AI มีมาตั้งแต่เมื่อไหร่? ย้อนเส้นทางจากแนวคิดสู่ยุคที่คุยกับคนได้

ทุกครั้งที่เราใช้แชตบอต สั่งให้โปรแกรมสร้างภาพ หรือเห็นระบบแนะนำคอนเทนต์ทำงานแม่นขึ้น คำถามที่ตามมาคือเทคโนโลยีนี้เริ่มต้นตั้งแต่เมื่อไร หากมองย้อนไปใน ประวัติ AI จะพบว่านี่ไม่ใช่เรื่องใหม่ของโลกดิจิทัล แต่เป็นความพยายามยาวนานของมนุษย์ที่จะสร้าง “เครื่องจักรที่คิดได้” ให้ใกล้เคียงกับสติปัญญาของคนมากที่สุด

สิ่งที่น่าสนใจคือ AI ไม่ได้พัฒนาเป็นเส้นตรงแบบสวยงาม แต่ผ่านทั้งช่วงรุ่งเรือง ช่วงถูกตั้งคำถาม และช่วงที่โลกเริ่มเห็นผลลัพธ์จริง บทความนี้จะพาย้อนตั้งแต่รากความคิดยุคแรก ไปจนถึงจุดเปลี่ยนสำคัญที่ทำให้ AI กลายเป็นเทคโนโลยีแกนกลางของศตวรรษที่ 21

ก่อนจะมีคำว่า AI มนุษย์คิดเรื่อง “เครื่องจักรฉลาด” มานานแล้ว

แนวคิดเรื่องสิ่งประดิษฐ์ที่เลียนแบบความคิดมนุษย์มีมาตั้งแต่ปรัชญากรีก ตำนาน และคณิตศาสตร์เชิงตรรกะ แต่จุดที่ทำให้เรื่องนี้เข้าใกล้วิทยาศาสตร์จริงจังคือศตวรรษที่ 20 เมื่อคอมพิวเตอร์เริ่มถูกมองว่าไม่ใช่แค่เครื่องคำนวณ หากอาจกลายเป็นเครื่องมือสำหรับจำลองการใช้เหตุผล

ชื่อที่ถูกพูดถึงเสมอคือ Alan Turing ผู้เสนอคำถามสำคัญว่า “เครื่องจักรคิดได้หรือไม่” ในปี 1950 พร้อมแนวคิดที่ต่อมาถูกเรียกว่า Turing Test ซึ่งไม่ได้ถามว่าเครื่องมีจิตสำนึกหรือเปล่า แต่ถามว่าเครื่องสามารถสนทนาจนมนุษย์แยกไม่ออกได้ไหม นี่คือจุดที่เปลี่ยนการถกเถียงเชิงปรัชญาให้กลายเป็นโจทย์วิจัยที่วัดผลได้

ปี 1956: จุดเริ่มอย่างเป็นทางการของ AI

คำว่า Artificial Intelligence ถูกใช้เด่นชัดในการประชุม Dartmouth Workshop ปี 1956 โดย John McCarthy และนักวิจัยร่วมยุค ช่วงนั้นบรรยากาศเต็มไปด้วยความหวัง นักวิทยาศาสตร์หลายคนเชื่อว่าหากให้เวลาไม่กี่ทศวรรษ เครื่องจักรอาจทำงานด้านเหตุผล ภาษา และการแก้ปัญหาได้ระดับใกล้มนุษย์

ผลงานยุคแรกๆ น่าสนใจมาก เช่น โปรแกรมแก้โจทย์ตรรกะ โปรแกรมเล่นเกม และระบบพิสูจน์ทฤษฎีทางคณิตศาสตร์ แม้ยังจำกัด แต่ก็พิสูจน์ว่าเครื่องสามารถทำงานที่เคยถูกมองว่าเป็น “งานของสมอง” ได้จริง

สิ่งที่ AI ยุคแรกทำได้

• แก้ปัญหาเชิงตรรกะตามกฎที่กำหนดไว้
• เล่นเกมกระดานในสภาพแวดล้อมจำกัด
• ประมวลผลภาษาระดับพื้นฐาน
• วางแผนและค้นหาคำตอบจากตัวเลือกจำนวนมาก

แต่ข้อจำกัดก็ชัดเจนไม่แพ้กัน ระบบเหล่านี้เก่งในโลกที่กติกาแน่นอน ทว่าอ่อนแรงทันทีเมื่อเจอความคลุมเครือแบบชีวิตจริง

ทำไม AI ถึงเคย “หนาว” อยู่หลายรอบ

หากมองเฉพาะข่าวยุคนี้ เราอาจคิดว่า AI โตต่อเนื่องมาตลอด แต่ความจริงไม่ใช่ ช่วงทศวรรษ 1970 และปลายทศวรรษ 1980 เกิดสิ่งที่เรียกว่า AI Winter หรือช่วงที่เงินทุนและความคาดหวังลดลงอย่างหนัก สาเหตุหลักไม่ได้มาจากแนวคิดผิด แต่เพราะฮาร์ดแวร์ยังไม่แรง ข้อมูลยังไม่มาก และนักวิจัยประเมินความยากของปัญหาต่ำเกินไป

บทเรียนสำคัญของช่วงนี้คือ AI ไม่ได้ขาด “ความฉลาด” เพียงอย่างเดียว แต่มันขาดโครงสร้างสนับสนุนทั้งสามอย่างพร้อมกัน ได้แก่ พลังประมวลผล ข้อมูลมหาศาล และอัลกอริทึมที่เรียนรู้ได้ดีขึ้น เมื่อสามอย่างนี้ยังไม่มา งานวิจัยจึงดูน่าตื่นเต้นกว่าผลลัพธ์จริง

จากระบบผู้เชี่ยวชาญสู่ Machine Learning

ในทศวรรษ 1980 ระบบผู้เชี่ยวชาญหรือ Expert Systems เคยเป็นความหวังใหญ่ เพราะสามารถเก็บความรู้ของผู้เชี่ยวชาญไว้ในรูปกฎจำนวนมาก เช่น ใช้ช่วยวินิจฉัยโรคหรือวิเคราะห์ปัญหาเฉพาะทาง แนวทางนี้ทำให้ธุรกิจเริ่มเห็นประโยชน์ของ AI ชัดขึ้น

ปัญหาคือโลกจริงเปลี่ยนเร็วเกินกว่าจะเขียนกฎตามทัน จึงเกิดการเปลี่ยนผ่านสู่ Machine Learning ซึ่งให้คอมพิวเตอร์ “เรียนจากข้อมูล” แทนการสั่งทีละข้อ นี่คือก้าวสำคัญมาก เพราะทำให้ AI เริ่มปรับตัวได้เองในระดับหนึ่ง และเป็นรากฐานของระบบยุคปัจจุบัน

จุดเปลี่ยนที่ทำให้ AI โตจริง

• อินเทอร์เน็ตทำให้มีข้อมูลจำนวนมหาศาล
• GPU ช่วยเร่งการคำนวณได้ก้าวกระโดด
• อัลกอริทึมใหม่เรียนรู้จากรูปแบบซับซ้อนได้ดีขึ้น
• ภาคธุรกิจเริ่มมีโจทย์ใช้งานจริง ไม่ใช่แค่งานทดลอง

Deep Learning และยุคที่ AI เริ่มมองเห็น-ฟังออก

หนึ่งในเหตุการณ์ที่คนในวงการมักยกเป็นหลักไมล์คือปี 2012 เมื่อโมเดลเชิงลึกสร้างผลงานเด่นในการแข่งขัน ImageNet และลดอัตราความผิดพลาดด้านการจำแนกภาพลงอย่างชัดเจน หลังจากนั้น AI จึงพัฒนาเร็วมากในงานรู้จำภาพ เสียง การแปลภาษา และการพยากรณ์รูปแบบต่างๆ

ข้อมูลจากรายงาน Stanford AI Index 2024 สะท้อนว่าองค์กรทั่วโลกลงทุนใน AI ต่อเนื่อง แม้บางปีเงินทุนผันผวน แต่การนำไปใช้จริงเพิ่มขึ้นในหลายอุตสาหกรรม นั่นแปลว่า AI ผ่านจุดที่เป็นเพียงของทดลองมาแล้ว และกำลังกลายเป็นโครงสร้างพื้นฐานของเศรษฐกิจดิจิทัล

แล้ว Generative AI มาเปลี่ยนเกมตรงไหน

จุดเปลี่ยนรอบล่าสุดเกิดจากโมเดลขนาดใหญ่และสถาปัตยกรรมแบบ Transformer ที่ถูกเสนอในปี 2017 ก่อนต่อยอดสู่ระบบสร้างข้อความ ภาพ เสียง และโค้ดได้อย่างลื่นไหล เมื่อ AI ไม่ได้แค่จำแนกข้อมูล แต่ “สร้าง” เนื้อหาใหม่ได้ การรับรู้ของคนทั่วไปจึงเปลี่ยนทันที

นี่คือเหตุผลที่ AI ยุคใหม่ดูฉลาดกว่ายุคก่อนอย่างมาก ไม่ใช่เพราะมันเข้าใจโลกเหมือนมนุษย์ทั้งหมด แต่เพราะมันเรียนรู้รูปแบบจากข้อมูลมหาศาล และตอบสนองได้รวดเร็วในระดับที่ใช้งานจริงได้ในชีวิตประจำวัน ตั้งแต่การค้นคว้า การทำงาน ไปจนถึงงานสร้างสรรค์

สรุป: ประวัติของ AI คือประวัติของความพยายามไม่ยอมแพ้

ถ้าจะสรุปให้สั้นที่สุด AI ไม่ได้เพิ่งเกิดในยุคแชตบอต แต่มีรากตั้งแต่แนวคิดเชิงตรรกะ งานของ Alan Turing การประชุม Dartmouth ในปี 1956 ช่วง AI Winter การเติบโตของ Machine Learning จนมาถึง Deep Learning และ Generative AI ในวันนี้ เส้นทางนี้บอกเราว่าเทคโนโลยีสำคัญไม่ได้โตจากกระแสอย่างเดียว แต่มาจากการสะสมองค์ความรู้เป็นสิบๆ ปี

คำถามที่น่าคิดต่อจากนี้จึงไม่ใช่แค่ “AI จะเก่งแค่ไหน” แต่คือมนุษย์จะออกแบบกติกา ใช้มันอย่างรับผิดชอบ และอยู่ร่วมกับสติปัญญารูปแบบใหม่นี้อย่างไร เพราะเมื่อมองผ่านอดีต เราจะเห็นชัดว่าอนาคตของ AI ไม่ได้ถูกกำหนดโดยเครื่องจักรเพียงฝ่ายเดียว แต่ถูกกำหนดโดยการตัดสินใจของเราด้วย