกำหนดผลลัพธ์สุดท้ายหรือไม่
AI ที่มีมนุษย์เข้ามาเกี่ยวข้อง (Human-in-the-Loop AI) ผสานประสิทธิภาพของเครื่องจักรเข้ากับการตัดสินใจของมนุษย์ในจุดสำคัญ ในขณะที่ระบบ AI อัตโนมัติเต็มรูปแบบ (Fully Automated AI Systems) ทำงานอย่างอิสระตั้งแต่ต้นจนจบ แต่ละแนวทางมีข้อดีข้อเสียที่แตกต่างกันในด้านความแม่นยำ ความสามารถในการขยายขนาด ต้นทุน และความรับผิดชอบ ซึ่งเป็นตัวกำหนดว่าแนวทางใดเหมาะสมกับกรณีการใช้งานนั้นๆ
การเปรียบเทียบทางสถาปัตยกรรมนี้เน้นให้เห็นถึงความแตกต่างหลักระหว่างระบบ AI ที่รับรู้บริบท ซึ่งวิเคราะห์ข้อมูลสถานการณ์แบบไดนามิก เช่น ความตั้งใจของผู้ใช้ ประวัติ และสภาพแวดล้อม กับระบบที่ไม่รับรู้บริบท ซึ่งประมวลผลข้อมูลนำเข้าเป็นเหตุการณ์แยกต่างหากโดยอาศัยกฎที่กำหนดไว้ล่วงหน้าเท่านั้น
AI ที่เสริมด้วยการค้นหาจะดึงข้อมูลแบบเรียลไทม์จากแหล่งข้อมูลภายนอกในขณะที่ทำการค้นหา ในขณะที่การฝึกฝนโดยใช้ชุดข้อมูลเพียงอย่างเดียวจะอาศัยความรู้ที่ฝังอยู่ในน้ำหนักของโมเดลระหว่างการฝึกฝนเท่านั้น แต่ละแนวทางมีข้อดีข้อเสียที่แตกต่างกันในด้านความแม่นยำ ต้นทุน ความทันสมัย และความสามารถในการจัดการกับคำถามที่อยู่นอกขอบเขตการฝึกฝนดั้งเดิม
ระบบ AI แบบกระจายศูนย์จะกระจายสติปัญญา ข้อมูล และการคำนวณไปยังโหนดอิสระต่างๆ โดยมักให้ความสำคัญกับความเปิดกว้างและการควบคุมของผู้ใช้ ในขณะที่ระบบ AI ขององค์กรนั้นได้รับการจัดการจากส่วนกลางโดยบริษัทต่างๆ โดยมุ่งเน้นที่ประสิทธิภาพ ผลกำไร และการบูรณาการผลิตภัณฑ์ ทั้งสองแนวทางนี้มีส่วนกำหนดวิธีการสร้าง การกำกับดูแล และการเข้าถึง AI แต่มีความแตกต่างกันอย่างมากในด้านความโปร่งใส การเป็นเจ้าของ และการควบคุม
