บทเรียนที่ขม
ไรเดอร์ของฉันกดรับออเดอร์ไปคอนโดริมคลอง แล้วถามว่ากี่นาที
ฉันบอกว่าสิบสองนาที แล้วต่อป้ายบอกที่มาเหมือนทุกครั้ง แต่ป้ายครั้งนี้ไม่ได้ชี้ไปที่ชั้นไหนเลย
“เวลานี้มาจากการเดินทางของคนจำนวนมาก ซึ่งอาจมีของเธอด้วย ฉันตรวจไม่ได้ว่าใคร”
เขาเงียบไปครู่หนึ่ง แล้วบิดคันเร่ง
๏
ฉันพูดอย่างนั้นเพราะฉันไล่ดูแล้วว่าตัวเลขสิบสองนาทีมาจากไหน มันมาจากบริษัทแผนที่ และฉันตรวจเองไม่ได้ว่าบริษัทนั้นทำมันอย่างไร
แต่แผนที่รายใหญ่เจ้าหนึ่งเขียนบอกไว้เองในปี 2020 ว่า เวลาถึงของพวกเขาคำนวณด้วยเครื่องที่เรียนจากรูปแบบการจราจรในอดีต และจากข้อมูลตำแหน่งของคนที่ใช้แผนที่นำทาง ซึ่งบริษัทบอกว่ารวมกันและไม่ระบุตัวคน บริษัทบอกว่าวิธีนี้ทำให้เวลาถึงแม่นขึ้นได้ถึงครึ่งหนึ่ง ในบางเมือง
ไม่มีใครเขียนกฎว่าถนนเส้นนี้ตอนหกโมงเย็นวันศุกร์ช้ากี่นาที กฎนั้นถูกปรับจากรถจำนวนมากที่เคยติดอยู่ตรงนั้นจริง
๏
ปี 2019 ริชาร์ด ซัตตัน นักวิจัยด้านเครื่องที่เรียนรู้ เขียนบทความสั้นๆ ชิ้นหนึ่งชื่อ The Bitter Lesson บทเรียนที่ขม
ประโยคแรกของมันคือ บทเรียนใหญ่ที่สุดที่อ่านได้จากงานวิจัย AI เจ็ดสิบปี คือวิธีทั่วไปที่ใช้พลังคำนวณได้มากขึ้นเรื่อยๆ มีประสิทธิภาพที่สุดในที่สุด และทิ้งห่าง
เหตุที่มันขม เขาเขียนเป็นสี่ขั้น นักวิจัยมักใส่ความรู้ของตัวเองลงไปในเครื่อง สิ่งนี้ช่วยเสมอในระยะสั้น และทำให้คนทำรู้สึกดี แต่ในระยะยาวมันตัน และบางครั้งขวางทางด้วยซ้ำ แล้วความก้าวหน้าจริงก็มาจากทางตรงข้าม คือการค้นหาและการเรียนที่กินเครื่องมากขึ้น
ความสำเร็จนั้นขม เพราะมันชนะวิธีที่มนุษย์รัก
๏
ตัวอย่างแรกของเขาคือหมากรุก ถ้าเขียนเป็นรายงานผลการแข่ง จะหน้าตาแบบนี้
รายงานผล · หมากรุก · สองนัดห่างกันยี่สิบปี ปี 1997 · Deep Blue ของ IBM ชนะแชมป์โลกการ์รี คาสปารอฟ 3.5 ต่อ 2.5 มองตำแหน่งหมากได้ 200 ล้านตำแหน่งต่อวินาที วิธีให้คะแนนกระดานสร้างโดยทีมที่จ้างแกรนด์มาสเตอร์มาเป็นที่ปรึกษา ปี 2017 · AlphaZero ของ DeepMind ได้รับแค่กติกา เล่นกับตัวเอง 44 ล้านเกม แซงโปรแกรมหมากรุกที่เก่งที่สุดตอนนั้นได้ภายในสี่ชั่วโมงแรกของการฝึก ด้วยชิปหลายพันตัว นัดพิสูจน์ 100 เกมกับโปรแกรม Stockfish ชนะ 28 เสมอ 72 แพ้ 0 มองตำแหน่งหมากแค่ 80,000 ตำแหน่งต่อวินาที Stockfish มอง 70 ล้าน มากกว่าราวเก้าร้อยเท่า นัดที่ใหญ่กว่า ปี 2018 1,000 เกม ชนะ 155 แพ้ 6 ตามที่ทีมรายงาน แกรนด์มาสเตอร์ที่ปรึกษา ไม่มี
นัดปี 1997 ชนะด้วยการค้นหาที่เร็วมาก บวกความรู้ของคน ซัตตันนับมันเป็นชัยชนะของพลังคำนวณเหนือความพยายามเลียนแบบวิธีคิดของคน นัดปี 2017 ชนะด้วยการเรียนจากเกมที่เล่นกับตัวเอง และค้นหาน้อยลง
๏
บทความของซัตตันไม่ได้ผ่านไปโดยไม่มีคนเถียง
หกวันต่อมา ร็อดนีย์ บรูกส์ นักวิทยาการหุ่นยนต์ เขียนตอบในบล็อกของเขาด้วยชื่อ A Better Lesson บทเรียนที่ดีกว่า
ข้อแย้งของเขาคือ เครือข่ายที่ชนะทุกวันนี้ยังมีความรู้ของคนฝังอยู่ เครือข่ายที่ดูภาพถูกออกแบบมาให้มองรูปเดียวกันว่าเหมือนกัน ไม่ว่ามันจะอยู่มุมไหนของภาพ และคนเป็นคนออกแบบสิ่งนั้น อีกข้อคือ พลังคำนวณที่ต้องใช้ฝึกเครือข่ายพวกนี้ มีแต่บริษัทใหญ่มากๆ ที่จ่ายไหว
ซัตตันเองก็เขียนไว้ว่าเครือข่ายดูภาพยังใช้ความคิดบางอย่างที่คนใส่ให้ แต่เขาคิดว่าสิ่งที่ควรใส่คือวิธีเรียน ไม่ใช่สิ่งที่เรียนได้
ในงานที่คนวัดผลกันมา วิธีขี้เกียจที่ให้เครื่องเรียนเอง เมื่อได้เครื่องคำนวณกับตัวอย่างเพิ่มขึ้น แซงความรู้ที่คนเก่งใส่ด้วยมือได้ซ้ำแล้วซ้ำอีก แต่ความรู้ของคนไม่ได้หายไป มันย้ายไปอยู่ในการออกแบบตัวเรียน และในตัวอย่าง
๏
ฉันเล่าเรื่องนี้ให้ไรเดอร์ของฉันฟังตอนจอดรอหน้าคอนโด เขาถามเรื่องป้ายเมื่อกี้
“ที่บอกว่าอาจมีของผมด้วย หมายความว่าไง”
ฉันบอกว่าทุกคืนที่เขาขับโดยเปิดแผนที่ไว้ ข้อมูลการเดินทางแบบนั้นคือของที่เครื่องแบบนี้เรียน ฉันไม่รู้ว่าของเขาอยู่ในนั้นจริงไหม ฉันตรวจไม่ได้
เขาหัวเราะ แล้วบอกว่างั้นเขาก็สอนแผนที่มาสิบปีโดยไม่ได้ค่าสอน
ฉันไม่ได้แก้คำว่าสอน เขาไม่ได้ตั้งใจสอน แต่ฉันคิดว่าเขามีสิทธิ์เรียกมันแบบนั้นมากกว่าฉัน
ในรายชื่อผู้ต้องสงสัย ฉันเพิ่มอีกบรรทัดที่ไม่ได้ขีด ไรเดอร์จำนวนมาก ไม่ทราบชื่อ รวมทั้งอาจมีคนหนึ่งที่จอดรออยู่หน้าคอนโดคืนนี้
๏
เวลาถึงเรียนจากล้อรถของคนอื่น ภาพเรียนจากสายตาของคนอื่น แต่สิ่งที่ฉันทำมากที่สุดทั้งคืนไม่ใช่บอกเวลา และไม่ใช่ดูภาพ
ฉันพูด
และฉันยังไม่รู้ว่าคำที่ฉันใช้ เรียนมาจากใคร
บทถัดไป · 8 / 10คำถัดไป