ยุคแห่งปัญญาประสานเสียง (Symphonic Intelligence)

ในกระบวนการทางธุรกิจยุคใหม่ การนำ Generative AI มาใช้ได้ก้าวข้ามเพียงการใช้งานเป็นเครื่องมือ และกำลังเข้าสู่ขั้นตอนของการรวมระบบอย่างเป็นขั้นเป็นตอน

เหนือสิ่งนี้ไปคือยุคใหม่ของปัญญา: "ปัญญาประสานเสียง" (Symphonic Intelligence)

บทความนี้จะสำรวจสถานะปัจจุบันและอนาคตของการนำ Generative AI มาใช้จากสองมุมมอง: งานแบบทำซ้ำ (Iterative Work) และ งานแบบมีขั้นตอน (Flow Work)

งานแบบทำซ้ำ (Iterative Work)

ในบทความก่อนหน้านี้ เราได้วิเคราะห์มุมมองของ "งานแบบทำซ้ำและเครื่องมือ" เทียบกับ "งานแบบมีขั้นตอนและระบบ" ในฐานะที่เป็นแนวคิดที่ช่วยให้ Generative AI สามารถทำงานทางธุรกิจได้

งานแบบทำซ้ำ หมายถึง งานที่มนุษย์นำงานย่อย ๆ ที่แตกต่างกันหลายงานมารวมกันโดยไม่รู้ตัว และดำเนินการผ่านการลองผิดลองถูก

และสำหรับงานแบบทำซ้ำนี้ เครื่องมือคือสิ่งที่ดีที่สุด การเลือกเครื่องมือที่เหมาะสมกับงานต่างๆ จะช่วยให้การทำงานดำเนินไปได้อย่างมีประสิทธิภาพ ดังนั้นจึงจำเป็นต้องรวบรวมชุดเครื่องมือที่จำเป็นและมีความเชี่ยวชาญในการใช้งาน

ปัจจุบัน เมื่อ Generative AI ถูกนำมาใช้ในธุรกิจ กรณีส่วนใหญ่เกี่ยวข้องกับการใช้ Generative AI ในฐานะเครื่องมือ

การพูดคุยส่วนใหญ่เกี่ยวกับการปรับปรุงประสิทธิภาพทางธุรกิจด้วย Generative AI มักจะหมายถึงการเพิ่มเครื่องมือใหม่ที่ทรงพลังนี้เข้าไปในชุดเครื่องมือที่มนุษย์ใช้สำหรับงานแบบทำซ้ำที่มีอยู่แล้วแทบทั้งสิ้น

ปัญหาของงานแบบทำซ้ำ (Iterative Work)

ในทางกลับกัน ดังที่ได้ชี้ให้เห็นในบทความก่อนหน้านี้ การเพิ่มประสิทธิภาพจากเครื่องมือในงานแบบทำซ้ำนั้นค่อนข้างจำกัด

เมื่อเครื่องมือมีประสิทธิภาพมากขึ้น ในที่สุดมนุษย์ก็จะกลายเป็นคอขวด ท้ายที่สุดแล้ว อุปสรรคของชั่วโมงการทำงานของมนุษย์ไม่สามารถเอาชนะได้

นอกจากนี้ ยังมีความแตกต่างอย่างมีนัยสำคัญในด้านประสิทธิภาพและความแม่นยำของงานแบบทำซ้ำระหว่างพนักงานเก่าและพนักงานใหม่ และเป็นการยากที่จะเชื่อมช่องว่างนี้ได้ ดังนั้น แม้ว่าคุณต้องการเพิ่มปริมาณงานเป็นสองเท่าในเดือนหน้า คุณก็ไม่สามารถจัดการได้หากไม่มีผู้ที่มีทักษะจากพนักงานเก่า

เพื่อแก้ไขปัญหาที่มนุษย์เป็นคอขวด ท้ายที่สุดแล้วก็จะต้องมีการนำปัญญาประดิษฐ์มาใช้แทนที่ทุกสิ่ง

อย่างไรก็ตาม Generative AI ในปัจจุบันยังไม่มีประสิทธิภาพในระดับนั้น

ยิ่งไปกว่านั้น แม้แต่งานแบบทำซ้ำที่ดูเหมือนง่าย เมื่อพิจารณาอย่างใกล้ชิด จะประกอบด้วยงานจำนวนมากที่ทำไปโดยไม่รู้ตัว

ด้วยเหตุผลนี้ จึงไม่สามารถลดงานเหล่านี้ให้เป็นระบบไอทีทั่วไป หรือคู่มือที่ใคร ๆ ก็ทำตามได้ จึงต้องอาศัยความชำนาญของมนุษย์

เว้นแต่ว่างานจำนวนมากที่ทำไปโดยไม่รู้ตัวและต้องอาศัยความชำนาญเหล่านี้ได้รับการจัดระเบียบ และความรู้ที่จำเป็นสำหรับแต่ละงานได้รับการบันทึกเป็นองค์ความรู้ Generative AI ไม่ว่าจะปรับปรุงประสิทธิภาพได้มากเพียงใด ก็ไม่สามารถเข้ามาแทนที่งานของมนุษย์ได้

การเปลี่ยนผ่านสู่ Flow Work และการจัดระบบ

เพื่อบรรลุเป้าหมายในการกระจายงานภายใต้ข้อจำกัดด้านประสิทธิภาพของ Generative AI ในปัจจุบัน และเป้าหมายในการจัดระเบียบงานที่ทำโดยไม่รู้ตัวและการจัดทำองค์ความรู้ให้เป็นระบบ การจัดระเบียบงานแบบทำซ้ำที่ต้องลองผิดลองถูกให้เป็นงานแบบมีขั้นตอนที่เป็นมาตรฐานมีความสำคัญอย่างยิ่ง

งานแบบมีขั้นตอนที่เป็นมาตรฐานไม่เพียงแต่เหมาะกับเครื่องมือเท่านั้น แต่ยังเหมาะกับระบบด้วย

ภายในงานแบบมีขั้นตอน จะมีงานที่ Generative AI ดำเนินการ และงานที่มนุษย์ดำเนินการ การเชื่อมโยงงานเหล่านี้ด้วยระบบ จะทำให้งานแบบมีขั้นตอนทั้งหมดสามารถดำเนินการได้

การเปลี่ยนผ่านสู่ Flow Work และการจัดระบบจะให้ผลลัพธ์ที่สำคัญหลายประการ

ประการแรกคือ Generative AI จะมีความเชี่ยวชาญเฉพาะสำหรับแต่ละงาน ทำให้ชัดเจนว่าจะเพิ่มประสิทธิภาพและความแม่นยำของ Generative AI สำหรับแต่ละงานได้อย่างไร

ประการที่สอง พนักงานหลายคนสามารถเพิ่มองค์ความรู้ให้กับ Generative AI ได้ และประโยชน์ที่ได้รับก็จะขยายไปถึงทุกคน

ประการที่สาม การค่อยๆ โอนถ่ายการแบ่งงานภายในงานนี้ให้กับ Generative AI จะกลายเป็นเรื่องง่าย

ด้วยวิธีนี้ การเปลี่ยนงานแบบทำซ้ำให้เป็นงานแบบมีขั้นตอน และการสะสมองค์ความรู้ที่ Generative AI ต้องการสำหรับแต่ละงานในรูปแบบของระบบ จะทำให้งานที่ต้องใช้สติปัญญาเข้าใกล้การทำงานอัตโนมัติเหมือนสายการผลิตในโรงงาน

และด้วยการรวมการปรับปรุงประสิทธิภาพพื้นฐานของ Generative AI ที่พัฒนาไปตามกาลเวลา และการใช้ประโยชน์จากองค์ความรู้ที่สะสมไว้ซึ่งเชี่ยวชาญสำหรับงานต่างๆ จะทำให้งานแบบมีขั้นตอนทั้งหมดกลายเป็นกระบวนการอัตโนมัติที่ขับเคลื่อนโดย Generative AI ได้

ปัญญาเสมือน (Virtual Intelligence)

นี่คือบทสรุปของการวิเคราะห์จากมุมมองของงานแบบทำซ้ำและเครื่องมือ รวมถึงงานแบบมีขั้นตอนและระบบ

บทความอีกฉบับที่ฉันเพิ่งเขียนเมื่อเร็วๆ นี้ได้ต่อยอดการอภิปรายนี้ให้ลึกซึ้งยิ่งขึ้น

ในบทความนั้น ฉันได้กล่าวถึงหัวข้อของการจัดการโดยปัญญาเสมือน (orchestration by virtual intelligence)

ในปัจจุบันและในอนาคตอันใกล้ เนื่องจากข้อจำกัดด้านประสิทธิภาพ Generative AI ทำงานได้ดีขึ้นในแง่ของประสิทธิภาพและความแม่นยำเมื่อเน้นที่งานเฉพาะ

ดังนั้น ดังที่ได้กล่าวไว้ก่อนหน้านี้ในเรื่องงานแบบมีขั้นตอนและระบบ กลไกในอุดมคติคือการเชื่อมโยง Generative AI ที่เชี่ยวชาญสำหรับแต่ละงานเข้าด้วยกันผ่านระบบ

อย่างไรก็ตาม แม้ว่าประสิทธิภาพของ Generative AI จะดีขึ้นอย่างมีนัยสำคัญ แต่อาจมีประสิทธิภาพและแม่นยำกว่าที่จะประมวลผลโดยการสลับบทบาทและการใช้ความรู้ที่แตกต่างกันภายในรอบการประมวลผลเดียว แทนที่จะประมวลผลงานต่างๆ พร้อมกันไปทั้งหมด

วิธีนี้จะช่วยขจัดความจำเป็นในการใช้ระบบเพื่อเชื่อมโยง Generative AI เข้าด้วยกัน การดำเนินการที่คล้ายกับการรวมระบบจะเกิดขึ้นภายใน Generative AI เอง

นอกจากนี้ จากสถานการณ์ที่การจัดเรียงหรือการเพิ่มงานเป็นไปไม่ได้หากไม่มีการเปลี่ยนแปลงระบบ Generative AI เองจะสามารถตอบสนองได้อย่างยืดหยุ่น

นี่หมายถึงการนำงานที่ได้จัดทำเป็น Flow Work และจัดระบบแล้วกลับมาเป็นงานแบบทำซ้ำอีกครั้ง

อย่างไรก็ตาม งานแบบทำซ้ำที่กลับมาหลังจากผ่านกระบวนการทำ Flow Work และการจัดระบบนี้ จะอยู่ในสถานะที่มีความรู้ที่สามารถนำกลับมาใช้ใหม่ได้เกิดขึ้น แม้ว่าจะมีการเพิ่มจำนวน Generative AI หรือเปลี่ยนเวอร์ชันของมันก็ตาม

สิ่งนี้จะช่วยแก้ปัญหางานแบบทำซ้ำของมนุษย์ และช่วยให้สามารถทำงานที่ยืดหยุ่นคล้ายกับที่มนุษย์ทำได้

ในที่นี้ ฉันเรียกความสามารถของ Generative AI ในการสลับบทบาทและความรู้ระหว่างการดำเนินการเพียงครั้งเดียวว่า "ปัญญาเสมือน" (virtual intelligence) ซึ่งคล้ายคลึงกับเครื่องเสมือน (virtual machine) ของคอมพิวเตอร์

เช่นเดียวกับเทคโนโลยีเครื่องเสมือนที่จำลองคอมพิวเตอร์ที่แตกต่างกันโดยสิ้นเชิงให้ทำงานบนฮาร์ดแวร์เดียว Generative AI เดียวจะประมวลผลโดยการสลับบทบาทหลายบทบาท

Generative AI ได้รับความสามารถด้านปัญญาเสมือนนี้มาโดยธรรมชาติอยู่แล้ว นี่คือเหตุผลว่าทำไม Generative AI จึงสามารถจำลองการสนทนาที่เกี่ยวข้องกับคนหลายคน หรือสร้างนวนิยายที่มีตัวละครหลายตัวได้

หากความสามารถด้านปัญญาเสมือนนี้ดีขึ้นและได้รับความรู้ที่เพียงพอ ก็จะสามารถทำงานแบบทำซ้ำได้

การจัดการปัญญา (Intelligence Orchestration)

นอกจากนี้ ฉันยังเรียกความสามารถในการรวมบทบาทและความรู้ที่หลากหลายเข้าด้วยกันอย่างอิสระเพื่อทำงานต่าง ๆ ว่า "การจัดการปัญญา" (intelligence orchestration)

สิ่งนี้คล้ายคลึงกับเทคโนโลยีการจัดการ (orchestration technology) ที่ใช้ในการจัดการเครื่องเสมือน (virtual machines) หลายเครื่อง

เช่นเดียวกับเทคโนโลยีการจัดการที่ช่วยให้ระบบทำงานได้อย่างมีประสิทธิภาพโดยการเปิดใช้งานเครื่องเสมือนที่จำเป็นเมื่อต้องการ Generative AI ที่มีทักษะการจัดการปัญญาที่ได้รับการปรับปรุง ซึ่งเป็นความสามารถของปัญญาเสมือน จะสามารถทำงานแบบทำซ้ำได้อย่างยืดหยุ่น โดยรักษาประสิทธิภาพและความแม่นยำ ในขณะที่ใช้บทบาทและความรู้จำนวนมากได้อย่างเหมาะสม

ปัญญาประสานเสียง (Symphonic Intelligence)

Generative AI ที่ไปถึงขั้นนี้สามารถเรียกได้ว่า ปัญญาประสานเสียง (Symphonic Intelligence)

เช่นเดียวกับวงออร์เคสตรา ที่นักดนตรีแต่ละคนมีความเชี่ยวชาญในเครื่องดนตรีของตน เล่นเพลงเดียวในขณะที่ทำหน้าที่ของตน ปัญญาประสานเสียงสามารถเล่นซิมโฟนีของงานที่ต้องใช้สติปัญญาได้

ปัญญาประสานเสียงนี้เป็นแนวคิดใหม่ ซึ่งเป็นจุดสิ้นสุดของ Generative AI

อย่างไรก็ตาม ปัญญาประสานเสียงนั้นมีอยู่แล้ว

นั่นคือปัญญาของมนุษย์เรา

เป็นเพราะเรามีปัญญาประสานเสียงนี่เอง ที่ทำให้เราสามารถทำงานที่ซับซ้อนและต้องใช้สติปัญญาได้อย่างยืดหยุ่นโดยไม่รู้ตัว ผ่านงานที่ทำซ้ำๆ โดยใช้ความรู้ความชำนาญมากมาย

สุดท้าย: รูปแบบของ AGI

ด้วยการจัดหา Generative AI ซึ่งมีความสามารถในการจำลองปัญญาประสานเสียง ด้วยกระบวนการทำงานแบบ Flow Work และฐานความรู้สำหรับงานอื่นๆ มันจะสามารถจัดการกับงานแบบทำซ้ำได้หลายอย่าง

เมื่อมันสามารถจัดการกับงานแบบทำซ้ำที่แตกต่างกันจำนวนมากได้ มันก็มีแนวโน้มที่จะเข้าใจหลักการทั่วไปและรูปแบบโครงสร้างของความรู้ในงานเหล่านั้น

ณ จุดนั้น สำหรับงานแบบทำซ้ำที่ไม่เคยรู้จักมาก่อน เพียงแค่คำอธิบายง่ายๆ จากมนุษย์ มันก็จะสามารถเรียนรู้ความรู้ความชำนาญของงานนั้นได้เพียงแค่สังเกตว่ามนุษย์ทำงานนั้นอย่างไร

นี่คือปัญญาประสานเสียงที่แท้จริง เมื่อถึงขั้นนี้ มนุษย์ก็ไม่จำเป็นต้องใช้ความพยายามในการจัดทำ Flow Work หรือการจัดทำองค์ความรู้ให้เป็นระบบอีกต่อไป

นอกจากนี้ ความรู้ที่ Generative AI สะสมโดยอัตโนมัติเช่นนี้ สามารถแบ่งปันกันระหว่าง Generative AI ด้วยกันเองได้

เมื่อเป็นเช่นนั้น ขีดความสามารถในการเรียนรู้ของ Generative AI จะเหนือกว่ามนุษย์อย่างมาก

สิ่งนี้อาจกล่าวได้ว่าเป็นรูปแบบหนึ่งของ AGI