ถ้าเราสามารถสร้างคอมพิวเตอร์ที่สามารถคิดและเรียนรู้ได้เหมือนมนุษย์ ใช้ข้อมูลน้อย และสามารถปรับตัวได้ด้วยตัวเอง นั่นคือเป้าหมายของการสร้าง AI ขึ้นมา ซึ่ง Neuromorphic กำลังจะเปลี่ยนโฉมหน้าของ AI ในยุคปัจจุบันนี้

ทำไม AI แบบเดิมถึงไม่พอ 

ทุกวันนี้ AI ที่เราใช้กันอยู่ อาทิ เช่น ChatGPT Claude  หรือ Gemini ต่างก็ต้องใช้คอมพิวเตอร์ขนาดใหญ่มากและกินไฟมหาศาล อีกทั้งยังต้องการข้อมูลเป็นจำนวนมากในการเรียนรู้ ลองนึกภาพว่า การฝึก AI หนึ่งครั้งใช้ไฟฟ้าเทียบเท่าบ้านหลายร้อยหลังอยู่นานหลายเดือน และยังต้องทำซ้ำทุกครั้งที่ต้องการอัปเดต ทำให้นักวิจัยเริ่มตั้งคำถามว่าเราสามารถทำได้ดีกว่านี้ไหม โดยเอาสมองมนุษย์มาเป็นต้นแบบ เพราะสมองของเราใช้พลังงานเพียงเท่ากับหลอดไฟ 20 วัตต์ แต่ทำสิ่งที่ซับซ้อนได้ดีกว่าซูเปอร์คอมพิวเตอร์ในหลายด้าน ไม่ว่าจะเป็นการจดจำใบหน้าคน การเรียนรู้ทักษะใหม่ๆ จากตัวอย่างเพียงไม่กี่ครั้ง หรือการตัดสินใจในสถานการณ์ที่ไม่เคยพบมาก่อน 

นิวรอนซิลิกอน: เซลล์สมองบนแผงวงจร 

หัวใจของการออกแบบปัญญาประดิษฐ์คือการสร้าง "นิวรอนซิลิกอน" บนแผงวงจรไฟฟ้า ซึ่งทำงานคล้ายกับเซลล์สมองจริง ๆ ทีมวิจัยจาก ETH Zurich นำโดย Giacomo Indiveri ได้พัฒนาวงจรที่ทำงานในโหมดกระแสต่ำมาก เปรียบเสมือนกับเซลล์สมองที่รอรับสัญญาณ พอสัญญาณมาถึงระดับหนึ่งก็จะยิงสัญญาณออกไป แล้วพักก่อนจะพร้อมยิงครั้งต่อไป ซึ่งตรงกับวิธีที่เซลล์ประสาทจริงในสมองของเราส่งข้อมูลหากัน วงจรนี้ยังมี "ซินแนปส์ซิลิกอน (Silicon Synapse)" ที่เปรียบเสมือนจุดเชื่อมต่อระหว่างเซลล์สมอง ซึ่งสามารถแข็งแรงขึ้นหรืออ่อนแอลงได้ตามการใช้งาน เหมือนเส้นทางที่ยิ่งเดินบ่อยก็ยิ่งชัดขึ้น นั่นคือพื้นฐานของการเรียนรู้และความจำในระดับฮาร์ดแวร์ 

OZ: นิวรอนที่ตั้งโปรแกรมได้

โดยปกติแล้ววงจรนิวรอนแบบเก่าจะถูกออกแบบมาตายตัวตั้งแต่ผลิต เหมือนรีโมททีวีที่ปุ่มแต่ละปุ่มทำได้แค่อย่างเดียว จะเปลี่ยนให้ทำอย่างอื่นไม่ได้เลยถ้าไม่ผลิตใหม่

Hazan และ Ezra Tsur (2021) แก้ปัญหานี้ด้วยการสร้างนิวรอนที่มีชื่อว่า OZ ที่ปรับเปลี่ยนได้ตลอดเวลาขณะทำงาน เหมือนสมาร์ทโฟนที่แอปเดิมอัปเดตได้โดยไม่ต้องซื้อเครื่องใหม่ เราสามารถบอกให้นิวรอนแต่ละตัวเริ่มยิงสัญญาณเมื่อไหร่ และยิงแรงแค่ไหน ได้แบบ Real-time ผลที่ได้คือ แทนที่จะต้องใช้นิวรอนจำนวนมากเพื่อครอบคลุมข้อมูลทุกรูปแบบ แต่เราแค่ปรับนิวรอนไม่กี่ตัวให้ทำงานตรงตามจุดที่เราต้องการ ทำให้สามารถลดการใช้พลังงานและประมวลผลได้อย่างแม่นยำมากยิ่งขึ้น

วงจรที่เรียนรู้และจดจำได้เหมือนสมองจริง 

AI แบบเดิมมีปัญหาใหญ่อย่างหนึ่งคือ ลืมของเก่าเมื่อเรียนของใหม่ นักวิจัยจาก ETH Zurich จึงออกแบบวงจรที่แก้ปัญหานี้ได้ วงจรนี้มีนิวรอนสองกลุ่มที่ทำงานควบคู่กัน กลุ่มแรกทำหน้าที่กระตุ้น กลุ่มที่สองทำหน้าที่ห้ามปราม เหมือนมีคนเหยียบคันเร่งกับคนเหยียบเบรกอยู่ในรถคันเดียวกัน ทั้งสองฝ่ายถ่วงดุลกันจนระบบทำงานได้เสถียรและแม่นยำ ที่น่าสนใจกว่านั้นคือ ระบบรู้จักเวลาที่ควรเรียนและเวลาที่ควรหยุดเรียนด้วยตัวเอง เปรียบเทียบง่าย ๆ ก็เหมือนนักเรียนที่ตั้งใจเรียนตอนอยู่ในห้อง แต่พอออกมานอกห้องก็ใช้ความรู้ที่มีอยู่ทำงานได้เลยโดยไม่อาการสับสน และถึงแม้ตัววงจรเองจะมีข้อผิดพลาดถึง 20% แต่ระบบก็ยังทำงานได้อย่างถูกต้อง

Memristor: ตัวต้านทานที่เก็บค่าความจำได้ 

ในคอมพิวเตอร์ทั่วไป ถ้าปิดเครื่อง ข้อมูลในหน่วยประมวลผลจะหายไปทันที แต่ Memristor แก้ปัญหานี้ได้ มันเป็นชิ้นส่วนอิเล็กทรอนิกส์ที่จำค่าสุดท้ายของตัวเองไว้แม้ไฟฟ้าจะดับ เลยทำให้ Memristor เหมาะสมอย่างมากกับการเป็น "ซินแนปส์ปลอม" เพราะซินแนปส์ในสมองก็ทำงานแบบเดียวกัน คือเก็บค่าระดับความแข็งแรงของการเชื่อมต่อไว้ได้โดยไม่ต้องใช้พลังงานตลอดเวลา ต่างจากชิปดิจิทัลแบบเดิมที่ต้องกินไฟตลอดเพื่อรักษาข้อมูลเอาไว้

อนาคตของ AI ที่เรียนรู้แบบสมองมนุษย์ 

ทั้งหมดที่กล่าวมาชี้ไปทิศทางเดียวกัน นั่นคือ AI รุ่นต่อไปไม่จำเป็นต้องใหญ่โตหรือกินไฟมาก แต่ต้องฉลาดในแบบที่สมองเป็น กล่าวคือ สามารถเรียนรู้ได้เองในอุปกรณ์เล็ก ๆ ไม่ต้องส่งข้อมูลไปประมวลผลที่ Cloud และทนต่อความผิดพลาดได้ อีกทั้งไม่ลืมของเก่าเมื่อเรียนของใหม่ เหมือนคนที่เรียนขี่จักรยานแล้วก็จำได้ตลอดชีวิต แม้ไม่ได้ขี่มานานหลายปี ซึ่งสมองได้สอนบทเรียนนี้ให้เรามาแล้วนานหลายล้านปี และตอนนี้เอง วิศวกรกำลังพยายามพัฒนานำมันมาใส่ไว้ในวงจรไฟฟ้าขนาดเล็กต่อไป