The Common Language of Knowledge: เมื่อ AI กลายเป็นภาษากลางของความรู้

เมื่อเร็ว ๆ นี้ ผมได้มีโอกาสกลับมาอ่านโน้ตต่าง ๆ ในสมุดจดของตัวเองอีกครั้ง ทำให้ได้ไปเห็นข้อความหนึ่งที่ถูกเขียนไว้เมื่อหลายปีก่อน โน้ตนั้นมีหัวข้อว่า Dream ถูกเขียนขึ้นเมื่อวันที่ 1 สิงหาคม 2020 ช่วงก่อนเปิดเทอมปี 3 ไม่นานนัก หลังจากเรียน CS มาได้สองปีแล้วได้ไปอ่านหรือฟังอะไรบางอย่างแล้วเกิดตกผลึก มันทำให้ผมรู้สึกเหมือนได้ย้อนกลับไปนั่งคุยกับตัวเองเมื่อหกปีก่อน

ใจความสำคัญของโน้ตนั้นเล่าถึงข้อสังเกตที่ว่าหลายศาสตร์ (discipline) ที่เรารู้จักในปัจจุบันเคยไม่ได้ถูกแยกออกจากสิ่งที่เรียกว่าปรัชญา (philosophy) อย่างชัดเจน โดยเฉพาะปรัชญาธรรมชาติ (natural philosophy) ซึ่งเป็นความพยายามในการทำความเข้าใจธรรมชาติ โลก และตำแหน่งของมนุษย์ในจักรวาล แต่ด้วยวันเวลาที่ผ่านไปเรามีความจำเป็นต้องแยก (divergence) แต่ละศาสตร์ออกมาเพราะความซับซ้อนที่เพิ่มขึ้น โดยอาศัยการแบ่งศาสตร์ตามมุมมองของการศึกษาธรรมชาติที่แตกต่างกัน จนปรัชญาธรรมชาติกลายเป็นต้นกำเนิดของวิทยาศาสตร์สมัยใหม่อย่างฟิสิกส์ เคมี และชีววิทยา

เมื่อเวลาผ่านไป การลงลึก (specialization) ในแต่ละสาขาวิชาทำให้เราสามารถศึกษาเรื่องต่าง ๆ ได้อย่างเป็นระบบมากขึ้นผ่านการจัดระเบียบขององค์ความรู้ (taxonomy) นวัตกรรมและความก้าวหน้าทางเทคโนโลยีเกิดขึ้นมากมาย แต่สิ่งที่เราเห็นได้ชัดในปัจจุบันคือเทคโนโลยีเริ่มต้องอาศัยองค์ความรู้และความร่วมมือข้ามสายวิชามากขึ้น (cross- and interdisciplinary) ซึ่งอาจเป็นสัญญาณเริ่มต้นของการกลับมารวมกันของศาสตร์ต่าง ๆ อีกครั้ง (convergence)

สิ่งที่ผมเขียนสรุปไว้ในย่อหน้าสุดท้ายของโน้ตนั้น คือข้อสังเกตที่ว่าเทคโนโลยีสารสนเทศและวิทยาการคอมพิวเตอร์เปรียบเสมือน “กาว” ที่เชื่อมศาสตร์ต่าง ๆ เข้าด้วยกัน ทำให้เรากล้าที่จะถามคำถามที่ยากขึ้น เช่น เราเป็นใคร? เราจะมีชีวิตที่ดีได้อย่างไร? อะไรคือความหมายของชีวิต? ซึ่งเราอาจจะไม่มีวันตอบคำถามเหล่านี้ได้เลย แต่ความพยายามในการตอบคำถามนั้นตลอดระยะเวลาหลายพันปีที่ผ่านมาก็เป็นต้นกำเนิดของนวัตกรรมต่าง ๆ ที่ช่วยพัฒนาคุณภาพชีวิตของเราให้ดีขึ้น และเพิ่มความเข้าใจที่เรามีต่อธรรมชาติและจักรวาลไปทีละน้อย

แต่เมื่อกลับมาอ่านโน้ตนี้อีกครั้งในวันที่ AI กลายเป็นเทคโนโลยีสำคัญของโลก ผมเริ่มเห็นว่าภาพนั้นไม่สมบูรณ์อีกต่อไปแล้ว

จากกาวเชื่อมสู่ภาษากลาง

กาวเป็นตัวเชื่อมสิ่งต่าง ๆ เข้าด้วยกัน แต่สิ่งที่ถูกเชื่อมก็ยังคงเป็นสิ่งที่แยกจากกันอยู่ดี นักฟิสิกส์ที่ใช้ซอฟต์แวร์เพื่อวิเคราะห์ข้อมูล ก็ยังเป็นนักฟิสิกส์ที่คิดในภาษาของฟิสิกส์ นักเศรษฐศาสตร์ที่ใช้โมเดลคอมพิวเตอร์ก็ยังคิดในกรอบของเศรษฐศาสตร์ CS ในฐานะ “กาวเชื่อม” ทำให้เครื่องมือไหลข้ามศาสตร์ได้ แต่ไม่ได้ทำให้ความคิดไหลข้ามกันตามไปด้วยในทันที

ภาษากลาง (lingua franca) คือสิ่งที่แตกต่างออกไปในเชิงโครงสร้าง ภาษากลางไม่ได้เพียงเชื่อมคนสองกลุ่มที่ยังอยู่คนละฝั่ง แต่สร้างพื้นที่ความคิดร่วมกันที่ทั้งสองฝ่ายสามารถเข้ามาอยู่ในนั้นพร้อมกัน มันเปลี่ยนไม่เพียงแค่วิธีที่เราสื่อสาร แต่เปลี่ยนวิธีที่เราคิดและตั้งคำถามกับธรรมชาติไป

นี่คือสิ่งที่ AI กำลังทำอยู่ในตอนนี้

สัญญาณที่เห็นได้ชัดเจนที่สุดของเรื่องนี้คือรางวัลโนเบลปี 2024 รางวัลสาขาฟิสิกส์ถูกมอบให้กับ John Hopfield และ Geoffrey Hinton สำหรับการค้นพบที่ทำให้เครื่องจักรสามารถเรียนรู้ได้ด้วยโครงข่ายประสาทเทียม (artificial neural networks: ANNs) และรางวัลสาขาเคมีครึ่งหนึ่งถูกมอบให้กับ Demis Hassabis และ John Jumper สำหรับการคิดค้น AlphaFold ซึ่งเป็น AI สำหรับทำนายโครงสร้างของโปรตีน นี่คือหนึ่งในสัญญาณที่ชัดเจนที่สุดว่าเวทีวิทยาศาสตร์ระดับโลกเริ่มยอมรับอย่างจริงจังว่า เส้นแบ่งระหว่างสาขาวิชากำลังพร่าเลือนมากขึ้นเรื่อย ๆ

AI กำลังถูกใช้เป็นเครื่องมือชิ้นสำคัญสำหรับทุกศาสตร์ มันอาจเป็นหนึ่งในเครื่องมือที่ทรงพลังที่สุดที่มนุษย์เราเคยมีมา เป็นเครื่องมือที่จะเปลี่ยนวิธีการที่เราค้นหาความลับของธรรมชาติและจักรวาลไป ไม่แน่ว่า AI อาจพาเราไปพบกับความรู้หรือแม้แต่ศาสตร์ใหม่ ๆ ที่เรายังไม่เคยรับรู้ถึงมันมาก่อน

นี่คือช่วงเวลาที่น่าตื่นเต้นที่สุดที่เรากำลังอยู่ในช่วงของการเปลี่ยนผ่านเทคโนโลยีที่สำคัญที่สุดครั้งหนึ่งของโลก ถึงแม้ว่าสถานการณ์โลกเองอาจจะมีความวุ่นวายจากเรื่องราวต่าง ๆ แต่ถึงอย่างไรวันนี้ AI ก็เปลี่ยนวิธีการทำงาน วิธีคิด และการใช้ชีวิตของเราไปแล้วจริง ๆ

AI ยืมวิธีมองโลกจากศาสตร์อื่นมาใช้…

ถ้าเราย้อนกลับไปถึงต้นกำเนิดของ AI ในฐานะสาขาวิชา ความต้องการของเราคือการสร้างปัญญาประดิษฐ์ขึ้นมา AI คือซอฟต์แวร์อย่างหนึ่งที่ทำงานอยู่ในโลกดิจิทัล แต่สามารถมีปัญญาในการคิด และตัดสินใจแก้ปัญหาได้ด้วยตนเองตามสภาวะแวดล้อมที่เปลี่ยนไป สิ่งนี้แสดงให้เห็นว่าแท้จริงแล้ว AI ไม่เคยเป็นเรื่องของเครื่องจักรและโค้ดเพียงเท่านั้น แต่มันคือความพยายามของมนุษย์ในการสร้างระบบที่เลียนแบบ แทนที่ และทำงานแทนเราได้ นี่ทำให้เราต้องกลับมาคิดใหม่ว่า สิ่งที่เรียกว่า ‘ปัญญา’ และ ‘ตัวตน’ ของมนุษย์คืออะไรกันแน่

ตลอดระยะเวลากว่า 70 ปีของพัฒนาการ AI มีนวัตกรรมต่าง ๆ เกิดขึ้นมากมาย ซึ่งเบื้องหลังหลาย ๆ นวัตกรรมเหล่านี้ก็เป็นการนำเอาวิธีมองโลกจากศาสตร์อื่นมาใช้ต่อยอด

ตัวอย่างเมื่อเร็ว ๆ นี้ คือ Transformer ชื่อที่อาจทำให้ใครหลายคนนึกถึงหุ่นยนต์หรือหม้อแปลงไฟฟ้า แต่จริง ๆ แล้วคือสถาปัตยกรรมเบื้องหลังของโมเดลอย่าง ChatGPT, Gemini, และ Claude หนึ่งในคอนเซปต์หลักของ Transformer เองก็คือสร้างกลไกของ ความสนใจ (attention) ที่ทำให้โมเดลเลือกสนใจเฉพาะข้อมูลที่เป็นประโยชน์ในแต่ละครั้งของการประมวลผล และหากเราย้อนไปให้ไกลกว่านั้น แนวคิดสำคัญในประวัติศาสตร์ของ AI อย่าง Hopfield network และโครงข่ายประสาทเทียมต่างก็มีที่มาจากแรงบันดาลใจและความเชื่อมโยงกับสาขาอื่นด้วยกันทั้งสิ้น

อย่าง Hopfield network เองก็ยืมไอเดียจาก energy landscape ในฟิสิกส์มาสร้างความทรงจำให้กับโมเดล ขณะที่โครงข่ายประสาทเทียมก็ได้แรงบันดาลใจมาจากโครงสร้างของโครงข่ายประสาทในสมองมนุษย์ นอกจากนี้เรายังพบคำศัพท์จากหลากหลายศาสตร์ปรากฏอยู่ใน AI เช่น annealing (แนวคิดจากโลหะวิทยา) fitness (จากชีววิทยาเชิงวิวัฒนาการ) หรือ incentives (จากเศรษฐศาสตร์พฤติกรรม) จึงอาจกล่าวได้ว่าความก้าวหน้าในศาสตร์ของ AI เอง ก็อาศัยความก้าวหน้าจากศาสตร์อื่น ๆ ด้วยเช่นกัน

แต่สิ่งที่น่าสังเกตคือ AI ไม่ได้เพียงยืมคำศัพท์จากศาสตร์อื่น มันยืมวิธีมองโลกของศาสตร์เหล่านั้น แล้วแปลงให้กลายเป็นสมการ อัลกอริทึม และระบบที่ทำงานได้จริง และเมื่อมันยืมมา มันไม่ได้รักษาความหมายเดิมไว้ทั้งหมด กลไก attention ใน Transformer ไม่ใช่ความสนใจในรูปแบบเดียวกันกับมนุษย์ neuron ใน ANN ไม่ใช่เซลล์ประสาทจริง ๆ และ energy ใน Hopfield network ไม่ใช่พลังงานทางกายภาพในความหมายตรงตัว สิ่งเหล่านี้คือการหยิบ “ความเข้าใจ” ของมนุษย์ที่มีต่อธรรมชาติมากลั่นให้อยู่ในรูปแบบที่คอมพิวเตอร์สามารถคำนวณได้

เราอาจกล่าวได้ด้วยซ้ำว่า AI หรือภาพกว้างกว่านั้นคือโลกดิจิทัล (digital world) ที่เป็นพื้นหลังของโลกจริง (physical world) สะท้อนภาพความเข้าใจของมนุษย์ที่มีต่อธรรมชาติจากหลากหลายศาสตร์อย่าง ฟิสิกส์ ชีววิทยา จิตวิทยา เศรษฐศาสตร์ และปรัชญา มันคือภาพสะท้อนว่า ณ เวลานี้ เราเข้าใจธรรมชาติและตัวเราเองได้มากน้อยเพียงใด

…และ AI ก็ถูกใช้เป็นเครื่องมือสำหรับศาสตร์อื่น

ก่อนหน้านี้ศาสตร์ต่าง ๆ มอบวัตถุดิบมากมายให้ AI ในการนำไปต่อยอดให้กับความก้าวหน้าของตัวเอง แต่หลายปีที่ผ่านมานี้ AI เองกำลังกลายเป็นเครื่องมือที่ย้อนกลับไปเร่งความก้าวหน้าในศาสตร์เหล่านั้นเช่นกัน

Demis Hassabis ซีอีโอของ Google DeepMind เชื่อว่า “AI คือเครื่องมือขั้นสุดยอดสำหรับวิทยาศาสตร์และความเข้าใจในจักรวาลของเรา” (“AI is the ultimate tool for science and for understanding the universe”) และตัวอย่างที่ชัดเจนที่สุดคือ AlphaFold AI ที่ทำนายโครงสร้างโปรตีนได้อย่างแม่นยำสูง โปรตีนถึงแม้จะมีองค์ประกอบพื้นฐานเหมือนกัน แต่ลักษณะการ “พับ” (fold) ที่แตกต่างกันก็เปลี่ยนคุณสมบัติของมันทั้งหมด การค้นพบนี้ทำให้กระบวนการวิจัยด้านการผลิตยาและชีวเคมีถูกลงและรวดเร็วขึ้นอย่างที่ไม่เคยเป็นมาก่อน นี่คือผลงานที่ทำให้ Hassabis ได้รับรางวัลโนเบลสาขาเคมีในปี 2024

หากเราจินตนาการถึงอนาคตที่ความก้าวหน้าระดับเดียวกับ AlphaFold เกิดขึ้นในทุกสาขา โลกของเราคงเปลี่ยนไปอย่างที่ไม่เคยเป็นมาก่อน โลกที่มีพลังงานสะอาดและไม่จำกัด โลกที่โรคภัยไข้เจ็บถูกแก้ไขได้ โลกที่ทรัพยากรมีเพียงพอสำหรับทุกคน แน่นอนว่าโลกเช่นนั้นไม่ได้เกิดขึ้นเพียงเพราะเรามีโมเดลที่เก่งขึ้น มันยังต้องอาศัยการทดลองจริง โครงสร้างพื้นฐาน กฎระเบียบ เศรษฐกิจ การเมือง และการตัดสินใจของมนุษย์อีกมาก แต่ AI กำลังทำให้ระยะทางระหว่าง ‘คำถาม’ กับ ‘คำตอบที่ทดลองได้’ สั้นลงอย่างมีนัยสำคัญ

สิ่งนี้เห็นได้ชัดที่สุดในวงการวิจัยเอง เพราะสำหรับงานวิจัยในสาขาอย่างฟิสิกส์ เศรษฐศาสตร์ หรือชีววิทยา ที่ความรู้ด้านการเขียนโปรแกรมเคยเป็นข้อจำกัดสำคัญ ตอนนี้กำแพงนั้นเริ่มพังลง นักวิจัยที่มีความเชี่ยวชาญเฉพาะด้านสามารถสั่งงาน AI agent ในภาษาที่ตัวเองคุ้นเคย ใช้ศัพท์เทคนิค (jargon) ได้อย่างเต็มที่ โดยไม่ต้องกังวลว่าอีกฝั่งจะไม่เข้าใจ หรือต้องยอมเสียความแม่นยำ (precision) ไปเพื่อแลกกับการให้คนอื่นเข้าใจ สิ่งนี้ไม่ได้ทำให้ทักษะเฉพาะทางหมดความสำคัญ แต่มันเปิดให้นักวิจัยที่มีไอเดียดีและทักษะการตั้งคำถามที่แหลมคม สามารถทดลองและสร้างต้นแบบได้เร็วขึ้นมาก

ที่สำคัญกว่านั้น เรื่องนี้ทำให้เกิดวงจรป้อนกลับ (feedback loop) ที่ทรงพลังมาก เมื่องานวิจัยด้าน AI เองก็ถูกเร่งความเร็วขึ้นด้วย AI ได้แล้ว อัตราการพัฒนาของ AI ก็เร็วขึ้น เมื่อ AI มีขีดความสามารถเพิ่มขึ้น มันก็ช่วยเร่งการวิจัยได้มากขึ้นไปอีก วงจรนี้เองที่อธิบายได้ว่าทำไมเราถึงเห็นการปล่อยโมเดลใหม่ที่มีความถี่เพิ่มขึ้นเรื่อย ๆ ขององค์กรพัฒนาโมเดลทั่วโลก องค์ความรู้ใหม่ ๆ ที่แต่ก่อนถูกล็อคอยู่หลังข้อมูลดิบจำนวนมหาศาล จึงเริ่มถูกสกัดและเชื่อมโยงเข้าสู่องค์ความรู้ของมวลมนุษยชาติได้ง่ายขึ้นกว่าเดิมมาก

หากเรามองย้อนกลับไปถึงภาพสะท้อนผ่านโลกดิจิทัลที่ถูกสร้างขึ้นมาจากความเข้าใจของมนุษย์ การมาถึงของ AI ที่เร่งความเร็วในการสร้างและสะสมองค์ความรู้นี้เอง ทำให้โลกดิจิทัลที่ถูกสร้างขึ้นเป็นภาพสะท้อนของธรรมชาติที่ขยับเข้าใกล้โลกของความเป็นจริงขึ้นเรื่อย ๆ และโลกดิจิทัลที่สะท้อนความเป็นจริงที่ดีขึ้นได้นี้เอง ก็ส่งเสริมให้เราสามารถทำงานวิจัยที่สะท้อนกับโลกความเป็นจริงได้ดีขึ้นแบบที่ไม่เคยเป็นมาก่อน นั่นหมายความว่า AI กำลังมอบพลังพิเศษให้เราที่ช่วยให้เราขยายขอบเขตของการรับรู้ออกไปเกินกว่าข้อจำกัดทางชีวภาพของเราเอง และทำให้เราเข้าถึงความรู้ได้แบบที่ไม่เคยเป็นมาก่อน ทำให้เราสามารถถาม ‘คำถาม’ ที่วันนี้เราเองอาจจะไม่รู้ด้วยซ้ำว่าเราสามารถถามได้ และคำถามนั้นอาจจะเป็นคำถามเกี่ยวกับตัวเราเองแบบที่ปรัชญาเคยถามมาตลอด

โลกที่ทุกศาสตร์มีภาษากลางร่วมกัน

มาถึงจุดนี้เองที่แนวคิดเรื่อง ภาษากลาง กลับมามีความสำคัญอีกครั้ง

ภาษากลาง ในที่นี้ไม่ได้หมายถึงภาษาอังกฤษ ภาษาจีน หรือภาษาไทย แต่หมายถึงกรอบกลางที่ทำให้ความคิดและความเข้าใจจากหลายศาสตร์สามารถพบกัน เชื่อมโยงเข้าหากัน และต่อยอดร่วมกันได้ นี่คือสิ่งที่สำคัญมากเพราะมันคือหนึ่งในปัจจัยที่ก่อให้เกิดกำแพงระหว่างศาสตร์ขึ้นมาโดยไม่ตั้งใจ แต่ละศาสตร์เองต่างก็มีภาษาเชิงเทคนิค (jargon) ที่ถูกสร้างขึ้นเพื่อเพิ่มความเจาะจง (specificity) และลดความคลุมเครือ (ambiguity) สำหรับการสื่อสารภายในศาสตร์ของตัวเอง คำศัพท์เหล่านี้เกิดขึ้นด้วยเจตนาที่ดี แต่ผลข้างเคียงคือมันสร้างกำแพงให้กับคนนอกวงการ

AI เข้ามาเปลี่ยนเรื่องนี้ไปในฐานะล่ามส่วนตัวที่เข้าใจเกือบทุกภาษาพร้อม ๆ กัน แต่บทบาทของ AI ไม่ได้หยุดอยู่เพียงแค่การแปล

ลองนึกถึงคนที่สามารถพูดได้หลายภาษา แต่ละภาษามีโครงสร้างที่ต่างกัน ภาษาไทยให้ความสำคัญกับความสุภาพ ภาษาอังกฤษให้ความสำคัญกับเวลา ความแตกต่างเหล่านี้เอง ทำให้การพูด (หรือคิด) ด้วยภาษาที่แตกต่างกัน ส่งผลให้พื้นฐานความคิดแตกต่างกันออกไป นอกเหนือไปจากนั้นแต่ละภาษาก็มีคำศัพท์ที่ไม่มีคำเทียบตรงในภาษาอื่น อย่างคำว่า “ความเกรงใจ” ในภาษาไทย เราอาจบอกว่ามันคือ consideration, empathy, หรือ thoughtfulness แต่ไม่มีคำเดียวในภาษาอังกฤษที่ครอบคลุมความหมายทั้งหมดของมันได้ นี่แสดงว่าแต่ละภาษาไม่เพียงสื่อสารความคิดต่างกัน แต่ยังกำหนดขอบเขตของความคิดที่เป็นไปได้ต่างกันด้วย

และสิ่งเดียวกันนี้เกิดขึ้นกับภาษาของแต่ละศาสตร์ นักฟิสิกส์มองปัญหาหนึ่งด้วยเลนส์ชุดหนึ่ง นักเศรษฐศาสตร์มองปัญหาเดียวกันด้วยเลนส์ชุดอื่น และมักจะไม่ใช่ว่าฝ่ายใดฝ่ายหนึ่งผิด แต่ด้วยคลังคำศัพท์และวิธีการคิดที่แตกต่างกัน ทำให้แต่ละคนไม่เห็นในสิ่งที่อีกฝ่ายเห็น เพราะคุณสมบัติของภาษาทำให้ความคิดบางรูปแบบถูกใช้งานได้ง่ายกว่าอีกรูปแบบหนึ่ง

AI กำลังจะเข้ามาเปลี่ยนเรื่องนี้ไป เพราะมันไม่ได้เพียงทำหน้าที่เป็นล่ามระหว่างสองภาษา มันสามารถแสดงออก (express) ได้อย่างไร้รอยต่อในทุกภาษาพร้อมกัน ทั้งภาษาธรรมชาติ ภาษาโปรแกรม และภาษาเชิงเทคนิคเฉพาะศาสตร์ ทำให้ทุกคนสามารถคิดในภาษาที่ตนเองคุ้นเคยที่สุด แต่สามารถเข้าถึงแนวคิดและคำศัพท์จากภาษาอื่น ๆ ได้ไปพร้อม ๆ กัน

นั่นหมายความว่าเราไม่ถูกจำกัดกรอบแนวคิดจากภาษาที่เราเชี่ยวชาญอีกต่อไปแล้ว

ผลที่ตามมาคือ เราสามารถตั้งคำถามที่เราไม่เคยตั้งได้มาก่อน เพราะเราเคยไม่มีคำศัพท์สำหรับมัน เราสามารถคิดในกรอบของอีกศาสตร์โดยไม่ต้องใช้เวลาหลายปีในการเรียนรู้ภาษาเฉพาะ และเส้นแบ่งที่เคยใช้แบ่งสาขาวิชา แทนที่จะเป็นกำแพงตายตัว ก็เริ่มเบลอขึ้นและทำหน้าที่เป็นเพียงแผนที่ที่ช่วยให้เราสำรวจและเชื่อมโยงความรู้ได้ดีขึ้น

ไม่แน่ว่า AI อาจพาเราไปพบกับรูปแบบของความรู้ หรือแม้แต่ศาสตร์ใหม่ ๆ ที่เรายังไม่เคยรู้ว่ามีอยู่ ผ่านการเชื่อมโยงเข้าด้วยกันของ “ภาษากลาง” ที่สะท้อนภาพรวมขององค์ความรู้ของมนุษยชาติที่เราสามารถเข้าถึงได้ เปิดโอกาสให้เราตั้งคำถามที่ยากขึ้น คิดให้กว้างขึ้น และทลายข้อจำกัดของภาษาใดภาษาหนึ่งเพียงภาษาเดียว เปรียบเสมือนเรามีประสาทสัมผัสชนิดใหม่ที่ช่วยให้เราเห็นในสิ่งที่เราไม่เคยเห็น ได้ยินเสียงที่เราไม่เคยได้ยิน รับรู้ถึงสิ่งที่วันนี้เรายังไม่มีภาษาไว้ใช้อธิบาย

ทิ้งท้าย: เมื่อคำถามยากกว่าคำตอบ

มาถึงตรงนี้ เมื่อผมได้ย้อนกลับไปมองถึงโน้ตตอนแรก แนวคิดของผมเปลี่ยนไป CS ไม่ได้เป็นเพียงกาวเชื่อมแต่ละศาสตร์เข้าด้วยกันแล้ว การกลับมารวมกันของศาสตร์ต่าง ๆ ไม่ได้หมายถึงการกลับไปสู่ปรัชญาธรรมชาติในยุคตั้งต้น แต่หมายถึงการที่ AI กำลังเข้ามาเชื่อมต่อทุกกรอบความคิดที่เคยแยกจากกัน ทั้งการแยกของศาสตร์และการแยกของภาษา ให้กลับมาไหลหากันอีกครั้ง เป็น “ภาษากลาง” ที่เราใช้ในการทำความเข้าใจชีวิต ธรรมชาติ และจักรวาล

ถึงแม้ว่าการมาถึงของ AI ที่สามารถช่วยงานวิจัยเราได้จะเหมือนการเข้ามาคิดแทนเรา แต่บางทีปลายทางของ AI อาจไม่ใช่การทำให้มนุษย์ไม่ต้องคิดอีกต่อไป ถ้าวิทยาศาสตร์คือความพยายามเข้าใจธรรมชาติ และมนุษย์เองก็เป็นส่วนหนึ่งของธรรมชาติ การที่ AI ช่วยให้เราเข้าใจธรรมชาติได้มากขึ้น จึงไม่ได้เป็นเพียงเรื่องของความก้าวหน้าทางเทคโนโลยี แต่มันอาจพาเราไปสู่คำถามดั้งเดิมที่สุดของปรัชญาอีกครั้งว่า เราคือใคร และ เราควรใช้ชีวิตอย่างไร

เพราะเมื่อ AI ช่วยให้เราหาคำตอบได้มากขึ้น สิ่งที่ยากที่สุดอาจไม่ใช่การหาคำตอบอีกต่อไป แต่คือการเลือกว่าคำถามใดควรถูกถาม และคำตอบเหล่านั้นควรถูกใช้เพื่ออะไร

ในวันที่ AI ช่วยเราหาคำตอบได้มากขึ้น ปรัชญา อาจกลับมากลายเป็นหนึ่งในวิชาที่สำคัญที่สุดอีกครั้ง แบบที่วิทยาการคอมพิวเตอร์เคยเป็นในช่วงที่ผ่านมา

เพราะปรัชญาไม่ได้สอนเราให้หาคำตอบ มันสอนเราให้รู้ว่าคำถามใดควรถูกถาม และเราจะรับผิดชอบต่อคำตอบที่ได้มาอย่างไร ในยุคที่ความสามารถในการหาคำตอบกำลังพุ่งขึ้นอย่างรวดเร็ว ความสามารถในการตั้งคำถามอย่างถูกต้องและมีความรับผิดชอบอาจกลายเป็นสิ่งที่หายากที่สุดในโลก

แหล่งอ้างอิง

1. https://www.britannica.com/science/history-of-science/Greek-science
2. https://www.nobelprize.org/prizes/physics/2024/press-release
3. https://www.nobelprize.org/prizes/chemistry/2024/press-release
4. https://pmc.ncbi.nlm.nih.gov/articles/PMC346238/
5. https://www.nature.com/articles/323533a0
6. https://deepmind.google/science/alphafold
7. https://www.youtube.com/watch?v=AFpeWo1GTeg
8. https://plato.stanford.edu/entries/linguistics/whorfianism.html