
เมื่อ AI และโรบอตเข้ามามีบทบาทจนเกือบที่จะกลายเป็นส่วนหนึ่งในชีวิตประจำวันของมนุษย์ ทั้งในแง่ของการติดต่อสื่อสาร การคมนาคม การแพทย์ ด้านนิติศาสตร์ และอื่น ๆ ซึ่งมุมมอง AI ที่มีต่อชีวิตประวันเหล่านี้ ส่วนมากแล้วมนุษย์มักจะมองว่า AI ที่เข้ามามีบทบาทนี้ สักวันหนึ่งอาจเปลี่ยนสถานะจากผู้ถูกใช้งานโดยมนุษย์กลายเป็นผู้ใช้งานมนุษย์และตั้งตนสถาปนาเป็นนายเหนือมนุษย์ดังที่เรามักพบเห็นบ่อย ๆ จากภาพยนตร์หรือนวนิยายแนววิทยาศาสตร์ที่ฉายภาพของความสิ้นหวังของโลกอนาคตในหลายหลายมิติ การเข้ามามีบทบาทมากขึ้นของ AI ในสังคมปัจจุบันพบเห็นได้ในหลายกรณีด้วยกัน อาทิ เช่น รถยนต์ไร้คนขับ AI ในห้องผ่าตัดในวงการแพทย์ อัลฟ่าโกะ AI ที่เอาชนะแชมป์โลกในเกมหมากล้อม หรือ AI โอเพ่นเอไอไฟว์ที่เอาชนะแชมป์โลกทีมนักแข่งเกมโดตา 2 ของการแข่งขันเกมอีสปอร์ตเมื่อ ปี 2018 ที่ผ่านมา จากตัวอย่างบทบาทของ AI ที่ยกมานี้ยังมีมิติหนึ่งที่สำคัญในชีวิตประจำวันของมนุษย์ที่ถูกพูดถึงอยู่ไม่มาก นั่นคือ มิติด้านศิลปะและสุนทรียศาสตร์ ที่ในชีวิตมนุษย์นับว่าเป็นสิ่งที่ตามมาหลังเรื่องปากท้อง หรือเรียกได้ว่า ศิลปะ เปรียบเป็นชั้นบนสุดของหอคอยแห่งบันไดชีวิต เพราะมีคนจำนวนไม่มากที่จะมีเวลาเสพสมงานศิลปะและสุนทรียะ และสุนทรียะคงเกิดขึ้นไม่ได้หากท้องยังไม่อิ่ม อย่างไรก็ตามหากมนุษย์เราไม่นึกถึงและเลือกละทิ้งมิติด้านศิลปะและสุนทรียศาสตร์ในชีวิตไป ก็คงเป็นได้เพียงมนุษย์ที่ปราศจากชีวิตชีวา เป็นมนุษย์ที่เผลอทำความสร้างสรรค์หล่นหายไป
ในมิติด้านศิลปะและสุนทรียศาสตร์กับ AI ในช่วง 2-3 ปีมานี้ มีประเด็นที่น่าสนใจ พบว่ามีพาดหัวข่าวที่กล่าวถึง AI ที่แต่งเพลงได้ด้วยการเรียบเรียงตัวโน้ตและดนตรีซึ่งเพลงที่เป็นผลิตภัณฑ์ออกมามีความใกล้เคียงกับเพลงที่แต่งโดยมนุษย์ หรือการสร้าง Inceptionism Arts จาก AI ที่ใช้ระบบ Neural Network System ที่ตัวระบบสรรสร้างงานคล้ายการทำงานของระบบประสาทของมนุษย์ หรืองานแสดงศิลปะระดับโลกที่จัดขึ้นที่ The Barbican Centre London ในชื่องาน AI: More Than Human Exhibition ในปี 2019 ที่เป็นการจัดแสดงความสามารถของ AI ที่แสดงออกมาผ่านงานศิลปะ หรือตัวอย่างใกล้ตัว ในแอป Spotify ที่ AI สามารถจัดเรียงเพลย์ลิตส์ จากการที่AIสามารถทำความเข้าใจรสนิยมทางดนตรีได้ กระแสข่าวอันน่าตื่นตะลึงเหล่านี้ ชวนให้ขบคิดและตั้งคำถามจนนำมาสู่ งานเสวนาออนไลน์ที่จัดขึ้นเมื่อ วันพุธ ที่ 20 มกราคม พ.ศ. 2564 เวลา 19.00-21.00 น. โดยทาง STS Cluster Thailand ได้เชิญวิทยากรครบเครื่องหลากหลายสาขา ได้แก่ อ. วิริยะ สว่างโชติ ผู้เชี่ยวชาญวัฒนธรรมศึกษา นักวิชาการอิสระและผู้แปลหนังสือ AI Aesthetics อ.ดร. วรัญญู วรชาติ อาจารย์ประจำสำนักวิชาสารสนเทศศาสตร์ มหาวิทยาลัยวลัยลักษณ์ และ อ.ดร. ปิยบุตร สุเมตติกุล อาจารย์ประจำภาควิชาปรัชญาและศาสนา คณะมนุษยศาสตร์ มหาวิทยาลัยเชียงใหม่ และโอกาสนี้ได้ อ.ดร. ปิยณัฐ ประถมวงษ์ อาจารย์ประจำคณะสังคมศาสตร์และมนุษยศาสตร์ มหาวิทยาลัยมหิดล มาเป็นผู้ดำเนินรายการ นำพูดคุยประเด็นร้อนในวงเสวนา

เมื่อเข็มสั้นของนาฬิกาเดินไปถึงเลข 7 สมทบกับเข็มยาวที่วนมาทบเลข 12 บนหน้าปัด ในค่ำคืนที่อากาศเย็นสบาย ทางเพจ STS Cluster ก็เริ่มออกอากาศวงเสวนา เริ่มต้นด้วยคำถามแรกจากอาจารย์ปิยณัฐ
ปิยณัฐ: ผมขอเริ่มจากอาจารย์วรัญญูครับ สำหรับการเล่าให้เราฟังว่า AI คืออะไร ความเข้าใจที่ถูกต้องเกี่ยวกับ AI ควรเป็นอย่างไร และ AI มีความเกี่ยวข้องกับการรับรู้ Visual Recognition หรือไม่ อย่างไร?
วรัญญู: AI (Artificial Intelligence) หรือ ปัญญาประดิษฐ์ เป็นคำที่กว้างมาก ความหมายนอกจาก หมายถึง ปัญญาประดิษฐ์แล้วยังนับรวมถึงพวก Expert System ด้วย จะว่าไปแล้วในช่วงเวลาประมาณ 5 ปีมานี้ AI ถูกพูดถึงเป็นอย่างมาก เนื่องมาจากมีเทคนิคหนึ่ง เรียกว่า Machine Learning ซึ่งเป็นการทำให้ตัวเครื่องจักร เครื่องกล สามารถที่จะเรียนรู้ได้เพื่อที่จะได้มีปัญญาเหมือนกับมนุษย์
AI ในช่วงแรก ๆ คือ เมื่อ 30-40 ปีที่ผ่านมา คอมพิวเตอร์ถูกพัฒนาตามความต้องการของมนุษย์ที่มนุษย์ต้องการทำให้คอมพิวเตอร์มีปัญญาเหมือนมนุษย์ โดยมนุษย์ตั้งความหวังในการพัฒนา AI ไว้สูงมาก ในช่วงนั้นมนุษย์หวังว่า AI จะต้องทำสิ่งที่ยาก ๆ ได้ คำว่า ‘ทำสิ่งยาก ๆ ได้’ ตัวอย่างเช่น เมื่อ 20-30 ปีก่อน บริษัทชื่อดังอย่าง IBM (International Business Machines) ซึ่งเป็นบริษัทผู้ผลิตคอมพิวเตอร์และสารสนเทศรายใหญ่ของโลก สร้างคอมพิวเตอร์ชื่อ Deep Blue ตัว Deep Blue เป็น Machine ที่สามารถเล่นหมากรุกจนสามารถชนะ Garry Kimovich Kasparov แชมป์โลกหมากรุกสากลในยุคนั้นได้ ยุคนั้นถือว่าหมากรุกเป็นสุดยอดของเกมหมากกระดานในตะวันตก ตัวอย่างนี้เป็นตัวอย่างของความคาดหวังที่มนุษย์มีต่อ Machine คือ ต้องการให้เครื่องจักรมันเก่งกาจจนสามารถทำในสิ่งที่มนุษย์ทำไม่ได้ แต่ปรากฏว่าจริง ๆ แล้ว Machine มันโง่มาก เพราะว่า มันมองได้ไม่เหมือนที่มนุษย์เราเห็น กล่าวคือ ในการมองเห็นของมนุษย์ มนุษย์สามารถแยกแยะสิ่งต่าง ๆ ได้ เมื่อมองเห็นวัตถุบางอย่าง มนุษย์แยกได้ว่าสิ่งนี้คือหมา สิ่งนี้คือแมว สิ่งไหนคือโต๊ะ สิ่งไหนคือเก้าอี้ เห็นระยะ เห็นอะไรต่าง ๆ ได้ แต่ Machine ในการมองเห็นของมัน Machin แทบจะไม่รู้จักอะไรเลย มันมองเห็นแต่เป็น Pixel อย่างเดียว
คราวนี้พอมาสักช่วง 10-20 ปี หลัง เขาก็หันเหความสนใจใหม่ จากความต้องการที่จะให้เครื่องจักรทำในสิ่งที่ยาก ๆ ได้ มาเป็นการมองว่าเครื่องจักรควรจะทำให้มันมีความสามารถเท่ากับมนุษย์ก่อน ก็คือ การทำให้เครื่องจักรมีความสามารถพื้นฐานต่าง ๆ เหมือนมนุษย์ เห็น มอง ฟัง พูด แบบมนุษย์ จากนั้นก็ค่อยต่อยอดความสามารถให้สูงขึ้น ขณะเดียวกันในยุคนั้นเป็นช่วงที่เปลี่ยนยุคแอนาล๊อกมาเป็นยุคดิจิตอล ในยุคดิจิตอลมีการกำเนิดของมือถือ ทำให้ข้อมูลที่คอมพิวเตอร์สามารถใช้งานได้มีเพิ่มขึ้น อย่างคนเราถ่ายรูปเยอะขึ้น ก็จะมีพวกไฟล์ภาพ มีไฟล์วีดีโอ มีอะไรต่าง ๆ เยอะขึ้น ก็เลยมีข้อมูลที่คอมพิวเตอร์จะเอามาเรียนรู้ได้เพิ่มมากขึ้น ทำให้ Machine Learning เริ่มเป็นที่รู้จัก เพราะว่ามีทั้งตัวเทคนิค และ มีทั้ง Data มนุษย์ก็ใช้สองอย่างนี้มาสร้างความสัมพันธ์ให้เครื่องจักรสามารถเรียนรู้ได้

วรัญญู (ต่อ): การเรียนรู้ของ Machine Learning จะสามารถเรียนรู้ได้จาก 4 วิธี
วิธีแรกเป็นการเรียนรู้จาก SUPERVISED LEARNING คือ การที่มนุษย์เราให้ AI ดูรูป แล้วบอกว่ารูปที่เห็นนั้นเป็นรูปอะไร ให้มันดูรูปว่าอันนี้คือหมา อันนี้คือแมว เป็นการให้ AI เรียนรู้จากรูปและบอก AI ด้วยว่ารูปที่มันเห็นคืออะไร AI ก็จะเรียนรู้ว่ารูปที่เห็นคือสัตว์ประเภทไหน แล้วสุดท้ายพอมันเรียนรู้เยอะ ๆ เป็นพันล้านรูป AI ก็จะสามารถที่จะแยกแยะ เรียนรู้ได้ว่า สิ่งที่เห็นคืออะไร การเรียนรู้แบบนี้เป็นการเรียนรู้ที่มีคนสอน
วิธีที่ 2 เป็นการเรียนรู้แบบไม่มีคนสอน เป็นวิธีที่ให้ AI ดู Data ทั้งหมดแล้ว AI สามารถแยก Data ได้เลย ตัวอย่างของวิธีการนี้ เช่น ให้ AI ดูหุ้น ให้ดูกราฟหุ้นย้อนหลัง เมื่อมันประมวลผลเสร็จ AI จะสามารถคาดการณ์ได้ว่า กราฟหุ้นในอนาคตจะออกมาเป็นอย่างไร วิธีนี้เป็นการเรียนรู้ที่ให้ข้อมูลกับ AI แล้วให้ AI จับกลุ่ม จำแนกข้อมูลตามที่เราต้องการ หรือค้นหารูปแบบของข้อมูลที่เราไม่เคยรู้มาก่อน
วิธีที่ 3 เป็นการเรียนรู้เหมือนกับการที่เราเล่นเกม เรียกว่า REINFORCEMENT LEARNING ในเกม เวลาเราทำดีก็ได้รางวัล ทำแย่ก็โดนทำโทษ วิธีที่ 3 นี้จะมีการให้รางวัล มีการทำโทษ AI จะเรียนรู้จากการที่มันถูกทำโทษ ถูกให้รางวัล AI จะพยายามเรียนรู้ให้มันได้รางวัลเยอะ ๆ และ
วิธีที่ 4 SELF LEARNING เป็นวิธีที่ AI สามารถเรียนรู้ได้ด้วยตนเอง ตัวอย่างที่เป็นที่รู้จักทันมากที่สุด คือ AlphaGo ตัวมันสามารถเรียนรู้จนเอาชนะแชม์โลกในการเล่นโกะ การเรียนรู้ของมันจะเรียนรู้จากการเล่นในแบบต่าง ๆ จากมาสเตอร์ที่เป็นคนเล่น และยังสามารถแบ่งภาคตัวมันเองออกมาให้เล่นกับตัวเองได้ พอเล่นกับตัวเองไปเรื่อย ๆ ก็เก่งขึ้นจนพัฒนาความสามารถให้เก่งขึ้นโดยที่มนุษย์ไม่ต้องเข้าไปสอน แล้วพอมันสามารถเก่งได้เท่ากับมนุษย์ AI ก็จะไม่เรียนรู้อะไรจากมนุษย์แล้ว มันก็จะไปเรียนรู้ต่อด้วยการแบ่งภาคแล้วแข่งกันเอง สุดท้าย AI จะเก่งขึ้นเรื่อย ๆ
ความก้าวหน้าของระบบ AI : การทำงานแบบ Neural Network , Deep Learning และ Generative Adversarial Networks [GANs]
อาจารย์วรัญญู (ต่อ): ในกระแสของปัญญาประดิษฐ์ตอนนี้มี Keyword ที่ถูกกล่าวถึงมาก คือ Neural Network เป็น AI ที่มีความสามารถหลายด้าน มีต้นแบบมาจากสมองของมนุษย์และมีการทำงานของระบบที่พยายามเลียนแบบการทำงานของสมองมนุษย์โดยใช้คอมพิวเตอร์เข้ามาช่วย การทำงานของเจ้า Neural Network มีทั้ง node หรือ neuron และการเชื่อมต่อระหว่าง node ที่เลียนแบบการทำงานของเส้นใยระบบประสาทของมนุษย์ เป็นเหมือนโครงข่ายประสาทเทียมที่สร้างการรับรู้ (Perception) และการหมายรู้ (Recognition) ให้เกิดขึ้นได้
ในช่วงปี 2010 มีการสร้างเทคนิคหนึ่ง คือ Deep Learning คำว่า Deep ในชื่อเทคนิคมาจากการมีชั้นโครงข่ายในการทำงานที่ต่อกันเป็นจำนวนมาก เป็นการทำงานที่ AI สามารถเลียนแบบการมองเห็นของมนุษย์ได้ สมมติชั้นแรก AI มองเห็นเป็น Pixel ต่อมาสามารถเห็นเป็นจุด เป็นขีด เป็นเส้น เห็นเป็นภาพ เป็นส่วนต่าง ๆ เป็นชั้น ๆ ในการเรียนรู้ AI จะค่อย ๆ ปะติดปะต่อประกอบการเรียนรู้ทีละนิด เช่น เห็นขอบตา เห็นตาดำ ก็จะปะติดปะต่อไปเป็นหน้าคนและจดจำข้อมูลไว้ พอเรียนรู้ที่จะเห็นเป็นหน้าคนได้ ชั้นต่อไปก็สามารถจำได้ ประมวลได้ว่าเป็นหน้าของใคร Deep Learning จึงกล่าวได้ว่าเป็นความพยายามของ AI ที่เริ่มไล่จากจุดที่เล็กที่สุด แล้วก็พยายามจะขยายผลข้อมูลให้สูงขึ้นมาจนกลายเป็นรูปเป็นร่าง ซึ่ง Deep Learning ตอนนี้กำลังได้รับความนิยมเป็นอย่างมาก
อีกเทคนิคหนึ่งที่ได้รับความนิยมอยู่ไม่แพ้กัน คือ เทคนิค Generative Adversarial Networks [GANs] เทคนิคนี้เราพบในรูปแบบของ Meme ที่ขึ้นมา แล้วให้ทายว่ารูปภาพที่ให้มาทั้งหมด 6 รูป รูปไหนเป็นรูปจริง รูปไหนเป็นรูปคอมพิวเตอร์สร้างขึ้นมา สุดท้ายคำตอบที่แท้จริงคือ ทั้ง 6 รูป คอมพิวเตอร์สร้างขึ้นมาหมด เทคนิค GANs จะเป็นการสร้างอะไรบางอย่างขึ้นมา หากเปรียบเทียบให้เห็นภาพเทคนิค GANs เหมือนกับมีกลุ่มโจรกลุ่มหนึ่งที่ต้องการจะปลอมธนบัตรเปรียบเป็น Neural Networks ตัวหนึ่ง และมีตัว Detective หรือนักสืบซึ่งเป็น Neural Networks อีกตัวหนึ่ง Neural Networks โจรหน้าที่คือพยายามปลอมธนบัตรให้เหมือนจริงที่สุดให้ Neural Networks นักสืบ จับไม่ได้ ส่วน Neural Networks นักสืบ ก็จะต้องพยายามบอกให้ได้ว่าธนบัตรเป็นจริงหรือปลอม พอตัว Neural Networks นักสืบให้คำตอบ Neural Networks จะเรียนรู้ว่าคำตอบที่ให้มาตรงกับเฉลยหรือไม่ Neural Networks นักสืบก็เรียนรู้ Neural Networks ทั้งสองตัวจะแข่งกันไปเรื่อย ๆ จนสุดท้ายได้ภาพธนบัตรที่เหมือนกับของจริงมาก ๆ Neural Networks โจรก็จะปลอมเก่งขึ้นเรื่อย ๆ และ Neural Networks นักสืบก็จะจับเท็จเก่งขึ้นเรื่อย ๆ ตัวอย่างที่ยกมานี้ถือเป็น เป็นตัว Basic Idea ของ GANs ก็ว่าได้
เทคนิค GANs ก็มีการพัฒนามาเรื่อย ๆ เริ่มจากการสร้างรูปขาวดำ ไล่ไปเป็นภาพสี จากภาพไซส์เล็กไปเป็นภาพไซส์ใหญ่ สามารถทำ Image Translation ได้อีกด้วย เช่น การแปลงภาพม้าสีน้ำตาลให้เป็นม้าลายได้ (Cycle GANs) แปลงภาพวาดสี Doodle ให้เป็นภาพวิวทิวทัศน์ได้ (Gau GANs) การสร้าง Object 3D (GANs for 3D Objects) การปรับความละเอียดของภาพจากเบลอเป็นละเอียด (Super Resolution) การสร้างรายละเอียดให้ภาพ (TecoGAN: De-Mosaic) เป็นต้น

ปิยณัฐ: จากภาพรวมที่อาจารย์วรัญญูได้อธิบาย แสดงให้เห็นถึงระดับความซับซ้อนของ AI และความฉลาดของ AI ซึ่งน่าสนใจมาก โดยเฉพาะเทคโนโลยี GANs คราวนี้ผมอยากชวนอาจารย์ปิยบุตรคุยต่อในประเด็นของการสร้างงานศิลปะครับ
ปิยบุตร: ผมจะพูด 3 ประเด็นหลัก ๆ ประเด็นแรกที่ผมจะพูด ก็คือประเด็นเรื่องของศิลปะ ว่ามันแปรเปลี่ยนไปอย่างไร โดยผมจะเน้นที่มิติของเทคโนโลยีที่สำคัญ ว่าการเกิดขึ้นของเทคโนโลยีบางอย่างมัน Shape การสร้างงานศิลปะอย่างไร
ผมขอเริ่มต้นที่ภาพวาด อย่างภาพวาดสกุล Impressionism เช่น Toulouse-Lautrec ที่เกิดขึ้นพร้อมกับอุตสาหกรรมการผลิตสี ซึ่งการเกิดอุตสาหกรรมการผลิตสีมีผลทำให้เปลี่ยนวิธีการทำงานของศิลปิน ศิลปินในช่วงนั้น เช่น Paul Cézanne หรือว่าศิลปินอย่าง Van Gogh (ฟาน ก๊อกฮ์) จะไม่มีโอกาสที่จะสร้างงานศิลปะในแบบที่พวกเขาทำได้เลย ถ้าสมมติว่าไม่มีสีสำเร็จรูปจากอุตสาหกรรมสี ดังนั้นตัวอย่างนี้แสดงให้เห็นว่าเทคโนโลยีมีความสัมพันธ์กับเรื่องของเทคนิคในการสร้างงานศิลปะมาตลอด หรืออย่างงานของ Andy Warhol ที่เป็น Pop Art ที่ใช้ เทคนิค Silk-Screening ก็จะเกิดขึ้นไม่ได้เช่นกัน

https://www.wikiart.org/en/marcel-duchamp/fountain-1917
ถ้าพูดถึงศิลปะแล้ว คนธรรมดาก็อาจจะบอกว่าศิลปะเข้าใจยาก และมักจะเข้าใจว่างานศิลปะต้องประกอบไปด้วยความงาม หรือเวลาเราศึกษาสุนทรียศาสตร์ เรามักจะตั้งคำถามกับความงามของงาน แต่เอาจริง ๆ แล้วมันมีนิยามอื่นของศิลปะ อย่างเช่น งานของ Duchamp ที่ชื่อ Fountain (ชิ้นงานเป็นโถปัสสาวะ) โดยที่มาที่ไปของงาน Fountain ก็คือ Duchamp มีโอกาสทำงานอยู่ในบอร์ดของ Salon des Indépendants and Salon d’Automne และ Duchamp เองก็ส่งผลงานของตัวเองเข้าแสดงกับทาง Salon des Indépendants and Salon d’Automne โดยปกติแล้ว Salon des Indépendants and Salon d’Automne จะรับงานศิลปะทุกประเภทโดยไม่ปฏิเสธ แต่งาน Fountain ของ Duchamp โดนปฏิเสธ โดยในการปฏิเสธนั้นทาง Salon des Indépendants and Salon d’Automne ให้เหตุผลว่า ผลงานขาด Originality ไม่มีความเป็นดั้งเดิม และไม่สามารถพิสูจน์ว่าผลงาน Fountain ถูกสร้างโดยเจ้าของผลงานเอง ตัวอย่างของ Duchamp ทำให้เปลี่ยนนิยามความหมายของงานศิลปะ กล่าวคือ การที่เราเลือกชิ้นงานก็สามารถสร้างเป็นงานศิลปะได้ เพราะฉะนั้นการที่เราพยายามจะเสนอมโนทัศน์ในทางศิลปะก็ถือเป็นนิยามของศิลปะได้เช่นกัน ดังนั้นแล้วนิยามของสุนทรียศาสตร์โดยเฉพาะงานศิลปะก็จะไม่ได้ยึดโยงอยู่กับความงามแต่เพียงอย่างเดียว

https://en.wikipedia.org/wiki/Edmond_de_Belamy

https://sougwen.com/category/interviews
ตัวอย่างของ Duchamp ทำให้เปลี่ยนนิยามความหมายของงานศิลปะ กล่าวคือ การที่เราเลือกชิ้นงานก็สามารถสร้างเป็นงานศิลปะได้ … นิยามของสุนทรียศาสตร์โดยเฉพาะงานศิลปะก็จะไม่ได้ยึดโยงอยู่กับ
ปิยบุตร สุเมตติกุล
ความงามแต่เพียงอย่างเดียว

ปิยบุตร (ต่อ): ประเด็นต่อมาจะขอกล่าวถึง Visual Art โดย Visual Art จะยึดติดกับ Perception โดยเฉพาะการรับรู้ทางจักษุประสาทหรือการมองเห็นของมนุษย์เรา โดยจะเชื่อมโยงกับแนวคิดของยอร์ช เบิร์คเลย์ (George Berkeley) นักประสบการณ์นิยมเจ้าของวรรคทอง อย่าง “to be is to be perceived” ในแนวคิดของเบิร์คเลย์เห็นว่า ตัว Senses หรือว่าการรับรู้มันเป็นจุดเริ่มต้นของทุกอย่าง และที่อยากเน้นคือแนวคิดในงานเขียน An Essay Towards a New Theory of Vision ของเบิร์คเลย์ที่ออกมาในปี 1709 ที่กล่าวถึงระยะ ขนาด และตำแหน่งแห่งที่ ในงานเบิร์คเลย์เสนอว่า มนุษย์เราไม่เคยรับรู้ระยะ ขนาด และตำแหน่งแห่งที่ ได้ถูกต้องเลย เช่น การมองเห็นระยะ มนุษย์มักโดน Perspective หลอกเสมอ ตัวอย่างของข้อเสนอนี้ เช่น งานศิลปะในพิพิธภัณฑ์ 3D การถูกหลอกจาก perspective ทำให้มนุษย์เราไม่สามารถรู้ระยะหรือขนาดที่แท้จริงจากการมองเห็นได้ เช่น การถ่ายภาพที่คนในภาพสามารถจับวัตถุที่อยู่ไกลได้โดยใช้ perspective ช่วยให้วัตถุดูเหมือนมีขนาดเล็ก สิ่งที่เบิร์คเลย์ ชี้ให้เห็นก็คือ perspective มันลวงเราได้ จากการเสนอของเบิร์คเลย์ตั้งแต่ยุคนั้นมา นักปรัชญาก็บอกเสมอว่าตัวจักษุประสาทมันมีปัญหา
จากข้อเสนอของเบิร์คเลย์ มาดูกันต่อที่เครื่องจักร คือตัวเครื่องจักรเวลามันมองเห็นมันจะมองเห็นในรูปแบบ Pixel อาศัยการรวมกันของ Pixel ในการจัดกลุ่มการมองเห็น เครื่องจักรก็จะมีการมองเห็นไม่เหมือนกับที่มนุษย์มองเห็น ตัวอย่าง เช่น Self-driving car ไม่ได้มีแค่กล้องในการมองหรือจับเซนเซอร์ อาจมีทั้ง GPS ด้วย อาจจะมี Radar หรือ Lidar ร่วมด้วย เวลาที่เครื่องจักรมัน Plot ภาพถนนออกมาให้เราเห็น ในความเป็นจริงคือ มันไม่ได้มีสายตาแบบมนุษย์ จริง ๆ แล้วตัวจักรกลมันเห็นอะไรก็ไม่รู้ มนุษย์เราไม่รู้จริง ๆ ว่าจักรกลมันเห็นอะไร แต่สิ่งที่จักรกลมี มันได้เข้ามาเสริมตัวความแม่นยำที่มนุษย์ไม่มี (ตามทรรศนะของเบิร์คเลย์) หรืออีกตัวอย่าง คือ ภาพ Portrait of Edmond de Belamy เป็นภาพแรกที่เกิดขึ้นจาก AI เป็นงานศิลปะที่มาจากการ GANs และได้รับการซื้อขายแบบถูกต้อง ที่มาของภาพมาจากการ Train ให้ตัว AI ดูศิลปะมาก ๆ แล้วให้ AI มัน Generate ตัวภาพนี้ออกมา
AI Artist: AI ในฐานะผู้สรรค์สร้างงานศิลป์
ปิยบุตร (ต่อ): อีกตัวอย่างที่อยากนำเสนอคือ งาน Set นี้ชื่อ Barrat and Barrot ศิลปินชื่อ Robbie Barrat เป็นฝ่ายเทคนิค ทำงานร่วมกันกับศิลปินอีกคน ชื่อ Barrot โดย Barrot มีงานศิลปะของตัวเองอยู่แล้วส่วนหนึ่ง Barrot ได้ทำการคัดเลือกผลงานส่งให้ Barrat เอาไป Train ตัว AI แล้วให้ AI Generate ภาพของที่มีสกุลหรือว่ามีลักษณะ มีเทคนิคคล้าย ๆ กับของ Barrot ออกมา นี่ก็เป็นอีกหนึ่งวิธีในการทำงานของ AI ร่วมกับมนุษย์ในงานศิลปะ หรือ AI ART อีกวิธีหนึ่งคือ Reverse Engineering จากที่ผมเสนอไปก่อนหน้านี้แล้วว่า AI มันมองไม่เหมือนมนุษย์ ก็มีงานศิลปะงานหนึ่งที่ พยายามทำความเข้าใจว่า AI เวลามันมองโลก มันเห็นอะไร มันเห็นอะไรจริง ๆ ศิลปินที่ทำ Reverse Engineering เช่น Tom White AI Artist
อีกคนหนึ่ง คือ ศิลปิน New Yorker แต่ว่าเป็นเชื้อสายจีน เขาชื่อ Sougwen Chung (鍾愫君) จบ MIT Media Lab สิ่งที่เขาทำคือเขาสร้างแขนกลประกอบกับโปรแกรมที่รันการเคลื่อนไหว แล้วให้แขนกลวาดภาพตามที่ Chung ต้องการ ลักษณะนี้เป็นงานศิลปะที่ทำงานร่วมกันระหว่างมนุษย์และ AI เวลาที่ Chung ทำงาน เขาเล่าว่า สิ่งที่เขาพยายามจะทำในตอนแรกคือ ให้แขนกลเป็นตัวช่วยในการสร้างงาน แต่ว่าไป ๆ มา ๆ พอเขาใช้ตัวเครื่องจักรนี่จริง ๆ แล้ว เครื่องจักรไม่ได้ทำงานแบบที่เขาคิด เพราะฉะนั้นสิ่งที่เขาทำเวลาเขาสร้างงานศิลปะ เขาต้องตอบสนองซึ่งกันและกันกับแขนกล เพราะฉะนั้นผมคิดว่า นี่เป็นท่าทีอีกท่าทีหนึ่งที่เริ่มจะยกระดับตัว AI ให้เริ่มมาเสมอกับมนุษย์
หากมองย้อนกลับไปที่ Robbie Barrat กรณีของ Barrat เทียบกับ Chung AI ในงานของ Barrat แน่นอนเลยว่าตัว AI เป็นแค่เครื่องมือ ในส่วนของ Tom White เป็นความพยายามทำความเข้าใจ AI ว่า AI มันมองเห็นอย่างไร แล้วเอาสิ่งที่ AI มองเห็นมาเป็นงานศิลปะ ส่วน Sougwen Chung ก็คือเป็นการทำงานร่วมกันกับตัว AI
สำหรับประเด็นที่สามที่ผมต้องการจะตั้งคำถาม ก็คือ งานที่เกิดจากทำงานร่วมกับ AI ถ้าเราพูดถึงตัว Authority ของงาน หรือว่าความเป็นเจ้าของงาน เราจะสามารถพูดได้ไหมว่าเครื่องจักรนี่มันเป็นเจ้าของงาน ซึ่งประเด็นนี้ขอทิ้งไว้ให้ถกเถียงกันต่อไป
ศิลปิน Sougwen Chung (鍾愫君) สร้างงานศิลปะที่ทำงานร่วมกันระหว่างมนุษย์และ AI แต่เครื่องจักรไม่ได้ทำงานแบบที่เขาคิด เวลาทำงานเขาต้องตอบสนองซึ่งกันและกันกับแขนกล … นี่เป็นท่าทีอีกท่าทีหนึ่งที่เริ่มจะยกระดับตัว AI ให้เริ่มมาเสมอกับมนุษย์
ปิยบุตร สุเมตติกุล

ปิยณัฐ: จากปรัชญามาต่อกันที่ด้านวัฒนธรรมศึกษาบ้างนะครับ มาฟังว่าคุณวิริยะผู้เชี่ยวชาญด้านวัฒนธรรมศึกษามีความเห็นในประเด็นนี้ว่าอย่างไร เชิญคุณวิริยะครับ
วิริยะ: ช่วงนี้ผมกำลังแปลหนังสือชื่อ AI Aesthetics ของ Lev Manovich (1960–) อยู่ แต่ขอเริ่มต้นอย่างนี้ครับ ผมเคยอ่านหนังสือเล่มหนึ่งหรือบทความออนไลน์ชิ้นหนึ่ง ซึ่งเขียนโดยนักวิชาการ ในเนื้อหามีการเปรียบเทียบให้เห็นว่า ณ ช่วงที่มันมีการเกิดขึ้นของเทคโนโลยี ไม่ว่ายุคของการเกิดขึ้นของเครื่องจักรกลไอน้ำ การเกิดขึ้นของยุคการสร้างเครื่องบิน การเกิดขึ้นของคอมพิวเตอร์ IBM หรือการเกิดขึ้นของคอมพิวเตอร์ยุค Apple ก็ดี ถ้าสังเกตให้ดี ในแต่ละยุคที่มันมีการเปลี่ยนแปลง ทั้งทางด้านเทคโนโลยี แนวความคิดทางด้านสังคมศาสตร์ก็จะเปลี่ยนไปด้วย แนวความคิดทางด้านมนุษยศาสตร์ก็จะเปลี่ยนไปด้วย การเปลี่ยนแปลงที่ว่านี้มักจะเกิดขึ้นในเวลาที่ไล่เลี่ยกันหรือบางบางเหตุการณ์เกิดในปีเดียวกันเลยก็มี กล่าวคือ ในอดีตอาจมีนักวิทยาศาสตร์หรือว่าแนวความคิดทางด้านเทคโนโลยีที่เพิ่งค้นพบใหม่ แล้วในปีเดียวกันนั้นก็มักจะมีงานสังคมศาสตร์ชิ้นสำคัญ ๆ เกิดขึ้นมาด้วยซึ่งแนวคิดในงานที่เสนอไว้นี้เป็นแนวคิดที่ Lev Manovich มีความเห็นสอดคล้องและนำมาพูดถึงกรอบความคิดใหม่ของเขา ในงานชิ้น AI Aesthetics เป็นงานที่น่าสนใจ เนื่องจาก Lev Manovich ในสมัยที่เรียนอยู่ เขาเรียนแบบข้ามศาสตร์ ทั้งด้านศิลปกรรม ด้านสถาปัตยกรรม และคอมพิวเตอร์ แต่งานของ Lev Manovich อยู่ในด้าน Field Digital Cultural Studies การเรียนข้ามศาสตร์ทำให้งานของ Lev Manovich น่าสนใจ
ส่วนตัวผมอ่าน AI Aesthetics จบแล้ว และพบว่าหนังสือเล่มนี้ไม่เกี่ยวกับสุนทรียะในความหมายของความงาม ความซาบซึ้งในศิลปะ แต่ใช้ในความหมายที่เป็นวัฒนธรรมมากกว่า ในหนังสือ Lev Manovich ใช้คำว่า Aesthetics หรือว่าความงาม หรือว่าสุนทรียะ ในความหมายที่มันเป็น Culture ในความหมายที่เป็นวัฒนธรรม แต่ว่าไม่ใช่วัฒนธรรมในแง่ที่มันเป็น Pattern หรือว่าบรรทัดฐานทางวัฒนธรรม แต่เกี่ยวกับ Way of Life ถ้าเป็นศัพท์แบบวัฒนธรรมศึกษา คือ Cultural Practices หรือ ปฏิบัติการทางวัฒนธรรม เช่น เวลาเราดูหนังหรือว่าเราฟังเพลง เราจะตีความหนังหรือเพลงที่เสพให้เข้ากับระบบความคิดเดิม ให้เข้ากับประสบการณ์เรา แล้วก็เอาการตีความที่ได้มาใช้ในชีวิตประจำวันของเรา การเข้าใจเพลงหรือหนังอย่างที่เราตีความได้มันจะ Manipulate ความคิด Manipulate อารมณ์ความรู้สึกเรา มีทั้งเหตุผลและอารมณ์ร่วมกัน ทั้งรูปแบบของนักดนตรี ไลฟ์สไตล์ของนักดนตรี ล้วนมีส่วนเกี่ยวข้องกับเราที่เกิดขึ้นใน Cultural Practices เป็นต้น
Lev Manovich เขาเห็นว่า AI เข้ามามีบทบาทในปฏิบัติการทางวัฒนธรรม สังเกตง่าย ๆ จากประสบการณ์ส่วนตัว ในเฟสบุ๊คหน้า Feed ของเราจะแสดงในสิ่งที่เราชอบคลิกเข้าไปชม หรือแสดงกลุ่มเพื่อนที่เราคุ้นเคย ซึ่งสิ่งเหล่านี้ถูก Algorithm โดย AI สิ่งที่นำเสนอมานี้เป็นสิ่งที่ Lev Manovich เห็นว่าเราถูกจำกัดการปฏิสัมพันธ์ใน Cultural Practices จนทำให้เราในฐานะผู้ใช้งานไม่ได้พบเห็นสิ่งที่อยู่นอกเหนือการจัดการของ AI บนหน้า Feed ซึ่งการรับรู้ของเราก็จะจำกัดอยู่ในวงแคบจากการจัดการของ AI โดย Lev Manovich บอกว่าลักษณะเช่นตัวอย่างนี้ เป็น AI Aesthetics ซึ่งความหมายที่ Lev Manovich ให้มีความใกล้เคียงกับความเป็น Cultural Practices ค่อนข้างมาก
Lev Manovich เขาเห็นว่า AI เข้ามามีบทบาทในปฏิบัติการทางวัฒนธรรม สังเกตง่าย ๆ จากประสบการณ์ส่วนตัว ในเฟสบุ๊คหน้า Feed ของเราจะแสดงในสิ่งที่เราชอบคลิกเข้าไปชม หรือแสดงกลุ่มเพื่อนที่เราคุ้นเคย ซึ่งสิ่งเหล่านี้ถูก Algorithm โดย AI
วิริยะ สว่างโชติ
ในช่วงปี 2010 Lev Manovich เขาสนใจศึกษาภาพ Visual โดยศึกษาการโพสต์ภาพในแอปพลิเคชันอินตราแกรมของ 10 เมืองทั่วโลกมีทั้ง Bangkok / Sao Paulo / London / Paris เมืองใหญ่ ๆ อีกหลายเมือง ศึกษาไปที่ภาพของกลุ่มวัยรุ่น แล้วให้คอมพิวเตอร์ประมวลผลออกมาเป็นภาพ Visual เขาพบว่ามีพฤติกรรมของการโพสต์ภาพในเมืองในลักษณะที่คล้าย ๆ กัน จากกลุ่มตัวอย่างที่เขาใช้หลายล้านตัวอย่าง โดยภาพที่ออกมาคล้ายกันนี้เป็นภาพที่เราไม่เคยเห็น หรือเป็นภาพที่เราไม่ค่อยคุ้นเคยในชีวิตประจำวัน โดยภาพที่ว่านี้กลับไปโผล่ในอินสตราแกรม เช่น ภาพชุมชนย่านสลัม ภาพของย่านอาชญากรรม ที่ในชีวิตประจำวันเราจะไม่มีโอกาสเข้าไป อย่างย่านใน Sao Paulo ซึ่งเป็นย่านเขตชุมชนแออัดขนาดใหญ่ คนข้างนอกก็ไม่กล้าเข้าไป แต่มันก็จะมีจุดที่นักท่องเที่ยวเข้าไป แล้วก็ถ่ายรูปย่านนั้นขึ้นมาบนอินสตราแกรม หลังจากนั้นพื้นที่เหล่านั้น ก็อาจจะถูกแปลความหมายไปอีกชุดหนึ่ง พื้นที่ที่มันกลายเป็น Criminal Space มันอาจจะกลายเป็น Touristic Space ไปเลย
เวลาเราจะศึกษาพฤติกรรม เช่น ศึกษาพฤติกรรมการโพสต์อินสตราแกรม สมมติว่าผมเป็นผู้ทำงานด้านนิเทศศาสตร์ ผมอาจจะใช้ตัวอย่างสัก 200 ตัวอย่าง แล้วก็ใช้การประมวลผลหรือว่าการสัมภาษณ์ แล้วมาประมวลผลหาค่าทางสถิติ วิธีนี้เป็นวิธีการเชิงปริมาณ อีกวิธีการคือเป็นการลง Field Work เพื่อเก็บข้อมูลสัมภาษณ์เชิงลึก แบบนี้การทำงานวิจัยเชิงคุณภาพ คำอธิบายความคิดของ Lev Manovich ในการทำงานของเขา ก็คือ ปริมาณคือคุณภาพ วิธีการของ Lev Manovich มาทำลายทั้งสองอย่างไป (ปริมาณและคุณภาพ) วิธีการของเขาสามารถอ่านพฤติกรรม ทำความเข้าใจพฤติกรรมของคน สิ่งที่เขาทำคือ การวิเคราะห์ Cultural Data โดย Cultural AI
ผมขอพูดเพิ่มเติมเกี่ยวกับในหนังสือ AI Aesthetics สิ่งที่ผู้เขียนยกถึงตัวอย่าง คือ ตัวอย่างของคอมพิวเตอร์ที่เราใช้ในชีวิตประจำวัน ภาพจากกล้องมือถือ หรือว่าโปรแกรมต่าง ๆ หรือ Search Engine ต่าง ๆ ที่มันเกี่ยวข้องกับชีวิตประจำวัน เพราะฉะนั้น เวลาเขาพูดถึงตัว AI หมายถึง AI Culture มากกว่า AI Aesthetics เสียด้วยซ้ำ มันก็เลยเป็นสิ่งที่เราสัมผัสได้ในชีวิตประจำวัน ไม่ได้มีศัพท์แสงทางด้านเทคนิค แล้วก็อีกอย่างหนึ่งที่เห็นได้จากงานของ Lev Manovich ก็คือ ปรากฎการณ์ทางวัฒนธรรมซึ่งเกิดขึ้นโดยผ่านการวิเคราะห์ Culture Analytics แบบที่ผู้เขียนเสนอ ผมเคยคุยกับ Lev Manovich ครั้งหนึ่ง ผมส่งงานให้เขาอ่าน แล้วเขาบอกว่า ทำไมคุณใช้ Term คำว่า Subculture เขาตอบว่า เวลาเราใช้ Term คำว่า Subculture ให้เป็นส่วนที่ต่อต้าน Dominant Culture หรือว่าเป็นส่วนของวัฒนธรรมใหญ่ที่แยกไม่ออกแล้ว จากพฤติกรรมที่เขาศึกษากันผ่าน Instagram เพราะฉะนั้น ผมคิดว่าถ้าเรากลับไปหากรอบความคิดทางด้านสังคมศาสตร์ ซึ่งเวลานั้นเราจะศึกษาตัวการต่อต้านทางวัฒนธรรม กับ Dominant Culture มันอาจจะ Framework ที่เราคิดกันมาแบบแต่ก่อนนั้น อาจจะใช้ไม่ได้กับสิ่งที่เราจะค้นพบหรือว่ากับการวิเคราะห์ใน Cultural Analytics แบบที่ Lev Manovich พูดถึง ในงาน AI Aesthetics ที่ผมกำลังแปล

ปิยณัฐ: อาจารย์ปิยบุตรมีอะไรแลกเปลี่ยนในประเด็นนี้หรือไม่ เรื่องของปริมาณคือคุณภาพ ถ้าในเชิงการนิยามมันเป็นจริงไหม?
ปิยบุตร: ผมคิดว่า Lev Manovich เขียนงานชิ้นนี้ คือเขาพยายามจะให้มันเป็นหมุดหมายสำคัญหมุดหมายหนึ่งของโลกศิลปะ ตอนนี้เทคโนโลยีเป็นตัวแปรสำคัญสำหรับการเปลี่ยนสกุลของงานศิลปะ ดังนั้น การมีอยู่ของเทคโนโลยี (ที่เราเรียกกันว่า AI โดยรวม ๆ) กำลังเปลี่ยนแปลงการทำงานศิลปะไปอีกแบบหนึ่ง ผมคิดว่ามุมมองของ Lev Manovich ที่มีเขามีต่อเทคโนโลยี คือ มันก้าวไปไกลกว่างานที่ผมยกตัวอย่าง 3 ชิ้น หรืองานอิสตราแกรมที่คุณวิริยะยกตัวอย่าง ในทางปรัชญามี Dichotomy อยู่ หมายถึง มีทางที่ไม่สามารถสมานกันได้ ตั้งแต่ยุคโมเดิร์นแล้ว ข้อถกเถียงทางญาณวิทยา ก็เถียงกันว่าอะไรคือที่มาของความรู้ระหว่างเหตุผลหรือประสบการณ์
ทีนี้พอมาเป็นพูดถึง AI ทัศนะของการสร้างจักรกล ผมขออนุญาตอ้างงานของผมที่เคยพูดที่งานเวทีวิจัยมนุษยศาสตร์ไทยครั้งที่ 12 ผมได้เสนอไว้ 2 ทาง ผมคิดว่ามันก็เป็นไปได้ทั้งสองทางที่เราจะมี AGI โดยข้อถกเถียงในยุคร่วมสมัยคือ Dichotomy ระหว่าง Analytics กับ Phenomenology โดยทั้ง Analytics และ Phenomenology แก้ปัญหาที่สร้างไว้จากนักปรัชญาก่อนหน้าที่พวกเขาพยายามจะ Resolve ปัญหา ว่ามันมี Subject Object และสองสิ่งนี้มารวมกันอย่างไร ปัญหาของ Body กับ Mind ว่ามีจริงหรือเปล่า และมันรวมกันได้อย่างไร หรือว่าถ้าสมมติมันมีทั้ง Body กับ Mind แล้วมันติดต่อกันอย่างไร
ฝั่ง Analytics ตอบว่า เราไม่เคยปราศจากการใช้ภาษา เพราะฉะนั้นภาษาเป็นสื่อกลางระหว่างเรากับโลกอยู่แล้ว มนุษย์เราคือ Subject ส่วนโลกก็คือ Object ภาษาจึงเป็นสิ่งที่เราควรจะไปให้ความสนใจ ส่วนฝั่ง Phenomenology ไม่เชื่ออย่างนั้น ไม่เชื่อว่ามีสื่อกลาง เชื่อว่ามนุษย์เรามี Direct Perception หรือการรับรู้โลกโดยตรงได้ เพราะว่าเรากับโลกปะทะกันเสมอ การมีอยู่มันเกิดขึ้นเมื่อตัว Subject กับ Object ปะทะกัน ยกตัวอย่างเช่น ถ้าเรามามองมุมมองการออกแบบตัวจักรกลว่าจะสามารถมีจิตสำนึกแบบมนุษย์ได้หรือไม่ ซึ่งเป็นทฤษฎีแบบ Computational Theory of Mind ก็คือการพยายามที่จะหาข้อมูลให้ได้มากที่สุด ในแง่หนึ่งก็คือ ถ้าคุณอยากจะสร้าง AI ที่เหมือนมนุษย์ คุณก็ต้องรู้ข้อมูลทั้งหมดของมนุษย์ แต่มันไม่ใช่มนุษย์อย่างเดียว คือคุณก็ต้องรู้ข้อมูลของโลกด้วย ดังนั้นคุณต้องมีข้อมูลมากที่สุด เช่น ถ้าคุณจะสร้างหุ่นยนต์ให้มันเดินโดยไม่สะดุด คุณก็ต้องทำให้หุ่นยนต์มีข้อมูลว่าทางที่มันจะเดินคืออะไร และมันจะใช้อะไรในการออกคำสั่งให้มันก้าวเดิน อันนี้ก็คือ Computational Theory of Mind
ในขณะที่ถ้าเป็นการออกแบบตามทัศนะแบบ Phenomenology คุณก็ต้องทำให้ตัวจักรกลสามารถที่จะมี Perception แบบโลกได้ ผมยกตัวอย่าง อย่าง Boston Dynamics ผมคิดว่าเขากำลังพัฒนาจักรกลไปในแนวทางแบบ Phenomenology โดยเขาสามารถผลิตหุ่นยนต์ให้สามารถเดินอยู่ในพื้นดินที่ไม่เรียบได้ โดยสร้างเซนเซอร์ ณ ชั่วขณะนั้น ที่มันเดิน ไม่ว่าจะเป็น Gyroscope หรือเป็นอะไร คือทำให้หุ่นยนต์ Balance ได้ ตอบสนองกับโลกได้ ต่างไปจากการออกแบบตัวจักรกลแบบเก่าที่ต้องบรรจุข้อมูลไปก่อน
จาก 2 ทรรศนะที่ผมกล่าวถึง งานแบบ Lev Manovich มันกำลังพยายามที่จะบอกว่า จักรกลมันกำลังจะทำในสิ่งที่มนุษย์ทำไม่ได้ หรือหากย้อนกลับไปที่เบิร์คเลย์ กับตัวอย่างของงาน สิ่งบอกกับเรา คือ หากเราไม่มีเทคโนโลยี เราก็จะไม่สามารถที่จะมีงานศิลปะแบบนั้นได้ ปริมาณหรือคุณภาพจึงแยกกันไม่ได้อีกต่อไป ผมคิดว่ามันกำลังเป็นยุคที่ทุกอย่างมันกำลังจะสมานกัน อยากจะยกตัวอย่างหนึ่งคือ Conclusion : Further thoughts about Machine Vision ซึ่งเป็นภาพที่ทุกคนน่าจะรู้จักกันดี เป็นการพยายามที่จะถ่ายภาพหลุมดำ โดยการที่เรามองเห็นหลุมดำเป็นภาพอย่างที่ออกมาได้ เป็นไปไม่ได้เลยที่จะปราศจากเทคโนโลยี และปราศจากข้อมูล และการประมวลผลจำนวนมหาศาล เพราะฉะนั้นคือเบิร์คเลย์ มันยิ่งถูก ในแง่ที่ว่าสายตาของเรา จักษุประสาทของเราไม่เพียงพอกับการที่เรารับรู้โลกอยู่แล้ว และถ้าเราปราศจากเทคโนโลยี ปราศจากสื่อ เราจะไม่มีทางเห็นภาพหลุมดำได้ ในแง่ของศิลปะ วันใดวันหนึ่งเราอาจจะมี AI ที่สร้างงานศิลปะที่มนุษย์จะต้องไปเรียนรู้ AI จะก้าวข้ามความเป็นมนุษย์ของเราไป อีกหน่อยเราอาจจะต้องไปพยายามทำความเข้าใจศิลปะที่ AI มันสร้างก็ได้

วรัญญู: ผมขอเสริมนิดหนึ่ง ในทาง Computer Science นอกจาก AI มีแขนงหนึ่ง เรียกว่า Evolutionary Computation (EC) คือการนำเอาทฤษฎีวิวัฒนาการมาเพื่อใช้ในการพยายามสร้างโมเดล มีความเกี่ยวข้องกับการคำนวณ เรื่องยีน การเปลี่ยนพันธุกรรม มี Mutation มี Crossover มีความพยายามจะแปลงสิ่งที่เห็นในธรรมชาติมาเป็นระบบคอมพิวเตอร์ หรือมีความพยายามในการเอา AI กับ EC มา Hybrid กันก็เกิดขึ้นมาแล้ว ในความรู้สึกส่วนตัวผมเชื่อว่า Creativity มันน่าจะเกิดขึ้นได้ เพราะจริง ๆ แล้ว คนเราทำงานศิลปะมันมาจากประสบการณ์ มาจากอะไรต่าง ๆ เพราะฉะนั้น การที่ AI เรียนรู้ได้ ก็คือการสั่งสมประสบการณ์ และหาก AI มีการแลกเปลี่ยนประสบการณ์กันในระหว่าง Machine ด้วยกัน มีการ Crossover มี Mutation ด้วย EC ในทางส่วนตัว ผมเชื่อว่า Creativity ใน AI มันเกิดขึ้นได้ ณ จุดหนึ่งในอนาคต ซึ่งผมก็คิดว่าไม่ไกล เราน่าจะได้เห็นแน่ ๆ
คนเราทำงานศิลปะมันมาจากประสบการณ์ … การที่ AI เรียนรู้ได้ ก็คือการสั่งสมประสบการณ์ และหาก AI มีการแลกเปลี่ยนประสบการณ์กันในระหว่าง Machine ด้วยกัน … ผมเชื่อว่า Creativity ใน AI มันเกิดขึ้นได้ ณ จุดหนึ่งในอนาคต
วรัญญู วรชาติ
ปิยบุตร: ผมเห็นด้วยครับอาจารย์วรัญญู โดยเฉพาะเรื่องขีดจำกัดของจักรกลที่มันไม่เหมือนมนุษย์ อย่างน้อยคือมันไม่ได้มีเวลาจำกัด อีกอย่างหนึ่งทรัพยากรมันก็เพิ่มได้ ( Duplicate ได้ ) ทัศนะแบบ Elon Musk ที่ว่า ถ้าเราอยากจะอยู่เหนือ AI อยู่เสมอ เราต้องเพิ่มตัวทรัพยากรของมนุษย์ให้ได้
วงเสวนาพาเพลินจนลุล่วงแก่เวลา 21.00 น. อาจารย์ปิยณัฐจึงส่งท้ายวงเสวนาด้วยบทสรุปที่ยังรอคอยคำตอบว่า
ปิยณัฐ: การพูดคุยของวันนี้ได้เปิดประเด็นแลกเปลี่ยนความคิดเห็นกันกับเรื่อง AI ในแวดวงทางวัฒนธรรมศึกษาที่เกี่ยวข้องทั้งศิลปะ ความงาม และความรู้สึก ซึ่งเราจะเห็นว่า AI นำมาซึ่งวิธีใหม่ ๆ ทางสังคมศาสตร์ ซึ่งไม่เคยมีมาก่อนและ AI นำมาซึ่งการสร้างงานศิลปะแบบที่ไม่เคยมีมาก่อนเช่นกัน ต้องมารอดูกันต่อไปว่ามันจะกลับมาส่งผลกับมนุษย์อย่างไรในอนาคต.
AI นำมาซึ่งวิธีใหม่ ๆ ทางสังคมศาสตร์ ซึ่งไม่เคยมีมาก่อนและ AI นำมาซึ่งการสร้างงานศิลปะแบบที่ไม่เคยมีมาก่อนเช่นกัน ต้องมารอดูกันต่อไปว่ามันจะกลับมาส่งผลกับมนุษย์อย่างไรในอนาคต
ปิยณัฐ ประถมวงษ์

ดูคลิปเสวนาได้ที่ >>> https://fb.watch/3K2_sgc55f/