อะมีบา สัตว์เซลล์เดียว พบวิธีการแก้ปัญหาที่ฉลาดกว่าระบบคอมพิวเตอร์ของมนุษย์ซะอีก

รูปแบบชีวิตของสัตว์เซลล์เดียวอย่าง อะมีบา เพิ่งมีการค้นพบว่า มันมีวิธีการแก้ปัญหาที่ซับซ้อนได้อย่างชาญฉลาด และสามารถนำวิธีคิดของมันมาพัฒนาระบบคอมพิวเตอร์ในปัจจุบันให้ฉลาดขึ้นได้อีกด้วย

ความน่าประหลาดใจคือ ยิ่งปัญหามีความซับซ้อนขึ้น เจ้าอะมีบายิ่งฉายแววของวิธีการแก้ปัญหาที่โดดเด่น และแตกต่างจากวิธีคิดแก้ปัญหาของระบบคอมพิวเตอร์ในปัจจุบันโดยสิ้นเชิง และแน่นอนว่าวิธีการแก้ปัญหาของสัตว์เซลล์เดียวนั้นมีประสิทธิภาพมากกว่าอัลกอรึทึม (กระบวนการแก้ปัญหา) ใดๆ ที่มนุษย์พัฒนาขึ้นมา โดยผลลัพธ์จากงานวิจัยแสดงให้เห็นว่า สิ่งมีชีวิตที่มีรูปแบบเรียบง่ายนี้ ได้เพิ่มทางเลือกใหม่ในการประมวลผลของระบบคอมพิวเตอร์ 

ต้องทำความเข้าใจก่อนว่า อะมีบา ไม่ได้คิดเร็วกว่าเครื่องคอมพิวเตอร์แต่อย่างใด แต่เมื่อระดับความซับซ้อนของโจทย์นั้นยากขึ้นแบบยกกำลัง (Exponential growth) อะมีบา กลับใช้เวลาในการแก้ไขปัญหาเพิ่มขึ้นในรูปแบบของเชิงเส้น (Linear growth) ในขณะที่ระบบคอมพิวเตอร์นั้น ถ้าเจอโจทย์ปัญหาที่ยากขึ้นแบบยกกำลัง มันก็จะใช้เวลาในการแก้ปัญหายากขึ้นแบบยกกำลังเช่นกัน เราสามารถเห็นความแตกต่างอย่างชัดเจนตามภาพด้านล่างนี้

โดยโจทย์ปัญหาสุดคลาสสิคที่นักวิจัยใช้ทดสอบเชาวน์ปัญญาของ อะมีบา คือ โจทย์การเดินทางของเซลล์แมน หรือ Traveling Salesman Problem (TPS) มันเป็นโจทย์ปัญหาที่ ระบบคอมพิวเตอร์จะได้รับรายชื่อเมืองจำนวนหนึ่งที่เซลล์แมนต้องเดินทาไปเยือน จากนั้นก็ทำการค้นหาเส้นทางที่สั้นที่สุดในการเดินทางไปเยือนทุกๆ เมือง โดยที่ต้องไม่ใช้เส้นทางที่นำไปสู่เมืองที่เคยไปเยือนมาแล้ว

โจทย์ปัญหาการเดินทางของเซลล์แมน ยิ่งจำนวนเมืองเพิ่มมากขึ้น ความซับซ้อนในการแก้ปัญหายิ่งยากขึ้นในแบบยกกำลัง

โดยยิ่งจำนวนเมืองยิ่งเพิ่มมากขึ้น ความซับซ้อนของวิธีแก้ปัญหาก็ยิ่งเพิ่มขึ้นเรื่อยๆ โดยถ้าโจทย์มีรายชื่อเมืองเพียง 4 เมือง มันก็มีเส้นทางการเดินทางที่เป็นไปได้เพียง 3 เส้นทางให้เลือก แต่ถ้าจำนวนเมืองเพิ่มเป็น 8 เมือง สถานการณ์จะพลิกจากหน้ามือเป็นหลังมือทันที ก็จะมีเส้นทางการเดินทางถึง 2,520 เส้นทางให้เลือก จะเห็นว่าความซับซ้อนของโจทย์เพิ่มขึ้นแบบเลขยกกำลัง และระบบคอมพิวเตอร์จะใช้เวลานานมากในการค้นหาวิธีการเดินทางที่สั้นที่สุด

แต่ทีมวิจัยจากมหาวิทยาลัย Keio ในประเทศญี่ปุ่น ได้ตัดสินใจสร้างการทดลองเพื่อทดสอบเชาวน์ปัญญาของอะมีบา และพบว่า การเพิ่มจำนวนเมืองจาก 4 เป็น 8 นั้น เจ้าอะมีบา ใช้เวลาในการแก้ปัญหาเพิ่มขึ้นในรูปแบบของเชิงเส้น (แทนที่จะเป็นแบบยกกำลัง) เพื่อหาเส้นทางที่ดีที่สุด 

โดยนักวิจัยได้เขียนลงในรายงานผ่านสื่อ Royal Society Open Science ด้วยใจความที่ว่า "ในการศึกษาของเรา แสดงให้เห็นว่าอะมีบา ใช้เวลาในการแก้ไขปัญหาที่ซับซ้อนเพิ่มขึ้นแบบเชิงเส้น  เมื่อขนาดของปัญหาเพิ่มขึ้นจาก 4 เป็น 8 และผลการวิจัยนี้ สามารถนำไปพัฒนาระบบคอมพิวเตอร์ ให้สามารถแก้ไขปัญหาที่ซับซ้อนขึ้น โดยการใช้เวลาเพิ่มขึ้นในแบบเชิงเส้น (ซึ่งจะทำให้แก้ปัญหาได้เร็วขึ้นนั่นเอง)"

แน่นอนว่าอะมีบาไม่รู้จักว่าเมืองคืออะไร ดังนั้นโจทย์ปัญหาการเดินทางของเซลล์แมนในเวอร์ชันอะมีบานั้น 'เมือง' ถูกแทนที่ด้วยเส้นทางแคบๆ 64 เส้นทาง (โดยที่ 'เมือง' ทั้ง 8 นั้นมี 8 เส้นทางเพื่อไปยังเมืองอื่นๆ) โดยที่เส้นทางทั้ง 64 ถูกสร้างอยู่บนแผ่นจานที่วางอยู่เหนือ Agar ที่เป็นอาหารของอะมีบา และเพื่อที่จะเข้าถึงอาหาร อะมีบาต้องเดินทางไปตามเส้นทางต่างๆ

และการที่อะมีบาจะเดินทางไปในเส้นทางใด มันจะต้องทำการปรับเปลี่ยนรูปทรงของตัวมันเอง ดังนั้นการเดินทางเข้าไปในเส้นทางใดๆ มันจะต้องปรับรูปทรงของร่างกายให้มีรูปแบบที่ไม่ซ้ำกัน

การสร้างการทดลองของมหาวิทยาลัย Keio

และเพื่อให้มั่นใจว่าอะมีบาจะเดินทางไปยังเมืองต่างๆ ด้วยเส้นทางที่เหมาะสม นักวิจัยใช้แสง (ซึ่งเป็นสิ่งที่อะมีบาไม่ชอบ) ส่องไปยังเส้นทางที่ไกลเกินไป หรือเส้นทางมันเคยเดินทางผ่านมาแล้ว เพื่อไม่ให้มันเดินทางผ่านเส้นทางเดิม

และจากการรายงานของทีมวิจัย ระบุว่า อะมีบาไม่ได้ใช้เวลาในการแก้ปัญหายาวนานขึ้นแบบยกกำลังแต่อย่างใด ถึงแม้จะมีจำนวนของความเป็นไปได้ของเส้นทางเพิ่มขึ้นในแบบยกกำลังก็ตาม

และเพื่อให้ยุติธรรม ระบบคอมพิวเตอร์ในปัจจุบันนั้นก็สามารถแก้ปัญหาด้วยการใช้เวลาเพิ่มขึ้นในแบบเชิงเส้น เมื่อความซับซ้อนของปัญหาเพิ่มขึ้นแบบยกกำลังได้เช่นกัน แต่สิ่งที่อะมีบาเหนือกว่าระบบคอมพิวเตอร์คือ มันทดสอบการปรับเปลี่ยนรูปทรงของร่างกายเพื่อเดินทางเข้าไปในเส้นทางใหม่ๆ ในอัตราเร็วที่คงที่ และสามารถประมวลผลเรื่องการตอบสนองต่อแสงในเวลาเดียวกัน นี่เป็นสิ่งที่ระบบคอมพิวเตอร์ต้องเรียนรู้จากอะมีบา

โดยนักวิจัยกล่าวว่า ในตอนนี้การทดลองยังจำกัดอยู่ที่การเดินทางของ 8 เมือง เนื่องจากไม่สามารถสร้างจานทดสอบที่มีขนาดใหญ่กว่านี้ แต่ถ้าเกิดสามารถทำได้ขึ้นมา พวกเขาคิดว่าอะมีบา จะสามารถค้นหาเส้นทางที่ดีที่สุดในการเดินทางระหว่าง 100 เมืองได้อย่างรวดเร็วเลยทีเดียว

และพวกเขาได้สร้างแบบจำลองคอมพิวเตอร์ที่มีชื่อเรียกว่า AmoebaTSP (อะมีบา TSP) ที่จำลองรูปแบบการประมวลผลของอะมีบา แต่ก็ยังมีอีกหลายสิ่งที่ต้องเรียนรู้

โดยคุณ Masashi Aono กล่าวกับสื่อ Phys.org ว่า "กลไกที่ทำให้อะมีบา สามารถรักษาคุณภาพในการหาวิธีแก้ปัญหาเพื่อหาเส้นทางที่สั้นที่สุดนั้นยังคงเป็นปริศนา" และนอกจากกระบวนการคิดของอะมีบา จะมีประโยชน์สำหรับการพัฒนาอัลกอรึทึมของระบบคอมพิวเตอร์เพื่อการแก้ปัญหาที่ซับซ้อนแล้ว ก็ยังสามารถนำไปประยุกต์ใช้กับงานอื่นๆ ที่มีความซ้บซ้อน อย่างเช่น พัฒนาความคล่องแคล่วในการเดินของหุ่นยนต์ที่มีหลายขาได้ด้วย