Doug Lenat ถึงแก่อสัญกรรม
(substack.com/garymarcus)- นักวิจัย AI Doug Lenat เป็นบุคคลสำคัญที่พยายามสร้าง symbolic AI ซึ่งจัดการกับการแทนความรู้อย่างชัดแจ้งให้กลายเป็นระบบที่ใช้งานได้จริง โดย Gary Marcus ประเมินว่าเขาคือ “ยักษ์ใหญ่ที่ AI สูญเสียไป”
- Lenat ทุ่มเทช่วง 40 ปีสุดท้ายของชีวิตให้กับ Cyc เพื่อเข้ารหัสสามัญสำนึกให้อยู่ในรูปแบบที่เครื่องสามารถตีความได้ และ Cycorp ก็ยังคงดำรงอยู่มาได้ 40 ปีแม้ไม่ประสบความสำเร็จทางการค้าอย่างมาก
- ความพยายามของ Cyc มุ่งตรงไปที่ปัญหา การแทนและการให้เหตุผลด้วยสามัญสำนึก ซึ่งปัจจุบันโมเดลภาษาขนาดใหญ่ (LLM) ก็ยังรับมือได้ยาก
- Ken Forbus และ Muktha Ananda ประเมินอิทธิพลของ Cyc ที่มีต่อการวิจัยด้านการแทนเชิงสัญลักษณ์ การให้เหตุผล และ knowledge graph/web ไว้สูงมาก
- หนึ่งในบทความชิ้นสุดท้ายของ Lenat คือ Getting from Generative AI to Trustworthy AI ซึ่งเป็นความพยายามเชื่อมบทเรียนจาก Cyc เข้ากับ LLM สมัยใหม่
ตำแหน่งของ Doug Lenat และ Cyc
- Doug Lenat เป็นนักวิจัยที่พยายามทำให้ symbolic AI ซึ่ง Marvin Minsky, John McCarthy และ Allen Newell เคยสำรวจไว้ สามารถทำงานได้จริง
- Gary Marcus มองว่าตนยึดการบูรณาการระหว่างโครงข่ายประสาทกับ symbolic AI เป็นประเด็นหลักตลอดชีวิตการทำงาน แต่ในสาย symbolic AI แบบล้วน ๆ นั้น Lenat ลงลึกกว่ามาก
- Lenat เป็นผู้เริ่มต้นและนำโครงการ Cyc ตลอด 40 ปีสุดท้ายของชีวิต
- Cyc เป็นความพยายามเข้ารหัสสามัญสำนึกเกี่ยวกับโลกให้อยู่ในรูปแบบที่เครื่องตีความได้
- Cyc และ Cycorp ที่ก่อตั้งขึ้นเพื่อรองรับโครงการนี้ไม่ได้ประสบความสำเร็จเชิงพาณิชย์ครั้งใหญ่
- ถึงกระนั้น การที่ Cycorp ยังดำเนินธุรกิจต่อได้หลังผ่านไป 40 ปีก็เป็นกรณีที่หาได้ยากในบรรดาบริษัท AI
- สำหรับ Marcus แล้ว Cyc คือ การทดลองบุกเบิก ที่ยากจะตัดสินแบบง่าย ๆ ว่าสำเร็จหรือล้มเหลว
- แม้ Cyc จะยังไม่ลงหลักปักฐานอย่างสมบูรณ์ แต่ยิ่งมีความก้าวหน้าจริงจังไปสู่ปัญญาประดิษฐ์ทั่วไปมากเท่าไร ความสำคัญของมันก็อาจยิ่งชัดเจนขึ้น
ปัญหาการให้เหตุผลเชิงสามัญสำนึกและบทความชิ้นสุดท้าย
- มีความตระหนักว่าคนรุ่นใหม่จำนวนมากในแวดวงวิจัย AI อาจไม่ค่อยรู้จัก Cyc แต่ก็ควรเข้าใจว่ามันพยายามทำอะไร
- ไม่ได้หมายความว่าควรนำ Cyc มาใช้แทนโมเดลภาษาขนาดใหญ่ในทันที
- แต่เป้าหมายในการทำให้เครื่อง แทนและให้เหตุผลด้วยสามัญสำนึก ได้ ยังเป็นโจทย์ที่คงอยู่
- TED Talk ปี 2023 ของ Yejin Choi Why AI is incredibly smart and shockingly stupid สะท้อนแนวคิดต่อเนื่องว่า แม้ระบบ AI ปัจจุบันจะดูประสบความสำเร็จ แต่ก็ยังขาดสามัญสำนึก
- หนังสือปี 2019 ของ Marcus และ Ernie Davis Rebooting AI ก็กล่าวถึงประเด็นเดียวกัน
- โมเดลภาษาขนาดใหญ่สามารถตอบถูกในบางกรณีและตอบผิดในบางกรณีได้ ขึ้นอยู่กับการตั้งคำถามหรือความบังเอิญของข้อมูลฝึก ทำให้เกิด ภาพลวงของการมีสามัญสำนึก
- แม้จะแก้จุดผิดพลาดเฉพาะจุดได้ ก็อาจยังมีกรณีอื่นที่คล้ายกันโผล่ขึ้นมาเรื่อย ๆ
- Cyc คือความพยายามในการหาคำตอบที่ลึกและแข็งแรงกว่านั้น
- นักวิจัย AI จาก Northwestern University อย่าง Ken Forbus ประเมินว่า Cyc เป็นกรณีแรกที่แสดงให้เห็นว่าการแทนเชิงสัญลักษณ์และการให้เหตุผลสามารถบรรจุสามัญสำนึกได้เป็นจำนวนมาก
- แม้ในภาคอุตสาหกรรมจะมีฐานความรู้ที่เก็บข้อเท็จจริงระดับหลายพันล้านรายการเป็นเรื่องปกติ แต่ Forbus มองว่า Cyc ยังคงล้ำหน้าที่สุดในแง่พลังการแสดงออก
- กลุ่มวิจัยของ Forbus ใช้การแทนความรู้ของ Cyc มาตลอดหลายทศวรรษ
- Muktha Ananda ผู้อำนวยการ Google Learning Platform ยกย่องวิสัยทัศน์ ความอดทน และความมุ่งมั่นไม่ลดละของ Lenat และระบุว่างานของ Cyc เป็นแรงบันดาลใจสำคัญต่อเส้นทางการวิจัย knowledge graph/web ของตน
- ตลอด 1 ปีที่ผ่านมา Marcus และ Lenat พยายามร่วมกันเขียนบทความยาวเพื่อสรุปบทเรียนจาก Cyc
- ต้นฉบับมีความยาวเกือบ 40,000 คำ และมีลักษณะผสมระหว่างวิทยาศาสตร์กับประวัติศาสตร์บอกเล่า
- Cyc น่าทึ่งมากในแง่ขอบเขต แต่การนำไปใช้จริงนั้นจัดการได้ยาก และในเชิงวิชาการปัญหาใหญ่ที่สุดคือมันเป็น ระบบปิดแบบกรรมสิทธิ์
- เมื่อ Lenat ล้มป่วยและมีเวลาจำกัดลง เขาจึงเขียนบทความอีกฉบับที่สั้นและกระชับกว่าแยกต่างหาก
- วันที่ 31 กรกฎาคม 2023 arXiv เผยแพร่ Getting from Generative AI to Trustworthy AI: What LLMs might learn from Cyc
- ทบทวนสิ่งที่ Cyc พยายามทำ
- สรุปอย่างกระชับถึงองค์ประกอบที่ควรคาดหวังจากปัญญาประดิษฐ์ที่แท้จริง
- เรียกร้องให้เกิดการปรองดองระหว่างธรรมเนียม symbolic AI เชิงลึกที่ Lenat สังกัดอยู่ กับ LLM สมัยใหม่
1 ความคิดเห็น
ความคิดเห็นบน Hacker News
บางครั้ง Doug พูดตรงไปตรงมา แต่โดยพื้นฐานแล้วเขาเป็น คนใจดีและใจกว้าง และความทุ่มเทของเขาต่อวิสัยทัศน์ของตัวเอง รวมถึงต่อผู้คนที่ทำงานร่วมกับเขา สมควรได้รับความเคารพ
ผมทำงานที่ Cycorp ระหว่างปี 2016–2020 สำนักงานไม่ได้ใหญ่มาก จึงได้เจอ Doug บ่อย
ครั้งหนึ่งในมื้อกลางวันรวมประจำสัปดาห์ เขาบอกว่ากำลังจะซื้อรถคันใหม่ และถามว่ามีใครต้องการรถคันเก่าของเขาที่เก่าแต่ดูแลอย่างดีไหม เมื่อพนักงานคนหนึ่งยกมืออย่างระมัดระวัง บอกว่าลูกสาวกำลังจะเริ่มขับรถ เขาก็มอบรถให้ทันทีตรงนั้น
เขายังชอบบอร์ดเกมด้วย และเล่น กลุ่ม D&D กับคนในบริษัท ได้ยินมาว่าเขาเล่นแต่ตัวละคร lawful good เสมอ ว่ากันว่าเขาเป็นคนที่ไม่รู้วิธีจะเล่นแบบอื่น
ตอนเป็นนักเรียนมัธยมอายุ 17 ปี ผมได้สัมภาษณ์กับ Doug Lenat และถูกจ้างเป็นนักศึกษาฝึกงานภาคฤดูร้อนที่ Cycorp ซึ่งกลายเป็นงานเขียนโปรแกรมจริงงานแรกของผม
การฝึกงานครั้งนั้นเปลี่ยนชีวิตผม และผมรู้สึกขอบคุณ Doug เสมอที่กล้าให้โอกาสเด็กคนหนึ่งอย่างแท้จริง
Doug เป็นนักวิทยาการคอมพิวเตอร์ที่ยอดเยี่ยมและเป็น ผู้บุกเบิกด้านปัญญาประดิษฐ์ Cycorp เป็นบริษัทเล็ก ผมจึงได้เข้าร่วมประชุมหลายครั้ง และเห็นได้ชัดว่าเขาเข้าใจรายละเอียดทางเทคนิคทุกอย่าง
Cycorp ล้ำหน้ากว่ายุคสมัย 30 ปี แต่ในทางปฏิบัติมันไม่ได้ผล ถ้าจะอธิบายให้คนที่ไม่รู้จักฟัง มันคือความพยายามเชิงพาณิชย์ขนาดใหญ่ครั้งแรกในการสร้าง ปัญญาประดิษฐ์ทั่วไป หรือพูดได้ว่าเป็นเหมือน OpenAI รายแรก
ผมได้เรียนรู้จาก Doug มากมายเกี่ยวกับการตั้งความทะเยอทะยานให้ใหญ่จนน่าเหลือเชื่อ และการไม่ยอมแพ้ ผมแทบไม่เคยเห็นใครที่ยืนหยัดกับ Cycorp นานหลายทศวรรษ รักษาเงินทุนไว้ จ้างคนเก่ง ๆ และผลักดันปัญหานี้ต่อไปได้แบบเขา
และอยากรู้ด้วยว่าตอนเป็นนักศึกษาฝึกงานอายุ 17 ปี คุณทำงานอะไรกันแน่ และมีทักษะอะไรบ้าง
ผมทำงานกับ Doug ที่ Cyc ราวปี 1985–1989 เคยทับซ้อนกันที่ PARC ด้วย แต่ที่นั่นไม่ได้มีปฏิสัมพันธ์กันมากนัก
งานแรกที่ผมทำคือทิ้ง implementation เดิม แล้วเริ่มใหม่ตั้งแต่ต้น ออกแบบระบบลำดับชั้นและโค้ด bootstrap ทั้งหมด
เป็นช่วงเวลาที่สนุกของทีมแกนหลักเล็ก ๆ ส่วนใหญ่คือผม Guha และ Doug ทำงานร่วมกัน แต่เมื่อเวลาผ่านไป ผมเริ่มไม่พอใจกับความเป็นไปตามอำเภอใจของ knowledge base
ตอนที่ผมออกจากโปรเจกต์ Cyc ด้วยเหตุผลส่วนตัว แม้เราจะสนิทกันและโปรเจกต์รันอยู่บนโค้ดของผม ผมก็ค่อนข้างมองลบรากฐานของโปรเจกต์นี้
เวลาผ่านไปและผมฉลาดขึ้น จึงกลับมายอมรับคุณค่าของมันอีกครั้ง ตอนนั้นผมน่าจะมองจาก มุมมองคณิตศาสตร์บริสุทธิ์ มากเกินไป
หลังจากนั้นผมไปทำอย่างอื่นและขาดการติดต่อกับ Doug และ Mary ซึ่งเป็นเรื่องที่น่าเสียดาย
ขอให้ Doug Lenat ไปสู่สุคติ ผมทำงานที่ Cycorp ใน Austin ระหว่างปี 2000–2006
เขาจากไปเร็วเกินไป แต่ Doug ได้มีโอกาสมีส่วนช่วยผลักดันการวิจัยวิทยาการคอมพิวเตอร์ของกองทัพและหน่วยข่าวกรองสหรัฐฯ
สักวันหนึ่ง เมื่อความก้าวหน้าอย่างรวดเร็วของปัญญาประดิษฐ์ผ่าน LLM ชะลอลง ความสนใจจะหวนกลับมาที่ Cyc Project และ Cycorp สมาชิกของมัน และ การให้เหตุผลเชิงตรรกะ กับ การแทนความรู้ ที่ดร. Doug Lenat ผลักดัน
เพราะถ้าการอนุมานด้วยโครงข่ายประสาทเร็วขนาดนั้น เราคงไม่คอมไพล์โปรแกรม C ให้เป็นการให้เหตุผลเชิงตรรกะแบบนิรนัยที่คอมไพเลอร์รันได้อย่างมีประสิทธิภาพ แต่คงคอมไพล์เป็นโครงข่ายประสาทไปแล้ว
ตรงกันข้าม เพราะ LLM มันจึงร่วมสมัยยิ่งกว่าที่เคย
ปัญญาประดิษฐ์แบบโครงข่ายประสาท และ ปัญญาประดิษฐ์เชิงสัญลักษณ์ สุดท้ายจะรวมเข้าด้วยกัน และโมเดลเชิงสัญลักษณ์จะนำประสิทธิภาพและความทนทานที่จำเป็นอย่างยิ่งเข้ามาผ่านการทำ normalization
ผมไม่เห็นว่าการปล่อยให้ข้อมูลมหาศาลนั้นจับฝุ่นอยู่เฉย ๆ โดยไม่มีผลงานมากนักจะมีความหมายอะไร
มีใครอ้างด้วยหรือว่าการอนุมานด้วยโครงข่ายประสาทเป็นวิธีที่เร็วที่สุดในการรันการคำนวณทุกอย่าง?
แทนที่จะโจมตีเทคโนโลยีอื่นอย่างโครงข่ายประสาท ควรโฟกัสกับการทำให้วิธีเชิงสัญลักษณ์แก้ปัญหาในโลกจริงได้ดีกว่า เช่น เราจะสร้างระบบตรวจจับสแปมอีเมลที่ทนทานด้วยวิธีเชิงสัญลักษณ์ได้อย่างไร?
ถ้าอยากฟังงานและความคิดของ Doug เพิ่มเติม ปีที่แล้ว Lex Fridman เคยสัมภาษณ์ Doug แบบค่อนข้างยาว
https://www.youtube.com/watch?v=3wMKoSRbGVs&pp=ygUabGV4IGZya...
Doug บอกว่าประมาณ 5 ปีต่อมา เขาได้เรียนรู้ว่าค่าประมาณนั้นผิดไปหนึ่งหลัก และจริง ๆ แล้วใกล้กับ ประมาณ 10 ล้านรายการ มากกว่า
เลยสงสัยว่ามีเอกสารหรือสิ่งพิมพ์ที่เกี่ยวข้องไหม ทำไมถึงรู้ว่าไม่ใช่ 100 ล้านรายการ ทำไมจึงมองได้ว่ามีจำนวนจำกัด และทำไมถึงไม่เกิด combinatorial explosion
แน่นอนว่าถ้าทำต่อเนื่อง 38 ปี ก็คงมีตัวชี้วัดประเมินอยู่ตลอด แต่ผมยังไม่ค่อยเข้าใจตรรกะนั้น จึงอยากได้เอกสารอ้างอิงหรือลิงก์บทวิจารณ์
เคยได้ยินชื่อ Cyc ในยุค 1990 แต่ไม่รู้ว่ายังมีอยู่ และน่าประทับใจที่รักษาไว้ได้นานขนาดนั้น
บทความ Wikipedia ก็ค่อนข้างดี: https://en.wikipedia.org/wiki/Cyc#Criticisms
ถึงอย่างนั้น การอ้างว่า 1 ล้านหรือ 10 ล้านก็เป็นข้ออ้างที่หนักแน่นสำหรับการยืนระยะหลายสิบปี เลยสงสัยว่ามีตัวชี้วัดที่แข็งแรงจริง ๆ รองรับหรือไม่
เหตุผลที่อ่าน论文ที่ลิงก์ไว้แล้วสนุกคือ ผมรู้สึกสนใจเสมอกับการนำหลักการที่พวกเขามองว่าควรอยู่ภายในคอมพิวเตอร์ มาทำเป็น โครงสร้างภายนอกของชุมชน
ถ้าผู้คนสามารถสำรวจและร่วมมือกันกับคลังข้อความของเหตุผลและข้อสรุป ไม่เห็นด้วยกับบางส่วนของกราฟข้อโต้แย้ง หรือเพิ่มเติมเข้าไปให้มันสมบูรณ์ขึ้นตามเวลาได้ ก็น่าจะมีประโยชน์มาก
จากนั้นคนอื่น ๆ ก็สามารถอ่านและนำตรรกะเดียวกันไปใช้ได้
ผมกำลังทดลองแนวคิดนี้ใน http://concludia.org/ ที่ทำเป็นครั้งคราว แต่ตอนนี้ค่อนข้างเป็นข้ออ้างในการลองคลำแนวคิดและฝึกเขียนโปรแกรม Akka(Pekko) ให้มากขึ้น
สักวันหนึ่งตั้งใจจะเพิ่มบัญชีผู้ใช้และข้อโต้แย้งที่แก้ไขได้ เพื่อทำให้เป็นเว็บไซต์จริง
ข้อโต้แย้งเชื่อมกับหลักฐาน ส่วนแนวคิดเชื่อมกับแนวคิดที่เกี่ยวข้อง เป็นต้น
https://en.m.wikipedia.org/wiki/Zettelkasten
น่าจะดีสำหรับการระดมสมอง
ผมนึกขึ้นมาได้ตอนจินตนาการถึงวิธีทำให้วาทกรรมสาธารณะมาบรรจบกันในประเทศที่มีการแบ่งขั้วทางการเมืองสูง
เป็นเหมือน ฟอรัมอภิปรายสาธารณะแบบมีโครงสร้าง ที่ผู้คนจะมองเห็นได้ดีขึ้นว่า ความเห็นแตกต่างกันตรงไหนในลำดับชั้น และที่สำคัญกว่านั้นคือ จริง ๆ แล้วเห็นพ้องกันมากเพียงใด
ผมมักคิดว่า Cyc เป็นเหมือน Principia เวอร์ชันปัญญาประดิษฐ์ของ Russell และ Whitehead
มีความทะเยอทะยานทางเทคนิคและน่าสนใจในตัวเอง แต่สุดท้ายก็ให้ความรู้สึกว่าเป็นแนวทางที่ผิด ซึ่งในรูปแบบอิสระ ต่อให้ทำไปนานแค่ไหนและเพิ่มกฎต่อไปเรื่อย ๆ ก็ไม่น่าจะทำงานได้ดี
ถึงอย่างนั้น ผมคิดว่ามันอาจมีประโยชน์ในการทดสอบและสอนโมเดลโครงข่ายประสาท
ในยุคที่ Lenat เริ่มทำ Cyc ยังไม่มีทรัพยากรคอมพิวต์พอจะรันโมเดลโครงข่ายประสาทที่แสดงระดับที่ทุกวันนี้ผู้คนเรียกว่า “การให้เหตุผลแบบสามัญสำนึก” ได้ ดังนั้นจึงเข้าใจได้เต็มที่ที่เขาเริ่มจากเส้นทางนั้น
“Getting from Generative AI to Trustworthy AI: What LLMs might learn from Cyc”
เป็น论文สุดท้ายของ Lenat เผยแพร่ร่วมกับ Gary Marcus เมื่อวันที่ 31 กรกฎาคม
https://news.ycombinator.com/item?id=37354601
ถ้าอ่าน论文นี้ ความคิดสองอย่างอาจสั่นคลอนได้ คือความคิดที่ว่าโมเดลโครงข่ายประสาทในปัจจุบัน หรือ LLM แสดง การให้เหตุผลแบบสามัญสำนึก และความคิดที่ว่าแนวทางที่ Cyc เป็นตัวแทนกับแนวทางที่ LLM เป็นตัวแทนนั้น排除กันโดยสิ้นเชิง
พออ่านช่วงท้ายของบทความแล้ว ก็รู้สึกว่าผมควรเปิดเผยสิ่งที่ผมสร้างและคิดไว้ให้มากขึ้น
ผมไม่ใช่ Doug Lenat และคอนเทนต์ของผมก็มีแนวโน้มสูงว่าจะเป็นแค่การเพิ่มสัญญาณรบกวนให้กับอินเทอร์เน็ต แต่ถึงอย่างนั้นก็ไม่ควรปล่อยให้ไอเดียของตัวเองตายไปพร้อมกับตัวเอง หรือถูกควบคุมโดยคณะกรรมการผู้มีส่วนได้ส่วนเสีย
ผมไม่ใช่คนคลั่งโอเพนซอร์ส แต่ โอเพนซอร์ส เป็นวิธีที่ดีให้คนอื่นสานต่อสิ่งที่ผมเริ่มไว้
ตลอด 1 ปีที่ผ่านมา Gary Marcus กับ Doug พยายามเขียนบทความวิชาการที่ยาวและซับซ้อนซึ่งสุดท้ายก็ทำไม่เสร็จ และแม้ Cyc จะยิ่งใหญ่มากในแง่ขอบเขต แต่การนำไปใช้งานจริงกลับจัดการได้ยาก
จากมุมมองทางวิชาการ ปัญหาใหญ่ที่สุดของ Cyc คือมันเป็น ซอฟต์แวร์กรรมสิทธิ์
Doug พยายามถ่ายทอดบทเรียนที่เขาได้จาก Cyc ให้กับนักวิจัยรุ่นถัดไป เพื่อให้คนเข้าใจมากขึ้น เช่น อะไรที่ได้ผลและเพราะเหตุใด เมื่อใดและทำไมจึงล้มเหลว อะไรที่นำไปใช้จริงได้ยาก และอะไรที่ถ้าได้ทำต่างออกไปก็คงดี
หนึ่งในอีเมลสุดท้าย ๆ ของเขาคือการวิงวอนให้เผยแพร่บทความให้เร็วที่สุดเท่าที่จะทำได้ และหลังผ่านเรื่องราวคดเคี้ยวมากมาย บทความ Getting from Generative AI to Trustworthy AI: What LLMs might learn from Cyc (https://arxiv.org/ftp/arxiv/papers/2308/2308.04445.pdf) ก็ถูกอัปโหลดขึ้น arXiv เมื่อวันที่ 31 กรกฎาคม
เป็นบทความสั้น ๆ แต่เป็นทั้งการทบทวนสิ่งที่ Cyc พยายามทำ สรุปสิ่งที่เราควรคาดหวังจากปัญญาประดิษฐ์ที่แท้จริง และเป็นการเรียกร้องให้ปรองดองกันระหว่างประเพณีสัญลักษณ์นิยมเชิงลึกที่เขาเป็นส่วนหนึ่ง กับโมเดลภาษาขนาดใหญ่สมัยใหม่
แค่แชร์สิ่งที่คิดว่าสำคัญก็พอ
แม้แต่ การปรับปรุงความรู้ เล็ก ๆ ที่ดูมีโอกาสต่ำ ก็อาจมีความหมายได้ ถ้าสิ่งเหล่านั้นมีมากพอ ในเชิงสถิติก็อาจขยับเข็มได้
แน่นอนว่าต้องทำให้หาข้อมูลที่เกี่ยวข้องเจอได้ด้วย และเรื่องนั้นเองก็เป็นปัญหาใหญ่
แม้ไม่เคยพบกันโดยตรง แต่งานของ Doug เป็นหนึ่งในแรงบันดาลใจที่ยิ่งใหญ่ที่สุดในวงการคอมพิวติ้งสำหรับผม
น่าจะเหมาะที่จะลิงก์บทความบล็อกที่เขียนไว้ในปี 2018 เป็นบทความที่สรุปเส้นทางงานของ Lenat ที่นำไปสู่ Cyc อย่างคร่าว ๆ และรวบรวมลิงก์บทความวิชาการไว้
http://blog.funcall.org//lisp/2018/11/03/am-eurisko-lenat-do...
Cyc ซึ่งออกเสียงว่า “Syke” เป็นโปรเจกต์ที่ผมสนใจแบบเลือน ๆ มานานแล้ว แต่ไม่มีเวลาและพลังพอจะเจาะลึกอย่างจริงจัง
เป็นโปรเจกต์ปัญญาประดิษฐ์ที่มีพื้นฐานจาก ontology แบบครอบคลุม และฐานความรู้
ภาพรวมใน Wikipedia: <https://en.wikipedia.org/wiki/Cyc>
หน้าเว็บโปรเจกต์/บริษัท: <https://cyc.com/>
มันเป็นความพยายามครั้งใหญ่ครั้งสุดท้ายที่จะทำปัญญาประดิษฐ์ด้วยวิธีที่ “สะอาดเรียบร้อย” และความล้มเหลวนั้นก็ช่วยให้เกิดแนวทางปัญญาประดิษฐ์แบบ “ยุ่งเหยิง” ที่ประสบความสำเร็จอย่างมากในปัจจุบัน
ความล้มเหลวนี้ไม่ได้ลดคุณค่าของ Doug ใครสักคนต้องลองทำ และก็น่ายินดีที่คนคนนั้นเป็นหนึ่งในคนที่ฉลาดที่สุด
ผมคิดว่าเขายังยึดมันไว้นานหลังจากที่ชัดเจนแล้วว่ามันคงไม่ทำงาน แต่ จุดทะลุทะลวง ก็เกิดขึ้นได้จริงเช่นกัน
กระแสแมชชีนเลิร์นนิงในปัจจุบันเองก็เป็นการฟื้นคืนชีพของเทคนิคที่ครั้งหนึ่งเคยถูกทอดทิ้ง และคนที่ยังเกาะมันไว้นั่นแหละที่ค้นพบเคล็ดลับทำให้มันใช้งานได้
หลายปีก่อนผมเคยทำงานกับบริษัทที่ปรึกษาซึ่งพยายามเข้าสู่วงการปัญญาประดิษฐ์ บริษัทนั้นเลือก Cyc เป็นแพลตฟอร์มที่จะขายให้ลูกค้าหลัก ๆ ในภาคการเงิน
แต่ดูเหมือนไม่มีโปรเจกต์จริงเริ่มขึ้นแม้แต่โปรเจกต์เดียว และก็ไม่มีภาพที่ชัดเจนว่าจะขายอะไรได้
ผมไม่อยากคิดว่า Lenat เป็นนักต้มตุ๋น เพราะเขาดูเหมือนเป็นคนจริงใจและยอดเยี่ยม
เพียงแต่ผมมองว่า Cyc ถูกขายแบบโอ้อวดเกินจริงอย่างมาก ทั้งที่แทบไม่ได้ทำสิ่งที่มีประโยชน์ได้เลย เว็บไซต์เต็มไปด้วยถ้อยคำเชิงเทคนิค แต่หลังทำธุรกิจมา 40 ปี กลับไม่มีกรณีศึกษาแม้แต่กรณีเดียว