สติปัญญาคืออะไร? (2024)

 (whatisintelligence.antikythera.org)
2 คะแนน โดย GN⁺ 2025-10-27 | 2 ความคิดเห็น | แชร์ทาง WhatsApp
  • สำรวจแนวคิดเรื่อง ‘สติปัญญา (intelligence)’ ของมนุษย์และปัญญาประดิษฐ์ในเชิงปรัชญาและเทคนิค พร้อมทบทวนนิยามและแก่นแท้ของมันอีกครั้ง
  • นิยามสติปัญญาไม่ใช่เพียงความสามารถในการคำนวณ แต่เป็น ความสามารถทั่วไปในการปรับตัวต่อสภาพแวดล้อมและแก้ปัญหา
  • เปรียบเทียบความต่างระหว่างสติปัญญาทางชีววิทยากับปัญญาประดิษฐ์ โดยชี้ว่า ความเข้าใจบริบทและการมุ่งไปสู่เป้าหมาย เป็นองค์ประกอบสำคัญ
  • อธิบายว่าความก้าวหน้าของปัญญาประดิษฐ์ทำหน้าที่เป็น กระจกสะท้อน ที่ช่วยให้เราเข้าใจแก่นแท้ของสติปัญญามนุษย์ได้ลึกซึ้งยิ่งขึ้น
  • การอภิปรายเหล่านี้ให้ข้อสังเกตสำคัญต่อการปรับวาง ทิศทางการวิจัย AI และปรัชญาการออกแบบที่ยึดมนุษย์เป็นศูนย์กลาง ใหม่

นิยามและแก่นแท้ของสติปัญญา

  • บทความนี้ไม่ได้มองสติปัญญาเป็นเพียง การประมวลผลข้อมูลหรือความสามารถในการคำนวณ แต่ให้นิยามว่าเป็น ความสามารถทั่วไปในการปรับตัวต่อสภาพแวดล้อมและบรรลุเป้าหมาย
    • สติปัญญาไม่ใช่ทักษะในการแก้ปัญหาเฉพาะอย่าง แต่หมายถึง ความยืดหยุ่นในการเรียนรู้และแก้ปัญหาใหม่ ๆ
    • ดังนั้นสติปัญญาจึงไม่ใช่คุณสมบัติแบบคงที่ แต่ถูกอธิบายว่าเป็น กระบวนการที่พลวัตและเปลี่ยนไปตามสถานการณ์กับบริบท
  • มีการเสนอว่าสติปัญญามนุษย์เชื่อมโยงอย่างลึกซึ้งกับ จิตสำนึก อารมณ์ และปฏิสัมพันธ์ทางสังคม และไม่อาจลดทอนให้เหลือเพียงการคำนวณเชิงอัลกอริทึมอย่างง่ายได้
    • การคิดของมนุษย์ครอบคลุมถึง การตั้งเป้าหมาย การตัดสินคุณค่า และการอนุมานจากประสบการณ์
    • องค์ประกอบเหล่านี้ถูกชี้ว่าเป็นพื้นที่ที่ระบบปัญญาประดิษฐ์ในปัจจุบันยังยากจะเลียนแบบ

การเปรียบเทียบระหว่างปัญญาประดิษฐ์กับสติปัญญาทางชีววิทยา

  • ปัญญาประดิษฐ์ทำงานกับภารกิจเฉพาะผ่าน การเรียนรู้รูปแบบจากข้อมูล ขณะที่มนุษย์แก้ปัญหาด้วย ความเข้าใจเชิงบริบทและการตีความความหมาย
    • AI เรียนรู้ความสัมพันธ์เชิงสถิติ ส่วนมนุษย์รับรู้ ความสัมพันธ์เชิงเหตุและผลกับความมีจุดมุ่งหมาย
    • ความต่างนี้แสดงให้เห็นว่าแก่นของ ‘สติปัญญา’ ไม่ได้อยู่ที่ความเร็วในการประมวลผลข้อมูลเพียงอย่างเดียว แต่คือ ความสามารถในการสร้างความหมาย
  • สติปัญญาทางชีววิทยาก่อตัวขึ้นภายใต้ แรงกดดันจากวิวัฒนาการและเป้าหมายเพื่อการอยู่รอด ในขณะที่ปัญญาประดิษฐ์ทำงานตาม ฟังก์ชันเป้าหมายที่มนุษย์ออกแบบไว้
    • ดังนั้น ‘สติปัญญา’ ของ AI จึงถูกกำหนดว่าเป็น รูปแบบประดิษฐ์ที่ขึ้นต่อวัตถุประสงค์จากภายนอก
    • ส่วนสติปัญญามนุษย์มี โครงสร้างแรงจูงใจภายใน เช่น การรักษาตนเองและความร่วมมือทางสังคม

องค์ประกอบของสติปัญญาและปัญหาในการวัด

  • บทความเสนอองค์ประกอบหลักของสติปัญญา ได้แก่ การเรียนรู้ การให้เหตุผล ความจำ การวางแผน และความคิดสร้างสรรค์
    • องค์ประกอบเหล่านี้มีปฏิสัมพันธ์กัน และก่อให้เกิด พฤติกรรมแบบปรับตัวได้ ในสภาพแวดล้อมเฉพาะ
    • ตัวอย่างเช่น ความคิดสร้างสรรค์ถูกอธิบายว่าเป็น การแสดงออกระดับสูงของสติปัญญา ที่นำความรู้เดิมมาจัดเรียงใหม่เพื่อเสนอทางออกใหม่
  • บทความยังชี้ให้เห็นถึงความยากในการวัดสติปัญญา
    • การทดสอบ IQ หรือ benchmark วัดได้เพียง ความสามารถในการแก้ปัญหาบางประเภทเท่านั้น และไม่สะท้อนลักษณะที่ซับซ้อนของสติปัญญาจริง
    • ดังนั้นการประเมินสติปัญญาจำเป็นต้องพิจารณา ความสามารถในการปรับตัวตามบริบทและความสามารถในการทำให้เป็นทั่วไป ควบคู่กัน

คำถามเชิงปรัชญาที่เกิดจากความก้าวหน้าของปัญญาประดิษฐ์

  • ความก้าวหน้าอย่างรวดเร็วของปัญญาประดิษฐ์ทำให้คำถามพื้นฐานว่า ‘แก่นแท้ของสติปัญญาคืออะไร’ ถูกหยิบยกขึ้นมาอีกครั้ง
    • ยิ่ง AI เลียนแบบภาษา การสร้างสรรค์ และการตัดสินใจของมนุษย์ได้มากขึ้น ก็ยิ่งจำเป็นต้องสำรวจว่าสติปัญญาอันเป็นเอกลักษณ์ของมนุษย์อยู่ตรงไหน
    • เรื่องนี้จึงขยายออกไปไกลกว่าปัญหาทางเทคนิค และกลายเป็น ปัญหาเชิงภววิทยาและจริยธรรม
  • บทความอธิบายว่า AI ทำหน้าที่เป็นกระจกสะท้อนสติปัญญามนุษย์
    • ผ่านข้อจำกัดและความผิดพลาดของ AI เราสามารถเข้าใจโครงสร้างและจุดแข็งของการคิดแบบมนุษย์ได้ชัดเจนยิ่งขึ้น
    • ดังนั้นการวิจัย AI จึงถูกตีความว่าเป็น กระบวนการขยายความเข้าใจมนุษย์

ทิศทางอนาคตของการวิจัยสติปัญญา

  • บทความเน้นย้ำว่าในอนาคต การวิจัยสติปัญญาต้องรวม การออกแบบที่ยึดมนุษย์เป็นศูนย์กลางและการพิจารณาด้านจริยธรรม เข้าไว้ด้วย
    • ไม่ใช่ประเมินเพียงความสำเร็จทางเทคนิค แต่ต้องประเมิน ผลกระทบของสติปัญญาต่อสังคมและชีวิตมนุษย์ ควบคู่กัน
    • สิ่งนี้เชื่อมโยงกับปัญหา ‘การจัดแนวคุณค่า (value alignment)’ ในการออกแบบระบบ AI ให้สะท้อนคุณค่าและเป้าหมายของมนุษย์
  • การนิยามสติปัญญาใหม่ถูกเสนอว่าเป็นกระบวนการที่ช่วยเสริม รากฐานเชิงปรัชญาของการพัฒนา AI
    • ความก้าวหน้าทางเทคโนโลยีอาจทำให้ความเข้าใจเกี่ยวกับสติปัญญามนุษย์ลึกซึ้งขึ้น และเป็น จุดเปลี่ยนในการประกอบสร้างความหมายของสติปัญญาใหม่
    • ท้ายที่สุด การวิจัยสติปัญญาควรมุ่งไปสู่การสำรวจ วิวัฒนาการร่วมกัน (co-evolution) ของมนุษย์และเครื่องจักร

บทความที่เกี่ยวข้อง

2 ความคิดเห็น

 
2025-10-27
[ความคิดเห็นนี้ถูกซ่อน]
 
GN⁺ 2025-10-27
ความคิดเห็นบน Hacker News

  • รู้สึกว่าหนังสือเล่มนี้ต้องการบรรณาธิการอย่างยิ่ง
    ชื่อบทเกือบ 100 บทเหมือนถูกตั้งขึ้นมาแบบเพ้อฝัน และแต่ละส่วนก็ดูเหมือนความพยายามเชิงศิลป์ที่ทำให้ผู้อ่านสับสน
    มีทั้งไดอะแกรมซับซ้อนและศัพท์เฉพาะจำนวนมากที่เชื่อมกับเนื้อหาอย่างหลวม ๆ แถมยังมี scroll hijacking อีก เลยยิ่งอ่านยาก
    ทั้งเล่มยาวถึง 600 หน้า ดูแล้วคนส่วนใหญ่น่าจะไม่ได้อ่านตั้งแต่ต้นจนจบ

    • ในเชิงวาทศิลป์ นี่เป็นโครงสร้างแบบหนึ่งของ "Yes-set"
      กล่าวคือ เป็นวิธีชักจูงให้ผู้อ่านเห็นด้วยตามลำดับ ข้อเท็จจริงที่ตรวจสอบได้ → ความจริงที่ชัดเจน → ความเห็นที่ยอมรับกันทั่วไป → ข้ออ้างที่ไร้หลักฐาน → บทสรุปที่ซ้ำซาก
      โครงสร้างแบบนี้มักเป็นเทคนิคโน้มน้าวที่ ผู้นำลัทธิหรือผู้ปราศรัยทางการเมือง ใช้ เพื่อสอดแทรกข้ออ้างที่มีฐานเหตุผลอ่อนแออย่างแนบเนียน
      ส่วนที่ว่าด้วย ไซเบอร์เนติกส์และทฤษฎีการคำนวณ ของหนังสือค้นคว้ามาดี แต่ไม่ได้มีความแปลกใหม่และไม่มีข้อโต้แย้งที่บูรณาการเป็นหนึ่งเดียว
      การนำเรื่องชีววิทยามาปนกับเรื่องภาพยนตร์กลับยิ่งทำให้เสียสมาธิ
      ผู้เขียนมีความเห็นแรงกล้าเกี่ยวกับ AI แต่ดูเหมือนพยายามซ่อนไว้ในแซนด์วิชแห่งการโน้มน้าว แทนที่จะโต้แย้งมันอย่างตรงไปตรงมา
      อ้างอิงที่เกี่ยวข้อง: Compliment Sandwich, บทความ History of Computing
    • วิดีโอบรรยาย 1 ชั่วโมง ของผู้เขียนสรุปใจความสำคัญของหนังสือไว้
      แม้จะยังไม่ได้อ่านทั้งเล่ม แต่รู้สึกว่าการไปอ่านทฤษฎี predictive processing ของ Karl Friston หรือ Andy Clark น่าจะคุ้มค่ากว่า
    • ผมกลับกันเลย อ่านหนังสือเล่มนี้ตั้งแต่ต้นจนจบแล้วค่อนข้างเพลิดเพลิน
      แม้ดีไซน์เว็บไซต์ของผมจะอ่านง่ายกว่า แต่ โครงสร้างประหลาด ๆ ของหนังสือเล่มนี้กลับให้เสน่ห์ในแบบของมัน
    • ถ้าชอบงานเขียนแนวนี้ ขอแนะนำเปเปอร์ A Definition of AGI
    • ผมก็ได้ความประทับใจคล้ายกัน
      ช่วงนี้พอเห็นงานเขียนสไตล์นี้ก็จะรู้สึกว่าเป็น ความกำกวมโดยเจตนา หรือไม่ก็ แนวทางแบบลัทธิหลอกลวง เลยข้ามไปเลย

  • ในการถกเถียงนี้จะมองข้าม 『Universal Artificial Intelligence』 ของ Marcus Hutter ไม่ได้
    หนังสือเล่มนี้วางรากฐานของ นิยามเชิงคณิตศาสตร์ของความฉลาด และ การตัดสินใจบนฐานความน่าจะเป็นเชิงอัลกอริทึม
    แม้แต่ข้อจำกัดของเทคโนโลยี AI ปัจจุบันก็อธิบายได้ภายใต้กรอบนี้

    • ถ้าใครเคยอ่านเล่มนั้น อยากให้ช่วยอธิบายให้ชัดกว่านี้หน่อยว่า ช่องว่างของ AI ถูกอธิบายในกรอบนั้นอย่างไร

  • อยากถามจริง ๆ ว่ามีใครอ่านหนังสือเล่มนี้จริงไหม
    ผมอ่านไปประมาณครึ่งหนึ่ง และคิดว่าไอเดียเรื่อง การจำลองตัวเองเกิดขึ้นอย่างเป็นธรรมชาติในจักรวาลเชิงการคำนวณ น่าสนใจมาก
    ให้ความรู้สึกคล้ายโลกทัศน์ของ Wolfram แต่ความพยายามเชื่อมหลายศาสตร์เข้าด้วยกันก็กระตุ้นความคิดดี
    อ่านแบบวิทยาศาสตร์สำหรับคนทั่วไปก็ถือว่าดี

    • ผมก็อ่านจบเหมือนกัน ต้องการการเรียบเรียงเพิ่มนิดหน่อย แต่การเดินทางข้าม ชีววิทยา ฟิสิกส์ วิทยาการคอมพิวเตอร์ และการเงิน นั้นสนุกมาก
      โดยเฉพาะแนวคิดที่ว่า “การทำซ้ำเริ่มต้นจากการคัดลอกที่แย่” น่าประทับใจ
      กระบวนการที่ระบบเริ่มจาก การคัดลอกที่ไม่สมบูรณ์ แล้วค่อย ๆ ปรับปรุงจนกลายเป็นการจำลองตัวเองนั้นน่าสนใจมาก
      ผมคิดว่าแนวคิดนี้ใช้ได้กับ สตาร์ตอัป ไอเดีย และระบบการเงิน ด้วย
      แถมอีกอย่าง brainfuck code ในเวอร์ชันออนไลน์มีบั๊ก ลองไปหาดู
    • ผมไม่สนใจเรื่องจิตสำนึกหรือความฉลาด
      ผมคิดว่า ความหมายเกิดจากการเปลี่ยนแปลงของสถานะ
      มนุษย์เป็นเครื่องสร้างความหมายที่ซับซ้อน และจักรวาลก็ถูกผูกไว้กับเอนโทรปี จึงมีข้อจำกัดด้านเวลา
      ระหว่างนั้น เราก็คือ สิ่งมีชีวิตที่แผ่ความหมายออกมาเหมือนดาวปล่อยแสง

  • แม้จะยังไม่ได้อ่านหนังสือโดยตรง แต่ดูเหมือนผู้เขียนจะอ้างว่าส่วนสำคัญของความฉลาดมนุษย์สามารถจำลองขึ้นด้วย AI ได้
    กล่าวคือ เป็นมุมมองที่ว่า ระบบที่ไม่มีชีวิตก็แสดงพฤติกรรมอันชาญฉลาดได้
    แต่ AI ไม่มี บริบทเชิงกายภาพ (embodiment) จึงยากจะถือว่ามีความฉลาดแบบเดียวกับมนุษย์
    ถ้าอยากเข้าใจต้นกำเนิดของความฉลาดมนุษย์ 『A Dynamic Systems Approach to the Development of Cognition and Action』 ของ Ester Thelen เป็นจุดเริ่มต้นที่ดี
    หนังสืออธิบายว่าพัฒนาการของมนุษย์ไม่ได้เกิดจากโปรแกรมทางพันธุกรรม แต่เกิดจาก ปฏิสัมพันธ์ของการลองผิดลองถูก
    สุดท้ายผมคิดว่า ศิลปะแห่งการดูแลและการศึกษา คือหัวใจที่ทำให้อารยธรรมพัฒนา

    • ผมมองว่าไม่มีปัญหาอะไรที่จะใช้คำว่า ‘ความฉลาด’ กับระบบประดิษฐ์
      เพราะคำขยายว่า ‘ประดิษฐ์’ ก็แยกความต่างไว้อยู่แล้ว
      แต่พวกมันไม่มี เจตจำนง (will) เป้าหมายของมันสุดท้ายก็เป็นเพียง เจตจำนงของโปรแกรมเมอร์ เท่านั้น
    • ถ้าอย่างนั้น ผู้ป่วย locked-in syndrome ที่ประสบการณ์ทางกายถูกจำกัด ควรถูกมองว่าเป็นความฉลาดอีกแบบหนึ่งหรือไม่?
    • สัตว์จำนวนมากมี ความสามารถที่ถูกโปรแกรมทางพันธุกรรม มาตั้งแต่เกิด เช่น การเดิน จึงอธิบายด้วยการเรียนรู้ล้วน ๆ ไม่ได้

  • ท่าทีของผู้เขียนที่ว่า “นี่ไม่ใช่ปรัชญา แต่เป็นวิทยาศาสตร์ที่สานต่อรอยเท้าของ Turing” ให้ความรู้สึกเหมือน ทำทีถ่อมตนแต่ดูแคลนปรัชญา
    แกนข้อโต้แย้งที่ว่า “การเลียนแบบคือความฉลาด” ก็หักล้างได้ง่ายด้วยกรณีทางสังคม
    ตัวอย่างเช่น นักแสดงที่เล่นบทอัจฉริยะได้อย่างสมบูรณ์แบบ ก็ไม่ได้เป็นอัจฉริยะจริง ๆ
    ดังนั้น การสร้างประโยคที่ดูน่าเชื่อ จึงไม่ใช่แก่นแท้ของความฉลาด
    ความฉลาดของมนุษย์เกิดจาก การให้เหตุผลระดับรากฐานและการรับรู้รูปแบบทางประสาทสัมผัส ซึ่งยังเป็นพื้นที่ที่ AI ไปไม่ถึง

    • แต่ถ้าสามารถเลียนแบบได้อย่างสมบูรณ์แบบ นักแสดงคนนั้นก็จะ แยกไม่ออกจากอัจฉริยะตัวจริง และจึงกลายเป็นอัจฉริยะไปแล้ว ไม่ใช่หรือ?

  • แม้แต่โครงข่ายประสาทแบบง่ายก็เป็น universal approximator ดังนั้นไม่ว่าจะเป็นสมองชีวภาพหรือสมองประดิษฐ์ สุดท้ายก็อาจเป็นสิ่งที่คอยประมาณค่าฟังก์ชันซับซ้อนของโลก

    • ก็จริง แต่คุณมองข้ามบทบาทของ world model ไป
      ความฉลาดไม่ใช่แค่การประมาณอินพุต-เอาต์พุต แต่คือ ความสามารถในการเรียนรู้โครงสร้างเชิงเหตุและผล จำลองมัน และวางแผนได้
      LLM ดูฉลาดก็เพียงเพราะมันบรรจุความรู้ที่ความฉลาดของมนุษย์ขยายสะสมไว้แล้ว
      คำถามจริงคือมันสามารถ สร้างแบบจำลองเชิงเหตุและผล ได้ด้วยตัวเองหรือไม่
      LLM ปัจจุบันเก่งเรื่อง interpolation แต่ยังอ่อนเรื่อง extrapolation
    • นิยามของ state และสถานะถัดไปยังไม่ชัดเจน
      อินพุตจากประสาทสัมผัสเข้ามาด้วยคาบและตำแหน่งที่หลากหลาย การทำให้มันง่ายเกินไปอาจทำให้ข้อมูลสำคัญหายไป

  • ในบทสัมภาษณ์ที่เคยฟัง มีสมมติฐานว่าความสามารถด้าน reasoning ของมนุษย์วิวัฒน์ขึ้นมาเพื่อ การโน้มน้าวทางสังคม มากกว่าการคิดเชิงตรรกะ
    กล่าวคือ เราสร้างเหตุผลขึ้นมาเพื่อโน้มน้าวผู้อื่นหรือทำให้การกระทำของตัวเองดูชอบธรรม
    ในแง่นี้ผมรู้สึกว่า การทำนายโทเคนถัดไปของ LLM กับโครงสร้างของบทสนทนามนุษย์ค่อนข้างคล้ายกัน
    น่าจะเป็นงานของ Hugo Mercier

    • ตามเปเปอร์ของ Mercier นั้น การให้เหตุผลไม่ได้วิวัฒน์มาเป็นเครื่องช่วยการรับรู้ส่วนบุคคล แต่เป็นเครื่องมือสำหรับการโต้แย้งทางสังคม
      ดู Why do humans reason?
    • ผมคิดว่า ความถนัดมือ (handedness) และ การสร้างเครื่องมือ อธิบายต้นกำเนิดของภาษาและการให้เหตุผลได้
      การสร้างเครื่องมือและถ่ายทอดความรู้ต้องอาศัย การสอนและความร่วมมือ
      อ้างอิงที่เกี่ยวข้อง: Cambridge excerpt
    • มนุษย์เลือกคำแบบสด ๆ ขณะพูดก็จริง แต่เรารู้อยู่แล้วว่า แนวคิด ที่ต้องการสื่อคืออะไร
      ในทางกลับกัน LLM จัดการกับคำ ไม่ใช่แนวคิด
      ภาษาเป็นเพียงเครื่องมือที่มนุษย์สร้างขึ้น ดังนั้น ไอเดียกับภาษาเป็นคนละเรื่องกัน
    • จุดประสงค์ของภาษาไม่ใช่การพรรณนาความจริงอย่างแม่นยำ แต่เป็น นามธรรมเพื่อใช้โน้มน้าวผู้อื่น ซึ่งคล้ายข้อเสนอใน 『Language vs Reality』 ของ N.J. Enfield
    • ผมอยากเสนอ Turing test แบบวิวัฒน์ได้
      คือค่อย ๆ เพิ่มจำนวนคำที่สมาร์ตโฟนทำนายอัตโนมัติ แล้ววัดว่ามันเริ่มคล้ายบทสนทนาของมนุษย์มากแค่ไหน

  • หนังสือเล่มนี้พูดถึง ความเป็นศูนย์กลางของการพยากรณ์ โครงสร้างทางสังคมของความฉลาด หน้าที่การบีบอัดของภาษา และ ข้อจำกัดของระบบที่แยกตัวโดดเดี่ยว
    แต่ประเด็นสำคัญจริง ๆ คือ ความฉลาดแท้จริงนั้น เกิดขึ้นได้จากหลักการเชิงคำนวณล้วน ๆ หรือจำเป็นต้องมี ความฝังตัวอยู่ในสิ่งแวดล้อม
    ผมมองว่า ต้นทุนและประสิทธิภาพ เป็นตัวขับการเรียนรู้ทั้งหมด
    ระบบชีวภาพต้องค้ำจุนคนรุ่นถัดไป ดังนั้นความฉลาดจึงเป็น กระบวนการสำรวจที่ถูกปรับให้เหมาะที่สุดภายใต้แรงกดดันทางเศรษฐกิจ
    บทความที่เกี่ยวข้อง: What the Dumpster Teaches

    • ถ้าตามตรรกะนั้น กาต้มน้ำไฟฟ้า ก็ฉลาดด้วยหรือ?
      การแค่วัดอุณหภูมิแล้วปิดเครื่องไม่ใช่การอนุมานเป้าหมาย
      ความฉลาดที่แท้จริงต้องมี ชั้นเมตาที่สะท้อนเป้าหมายของตัวเองได้
    • การฝึกโมเดลก็มี ต้นทุนทางการเงินจริง เช่นกัน และถ้าประสิทธิภาพต่ำก็จะถูกหยุดฝึก
      กล่าวคือ มี แรงกดดันจากการคัดเลือกเชิงเศรษฐกิจ อยู่เหมือนกัน จึงไม่ได้ต่างกันโดยสิ้นเชิง
    • เมื่อช่วงเวลาของการพยากรณ์ต่างกัน ก็จะเกิด ความขัดแย้งและความไม่แน่นอน และนั่นเองที่สร้างข้อจำกัดของความฉลาด
      มนุษย์ไม่ชอบความขัดแย้งแบบนี้ จึงพยายามรักษาความสอดคล้องไว้ด้วย เรื่องเล่า (story)
      ศาสนา การเมือง กฎหมาย ตำนาน AI ล้วนเป็น อุปกรณ์เชิงเรื่องเล่าที่ช่วยบรรเทาความผิดพลาดของการพยากรณ์ร่วมกัน
      แต่จุลชีพอยู่รอดได้โดยไม่ต้องมีสิ่งเหล่านี้
      ท้ายที่สุดแล้ว ความฉลาดก็เป็นเพียงกระแสหมุนวนของข้อมูลที่ไม่เสถียร ไม่ใช่สิ่งจำเป็นต่อการดำรงชีวิตเสมอไป
    • ในการถกเถียงแบบนี้ เงาของ consciousness มักตามมาด้วย
      ถ้าจิตสำนึกเป็นสิ่ง emergent จริง ความฉลาดบนฐานซิลิคอน ก็อาจเป็นไปได้

  • ตาม รีวิวบน Amazon
    ใจความสำคัญของหนังสือคือสมมติฐาน predictive brain ที่ว่า “สมองวิวัฒน์ขึ้นมาเพื่อทำนายอนาคต”
    และยังอ้างว่าระบบ AI สมัยใหม่บางส่วนอาจมี ความฉลาด จิตสำนึก และเสรีเจตจำนง ได้

    • แต่ถ้ามองจากมุมวิวัฒนาการ สมองในอนาคตก็อาจ วิวัฒน์ไปมีหน้าที่อื่น ได้เช่นกัน
      เพราะฉะนั้นนิยามที่ยึดกับ ‘การทำนาย’ จึงเป็นเพียง คุณสมบัติชั่วคราวที่เปลี่ยนไปตามกาลเวลา เท่านั้น

  • ความฉลาดคือสิ่งที่เรา เชื่อว่าเราทำได้ด้วยตัวเอง
    แต่ตอนนี้คอมพิวเตอร์เริ่มทำสิ่งเหล่านั้นได้มากขึ้นเรื่อย ๆ
    สุดท้ายแล้วความฉลาดของมนุษย์อาจเป็นแค่ การจับคู่รูปแบบขั้นสูง ก็ได้

    • มนุษย์มี ความสามารถในการสร้างคำถามใหม่และออกสำรวจมัน
      LLM ยังทำ การวิจัยอย่างอิสระหรือการออกแบบระดับสูง ไม่ได้
      อีกทั้งยังขาด ความสามารถในการลืมอย่างเหมาะสม และ การจัดการบริบทของตนเอง
      ความฉลาดของมนุษย์หลายส่วนก็มีในสัตว์ชนิดอื่นเช่นกัน แต่ถูกเร่งให้ก้าวหน้าเพราะ ตัวอักษรและการสร้างเครื่องมือ
    • ทำให้นึกถึงมุกที่ว่า “ถ้าสิ่งที่เราทำได้คือความฉลาด งั้นสิ่งที่เราทำไม่ได้คือเวทมนตร์หรือ?”
      การจับคู่รูปแบบ ให้ฮิวริสติกที่ยอดเยี่ยมว่า “ความสัมพันธ์อาจมีโอกาสสูงที่จะเป็นเหตุและผล”
      ความฉลาดคือ ความสามารถในการแฮ็กและทำความเข้าใจระบบ และด้วยสิ่งนี้เราจึงค่อย ๆ สั่งสมความรู้ที่ซับซ้อนขึ้น
      จากไฟ หิน และข้าวสาลี ตอนนี้เรามาถึงจุดที่พูดถึง การสำรวจดาวอังคาร แล้ว