Deepmind แย้ง LLM จุดชนวนการปฏิวัติวิทยาศาสตร์ไม่ได้ ชี้ World Models คือกุญแจสำคัญ

โมเดลภาษาจะสามารถจุดระเบิดการปฏิวัติทางวิทยาศาสตร์ได้หรือไม่? ในบทความวิชาการที่ชื่อว่า "LLMs can't jump" Tom Zahavy จาก Google Deepmind แย้งว่าทำไม่ได้ เพราะพวกมันขาดกลไกทางปัญญาที่จำเป็นในการสร้างสรรค์สิ่งใหม่ที่แท้จริง

Zahavy สร้างข้อโต้แย้งโดยอิงจากกรอบแนวคิดที่ Albert Einstein เคยร่างไว้ในจดหมายถึงเพื่อนชื่อ Maurice Solovine ซึ่งมองว่าการค้นพบทางวิทยาศาสตร์คือวงจรที่เริ่มจากประสบการณ์ทางประสาทสัมผัสนำไปสู่การ "กระโดด" (leap) ด้วยสัญชาตญาณไปสู่สัจพจน์ (axioms) จากนั้นจึงใช้ตรรกะสร้างข้อสรุปเพื่อทดสอบสมมติฐานพื้นฐานที่ยังไม่ได้รับการพิสูจน์

AI จัดการกับการรับเหตุผลได้สองในสามประเภท เพื่อระบุช่องว่างทางปัญญานี้ Zahavy ได้อ้างถึงการจำแนกประเภทการให้เหตุผลของนักปรัชญา Charles Sanders Peirce ซึ่งแบ่งออกเป็น 3 รูปแบบหลัก ได้แก่ การอนุมาน (Deduction) ซึ่งเป็นการหาข้อสรุปจากกฎที่ตายตัว และการอุปนัย (Induction) ที่เป็นการมองหารูปแบบจากข้อมูลที่สังเกตได้

อย่างไรก็ตาม การอนุมานเพื่อหาคำอธิบายที่ดีที่สุด (Abduction) หรือการกระโดดอย่างสร้างสรรค์เพื่อประดิษฐ์สาเหตุใหม่มาอธิบายปรากฏการณ์ที่น่าประหลาดใจ คือจุดที่ Zahavy มองว่าเป็นคอขวดสำคัญ โดยเฉพาะสิ่งที่เรียกว่า "manipulative abduction" หรือการสร้างคำอธิบายใหม่ที่ยังไม่เคยมีในเทมเพลตทางภาษามาก่อน ซึ่งเครื่องจักรในปัจจุบันยังทำไม่ได้

ในบทความระบุว่า โมเดลภาษาเก่งกาจในการจดจำรูปแบบทางสถิติและกำลังเอาชนะการสืบทรัพย์เชิงตรรกะได้อย่างรวดเร็ว ระบบอย่าง AlphaProof, Gemini และ GPT-5 สามารถทำคะแนนระดับเหรียญทองคณิตศาสตร์โอลิมปิกได้ และอาจสืบสร้างทฤษฎีสัมพัทธภาพทั่วไปได้หากได้รับสมมติฐานตั้งต้น แต่การกำหนดสมมติฐานขึ้นมาจากศูนย์ยังคงเป็นปัญหาใหญ่

Zahavy ยกตัวอย่างการทำงานของ AI ที่มักเรียนรู้จากการเพิ่มประสิทธิภาพ (optimization) ผ่านความคลาดเคลื่อน (error) ระหว่างคำทำนายและผลจริง หากไม่มีความผิดปกติที่ชัดเจน AI ย่อมไม่มีเหตุผลที่จะล้มล้างความรู้เดิม เช่นเดียวกับในยุคของ Einstein ที่ทฤษฎีของ Newton ยังทำงานได้ดีเกือบทั้งหมด ยกเว้นความคลาดเคลื่อนเล็กน้อยของวงโคจรดาวพุธ

ในขณะที่นักดาราศาสตร์ยุคนั้นพยายามแก้ปัญหาโดยการประดิษฐ์ดาวเคราะห์ดวงใหม่ชื่อ "Vulcan" ขึ้นมาอธิบาย แต่ Einstein กลับเลือกที่จะรื้อสร้างแนวคิดเรื่องพื้นที่และเวลาใหม่ ซึ่ง AI ที่ขับเคลื่อนด้วยการเพิ่มประสิทธิภาพเพียงอย่างเดียวจะเลือกทำแบบนักดาราศาสตร์มากกว่าการปฏิวัติทฤษฎีใหม่ทั้งหมด

การกระโดดต้องอาศัยร่างกาย

Zahavy ชี้ว่าพลังในการสร้างสรรค์ของ Einstein มาจากการจำลองผ่านร่างกาย (embodied simulation) เช่น การจินตนาการถึงความรู้สึกของผู้ที่ตกจากที่สูงอย่างอิสระ ซึ่งเป็นข้อมูลเชิงลึกที่มาจากการใช้ใจสัมผัสแทนที่จะเป็นเพียงการคำนวณสมการ เช่นเดียวกับ Archimedes ที่ค้นพบหลักการพยุงตัวจากการสัมผัสน้ำในอ่างอาบน้ำ

ปัจจุบันโมเดลภาษายังขาดการยึดโยงทางประสาทสัมผัส (sensory grounding) โดย Zahavy เปรียบพวกมันกับ "ห้องภาษาจีน" (Chinese Room) ของ John Searle ที่ทำได้เพียงสลับสัญลักษณ์ตามกฎเกณฑ์โดยปราศจากความเข้าใจในประสบการณ์จริงที่ให้ความหมายแก่สัญลักษณ์เหล่านั้น

แม้โปรเจกต์อย่าง AI Scientist ของ Sakana และ AlphaEvolve ของ Deepmind จะทำงานได้น่าประทับใจ แต่ AI Scientist ก็ยังคงทำได้เพียงรวมแนวคิดเดิมที่มีอยู่ใหม่ ส่วน AlphaEvolve ก็ยังต้องการสัญญาณความคลาดเคลื่อนที่ชัดเจน ซึ่งต่างจากกรณีของ Einstein ที่สามารถก้าวเข้าสู่กรอบความคิดใหม่ได้โดยไม่มีสัญญาณนำทางเหล่านี้

World models ในฐานะเส้นทางสู่การอนุมาน (Abduction)

สำหรับทางออกในอนาคต Zahavy ให้ความสำคัญกับ World models ที่มีความสอดคล้องทางกายภาพ โดยระบุว่าเครื่องมือสร้างวิดีโออย่าง Veo ยังเป็นเพียงการคาดการณ์เฟรมถัดไปตามความน่าจะเป็นที่เคยเห็นในข้อมูลฝึกฝนเท่านั้น

ในทางกลับกัน Action-controllable world models อย่าง Genie จะช่วยให้อะเจนท์สามารถเข้าไปแทรกแซงและรันการทดลองแบบสมมติ (counterfactual experiments) ในโลกจำลองได้ ซึ่ง "ห้องแล็บสังเคราะห์" นี้อาจเป็นกุญแจสำคัญที่ให้ผลตอบรับที่จำเป็นต่อการประดิษฐ์สัจพจน์ใหม่ๆ ในระดับที่ภาษาเพียงอย่างเดียวไปไม่ถึง