ฟิสิกส์อิเล็กทรอนิกส์ตอนที่5 : สติปัญญาอิเล็กทรอนิกส์และการเรียนรู้ได้ของเครื่องจักร

          เราจะทำให้หุ่นยนต์หรือจักรกลอิเล็กทรอนิกส์มีความรู้สึกนึกคิดเหมือนหรือคล้ายกันกับมนุษย์ได้อย่างไร? ยังคงเป็นคำถามที่นักฟิสิกส์และนักวิทยาศาสตร์สาขาต่างๆมากมายให้ความสนใจและพยายามศึกษาค้นขว้ากันอยู่ในขณะนี้ แนวทางหนึ่งก็คือการพยายาม “เลียนแบบ” พฤติกรรมจริงๆของสิ่งมีชีวิต 


         หน่วยย่อยที่สุดของสิ่งมีชีวิตทุกชนิดก็คือเซลล์ เซลล์ประกอบไปด้วยส่วนประกอบย่อยต่างๆมากมายอยู่ภายใน เราสามารถมองเซลล์ของสิ่งมีชีวิตเซลล์หนึ่งๆได้เหมือนโรงงานอุตสาหกรรมขนาดใหญ่ ที่มีปรากฏการณ์ทางชีวเคมีมากมายมหาศาลที่กำลังถูกดำเนินการอยู่ ซึ่งโดยหลักการแล้ว ทุกๆปรากฏการณ์ทางเคมีหรือชีวเคมีควรที่จะสามารถถูกคำนวนและอธิบายได้ด้วยกฏทางฟิสิกส์ ยกตัวอย่างเช่น ด้วยกฏทางฟิสิกส์ควอนตัมในระดับอะตอมหรือโมเลกุล เป็นต้น 


          สิ่งมีชีวิตที่สามารถเรียนรู้สิ่งต่างๆจากสิ่งแวดล้อมได้อย่างเช่นมนุษย์นั้น สามารถเรียนรู้และจดจำสิ่งต่างๆได้ก็เพราะมีระบบประสาทที่ประกอบไปด้วยหน่วยย่อยที่สุดคือเซลล์ประสาทเป็นจำนวนมากมายมหาศาลอยู่ภายในร่างกาย ระบบประสาทที่มีขนาดใหญ่และมีความสลับซับซ้อนมากที่สุดของมนุษย์ก็คือสมองนั่นเอง สมองเกิดจากเซลล์ประสาทจำนวนนับล้านๆเซลล์ต่อและทำงานร่วมกันอย่างเป็นระบบ ดังนั้น หากเราต้องการที่จะทำให้หุ่นยนต์หรือจักรกลอิเล็กทรอนิกส์มีความรู้สึกนึกคิดเหมือนหรือคล้ายกันกับมนุษย์ เราก็จำเป็นที่จะต้องสร้างเซลล์ประสาท(เทียม) ขึ้นมาให้ได้เสียก่อน ซึ่งสิ่งนี้สามารถเป็นไปได้ เนื่องจากในระบบประสาทของจริงนั้น แต่ละเซลล์ประสาทจะรับสัญญาณประสาท ซึ่งเป็นสัญญาณในรูปแบบของกระแสไฟฟ้า จากเซลล์ประสาทอื่นๆเข้ามาทำการประมวลผล แล้วส่งสัญญาณประสาท ซึ่งก็คือกระแสไฟฟ้าอีกเช่นกัน ไปยังเซลล์ประสาทตัวอื่นๆ ดังนั้นแล้ว ถ้าหากเราสามารถออกแบบวงจรอิเล็กทรอนิกส์ที่สามารถ รับ-ประมวลผล-ส่ง สัญญาณในรูปของสัญญาณไฟฟ้าได้แบบเดียวกันกับเซลล์ประสาทของจริงในสิ่งมีชีวิตสามารถที่จะทำได้แล้วล่ะก็ เราก็น่าจะเอาวงจรอิเล็กทรอนิกส์ที่เป็นเซลล์ประสาทเทียมนี้มาต่อร่วมกันเยอะๆจนกลายเป็นสมองเทียมได้ และเมื่อเรามีสมองเทียมแล้ว เราก็น่าที่จะฝึก (train) สมองอิเล็กทรอนิกส์นี้ให้มีความรู้สึกนึกคิดขึ้นมาได้!


          ก่อนที่เราจะไปเริ่มสร้างเซลล์ประสาทเทียมจากอุปกรณ์อิเล็กทรอนิกส์นั้น เราจะต้องเขียนฟังก์ชั่นการทำงานของเซลล์ประสาทจริงให้อยู่ในรูปโมเดลหรือสมการทางคณิตศาสตร์ให้ได้เสียก่อน ซึ่งเราสามารถเขียนสมการการทำงานของเซลล์ประสาทตัวหนึ่งๆใดๆของสิ่งมีชีวิตได้เป็นดังสมการในรูปที่2[1]

  จากสมการในรูปที่2 มีตัวแปรทางไฟฟ้าคณิตศาสตร์ที่น่าสนใจดังนี้

 ui คือสัญญาณขาออก (mean soma potential)
 τ คือค่าคงที่เวลาของเซลล์ประสาท (time constant) 
 Ii  คือสัญญาณขาเข้าจากเซลล์ประสาทตัวอื่นๆ
 Ri คือความต้านทานการส่งผ่านของเมมเบรน (transmembrane resistance)
 vj คือสัญญาณขาออกเซลล์ประสาทตัวอื่นๆ (output of other neurons)
Rij คือค่าความต้านทานระหว่างเซลล์ประสาทกับเซลล์ประสาทตัวอื่นๆที่ต่อร่วมอยู่ด้วยกัน
N คือจำนวนของเซลล์ประสาทตัวอื่นๆที่ต่ออยู่ด้วย


          อย่างไรก็ตาม ถึงแม้ว่าเราจะสามารถใช้อุปกรณ์อิเล็กทรอนิกส์พื้นฐานมาสร้างเป็นเซลล์ประสาทเทียม 1 เซลล์ได้ แต่การที่เราจะทำให้หุ่นยนต์หรือจักรกลอิเล็กทรอนิกส์สามารถที่จะเรียนรู้สิ่งต่างๆได้คล้ายกับมนุษย์นั้น เราจำเป็นที่จะต้องสร้างเซลล์ประสาทเทียมจากอุปกรณ์อิเล็กทรอนิกส์พื้นฐานดังเช่นในรูปที่2 นี้อีกเป็นจำนวนมากมายมหาศาล และทุกๆครั้งที่มีการเปลี่ยนแปลงใดๆขึ้นกับเซลล์ประสาท วงจรอิเล็กทรอนิกส์ของเซลล์ประสาทก็จะต้องเปลี่ยนแปลงตามไปด้วยเสมอ จึงทำให้ไม่สะดวกเป็นอย่างยิ่งในการสร้างสมองอิเล็กทรอนิกส์จากอุปกรณ์อิเล็กทรอนิกส์พื้นฐาน เพราะยากต่อการปรับเปลี่ยนอุปกรณ์อิเล็กทรอนิกส์ในวงจร เพื่อให้วงจรมีสมการการทำงานสอดคล้องกับพฤติกรรมใหม่ของเซลล์ประสาทเทียมที่สร้างขึ้น จึงเป็นการดีกว่าถ้าหากเราจะสามารถสร้างเซลล์ประสาทเทียมเหล่านี้ได้บนคอมพิวเตอร์ ซึ่งจากฟิสิกส์อิเล็กทรอนิกส์ตอนที่4 เราได้ทราบแล้วว่า การพัฒนาวงจรอิเล็กทรอนิกส์ยุคใหม่นั้นหลีกเลี่ยงไม่ได้เลยที่จะต้องนำสถาปัตยกรรมคอมพิวเตอร์เข้ามาใช้ ซึ่งจะทำให้เกิดความคล่องตัวและลดเวลาในการพัฒนาได้เป็นอย่างมาก


          ตัวอย่างหนึ่งของการพัฒนาเซลล์ประสาทเทียมก็คือการนำเซลล์ประสาทเทียมจำนวนมากมาเชื่อมต่อเข้าด้วยกันเป็นโครงข่ายประสาทเทียม(Artificial Neuron Network : ANN) บนคอมพิวเตอร์ แล้วนำมาฝึก(training) จนเกิดเป็นปัญญาประดิษฐ์หรือเอไอ (Artificial Intelligence : AI) ขึ้นมา รูปที่3 เป็นตัวอย่างการนำเอไอที่สร้างขึ้นมาบนคอมพิวเตอร์ มาเรียนรู้เทคนิคการสร้าง “งานศิลปะ” ของศิลปินเอกของโลกท่านต่างๆ[3] ซึ่งผลลัพท์ที่ได้นั้นน่าอัศจรรย์มาก เอไอสามารถที่จะเรียนรู้รูปแบบการวาดและสามารถสร้างผลงานศิลปะขึ้นมาตามสไตล์การวาดของศิลปินเอกเหล่านั้นได้หมดทุกคน!


          ในรูปที่ 3 แสดงภาพบ้านสีสันต่างๆริมแม่น้ำ Neckar ในเมือง Tubingen ประเทศเยอรมนี ที่ถูกเอไอนำไปวาดใหม่ ตามสไตล์ของศิลปินเอกท่านต่างๆเรียงลำดับได้ดังนี้ ภาพ B เป็นการวาดใหม่ตามสไตล์ของโจเซฟ มัลลอร์ด วิลเลียม เทอร์เนอร์ จิตรกรภาพทิวทัศน์ชาวอังกฤษโดยใช้ภาพ the shipwreck of the minotaur เป็นภาพต้นแบบในการสอนให้เอไอเรียนรู้ (learning), ภาพ C เป็นการวาดใหม่ตามสไตล์ของวินเซนต์ แวน โก๊ะ โดยใช้ภาพ the starry night, ภาพ D เป็นการวาดใหม่ตามสไตล์ของเอ็ดเวิร์ด มุงค์ โดยใช้ภาพ Der Schrei, ภาพ E เป็นการวาดใหม่ตามสไตล์ของปาโบล ปิกัสโซ่ โดยใช้ภาพ Femme nue assise และภาพ F เป็นการวาดใหม่ตามสไตล์ของวาซีลี วาซีเลียวิช คันดินสกี โดยใช้ภาพ  Composition VII ภาพต้นแบบในการสอนให้เอไอเรียนรู้แนวการวาด

            ความน่ามหัศจรรย์ของเอไอยังไม่หมดเพียงเท่านี้ ในตอนต่อๆไป เราจะได้พบกับการที่ “เอไอ” สามารถที่จะ “เรียนรู้และทำนาย” ปรากฏการณ์ทางฟิสิกส์ได้ โดยไม่จำเป็นต้องใส่หรือบอกเอไอถึงสมการทางฟิสิกส์ที่อยู่เบื้องหลังปรากฏการณ์นั้นๆเลยแม้แต่น้อย เอไอ-จักรกลอิเล็กทรอนิกส์ก็สามารถที่จะเข้าใจกฏฟิสิกส์ได้! ติดตามต่อได้ในฟิสิกส์อิเล็กทรอนิกส์ตอนที่6 : โครงข่ายประสาทเทียมและพฤติกรรมทางฟิสิกส์

 

อ้างอิง
[1] Sarwar, Farah & Iqbal, Shaukat & Hussain, Muhammad. (2016). Linear and Nonlinear Electrical 
    Models of Neurons for Hopfield Neural Network. Zeitschrift für Naturforschung A. 71. 
    10.1515/zna-2016-0161.

[2] https://www.datacamp.com/community/tutorials/deep-learning-python
     (สืบค้นเมื่อวันที่ 27 ธันวาคม พ.ศ. 2563)

[3] Gatys, Leon & Ecker, Alexander & Bethge, Matthias. (2015). A Neural Algorithm of Artistic 
     Style. arXiv. 10.1167/16.12.326. 

[4] https://www.electronics-tutorials.ws/opamp/opamp_6.html 
     (สืบค้นเมื่อวันที่ 27 ธันวาคม พ.ศ. 2563)

[5] https://colab.research.google.com/github/tensorflow/models/blob/master/research/
     nst_blogpost/4_Neural_Style_Transfer_with_Eager_Execution.ipynb