ข้ามไปยังเนื้อหา
  • BTC $62,950 −1.2%
  • ETH $1,761 −1.6%
  • SOL $73.56 +1.6%
  • BNB $582.30 −0.8%
  • XRP $0.9746 +1.8%
  • DOGE $0.0590 +0.7%
  • ADA $0.1521 +0.2%

ทฤษฎีความเป็นไปได้: AI ที่คิดนอกเหนือจากความน่าจะเป็น

Durante l’AI Week di Milano, il Professor Waldo Lockwin ha portato l’attenzione su un concetto spesso trascurato ma rivoluzionario per lo sviluppo dell’intelligenza artificiale: la possibility theory. Un’alternativa al tradizionale approccio probabilistico, capace di modellare l’incertezza in modo più vicino al pensiero umano. In un mondo dominato da algoritmi che si basano su dati…

intelligenza artificiale possibility theory

ในระหว่าง AI Week ที่มิลาน, ศาสตราจารย์ Waldo Lockwin ได้ดึงความสนใจไปยัง แนวคิด ที่มักถูกมองข้ามแต่มีความสำคัญต่อการพัฒนา ปัญญาประดิษฐ์: possibility theory.

เป็นทางเลือกหนึ่งต่อวิธีการแบบดั้งเดิมที่ใช้ความน่าจะเป็น ซึ่งสามารถสร้างแบบจำลอง ความไม่แน่นอน ได้ใกล้เคียงกับความคิดของมนุษย์มากขึ้น

ในโลกที่ถูกครอบงำด้วยอัลกอริทึมที่อิงกับข้อมูล, ความถี่ และสถิติ, possibility theory เสนอแนวคิดที่อิงกับชุด, คำ และความคลุมเครือ เป็นกรอบแนวคิดที่อาจมีความสำคัญต่อ AI ในอนาคตที่ต้องการเข้าใจภาษาธรรมชาติ, บริบท และความละเอียดอ่อนของความเป็นจริงอย่างแท้จริง

Possibility theory คืออะไร?

Possibility theory (ทฤษฎีความเป็นไปได้) เกิดขึ้นเป็นการขยายของ fuzzy logic, โดยเสนอเครื่องมือทางคณิตศาสตร์สำหรับจัดการกับ ความไม่แน่นอน ไม่ใช่ในแง่ของความถี่เหมือนความน่าจะเป็น แต่ในแง่ของความเข้ากันได้กับข้อมูลที่มีอยู่

ในแง่ที่ง่าย: ความน่าจะเป็นตอบคำถามว่า: “X เกิดขึ้นบ่อยแค่ไหน?”

ความเป็นไปได้ตอบคำถามว่า: “X มีความเป็นไปได้แค่ไหนในบริบทนี้?”

ความแตกต่างนี้มีความสำคัญในการสร้างระบบ AI ที่อิงกับคำที่คลุมเครือ, สัญชาตญาณของมนุษย์ หรือสถานการณ์ที่ข้อมูลไม่ครบถ้วน, ไม่แน่นอน หรือเป็นอัตวิสัย

ตัวอย่างจริง: มะเร็งวิทยาและปัญญาประดิษฐ์

ในการบรรยายของเขาที่ AI Week, Lockwin ได้เล่าถึงการใช้ possibility theory ในการพัฒนารูปแบบการรักษาด้วยรังสีที่ปรับแต่งเฉพาะสำหรับเนื้องอก เป้าหมายคือการให้รังสีในปริมาณที่น้อยที่สุดที่สามารถฆ่ามวลเนื้องอกได้ โดยอิงจากคำอธิบายเชิงคุณภาพที่แพทย์ให้มา เช่น “ปริมาณน้อยที่สุด” หรือ “ผลสูงสุด”

คำเหล่านี้ไม่สามารถแปลเป็นตัวเลขหรือเปอร์เซ็นต์ได้โดยตรง แต่สามารถแสดงผ่านชุด fuzzy และแบบจำลอง possibilistic ที่คำนึงถึงการตีความที่หลากหลายและความเป็นอัตวิสัยของภาษา

ผลลัพธ์? ระบบที่ยืดหยุ่น, เป็นมนุษย์ และปรับตัวได้มากขึ้น เมื่อเทียบกับรูปแบบที่แข็งทื่อที่อิงกับความน่าจะเป็นทางสถิติเท่านั้น

ทำไมจึงมีความสำคัญต่อ AI ในปัจจุบัน (และอนาคต)

ในภูมิทัศน์ปัจจุบันที่ถูกครอบงำด้วย machine learning และเครือข่ายประสาทลึก, มีการเปิดการอภิปรายเกี่ยวกับวิธีทำให้ ปัญญาประดิษฐ์ มีความเข้าใจ, เชื่อถือได้ และมีความหมายมากขึ้น

นี่คือที่ที่ possibility theory เข้ามามีบทบาท:

  • 🔹 ภาษาธรรมชาติ: AI สมัยใหม่ เช่น โมเดลภาษาขนาดใหญ่ (LLM) มักจะเผชิญกับแนวคิดที่คลุมเครือและไม่ชัดเจน โมเดล possibilistic สามารถเสนอกรอบที่สอดคล้องกันมากขึ้นในการจัดการกับคำเช่น “มาก”, “เกือบ”, “อาจจะ”, “พอสมควร”
  • 🔹 การตัดสินใจ: ในบริบทเช่นการเงิน, การแพทย์ หรือการขับขี่อัตโนมัติ, ที่การตัดสินใจอิงกับสัญญาณที่ขัดแย้งกันหรือข้อมูลที่ไม่ครบถ้วน, วิธีการ possibilistic อาจมีความแข็งแกร่งมากกว่าความน่าจะเป็นแบบคลาสสิก ตัวอย่างหนึ่งคือการใช้ ปัญญาประดิษฐ์ในทางการแพทย์
  • 🔹 จริยธรรมและความรับผิดชอบ: AI ที่อธิบาย “ทำไมถึงเลือกการตัดสินใจนั้น” ในแง่ของความเป็นไปได้และทางเลือกเป็นไปได้ที่จะมีความโปร่งใสและยอมรับได้มากขึ้นในสายตามนุษย์, ดังที่ได้มีการอภิปรายใน บทบาทในอนาคตของ AI ในกฎหมาย

ความเป็นไปได้ vs ความน่าจะเป็น: สองโลกที่เปรียบเทียบกัน

แง่มุม ความน่าจะเป็น ความเป็นไปได้
อิงกับ ความถี่, ข้อมูลในอดีต ความสอดคล้องกับความรู้ปัจจุบัน
ประเภทของตรรกะ สถิติ Fuzzy logic / ชุดที่ไม่ชัดเจน
การประยุกต์ใช้ทั่วไป การพยากรณ์, การจัดการความเสี่ยง การตีความ, การตัดสินใจของมนุษย์
การจัดการความไม่แน่นอน เชิงปริมาณ เชิงคุณภาพและเชิงพรรณนา

ไม่ใช่การแทนที่ แต่เป็นการรวมกัน: ความเป็นไปได้และความน่าจะเป็นสามารถอยู่ร่วมกันเพื่อสร้าง AI ที่สมบูรณ์ยิ่งขึ้น, ที่สามารถเผชิญหน้ากับโลกแห่งความเป็นจริงในความซับซ้อนของมัน, ดังที่ได้เน้นใน การศึกษานี้.

Possibility theory

ในบทสนทนาขนาดใหญ่เกี่ยวกับ ปัญญาประดิษฐ์, possibility theory เป็นทางเลือกและเสริมต่อความน่าจะเป็น มันเป็นที่รู้จักน้อยกว่า, ใช้น้อยกว่า, แต่มีความเป็นไปได้ที่จะใกล้เคียงกับวิธีที่มนุษย์คิด

ดังที่ได้แสดงให้เห็นใน AI Week 2025, ทฤษฎีนี้ไม่ใช่แค่ปรัชญา: มันมีการประยุกต์ใช้ที่เป็นรูปธรรม, ทำงานได้ และสามารถสร้างความแตกต่างในภาคส่วนที่ละเอียดอ่อนที่สุด, เช่น สุขภาพ หรือการอัตโนมัติที่สำคัญ

ในยุคที่เราขอให้ AI ไม่เพียงแค่คำนวณ แต่ยังเข้าใจ, บางทีอาจถึงเวลาที่จะให้โอกาสกับ ความเป็นไปได้.

Francesco Antonio Russo

บทความทั้งหมดโดย Francesco Antonio Russo