ทันเอไอ

นักวิจัยเสนอรากฐานตรรกศาสตร์ใหม่ พัฒนาหุ่นยนต์ AGI แบบ Neuro-Symbolic ให้มีสำนึกรู้คิด-แก้ปัญหาเหมือนมนุษย์

ผลงานวิจัยใหม่เสนอแนวทางผสานการเรียนรู้ของโครงข่ายประสาทเทียมเข้ากับการให้เหตุผลเชิงสัญลักษณ์ด้วยระบบตรรกศาสตร์ 4 ค่า เพื่อสร้างปัญญาประดิษฐ์ทั่วไป (AGI) ที่มีความสามารถใกล้เคียงมนุษย์

ทีมนักวิจัยได้เผยแพร่บทความวิชาการที่เสนอแนวทางใหม่ในการพัฒนาปัญญาประดิษฐ์ทั่วไป หรือ AGI (Artificial General Intelligence) ซึ่งเป็นเป้าหมายสูงสุดของการสร้าง AI ที่มีความฉลาดทัดเทียมหรือเหนือกว่ามนุษย์ โดยมีเป้าหมายเพื่อสร้างหุ่นยนต์ที่มี "สำนึกรู้คิด สามารถแก้ปัญหา เรียนรู้ และวางแผนได้" จนแทบจะแยกไม่ออกจากมนุษย์

หัวใจของงานวิจัยนี้คือแนวทางที่เรียกว่า Neuro-Symbolic AI ซึ่งเป็นการผสานจุดแข็งของ AI สองขั้วเข้าด้วยกัน คือ AI สายโครงข่ายประสาทเทียม (Neural) ที่เก่งด้านการเรียนรู้จากข้อมูลมหาศาลเหมือนสมอง และ AI สายสัญลักษณ์ (Symbolic) ที่เชี่ยวชาญด้านการให้เหตุผลเชิงตรรกะตามกฎเกณฑ์ที่ชัดเจน การรวมกันนี้ถูกมองว่าจะช่วยแก้จุดอ่อนของระบบ AI ในปัจจุบันที่มักจะขาดความสามารถในการอธิบายการตัดสินใจ (Interpretability) และโครงสร้างเชิงตรรกะ

ข้อเสนอหลักของนักวิจัยคือการใช้ระบบตรรกศาสตร์ที่พัฒนาขึ้นใหม่ชื่อว่า Intensional many-sorted First-order Logic (IFOL) เป็นแกนหลักฝั่ง Symbolic ของหุ่นยนต์ AGI ความพิเศษของ IFOL คือการต่อยอดมาจากตรรกศาสตร์แบบดั้งเดิม โดยใช้โครงสร้างที่เรียกว่า Belnap's bilattice ซึ่งมีค่าความจริงถึง 4 ค่า แทนที่จะมีแค่ "จริง" กับ "เท็จ" แบบระบบทั่วไป ทำให้ระบบสามารถจัดการกับความรู้ที่ไม่สมบูรณ์ ความขัดแย้ง หรือสถานการณ์ที่ยังไม่ทราบคำตอบได้ดีกว่า ซึ่งเป็นปัญหาที่ AI ต้องเจอในโลกความจริงตลอดเวลา

นอกจากนี้ งานวิจัยยังมุ่งไปสู่การขยายขีดความสามารถให้ระบบสามารถคำนวณความน่าจะเป็นของประโยคหรือข้อมูลที่ยังไม่เคยรู้มาก่อนได้ แนวทางนี้จะช่วยให้หุ่นยนต์ AGI สามารถตัดสินใจในสถานการณ์ที่ข้อมูลไม่ครบถ้วนได้อย่างสมเหตุสมผลมากขึ้น ถือเป็นงานวิจัยเชิงทฤษฎีที่วางรากฐานสำคัญให้กับสถาปัตยกรรมสมองกลของหุ่นยนต์ AGI ในอนาคต