เมื่อไม่กี่สัปดาห์ที่ผ่านมา มีข่าวใหญ่ของวงการปัญญาประดิษฐ์หรือ AI (Artificial Intelligence) คือ ปัญญาประดิษฐ์ของบริษัท Deepmind ที่ชื่อ AlphaStar เล่นเกมวางแผนการรบชนะผู้เล่นระดับมืออาชีพที่เป็นมนุษย์ถึง 10 ต่อ 0 เกม!

ข่าวนี้ถือเป็นก้าวสำคัญ เพราะว่าเกมการวางแผนการรบ (RTS-Real Time Strategy) นี้มีความซับซ้อนกว่าหมากล้อมที่เคยเป็นข่าวก่อนหน้านี้ นั่นแสดงว่าชัยชนะครั้งใหม่ของปัญญาประดิษฐ์เป็นชัยชนะที่ยิ่งใหญ่กว่าครั้งก่อน

Starcraft II เวทีการประชันฝีมือของปัญญาประดิษฐ์

ความพยายามที่จะทดสอบ AI ด้วยการเล่นเกมวางแผนการรบมีมาเกือบทศวรรษแล้ว ในปี 2010 มีการแข่งขันเกม Starcraft ซึ่งมีการแข่งขันระหว่างมนุษย์กับ AI ด้วยซึ่งมนุษย์เอาชนะปัญญาประดิษฐ์ได้ทั้งหมด

eSport แนววางแผนการรบถูกใช้เป็นเครื่องวัดศักยภาพของปัญญาประดิษฐ์ เพราะว่าเป็นเกมที่มีความเป็นไปได้ของการตัดสินใจหลายแบบ ต่างจากหมากรุกหรือหมากล้อม หรือ โกะ ที่มีการตัดสินใจอยู่บนช่องในกระดาน และปัจจัยที่สำคัญที่ทำให้เกมวางแผนการรบเป็นตัวชี้วัดที่ดีของปัญญาประดิษฐ์ก็คือ เกมเป็นการวางแผนแบบเวลาจริง นั่นหมายความว่าจะต้องตัดสินใจทันที และจะต้องคิดหรือตัดสินใจล่วงหน้าในหลายๆ ด้าน ตั้งแต่การจัดสรรทรัพยากรเพื่อให้สร้างกองกำลังไปรบกับฝ่ายตรงข้าม การสร้างกองกำลังและวางตำแหน่งของชัยภูมิของฐานทัพ ไปจนถึงบังคับให้กองทัพของฝ่ายเราไปทำลายฐานทัพของฝ่ายตรงข้าม และในขณะเดียวกันก็ต้องป้องกันไม่ให้ฝ่ายตรงข้ามเข้ามาทำลายฐานของเราด้วย

จากรายงานของบริษัท Deepmind  เป้าหมายสำคัญในการสร้างปัญญาประดิษฐ์เพื่อเล่นเกมนี้ก็คือ เป็นบันไดขั้นที่หนึ่งไปสู่ปัญญาประดิษฐ์แบบทั่วไป (AGI – Artificial General Intelligence) เพราะว่าความสำเร็จในการตัดสนใจบนเกมที่ต้องคิดพร้อมๆกันหลายด้าน และถ้าหากทำได้ในระดับมนุษย์ก็เท่ากับว่า AI เข้าใกล้มนุษย์ไปอีกขั้น และการสร้าง AI ในครั้งนี้เป็นความร่วมมือโดยตรงกับบริษัท Blizzard Entertainment ผู้สร้างเกม Starcraft ซึ่ง Blizzard เป็นผู้ร่วมพัฒนาเกมในเวอร์ชันเพื่อการวิจัยปัญญาประดิษฐ์โดยเฉพาะ (Blizzard เป็นบริษัทที่สร้างเกมชื่อดังหลายๆเกมเช่น  Diablo, Warcraft, World of Warcraft และยังมี eSport ระดับต้นๆ เช่น Overwatch, Heartstone รวมถึง Starcraft ด้วย)

การแข่งขันระหว่างมนุษยและ AlphaStar ครั้งนี้แข่งบนแผนที่ Catalyst ในแพทช์ 4.6.2 ซึ่งเป็นแผนที่ที่ผู้เล่นเวอร์ชั่นปกติมีในเกม และเป็นการแข่งขันที่จำกัดให้ผู้เล่นทั้งมนุษย์และ AlphaStar เลือกเผ่า Protoss เท่านั้น (ในเกมจะมีเผ่าให้เลือกสามเผ่า)

แผนที่ Catalyst สำหรับการแข่งขันแบบ 1 ต่อ 1 (ภาพจาก https://liquipedia.net/starcraft2/Catalyst_LE)

ผู้เล่นมืออาชีพที่แข่งขันกับ AlphaStar ในครั้งนี้คือ TLO และ MaNa ซึ่งเป็นผู้เล่นระดับมืออาชีพของเกม Starcraft II ซึ่ง TLO ปัจจุบันอยู่ในอันดับที่ 58 และ Mana อยู่ในอันดับ 16 เหตผลที่เลือก TLO เพราะว่ามีสไตล์การเล่นที่สร้างสรรค์ และเป็นคนที่สามารถวิเคราะห์และให้ความเห็นเกี่ยวกับเกมได้ แต่ TLO ไม่ใช่ผู้เล่นที่ถนัดเผ่า Protoss การแข่งขันครั้งนี้จึงติดต่อ MaNa ที่ถนัดการเล่นเผ่า Protoss และอยู่ทีม Liquid เช่นเดียวกันกับ TLO (Liquid นับเป็นทีม Esport อันดับต้นๆ ของโลก ที่รวมผู้เล่นในเกม Esport ชั้นนำไว้ด้วยกัน) แต่ผลการแข่งขันก็คือ ผู้เล่นมนุษย์ระดับมืออาชีพแพ้ Alphastar ทุกเกม

AlphaStar แชมป์ในลีกของ AI

ความพิเศษของ AlphaStar ก็คือ เป็นปัญญาประดิษฐ์ที่พัฒนาให้เริ่มต้นเล่นเกม Starcraft II ด้วยตัวเอง หมายความว่า มนุษย์ใส่ข้อมูล กฎของการเล่นเกมให้กับ AlphaStar แล้วปล่อยให้มันฝึกฝนด้วยตัวเองผ่าน Machine Learning รูปแบบการเล่นของ AlphaStar จึงเป็นวิธีการเล่นที่มันสร้างขึ้นมาเองโดยที่มนุษย์ไม่ได้โปรแกรมสไตล์การเล่นให้กับมัน

การฝึกเล่น Starcraft II ในแบบ AI เป็นการปล่อยให้ Agent ซึ่งก็คือ AI แต่ละตัวแข่งขันกันเองในทัวร์นาเมนต์ที่เรียกว่า AlphaStar League แล้วเลือกผู้ชนะที่ดีที่สุดมาห้าตัว ดังนั้น เกมทั้งห้าเกมที่มืออาชีพแข่งก็คือการแข่งกับ Agent ทั้งห้าตัวที่แตกต่างกัน (ทางทีมงานมาบอกกับมืออาชีพทีหลังว่ามี Agent ทั้งหมดห้าตัว) ซึ่ง Agent ในทัวร์นาเมนต์นี้จะถูกฝึกให้เล่นด้วยการป้อนข้อมูลการเล่นที่ได้จากมนุษย์ แล้วให้มันเลียนแบบวิธีการเล่นของมนุษย์เป็นเวลาสามวัน ก่อนจะนำมาแข่งกันเองกับ Agent ตัวอื่นๆ และการแข่งขัน AlphaStar League ใช้เวลาเจ็ดวัน แต่การแข่งแบบ AI มีการปรับเวลาของเกมให้เร็วขึ้น ถ้าหากนับเวลาจริงแล้ว Agent ที่ดีที่สุดมีประสบการณ์เทียบกับการเล่นของมนุษย์เกือบ 200 ปีเลยทีเดียว

ลักษณะอีกอย่างหนึ่งในเกมของ AI ก็คือ  AI มองเกมแบบเห็นทั้งแผนที่พร้อมกันหมด ซึ่งเป็นมุมมองที่แตกต่างจากมนุษย์ที่มองแบบผู้เล่นปกติ (คือ เห็นเฉพาะกรอบที่หน้าจอแสดงผลและดูภาพรวมจากแผนที่เล็กด้านล่าง)

นอกจากนี้ ความเร็วในการแข่งกันของ AlphaStar ถูกปรับให้ใกล้เคียงกับมนุษย์ เพราะว่า Agent ไม่ได้บังคับด้วยเมาส์และคีย์บอร์ด การแข่งขันครั้งนี้วัดด้วย APM (action per minute การบังคับเกมต่อนาที) จากในจอจะเห็นว่า Agent มี APM ต่ำกว่า แสดงว่า Agent มีการตัดสินใจที่เป็นประโยชน์กับเกมมากกว่า และการวัดความเร็วนี้เป็นการตั้งค่าของ Agent ให้รับรู้เกม-ประมวลผล-ตัดสินใจ ในระยะเวลาใกล้เคียงกับการเล่นของมนุษย์คือ ประมาณ 350 millisecond

ชัยชนะของ AlphaStar อีกก้าวหนึ่งสู่เป้าหมาย General AI

มันก็ไม่ผิดเสียทีเดียว หากจะมองว่าการพัฒนา AlphaStar เป็นก้าวหนึ่งไปสู่ปัญญาประดิษฐ์ที่คิดเหมือนมนุษย์ เพราะเกมแนว RTS เป็นตัวอย่างที่ดีในการจัดการข้อมูลและปัจจัยต่างๆ เพื่อต่อสู้กับฝ่ายตรงข้าม เทียบได้กับการจัดการงานหลายๆ อย่างพร้อมกันในสมองของมนุษย์ (Multi-Tasking) แต่ถ้าหากจะพูดถึงความเป็นปัญญาประดิษฐ์ที่เทียบกับการทำงานของสมองมนุษย์แล้ว มันอาจจะเทียบกันไม่ได้เสียทีเดียว

สำหรับเกมที่ต้องจัดการงานหลายๆ อย่างพร้อมกันอย่าง RTS การเล่นได้ชนะผู้เล่นมืออาชีพ ก็ถือได้ว่า AlphaStar เล่นได้เก่งกว่ามนุษย์ทั่วๆ ไป เช่นเดียวกับ AlphaGo ที่ออกมาก่อนหน้านี้ เพราะว่าคนทั่วๆไปเล่นหมากล้อมและเกมแนว RTS ไม่เป็น แม้ว่าการเรียนรู้แบบเครื่องจักรของ AlphaStar จะเกิดจากที่มันเรียนรู้การเล่นด้วยตัวเอง นับได้ว่ามันมีทักษะเป็นของตัวเอง แต่การเรียนรู้ของมันก็เป็นเพียงการเรียนรู้เฉพาะเกมเท่านั้น เป้าหมายที่จะมองว่า AlphaStar เป็นความใกล้เคียงกับมนุษย์จึงยังไม่ใช่เป้าหมายที่จะเป็นจริงได้เร็วๆ นี้ และถ้าหากพิจารณาในเกมกรแข่งขันกับผู้เล่นมืออาชีพจะเห็นว่ามันมีข้อจำกัดที่มากกว่าการแข่งขันระหว่างมนุษย์ด้วยกัน ทั้งการจำกัดแผนที่ที่ใช้เป็นสนามรบ จำกัดเผ่าที่เล่น และการเลือกมืออาชีพมาแข่งขัน ซึ่งก็ยังไม่ใช้ผู้เล่นที่เก่งที่สุดในโลกของเกม Starcraft II ในเวลานี้ ดังนั้น การคาดหวังว่า AlphaStar จะกลายเป็นปัญญาประดิษฐ์ที่เก่งกว่ามนุษย์และกลายเป็นภัยกับเราอาจจะไม่ใช่สิ่งที่ต้องกังวล

สิ่งที่เราควรจะชื่นชมและให้ความสนใจคือ วิธีการสร้างให้โปรแกรมสามารถประมวลผลและวิเคราะห์ข้อมูลได้อย่างรวดเร็ว รวมไปจนถึงมันสามารถตัดสินใจได้ดีกว่ามนุษย์ ซึ่งศักยภาพของการเรียนรู้ในการจัดการข้อมูลหลายๆ ด้านอาจจะนำไปใช้ในระบบที่ต้องการปัญญาประดิษฐ์ที่ตัดสินใจได้แม่นยำ เช่น รถยนต์ไร้คนขับ ที่สามารถประมวลผลข้อมูลในด้านต่างๆ จากการขับขี่รถบนท้องถนนได้ หรือการวางแผนจราจรที่อาจจะมีวิธีทำให้รถติดน้อยลง แต่การนำรูปแบบการเรียนรู้ของ AlphaStar ไปใช้ ก็เท่ากับต้องฝึกให้มันเริ่มต้นเรียนเรื่องใหม่ไปด้วย

eSport กับทักษะทางปัญญา

มีประเด็นที่น่าสนใจสำหรับเรื่องนี้คือ ถ้าการพัฒนา AI ฝึกฝนให้เครื่องจักรเรียนรู้การเล่น eSport จะนับได้ว่าเกม eSport มีข้อดีได้หรือไม่? อย่างที่พูดถึงข้างต้นว่า เกมแนว RST เป็นเกมที่ต้องอาศัยการตัดสินใจและวางแผนเป็นอย่างดี แม้แต่บริษัทชั้นนำด้านปัญญาประดิษฐ์อย่าง Deepmind ยังลงทุนวิจัยร่วมกับบริษัทเกม และเกม eSport ยังมีงานวิจัยสนับสนุนว่าสามารถฝึกทักษะความสัมพันธ์ระหว่างการควบคุมมือและสายตา แลนอกจกนี้ยังมีส่วนช่วยฝึกความจำและมีประโยชน์กับผู้สูงอายุอีกด้วย

การวิจัยครั้งนี้ ถ้าจะพิจารณากันจริงๆ แล้ว เป็นก้าวสำคัญสำหรับการพัฒนา Learning Algorithm เพื่อให้ AI สามารถทำงานได้หลายๆ อย่างพร้อมกันและวางแผนและตัดสินใจได้ในระดับมนุษย์ ชัยชนะของ AI ในเกม eSport ไม่ได้หมายความว่า ปัญญาประดิษฐ์จะเก่งกว่าเราเมื่อจะต้องวางแผนตัดสินใจ และที่สำคัญอย่างหนึ่งในการแข่งขันครั้งนี้ก็คือ ปัญญาประดิษฐ์ไม่ได้ควบคุมเกมผ่านร่างกายแบบมนุษย์ นั่นหมายความว่า ปัจจัยสำคัญที่ทำให้มนุษย์เล่นและตัดสินใจแข่งกับปัญญาประดิษฐ์นั้น มนุษย์ยังต้องควบคุมร่างกายแข่งกับเครื่องจักรด้วย และนักวิจัยในโครงการของ Deepmind ก็ยืนยันด้วยว่าการแข่งขันครั้งนี้ไม่ได้วัดกันด้วยการกดปุ่มบนคีย์บอร์ด เพราะว่าผู้เล่นระดับมืออาชีพสามารถคลิกปุ่มได้ประมาณ 800 ครั้งต่อนาที แต่ Alphastar ไม่ได้บังคับเกมด้วยคีย์บอร์ด แต่นั่นแสดงถึงความเป็นมนุษย์อีกอย่างหนึ่งว่า มนุษย์รับรู้โลกผ่านประสบการณ์ของร่างกายเรื่องนี้มีประเด็นทางปรัชญาที่เรียกว่า embodiment cognition ที่แสดงถึงความคิดและประสบการณ์ของมนุษย์เป็นประสบการณ์ที่ผูกอยู่กับร่างกาย

ดังนั้นแม้ว่า AlphaStar จะวัดความสามารถของการเรียนรู้แบบเครื่องจักรผ่าน eSport แต่นั่นก็ไม่ได้หมายความว่ามันจะมีลักษณะเหมือนนักกีฬา eSport มืออาชีพ ผลของเกมเป็นเพียงแค่ตัวชี้วัดว่า การเรียนรู้แบบเครื่องจักรก้าวหน้ามากขึ้นอีกขั้นเท่านั้น

ในส่วนของ eSport มีประเด็นปรัชญาที่เกี่ยวข้องก็คือ eSport นับเป็นกีฬาได้หรือไม่? เรื่องนี้เป็นประเด็นทางปรัชญาก็เพราะว่า งานปรัชญาคือการวิเคราะห์มโนทัศน์(Concept) ซึ่งการวิเคราะห์มโนทัศน์จะช่วยให้ความเข้าใจชัดเจนขึ้น (แต่ในคำอธิบายที่ชัดเจนนั้นมักจะมีแนวคิดอื่นมาโต้แย้งเสมอ) และแนวคิดเรื่อง embodiment ก็เป็นเหตุผลสนับสนุนที่ทำให้อาจจะนับเป็นกีฬาได้ เพราะว่าการเล่นเกมก็ต้องใช้ร่างกายควบคุม

และถ้าจะว่าไปแล้ว เกมที่บรรจุอยู่ในโอลิมปิกอย่างบริดจ์(เกมไพ่) หรือหมากรุก ก็เป็นกีฬาที่ไม่ได้ใช่ทักษะร่างกายแบบกีฬาที่เรารู้จักกันทั่วๆ ไป ถ้าเราจะตั้งข้อสังเกตเกี่ยวกับ eSport จะเห็นว่า มันไม่ทำให้เกิดกระแส disruption ต่างกับกระแสดิจิทัลอื่นๆ การยกระดับ eSport ไม่ได้ทำให้กีฬาในแบบเดิมหมดความนิยม แม้แต่เกม FIFA ที่ยกระดับให้เป็น eSport ก็ไม่ได้เปลี่ยนแปลงกีฬาฟุตบอล หรือเกมรถแข่งก็ไม่ได้ทำให้การพัฒนาวิศวกรรมยานยนต์ของรถแข่งเปลี่ยนแปลงไป และ AlphaStar ก็ไม่ได้สร้างขึ้นมาเพื่อแข่งกับมนุษย์ใน eSport แต่มันกลับทำให้เห็นว่า eSport มีส่วนในการเป็นก้าวสำคัญของวงการ AI

Tags: , , , , , ,