โดย...นพ.กรณ์ ปองจิตธรรม

มีชายคนหนึ่งที่ตอนเด็กซื้อคอมพิวเตอร์เครื่องแรกด้วยเงินรางวัลจากการแข่งขันหมากรุก ต่อมาเขาเขียนโค้ดเกมที่ขายได้หลายล้านชุดทั่วโลกตั้งแต่อายุ 17 ก่อนจะทิ้งทุกอย่างไปศึกษาสมองมนุษย์ในห้องแล็บ และในที่สุดก็สร้าง AI ที่ช่วยไขปัญหาทางชีววิทยาที่มนุษย์พยายามแก้มานานกว่าครึ่งศตวรรษ

ชายคนนั้นคือ Demis Hassabis (เดมิส ฮัสซาบิส) และในปี 2024 เขากลายเป็นหนึ่งในไม่กี่คนในประวัติศาสตร์ที่พา AI เข้าสู่เวทีรางวัลโนเบลสาขาเคมี

มรดกจากอดีต สู่ผู้สานฝันคนใหม่

ก่อนที่ Demis จะเกิด โลกของปัญญาประดิษฐ์ถูกจุดประกายโดย Alan Turing (อลัน ทัวริง) ผู้ตั้งคำถามว่าเครื่องจักรสามารถ “คิด” ได้หรือไม่ และ John McCarthy (จอห์น แม็กคาร์ธี) ผู้บัญญัติคำว่า “Artificial Intelligence” ขึ้นมาเป็นครั้งแรก

อย่างไรก็ตาม AI ในยุคแรกยังพึ่งพากฎและตรรกะที่มนุษย์กำหนดไว้ล่วงหน้าเป็นหลัก มันสามารถแก้ปัญหาบางประเภทได้ดี แต่ยังห่างไกลจากความฝันเรื่องเครื่องจักรที่เรียนรู้ ปรับตัว และเข้าใจโลกได้ใกล้เคียงมนุษย์จริงๆ

หลายสิบปีต่อมา เด็กชายคนหนึ่งจากลอนดอนจะเข้ามารับไม้ต่อ และพาความฝันนั้นไปไกลกว่าที่ใครคาดคิด

เด็กอัจฉริยะหมากรุกผู้มองกระดานเป็นสนามทดลองความคิด

Demis Hassabis เกิดเมื่อวันที่ 27 กรกฎาคม ค.ศ. 1976 ที่กรุงลอนดอน คุณพ่อเป็นชาวกรีก-ไซปรัส คุณแม่เป็นชาวสิงคโปร์เชื้อสายจีน และตั้งแต่วัยเด็ก เขาก็แสดงให้เห็นชัดว่าวิธีคิดของเขาแตกต่างจากคนทั่วไป

สำหรับเด็กหลายคน หมากรุกคือเกม แต่สำหรับ Demis มันคือห้องทดลองทางความคิด เขาไม่ได้เล่นเพียงเพื่อชัยชนะ แต่เล่นเพื่อเข้าใจการคิดล่วงหน้า การจำลองสถานการณ์ และการตัดสินใจภายใต้ข้อจำกัด

เขาก้าวขึ้นเป็นหนึ่งในผู้เล่นเยาวชนที่โดดเด่นที่สุดของอังกฤษ และเงินรางวัลจากการแข่งขันหมากรุกนั้นเองที่ทำให้เขาได้ซื้อคอมพิวเตอร์เครื่องแรกในชีวิต

จากวันนั้น ประตูอีกบานก็เปิดออก เขาเริ่มเรียนรู้การเขียนโปรแกรมด้วยตัวเอง และค่อยๆ ตระหนักว่าเกม คอมพิวเตอร์ และปัญญาประดิษฐ์ อาจเชื่อมโยงกันลึกกว่าที่คนส่วนใหญ่มองเห็น

จากวัยรุ่นอัจฉริยะ สู่คำถามที่ใหญ่กว่าเกม

Demis เรียนจบมัธยมก่อนกำหนด และก่อนเข้ามหาวิทยาลัย เขาได้เข้าทำงานที่ Bullfrog Productions บริษัทเกมชั้นนำของอังกฤษ

ในวัยเพียง 17 ปี เขารับหน้าที่เป็น lead programmer ของเกม Theme Park (1994) ร่วมกับนักออกแบบเกมชื่อดัง Peter Molyneux (ปีเตอร์ โมลินิวซ์) เกมจำลองการบริหารสวนสนุกที่กลายเป็นตำนานและขายได้หลายล้านชุดทั่วโลก

แต่สำหรับ Demis เกมไม่เคยเป็นเพียงความบันเทิง มันคือสภาพแวดล้อมจำลองที่เต็มไปด้วยกฎ ตัวแปร และผลลัพธ์ที่วัดได้ ทุกระบบในเกมคือการทดลองว่า “ความฉลาด” ควรทำงานอย่างไร

หลังจากนั้น เขาเข้าเรียนที่มหาวิทยาลัยเคมบริดจ์และจบด้วยเกียรตินิยมอันดับหนึ่งด้านวิทยาการคอมพิวเตอร์ในปี 1997

แต่แทนที่จะหยุดอยู่ตรงนั้น เขากลับเริ่มตั้งคำถามที่ใหญ่กว่าเดิมว่า

ถ้าเราต้องการสร้าง AI ที่ฉลาดจริง ไม่ใช่แค่เก่งในเกมใดเกมหนึ่ง เราจำเป็นต้องเข้าใจอะไรเกี่ยวกับสมองมนุษย์บ้าง

เมื่อความจำไม่ได้มีไว้แค่จดจำอดีต

คำถามนั้นพา Demis ไปสู่เส้นทางที่ไม่มีใครคาดคิด เขาตัดสินใจศึกษาต่อด้าน Cognitive Neuroscience ที่ University College London (UCL) และสำเร็จปริญญาเอกในปี 2009

หนึ่งในงานวิจัยสำคัญของเขาเกี่ยวข้องกับผู้ป่วยที่มีความเสียหายต่อระบบความจำ เขาให้ผู้ป่วยเหล่านี้ลองจินตนาการเหตุการณ์สมมติ เช่น การนั่งอยู่บนชายหาด

ผลลัพธ์ที่ได้เปลี่ยนความเข้าใจเรื่องสมองไปอย่างมาก

ผู้ป่วยไม่ได้มีปัญหาแค่การจำอดีต แต่ยังไม่สามารถ “สร้างภาพอนาคต” ขึ้นมาในจินตนาการได้ด้วย

นั่นหมายความว่า ระบบความจำของมนุษย์ไม่ได้มีหน้าที่เพียงเก็บข้อมูลเก่า แต่ยังเป็นกลไกสำคัญในการจำลองสถานการณ์ คาดการณ์อนาคต และวางแผนสิ่งที่ยังไม่เกิดขึ้น

กล่าวอีกแบบคือ สมองมนุษย์ใช้ระบบเดียวกันทั้งในการ “ระลึกอดีต” และ “จินตนาการอนาคต”

สำหรับ Demis นี่คือชิ้นส่วนสำคัญของ AI ที่แท้จริง เครื่องจักรที่ฉลาดจริงไม่ควรเพียงจดจำข้อมูล แต่ต้องสามารถจำลองโลก คาดการณ์ผลลัพธ์ และเลือกการกระทำที่เหมาะสมในสถานการณ์ที่ไม่เคยพบมาก่อนได้

การกำเนิด DeepMind และหมุดหมายประวัติศาสตร์ของ AlphaGo

ในปี 2010 หลังผ่านทั้งโลกของเกม คอมพิวเตอร์ และประสาทวิทยา Demis ร่วมก่อตั้ง DeepMind กับ Shane Legg (เชน เล็กก์) และ Mustafa Suleyman (มุสตาฟา สุไลมาน)

แนวคิดสำคัญของ DeepMind คือการสร้าง AI ที่เรียนรู้จากประสบการณ์ผ่านการลองผิดลองถูก เหมือนสิ่งมีชีวิต มากกว่าการทำตามกฎที่มนุษย์เขียนไว้ทั้งหมด

พวกเขาใช้เกมเป็นสนามทดลอง เพราะเกมมีเป้าหมาย กฎ และผลลัพธ์ที่ชัดเจน เหมาะสำหรับการฝึกให้ AI เรียนรู้การวางกลยุทธ์ การคาดการณ์ และการตัดสินใจ

Google เข้าซื้อกิจการ DeepMind ในปี 2014 และหลังจากนั้น โลกก็ได้เห็นการมาถึงของ AlphaGo

AlphaGo คือระบบ AI สำหรับเล่นหมากล้อม หรือ “โกะ” เกมที่ซับซ้อนที่สุดชนิดหนึ่งที่มนุษย์เคยสร้าง จำนวนรูปแบบการเดินมีมากมหาศาลจนผู้เชี่ยวชาญจำนวนมากเชื่อว่า AI ยังไม่น่าจะเอาชนะมนุษย์ระดับสูงได้ในเร็ววัน

เพราะโกะไม่ได้อาศัยเพียงการคำนวณ แต่ยังต้องใช้สัญชาตญาณ การประเมินตำแหน่ง และการมองภาพรวมในระยะยาว

ในปี 2016 AlphaGo เผชิญหน้ากับ Lee Sedol (ลี เซดอล) ปรมาจารย์โกะระดับโลก ผลคือ AlphaGo ชนะ 4-1

แต่สิ่งที่ทำให้ผู้คนตกตะลึงไม่ใช่แค่ชัยชนะ หากเป็น “วิธีคิด” ของมัน

การเดินบางตาดูแปลกประหลาดจนผู้เชี่ยวชาญคิดว่าเป็นความผิดพลาด แต่หลายตาต่อมา ทุกคนจึงเริ่มเข้าใจว่า มันไม่ได้เดินผิด มันกำลังมองเกมในมิติที่มนุษย์ไม่เคยเห็นมาก่อน

AlphaFold: เมื่อ AI เริ่มเปลี่ยนวิทยาศาสตร์พื้นฐาน

ชัยชนะของ AlphaGo พิสูจน์ว่า AI สามารถเรียนรู้รูปแบบที่ซับซ้อนได้ แต่ Demis ต้องการใช้ความสามารถนั้นกับปัญหาที่มีผลต่อมนุษยชาติมากกว่าเกม

เป้าหมายต่อไปคือ “โครงสร้างโปรตีน”

โปรตีนคือโมเลกุลพื้นฐานของสิ่งมีชีวิต และรูปร่างสามมิติของมันเป็นตัวกำหนดการทำงานแทบทุกอย่างในร่างกาย ตั้งแต่กลไกของโรคไปจนถึงการออกฤทธิ์ของยา

ปัญหาคือ การหาโครงสร้างโปรตีนด้วยการทดลองจริงใช้ทั้งเวลาและต้นทุนมหาศาล นักวิทยาศาสตร์พยายามทำนายโครงสร้างจากลำดับกรดอะมิโนมานานกว่า 50 ปี แต่ยังไม่สามารถทำได้อย่างแม่นยำเพียงพอ

AlphaFold2 เปลี่ยนภาพนั้นอย่างสิ้นเชิง

มันสามารถทำนายโครงสร้างโปรตีนได้ในระดับความแม่นยำที่นักวิทยาศาสตร์ยอมรับได้จริง และ DeepMind ยังเปิดฐานข้อมูลโครงสร้างโปรตีนกว่า 200 ล้านชนิดให้นักวิจัยทั่วโลกเข้าถึงฟรี

AlphaFold ไม่ได้ทำให้การค้นคว้ายารักษาโรคเสร็จสิ้นในทันที เพราะกระบวนการพัฒนายังต้องผ่านการทดลองและการตรวจสอบทางคลินิกอีกมาก

แต่สิ่งที่มันเปลี่ยน คือ “จุดเริ่มต้น” ของงานวิจัยทั่วโลก

มันช่วยลดเวลาของขั้นตอนสำคัญในการศึกษาชีววิทยา และเปิดโอกาสให้นักวิทยาศาสตร์สามารถตั้งคำถามใหม่ๆ ได้เร็วขึ้นกว่าที่เคย

แม้ AlphaFold จะไม่ได้ไขทุกปัญหาของชีววิทยา แต่ก็เปลี่ยนวิธีที่มนุษย์เริ่มต้นทำความเข้าใจชีวิตในระดับโมเลกุลไปอย่างสิ้นเชิง

ในปี 2024 Demis Hassabis และ John Jumper (จอห์น จัมเปอร์) จึงได้รับรางวัลโนเบลสาขาเคมีจากผลงานด้านการทำนายโครงสร้างโปรตีนด้วย AI ขณะที่ David Baker (เดวิด เบเกอร์) ได้รับรางวัลอีกครึ่งหนึ่งจากงานด้านการออกแบบโปรตีนด้วยคอมพิวเตอร์

นี่นับเป็นหนึ่งในช่วงเวลาสำคัญที่สุดของประวัติศาสตร์ AI เพราะเป็นครั้งแรกที่ AI ได้รับการยอมรับอย่างเป็นทางการว่าเป็นเครื่องมือทางวิทยาศาสตร์ระดับเปลี่ยนโลก

Demis Hassabis กับสมรภูมิ AI ยุคใหม่

ในโลก AI ปัจจุบัน อีกชื่อหนึ่งที่อยู่แนวหน้าคือ Sam Altman (แซม อัลต์แมน) ซีอีโอของ OpenAI ผู้ผลักดัน ChatGPT จนเปลี่ยนวิธีที่ผู้คนหลายร้อยล้านคนทำงานและเข้าถึง AI ในชีวิตประจำวัน

ทั้ง DeepMind และ OpenAI ต่างกำลังผลักขอบเขตของ AI แต่เลือกจุดเน้นต่างกัน

OpenAI ทำให้ AI เข้าถึงผู้คนทั่วไปอย่างรวดเร็ว ขณะที่ DeepMind มุ่งใช้ AI กับโจทย์ระดับวิทยาศาสตร์พื้นฐาน เช่น ชีววิทยา พลังงาน และการค้นพบองค์ความรู้ใหม่

ทั้งสองแนวทางล้วนสำคัญต่ออนาคต เพราะคำถามสำคัญของยุคนี้ไม่ใช่เพียงว่า AI จะ “ฉลาดขึ้นแค่ไหน” แต่รวมถึงว่า มนุษย์จะเลือกใช้ความฉลาดนั้นเพื่ออะไร

บทความนี้เรียบเรียงโดยได้รับแรงบันดาลใจจากสารคดี “The Thinking Game” ซึ่งเล่าเรื่องชีวิต วิสัยทัศน์ และการทำงานของ Demis Hassabis รวมถึงเบื้องหลังของ DeepMind, AlphaGo และ AlphaFold

รวมถึงข้อมูลจากบทสัมภาษณ์ งานวิจัย และแหล่งข้อมูลสาธารณะเกี่ยวกับพัฒนาการของ AI และชีววิทยาเชิงคำนวณ

สารคดีรับชมได้ที่:
https://youtu.be/d95J8yzvjbQ?si=NN-Zc6yeXYhERWzL