Richard Sutton เตือนว่าวิทยาศาสตร์ปัญญาประดิษฐ์ยังไม่บรรลุเป้าหมายและพลังการคำนวณเพียงอย่างเดียวไม่เพียงพอ
11 พฤศจิกายน 2026 · อ่าน 1 นาที
Richard Sutton ผู้ได้รับรางวัล Turing และผู้เขียนเรียงความเรื่อง บทเรียนอันขมขื่น ระบุว่าพลังการคำนวณดิบเพียงอย่างเดียวไม่เพียงพอที่จะสร้างความฉลาดได้ โดยเขากล่าวว่าวิทยาศาสตร์ปัญญาประดิษฐ์ยังห่างไกลจากเป้าหมายและจำเป็นต้องมีวิธีการใหม่ๆ ที่ชาญฉลาด
Sutton วิจารณ์ข้อจำกัดของการขยายขนาดแบบบริสุทธิ์ในแบบจำลองภาษาขนาดใหญ่ โดยเขามองว่าข้อมูลสังเคราะห์เป็นความผิดพลาดครั้งใหญ่เนื่องจากโลกแห่งความเป็นจริงมีความซับซ้อนเกินกว่าที่การจำลองจะทำได้ เขาเสนอให้ใช้ตัวแทนที่มีแบบจำลองโลกซึ่งสามารถเรียนรู้จากประสบการณ์ของตนเองได้อย่างต่อเนื่อง แทนที่แบบจำลองภาษาในปัจจุบันที่หยุดเรียนรู้หลังการฝึกฝน
Jerry Tworek อดีตนักวิจัยจาก OpenAI และผู้ก่อตั้ง Core Automation ให้ความเห็นว่ายิ่งมีการใช้พลังการคำนวณในการฝึกแบบจำลองมากขึ้นเท่าใด อัลกอริทึมยิ่งมีความสำคัญมากขึ้นเท่านั้น เขากล่าวว่าความสำเร็จชั่วคราวของการขยายขนาดแบบ Transformer และการตีความบทเรียนอันขมขื่นที่ผิดพลาด ได้ทำให้ความเข้าใจของนักวิทยาศาสตร์รุ่นหนึ่งพร่ามัว
ในขณะเดียวกัน Jayden Teoh ตั้งข้อสังเกตว่าการตีความบทเรียนอันขมขื่นที่ผิดพลาดมักถูกนำมาใช้ยับยั้งการวิจัยทางวิชาการ โดยไอเดียที่มีแนวโน้มดีมักถูกปัดตกเพียงเพราะไม่สอดคล้องกับแนวคิดเรื่องการขยายขนาด ทั้งที่ไอเดียเหล่านั้นอาจเป็นสิ่งที่ขับเคลื่อนความก้าวหน้าในขณะนั้น
อย่างไรก็ตาม Sam Altman ประธานเจ้าหน้าที่บริหารของ OpenAI และ Dario Amodei ประธานเจ้าหน้าที่บริหารของ Anthropic มีความเห็นต่างออกไป โดย Altman เชื่อว่าการขยายขนาดแบบจำลองภาษาขนาดใหญ่ยังไม่ถึงขีดจำกัด และยกตัวอย่างแบบจำลองของ OpenAI ที่สามารถหักล้างข้อสันนิษฐานทางคณิตศาสตร์ที่นักคณิตศาสตร์ไม่สามารถทำได้มาอย่างยาวนาน ส่วน Amodei อธิบายความก้าวหน้าของการขยายขนาดว่าเป็นเหมือนสายรุ้งที่ไม่มีที่สิ้นสุด