ความรู้สามัญสำนึกในปัญญาประดิษฐ์ (Commonsense Knowledge in AI)

ในงานวิจัยด้านปัญญาประดิษฐ์ (AI) ความรู้สามัญสำนึก (Commonsense Knowledge) หมายถึงข้อเท็จจริงเกี่ยวกับโลกในชีวิตประจำวันที่มนุษย์ทุกคนถูกคาดหวังให้ทราบ เช่น "มะนาวมีรสเปรี้ยว" หรือ "วัวร้องมอ" ซึ่งในปัจจุบัน เรื่องนี้ยังคงเป็นปัญหาที่ยังไม่ได้รับการแก้ไขในด้านปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligence หรือ AGI) โดยโปรแกรม AI ตัวแรกที่พยายามจัดการกับความรู้สามัญสำนึกคือ Advice Taker ที่พัฒนาโดย John McCarthy ในปี 1959

การให้เหตุผลสามัญสำนึก (Commonsense Reasoning)

ความรู้สามัญสำนึกเป็นรากฐานของกระบวนการให้เหตุผล เพื่อให้ AI สามารถอนุมานสิ่งต่างๆ ได้ เช่น "คุณอาจจะอบเค้กเพราะคุณต้องการให้คนอื่นกินเค้ก" นอกจากนี้ยังช่วยในการแก้ปัญหาเมื่อข้อมูลไม่ครบถ้วน โดยการใช้ความเชื่อที่ยอมรับกันทั่วไปเกี่ยวกับวัตถุในชีวิตประจำวันเพื่อสร้าง ข้อสันนิษฐานเริ่มต้น (Default Assumptions)

ตัวอย่างเช่น หาก AI ทราบว่า "ทวีตตี้เป็นนก" และมีความรู้สามัญสำนึกว่า "โดยปกติแล้วนกบินได้" AI จะสันนิษฐานว่า "ทวีตตี้บินได้" แต่หากภายหลังได้รับข้อมูลใหม่ว่า "ทวีตตี้เป็นนกเพนกวิน" ระบบจะใช้กระบวนการรักษาความจริง (Truth Maintenance Process) เพื่อแก้ไขข้อสันนิษฐานเดิม เนื่องจากเพนกวินบินไม่ได้

ความท้าทายในการให้เหตุผล

การให้เหตุผลสามัญสำนึกจำลองความสามารถของมนุษย์ในการคาดการณ์สถานการณ์ทั่วไป และการเปลี่ยนความคิดเมื่อมีข้อมูลใหม่ ซึ่งรวมถึงเรื่องของเวลา ข้อมูลที่ขาดหาย และเหตุและผล ความสามารถในการอธิบายเหตุและผลนี้เป็นส่วนสำคัญของ Explainable AI (XAI)

อย่างไรก็ตาม โปรแกรมคอมพิวเตอร์ในปัจจุบันยังทำผลงานได้ไม่ดีนักในการทดสอบมาตรฐาน เช่น Winograd Schema Challenge นักวิจัยบางส่วนเชื่อว่าการบรรลุความสามารถระดับมนุษย์ในด้านนี้อาจเป็นปัญหาแบบ "AI-complete" ซึ่งหมายความว่าการจะแก้ปัญหานี้ได้ จำเป็นต้องสร้างปัญญาประดิษฐ์ที่มีระดับสติปัญญาเทียบเท่ามนุษย์อย่างสมบูรณ์

การสร้างฐานความรู้สามัญสำนึก (CSKB Construction)

การรวบรวมฐานความรู้สามัญสำนึก (Commonsense Knowledge Bases - CSKBs) ที่ครอบคลุมเป็นความท้าทายที่ยาวนาน โดยมีวิวัฒนาการดังนี้:

• ยุคเริ่มต้น: เน้นการใช้ผู้เชี่ยวชาญ เช่น โครงการ CYC และ WordNet
• ยุค Crowdsourcing: โครงการ OpenMind Commonsense ซึ่งนำไปสู่การสร้าง ConceptNet
• ยุคอัตโนมัติ: การใช้การทำเหมืองข้อความ (Text Mining) เช่น WebChild, Quasimodo และการดึงข้อมูลจากโมเดลภาษาขนาดใหญ่ (LLMs) เช่น AutoTOMIC

ความท้าทายที่ยังคงอยู่คือรูปแบบการนำเสนอข้อมูล ซึ่งส่วนใหญ่ใช้โมเดลข้อมูลแบบ Triple (ประธาน-กริยา-กรรม) ซึ่งอาจไม่เหมาะกับประโยคภาษาธรรมชาติที่ซับซ้อน

การประยุกต์ใช้งาน

ความรู้สามัญสำนึกถูกนำไปใช้ในหลายด้าน เช่น:

• BullySpace: พัฒนาโดย MIT เพื่อตรวจจับการกลั่นแกล้งบนโซเชียลมีเดีย โดยใช้ข้อมูลเกี่ยวกับทัศนคติและภาพลักษณ์ทางสังคมเพื่อวิเคราะห์ว่าข้อความใดเป็นการดูถูก
• Chatbots และการแต่งนิยาย: ใช้ ConceptNet เพื่อให้ AI สามารถสร้างบทสนทนาหรือเรื่องราวที่สมเหตุสมผล
• ความมั่นคง: ห้องปฏิบัติการแห่งชาติ Lawrence Livermore ใช้เอเจนต์ซอฟต์แวร์อัจฉริยะในการตรวจจับการละเมิดสนธิสัญญาห้ามทดลองนิวเคลียร์

ตัวอย่างความสัมพันธ์ใน ConceptNet