การฟื้นตัว การเปลี่ยนแปลงและจุดหักเหของ AI

ความหนาวที่ไม่ฆ่า แต่บังคับให้เปลี่ยน

สิ่งที่น่าประหลาดใจที่สุดเกี่ยวกับ
AI Winter ครั้งแรก (1974–1980)
คือมัน ไม่ได้ฆ่า AI

มันแค่ “แช่แข็ง” ความเชื่อแบบเดิม
แล้วเปิดพื้นที่ให้ AI เปลี่ยนรูปแบบ

เมื่อเข้าสู่ปี 1980
สิ่งที่หลายคนไม่คาดคิดก็เกิดขึ้น:

Expert Systems กลับมา — และคราวนี้มันทำเงินจริง

ไม่ใช่ในห้องแล็บ
แต่ใน ธุรกิจจริง

และนี่คือสิ่งที่
Alan Turing
ไม่เคยทำนายไว้

AI ไม่จำเป็นต้อง “ฉลาดแบบทั่วไป (general)”
เพื่อจะ “มีคุณค่า”

AI ที่แคบ (Narrow AI )
แต่แก้ปัญหาได้จริง
สามารถสร้างเงินได้

---

(1980–1987)

ยุคที่ Expert Systems ขึ้นสู่ภาคธุรกิจ

XCON: ความสำเร็จที่จับต้องได้

ตัวอย่างที่ชัดเจนที่สุดคือ
XCON ของ
Digital Equipment Corporation

• ใช้กำหนดค่า hardware อัตโนมัติ
• ลดความผิดพลาดจากมนุษย์
• ประหยัดต้นทุนให้ DEC
  มากกว่า 40 ล้านดอลลาร์ต่อปี

และ XCON ไม่ได้อยู่ลำพัง

ตัวอย่างอื่น ๆ ได้แก่:

• PROSPECTOR ของ Shell Oil
  → วิเคราะห์หินเพื่อค้นหาแร่
  → ประหยัดเงินกว่า 20 ล้านดอลลาร์
• American Express
  → ระบบอนุมัติสินเชื่อ
• General Motors, DuPont
  → ระบบควบคุมการผลิต

ตัวเลขสะท้อนความจริงอย่างหนึ่ง:

อุตสาหกรรม AI
เติบโตจาก “หลักล้านดอลลาร์” ในปี 1980
เป็น “หลักพันล้านดอลลาร์” ในปี 1988

ผู้คนเริ่มพูดว่า

“AI กลับมาแล้ว”

และครั้งนี้…
มันดูเหมือนจะจริง

---

ความอบอุ่นลวง: ปัญหาเดิมที่ไม่เคยหายไป

แต่ถ้ามองให้ใกล้ขึ้น
ปัญหาที่เคยฆ่า Symbolic AI
ในยุค 1970s
ยังอยู่ครบ

• Knowledge Acquisition Bottleneck
  → ยังต้องใช้ knowledge engineers เขียนกฎด้วยมือ
• Brittleness
  → เจอ edge cases เมื่อไร ระบบพังเมื่อนั้น
• Maintenance Cost
  → ทุกครั้งที่ DEC ออก hardware ใหม่
  XCON ต้องอัปเดตกฎใหม่ทั้งหมด

ความแตกต่างเพียงอย่างเดียวคือ:

คราวนี้ ระบบเหล่านี้ “ทำเงินได้”

ดังนั้น
แทนที่จะถามว่า
“โครงสร้างนี้จะไปได้ไกลแค่ไหน?”

ผู้คนเลือกถามว่า
“ตอนนี้ ROI เป็นบวกหรือไม่?”

นี่คือ ความผิดพลาดเชิงโครงสร้าง
ผู้นำ AI ไม่ได้เรียนรู้จากอดีต
พวกเขาแค่สรุปว่า:

“ถ้าเราเลือก domain ให้แคบพอ
AI ก็ใช้ได้”

---

การลุกขึ้นของ LISP Machines: ฟองสบู่ที่เร็วและแรง

ในเวลาเดียวกัน
อีกกระแสหนึ่งก็เกิดขึ้น

บริษัทอย่าง
Symbolics
และ Lisp Machines Inc.
สร้างสิ่งที่เรียกว่า LISP Machines

แนวคิด

• คอมพิวเตอร์ที่ออกแบบมา
  เพื่อรัน Symbolic AI โดยเฉพาะ
• ใช้ภาษา LISP เป็นแกนกลาง
• เร็วและเหมาะกับ Expert Systems มาก

Symbolics เป็นตัวอย่างชัดเจนที่สุด:

• ก่อตั้งโดยอดีตนักวิจัยจาก MIT AI Lab
• ขายเครื่องให้บริษัทที่ทำ Expert Systems
• เติบโตเร็วมาก
• ในปี 1985 กลายเป็นหนึ่งในบริษัทเทคโนโลยีรุ่นแรกที่เข้าตลาดหุ้น

ดูเหมือนสวรรค์ของ AI

---

สวรรค์ของ AI ที่อยู่ได้ไม่นาน

ปัญหาไม่ได้มาจาก AI
แต่มาจาก ราคา hardware ของ Computer

ในช่วงกลางทศวรรษ 1980s:

• คอมพิวเตอร์ทั่วไป
  เช่น Apple Macintosh, IBM PC, Sun Workstations
  → ถูกกว่า
  → แรงขึ้น
  → ยืดหยุ่นกว่า

เปรียบเทียบราคา:

• LISP Machines:
  $70,000 – $150,000 ต่อเครื่อง
• Sun Workstations:
  ~$10,000 ต่อเครื่อง

แม้แต่บริษัทที่ใช้ Expert Systems
ก็เริ่มถามคำถามง่าย ๆ ว่า:

“ทำไมต้องซื้อเครื่องแพง
ในเมื่อเครื่องทั่วไปก็เริ่มทำงานได้?”

คำตอบคือ…ไม่มี

---

การพังทลาย: AI Winter ครั้งที่สอง (1987–1993)

ในปี 1987
ตลาด LISP Machines พังทลายอย่างรวดเร็ว

• มูลค่าตลาดระดับ พันล้านดอลลาร์
  หายไปในเวลาไม่ถึงปี
• Symbolics ล้มละลายในช่วงต้น 1990s
• Lisp Machines Inc. ล้มเหลว
• Texas Instruments ถอนตัวจากธุรกิจ AI

นี่คือ
AI Winter ครั้งที่สอง
และมันรุนแรงกว่าครั้งแรก

เพราะครั้งนี้
AI ไม่ได้ล้มเหลวในห้องแล็บ
แต่มันล้มเหลวใน ราคาตลาดจากเทคโนโลยี Harware คอมพิวเตอร์

---

บทสรุปของยุคนี้

สิ่งที่ยุค 1980s–1990s สอนเรา คือ:

• AI สามารถสร้างมูลค่าได้โดยไม่ต้องเป็น AGI
• แต่ถ้าโครงสร้างยังเปราะบางมูลค่านั้นไม่ยั่งยืน
• การ “ทำเงินได้”ไม่ได้แปลว่า
  ” ปัญหาพื้นฐานถูกแก้แล้ว “

AI Winter ครั้งที่สอง
ไม่ใช่จุดจบของ AI

แต่มันคือสัญญาณว่า

การแก้ปัญหาผิวเผิน
จะพา AI กลับมาล้มซ้ำ
ในรูปแบบใหม่เสมอ

---

อ่านต่อที่ https://genaispace.net/การกำเนิดใหม่ของ-neural-networks/