การรับรู้ของเครื่องจักรใช้เซ็นเซอร์และอัลกอริทึมในการตีความโลก ในขณะที่การรับรู้ของมนุษย์อาศัยประสาทสัมผัสทางชีวภาพและประสบการณ์ชีวิตที่สั่งสมมาหลายสิบปี ทั้งสองระบบประมวลผลข้อมูลทางประสาทสัมผัส แต่มีความแตกต่างกันอย่างมากในด้านความแม่นยำ ความสามารถในการปรับตัว และความสามารถในการเข้าใจบริบท
สาขาหนึ่งของปัญญาประดิษฐ์ (AI) ที่ช่วยให้คอมพิวเตอร์และหุ่นยนต์สามารถตีความข้อมูลจากกล้อง ไมโครโฟน และเซ็นเซอร์อื่นๆ ได้
กระบวนการทางชีวภาพที่สมองของมนุษย์ใช้ในการตีความข้อมูลทางประสาทสัมผัสจาก การมองเห็น การได้ยิน การสัมผัส การลิ้มรส และการดมกลิ่น
| ฟีเจอร์ | การรับรู้ของเครื่องจักร | การรับรู้ของมนุษย์ |
|---|---|---|
| วิธีการป้อนข้อมูล | เซ็นเซอร์ดิจิทัล (กล้อง, LiDAR, ไมโครโฟน) | ประสาทสัมผัสทางชีวภาพ (ตา หู ผิวหนัง จมูก ลิ้น) |
| ความเร็วในการประมวลผล | หลายพันล้านการดำเนินการต่อวินาที | โดยประมาณแล้วมีข้อมูลป้อนเข้าจากประสาทสัมผัสประมาณ 11 ล้านบิตต่อวินาที |
| แนวทางการเรียนรู้ | ฝึกฝนโดยใช้ชุดข้อมูลที่มีป้ายกำกับและสัญญาณเสริมแรง | เรียนรู้ผ่านประสบการณ์ การเลียนแบบ และปฏิสัมพันธ์ทางสังคม |
| ประสิทธิภาพการใช้พลังงาน | ต้องใช้พลังงานไฟฟ้าปริมาณมาก (วัตต์ถึงกิโลวัตต์) | สมองของมนุษย์ใช้พลังงานประมาณ 20 วัตต์ |
| ความสามารถในการปรับตัว | มีข้อจำกัดด้านข้อมูลสำหรับการฝึกอบรม และประสบปัญหาในการรับมือกับสถานการณ์ใหม่ๆ | มีความยืดหยุ่นสูง สามารถสรุปผลได้จากตัวอย่างเพียงไม่กี่ตัวอย่าง |
| การจัดการข้อผิดพลาด | ล้มเหลวอย่างเงียบ ๆ หรือด้วยความมั่นใจสูงเมื่อป้อนข้อมูลที่ไม่คุ้นเคย | ตระหนักถึงความไม่แน่นอนและแสวงหาข้อมูลเพิ่มเติม |
| ความเข้าใจบริบท | อาศัยคุณสมบัติที่ได้รับการออกแบบทางวิศวกรรมหรือรูปแบบที่เรียนรู้มา | ดึงเอาความรู้ทางวัฒนธรรม อารมณ์ และความทรงจำมาใช้ |
| เงื่อนไขการใช้งาน | เหมาะที่สุดในสภาพแวดล้อมที่มีโครงสร้าง มีแสงสว่างเพียงพอ และคาดเดาได้ | ทำงานได้ในสภาพแวดล้อมทางธรรมชาติเกือบทุกแห่งบนโลก |
การรับรู้ของเครื่องจักรทำงานโดยการแปลงข้อมูลดิบจากเซ็นเซอร์ให้เป็นตัวแทนเชิงตัวเลขที่อัลกอริทึมสามารถวิเคราะห์ได้ ตัวอย่างเช่น กล้องจะจับภาพพิกเซลซึ่งจะถูกแปลงเป็นแผนที่คุณลักษณะผ่านชั้นของเครือข่ายประสาทเทียม การรับรู้ของมนุษย์ก็มีเส้นทางจากล่างขึ้นบนที่คล้ายกัน แต่เพิ่มการประมวลผลจากบนลงล่าง ซึ่งความคาดหวังและความทรงจำจะกำหนดสิ่งที่เรามองเห็นจริง ๆ นี่คือเหตุผลที่แพทย์สามารถตรวจพบรอยแตกเล็ก ๆ บนภาพเอ็กซ์เรย์ที่ผู้เริ่มต้นอาจมองข้ามไปโดยสิ้นเชิง
โดยทั่วไปแล้ว การฝึกระบบการรับรู้ของเครื่องจักรต้องใช้ตัวอย่างที่มีป้ายกำกับหลายพันหรือหลายล้านตัวอย่าง และการอัปเดตโมเดลหมายถึงการฝึกใหม่ด้วยข้อมูลใหม่ ในทางตรงกันข้าม มนุษย์สามารถเรียนรู้ที่จะจดจำนกสายพันธุ์ใหม่ได้หลังจากเห็นเพียงครั้งหรือสองครั้ง ประสิทธิภาพการใช้ตัวอย่างนี้ยังคงเป็นหนึ่งในช่องว่างที่ใหญ่ที่สุดระหว่างการรับรู้ของปัญญาประดิษฐ์และการรับรู้ทางชีวภาพ และเป็นหัวข้อการวิจัยด้านปัญญาประดิษฐ์ที่กำลังได้รับความสนใจอย่างมาก ซึ่งรู้จักกันในชื่อการเรียนรู้แบบใช้ตัวอย่างจำนวนน้อย (few-shot learning)
เครื่องจักรทำงานได้ดีเยี่ยมในสภาพแวดล้อมที่ควบคุมได้ ซึ่งแสง มุม และพื้นหลังคงที่ นั่นเป็นเหตุผลที่หุ่นยนต์ในโรงงานสามารถตรวจจับข้อบกพร่องได้อย่างแม่นยำเหนือมนุษย์ ส่วนมนุษย์นั้นโดดเด่นในสภาพแวดล้อมที่ยุ่งเหยิง คาดเดาไม่ได้ เต็มไปด้วยความคลุมเครือและรายละเอียดทางสังคม ลองเดินเข้าไปในงานปาร์ตี้ที่คนพลุกพล่าน คุณจะสามารถแยกเสียงเพื่อนของคุณได้ทันที ซึ่งเป็นงานที่แม้แต่ระบบจดจำเสียงที่ดีที่สุดก็ยังทำไม่ได้
การใช้งานโมเดลการรับรู้ที่ล้ำสมัยนั้นต้องการพลังการประมวลผลมหาศาล ซึ่งมักต้องใช้ GPU หรือชิปเฉพาะทางที่ใช้พลังงานไฟฟ้ามาก ในขณะที่สมองของมนุษย์สามารถจดจำรูปแบบต่างๆ ได้โดยใช้พลังงานเพียงแค่ระดับหลอดไฟสลัวๆ เท่านั้น ช่องว่างด้านประสิทธิภาพนี้อธิบายได้ว่าทำไมการฝัง AI ลงในอุปกรณ์ขนาดเล็ก เช่น เครื่องช่วยฟังหรือสมาร์ทวอทช์ จึงยังคงเป็นความท้าทายทางเทคนิคอยู่
ระบบการรับรู้ของเครื่องจักรสามารถถูกหลอกได้ด้วยตัวอย่างที่เป็นอันตราย ซึ่งเป็นการเปลี่ยนแปลงพิกเซลเล็กๆ ที่มองไม่เห็นด้วยตาเปล่าของมนุษย์ ทำให้เกิดการจำแนกผิดพลาด มนุษย์ไม่ค่อยตกเป็นเหยื่อของกลอุบายเช่นนี้ แม้ว่าเราจะมีจุดอ่อนของเราเองในรูปแบบของภาพลวงตาและอคติทางความคิด ระบบทั้งสองต่างก็ทำผิดพลาด แต่ลักษณะของความผิดพลาดเหล่านั้นเผยให้เห็นความแตกต่างพื้นฐานในวิธีการที่แต่ละระบบสร้างความเข้าใจ
การรับรู้ด้วยเครื่องจักรเป็นหัวใจสำคัญของการวินิจฉัยภาพทางการแพทย์ ยานยนต์ไร้คนขับ การจดจำใบหน้า และการควบคุมคุณภาพในอุตสาหกรรมการผลิต ในขณะที่การรับรู้ด้วยมนุษย์เป็นแนวทางในทุกสิ่ง ตั้งแต่การชื่นชมศิลปะ การตัดสินใจในการผ่าตัด ไปจนถึงการสนทนาทั่วไป ปัจจุบันทั้งสองทำงานร่วมกันมากขึ้น โดย AI จัดการงานด้านภาพที่ซ้ำซากจำเจ ในขณะที่มนุษย์ให้การตัดสินใจ ความคิดสร้างสรรค์ และการกำกับดูแลด้านจริยธรรม
การรับรู้ของเครื่องจักรนั้นมองโลกในแบบเดียวกับที่มนุษย์มอง
ระบบ AI ประมวลผลพิกเซลเป็นอาร์เรย์ตัวเลขและตรวจจับรูปแบบทางสถิติ ในขณะที่มนุษย์ตีความภาพโดยใช้ความทรงจำ อารมณ์ และบริบททางวัฒนธรรม เครือข่ายประสาทเทียมอาจติดป้ายกำกับภาพถ่ายได้อย่างแม่นยำโดยไม่ต้องเข้าใจความหมายที่แท้จริงของวัตถุใดๆ ในภาพ
การรับรู้ของมนุษย์นั้นแม่นยำและเป็นกลางเสมอ
สมองของเรามักใช้ทางลัดและเติมเต็มข้อมูลที่ขาดหายไปอยู่เสมอ ซึ่งเป็นเหตุผลว่าทำไมคำให้การของพยานจึงไม่น่าเชื่อถือ และภาพลวงตาจึงเกิดขึ้นได้ การรับรู้เป็นเพียงการตีความ ไม่ใช่การบันทึกความเป็นจริงอย่างสมบูรณ์แบบ
เมื่อได้รับการฝึกฝนแล้ว ระบบการรับรู้ของเครื่องจักรจะไม่ทำผิดพลาดอีกต่อไป
แม้แต่แบบจำลองที่มีความแม่นยำสูงก็อาจผิดพลาดได้ในกรณีพิเศษ มุมที่ผิดปกติ หรือข้อมูลที่แตกต่างจากข้อมูลฝึกฝน ตัวอย่างเช่น รถยนต์ไร้คนขับอาจจำแนกคนเดินเท้าผิดพลาด หากคนเดินเท้าคนนั้นสวมเสื้อผ้าที่ผิดปกติหรือข้ามถนนในสถานที่ที่ไม่คาดคิด
มนุษย์สามารถรับรู้ได้เพียงห้าประสาทสัมผัสเท่านั้น
นอกเหนือจากการมองเห็น การได้ยิน การลิ้มรส การดมกลิ่น และการสัมผัสแล้ว มนุษย์ยังรับรู้ถึงการทรงตัว อุณหภูมิ ความเจ็บปวด และการรับรู้ตำแหน่งของร่างกาย (proprioception) ระบบการรับรู้ของเครื่องจักร มักจะมีเซ็นเซอร์หลายประเภทเพิ่มเติม เช่น LiDAR และอินฟราเรด
การรับรู้ของ AI ฉลาดกว่าการรับรู้ของมนุษย์แล้ว
AI สามารถเอาชนะมนุษย์ได้ในงานเฉพาะด้าน เช่น หมากรุก หรือการจำแนกภาพตามเกณฑ์มาตรฐาน แต่ความเข้าใจด้านภาพโดยทั่วไปยังคงอยู่นอกเหนือขีดความสามารถของระบบในปัจจุบัน เด็กเล็กยังคงทำได้ดีกว่าหุ่นยนต์ที่ทันสมัยที่สุดในการนำทางในห้องที่รกไปด้วยสิ่งของ
เลือกใช้การรับรู้ของเครื่องจักรเมื่อคุณต้องการการประมวลผลข้อมูลปริมาณมากอย่างต่อเนื่องและไม่เหนื่อยล้าในสภาพแวดล้อมที่มีโครงสร้าง เช่น โรงงานหรือระบบเฝ้าระวัง เลือกใช้การรับรู้ของมนุษย์สำหรับงานที่ต้องการความคิดสร้างสรรค์ การให้เหตุผลเชิงจริยธรรม หรือการปรับตัวให้เข้ากับสถานการณ์ใหม่ๆ อย่างแท้จริง โซลูชันที่มีประสิทธิภาพที่สุดในปัจจุบันมักผสมผสานทั้งสองอย่างเข้าด้วยกัน โดยให้เครื่องจักรจัดการกับข้อมูลขนาดใหญ่ ในขณะที่มนุษย์ช่วยสร้างความเข้าใจ
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
