เรื่องโดย ผศ. ดร.ป๋วย อุ่นใจ
ผมชอบคุยกับเอไอ และชอบป่วนเอไอ เพราะคำตอบของมันจะช่วยปลุกจินตนาการให้โลดเเล่นไปไกล บางทีก็ไกลกว่าที่คิด แม้หลายครั้งจะเพ้อเจ้อ และบางครั้งก็หลอนแบบหน้าตาเฉยก็ตาม
ด้วยข้อมูลมหาศาลที่มันอ่านมา เอไอจึงสามารถจินตนาการสิ่งต่าง ๆ ได้มากกว่าที่หลายคนเคยคิด หากย้อนกลับไปเมื่อสิบกว่าปีก่อน เราเคยเชื่อกันว่าสักวันหนึ่งมาชีนเลิร์นนิง (machine learning) กับเอไอคงจะมีความสามารถทัดเทียมมนุษย์ แต่ในเวลานั้นความสามารถของมันยังจำกัดมาก จะเรียกว่า “อ่อนหัด” ก็คงไม่ผิด เพราะเอไอแต่ละตัวถูกสร้างมาเพื่อทำงานเฉพาะด้าน และทำอย่างอื่นแทบไม่ได้เลย
แพทย์ โปรแกรมเมอร์ นักบัญชี หรืออาชีพใดก็ตามที่ต้องอาศัยการมองหารูปแบบและวิเคราะห์ข้อมูล ล้วนเป็นกลุ่มแรก ๆ ที่ผู้คนเชื่อว่าเอไอจะเข้ามาแทนที่ได้ในเวลาไม่นาน แต่เอาเข้าจริงพัฒนาการของเอไอในยุคนั้นกลับเชื่องช้าจนแทบไม่ขยับ ถ้าเปรียบเป็นรถก็คงเป็นรถที่วิ่งช้าจนเต่ากัดยางรถพรุนไปหมดแล้วก็ยังไปไม่ถึงไหน
แต่ในช่วงราว ๆ ปี ค.ศ. 2021 หลังยุคโควิด นักวิจัยโขยงใหญ่จากมหาวิทยาลัยสแตนฟอร์ดจากหลากหลายวงการ นำโดยริชี บอมมาซานี (Rishi Bommasani) และเพอร์ซี เหลียง (Percy Liang) ได้เผยแพร่เปเปอร์ “On the Opportunities and Risks of Foundation Models” ในฐานข้อมูล arXiv เปเปอร์นี้ได้เสนอ “วิธีคิด” ใหม่ นั่นคือ ไม่จำเป็นต้องสร้างเอไอขึ้นเพื่อทำงานเพียงอย่างเดียวอีกต่อไป แต่สร้างโมเดลที่เรียนรู้ “พื้นฐาน” ของข้อมูลได้ดีพอโมเดลเดียวเพื่อนำไปปรับใช้กับงานปลายทางได้หลากหลาย โดยไม่ต้องสร้างโมเดลใหม่จากศูนย์ทุกครั้ง
แนวคิดนี้น่าสนใจเพราะเรื่องนี้เหมือนกับเทคโนโลยีโมเดลภาษาขนาดใหญ่ (large language model, LLM) แม้ก่อนหน้านี้โมเดลยุคแรกอย่างตระกูล Google BERT จะเริ่มได้รับความสนใจมาแล้วก่อนหน้าแล้วตั้งแต่ปี ค.ศ. 2018 และ OpenAI GPT-2 เพิ่งจะขยายพารามิเตอร์อย่างมหาศาลจาก 1.5 พันล้านพารามิเตอร์ในปี ค.ศ. 2019 ไปเป็น 1.75 แสนล้านพารามิเตอร์ในปี ค.ศ. 2020 ในเวอร์ชัน GPT-3 ที่ทำให้ความฉลาดของ GPT-3 พุ่งทะยานแบบก้าวกระโดด ทำให้วงการเทคทั่วโลกสะท้านสะเทือน แม้ในตอนนั้นจะยังไม่มีแชตบอตที่คุยได้ง่ายอย่าง ChatGPT ออกมาให้คนทั่วไปใช้ก็ตาม แต่ประเด็นเรื่อง “โมเดลรากฐาน (foundation model)” ก็ถูกจุดขึ้นมาจากเปเปอร์นี้จนกลายเป็นเรื่องที่หลายคนให้ความสนใจ
ทั้งนี้เพราะว่าแต่เดิมเอไอสารพัดประโยชน์ที่ตอบคำถามได้ราวอับดุล ถามรู้ ตอบได้ แม้จะค่อนข้างยกยอปอปั้นจนดูไม่จริงใจไปบ้าง หรือบางทีหนักหน่อยก็หลอนแบบมั่น ๆ ให้คนที่เอาข้อมูลไปใช้แบบไม่ตรวจสอบก่อนหน้าแตกพอเป็นพิธีนั้นจะเน้นไปในเชิงภาษาซึ่งก็คือ LLM แต่ไอเดียเรื่องโมเดลรากฐานของสเเตนฟอร์ดนั้นได้ขยายจาก LLM ไปเป็นการสร้างโมเดลเอไอขนาดใหญ่ที่ไม่ได้สร้างมาเพื่อทำงานเพียงอย่างเดียวเหมือนแต่ก่อน แต่ได้รับการฝึกกับข้อมูลมหาศาล จนเรียนรู้ “กฎพื้นฐาน” ของข้อมูลประเภทนั้น แล้วจึงนำไปประยุกต์ทำงานได้อีกหลากหลายอย่าง เป็น “large X model” โดยที่ X จะเป็นอะไรก็ได้ ไม่ต้องสร้างโมเดลใหม่ทุกครั้ง
 กระบวนการทำงานของโมเดลรากฐาน (foundation model) |
ลองนึกถึงเด็กคนหนึ่ง… ถ้าเราต้องการให้เด็กคนหนึ่งเป็นหมอ เราไม่ได้สอนเขาเฉพาะเรื่องผ่าตัดตั้งแต่วันแรก แต่ให้เขาเรียนรู้ภาษา การอ่าน การเขียน คณิตศาสตร์ และการคิดวิเคราะห์เสียก่อน เมื่อมีพื้นฐานเหล่านี้แล้ว เขาจึงเรียนต่อเฉพาะทางเป็นแพทย์ วิศวกร หรือทนายได้ง่ายขึ้น
แม้ก่อนหน้านั้นโมเดลภาษายุคแรกอย่าง BERT ของ Google จะเริ่มได้รับความสนใจมาตั้งแต่ปี ค.ศ. 2018 และเมื่อต้องใช้ทำงานใด ๆ ที่เฉพาะก็จะเริ่มนำองค์ความรู้ที่เคยเรียนรู้มาทั้งหมดมาปรับใช้ ไม่ว่าจะเป็น ทำนายโครงสร้างโปรตีน ออกแบบยาเฉพาะโรค วิเคราะห์ลักษณะและพยาธิสภาพของเซลล์ พยากรณ์สภาพภูมิอากาศ ตรวจวินิจฉัยมะเร็ง
ศตวรรษที่ 20 มนุษย์ประดิษฐ์คอมพิวเตอร์ขึ้นมาเพื่อประมวลผล “ตัวเลข” ต้นศตวรรษที่ 21 เราสร้าง LLM เพื่อให้คอมพิวเตอร์เข้าใจ “ภาษามนุษย์” และโมเดลรากฐานจะทำให้เอไอทำอะไรได้อีกมากมายมหาศาล
ใครจะรู้ หากเอไอเรียนรู้ภาษามนุษย์ได้จากข้อความนับล้านล้านประโยค เข้าใจภาพได้จากภาพนับล้านภาพผ่านเทคโนโลยีคอมพิวเตอร์วิทัศน์ (computer vision) และเข้าใจโครงสร้างโปรตีนจากข้อมูลชีววิทยาเชิงโครงสร้างในคลังข้อมูลโปรตีน (protein data bank) แล้วเหตุใดวันหนึ่งมันจะเรียนรู้ “ภาษาของชีวิต” ไม่ได้
เช่นเดียวกับที่โมเดลทางภาษาขนาดใหญ่อย่าง LLM ทำให้งานเอกสารของพวกเราถูกดิสรัปต์จนเปลี่ยนไปอย่างมหาศาล โมเดลเอไอทางการโคดดิง (code foundation model หรือ code LLM) ทำให้เอไอเขียนโปรแกรมได้ราวกับเป็นโปรแกรมเมอร์ และหลายคนก็เริ่มตื่นเต้นกับเทคโนโลยีนี้ เอไอขนาดใหญ่ทางภาพ (vision foundation model) ก็ช่วยให้สร้างภาพและคลิปที่สมจริงได้อย่างน่าทึ่ง
โมเดลรากฐานในเชิงประยุกต์จึงน่าสนใจเป็นอย่างมาก โมเดลอย่าง AlphaFold และ ESM ช่วยให้เราเข้าใจโครงสร้างโปรตีนจนสามารถทำนายและออกแบบโครงสร้างโปรตีนแบบใหม่ ๆ เพื่อประยุกต์ใช้ในแบบต่าง ๆ ได้ ไปจนถึงการออกแบบยาและสารออกฤทธิ์ต่าง ๆ เพื่อการบำบัดรักษาได้อีกด้วย
เห็นได้ว่า โมเดลเอไอแบบรากฐานนั้นกำลังเปลี่ยนแปลงภูมิทัศน์ของงานวิจัยและพัฒนาไปอย่างมหาศาล ลองจินตนาการ ถ้าเอไอแบบ ChatGPT สามารถเข้าใจภาษามนุษย์ได้ ในอนาคตโมเดลเอไอรากฐานขนาดใหญ่ก็อาจจะเรียนรู้และเข้าใจภาษาสัตว์ (animal foundation model) ได้ไม่ต่างกัน คำถามคือ …ถ้าถึงตอนนั้นเเล้ว จะเป็นไปได้ไหมว่าจะคนและสัตว์จะคุยกันรู้เรื่อง และถ้าเราเข้าใจได้ว่าสัตว์ต้องการอะไร จะมีการเปลี่ยนแปลงในเรื่องสิทธิสัตว์หรือไม่ และตลาดสินค้าสำหรับสัตว์เลี้ยงจะแปรเปลี่ยนไปมากขนาดไหน
ที่น่าสนใจคือในตอนนี้ นักวิทยาศาสตร์และวิศวกรชีวภาพกำลังพยายามสร้างข้อมูลขนาดใหญ่ (big data) ทางด้านชีวภาพ ไม่ว่าจะเป็นข้อมูลจีโนม โปรตีโอม เมตาโบโลม ไปจนถึงไมโครไบโอม สารพัดเทคโนโลยีโอมิกส์เหล่านี้อาจจะพัฒนาต่อไปจนเป็นโมเดลรากฐานทางชีววิทยา (biological foundation models) เพื่อให้คอมพิวเตอร์เข้าใจ “ภาษาของชีวิต” ได้อย่างถ่องแท้ ไม่ต่างจากที่ Claude และ Gemini เข้าใจภาษามนุษย์
และหากวันหนึ่งเอไอเรียนรู้รูปแบบไวยากรณ์ในเชิงสถิติและความสัมพันธ์เชิงหน้าที่ของดีเอ็นเอได้ลึกพอ มันอาจไม่ได้เป็นเพียงเครื่องมือวิเคราะห์ข้อมูลอีกต่อไป แต่จะกลายเป็นนักชีววิทยาที่ “อ่าน” “ตีความ” และอาจถึงขั้น “เขียน” ภาษาของชีวิตได้อย่างมีเหตุผล หลายคนมองว่านี่อาจเป็นจุดเปลี่ยนครั้งใหญ่ของชีววิทยา
โมเดลรากฐานทั้งหมดอาจเริ่มจากโมเดลพื้นฐานตัวเดียวกัน แต่สิ่งที่เรียนนั้นอาจจะต่างกัน คำถามคือแล้วโมเดลอื่น ๆ อย่างโมเดลทางชีววิทยาจะเรียนรู้ต่างกับ LLM ทั่วไปอย่างไร ? สำหรับโมเดลภาษาอย่าง ChatGPT มันเรียนรู้จากข้อความจำนวนมหาศาล จนเข้าใจว่า
“แมว” มักเกี่ยวข้องกับ “สัตว์เลี้ยง”
“ฝนตก” มักตามมาด้วย “ถนนเปียก”
มันไม่ได้จำประโยคทีละประโยค แต่เรียนรู้รูปแบบ (patterns) และความสัมพันธ์ของภาษา
ในชีววิทยาก็เช่นเดียวกัน แทนที่จะเรียนรู้ภาษาไทยหรือภาษาอังกฤษ เอไอจะเรียนรู้จากลำดับดีเอ็นเอหลายล้านจีโนม ลำดับโปรตีนหลายร้อยล้านชนิด ข้อมูลการแสดงออกของยีน โครงสร้างโปรตีน ข้อมูลเซลล์เดี่ยว ภาพจากกล้องจุลทรรศน์ ข้อมูลทางคลินิก
โมเดลอย่าง ESM หรือ Evo ไม่รู้ชีววิทยาเลยในตอนเริ่มต้น มันเห็นเพียงตัวอักษร ATGCGCGAT… หรือ MQRLKLV… ซึ่งสำหรับมันก็ไม่ต่างจาก The cat sat on the mat.
เมื่ออ่านข้อมูลเป็นพันล้านลำดับ มันเริ่มค้นพบเองว่าลำดับแบบนี้มักสร้างอัลฟาเฮลิกซ์ ลำดับแบบนี้มักจับดีเอ็นเอ ลำดับแบบนี้มักพบในแอกทิฟไซต์ของเอนไซม์ ลำดับแบบนี้มักกลายพันธุ์ไม่ได้ เพราะสำคัญต่อการทำงาน
ไม่มีใครบอกกฎเหล่านี้ล่วงหน้า แต่โมเดลเรียนรู้จากบริบทของข้อมูล และเมื่อข้อมูลมีขนาดใหญ่พอ โมเดลจะเริ่มค้นพบกฎที่มนุษย์ไม่เคยเข้าใจเอาไว้ซึ่งต่างไปจากเอไอแบบดั้งเดิมแบบสิ้นเชิง
เอไอแบบดั้งเดิมมักสร้างขึ้นเพื่อทำงานเพียงอย่างเดียว เช่น โมเดลหนึ่งจำแนกมะเร็ง อีกโมเดลทำนายโครงสร้างโปรตีน อีกโมเดลวิเคราะห์ภาพเอกซเรย์ แต่โมเดลรากฐานเปรียบเหมือนสมองกลางที่เรียนรู้หลักการพื้นฐานก่อน แล้วแตกแขนงไปทำงานต่าง ๆ ได้
เอไออาจเริ่มแปลภาษาของเซลล์จากข้อมูลจีโนม โปรตีโอม เซลล์เดี่ยว จนบอกได้ว่าเซลล์นี้กำลังจะแปรสภาพไปเป็นเซลล์ประสาท ก่อนที่การเปลี่ยนแปลงจะเกิดขึ้นจริง นี่คือ โมเดลรากฐานทางชีวสารสนเทศ (bioinformatic foundation model) หรือบางคนอาจจะระบุไปเลยว่าเป็นโมเดลรากฐานสำหรับเซลล์เดี่ยว (single-cell foundation model)
งานแนวนี้เริ่มออกมาให้เห็นเป็นรูปเป็นร่าง อย่างเช่นงานของทีมวิจัยของยูหวา โล (Yu-Hwa Lo) จากมหาวิทยาลัยแคลิฟอร์เนียซานดิเอโก (University of California San Diego) ที่ใช้ภาพของเซลล์ในการสอนเอไอ จนทำนายพฤติกรรมของเซลล์ได้อย่างเเม่นยำถึงร้อยละ 88 และเอไอสแนปไซต์ (SnapCyte) ของนาเดอร์ อัล นากูซี (Nader Al Nakouzi) จากมหาวิทยาลัยบริติชโคลัมเบีย (University of British Columbia) ที่ทำนายอัตราการเจริญและความหนาแน่นของเซลล์ได้อย่างแม่นยำกว่าร้อยละ 95 (ตามที่เขาอ้าง)
หลายบริษัทก็กำลังพยายามพัฒนาเอไอเพื่อจำลองแบบเซลล์ (virtual cell) เพื่อนำเทคโนโลยีนี้ไปใช้ต่อทั้งทางชีววิทยาสังเคราะห์และการทำนายโรค
ลองจินตนาการดูสิครับ ถ้าเอไอเรียนรู้บริบทของดีเอ็นเอได้จริง เราอาจจะสั่งจุลินทรีย์ให้ผลิตยา สั่งพืชให้ทนแล้ง สั่งเซลล์ให้บำบัดโรค หรือแม้แต่เริ่มต่อรองกับแบคทีเรียก่อโรค หรือเซลล์มะเร็งให้ยอมสยบและไม่ก่อปัญหา
ในขณะเดียวกัน ข้อมูลนิเวศ ข้อมูลจีพีเอส ข้อมูลดาวเทียม ข้อมูลอีดีเอ็นเอก็อาจช่วยให้เราสร้างโมเดลแฝดดิจิทัล (digital twin) สำหรับสภาวะแวดล้อมโลก หรืออาจแค่ในบางเมืองและทำให้เราจำลองแบบระบบนิเวศและทำนายการเปลี่ยนแปลงที่น่าจะเกิดขึ้นได้อย่างแม่นยำ
ใครจะรู้… เมื่อเทคโนโลยีโมเดลรากฐานสุกงอมที่สุด บางทีเอไออาจผสมผสานภาษาต่าง ๆ ทางชีวภาพ ภาษาดีเอ็นเอ ภาษาโปรตีน ภาษาของเซลล์ ภาษาของระบบนิเวศ ไปจนถึงภาษาของสภาวะแวดล้อมเข้าด้วยกัน และเมื่อเราเริ่มถามว่า “หากอุณหภูมิเฉลี่ยของโลกเพิ่มขึ้นอีก 2 องศาเซลเซียส จะเกิดอะไรขึ้นกับยุงลาย ?”
เอไอจะไม่ได้ตอบเพียงว่า “จำนวนยุงเพิ่มขึ้น” แต่มันอาจอธิบายเป็นลำดับเหตุการณ์ว่า สถานการณ์เช่นนั้นจะทำให้โปรตีนบางชนิดในยุงมีเสถียรภาพลดลงซึ่งจะทำให้การแสดงออกของยีนภูมิคุ้มกันเปลี่ยนไป และทำให้ความสามารถในการติดเชื้อไวรัสเพิ่มขึ้น วงจรชีวิตสั้นลงแต่สืบพันธุ์เร็วขึ้น ประชากรยุงจะขยายพื้นที่ไปยังภูเขาที่แต่เดิมอากาศเย็นเกินไปสำหรับพวกมัน ความเสี่ยงการระบาดของไข้เลือดออกจะเปลี่ยนตามภูมิประเทศและฤดูกาล
ถ้ามองในมุมนี้ เอไออาจจะเริ่มมองปัญหาได้อย่างครอบคลุมและเชื่อมโยงได้ดียิ่งขึ้น เพราะนี่คือการเชื่อมโยงข้อมูลตั้งแต่ระดับนิวคลีโอไทด์ (nucleotide) ไปจนถึงระดับชีวมณฑล (biosphere) ในแบบจำลองเดียว ซึ่งหลายกลุ่มวิจัยเริ่มมองว่าเป็นเป้าหมายระยะยาวของชีววิทยาเชิงคำนวณและโมเดลรากฐาน
ชัดเจนว่าเทคโนโลยีโมเดลรากฐานกำลังพุ่งทะยานไปข้างหน้าราวกับติดจรวด แต่สิ่งที่น่าสนใจยิ่งกว่าความเร็วของเทคโนโลยีอาจเป็นคำถามที่เราจะเลือกถามมัน เพราะเมื่อวันหนึ่งที่เอไอสามารถเรียนรู้ภาษาของมนุษย์ ภาษาของโปรตีน ภาษาของเซลล์ ภาษาของระบบนิเวศ และอาจรวมไปถึง “ภาษาของโลก” คำถามสำคัญที่สุดอาจไม่ใช่ว่า “มันจะตอบอะไรได้” แต่คือ “มนุษย์จะกล้าถามอะไรกับมันต่างหาก”
About Author
