การตีพิมพ์ล่าสุดของ Dualformer ซึ่งเป็นโมเดล AI ใหม่ที่อ้างว่าสามารถนำระบบการคิดแบบเร็วและช้ามาใช้ได้ ได้จุดประเด็นการถกเถียงอย่างดุเดือดในวงการวิทยาศาสตร์เกี่ยวกับความเข้าใจและการประยุกต์ใช้ทฤษฎีวิทยาศาสตร์ด้านความรู้ความเข้าใจของนักวิจัย AI
ข้อถกเถียง
ประเด็นถกเถียงนี้มุ่งเน้นไปที่การที่นักวิจัย AI นำทฤษฎีการคิดระบบ 1 และระบบ 2 ของ Daniel Kahneman ที่เป็นที่รู้จักจากหนังสือ Thinking, Fast and Slow มาใช้อย่างแพร่หลาย นักวิทยาศาสตร์ด้านความรู้ความเข้าใจในการอภิปรายระบุว่า ทฤษฎีกระบวนการคู่นี้ แม้จะเข้าใจง่ายและน่าสนใจ แต่อาจเป็นการลดทอนความซับซ้อนมากเกินไปและอาจทำให้เข้าใจผิดเมื่อนำไปประยุกต์ใช้ในการพัฒนา AI
ข้อกังวลทางวิทยาศาสตร์
มีข้อวิจารณ์สำคัญหลายประการ:
-
การลดทอนความซับซ้อนของกระบวนการคิด : นักวิทยาศาสตร์ด้านความรู้ความเข้าใจโต้แย้งว่า การแบ่งแยกระหว่างระบบการคิดแบบเร็วและช้าไม่ได้รับการพิสูจน์ทางวิทยาศาสตร์ แต่พวกเขาเสนอว่าการรู้คิดของมนุษย์เกี่ยวข้องกับปฏิสัมพันธ์ที่ซับซ้อนมากกว่าระหว่างการเรียกคืนความจำและการคำนวณ
-
การประยุกต์ใช้กับ AI อย่างไม่เหมาะสม : การเปรียบเทียบระหว่างการอนุมานของเครือข่ายประสาทเทียมกับการคิดแบบระบบ 1 ถูกตั้งคำถาม โดยผู้เชี่ยวชาญชี้ให้เห็นว่าความสามารถของ AI ในปัจจุบันเทียบได้กับการตอบสนองแบบพื้นฐานของ Pavlov มากกว่าการใช้เหตุผลสามัญสำนึกที่พบในสัตว์มีกระดูกสันหลัง
-
ข้อจำกัดในความสามารถการแก้ปัญหา : แม้ว่าวิธีการคิดแบบลูกโซ่ใน transformer จะสามารถจัดการกับปัญหาความซับซ้อนแบบ O(n) ได้ แต่ยังคงมีปัญหากับปัญหาที่ซับซ้อนกว่าแบบ O(n²) ซึ่งชี้ให้เห็นถึงข้อจำกัดของระบบ AI ปัจจุบันในการจำลองการใช้เหตุผลแบบมนุษย์
แนวทางของ Dualformer
แม้จะมีข้อวิจารณ์เหล่านี้ โมเดล Dualformer ตามที่อธิบายในบทความล่าสุด พยายามนำโหมดการประมวลผลแบบเร็วและช้ามาใช้:
- โหมดเร็ว : ให้ผลลัพธ์โดยตรงโดยไม่มีขั้นตอนระหว่างกลาง
- โหมดช้า : สร้างห่วงโซ่การให้เหตุผลที่สมบูรณ์
- โหมดอัตโนมัติ : เลือกระหว่างสองโหมดโดยอัตโนมัติ
ก้าวต่อไป
การอภิปรายนี้ชี้ให้เห็นถึงความจำเป็นที่สำคัญสำหรับ:
- ความร่วมมือที่มากขึ้นระหว่างนักวิจัย AI และนักวิทยาศาสตร์ด้านความรู้ความเข้าใจ
- ความเข้าใจที่ละเอียดอ่อนมากขึ้นเกี่ยวกับการรู้คิดของมนุษย์ในการพัฒนา AI
- การยอมรับว่าโมเดลการคิดในปัจจุบันอาจเป็นเพียงการเปรียบเทียบที่มีประโยชน์มากกว่าเป็นกรอบการทำงานตามตัวอักษร
การถกเถียงนี้ชี้ให้เห็นความท้าทายที่กว้างขึ้นในการพัฒนา AI: ความจำเป็นในการสร้างสมดุลระหว่างความก้าวหน้าทางวิศวกรรมในทางปฏิบัติกับความเข้าใจทางวิทยาศาสตร์ที่ถูกต้องเกี่ยวกับการรู้คิดของมนุษย์
หมายเหตุ: งานวิจัยล่าสุดชี้ให้เห็นว่าทฤษฎีกระบวนการคู่ต้องเผชิญกับการตรวจสอบทางวิทยาศาสตร์อย่างมีนัยสำคัญ โดยมีการศึกษาบางชิ้นที่ท้าทายหลักการพื้นฐานของทฤษฎี นักวิจัย AI ได้รับการสนับสนุนให้ศึกษาวรรณกรรมด้านวิทยาศาสตร์การรู้คิดปัจจุบันให้ลึกซึ้งยิ่งขึ้นนอกเหนือจากกรอบแนวคิดที่เป็นที่นิยม