Google DeepMind เปิดตัว SIMA เอเจนต์ AI สากลที่ "ลงมือทำ" ได้ในโลกเสมือน 3 มิติ

เมื่อวันที่ 13 มีนาคม 2024 Google DeepMind ได้เผยแพร่ผลงานวิจัยชื่อ SIMA (Scalable Instructable Multiworld Agent) ซึ่งเป็นระบบเอเจนต์ AI แบบ "สากล" (generalist) ต่างจาก AI ในอดีตที่ถูกฝึกเฉพาะเกมใดเกมหนึ่ง (เช่นโมเดลที่เชี่ยวชาญหมากล้อมหรือ StarCraft) ข้อมูลฝึกของ SIMA ครอบคลุมเกมเชิงพาณิชย์ถึง 9 เกมจากค่ายเกมต่างๆ บวกกับสภาพแวดล้อมวิจัยภายในของ DeepMind อีก 4 แบบ ครอบคลุมฉากเสมือน 3 มิติหลากหลายประเภท ตั้งแต่การสำรวจโลกเปิด การก่อสร้าง ไปจนถึงเกมไขปริศนาเชิงแอ็กชัน

ความสามารถหลักของ SIMA คือ เมื่อผู้ใช้ป้อนคำสั่งด้วยภาษาธรรมชาติ (เช่น "เปิดแผนที่" "เดินไปทางซ้ายไปยังอาคารนั้น" "เก็บไม้ที่อยู่ใกล้ๆ") SIMA จะเข้าใจความหมายและใช้วิธีควบคุมแบบเดียวกับผู้เล่นทั่วไป (คีย์บอร์ดและเมาส์) เพื่อลงมือทำภารกิจนั้นให้สำเร็จจริงบนหน้าจอ โดยไม่ต้องอาศัย API พิเศษหรือช่องทางลับจากผู้พัฒนาเกม นี่คือความแตกต่างที่สำคัญที่สุดจาก AI เกมแบบดั้งเดิม

ความหมายเชิงเทคนิค: จาก "เข้าใจ" สู่ "ทำได้จริง"

ตลอดกว่าหนึ่งปีที่ผ่านมา ความก้าวหน้าของ AI เชิงสร้างสรรค์ส่วนใหญ่เน้นไปที่ "การเข้าใจและสร้างข้อความ/ภาพ" เช่น ตอบคำถาม เขียนคอนเทนต์ วาดภาพ แต่ SIMA แสดงให้เห็นแนวทางอีกแบบหนึ่ง คือ AI จะสามารถแปลงคำสั่งภาษาให้กลายเป็นชุดการกระทำที่เป็นรูปธรรมในพื้นที่เสมือน 3 มิติที่ไม่เคยเห็นมาก่อน และบรรลุเป้าหมายได้หรือไม่ ซึ่งต้องอาศัยทั้งความเข้าใจภาษา การรับรู้เชิงพื้นที่ และการวางแผนตัดสินใจต่อเนื่อง ซึ่งยากกว่าระบบถาม-ตอบธรรมดามาก DeepMind เน้นย้ำว่าสิ่งที่ SIMA เรียนรู้ไม่ใช่ "เทคนิคเฉพาะเกมใดเกมหนึ่ง" แต่เป็นความสามารถในการปฏิบัติงานที่สามารถนำไปใช้ได้กับ "สภาพแวดล้อมเกมใหม่ที่ไม่เคยเจอมาก่อน"

เปรียบเทียบกับเทคโนโลยีเดิม

เมื่อเทียบกับ AlphaGo หรือ AlphaStar ที่เป็น AI แบบ "เชี่ยวชาญเฉพาะเกมเดียว" คุณค่าของ SIMA อยู่ที่ "การขยายผลข้ามสภาพแวดล้อม" นอกจากนี้ยังต่างจากผู้ช่วยเสียงหรือแชทบอทที่รู้จักกันในขณะนั้น (เช่น ChatGPT, Gemini) ซึ่งส่วนใหญ่ยังอยู่ในระดับการสนทนาด้วยข้อความ ไม่ได้ควบคุมโลก 3 มิติที่มีกฎฟิสิกส์โดยตรง SIMA เปรียบเสมือนการนำความสามารถในการเข้าใจของโมเดลภาษา มาเชื่อมต่อกับอินเทอร์เฟซที่ "ลงมือทำ" ได้จริงในโลกเสมือน ถือเป็นตัวอย่างที่เป็นรูปธรรมของ AI ที่ก้าวจากการ "ให้คำแนะนำ" ไปสู่การ "ลงมือทำแทน"

ปฏิกิริยาจากวงการ

หลังการเปิดตัว วงการส่วนใหญ่มองว่า SIMA เป็นความก้าวหน้าสำคัญของสายวิจัย "เอเจนต์ AI" (AI Agent) และเป็นผลงานระยะหนึ่งของ DeepMind ในทิศทางการวิจัยปัญญาประดิษฐ์ทั่วไป (AGI) หลายฝ่ายชี้ว่าเวอร์ชันที่เปิดเผยครั้งนี้ยังเป็นเพียง "การพรีวิวเชิงวิจัย" ยังไม่เปิดให้ใช้งานจริง และคงไม่ปรากฏในผลิตภัณฑ์สำหรับผู้บริโภคในระยะสั้น แต่ความสำคัญอยู่ที่การพิสูจน์ว่า "เอเจนต์สากลข้ามสภาพแวดล้อม" เป็นไปได้ในทางเทคนิค ปูทางให้ AI ก้าวจากโลกเกมไปสู่ภารกิจในโลกจริง เช่น การควบคุมซอฟต์แวร์คอมพิวเตอร์หรือหุ่นยนต์

สำหรับผู้บริหาร สัญญาณที่แท้จริงจากข่าวนี้ไม่ใช่เรื่อง "AI เล่นเกม" แต่คือจุดเปลี่ยนที่ AI กำลังก้าวจาก "การตอบคำถาม" ไปสู่ "การลงมือทำแทน" — ในอีก 1-2 ปีข้างหน้า เอเจนต์ AI ที่เข้าใจคำสั่งและดำเนินภารกิจหลายขั้นตอนได้เองอาจปรากฏในระบบภายในองค์กรหรือการจำลองฝึกอบรม ผู้บริหารควรจับตาความเร็วในการนำเทคโนโลยีสายนี้มาใช้จริง