อุตสาหกรรมเทคโนโลยีกำลังเผชิญกับการเปลี่ยนแปลงพื้นฐานจากระบบซอฟต์แวร์แบบกำหนดได้ไปสู่โมเดล AI แบบความน่าจะเป็น ซึ่งก่อให้เกิดการถกเถียงอย่างรุนแรงว่าสิ่งนี้เป็นความก้าวหน้าที่แท้จริงหรือเป็นเพียงการโฆษณาชวนเชื่อที่อันตราย การอภิปรายล่าสุดเน้นย้ำถึงความกังวลที่เพิ่มขึ้นเกี่ยวกับการสร้างผลิตภัณฑ์รอบระบบที่ให้ผลลัพธ์ที่คาดเดาไม่ได้ ซึ่งท้าทายแนวปฏิบัติทางวิศวกรรมที่ยึดถือมาหลายทศวรรษ
ความแตกต่างระหว่างระบบกำหนดได้กับความน่าจะเป็น
วิศวกรรมซอฟต์แวร์แบบดั้งเดิมพึ่งพาระบบที่คาดเดาได้และกำหนดได้มาอย่างยาวนาน ซึ่งข้อมูลนำเข้าจะให้ผลลัพธ์ที่สม่ำเสมอ วิศวกรสามารถติดตามทุกขั้นตอนของการทำงานของโปรแกรมและเข้าใจได้อย่างแม่นยำว่าข้อมูลไหลผ่านเครือข่ายและแอปพลิเคชันอย่างไร อย่างไรก็ตาม ระบบ AI เช่น large language models ทำงานแตกต่างออกไป - พวกมันสร้างการตอบสนองโดยอิงจากการกระจายความน่าจะเป็นมากกว่ากฎที่ตายตัว
การเปลี่ยนแปลงนี้ได้สร้างสิ่งที่นักพัฒนาบางคนอธิบายว่าเป็นเอฟเฟกต์เครื่องสล็อต ซึ่งผู้ใช้ป้อนคำขอด้วยความแน่นอนแต่ได้รับผลลัพธ์ที่คาดเดาไม่ได้ การเปรียบเทียบนี้โดนใจผู้ที่เคยทำงานกับเครื่องมือสร้างภาพอย่าง Stable Diffusion อย่างมาก ซึ่งคำสั่งเดียวกันสามารถให้ผลลัพธ์ที่แตกต่างกันอย่างมาก
ระบบกำหนดได้: ซอฟต์แวร์ที่ให้ผลลัพธ์เดียวกันสำหรับข้อมูลนำเข้าเดียวกันทุกครั้ง การกระจายความน่าจะเป็น: ฟังก์ชันทางคณิตศาสตร์ที่อธิบายความเป็นไปได้ของผลลัพธ์ที่แตกต่างกัน
ความท้าทายทางเทคนิคที่สำคัญ:
- ต้นทุนที่แน่นอนเทียบกับผลลัพธ์แบบสุ่มที่สร้างความหงุดหงิดให้กับผู้ใช้
- ปัญหาการหลอนของ AI ในสาขาที่ต้องการความแม่นยำทางข้อเท็จจริง
- ความจำเป็นในการใช้แนวทางการทดลองทางวิทยาศาสตร์เทียบกับวิธีการวิศวกรรมแบบดั้งเดิม
- ความยากลำบากในการดีบักและติดตามพฤติกรรมของระบบแบบความน่าจะเป็น
ความขัดแย้งทางวัฒนธรรมวิศวกรรม
การเปลี่ยนผ่านนี้ได้เปิดเผยความแตกแยกทางวัฒนธรรมภายในอุตสาหกรรมเทคโนโลยี วิศวกรแบบดั้งเดิมหลายคนแสดงความผิดหวังกับแนวทางทางวิทยาศาสตร์ที่จำเป็นสำหรับการพัฒนา AI - การทำการทดลอง การรวบรวมสถิติ และการปรับปรุงระบบแบล็กบ็อกซ์ มากกว่าการสร้างด้วยข้อกำหนดที่ชัดเจนและพฤติกรรมที่คาดเดาได้
หลายสิ่งที่ผู้เขียนพูดถึงโดนใจมาก แต่เรื่องความกำหนดได้นี่แหละคือเหตุผลที่ผมชอบการเขียนโปรแกรมและคอมพิวเตอร์ตั้งแต่แรก พวกมันซับซ้อนแต่เรียบง่าย พวกมันทำงานตามกฎที่ตรงไปตรงมาและมนุษย์สร้างขึ้น
ความรู้สึกนี้สะท้อนถึงความกังวลที่กว้างขึ้นเกี่ยวกับการสูญเสียความแม่นยำทางวิศวกรรมที่ทำให้ระบบคอมพิวเตอร์เชื่อถือได้และแก้ไขจุดบกพร่องได้ นักวิจารณ์โต้แย้งว่าการยอมรับระบบความน่าจะเป็นหมายถึงการละทิ้งการวางแผนอย่างเป็นระบบและวิศวกรรมที่สร้างโครงสร้างพื้นฐานเทคโนโลยีในปัจจุบัน
มุมมองของชุมชน:
- วิศวกรแบบดั้งเดิมชอบระบบที่มีความแน่นอนและคาดเดาได้
- นักวิทยาศาสตร์/นักวิจัยรู้สึกสบายใจกับแนวทางที่อิงความน่าจะเป็นมากกว่า
- ความกังวลเกี่ยวกับการสูญเสียความแม่นยำและความน่าเชื่อถือทางวิศวกรรม
- การถกเถียงว่าการนำ AI มาใช้ในปัจจุบันเป็นตัวแทนของความก้าวหน้าที่แท้จริงหรือเป็นเพียงกระแสโฆษณาชวนเชื่อ
ปัญหาการหลอนของ AI
ใจกลางของการถกเถียงคือการจัดการกับการหลอนของ AI - กรณีที่โมเดลสร้างข้อมูลที่ไม่ถูกต้องหรือไร้สาระ แม้ว่าบางคนจะโต้แย้งว่าคำถามไม่ใช่ทุกข้อมีคำตอบที่ถูกต้องแน่นอน คนอื่นๆ ชี้ให้เห็นว่าคำถามเกี่ยวกับฟิสิกส์ คณิตศาสตร์ และช่องโหว่ของโค้ดนั้นมีคำตอบที่แน่นอนอยู่แล้ว ความกังวลคือระบบ AI ปัจจุบันไม่ค่อยยอมรับความไม่แน่นอนด้วยคำตอบง่ายๆ ว่า ไม่ทราบ
ความท้าทายจะซับซ้อนมากขึ้นเมื่อพิจารณาว่าระบบความน่าจะเป็นเหล่านี้กำลังถูกนำไปใช้ในสภาพแวดล้อมการผลิตที่ความเชื่อถือได้มีความสำคัญ ต่างจากการตั้งค่าการวิจัยที่คาดหวังการทดลอง แอปพลิเคชันทางธุรกิจต้องการประสิทธิภาพที่สม่ำเสมอและต้นทุนที่คาดเดาได้
การตรวจสอบความเป็นจริงของอุตสาหกรรม
แม้จะมีการถกเถียงทางปรัชญา การนำไปใช้จริงยังคงดำเนินต่อไป คนหลายร้อยล่านคนใช้โมเดลภาษา AI ทุกวันในปัจจุบัน ซึ่งบ่งชี้ว่าผู้ใช้กำลังปรับตัวเข้ากับการโต้ตอบแบบความน่าจะเป็น อย่างไรก็ตาม การนำไปใช้อย่างแพร่หลายนี้ไม่ได้แก้ไขความตึงเครียดพื้นฐานระหว่างต้นทุนที่กำหนดได้และผลลัพธ์แบบสุ่มที่เป็นลักษณะเฉพาะของผลิตภัณฑ์ AI หลายตัว
การอภิปรายยังสัมผัสถึงรูปแบบอุตสาหกรรมที่กว้างขึ้น โดยผู้สังเกตการณ์บางคนสังเกตเห็นความคล้ายคลึงกับฟองเทคโนโลยีในอดีต ความกังวลไม่จำเป็นต้องเกี่ยวกับระดับการใช้งาน แต่เกี่ยวกับการประเมินมูลค่าที่สูงเกินจริงและความคาดหวังที่ไม่สมจริงเกี่ยวกับความสามารถของ AI
 |
|---|
| แผนภูมิแท่งนี้สรุปอัตราการแปลงเป็นภาพ โดยเน้นตัวชี้วัดเชิงปฏิบัติในบริบทของการนำ AI มาใช้และพลวัตของอุตสาหกรรม |
มองไปข้างหน้า
การถกเถียงสะท้อนถึงคำถามที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับอนาคตของการพัฒนาซอฟต์แวร์ อุตสาหกรรมจะสามารถเชื่อมช่องว่างระหว่างแนวปฏิบัติวิศวกรรมแบบดั้งเดิมและระบบ AI แบบความน่าจะเป็นได้สำเร็จหรือไม่ หรือความตึงเครียดนี้จะนำไปสู่การปรับโครงสร้างที่พื้นฐานมากขึ้นของวิธีที่เราสร้างและนำเทคโนโลยีไปใช้
เมื่อเทคโนโลยีเติบโตขึ้น ความท้าทายอยู่ที่การพัฒนากรอบงานใหม่สำหรับการสร้างผลิตภัณฑ์ที่เชื่อถือได้ด้วยส่วนประกอบที่ไม่เชื่อถือได้โดยธรรมชาติ - ปัญหาที่อาจต้องการการคิดใหม่เกี่ยวกับสมมติฐานพื้นฐานเกี่ยวกับวิศวกรรมซอฟต์แวร์และการพัฒนาผลิตภัณฑ์