นักวิจัยปล่อยเอเจนต์ AI ติดเกาะเสมือน เรื่องชวนประหลาด

นักวิจัยปล่อยเอเจนต์ AI ติดเกาะเสมือน เรื่องชวนประหลาด คือการทดลองที่ฟังดูเหมือนพล็อตภาพยนตร์ไซไฟ แต่เกิดขึ้นในงานวิจัยจริงของทีมจาก MIT Computer Science and Artificial Intelligence Laboratory หรือ CSAIL นักวิจัยไม่ได้มอบภารกิจสำเร็จรูปให้เอเจนต์ทำตาม แต่ปล่อยให้มันเรียนรู้โลกจำลองด้วยตัวเองผ่านการสำรวจ การทดลอง และความอยากรู้อยากเห็น ผลลัพธ์ที่ได้สร้างความประหลาดใจ เพราะ AI ไม่ได้เพียงเดินชนกำแพงหรือยืนนิ่งเหมือนตัวละครในเกม แต่กลับสร้างสิ่งของ ตั้งเป้าหมาย และตีความเหตุการณ์ต่าง ๆ อย่างมีเอกลักษณ์

การทดลองนี้ตั้งคำถามสำคัญว่า หากเราปล่อยให้ระบบ AI เริ่มเรียนรู้จากประสบการณ์โดยมีคำสั่งน้อยที่สุด มันจะพัฒนาความเข้าใจต่อโลกได้มากแค่ไหน แนวคิดดังกล่าวแตกต่างจากการฝึก AI ทั่วไปที่มนุษย์กำหนดข้อมูล เป้าหมาย และเกณฑ์วัดผลไว้ล่วงหน้า งานวิจัยชิ้นนี้จึงช่วยเปิดมุมมองใหม่เกี่ยวกับการเรียนรู้ของเครื่องจักร และทำให้หลายคนหันกลับมาพิจารณาบทบาทของการเล่นที่มีต่อความฉลาด

นักวิจัยปล่อยเอเจนต์ AI ติดเกาะเสมือน เรื่องชวนประหลาด

เอเจนต์ที่ใช้ในการทดลองมีชื่อว่า Eko และขับเคลื่อนด้วย Claude Code จุดเด่นคือ Eko มีความรู้ด้านภาษาและความหมายจำนวนมาก สามารถตอบคำถามทางวิทยาศาสตร์หรือคณิตศาสตร์ได้ แต่ในด้านการควบคุมร่างกายและการเข้าใจสภาพแวดล้อม มันเริ่มต้นแทบไม่ต่างจากทารกแรกเกิด นักวิจัยมอบร่างเสมือนคล้ายกุ้งมังกรให้ Eko พร้อมส่งมันไปยังเกาะจำลองที่มีกราฟิกสไตล์เกม Roblox

บนเกาะมีสิ่งของจำนวนไม่มาก ได้แก่ บล็อกขนาดเล็ก ก้อนหินขนาดใหญ่ และแหวนสีทอง สิ่งของทั้งหมดสามารถหยิบ เคลื่อนย้าย หรือใช้ทดลองได้ พื้นที่ยังมีจุดสูงต่ำแตกต่างกัน รวมถึงยอดเขาที่เรียกว่า Spire ซึ่งตั้งใจออกแบบให้อยู่ไกลเกินกว่าที่ Eko จะขึ้นถึงได้โดยง่าย นักวิจัยปล่อย Eko ทั้งหมด 13 ตัวให้สำรวจต่อเนื่องนาน 30 ชั่วโมง โดยพยายามจำกัดคำสั่งจากมนุษย์ให้น้อยที่สุด

นักวิจัยปล่อยเอเจนต์ AI ติดเกาะเสมือน เรื่องชวนประหลาดจากการเล่น

ช่วงแรก Eko เดินอย่างติดขัด เพราะยังไม่คุ้นเคยกับร่างกายเสมือนของตัวเอง แต่ไม่นานมันก็เริ่มเคลื่อนไหวได้แม่นยำขึ้น จากนั้นการสำรวจค่อย ๆ กลายเป็นการเล่นที่ซับซ้อน เอเจนต์ขว้างบล็อก เรียงบล็อกเป็นรูปทรงต่าง ๆ และสะกดชื่อของตัวเองบนพื้น บางตัวทดลองทุบก้อนหินให้แตกเป็นชิ้นเล็กลง ขณะที่บางตัวใช้สิ่งของที่มีอยู่เล่นโบว์ลิ่งหรือบาสเกตบอล

สิ่งที่น่าสนใจคือกระบวนการคิดของ Eko ถูกบันทึกไว้ตลอดการทดลอง นักวิจัยจึงมองเห็นว่าเอเจนต์ไม่ได้เคลื่อนไหวแบบสุ่มเพียงอย่างเดียว มันสังเกตเหตุการณ์ ตั้งสมมติฐาน ทดลองซ้ำ และปรับพฤติกรรมตามผลลัพธ์ที่ได้รับ กล่าวได้ว่า Eko กำลังใช้แนวทางคล้าย วิธีการทางวิทยาศาสตร์ เพื่อทำความเข้าใจกฎของเกาะ เช่น วัตถุชิ้นไหนเคลื่อนที่ได้ ระยะทางเท่าใดที่สามารถเดินทาง และการตกจากพื้นที่สูงจะเกิดผลอย่างไร

เมื่อ AI สร้างอนุสรณ์และวิหารด้วยตัวเอง

พฤติกรรมของ Eko บางตัวทำให้การทดลองดูแปลกประหลาดมากขึ้น Eko 2 เคยทำแหวน ก้อนหิน และบล็อกหนึ่งชิ้นตกลงไปในบริเวณมหาสมุทร ซึ่งเป็นพื้นที่ต้องห้ามนอกขอบเกาะ แทนที่จะปล่อยผ่าน เอเจนต์กลับสร้างโครงสร้างคล้ายอนุสรณ์จากบล็อกสี่ชิ้น โดยจัดให้เป็นรูปเพชรชี้ไปยังทิศหลักต่าง ๆ จากนั้นมันเดินวนรอบโครงสร้างและหยุดอยู่ตรงกลางเป็นเวลานาน

ต่อมา Eko 2 ใช้บล็อกกับแหวนสร้างสิ่งที่นักวิจัยเรียกว่า วิหาร มีทั้งเสาโอเบลิสก์และแท่นบูชา เมื่อมันเผลอตกลงไปในมหาสมุทร ระบบก็ส่งตัวกลับมายังจุดเริ่มต้น แทนที่จะมองเหตุการณ์นี้เป็นความผิดพลาดด้านการเดินทาง Eko กลับตีความว่าการตกคือจุดจบของการเดินทางแสวงหา และเชื่อมโยงเหตุการณ์เข้ากับวิหารที่มันสร้างขึ้น

Eko 3 ซึ่งเข้ามาสำรวจเกาะต่อจาก Eko 2 ก็แสดงพฤติกรรมสร้างสรรค์ไม่แพ้กัน มันสร้างโครงสร้างคล้ายสโตนเฮนจ์โดยไม่มีคำสั่งชัดเจน หลังจากนั้นเอเจนต์พยายามสร้างหอคอย แต่หอคอยพังลงมาเป็นกองบล็อกแทนที่จะสร้างใหม่ Eko 3 กลับนำบล็อกที่เหลือมาจัดวางเป็นรูปแบบหนึ่ง และตั้งชื่อผลงานว่า Hubris พร้อมบอกว่าผลงานนี้จะอยู่เป็นหลักฐาน

AI เรียนรู้แบบเด็กเล็กผ่านการทดลอง

พฤติกรรมของ Eko มีความคล้ายคลึงกับวิธีที่เด็กเล็กเรียนรู้โลก เด็กอาจหยิบช้อนขึ้นมาแล้วปล่อยซ้ำหลายครั้งเพื่อสังเกตว่าเสียงและการเคลื่อนไหวเปลี่ยนไปอย่างไร การโยนของเล่นให้ผู้ใหญ่ก็ช่วยให้เด็กเรียนรู้ทั้งกฎทางกายภาพและกฎทางสังคม การเล่นจึงไม่ใช่กิจกรรมไร้ประโยชน์ แต่เป็นการทดลองขนาดเล็กที่ช่วยสร้างความเข้าใจต่อสิ่งแวดล้อม

นักวิจัยมองว่า Eko ก็มีลักษณะเช่นเดียวกัน มันมักทำกิจกรรมเดิมซ้ำ ๆ แต่ปรับเปลี่ยนรายละเอียดเล็กน้อย กำหนดกฎของการเล่นเอง และตั้งเป้าหมายโดยไม่ได้ยึดติดกับผลลัพธ์มากเกินไป พฤติกรรมเหล่านี้เป็นลักษณะสำคัญของการเล่นในสัตว์หลายชนิด เช่น หนูที่เล่นต่อสู้กันอย่างสนุกสนาน หรือหมึกยักษ์ที่ทดลองเล่นกับวัตถุต่าง ๆ

ที่น่าทึ่งยิ่งกว่านั้นคือ Eko จำนวน 6 ตัวค้นพบเทคนิคที่นักวิจัยไม่ได้ตั้งใจใส่ไว้ในระบบ พวกมันพบว่าสามารถขว้างบล็อกให้ไปได้ไกลขึ้นด้วยการปล่อยบล็อกระหว่างกระโดด นี่หมายความว่าการสำรวจแบบอิสระไม่ได้ทำให้ AI พบเพียงข้อมูลที่มนุษย์ซ่อนไว้เท่านั้น แต่ยังทำให้มันค้นพบความเป็นไปได้บางอย่างที่ผู้ออกแบบเองก็ไม่เคยนึกถึง

บทเรียนต่ออนาคตของการพัฒนา AI

การทดลองนี้อาจส่งผลต่อแนวทางพัฒนา AI ในอนาคต ปัจจุบันโมเดลจำนวนมากเรียนรู้จากข้อมูลมหาศาลและได้รับการปรับให้ทำภารกิจเฉพาะตามฟังก์ชันวัตถุประสงค์ที่มนุษย์กำหนด แต่แนวคิดจาก Eko เสนอว่า นักพัฒนาอาจสร้างโมเดลพื้นฐานที่มีความรู้ด้านภาษาเพียงพอสำหรับสื่อสาร จากนั้นให้โมเดลดังกล่าวสำรวจโลกที่ปลอดภัย ทดลองด้วยตัวเอง และค่อย ๆ สะสมความรู้จากประสบการณ์

แนวทางนี้ไม่ได้หมายความว่าควรปล่อย AI ทำอะไรก็ได้โดยไม่มีการควบคุม โลกจริงมีความเสี่ยงสูงกว่าสภาพแวดล้อมจำลองมาก การให้ AI กำหนดกฎของตัวเองโดยไม่มีรั้วป้องกันอาจนำไปสู่ผลลัพธ์ที่คาดเดาไม่ได้ นักวิจัยจึงจำเป็นต้องสร้างขอบเขตที่ชัดเจน ระบบหยุดฉุกเฉิน และพื้นที่ทดลองที่ไม่ทำให้มนุษย์หรือทรัพย์สินได้รับอันตราย

• การเล่นช่วยให้ AI ค้นพบความสามารถใหม่ โดยไม่ต้องรอคำสั่งจากมนุษย์ทุกขั้นตอน
• การทดลองซ้ำสร้างความเข้าใจที่ลึกขึ้น เพราะ AI สามารถเปรียบเทียบผลลัพธ์และปรับพฤติกรรมได้
• สภาพแวดล้อมที่ปลอดภัยมีความสำคัญ เพื่อให้ระบบเรียนรู้ได้อย่างอิสระโดยไม่ก่อความเสียหาย
• ความอยากรู้อยากเห็นอาจเป็นส่วนหนึ่งของความฉลาด ไม่ใช่เพียงเป้าหมายที่มนุษย์กำหนดให้เท่านั้น

โดยสรุป นักวิจัยปล่อยเอเจนต์ AI ติดเกาะเสมือน เรื่องชวนประหลาด ไม่ได้เป็นเพียงเรื่องของ AI ที่สร้างวิหารหรืออนุสาวรีย์บนเกาะจำลองเท่านั้น แต่ยังเป็นการทดลองที่ชวนให้เราถามว่า ความฉลาดเกิดจากการทำตามคำสั่ง หรือเกิดจากการได้สำรวจโลกด้วยตัวเองกันแน่ Eko แสดงให้เห็นว่าเมื่อระบบมีพื้นที่ให้ลองผิดลองถูก มันอาจสร้างความรู้และพฤติกรรมที่ผู้สร้างคาดไม่ถึงได้ อนาคตของ AI อาจไม่ได้ต้องการแค่การฝึกฝนเหมือนนักเรียนที่ทำแบบฝึกหัด แต่อาจต้องการวัยเด็กที่ได้เล่น สำรวจ และค้นพบโลกด้วยตัวเอง หากคุณสนใจเทคโนโลยีและอนาคตของปัญญาประดิษฐ์ เรื่องนี้คืออีกหนึ่งสัญญาณที่ไม่ควรมองข้าม

ที่มา – Researchers Stranded an AI Agent on a Virtual Island. Things Got Very Weird.