|
|
คืนเรือน | เพลิน | เพลินผ่านมา |
AI
What a piece of work is man! เราคงจะคุ้นเคยกับศัพท์คำว่า AI มาบ้างแล้ว และหนังของสปีลเบิร์กก็จะยิ่งทำให้ศัพท์คำนี้คุ้นหูยิ่งขึ้น Artificial Intelligence เป็นศาสตร์หนึ่งในคอมพิวเตอร์ที่มีจุดมุ่งหมายในการพัฒนาระบบคำนวณให้ทำงานที่อาศัยความฉลาดของมนุษย์ได้ นิยามนี้ทำให้เกิดคำถามต่อไปว่า แล้วอะไรคือความฉลาดของมนุษย์เล่า เครื่องคิดเลขที่มีความสามารถในเชิงคำนวณจะเรียกว่าฉลาดได้หรือไม่ เราใช้อะไรเป็นมาตรฐานในการตัดสิน? หากพิจารณาดูว่าอะไรที่เป็นความฉลาดของมนุษย์เหนือเครื่องจักรกลทั่วไป เราอาจบอกได้ว่าคนเรามีความสามารถในการมองเห็น การตีความและทำความเข้าใจ การประยุกต์ใช้ การใช้เหตุผล สัญชาตญาณ การตัดสินใจ ความคิดสร้างสรรค์ การวางแผน การสื่อสาร การเก็บใช้ความรู้ สิ่งเหล่านี้เป็นความสามารถอันน่าทึ่งของมนุษย์ และถึงแม้เราจะมีข้อจำกัดทางกายภาพ เช่นเราคิดเลขได้ก็จริง แต่เราไม่สามารถบวกเลขหนึ่งร้อยหลักในใจได้ การประมวลผลของเราอาจจะต้องใช้เวลา แต่สิ่งนี้ไม่ได้ทำให้เราฉลาดน้อยไปกว่าเครื่องคิดเลข สมองของมนุษย์ไม่ได้วิวัฒนาการไปสู่การคิดเลขซับซ้อนได้รวดเร็ว แต่เป็นการพัฒนาไปสู่ความสามารถในการควบคุมพฤติกรรมเพื่อดำรงชีวิตให้อยู่รอด การบวกเลขไม่เป็นไม่ใช่เรื่องสำคัญเท่าการรับรู้เป็นว่านี่คือร้อนนี่คือเย็น ดังนั้นความฉลาดในที่นี้จึงไม่ได้ขึ้นอยู่กับความสามารถในการประมวลข้อมูลในทางคำนวณ ประเด็นสำคัญอยู่ที่การเรียนรู้สิ่งใหม่ๆ ได้โดยผ่านประสบการณ์ และสิ่งนี้ทำให้เราพัฒนาความรู้ไปได้โดยไม่จำกัด | |
| |
|
1. Robot: Mere Machine to Transcendent Mind โดย Hans Moravec
ปัจจุบัน ไม่มีคอมพิวเตอร์ใดที่จะมีความคิดสร้างสรรค์ไม่ว่าในทางใดๆ ปรากฎอยู่แม้แต่นิดเดียว และหากเครื่องคอมพิวเตอร์จะดูเหมือนฉลาด เราต้องมองให้ลึกว่ามนุษย์คิดค้นโปรแกรมอย่างไรให้เครื่องดูเหมือนจะฉลาดได้ การวัดความฉลาดของคอมพิวเตอร์ยังมักจะยึดหลักการทดสอบของทัวริ่ง (Turing Test) อลัน ทัวริ่งได้เสนอว่าให้เรานั่งอยู่ในห้อง มองไม่เห็นคู่สนทนากับเรา หากเราสามารถคุยโต้ตอบกับอีกฝ่ายโดยไม่สามารถรู้ได้ว่าเรากำลังคุยกับคอมพิวเตอร์หรือมนุษย์ และอีกฝ่ายนั้นปรากฎว่าเป็นคอมพิวเตอร์ ย่อมแสดงว่าคอมพิวเตอร์นั้นผ่านการทดสอบทัวริ่ง และถือได้ว่าเครื่องมีความฉลาดเทียบได้กับมนุษย์ ฟังดูแล้วก็มีเหตุผลดี แต่ข้อถกเถียงก็คือจริงหรือไม่ ว่าคอมพิวเตอร์ที่ผ่านการทดสอบจะฉลาดจริง ข้อโต้แย้งนี้เป็นรูปธรรมที่สุดเมื่อ John Searle นักปรัชญาจากมหาวิทยาลัยแคลิฟอร์เนียได้เสนอ "ห้องจีน" (Chinese Room) ขึ้น โดยมีรายละเอียดดังต่อไปนี้ เรานั่งอยู่ในห้อง และมีคนส่งคำถามต่างๆ มาให้เรา โดยคำถามเขียนเป็นภาษาจีน (หมายถึงภาษาอะไรก็ได้ที่เราไม่รู้ เช่นภาษาฮีบรู ภาษารัสเซีย ฯลฯ) เรามีหนังสืออ้างอิงที่บอกไว้ว่า ถ้าในคำถามมีตัวหนังสือเป็นแบบนี้ ก็ให้ส่งคำตอบดังนี้กลับไป Searle บอกว่าต่อให้เราไม่รู้ภาษาจีน แต่เราอาจจะดูเหมือนว่าคุยกับอีกฝ่ายได้รู้เรื่อง ทั้งที่เราไม่เข้าใจอะไรเลยทั้งคำถามคำตอบ นอกจากการเปรียบเทียบเท่านั้น ดังนั้นการผ่านทัวริ่งเทสต์ก็เช่นกัน ที่ไม่ได้หมายความว่าคอมพิวเตอร์จะมีความฉลาดอะไรเลย ความพยายามให้เครื่องคอมพิวเตอร์ฉลาดทำได้อย่างไร เราหาคำตอบได้จากการทำความรู้จักกับปัญญาประดิษฐ์ในแต่ละแง่มุมต่างๆ การจะกล่าวถึงรายละเอียดทุกประการอย่างจริงจังคงเป็นไปไม่ได้ในที่นี้ เพราะแต่ละหัวข้อใน AI ต่างเป็นศาสตร์ย่อยที่มีความละเอียดซับซ้อนในตัวเอง เพลินคราวนี้จึงเป็นการแนะนำถึง AI แต่เพียงหยาบคร่าวที่สุด บทความนี้ไม่สามารถบอกผู้อ่านได้ว่าเราจะทำให้เครื่องจักรกลฉลาดได้อย่างไร แต่เป็นบทเริ่มต้นในการทำความรู้จัก AI พื้นฐานอย่างง่ายเท่านั้น เราลองมาเริ่มดูที่การมองเห็นเป็นสิ่งแรก การมองเห็น
โลกนี้เป็นสามมิติ แต่ภาพที่ปรากฎต่อเราเป็นสองมิติเท่านั้น เรารับรู้ความลึกได้จากแสงเงา จึงไม่ใช่เรื่องง่ายที่จะให้คอมพิวเตอร์มองเห็นภาพสองมิติ แต่ต้องตีความเป็นโลกสามมิติ กระบวนการจัดการทางกราฟฟิคของคอมพิวเตอร์อาศัยการคำนวณที่ซับซ้อนและหน่วยความจำสูงมาก ที่ยากเย็นกว่านั้นคือการทำความเข้าใจกับสิ่งที่คอมพิวเตอร์มองเห็น เราอาจติดตั้งเซนเซอร์การมองเห็นให้คอมพิวเตอร์ได้จริง แต่จะทำอย่างไร ให้รู้ว่านี่คือภาพแก้วน้ำ เวลาคนเรามองเห็นแก้วน้ำ ไม่ว่าแก้วน้ำจะมีรูปทรงอย่างไร จะวางคว่ำวางหงายอย่างไร เราก็รู้ว่าเป็นแก้ว แต่สำหรับคอมพิวเตอร์แล้ว ต้องเริ่มจากการแยกภาพแก้วน้ำออกจากฉากพื้นที่ไม่เกี่ยวข้องก่อน การแยกออกมานี้ อาจทำโดยการหาขอบของแก้วและไล่ไปตามนั้น เมื่อได้รูปแก้วออกมาแล้ว เครื่องอาจจะตีความว่าเป็นแก้วโดยใช้การเปรียบเทียบรูปทรงต่างๆ ที่คอมพิวเตอร์บรรจุอยู่ (ดังนั้น เครื่องต้องค้นหา เปรียบเทียบ ตัดสินใจ) สิ่งที่เรารับรู้ได้ทันใดจนดูเหมือนเป็นเรื่องสามัญนี้ ไม่ใช่เรื่องง่ายเลยเมื่อต้องมาปรับใช้กับคอมพิวเตอร์ ความสามารถในการมองเห็นจำเป็นในการสร้างหุ่นยนต์ให้เดินหลบสิ่งกีดขวางได้ ประโยชน์อื่นก็เช่นการไปรษณีย์สามารถใช้เครื่องอ่านที่อยู่และรหัสไปรษณีย์ เพื่อแยกเรียงจดหมายได้โดยอัตโนมัติ เป็นต้น การเข้าใจภาษา
Welcome to my sofa!
ตัวอย่างข้างต้นไม่นับเป็นความฉลาดเท่าไรนัก เพราะเป็นแต่เพียงการเปรียบเทียบประโยคและทำตามทางเลือกที่ตั้งค่าไว้แล้วแต่ต้น แต่การจะเข้าใจภาษามนุษย์จริงๆ คอมพิวเตอร์ต้องเข้าใจไวยากรณ์ภาษา ซึ่งเป็นเรื่องยากมาก (ยังไม่นับการเล่นคำ สำนวน) โปรแกรมที่มีอยู่ในปัจจุบันจึงมักจะพัฒนาเพื่อใช้ในงานเฉพาะอย่างที่มีขอบเขตการรับรู้จำกัด ตัวอย่างง่ายๆ เช่นเราสามารถทำให้หุ่นยนต์เข้าใจภาษาคำสั่งง่ายๆ ในการเคลื่อนย้ายข้าวของจากที่หนึ่งไปอีกที่หนึ่งได้ โดยกำหนดไวยากรณ์ดังนี้
| |
คำสั่งเดิน = go/move/head/walk + to/toward + north/south/east/west/left/right/up/down | |
|
คอมพิวเตอร์เมื่อรับคำสั่งเข้ามา ก็จะไปแปลก่อนว่าเข้าใจได้หรือไม่ (หากสั่งว่า go to hell เครื่องก็จะตอบว่า ขออภัย ไม่สามารถปฏิบัติตามคำสั่งนี้ได้เนื่องจาก syntax error เป็นต้น) เมื่อแปลได้ว่าเป็นคำสั่งประเภทใด เครื่องก็จะไปทำงานตามที่โปรแกรมจัดเตรียมไว้ในคำสั่งนั้น จะเห็นว่าการจะให้คอมพิวเตอร์เข้าใจภาษาในขอบเขตกว้าง ก็ต้องอาศัยการนิยามหลักไวยากรณ์ที่ซับซ้อนขึ้น ซึ่งจะทำให้การวิเคราะห์ประโยคยากและเสียเวลาเพิ่มขึ้นไป โปรแกรมแปลภาษาอัตโนมัตินับได้เป็นหนึ่งในความฉลาดในแขนงนี้ เราคงซาบซึ้งได้ดีว่าการพัฒนาโปรแกรมนี้ยากเพียงไร จากผลการแปลโดยใช้โปรแกรม ภาษิต ที่อยู่ระหว่างการพัฒนาโดยเนคเทค ดังตัวอย่างข้างล่างที่นำมาจากเรื่อง James and the Giant Peach โดยโรอัลด์ ดาลห์ "Such loveliness as I possess can only truly shine
'ความน่ารักอย่างฉันกำลังเตรียมพร้อมน่าจะส่องแสงเท่านั้นอย่างเป็นจริง
การใช้เหตุผล
เราสามารถใช้เหตุผลตัดสินใจ หรือสรุปสิ่งต่างๆ โดยใช้หลักเหล่านี้ ตัวอย่างเช่น ถ้าต้องใจพลาดรถเที่ยวเจ็ดโมงเช้า ต้องใจจะไปทำงานสาย ถ้าหากต้องใจไปทำงานสาย ต้องใจจะไม่ดื่มกาแฟ ต้องใจดื่มกาแฟ ถามว่าต้องใจตกรถเที่ยวเจ็ดโมงเช้าหรือไม่? คำตอบคือ ต้องใจไม่ได้ตกรถ เหตุผลก็เพราะต้องใจดื่มกาแฟ แปลว่าต้องใจไม่ได้ไปทำงานสาย และเมื่อต้องใจไม่ได้ไปสาย ก็แปลว่าต้องใจย่อมไม่ได้ตกรถ การให้คอมพิวเตอร์ใช้เหตุผลลักษณะนี้ในการตอบคำถาม ไม่ใช่เป็นเรื่องยาก และได้มีวิธีการเป็นรูปแบบแน่นอนไว้แล้ว (เช่น Wang's Algorithm ที่ประกอบด้วยกฎเจ็ดข้อ) แต่สิ่งนี้ก็ไม่ได้รับประกันว่าคอมพิวเตอร์จะมีเหตุผลไปได้ นั่นก็เพราะการใช้เหตุผลของมนุษย์ไม่เป็นไปตามหลักเกณฑ์เหล่านี้เสมอไป สิ่งพิเศษของมนุษย์คือเมื่อเราได้รับข้อมูลใหม่ๆ มากขึ้น ข้อมูลที่เพิ่มเข้ามาอาจเปลี่ยนข้อสรุปเดิมของเราไปได้ แต่ในทางคณิตศาสตร์แล้ว หากเรารู้ว่า "ก และ ข" เป็นจริง ต่อให้ได้ข้อมูลใหม่ ว่า ค ก็เป็นจริง หากเราไม่ได้ระบุความสัมพันธ์ของ ค ต่อ ก และ ข แล้ว ข้อมูลใหม่ที่ได้รับจะไม่เปลี่ยนค่าความจริงของประโยค "ก และ ข" ไปได้ สิ่งนี้ไม่เป็นจริงในโลกความจริง ดูได้จากตัวอย่างดังนี้ "ถ้าสนามเปียกแล้ว ฝนอาจจะตก" สมมติว่าเราทราบว่าสนามเปียก ผลก็คือเราจะเชื่อไปด้วยว่าฝนอาจจะตก คราวนี้เราได้ข้อมูลอีกอย่างว่า "ที่รดน้ำต้นไม้ในสนามเปิดอยู่" สิ่งนี้ย่อมทำให้เราเลิกคิดว่าฝนอาจจะตกไปโดยปริยาย แต่ในคอมพิวเตอร์แล้ว ถึงจะรู้เรื่องที่รดน้ำ แต่ความเชื่อว่าฝนอาจจะตกก็ยังคงอยู่เช่นเดิม นั่นก็เพราะไม่มีประโยคที่บอกว่า "ถ้าที่รดน้ำในสนามเปิดอยู่แล้ว ฝนไม่ตก" เพราะจะว่าไปแล้ว ที่รดน้ำต้นไม้กับฝนฟ้าเป็นคนละเรื่องกัน การใช้เหตุผลของคอมพิวเตอร์โดยใช้หลักตรรกศาสตร์เบื้องต้น จึงมีข้อสำคัญที่เราจะต้องสร้างประโยคที่รัดกุมครอบคลุมทุกกรณี ซึ่งเป็นเรื่องยากมาก ที่จะหวังว่าคอมพิวเตอร์จะคิดเป็นจากการใช้เหตุผลกับกฎเกณฑ์พื้นฐานที่วางไว้ ความท้าทายอยู่ที่ว่าจะวางกฎเกณฑ์พื้นฐานของโลกนี้ได้อย่างไร แต่อนิจจา โกเดลได้บอกไว้นานแล้วว่าเป็นไปไม่ได้ที่ระบบที่อาศัยการวางกฎเกณฑ์จะมีความถูกต้องสมบูรณ์พร้อมไปได้ จะต้องมีบางประโยคที่ตัดสินค่าความจริงเท็จไม่ได้อยู่เสมอ สมองของมนุษย์จึงย่อมมีการใช้เหตุผลที่อยู่เหนือกว่าหลักตรรกศาสตร์ธรรมดาเช่นนี้ เป็นไปได้ที่ว่าคอมพิวเตอร์อาจจะคิดได้เองสักวัน แต่นั่นแปลว่าเราต้องสามารถนิยามระบบวิธีใช้เหตุผลที่ต่างจากนี้ก่อน สิ่งนั้นจะต้องเป็นสิ่งที่ไม่ปรากฎมาก่อน ที่จะทำให้คอมพิวเตอร์หลุดพ้นจากกรอบของกฎเกณฑ์ไปได้ แต่มนุษย์เราจะสามารถทำเช่นนั้นได้หรือไม่ เราจะสามารถมองออกไปจากตัวเองได้เหมือนอย่างที่เรามองคอมพิวเตอร์ได้หรือไม่ สิ่งนั้นอาจจะเป็นสิ่งที่เหนือกว่าการทำความเข้าใจของเราก็ได้ ข้อด้อยอีกประการหนึ่งของหลักตรรกศาสตร์พื้นฐาน คือมีข้อยกเว้นเกิดขึ้นได้มากมาย ตัวอย่างเช่น หากเรารู้ว่า "ถ้า ก แล้ว ข" และ "ถ้า ข แล้ว ค" เป็นจริงแล้ว เราย่อมสรุปได้ว่า "ถ้า ก แล้ว ค" ก็เป็นจริงด้วย สิ่งนี้ไม่จริงเสมอไปในโลกความจริง เช่น "ถ้าสนามเปียกแล้ว ฝนอาจจะตก" กับ "ถ้าที่รดน้ำต้นไม้เปิดอยู่ สนามจะเปียก" สองประโยคนี้ฟังดูถูกต้องดีทั้งคู่ แต่เมื่ออยู่ด้วยกันแล้ว หลักการเชื่อมโยงทำให้เราได้ว่า "ถ้าที่รดน้ำเปิดอยู่แล้ว ฝนอาจจะตก" ต้องเป็นจริงด้วย ซึ่งไม่ควรจะเป็นอย่างนั้นเลย ปัญหาในการสร้างกฎเกณฑ์ทำให้มีการคิดหาวิธีใช้เหตุผลในแบบอื่น เช่นการใช้ความน่าจะเป็นและวิธีทางสถิติเข้ามาช่วย เพื่อที่เราจะได้ไม่ต้องด่วนสรุปอะไร แต่ค่อยๆ เปลี่ยนความคิดความเชื่อได้เมื่อมีหลักฐานใหม่ๆ เข้ามา นอกจากการใช้เหตุผลทั่วไปแล้ว คนเรายังเข้าใจเรื่องพื้นๆ อย่างเช่นความสัมพันธ์เรื่องเวลา ถ้าเหตุการณ์ ก เกิดก่อน ข และ ข เกิดก่อน ค แปลว่า ก ก็ย่อมเกิดก่อน ค การใช้เหตุผลในเรื่องเวลาเป็นสิ่งสามัญของมนุษย์ แต่การสอนให้คอมพิวเตอร์เข้าใจเรื่องเวลา นับเป็นเรื่องที่ต้องสั่งสอนกันอย่างละเอียด ทำให้เกิดพีชคณิตด้านเวลาขึ้นมาอย่างเป็นเรื่องเป็นราว โดยเจมส์ อัลเลน มนุษย์น่าอัศจรรย์เพียงไรที่ไม่ต้องเรียนพีชคณิตเรื่องเวลา อุณหภูมิ และอื่นๆ แต่เข้าใจสิ่งเหล่านี้ได้เองตามธรรมชาติ (ผู้ที่สนใจว่าการทำความเข้าใจเรื่องเวลาเป็นสิ่งซับซ้อนเพียงไร ดูได้จาก transitivity table หนึ่งร้อยหกสิบเก้าช่องที่แสดงความสัมพันธ์ในเรื่องเวลา ใน Interval Algebra ของ James Allen) ระบบผู้เชี่ยวชาญ
ระบบผู้เชี่ยวชาญแบบที่ง่ายที่สุดจัดเก็บความรู้โดยอาศัยกฎต่างๆ ตัวอย่างเช่นระบบการแก้ปัญหาคอมพิวเตอร์ให้ลูกค้า ที่หากปรินเตอร์ไม่ทำงาน อาจเริ่มด้วยการถามลูกค้าว่า คอมพิวเตอร์เสียบสายไฟอยู่หรือไม่? คอมพิวเตอร์เปิดอยู่หรือไม่? ถ้าเปิด ปรินเตอร์เสียบสายไฟอยู่หรือไม่? ไฟที่ปรินเตอร์ปุ่มเปิดเป็นสีแดงติดอยู่หรือไม่? สายพาราเรลพอร์ตจากปรินเตอร์ต่อไปยังคอมพิวเตอร์แล้วหรือไม่? และเป็นชุดคำถามต่อๆ ไปที่จะวินิจฉัยความผิดพลาดที่เกิดขึ้นได้ ดังนั้น ระบบผู้เชี่ยวชาญแก้ปัญหาได้ดี โดยเฉพาะปัญหาที่เกิดบ่อยๆ สิ่งที่ต้องคำนึงถึงในระบบคือการจัดเก็บความรู้ ว่าเราจะเก็บความรู้ความเชี่ยวชาญของมนุษย์ลงไปในเครื่องได้อย่างไร และจะดึงความรู้ที่เก็บไว้ออกมาใช้ให้ตรงกับสถานการณ์ได้อย่างไร เราได้เห็นแล้วว่าปัญหาการสร้างกฎเกณฑ์ คือต้องระวังให้ความรู้ที่มีอยู่ถูกต้องอยู่เสมอ หากจะเพิ่มความรู้ใหม่เข้าไป ก็ต้องระวังไม่ให้ขัดแย้งกับความรู้ที่มีอยู่เดิม และต้องระวังไม่สร้างกฎที่จะทำให้เกิดจากเชื่อมโยงซ้ำไปวนมาจนหาข้อสรุปอะไรไม่ได้ (ตัวอย่างเช่น เรามีกฎว่า "ถ้า ก มีความเสี่ยงต่อโรคเบาหวาน ลูกของ ก ก็จะเสี่ยงต่อโรคเบาหวาน" กับกฎ "ถ้าพ่อของ ก เสี่ยงต่อโรคเบาหวานแล้ว ก ก็จะเสี่ยงต่อโรคเบาหวาน" การมีกฎสองข้อนี้พร้อมกัน จะทำให้เครื่องวิ่งวนทำงานไม่รู้จบ ผลิตความจริงว่าพ่อเสี่ยงแล้วลูกก็จะเสี่ยง เมื่อลูกเสี่ยงแล้วพ่อก็เสี่ยงด้วย วนไปวนมา ตัวอย่างนี้ฟังดูว่าใครจะไปสร้างกฎซ้ำซ้อนกันเช่นนี้ แต่ในระบบใหญ่ๆ ความผิดพลาดอาจจะไม่ชัดเจนเท่านี้ ความซ้ำอาจจะเกิดขึ้นเมื่อเชื่อมโยงกฎเกณฑ์ที่ดูถูกต้องดีสิบข้อเข้าด้วยกัน ซึ่งมองไม่เห็นหากไม่ได้ตรวจสอบดีๆ) ระบบผู้เชี่ยวชาญมีจุดอ่อนที่คนทั่วไปยังไม่ค่อยเชื่อถือความสามารถของเครื่องมากไปกว่าคน ระบบเหล่านี้มักมีความรู้จำกัดเฉพาะด้าน สิ่งที่ยากเย็นที่สุดคือการถ่ายทอดความฉลาดของคนให้เป็นความรู้กับเครื่องคอมพิวเตอร์ เราอาจจะเชี่ยวชาญในการทำงานบางอย่างมากๆ แต่เราไม่สามารถบอกได้เป็นกฎเป็นเกณฑ์ได้เสมอไป ว่าเราเก่งในการทำงานนั้นได้อย่างไร เช่นเราถามคนหนึ่งที่ขับรถไปสถานที่ๆ หนึ่งทุกวัน เราถามว่าไปอย่างไร เขาอาจจะบอกว่าถ้าให้พาไปน่ะพาไปได้ แต่อธิบายให้เราฟังไม่ถูก เพราะเขาทำโดยอาศัยความคุ้นเคยและจำชื่อถนนไม่ได้เป็นต้น จะเห็นได้ว่าความฉลาดของ Expert System เกิดมาจากความฉลาดของมนุษย์ผู้ออกแบบนั่นเอง และระบบพวกนี้มีความสามารถขึ้นมาได้ก็เพราะมนุษย์เท่านั้น | |
|
Copyright © 2001 faylicity.com |
|
เครื่องคอมพิวเตอร์ชนะมนุษย์ในการแข่งขันหมากรุกเป็นครั้งแรกในปี 1997 แต่โปรแกรม Deep Blue ก็ไม่ได้ฉลาดกว่า Garry Kasparov ที่คอมพิวเตอร์ชนะได้ก็เพราะมีหน่วยความจำและความสามารถในการประมวลข้อมูลมากกว่า ก่อนที่คอมพิวเตอร์จะตัดสินใจเดินทุกครั้ง เครื่องได้ค้นหามาทั้งหมดแล้วจากตัวเดินทุกตัวบนกระดาน ว่าการเดินแบบไหนจะทำให้เกิดผลดีที่สุด การตัดสินใจนี้ทำได้โดยการคิดว่า จากตัวเดินแต่ละตัว เราจะเดินไปทางไหนได้บ้าง และในแต่ละทางนั้น ลองคิดไปล่วงหน้าเจ็ดกระดานว่าการเดินแบบนี้ จะทำให้คู่ต่อสู้ควรทำอย่างไร แล้วจากทางเลือกทั้งหมดนี้ หาวิธีที่เราจะได้เปรียบที่สุด การคำนวณค้นหาเช่นนี้เป็นไปได้เพราะดีพบลูมีหน่วยประมวลผลความเร็วสูงสามสิบสองตัวทำงานพร้อมกัน แต่ละหน่วยประมวลผลมีชิพพิเศษสิบหกตัว ที่จะทำให้ค้นหาการเดินในกระดานได้สองร้อยล้านครั้งต่อหนึ่งวินาที ไม่มีมนุษย์คนใดสามารถเล่นหมากรุกด้วยกลยุทธเดียวกับคอมพิวเตอร์ได้ และในอนาคตแล้ว เครื่องคอมพิวเตอร์จะชนะมนุษย์ได้ทุกครั้งไป เมื่อเครื่องสามารถมีหน่วยความจำและพัฒนาความเร็วในการค้นหาได้สูงกว่านี้ และจดจำกระดานทุกรูปแบบแล้ว ว่าถ้ากระดานอยู่ในแบบนี้ จะเดินไปสู่ชัยชนะได้อย่างไร การเล่นหมากรุกของคอมพิวเตอร์มีค่าเท่ากับการแก้ปัญหาการค้นหาให้ได้มีประสิทธิภาพและเร็วที่สุดเท่านั้น
AI เป็นสาขาทางคอมพิวเตอร์ที่นำความเข้าใจในทางผิดได้มาก ด้วยความช่วยเหลือจากภาพยนตร์เรื่องต่างๆ ที่คิดว่าเป็นไปได้ที่หุ่นยนต์จะฉลาดจนมีความคิดสร้างสรรค์ได้ อีกทั้งยังมีหนังสือหลายเล่มที่เสนอภาพร้ายๆ ที่อ้างอิงตามจินตนาการของผู้เขียนมากกว่าจะดูความเป็นจริงของเทคโนโลยี ผู้เกลียดชังเทคโนโลยีอาจจะชื่นชอบหนังสือเหล่านี้ได้
มนุษย์มีประสาทสัมผัสทั้งการได้ยิน รับกลิ่น รส สัมผัส แต่ที่สำคัญมากคือการมองเห็น การรับภาพทำให้เราประมวลข้อมูลสภาพแวดล้อมรอบตัวเราได้ เป็นความสามารถที่ทำให้เราได้เข้าใจโลกรอบตัว บทบาทสำคัญในการมองเห็นของมนุษย์อาจดูได้จากสัดส่วนของสมองส่วน occipital cortex และซีรีบรัลคอร์เทกส์ ที่อุทิศให้กับการมองเห็น ซึ่งมีเนื้อที่ถึงยี่สิบห้าเปอร์เซนต์ของสมอง คำว่า "ภาพแทนคำนับพัน" ยังเป็นเรื่องจริงเสมอ เราไม่สามารถใช้ภาษาบรรยายหลายสิ่งหลายอย่างให้เข้าใจได้ J.W.Dunne เขียนไว้ในหนังสือ An Experiment with Time (1927) ถึงการบรรยายสีแดงให้คนตาบอดเข้าใจ เขากล่าวว่า "เราอาจจะพูดให้เขาฟังถึงเรื่องอนุภาค บรรยายการแกว่ง การหมุนตัว การปั่น การชน การตกกระทบของการโลดเต้นให้ซับซ้อนเท่าที่เราจะคิดฝันได้ แต่จะไม่มีอะไรบอกความเป็นสีแดงได้" Words do not exactly reproduce that to which they refer.
การสื่อสารของคนต่อคนด้วยกันก็ยังสร้างความเข้าใจคลาดเคลื่อนได้มากอยู่แล้ว การจะให้คอมพิวเตอร์คุยโต้ตอบกับเราได้อย่างเข้าใจ ก็ยิ่งเป็นความยาก โปรแกรมอย่างง่ายที่สุดที่จะคุยโต้ตอบกับคนได้ ทำโดยการสร้างกฎเกณฑ์ แล้วเปรียบเทียบว่าถ้าเจอประโยครูปแบบนี้ ให้ตอบว่าอย่างไร เช่นตัวอย่างโปรแกรมคุยกับจิตแพทย์ [จากหนังสือ Tanimoto] ที่สร้างกฎเกณฑ์เช่น ถ้าได้รับข้อความที่ขึ้นต้นด้วย "I have ..." ให้ตอบว่า "How long have you had ..." หากข้อความมีคำว่า dream ในนั้น ให้บอกว่า "For dream analysis see Freud" หากเห็นคำว่า yes ให้ถามกลับว่า "How can you be so sure?" และถ้าพูดอะไรนอกเหนือจากกฎที่ตั้งไว้ ก็ให้ทวนประโยคนั้นกลับไป (นับเป็นการล้อเล่นจิตแพทย์อย่างน่ารัก) หรือไม่ก็พูดประโยคอะไรที่ตั้งไว้ เช่น "Tell me more", "Please go on" ทำนองนี้ไปเรื่อยๆ ตัวอย่างการทำงานของโปรแกรมนี้แสดงได้ดังนี้ เครื่องคอมพิวเตอร์จะตอบด้วยข้อความสีน้ำเงิน
การใช้เหตุผลพื้นฐานทางคณิตศาสตร์ทำได้โดยใช้หลักตรรกศาสตร์ของ Propositional Calculus ที่บอกค่าความจริงเท็จของประโยคที่เชื่อมกันด้วย "และ" "หรือ" "ไม่" ตัวอย่างเช่น "ก และ ข" จะเป็นจริงก็ต่อเมื่อทั้ง ก และ ข เป็นจริง การเชื่อมประโยคในรูปแบบอื่นเช่น "ถ้า ก แล้ว ข" เราสามารถจัดให้อยู่ในรูปของ "และ หรือ ไม่" ได้เสมอ โดยที่ "ถ้า ก แล้ว ข" มีค่าเท่ากับ "ก หรือ (ไม่ ข)" ฟังแล้วอาจจะงง แต่คิดได้ง่ายๆ ว่า "ถ้า ก แล้ว ข" เป็นเท็จได้ในกรณีเดียว คือเมื่อ ก เป็นจริง แต่ ข เป็นเท็จ ตัวอย่างเช่นประโยค "ถ้าฉันมีสิบหน้าอย่างทศกันฐ์แล้ว สิบหน้านั้นฉันจะหันมายิ้มให้เธอ" จะไม่เป็นจริงก็แต่สถานการณ์ที่เมื่อฉันมีสิบหน้าแล้ว แต่ไม่ยอมยิ้มให้เธอครบสิบหน้า แต่ในกรณีที่ฉันมีหน้าเดียวซีดเซียวทุกข์ทน แต่ก็ยังหันมายิ้มให้ อย่างนี้ถือว่าประโยคนี้ยังถูกต้อง ต่อให้ฉันมีไม่ครบสิบหน้า และไม่ยอมยิ้มเลยสักหน้า สิ่งนี้ก็ยังทำให้ประโยคข้างต้นเป็นจริงอยู่ดีตามหลักคณิตศาสตร์
Expert System คือระบบคอมพิวเตอร์ที่มีความเชี่ยวชาญในการแก้ปัญหาเฉพาะด้าน และสามารถแก้ปัญหาให้เราเทียบได้กับการมีผู้เชี่ยวชาญสาขานั้นๆ มาแก้ปัญหาให้กับเรา ตัวอย่างเช่น โปรแกรมที่วิเคราะห์อาการของผู้ป่วยแล้ววินิจฉัยโรค ในปัจจุบัน โปรแกรมเหล่านี้ทำงานถูกต้องแม่นยำมาก ในอนาคต เชื่อว่าความแม่นยำจะสูงจนการต้องปรึกษาแพทย์กลายเป็นเรื่องไม่จำเป็นอีกต่อไป