เราใช้ชีวิตโดยไม่ต้องกลับไปคิดทุกอย่างใหม่ตั้งแต่ต้นในทุกครั้ง เราสามารถตัดสินใจได้เร็วขึ้นด้วยการใช้วิธีที่เคยได้ผล กฎที่เราเรียนรู้ และประสบการณ์ของผู้อื่นเป็นความรู้ คุณค่าของความรู้อยู่ที่การนำอดีตมาสู่ปัจจุบันได้ แต่ความสะดวกนั้นก็มีความเสี่ยงในทิศทางตรงกันข้ามเช่นกัน สิ่งที่ถูกต้องในอดีตไม่ได้หมายความว่าจะต้องถูกต้องในวันนี้ภายใต้เงื่อนไขเดียวกันเสมอไป การใช้ความรู้กับการบังคับให้ปัจจุบันเข้าไปอยู่ในแบบแผนจากอดีตนั้นเป็นคนละเรื่องกัน
ตัวอย่างเช่น แม้ว่าวิธีการเรียนแบบหนึ่งเคยให้ผลลัพธ์ที่ดีมาก่อน งานชิ้นถัดไปอาจต้องใช้ความสามารถที่ต่างออกไปหรือมีเวลาให้ใช้ไม่เท่ากัน ข้อเท็จจริงที่ว่า “ก่อนหน้านี้เคยได้ผล” เป็นสิ่งสำคัญ แต่เพียงเท่านั้นไม่ได้กำหนดว่าวิธีเดิมจะเหมาะสมที่สุดในตอนนี้ การเปลี่ยนตัวอย่างความสำเร็จให้เป็นกฎโดยตรงทำให้คำตอบถูกกำหนดไว้ก่อนที่จะตรวจสอบความแตกต่างของปัจจุบัน ยิ่งความรู้นั้นมีน้ำหนักมาก เราก็อาจยิ่งมองข้ามการเปลี่ยนแปลงเล็ก ๆ ที่ไม่เข้ากับความรู้นั้นได้ง่ายขึ้น
เนื่องจาก AI สามารถใช้ข้อมูลจากอดีตจำนวนมหาศาลได้ จึงเกี่ยวข้องอย่างลึกซึ้งกับปัญหานี้ AI เก่งในการค้นหาสถานการณ์ที่คล้ายกันจากกรณีในอดีตและแสดงแนวโน้มทั่วไป แต่ความคล้ายกันกับความเหมือนกันทุกประการเป็นคนละเรื่อง หากบุคคล เป้าหมาย สภาพแวดล้อม หรือข้อจำกัดในปัจจุบันแตกต่างออกไป วิธีใช้ความรู้จากอดีตก็ต้องเปลี่ยนตามไปด้วย ยิ่ง AI รู้เรื่องอดีตมากเท่าไร คำอธิบายว่า “ที่ผ่านมาเป็นเช่นนี้” ก็ยิ่งฟังดูน่าเชื่อถือมากขึ้น ดังนั้นจึงจำเป็นต้องใส่ใจจัดการกับความแตกต่างของปัจจุบันอย่างมีสติ
เพื่อไม่ให้นำความรู้มาวางทับปัจจุบันโดยตรง วิธีหนึ่งคือมองความรู้ไม่ใช่เป็นคำตอบ แต่เป็นข้อมูลสำหรับการเปรียบเทียบ เราสามารถถามว่า “ในอดีต ภายใต้เงื่อนไขเหล่านี้ ผลลัพธ์แบบนี้เกิดขึ้นบ่อย แล้วตอนนี้เงื่อนไขเหล่านั้นยังคงเป็นจริงอยู่หรือไม่” เพียงเพิ่มขั้นตอนนี้ ความรู้ก็เปลี่ยนจากกฎที่กำกับปัจจุบันเป็นสมมติฐานสำหรับทำความเข้าใจปัจจุบัน ประเด็นไม่ใช่การทิ้งอดีต แต่คือการเว้นระยะสำหรับการตรวจสอบระหว่างอดีตกับปัจจุบัน
ระยะห่างนี้จำเป็นแม้ในกรณีที่ความรู้มีความน่าเชื่อถือสูง แม้แต่ความรู้ที่ได้รับการยอมรับอย่างมั่นคงก็มีเงื่อนไขที่กำหนดขอบเขตการนำไปใช้ กฎทั่วไปอาจถูกต้องโดยไม่จำเป็นต้องใช้ได้โดยตรงกับทุกสถานการณ์เฉพาะ สิ่งสำคัญไม่ใช่เพียงคำถามว่า “ความรู้นี้ถูกต้องหรือไม่” แต่ยังรวมถึง “เงื่อนไขสำหรับใช้ความรู้นี้มีอยู่ครบในที่นี้หรือไม่” แม้ความรู้จะถูกต้อง ก็อาจนำไปสู่การตัดสินที่ผิดได้หากละเลยเงื่อนไขในการนำไปใช้
ประสบการณ์ของมนุษย์ก็เช่นเดียวกัน ประสบการณ์ที่สะสมมาเป็นเวลานานช่วยให้เราเข้าใจสถานการณ์ได้อย่างรวดเร็ว แต่ยิ่งประสบการณ์ของเรามีมาก เราก็อาจยิ่งนำแบบแผนที่คุ้นเคยไปใช้กับเหตุการณ์ใหม่ได้ง่ายขึ้น โดยเฉพาะเมื่อเรารู้สึกว่า “นี่เหมือนกับครั้งก่อน” เราจำเป็นต้องตรวจสอบว่าอะไรเหมือนและอะไรแตกต่าง การมีความรู้กับการไม่ถูกความรู้ผูกมัดไม่ได้ขัดแย้งกัน ตรงกันข้าม ท่าทีเช่นนี้จำเป็นต่อการทำให้ความรู้ยังคงเป็นประโยชน์ได้ในระยะยาว
เมื่อ AI มีข้อมูลในอดีตเกี่ยวกับบุคคลหนึ่ง หลักการนี้ยิ่งสำคัญขึ้น ความชอบก่อนหน้านี้ การตัดสินในอดีต และพฤติกรรมที่เกิดซ้ำ สามารถเป็นเบาะแสสำหรับทำความเข้าใจปัจจุบันได้ แต่มนุษย์เปลี่ยนแปลง หากแนวโน้มในอดีตถูกเปลี่ยนให้เป็นภาพตายตัวว่า “คนคนนี้เป็นคนแบบนี้” AI อาจดูเหมือนเข้าใจ แต่ในขณะเดียวกันกลับห่างออกไปจากตัวบุคคลในปัจจุบัน อดีตอาจเป็นข้อมูลสำหรับคาดการณ์ปัจจุบันได้ แต่อดีตไม่ใช่ตัวบุคคลในปัจจุบันเอง
บทบาทของความรู้ใน Sai＊aus ก็ไม่ได้มีเพียงการเพิ่มปริมาณสิ่งที่สะสมไว้ สิ่งสำคัญคือความสามารถในการจัดการกับความแตกต่างระหว่างสิ่งที่สะสมไว้กับบทสนทนาในปัจจุบัน เราสามารถใช้ความเข้าใจก่อนหน้าไปพร้อมกับปรับแก้ด้วยถ้อยคำในปัจจุบัน แม้ข้อมูลจากอดีตจะมีประโยชน์ ก็ไม่ควรวางข้อมูลนั้นไว้เหนือเจตนาในปัจจุบันของบุคคล หากมีความสัมพันธ์เช่นนี้ ความรู้ก็สามารถใช้ไม่ใช่เพื่อสร้างภาพตายตัวของบุคคล แต่ยังเพื่อค้นพบการเปลี่ยนแปลงได้ด้วย
คำตอบที่ถูกต้องในอดีตช่วยการตัดสินของวันนี้ แต่ไม่ได้กำหนดคำตอบที่ถูกต้องของวันนี้ไว้ล่วงหน้า ความรู้ไม่ใช่สิ่งทดแทนความเป็นจริง แต่เป็นประสบการณ์ที่เราพกติดตัวไปได้เพื่อใช้ตรวจสอบความเป็นจริง หากยังคงเว้นระยะระหว่างอดีตกับปัจจุบัน เราสามารถรักษาความรู้ที่สะสมไว้พร้อมกับยอมรับความแตกต่างใหม่ ๆ ได้ การใช้สิ่งที่เรารู้ ขณะเดียวกันก็ยังกลับมามองปัจจุบันอีกครั้ง ท่าทีเช่นนี้ทำให้ความรู้เปลี่ยนจากคำตอบที่แข็งตายตัวไปเป็นความเข้าใจที่มีชีวิต
ไม่ใช่คำตอบ แต่คือความเข้าใจ
━━━━━━━━━━━━━━━━━━