ทำไม AI ถึงทำนายพฤติกรรมคนได้แม่นขึ้นเรื่อยๆ

เมื่อระบบที่เรียนรู้ไม่หยุดพบกับข้อมูลที่ไม่มีวันหมด

มีช่วงหนึ่งที่คุณอาจเคยรู้สึกแปลกใจว่าทำไมโฆษณาที่โผล่ขึ้นมาในโทรศัพท์ถึงตรงกับสิ่งที่คุณเพิ่งคุยกับเพื่อนไปเมื่อกี้ หรือทำไม Netflix ถึงแนะนำซีรีส์ที่คุณจะชอบได้ก่อนที่คุณจะรู้ว่าตัวเองอยากดูอะไร

ความรู้สึกแบบนั้นไม่ได้เกิดจากจินตนาการ

ระบบเหล่านี้ดีขึ้นจริงๆ และดีขึ้นอย่างรวดเร็วมาก

คำถามคือ ทำไม?

ปัจจัยที่ 1 — ข้อมูลที่เพิ่มขึ้นทุกวินาที

ในปี 2010 มนุษย์สร้างข้อมูลประมาณ 2 zettabytes ต่อปี ฟังดูเยอะมาก แต่ในปี 2020 ตัวเลขนั้นพุ่งไปถึงกว่า 40 zettabytes และยังเพิ่มขึ้นทุกปี

ทุกคลิก ทุกการค้นหา ทุกการซื้อ ทุกข้อความที่พิมพ์ ทุกก้าวที่นาฬิกาข้อมืออัจฉริยะบันทึก ล้วนกลายเป็นข้อมูลที่ระบบสามารถเรียนรู้จากได้

สิ่งที่น่าสนใจคือ ยิ่งข้อมูลมากขึ้น pattern ไม่ได้แค่ชัดขึ้น แต่ pattern ใหม่ที่ไม่เคยเห็นมาก่อนเริ่มปรากฏด้วย

เหมือนกับการมองเมฆ ถ้ามองด้วยตาเปล่าเห็นแค่ก้อนเมฆขาว แต่ถ้ามีกล้องอินฟราเรดก็จะเห็นโครงสร้างของอุณหภูมิที่ซ่อนอยู่ ยิ่งมีเครื่องมือที่ดีกว่า ยิ่งเห็นสิ่งที่มีอยู่แล้วแต่มองไม่เห็น

ปัจจัยที่ 2 — อัลกอริทึมที่ฉลาดขึ้นอย่างก้าวกระโดด

สิบปีที่ผ่านมา วงการ Machine Learning เปลี่ยนไปอย่างน่าตกใจ

เทคนิคที่เรียกว่า deep learning หรือ neural networks ทำให้ระบบสามารถค้นหา pattern ในข้อมูลที่ซับซ้อนและหลายมิติได้ในระดับที่อัลกอริทึมแบบเก่าทำไม่ได้เลย

ลองนึกภาพง่ายๆ

อัลกอริทึมแบบเก่าเหมือนคนที่มองภาพทีละจุด บอกได้ว่าจุดนี้สีอะไร จุดนั้นสีอะไร แต่ต้องใช้กฎที่เขียนไว้ล่วงหน้าเพื่อบอกว่าภาพนั้นคืออะไร

Neural networks เหมือนสมองที่มองภาพรวมทั้งภาพพร้อมกัน เห็นความสัมพันธ์ระหว่างส่วนต่างๆ และเรียนรู้ว่า "ความสัมพันธ์แบบนี้" มักหมายถึงอะไร โดยไม่ต้องมีใครบอกกฎล่วงหน้า

ในบริบทพฤติกรรมมนุษย์ มันหมายความว่าระบบสามารถจับความสัมพันธ์ที่ซับซ้อนมากขึ้นได้ เช่น ไม่ใช่แค่ "คนที่ดูหนัง A มักดูหนัง B" แต่ "คนที่ดูหนัง A ในช่วงอาทิตย์แรกหลังออกฉาย ในช่วงกลางดึก โดยไม่หยุดพักระหว่างกลาง มักดูหนัง B ภายใน 48 ชั่วโมงต่อมา"

รายละเอียดระดับนี้เป็นไปไม่ได้ในอดีต

ปัจจัยที่ 3 — ระบบที่เรียนรู้จากความผิดพลาดของตัวเอง

นี่คือสิ่งที่ทำให้ Machine Learning แตกต่างจากโปรแกรมคอมพิวเตอร์ทั่วไปอย่างสิ้นเชิง

โปรแกรมทั่วไปทำเหมือนเดิมทุกครั้ง ถ้าผิด ก็ผิดเหมือนเดิมทุกครั้ง จนกว่ามนุษย์จะมาแก้

ระบบ Machine Learning แก้ตัวเองจากผลลัพธ์ที่ได้รับ

ทุกครั้งที่ระบบแนะนำเนื้อหาแล้วคุณไม่คลิก นั่นคือสัญญาณ ทุกครั้งที่ระบบแนะนำแล้วคุณดูจนจบและดูต่ออีก นั่นก็คือสัญญาณ ระบบนำสัญญาณเหล่านี้มาปรับแบบจำลองของตัวเองตลอดเวลา

วงจรนี้หมุนอยู่ตลอด 24 ชั่วโมง 7 วันต่อสัปดาห์ สำหรับผู้ใช้นับล้านพร้อมกัน

ผลลัพธ์คือระบบปรับปรุงตัวเองในความเร็วที่มนุษย์ทำเองไม่ได้ ไม่ใช่เพราะฉลาดกว่า แต่เพราะทำซ้ำได้เร็วกว่าและไม่เหนื่อย

เมื่อสามปัจจัยทำงานร่วมกัน

ข้อมูลมหาศาล + อัลกอริทึมที่ดีขึ้น + การเรียนรู้ต่อเนื่อง = ระบบที่ดีขึ้นทุกวัน

และมันดีขึ้นในแบบที่เรียกว่า compound effect คือยิ่งดีขึ้น ยิ่งได้ข้อมูลที่ดีขึ้น ยิ่งเรียนรู้ได้ดีขึ้น ยิ่งดีขึ้นอีก

นี่คือเหตุผลที่ระบบแนะนำเนื้อหาในปัจจุบันต่างจากเมื่อสิบปีก่อนราวกับคนละโลก

แต่มีสิ่งที่ต้องเข้าใจให้ชัด

ความแม่นยำที่เพิ่มขึ้นไม่ได้แปลว่า AI เข้าใจคุณมากขึ้น

มันแปลว่า AI มีข้อมูลเพิ่มขึ้น และมีวิธีวิเคราะห์ข้อมูลที่ดีขึ้น

ความแตกต่างนี้ฟังดูเหมือนเรื่องเล็กน้อย แต่จริงๆ แล้วสำคัญมาก

ระบบที่รู้ว่าคุณจะสั่งอาหารประเภทไหนในคืนวันศุกร์ ไม่ได้รู้ว่าทำไมวันศุกร์ถึงทำให้คุณเหนื่อยจนไม่อยากทำอาหาร และอาหารนั้นเชื่อมกับความทรงจำอะไรที่ทำให้คุณรู้สึกดีขึ้น

ระบบที่ดีขึ้นทุกวันกำลังเรียนรู้ pattern ของคุณ แต่ไม่ได้เรียนรู้ตัวคุณ

ผลกระทบที่เราควรตระหนัก

เมื่อระบบทำนายพฤติกรรมได้แม่นขึ้น มันไม่ได้แค่ "ตามใจ" เรามากขึ้น มันยังมีอิทธิพลต่อพฤติกรรมของเราได้มากขึ้นด้วย

ระบบแนะนำเนื้อหาที่รู้ว่าอะไรทำให้คุณดูต่อ สามารถค่อยๆ ปรับ pattern การรับข้อมูลของคุณได้ โดยที่คุณแทบไม่รู้ตัว

นี่ไม่ใช่ conspiracy theory มันคือผลลัพธ์ที่เกิดขึ้นตามธรรมชาติเมื่อระบบที่ optimize เพื่อ "engagement" ทำงานได้ดีขึ้นเรื่อยๆ

ความเข้าใจว่าระบบทำงานอย่างไรจึงไม่ใช่แค่ความรู้ทางเทคนิค มันคือทักษะในการรักษาอิสรภาพในการตัดสินใจของตัวเอง

สรุป

AI ทำนายพฤติกรรมได้แม่นขึ้นเพราะข้อมูลที่เพิ่มขึ้นทุกวัน อัลกอริทึมที่พัฒนาขึ้นอย่างก้าวกระโดด และการเรียนรู้ต่อเนื่องจากผลลัพธ์จริง

แต่สิ่งที่ระบบเก่งขึ้นคือการค้นหาและใช้ pattern ของพฤติกรรม ไม่ใช่การเข้าใจว่าเราเป็นใครและต้องการอะไรจริงๆ

และนั่นคือสิ่งที่ทำให้การทำความเข้าใจ pattern ของตัวเองสำคัญกว่าที่เคย เพราะถ้าเราไม่รู้จัก pattern ของตัวเอง แต่ระบบรู้ เราอาจเป็นฝ่ายถูกนำมากกว่าเป็นฝ่ายนำ

→ บทถัดไป: AI กับโหราศาสตร์ ต่างกันอย่างไร — สองระบบที่ถามคำถามเดียวกันมาคนละยุค