(SeaPRwire) – នៅពេលដែលពិធីប្រគល់សញ្ញាបត្រអបអរសាទរការសន្យានៃនិស្សិតបញ្ចប់ការសិក្សានៃជំនាន់ថ្មី សំណួរមួយបានលេចឡើង៖ តើ AI នឹងធ្វើឱ្យការអប់រំរបស់ពួកគេគ្មានន័យទេ?
នាយកប្រតិបត្តិជាច្រើនគិតដូច្នេះ។ ពួកគេពណ៌នាអំពីអនាគតដែល AI នឹងជំនួសវិស្វករ វេជ្ជបណ្ឌិត និងគ្រូបង្រៀន។ នាយកប្រតិបត្តិរបស់ Meta បានទស្សន៍ទាយថ្មីៗនេះថា AI នឹងជំនួសវិស្វករកម្រិតមធ្យមដែលសរសេរកូដកុំព្យូទ័ររបស់ក្រុមហ៊ុន។ NVIDIA’s ថែមទាំងបានប្រកាសថាការសរសេរកូដខ្លួនឯងហួសសម័យទៅហើយ។
ខណៈពេលដែល Bill Gates ទទួលស្គាល់ថាល្បឿនដ៏លឿននៃការអភិវឌ្ឍ AI គឺ “ស៊ីជម្រៅ ហើយថែមទាំងគួរឱ្យខ្លាចបន្តិច” គាត់អបអរសាទរពីរបៀបដែលវាអាចធ្វើឱ្យចំណេះដឹងវរជនអាចចូលដំណើរការបានជាសកល។ គាត់ក៏មើលឃើញពិភពលោកមួយដែល AI ជំនួសអ្នកសរសេរកូដ វេជ្ជបណ្ឌិត និងគ្រូបង្រៀន ដោយផ្តល់ដំបូផ្នែកវេជ្ជសាស្រ្តដែលមានគុណភាពខ្ពស់ និងការបង្រៀនដោយឥតគិតថ្លៃ។
ទោះបីជាមានការអួតអាងយ៉ាងណាក៏ដោយ AI មិនអាច “គិត” ដោយខ្លួនឯង ឬធ្វើសកម្មភាពដោយគ្មានមនុស្សបានទេ – សម្រាប់ពេលនេះ។ ជាការពិតថាតើ AI ជួយបង្កើនការរៀនសូត្រ ឬធ្វើឱ្យខូចការយល់ដឹងអាស្រ័យលើការសម្រេចចិត្តដ៏សំខាន់មួយ៖ តើយើងនឹងអនុញ្ញាតឱ្យ AI គ្រាន់តែទស្សន៍ទាយលំនាំមែនទេ? ឬតើយើងនឹងតម្រូវឱ្យវាពន្យល់ បង្ហាញអំពីភាពត្រឹមត្រូវ និងរក្សាឱ្យមានមូលដ្ឋាននៅក្នុងច្បាប់នៃពិភពលោករបស់យើងដែរឬទេ?
AI ត្រូវការការវិនិច្ឆ័យរបស់មនុស្ស មិនត្រឹមតែដើម្បីត្រួតពិនិត្យលទ្ធផលរបស់វាប៉ុណ្ណោះទេ ថែមទាំងដើម្បីបង្កប់នូវរបាំងវិទ្យាសាស្ត្រដែលផ្តល់ទិសដៅ មូលដ្ឋាន និងការបកស្រាយដល់វាផងដែរ។
ថ្មីៗនេះបានប្រៀបធៀប chatbots AI ទៅនឹងសិស្សមធ្យមដែលកំពុងប្រឡងផ្ទាល់មាត់។ គាត់បាននិយាយនៅក្នុងព្រឹត្តិការណ៍មួយនៅសាកលវិទ្យាល័យ Pennsylvania ថា “នៅពេលដែលពួកគេដឹងចម្លើយ ពួកគេនឹងប្រាប់អ្នក ហើយនៅពេលដែលពួកគេមិនដឹងចម្លើយ ពួកគេពូកែខាងការបោកប្រាស់”។ ដូច្នេះ លុះត្រាតែអ្នកប្រើប្រាស់ដឹងច្រើនអំពីប្រធានបទណាមួយ យោងតាមលោក Sokal គេប្រហែលជាមិនចាប់ chatbot ដែល “បោកប្រាស់” នោះទេ។ សម្រាប់ខ្ញុំ វាចាប់យកបានយ៉ាងល្អឥតខ្ចោះនូវអ្វីដែលគេហៅថា “ចំណេះដឹង” របស់ AI ។ វាធ្វើត្រាប់តាមការយល់ដឹងដោយការទស្សន៍ទាយលំដាប់ពាក្យ ប៉ុន្តែខ្វះមូលដ្ឋានគ្រឹះនៃគំនិត។
នោះហើយជាមូលហេតុដែលប្រព័ន្ធ AI “ច្នៃប្រឌិត” និង មានអំពីថាតើគំរូភាសាធំៗពិតជាយល់អំពីភាពខុសប្លែកគ្នានៃវប្បធម៌ដែរឬទេ។ នៅពេលដែលគ្រូបង្រៀន ថា AI អាចរារាំងការគិតបែបស៊ីជម្រៅរបស់សិស្ស ឬវេជ្ជបណ្ឌិត ការធ្វើរោគវិនិច្ឆ័យខុសដោយក្បួនដោះស្រាយ ពួកគេកំណត់អត្តសញ្ញាណកំហុសដូចគ្នា៖ ការសិក្សាម៉ាស៊ីនគឺពូកែក្នុងការស្គាល់លំនាំ ប៉ុន្តែខ្វះចំណេះដឹងស៊ីជម្រៅដែលកើតចេញពីបទពិសោធន៍របស់មនុស្សជាប្រព័ន្ធ និងកកកុញ និងវិធីសាស្ត្រវិទ្យាសាស្ត្រ។
នោះគឺជាកន្លែងដែល ផ្តល់ផ្លូវទៅមុខ។ វាផ្តោតលើការបញ្ចូលចំណេះដឹងរបស់មនុស្សដោយផ្ទាល់ទៅក្នុងរបៀបដែលម៉ាស៊ីនរៀន។ PINNs (Physics-Informed Neural Networks) និង MINNs (Mechanistically Informed Neural Networks) គឺជាឧទាហរណ៍។ ឈ្មោះទាំងនោះអាចស្តាប់ទៅបច្ចេកទេស ប៉ុន្តែគំនិតគឺសាមញ្ញ៖ AI កាន់តែប្រសើរនៅពេលដែលវាធ្វើតាមច្បាប់ មិនថាជាច្បាប់រូបវិទ្យា ប្រព័ន្ធជីវសាស្រ្ត ឬសក្ដានុពលសង្គម។ នោះមានន័យថាយើងនៅតែត្រូវការមនុស្ស មិនត្រឹមតែប្រើប្រាស់ចំណេះដឹងប៉ុណ្ណោះទេ ថែមទាំងបង្កើតវាទៀតផង។ AI ដំណើរការបានល្អបំផុតនៅពេលដែលវាសិក្សាពីពួកយើង។
ខ្ញុំឃើញរឿងនេះនៅក្នុងការងារផ្ទាល់ខ្លួនរបស់ខ្ញុំជាមួយ MINNs ។ ជំនួសឱ្យការអនុញ្ញាតឱ្យក្បួនដោះស្រាយទាយថាតើអ្វីដំណើរការដោយផ្អែកលើទិន្នន័យពីអតីតកាល យើងសរសេរកម្មវិធីវាឱ្យធ្វើតាមគោលការណ៍វិទ្យាសាស្ត្រដែលបានបង្កើតឡើង។ យក មួយក្នុងស្រុក។ សម្រាប់អាជីវកម្មប្រភេទនេះ ពេលវេលាចេញផ្កាគឺជារឿងសំខាន់។ ការប្រមូលផលលឿនពេក ឬយឺតពេកកាត់បន្ថយសក្តានុពលប្រេងសំខាន់ៗ ដែលប៉ះពាល់ដល់គុណភាព និងប្រាក់ចំណេញ។ AI អាចខ្ជះខ្ជាយពេលវេលាដោយការច្រោះតាមលំនាំដែលមិនពាក់ព័ន្ធ។ ទោះជាយ៉ាងណាក៏ដោយ MINN ចាប់ផ្តើមជាមួយជីវវិទ្យារុក្ខជាតិ។ វាប្រើសមីការដែលភ្ជាប់កំដៅ ពន្លឺ សាយសត្វ និងទឹកទៅនឹងការចេញផ្កា ដើម្បីធ្វើការព្យាករណ៍ទាន់ពេលវេលា និងមានន័យផ្នែកហិរញ្ញវត្ថុ។ ប៉ុន្តែវាដំណើរការតែនៅពេលដែលវាដឹងពីរបៀបដែលពិភពរូបវន្ត គីមី និងជីវសាស្ត្រដំណើរការប៉ុណ្ណោះ។ ចំណេះដឹងនោះបានមកពីវិទ្យាសាស្ត្រ ដែលមនុស្សបង្កើត។
ស្រមៃមើលការអនុវត្តវិធីសាស្រ្តនេះចំពោះការរកមហារីក៖ ដុំសាច់សុដន់បញ្ចេញកំដៅពីលំហូរឈាម និងការរំលាយអាហារកើនឡើង ហើយ AI ដែលអាចព្យាករណ៍បានអាចវិភាគរូបភាពកម្ដៅរាប់ពាន់ ដើម្បីកំណត់អត្តសញ្ញាណដុំសាច់ដោយផ្អែកលើលំនាំទិន្នន័យតែប៉ុណ្ណោះ។ ទោះជាយ៉ាងណាក៏ដោយ MINN ដូចជាថ្មីៗនេះប្រើទិន្នន័យសីតុណ្ហភាពលើផ្ទៃរាងកាយ និងបង្កប់ច្បាប់ផ្ទេរកំដៅជីវសាស្រ្តដោយផ្ទាល់ទៅក្នុងគំរូ។ នោះមានន័យថាជំនួសឱ្យការទាយ វាយល់ពីរបៀបដែលកំដៅផ្លាស់ទីឆ្លងកាត់រាងកាយ ដោយអនុញ្ញាតឱ្យវាកំណត់ថាតើមានអ្វីខុស អ្វីដែលបណ្តាលឱ្យវា ហេតុអ្វី និងកន្លែងដែលវានៅយ៉ាងជាក់លាក់ដោយប្រើរូបវិទ្យានៃលំហូរកំដៅឆ្លងកាត់ជាលិកា។ ក្នុងករណីមួយ MINN បានព្យាករណ៍ទីតាំង និងទំហំនៃដុំសាច់ក្នុងរង្វង់ពីរបីមិល្លីម៉ែត្រ ដោយផ្អែកទាំងស្រុងលើរបៀបដែលជំងឺមហារីករំខានដល់សញ្ញាកម្ដៅរបស់រាងកាយ។
សារសំខាន់គឺសាមញ្ញ៖ មនុស្សនៅតែចាំបាច់។ នៅពេលដែល AI កាន់តែទំនើប តួនាទីរបស់យើងមិនបាត់ទៅណាទេ។ វាកំពុងផ្លាស់ប្តូរ។ មនុស្សត្រូវតែ “ហៅបោកប្រាស់” នៅពេលដែលក្បួនដោះស្រាយបង្កើតអ្វីមួយដែលចម្លែក លំអៀង ឬខុស។ វាមិនមែនគ្រាន់តែជាភាពទន់ខ្សោយរបស់ AI ប៉ុណ្ណោះទេ។ វាគឺជាកម្លាំងដ៏អស្ចារ្យបំផុតរបស់មនុស្ស។ វាមានន័យថាចំណេះដឹងរបស់យើងក៏ត្រូវតែរីកចម្រើនផងដែរ ដូច្នេះយើងអាចដឹកនាំបច្ចេកវិទ្យា រក្សាវាឱ្យស្ថិតក្រោមការគ្រប់គ្រង ធានាថាវាធ្វើអ្វីដែលយើងគិតថាវាធ្វើ និងជួយមនុស្សក្នុងដំណើរការនេះ។
ការគំរាមកំហែងពិតប្រាកដមិនមែនថា AI កាន់តែឆ្លាតវៃនោះទេ។ គឺថាយើងអាចឈប់ប្រើប្រាជ្ញារបស់យើង។ ប្រសិនបើយើងចាត់ទុក AI ជាទំនាយ យើងប្រថុយនឹងការភ្លេចពីរបៀបសួរសំណួរ ហេតុផល និងទទួលស្គាល់នៅពេលដែលអ្វីមួយមិនសមហេតុផល។ ជាសំណាងល្អ អនាគតមិនចាំបាច់លេងបែបនេះទេ។
យើងអាចបង្កើតប្រព័ន្ធដែលមានតម្លាភាព អាចបកស្រាយបាន និងមានមូលដ្ឋាននៅក្នុងចំណេះដឹងរបស់មនុស្សដែលប្រមូលបាននៃវិទ្យាសាស្ត្រ សីលធម៌ និងវប្បធម៌។ អ្នកបង្កើតគោលនយោបាយអាចផ្តល់មូលនិធិដល់ការស្រាវជ្រាវលើ AI ដែលអាចបកស្រាយបាន។ សាកលវិទ្យាល័យអាចបណ្តុះបណ្តាលសិស្សដែលលាយបញ្ចូលគ្នានូវចំណេះដឹងដែនជាមួយជំនាញបច្ចេកទេស។ អ្នកអភិវឌ្ឍន៍អាចអនុម័តក្របខ័ណ្ឌដូចជា MINNs និង PINNs ដែលតម្រូវឱ្យគំរូរក្សាភាពស្មោះត្រង់ចំពោះការពិត។ ហើយពួកយើងទាំងអស់គ្នា – អ្នកប្រើប្រាស់ អ្នកបោះឆ្នោត ពលរដ្ឋ – អាចទាមទារថា AI បម្រើវិទ្យាសាស្ត្រ និងការពិតគោលបំណង មិនត្រឹមតែទំនាក់ទំនងគ្នាទៅវិញទៅមកប៉ុណ្ណោះទេ។
បន្ទាប់ពីជាងមួយទសវត្សរ៍នៃការបង្រៀនស្ថិតិនៅកម្រិតសាកលវិទ្យាល័យ និងគំរូវិទ្យាសាស្ត្រ ឥឡូវនេះខ្ញុំផ្តោតលើការជួយសិស្សឱ្យយល់ពីរបៀបដែលក្បួនដោះស្រាយដំណើរការ “នៅក្រោមក្រណាត់” ដោយការរៀនសូត្រប្រព័ន្ធដោយខ្លួនឯង ជាជាងប្រើប្រាស់វាតាមទម្លាប់។ គោលដៅគឺដើម្បីលើកកម្ពស់ចំណេះដឹងទូទាំងភាសាដែលភ្ជាប់គ្នាទៅវិញទៅមកនៃគណិតវិទ្យា វិទ្យាសាស្ត្រ និងការសរសេរកូដ។
វិធីសាស្រ្តនេះគឺចាំបាច់នៅថ្ងៃនេះ។ យើងមិនត្រូវការអ្នកប្រើប្រាស់កាន់តែច្រើនចុច “បង្កើត” លើគំរូប្រអប់ខ្មៅទេ។ យើងត្រូវការមនុស្សដែលអាចយល់ពីតក្កវិជ្ជារបស់ AI កូដ និងគណិតវិទ្យារបស់វា និងចាប់ “ការបោកប្រាស់” របស់វា។
AI នឹងមិនធ្វើឱ្យការអប់រំលែងមានជាប់ទាក់ទង ឬជំនួសមនុស្សនោះទេ។ ប៉ុន្តែយើងអាចជំនួសខ្លួនយើង ប្រសិនបើយើងភ្លេចពីរបៀបគិតដោយឯករាជ្យ ហើយហេតុអ្វីបានជាវិទ្យាសាស្ត្រ និងការយល់ដឹងស៊ីជម្រៅមានសារៈសំខាន់។
ជម្រើសគឺមិនមែនថាតើត្រូវបដិសេធ ឬទទួលយក AI នោះទេ។ វាគឺជាថាតើយើងនឹងបន្តការអប់រំនិងឆ្លាតវៃគ្រប់គ្រាន់ដើម្បីណែនាំវាឬអត់។
អត្ថបទនេះត្រូវបានផ្តល់ជូនដោយអ្នកផ្គត់ផ្គង់មាតិកាដែលទីបញ្ចូល។ SeaPRwire (https://www.seaprwire.com/) មិនមានការធានា ឬ បញ្ចេញកំណត់ណាមួយ។
ប្រភេទ: ព័ត៌មានប្រចាំថ្ងៃ, ព័ត៌មានសំខាន់
SeaPRwire ផ្តល់សេវាកម្មផ្សាយពាណិជ្ជកម្មសារព័ត៌មានសកលសម្រាប់ក្រុមហ៊ុន និងស្ថាប័ន ដែលមានការចូលដំណើរការនៅលើបណ្ដាញមេឌៀជាង 6,500 បណ្ដាញ ប័ណ្ណប្រតិភូ 86,000 និងអ្នកសារព័ត៌មានជាង 350 លាន។ SeaPRwire គាំទ្រការផ្សាយពាណិជ្ជកម្មជាសារព័ត៌មានជាភាសាអង់គ្លេស ជប៉ុន ហ្រ្វាំង គូរី ហ្វ្រេនច រ៉ុស អ៊ីនដូនេស៊ី ម៉ាឡេស៊ី វៀតណាម ចិន និងភាសាផ្សេងទៀត។
“`