ចម្លើយខ្លី៖ បញ្ញាសិប្បនិម្មិត (AI) ត្រូវបានលក់លើសកម្រិត នៅពេលដែលវាត្រូវបានផ្សព្វផ្សាយថាល្អឥតខ្ចោះ មិនបាច់ប្រើដៃ ឬជំនួសការងារ។ វាមិនត្រូវបានលក់លើសកម្រិតទេ នៅពេលដែលប្រើជាឧបករណ៍ត្រួតពិនិត្យសម្រាប់ការព្រាង ការគាំទ្រការសរសេរកូដ ការជ្រើសរើស និងការរុករកទិន្នន័យ។ ប្រសិនបើអ្នកត្រូវការការពិត អ្នកត្រូវតែដាក់វានៅក្នុងប្រភពដែលបានផ្ទៀងផ្ទាត់ ហើយបន្ថែមការពិនិត្យឡើងវិញ។ នៅពេលដែលហានិភ័យកើនឡើង អភិបាលកិច្ចក៏សំខាន់ផងដែរ។
អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖
ចំណុចសំខាន់ៗ៖
សញ្ញានៃការនិយាយបំផ្លើស៖ ចាត់ទុកការអះអាង “ស្វ័យភាពពេញលេញ” និង “ភាពត្រឹមត្រូវឥតខ្ចោះក្នុងពេលឆាប់ៗនេះ” ជាសញ្ញាព្រមាន។
ភាពជឿជាក់៖ រំពឹងថានឹងមានចម្លើយខុសដោយទំនុកចិត្ត។ តម្រូវឱ្យមានការទាញយកមកវិញ ការផ្ទៀងផ្ទាត់ និងការពិនិត្យឡើងវិញដោយមនុស្ស។
ករណីប្រើប្រាស់ល្អ៖ ជ្រើសរើសកិច្ចការតូចចង្អៀត ដែលអាចធ្វើម្តងទៀតបាន ជាមួយនឹងរង្វាស់ជោគជ័យច្បាស់លាស់ និងហានិភ័យទាប។
ការទទួលខុសត្រូវ៖ ចាត់តាំងម្ចាស់ជាមនុស្សសម្រាប់លទ្ធផល ការពិនិត្យ និងអ្វីដែលកើតឡើងនៅពេលដែលវាខុស។
អភិបាលកិច្ច៖ ប្រើប្រាស់ក្របខ័ណ្ឌ និងការអនុវត្តការបង្ហាញព័ត៌មានអំពីឧប្បត្តិហេតុ នៅពេលដែលមានពាក់ព័ន្ធនឹងប្រាក់ សុវត្ថិភាព ឬសិទ្ធិ។
🔗 តើ AI មួយណាដែលសាកសមនឹងអ្នក?
ប្រៀបធៀបឧបករណ៍ AI ទូទៅតាមគោលដៅ ថវិកា និងភាពងាយស្រួល។.
🔗 តើមានពពុះ AI កំពុងបង្កើតដែរឬទេ?
សញ្ញានៃការផ្សព្វផ្សាយបំផ្លើស ហានិភ័យ និងរូបរាងនៃកំណើនប្រកបដោយចីរភាព។.
🔗 តើឧបករណ៍ចាប់សញ្ញា AI អាចទុកចិត្តបានសម្រាប់ការប្រើប្រាស់ក្នុងពិភពពិតដែរឬទេ?
ដែនកំណត់ភាពត្រឹមត្រូវ ផលវិជ្ជមានមិនពិត និងគន្លឹះសម្រាប់ការវាយតម្លៃដោយយុត្តិធម៌។.
🔗 របៀបប្រើប្រាស់ AI នៅលើទូរស័ព្ទរបស់អ្នកជារៀងរាល់ថ្ងៃ
ប្រើប្រាស់កម្មវិធីទូរស័ព្ទ ជំនួយការសំឡេង និងសារជំរុញដើម្បីសន្សំសំចៃពេលវេលា។.
អ្វីដែលមនុស្សតែងតែចង់មានន័យនៅពេលពួកគេនិយាយថា "AI ត្រូវបានផ្សព្វផ្សាយហួសហេតុពេក" 🤔
នៅពេលដែលនរណាម្នាក់និយាយថា AI ត្រូវបានផ្សព្វផ្សាយហួសហេតុពេកជាធម្មតាពួកគេកំពុងមានប្រតិកម្មចំពោះភាពមិនស៊ីសង្វាក់គ្នាមួយ (ឬច្រើន) ទាំងនេះ៖
-
ការសន្យាផ្នែកទីផ្សារធៀបនឹងការពិតប្រចាំថ្ងៃ
ការបង្ហាញសាកល្បងមើលទៅអស្ចារ្យ។ ការដាក់ឱ្យប្រើប្រាស់មានអារម្មណ៍ដូចជាកាសែតបិទជិត និងការអធិស្ឋាន។ -
សមត្ថភាព ទល់នឹង ភាពជឿជាក់
វាអាចសរសេរកំណាព្យ បកប្រែកិច្ចសន្យា បំបាត់កំហុសកូដ... ហើយបន្ទាប់មកបង្កើតតំណភ្ជាប់គោលនយោបាយដោយទំនុកចិត្ត។ ឡូយ ឡូយ ឡូយ។ -
វឌ្ឍនភាព ធៀបនឹង ការអនុវត្តជាក់ស្តែង
គំរូមានភាពប្រសើរឡើងយ៉ាងឆាប់រហ័ស ប៉ុន្តែការរួមបញ្ចូលពួកវាទៅក្នុងដំណើរការអាជីវកម្មដែលស្មុគស្មាញគឺយឺត នយោបាយ និងពោរពេញដោយករណីមិនអំណោយផល។ -
រឿងរ៉ាវ "ជំនួសមនុស្ស"
ជ័យជម្នះពិតប្រាកដភាគច្រើនមើលទៅដូចជា "ដកចេញនូវផ្នែកដែលគួរឱ្យធុញទ្រាន់" ជាជាង "ជំនួសការងារទាំងមូល"។
ហើយនោះហើយជាភាពតានតឹងស្នូល៖ បញ្ញាសិប្បនិម្មិត (AI) ពិតជាមានឥទ្ធិពលខ្លាំងមែន ប៉ុន្តែជារឿយៗវាត្រូវបានគេលក់ដូចជាវាបានបញ្ចប់រួចហើយ។ វាមិនទាន់បានបញ្ចប់នៅឡើយទេ។ វា… កំពុងដំណើរការ។ ដូចជាផ្ទះមួយដែលមានបង្អួចដ៏ស្រស់ស្អាត និងគ្មានបំពង់ទឹក 🚽។
ហេតុអ្វីបានជាការអះអាងអំពី AI ដែលបំផ្លើសកើតឡើងយ៉ាងងាយស្រួល (ហើយនៅតែបន្តកើតឡើង) 🎭
ហេតុផលមួយចំនួនដែល AI ទាក់ទាញការអះអាងដែលបំផ្លើសដូចជាមេដែក៖
ការបង្ហាញជាទូទៅគឺបោកប្រាស់ (តាមរបៀបដ៏ល្អបំផុត)
ការបង្ហាញត្រូវបានរៀបចំយ៉ាងល្អិតល្អន់។ ការណែនាំត្រូវបានកែសម្រួល។ ទិន្នន័យគឺស្អាត។ សេណារីយ៉ូករណីល្អបំផុតទទួលបានការចាប់អារម្មណ៍ ហើយករណីបរាជ័យគឺការញ៉ាំនំកែកឃឺនៅពីក្រោយឆាក។.
ភាពលំអៀងនៃការរស់រានមានជីវិតគឺខ្លាំង
រឿងរ៉ាវ “បញ្ញាសិប្បនិម្មិត (AI) បានជួយសង្គ្រោះយើងមួយលានម៉ោង” កំពុងល្បីពេញអ៊ីនធឺណិត។ រឿងរ៉ាវ “បញ្ញាសិប្បនិម្មិត (AI) បានធ្វើឲ្យយើងសរសេរអ្វីៗគ្រប់យ៉ាងឡើងវិញពីរដង” ត្រូវបានកប់យ៉ាងស្ងាត់ៗនៅក្នុងថតឯកសារគម្រោងរបស់នរណាម្នាក់ដែលមានឈ្មោះថា “ការពិសោធន៍ត្រីមាសទី 3” 🫠
មនុស្សច្រឡំភាពស្ទាត់ជំនាញជាមួយនឹងការពិត
បញ្ញាសិប្បនិម្មិត (AI) ទំនើបអាចស្តាប់ទៅដូចជាមានទំនុកចិត្ត មានប្រយោជន៍ និងជាក់លាក់ ដែលបញ្ឆោតខួរក្បាលរបស់យើងឱ្យសន្មតថាវាត្រឹមត្រូវ។.
មធ្យោបាយដ៏សំខាន់មួយដើម្បីពិពណ៌នាអំពីរបៀបបរាជ័យនេះគឺ ការសន្និដ្ឋាន៖ បញ្ជាក់ដោយមានទំនុកចិត្តប៉ុន្តែទិន្នផលខុស (ហៅថា "ការយល់ច្រឡំ")។ NIST ហៅរឿងនេះដោយផ្ទាល់ថាជាហានិភ័យសំខាន់សម្រាប់ប្រព័ន្ធ AI ដែលបង្កើតឡើង។ [1]
លុយបង្កើនសំឡេងមេហ្គាហ្វូន
នៅពេលដែលថវិកា ការវាយតម្លៃ និងការលើកទឹកចិត្តអាជីពស្ថិតក្នុងស្ថានភាពមិនប្រាកដប្រជា មនុស្សគ្រប់គ្នាមានហេតុផលដើម្បីនិយាយថា "រឿងនេះផ្លាស់ប្តូរអ្វីៗគ្រប់យ៉ាង" (ទោះបីជាវាភាគច្រើនផ្លាស់ប្តូរស្លាយក៏ដោយ)។.
គំរូ “អតិផរណា → ការខកចិត្ត → តម្លៃស្ថិរភាព” (ហើយហេតុអ្វីបានជាវាមិនមានន័យថា AI ក្លែងក្លាយ) 📈😬
បច្ចេកវិទ្យាជាច្រើនធ្វើតាមអារម្មណ៍ដូចគ្នា៖
-
ការរំពឹងទុកខ្ពស់បំផុត (អ្វីៗគ្រប់យ៉ាងនឹងត្រូវបានធ្វើស្វ័យប្រវត្តិកម្មនៅថ្ងៃអង្គារ)
-
ការពិតដ៏លំបាក (វាបែកនៅថ្ងៃពុធ)
-
តម្លៃស្ថិរភាព (វាក្លាយជាផ្នែកមួយនៃរបៀបដែលការងារត្រូវបានធ្វើដោយស្ងាត់ៗ)
ដូច្នេះបាទ/ចាស៎ - បញ្ញាសិប្បនិម្មិតអាចត្រូវបានលក់លើសកម្រិត ខណៈពេលដែលនៅតែជាកត្តាសំខាន់។ ទាំងនោះមិនមែនជារឿងផ្ទុយគ្នាទេ។ ពួកគេជាមិត្តរួមបន្ទប់។
កន្លែងដែល AI មិនត្រូវបានគេផ្សព្វផ្សាយហួសហេតុពេក (វាកំពុងផ្តល់សេវាកម្ម) ✅✨
នេះជាផ្នែកដែលត្រូវបានខកខានព្រោះវាមិនសូវជាប្រឌិតបែបវិទ្យាសាស្ត្រទេ ប៉ុន្តែវាមានលក្ខណៈជាសៀវភៅបញ្ជីច្រើនជាង។.
ជំនួយក្នុងការសរសេរកូដគឺជាការជំរុញផលិតភាពពិតប្រាកដ
សម្រាប់ភារកិច្ចមួយចំនួន - ការរចនាប្រព័ន្ធប្រតិបត្តិការ ការធ្វើតេស្តរន្ទា លំនាំដដែលៗ - អ្នកបើកកូដរួមអាចអនុវត្តជាក់ស្តែងបាន។.
ការពិសោធន៍ត្រួតពិនិត្យដែលត្រូវបានដកស្រង់យ៉ាងទូលំទូលាយពី GitHub បានរកឃើញថា អ្នកអភិវឌ្ឍន៍ដែលប្រើប្រាស់ Copilot បានបញ្ចប់កិច្ចការសរសេរកូដ លឿនជាងមុន (ការសរសេររបស់ពួកគេរាយការណ៍ពី ការបង្កើនល្បឿន 55% នៅក្នុងការសិក្សាជាក់លាក់នោះ)។ [3]
មិនមែនជាវេទមន្តទេ ប៉ុន្តែមានអត្ថន័យ។ ចំណុចសំខាន់គឺអ្នកនៅតែត្រូវពិនិត្យមើលអ្វីដែលវាសរសេរ… ពីព្រោះពាក្យ “មានប្រយោជន៍” មិនដូចគ្នានឹងពាក្យ “ត្រឹមត្រូវ” ទេ។
ការរៀបចំសេចក្តីព្រាង ការសង្ខេប និងការគិតជាមុន
AI ពូកែខាង៖
-
ប្រែក្លាយកំណត់ចំណាំរដុបទៅជាសេចក្តីព្រាងស្អាត ✍️
-
សង្ខេបឯកសារវែងៗ
-
ជម្រើសបង្កើត (ចំណងជើង គ្រោង វ៉ារ្យ៉ង់អ៊ីមែល)
-
សម្លេងបកប្រែ (“ធ្វើឱ្យវាមិនសូវហឹរ” 🌶️)
វាជាជំនួយការថ្នាក់ក្រោមដែលមិនចេះនឿយហត់ ដែលពេលខ្លះកុហក ដូច្នេះអ្នកត្រូវត្រួតពិនិត្យ។ (ឃោរឃៅ។ ក៏ត្រឹមត្រូវដែរ។)
ការជ្រើសរើសការគាំទ្រអតិថិជន និងផ្នែកជំនួយផ្ទៃក្នុង
កន្លែងដែល AI មានទំនោរដំណើរការល្អបំផុត៖ ចាត់ថ្នាក់ → ទាញយក → ស្នើមិនមែន បង្កើត → សង្ឃឹម → ដាក់ពង្រាយទេ។
ប្រសិនបើអ្នកចង់បានកំណែខ្លី និងមានសុវត្ថិភាព៖ សូមប្រើ AI ដើម្បី ទាញយកពីប្រភពដែលត្រូវបានអនុម័ត និងព្រាងការឆ្លើយតប ប៉ុន្តែត្រូវរក្សាមនុស្សឱ្យទទួលខុសត្រូវចំពោះអ្វីដែលបញ្ជូន - ជាពិសេសនៅពេលដែលហានិភ័យកើនឡើង។ ឥរិយាបថ "គ្រប់គ្រង + សាកល្បង + បង្ហាញឧប្បត្តិហេតុ" នោះស្ថិតនៅយ៉ាងស្អាតជាមួយនឹងរបៀបដែល NIST កំណត់រចនាសម្ព័ន្ធការគ្រប់គ្រងហានិភ័យ AI ដែលអាចបង្កើតបាន។ [1]
ការរុករកទិន្នន័យ - ជាមួយនឹងរបាំងការពារ
បញ្ញាសិប្បនិម្មិត (AI) អាចជួយមនុស្សសាកសួរសំណុំទិន្នន័យ ពន្យល់តារាង និងបង្កើតគំនិត "អ្វីដែលត្រូវមើលបន្ទាប់"។ ជ័យជម្នះគឺធ្វើឱ្យការវិភាគកាន់តែងាយស្រួលចូលដំណើរការ មិនមែនជំនួសអ្នកវិភាគនោះទេ។.
កន្លែងដែល AI ត្រូវបានផ្សព្វផ្សាយហួសហេតុ (ហើយហេតុអ្វីបានជាវានៅតែខកចិត្ត) ❌🤷
«ភ្នាក់ងារស្វ័យភាពពេញលេញដែលដំណើរការអ្វីៗគ្រប់យ៉ាង»
ភ្នាក់ងារអាចធ្វើលំហូរការងារបានយ៉ាងស្អាត។ ប៉ុន្តែនៅពេលដែលអ្នកបន្ថែម៖
-
ជំហានច្រើន
-
ឧបករណ៍រញ៉េរញ៉ៃ
-
ការអនុញ្ញាត
-
អ្នកប្រើប្រាស់ពិតប្រាកដ
-
ផលវិបាកពិតប្រាកដ
...របៀបបរាជ័យកើនឡើងទ្វេដងដូចទន្សាយ។ ដំបូងឡើយគួរឲ្យស្រលាញ់ បន្ទាប់មកអ្នកនឹងមានអារម្មណ៍ហួសចិត្ត🐇
ច្បាប់ជាក់ស្តែងមួយ៖ កាលណាអ្វីមួយអះអាងថា "មិនប្រើដៃ" កាន់តែច្រើន អ្នកកាន់តែគួរសួរថាមានអ្វីកើតឡើងនៅពេលវាខូច។.
«វានឹងត្រឹមត្រូវឥតខ្ចោះក្នុងពេលឆាប់ៗនេះ»
ពិតណាស់ ភាពត្រឹមត្រូវមានភាពប្រសើរឡើង ប៉ុន្តែភាពជឿជាក់គឺរអិលណាស់ - ជាពិសេសនៅពេលដែលគំរូមួយ មិនមានមូលដ្ឋាន លើប្រភពដែលអាចផ្ទៀងផ្ទាត់បាន។
នោះហើយជាមូលហេតុដែលការងារ AI ដ៏ធ្ងន់ធ្ងរបញ្ចប់ទៅដូចជា៖ ការទាញយក + ការផ្ទៀងផ្ទាត់ + ការត្រួតពិនិត្យ + ការពិនិត្យឡើងវិញដោយមនុស្សមិនមែន "គ្រាន់តែជំរុញវាឱ្យខ្លាំងជាងនេះទេ"។ (ទម្រង់ GenAI របស់ NIST ទំនាក់ទំនងនេះដោយការទទូចដ៏គួរសម និងស្ថិរភាព។) [1]
«គំរូមួយដើម្បីគ្រប់គ្រងពួកគេទាំងអស់»
នៅក្នុងការអនុវត្តជាក់ស្តែង ក្រុមជារឿយៗបញ្ចប់ដោយការលាយបញ្ចូលគ្នា៖
-
ម៉ូដែលតូចៗសម្រាប់កិច្ចការថោក/បរិមាណច្រើន
-
ម៉ូដែលធំៗសម្រាប់ការវែកញែកពិបាកជាង
-
ការទាញយកចម្លើយដែលមានមូលដ្ឋាន
-
ច្បាប់សម្រាប់ព្រំដែនអនុលោមភាព
ទោះជាយ៉ាងណាក៏ដោយ គំនិត "ខួរក្បាលវេទមន្តតែមួយ" លក់ដាច់ណាស់។ វាមានរបៀបរៀបរយ។ មនុស្សចូលចិត្តរបៀបរៀបរយ។.
«ជំនួសតួនាទីការងារទាំងមូលពេញមួយយប់»
តួនាទីភាគច្រើនគឺជាបណ្តុំនៃភារកិច្ច។ បញ្ញាសិប្បនិម្មិត (AI) អាចកំទេចផ្នែកមួយនៃភារកិច្ចទាំងនោះ ហើយស្ទើរតែមិនប៉ះពាល់ដល់អ្វីដែលនៅសល់។ ផ្នែករបស់មនុស្ស - ការវិនិច្ឆ័យ ការទទួលខុសត្រូវ ទំនាក់ទំនង បរិបទ - នៅតែរឹងរូស...ជាមនុស្ស។.
យើងចង់បានអ្នកធ្វើការរួមគ្នាដោយមនុស្សយន្ត។ ផ្ទុយទៅវិញ យើងទទួលបានការបំពេញដោយស្វ័យប្រវត្តិលើស្តេរ៉ូអ៊ីត។.
អ្វីដែលធ្វើឱ្យករណីប្រើប្រាស់ AI ល្អ (និងអាក្រក់) 🧪🛠️
នេះជាផ្នែកដែលមនុស្សរំលង ហើយបន្ទាប់មកស្ដាយក្រោយ។.
ករណី ប្រើប្រាស់ AI ដ៏ល្អ ជាធម្មតាមាន៖
-
លក្ខណៈវិនិច្ឆ័យជោគជ័យច្បាស់លាស់ (សន្សំសំចៃពេលវេលា កាត់បន្ថយកំហុស ល្បឿនឆ្លើយតបប្រសើរឡើង)
-
ហានិភ័យទាបទៅមធ្យម (ឬការពិនិត្យឡើងវិញដោយមនុស្សខ្លាំង)
-
លំនាំដែលអាចធ្វើម្តងទៀតបាន (ចម្លើយចំពោះសំណួរដែលសួរញឹកញាប់ លំហូរការងារទូទៅ ឯកសារស្តង់ដារ)
-
ការចូលប្រើប្រាស់ទិន្នន័យល្អ (និងការអនុញ្ញាតឱ្យប្រើប្រាស់វា)
-
ផែនការបម្រុង នៅពេលដែលគំរូបង្ហាញលទ្ធផលមិនសមហេតុផល
-
ដំបូងឡើយ វិសាលភាពតូចចង្អៀត (ផលចំណេញតិចតួច)
ករណី ប្រើប្រាស់ AI មិនល្អ ជាធម្មតាមើលទៅដូចនេះ៖
-
«ចូរយើងធ្វើការសម្រេចចិត្តដោយស្វ័យប្រវត្តិ» ដោយគ្មានការទទួលខុសត្រូវ 😬
-
«យើងគ្រាន់តែដោតវាចូលទៅក្នុងអ្វីៗគ្រប់យ៉ាង» (ទេ… សូមកុំ)
-
គ្មានរង្វាស់មូលដ្ឋានទេ ដូច្នេះគ្មាននរណាម្នាក់ដឹងថាវាបានជួយឬអត់
-
រំពឹងថាវានឹងក្លាយជាម៉ាស៊ីនសច្ចភាពជំនួសឱ្យម៉ាស៊ីនគំរូ
ប្រសិនបើអ្នកគ្រាន់តែចងចាំរឿងមួយប៉ុណ្ណោះ៖ បញ្ញាសិប្បនិម្មិត (AI) ងាយស្រួលទុកចិត្តបំផុត នៅពេលដែលវាមានមូលដ្ឋានលើប្រភពដែលបានផ្ទៀងផ្ទាត់របស់អ្នក និងត្រូវបានកំណត់ចំពោះការងារដែលបានកំណត់យ៉ាងច្បាស់លាស់។ បើមិនដូច្នោះទេ វាគឺជាការគណនាដែលមានមូលដ្ឋានលើ vibes។
វិធីសាមញ្ញមួយ (ប៉ុន្តែមានប្រសិទ្ធភាពខ្លាំង) ដើម្បីពិនិត្យមើលការពិតនៃ AI នៅក្នុងអង្គការរបស់អ្នក 🧾✅
ប្រសិនបើអ្នកចង់បានចម្លើយដែលមានមូលដ្ឋាន (មិនមែនចម្លើយក្តៅៗទេ) សូមដំណើរការការធ្វើតេស្តរហ័សនេះ៖
១) កំណត់ការងារដែលអ្នកកំពុងជួល AI ឲ្យធ្វើ
សរសេរវាដូចជាការពិពណ៌នាការងារ៖
-
ធាតុចូល
-
លទ្ធផល
-
ការរឹតបន្តឹង
-
«រួចរាល់ហើយ មានន័យថា...»
ប្រសិនបើអ្នកមិនអាចពិពណ៌នាវាឱ្យច្បាស់លាស់បានទេ AI នឹងមិនបញ្ជាក់វាឱ្យច្បាស់លាស់ដោយអព្ភូតហេតុនោះទេ។.
២) បង្កើតមូលដ្ឋានគ្រឹះ
តើវាត្រូវចំណាយពេលប៉ុន្មានឥឡូវនេះ? តើមានកំហុសប៉ុន្មានឥឡូវនេះ? តើពាក្យ «ល្អ» មានរូបរាងយ៉ាងណាឥឡូវនេះ?
គ្មានមូលដ្ឋានគ្រឹះ = សង្គ្រាមមតិគ្មានទីបញ្ចប់នៅពេលក្រោយ។ និយាយឲ្យចំទៅ មនុស្សនឹងឈ្លោះប្រកែកគ្នាជារៀងរហូត ហើយអ្នកនឹងចាស់ទៅយ៉ាងឆាប់រហ័ស។.
៣) សម្រេចចិត្តថាសេចក្តីពិតមកពីណា
-
មូលដ្ឋានចំណេះដឹងផ្ទៃក្នុង?
-
កំណត់ត្រាអតិថិជន?
-
គោលនយោបាយដែលត្រូវបានអនុម័ត?
-
សំណុំឯកសារដែលបានរៀបចំយ៉ាងយកចិត្តទុកដាក់?
ប្រសិនបើចម្លើយគឺ "ម៉ូដែលនឹងដឹង" នោះជាទង់ក្រហម 🚩
៤) កំណត់ផែនការមនុស្សនៅក្នុងរង្វិលជុំ
សម្រេចចិត្ត៖
-
អ្នកណាជាអ្នកវាយតម្លៃ,
-
នៅពេលដែលពួកគេពិនិត្យឡើងវិញ
-
និងអ្វីដែលកើតឡើងនៅពេលដែល AI ខុស។.
នេះគឺជាភាពខុសគ្នារវាងពាក្យ «ឧបករណ៍» និង «ការទទួលខុសត្រូវ»។ មិនមែនជានិច្ចទេ ប៉ុន្តែជាញឹកញាប់។.
៥) គូសផែនទីកាំនៃការផ្ទុះ
ចាប់ផ្តើមនៅកន្លែងដែលកំហុសមានតម្លៃថោក។ ពង្រីកតែបន្ទាប់ពីអ្នកមានភស្តុតាងប៉ុណ្ណោះ។.
នេះជារបៀបដែលអ្នកប្រែក្លាយការអះអាងដែលបំផ្លើសទៅជាប្រយោជន៍។ ធម្មតា... មានប្រសិទ្ធភាព... ស្រស់ស្អាតបន្តិច 😌
ទំនុកចិត្ត ហានិភ័យ និងបទប្បញ្ញត្តិ - ផ្នែកដែលមិនទាក់ទាញដែលសំខាន់ 🧯⚖️
ប្រសិនបើ AI កំពុងចូលទៅក្នុងអ្វីដែលសំខាន់ (មនុស្ស លុយកាក់ សុវត្ថិភាព លទ្ធផលផ្នែកច្បាប់) ការគ្រប់គ្រងមិនមែនជាជម្រើសនោះទេ។.
របាំងការពារមួយចំនួនដែលត្រូវបានយោងយ៉ាងទូលំទូលាយ៖
-
ទម្រង់ AI បង្កើតដោយ NIST (ជាដៃគូជាមួយ AI RMF)៖ ប្រភេទហានិភ័យជាក់ស្តែង + សកម្មភាពដែលបានស្នើឡើងនៅទូទាំងអភិបាលកិច្ច ការធ្វើតេស្ត ប្រភព និងការបង្ហាញឧប្បត្តិហេតុ។ [1]
-
គោលការណ៍ AI របស់ OECD៖ មូលដ្ឋានទិន្នន័យអន្តរជាតិដែលប្រើប្រាស់យ៉ាងទូលំទូលាយសម្រាប់ AI ដែលគួរឱ្យទុកចិត្ត និងផ្តោតលើមនុស្ស។ [5]
-
ច្បាប់ AI របស់សហភាពអឺរ៉ុប៖ ក្របខ័ណ្ឌច្បាប់ដែលផ្អែកលើហានិភ័យ ដែលកំណត់កាតព្វកិច្ចអាស្រ័យលើរបៀបដែល AI ត្រូវបានប្រើប្រាស់ (និងហាមឃាត់ការអនុវត្ត "ហានិភ័យដែលមិនអាចទទួលយកបាន")។ [4]
ហើយមែនហើយ របស់ទាំងនេះអាចមានអារម្មណ៍ដូចជាឯកសារ។ ប៉ុន្តែវាជាភាពខុសគ្នារវាង "ឧបករណ៍ជាក់ស្តែង" និង "អូ៎! យើងបានដាក់ពង្រាយសុបិន្តអាក្រក់នៃការអនុលោមតាមច្បាប់"។
ក្រឡេកមើលឱ្យកាន់តែច្បាស់៖ គំនិត "AI ជាការបំពេញដោយស្វ័យប្រវត្តិ" - ត្រូវបានគេមើលស្រាល ប៉ុន្តែជាការពិត 🧩🧠
នេះជាពាក្យប្រៀបធៀបមួយដែលមិនល្អឥតខ្ចោះបន្តិច (ដែលសមរម្យ)៖ បញ្ញាសិប្បនិម្មិតជាច្រើនគឺដូចជាការបំពេញដោយស្វ័យប្រវត្តិដ៏ប្រណិតមួយ ដែលអានអ៊ីនធឺណិត បន្ទាប់មកភ្លេចកន្លែងដែលវាអានវា។.
ស្តាប់ទៅដូចជាមិនអើពើ ប៉ុន្តែវាក៏ជាមូលហេតុដែលវាដំណើរការដែរ៖
-
ពូកែខាងលំនាំ
-
ពូកែខាងភាសា
-
ពូកែខាងផលិត "រឿងដែលទំនងបន្ទាប់"
ហើយនោះហើយជាមូលហេតុដែលវាបរាជ័យ៖
-
វាមិនមែនជាធម្មជាតិទេដែល «ដឹង» ថាអ្វីជាការពិត
-
វាមិនដឹងថាអង្គការរបស់អ្នកធ្វើអ្វីដោយធម្មជាតិទេ
-
វាអាចបញ្ចេញនូវរឿងមិនសមហេតុសមផលដោយទំនុកចិត្តដោយគ្មានមូលដ្ឋាន (សូមមើល៖ ការយល់ច្រឡំ / ការយល់ច្រឡំ) [1]
ដូច្នេះប្រសិនបើករណីប្រើប្រាស់របស់អ្នកត្រូវការការពិត អ្នកត្រូវចងវាជាមួយនឹងការទាញយកមកវិញ ឧបករណ៍ ការផ្ទៀងផ្ទាត់ ការត្រួតពិនិត្យ និងការពិនិត្យឡើងវិញដោយមនុស្ស។ ប្រសិនបើករណីប្រើប្រាស់របស់អ្នកត្រូវការល្បឿនក្នុងការព្រាង និងការបង្កើតគំនិត អ្នកត្រូវទុកឲ្យវាដំណើរការដោយសេរីជាងនេះបន្តិច។ ការកំណត់ផ្សេងៗគ្នា ការរំពឹងទុកផ្សេងៗគ្នា។ ដូចជាការចម្អិនជាមួយអំបិលដែរ - មិនមែនអ្វីៗទាំងអស់ត្រូវការបរិមាណដូចគ្នានោះទេ។.
តារាងប្រៀបធៀប៖ វិធីជាក់ស្តែងក្នុងការប្រើប្រាស់ AI ដោយមិនចាំបាច់លង់ក្នុងការអះអាងបំផ្លើស 🧠📋
| ឧបករណ៍ / ជម្រើស | ទស្សនិកជន | អារម្មណ៍តម្លៃ | ហេតុអ្វីបានជាវាដំណើរការ |
|---|---|---|---|
| ជំនួយការបែបជជែក (ទូទៅ) | បុគ្គល, ក្រុម | ជាធម្មតា កម្រិតឥតគិតថ្លៃ + បង់ប្រាក់ | ល្អសម្រាប់សេចក្តីព្រាង ការបំផុសគំនិត ការសង្ខេប... ប៉ុន្តែត្រូវផ្ទៀងផ្ទាត់ការពិត (ជានិច្ច) |
| សហអ្នកបើកកូដ | អ្នកអភិវឌ្ឍន៍ | ជាធម្មតាការជាវ | បង្កើនល្បឿនកិច្ចការសរសេរកូដទូទៅ នៅតែត្រូវការការពិនិត្យឡើងវិញ + ការធ្វើតេស្ត និងកាហ្វេ |
| ចម្លើយផ្អែកលើការស្វែងរក “ជាមួយប្រភព” | អ្នកស្រាវជ្រាវ អ្នកវិភាគ | ដូច Freemium | ប្រសើរជាងសម្រាប់ដំណើរការការងារ "ស្វែងរក + ដី" ជាជាងការទាយសុទ្ធសាធ |
| ស្វ័យប្រវត្តិកម្មលំហូរការងារ + AI | ប្រតិបត្តិការ, ការគាំទ្រ | មានជាស្រទាប់ៗ | ប្រែក្លាយជំហានដដែលៗទៅជាលំហូរពាក់កណ្តាលស្វ័យប្រវត្តិ (ពាក់កណ្តាលគឺជាគន្លឹះ) |
| ម៉ូដែលផ្ទៃក្នុង / ការធ្វើជាម្ចាស់ផ្ទះដោយខ្លួនឯង | អង្គការដែលមានសមត្ថភាព ML | អ៊ីនហ្វ្រារ៉េដ + មនុស្ស | ការគ្រប់គ្រងកាន់តែច្រើន + ភាពឯកជន ប៉ុន្តែអ្នកត្រូវចំណាយលើការថែទាំ និងការឈឺក្បាល |
| ក្របខ័ណ្ឌអភិបាលកិច្ច | អ្នកដឹកនាំ ហានិភ័យ ការអនុលោមតាម | ធនធានឥតគិតថ្លៃ | ជួយអ្នកគ្រប់គ្រងហានិភ័យ + ទំនុកចិត្ត មិនមែនជារឿងទាក់ទាញទេ ប៉ុន្តែជារឿងចាំបាច់ |
| ប្រភពសម្រាប់ការវាស់ស្ទង់ភាពពិត / ការពិនិត្យមើលការពិត | ប្រតិបត្តិករ, គោលនយោបាយ, យុទ្ធសាស្ត្រ | ធនធានឥតគិតថ្លៃ | ទិន្នន័យល្អជាងការរំភើប និងកាត់បន្ថយការអធិប្បាយលើ LinkedIn |
| «ភ្នាក់ងារដែលធ្វើអ្វីៗគ្រប់យ៉ាង» | អ្នកសុបិន 😅 | ការចំណាយ + ភាពវឹកវរ | ពេលខ្លះគួរឱ្យចាប់អារម្មណ៍ ជារឿយៗផុយស្រួយ - បន្តជាមួយអាហារសម្រន់ និងការអត់ធ្មត់ |
ប្រសិនបើអ្នកចង់បានមជ្ឈមណ្ឌល "ពិនិត្យការពិត" មួយសម្រាប់វឌ្ឍនភាព និងទិន្នន័យផលប៉ះពាល់នៃ AI នោះសន្ទស្សន៍ AI របស់ Stanford គឺជាកន្លែងដ៏រឹងមាំមួយដើម្បីចាប់ផ្តើម។ [2]
សេចក្តីសន្និដ្ឋាន + សង្ខេបខ្លីៗ 🧠✨
ដូច្នេះ AI ត្រូវបានផ្សព្វផ្សាយហួសហេតុពេក នៅពេលដែលនរណាម្នាក់កំពុងលក់៖
-
ភាពត្រឹមត្រូវល្អឥតខ្ចោះ,
-
ស្វ័យភាពពេញលេញ,
-
ការជំនួសតួនាទីទាំងមូលភ្លាមៗ
-
ឬខួរក្បាលដែលអាចដោះស្រាយបញ្ហារបស់អង្គការរបស់អ្នកបានយ៉ាងងាយស្រួល..
...មែនហើយ នោះគឺជាជំនាញលក់ដែលមានផ្ទៃរលោង។.
ប៉ុន្តែប្រសិនបើអ្នកចាត់ទុក AI ដូចជា៖
-
ជំនួយការដ៏មានឥទ្ធិពលម្នាក់
-
ប្រើបានល្អបំផុតនៅក្នុងកិច្ចការតូចចង្អៀត និងកំណត់យ៉ាងច្បាស់
-
ផ្អែកលើប្រភពដែលគួរឱ្យទុកចិត្ត,
-
ជាមួយមនុស្សកំពុងពិនិត្យមើលរបស់សំខាន់ៗ…
...បើដូច្នោះទេ វាមិនត្រូវបានផ្សព្វផ្សាយហួសហេតុពេកទេ។ វាគ្រាន់តែ... មិនស្មើគ្នា។ ដូចជាសមាជិកភាពក្លឹបហាត់ប្រាណអញ្ចឹង។ អស្ចារ្យណាស់ប្រសិនបើប្រើប្រាស់បានត្រឹមត្រូវ គ្មានប្រយោជន៍ទេប្រសិនបើអ្នកនិយាយអំពីវាតែនៅក្នុងពិធីជប់លៀង 😄🏋️
សង្ខេបសង្ខេប៖ បញ្ញាសិប្បនិម្មិត (AI) ត្រូវបានគេផ្សព្វផ្សាយហួសហេតុពេកថាជាការជំនួសដ៏អស្ចារ្យសម្រាប់ការវិនិច្ឆ័យ - ហើយត្រូវបានគេមិនឱ្យតម្លៃខ្ពស់ថាជាកត្តាគុណជាក់ស្តែងសម្រាប់ការព្រាង ជំនួយក្នុងការសរសេរកូដ ការជ្រើសរើស និងលំហូរការងារចំណេះដឹង។
ឧទាហរណ៍ក្នុងពិភពពិត៖ ការបង្កើតជំនួយការ AI សម្រាប់ការតម្រៀបជួរជំនួយ 🛠️
សេណារីយ៉ូ
ស្រមៃមើលក្រុមហ៊ុនសូហ្វវែរតូចមួយដែលមានក្រុមគាំទ្រប្រាំនាក់។ ពួកគេទទួលបានអ៊ីមែលគាំទ្រប្រហែល 180 ក្នុងមួយសប្តាហ៍៖ ការភាន់ច្រឡំអំពីការកំណត់ពាក្យសម្ងាត់ឡើងវិញ សំណួរអំពីវិក្កយបត្រ របាយការណ៍កំហុស សំណើសុំមុខងារ និងសារភ័យស្លន់ស្លោ "តើប្រព័ន្ធគាំងទេ?"។.
ក្រុមហ៊ុន មិន ស្នើសុំឱ្យ AI ឆ្លើយតបដោយផ្ទាល់ទៅអតិថិជនទេ។ នោះនឹងមានហានិភ័យខ្លាំងពេក។ ផ្ទុយទៅវិញ ពួកគេប្រើ AI ជាជំនួយការតម្រៀបដែលត្រូវបានត្រួតពិនិត្យ៖ វាអានសារចូល ដាក់ស្លាកប្រភេទសំបុត្រ ណែនាំអត្ថបទមជ្ឈមណ្ឌលជំនួយត្រឹមត្រូវ ព្រាងការឆ្លើយតបដែលអាចធ្វើទៅបាន និងដាក់ទង់អ្វីទាំងអស់ដែលត្រូវការមនុស្ស។
នោះសមនឹងកំណែជាក់ស្តែងរបស់ AI៖ ការងារតូចចង្អៀត ប្រភពដែលត្រូវបានអនុម័ត ការពិនិត្យឡើងវិញដោយមនុស្ស និងទិន្នផលដែលអាចវាស់វែងបាន។.
អ្វីដែលជំនួយការត្រូវការ
ជំនួយការគួរតែធ្វើការតែពីសម្ភារៈដែលត្រូវបានអនុម័ត ដូចជា៖
ម៉ាក្រូជំនួយអតិថិជន
គោលការណ៍សងប្រាក់វិញ និងការគិតប្រាក់
បញ្ជីកំហុសដែលគេស្គាល់
អត្ថបទមជ្ឈមណ្ឌលជំនួយ
ច្បាប់ស្តីពីការបង្កើនកម្រិត
ការណែនាំអំពីសម្លេង
បញ្ជីនៃប្រធានបទ "មិនដែលឆ្លើយតបដោយស្វ័យប្រវត្តិ" ដូចជាការគំរាមកំហែងផ្នែកច្បាប់ ជម្លោះក្នុងការទូទាត់ សុវត្ថិភាពគណនី របាយការណ៍រំលោភបំពាន ឬអតិថិជនសហគ្រាសដែលខឹងសម្បារ
ចំណុចសំខាន់៖ ជំនួយការមិនត្រូវបានស្នើសុំឱ្យ «ដឹង» ចម្លើយនោះទេ។ វាកំពុងត្រូវបានស្នើសុំឱ្យ ស្វែងរក ចាត់ថ្នាក់ និងព្រាង ពីប្រភពដែលគួរឱ្យទុកចិត្ត។
ឧទាហរណ៍នៃការណែនាំ
អ្នកគឺជាជំនួយការតម្រៀបជំនួយសម្រាប់ក្រុមហ៊ុន SaaS តូចមួយ។.
ការងាររបស់អ្នកគឺចាត់ថ្នាក់សំបុត្រចូលនីមួយៗ ស្នើអត្ថបទជំនួយដែលត្រូវបានអនុម័តដែលពាក់ព័ន្ធបំផុត ព្រាងការឆ្លើយតបខ្លីមួយដោយប្រើសម្លេងគាំទ្ររបស់យើង និងសម្គាល់ថាតើមនុស្សម្នាក់ត្រូវតែពិនិត្យមើលវាមុនពេលផ្ញើឬអត់។.
ប្រើតែគោលការណ៍គាំទ្រ និងខ្លឹមសារមជ្ឈមណ្ឌលជំនួយដែលបានផ្គត់ផ្គង់ប៉ុណ្ណោះ។ ប្រសិនបើចម្លើយមិនត្រូវបានគាំទ្រយ៉ាងច្បាស់លាស់ដោយប្រភពទាំងនោះទេ សូមនិយាយថា៖ “ត្រូវការការពិនិត្យឡើងវិញដោយមនុស្ស - រកមិនឃើញប្រភព”។
កុំសន្យាសងប្រាក់វិញ ឥណទានសេវាកម្ម លទ្ធផលផ្លូវច្បាប់ ការជួសជុលសុវត្ថិភាព ឬកាលបរិច្ឆេទបង្ហាញផលិតផលឡើយ។.
សម្រាប់សំបុត្រនីមួយៗ សូមត្រឡប់មកវិញ៖
ប្រភេទសំបុត្រ
កម្រិតបន្ទាន់
ប្រភពដែលបានណែនាំ
សេចក្តីព្រាងចម្លើយ
តម្រូវឱ្យមានការពិនិត្យឡើងវិញដោយមនុស្ស៖ បាទ/ទេ
មូលហេតុនៃការសម្រេចចិត្តពិនិត្យឡើងវិញ
របៀបសាកល្បងវា
មុនពេលប្រើវានៅលើសំបុត្រផ្សាយផ្ទាល់ សូមសាកល្បងវាជាមួយសារគាំទ្រចាស់ចំនួន 30៖
សំបុត្រសំណួរចម្លើយសាមញ្ញចំនួន ១០
សំណួរចំនួន ៥ សម្រាប់ការគណនា
របាយការណ៍កំហុសចំនួន ៥
៥ ការត្អូញត្អែរខឹងសម្បារ ឬអារម្មណ៍
សំណួរចំនួន ៣ ទាក់ទងនឹងសន្តិសុខ
សារមិនច្បាស់លាស់ចំនួន 2 ដែលបាត់បរិបទ
បន្ទាប់មក ប្រៀបធៀបលទ្ធផលរបស់ AI ទៅនឹងរបៀបដែលអ្នកដឹកនាំផ្នែកជំនួយដែលមានបទពិសោធន៍នឹងចាត់ថ្នាក់សំបុត្រដូចគ្នា។.
ការត្រួតពិនិត្យគន្លឹះ៖
តើវាបានជ្រើសរើសប្រភេទត្រឹមត្រូវទេ?
តើវាបានដកស្រង់គោលការណ៍ ឬអត្ថបទត្រឹមត្រូវដែរឬទេ?
តើវាបានបង្កើតអ្វីមួយទេ?
តើវាបានបញ្ជូនសំបុត្រដែលងាយរងគ្រោះទៅតុលាការបានត្រឹមត្រូវដែរឬទេ?
តើសេចក្តីព្រាងច្បាស់លាស់គ្រប់គ្រាន់ដើម្បីកែសម្រួលបានយ៉ាងឆាប់រហ័សដែរឬទេ?
តើអតិថិជននឹងទទួលបានចម្លើយដែលមានសុវត្ថិភាព និងត្រឹមត្រូវដែរឬទេ?
លទ្ធផល
លទ្ធផលជាឧទាហរណ៍៖ ផ្អែកលើពេលវេលាសម្រាប់សំបុត្រគំរូចំនួន 30 មុន និងក្រោយពេលណែនាំដំណើរការការងារជ្រើសរើស។.
មុនពេលការជ្រើសរើស AI អ្នកដឹកនាំផ្នែកជំនួយបានចំណាយពេលជាមធ្យម 6 នាទី 40 វិនាទីសម្រាប់ ការអានសំបុត្រមួយសន្លឹក ចាត់ថ្នាក់ ស្វែងរកម៉ាក្រូត្រឹមត្រូវ និងព្រាងការឆ្លើយតបដំបូង។
ជាមួយជំនួយការ AI ការជ្រើសរើសសំបុត្រឆ្លងកាត់លើកដំបូងចំណាយពេល 2 នាទី 15 វិនាទីក្នុងមួយសំបុត្ររួមទាំងការពិនិត្យឡើងវិញដោយមនុស្សផងដែរ។
នោះគឺជាការសន្សំបានប្រមាណ ៤ នាទី ២៥ វិនាទីក្នុងមួយសំបុត្រ។ ក្នុងចំណោមសំបុត្រប្រចាំសប្តាហ៍ចំនួន ១៨០ សន្លឹក នោះស្មើនឹង ការសន្សំបានប្រហែល ១៣ ម៉ោង ១៥ នាទីក្នុងមួយសប្តាហ៍។
ការត្រួតពិនិត្យភាពត្រឹមត្រូវពីការធ្វើតេស្តគំរូ៖
ប្រភេទត្រូវគ្នានឹងស្លាករបស់អ្នកនាំមុខផ្នែកជំនួយលើ សំបុត្រចំនួន 26 ក្នុងចំណោម 30 សន្លឹក
បានបញ្ជូន សំបុត្រទាក់ទងនឹងសន្តិសុខទាំង 3 ឡើងវិញបានត្រឹមត្រូវ
បានបង្កើតព័ត៌មានលម្អិតដែលមិនមានការគាំទ្រនៅក្នុង សេចក្តីព្រាងចំនួន 2ដែលទាំងពីរត្រូវបានចាប់បានក្នុងអំឡុងពេលពិនិត្យ
តម្រូវឱ្យសរសេរឡើងវិញពីដំបូងក្នុង 4 ក្នុងចំណោម 30 ករណី
នេះមិនមែនជា "បញ្ញាសិប្បនិម្មិត (AI) ជំនួសការគាំទ្រ" ទេ។ វាគឺជាបញ្ញាសិប្បនិម្មិត (AI) ដែលកាត់បន្ថយការងារតម្រៀប និងសេចក្តីព្រាងដំបូងដដែលៗ ខណៈពេលដែលមនុស្សនៅតែដោះស្រាយការវិនិច្ឆ័យ សម្លេង ករណីលើកលែង និងការទទួលខុសត្រូវ។.
អ្វីដែលអាចខុសបាន
ហានិភ័យធំបំផុតគឺការអនុញ្ញាតឱ្យអ្នកជំនួយការផ្ញើការឆ្លើយតបដោយមិនបានពិនិត្យមុនពេក។.
កំហុសទូទៅរួមមាន៖
ការផ្តល់ឱ្យវានូវអត្ថបទជំនួយហួសសម័យ
ភ្លេចបញ្ចូលច្បាប់សងប្រាក់វិញ
អនុញ្ញាតឱ្យវាឆ្លើយសំណួរសុវត្ថិភាព ឬផ្នែកច្បាប់
វាស់ល្បឿនប៉ុន្តែមិនមែនអត្រាកំហុសទេ
ការចាត់ទុកសេចក្តីព្រាងដែលមានទំនុកចិត្តថាជាសេចក្តីព្រាងត្រឹមត្រូវ
មិនកត់ត្រាថាការណែនាំ AI ណាដែលត្រូវបានទទួលយក កែសម្រួល ឬបដិសេធ
ការការពារដ៏ល្អមួយគឺជាច្បាប់ពិនិត្យឡើងវិញសាមញ្ញមួយ៖ ប្រសិនបើអ្នកជំនួយការមិនអាចចង្អុលទៅប្រភពដែលត្រូវបានអនុម័តទេ ចម្លើយនឹងមិនចេញមកទេ។.
សម្ភារៈសិក្សាជាក់ស្តែង
បញ្ញាសិប្បនិម្មិត (AI) ក្លាយជាមិនសូវមានការលក់លើសកម្រិតទេ នៅពេលដែលការងារនេះមានលក្ខណៈជាទម្លាប់ មានព្រំដែន និងអាចវាស់វែងបាន។ ជំនួយការតម្រៀបជំនួយនឹងមិន "ដំណើរការសេវាកម្មអតិថិជន" ទេ ប៉ុន្តែវាអាចជួយសន្សំសំចៃម៉ោងជារៀងរាល់សប្តាហ៍ កាត់បន្ថយសម្ពាធជួរ និងជួយមនុស្សផ្តោតលើសំបុត្រដែលការវិនិច្ឆ័យមានសារៈសំខាន់បំផុត។.
សំណួរដែលសួរញឹកញាប់
តើ AI ត្រូវបានផ្សព្វផ្សាយហួសហេតុពេកឥឡូវនេះទេ?
បញ្ញាសិប្បនិម្មិត (AI) ត្រូវបានគេផ្សព្វផ្សាយហួសហេតុពេក នៅពេលដែលវាត្រូវបានលក់ថាល្អឥតខ្ចោះ មិនបាច់ប្រើដៃ ឬត្រៀមខ្លួនជាស្រេចដើម្បីជំនួសការងារទាំងមូលពេញមួយយប់។ នៅក្នុងការដាក់ពង្រាយពិតប្រាកដ គម្លាតភាពជឿជាក់លេចឡើងយ៉ាងឆាប់រហ័ស៖ ចម្លើយខុសដោយទំនុកចិត្ត ករណីគែម និងការរួមបញ្ចូលស្មុគស្មាញ។ បញ្ញាសិប្បនិម្មិត (AI) មិនត្រូវបានផ្សព្វផ្សាយហួសហេតុពេកទេ នៅពេលដែលវាត្រូវបានចាត់ទុកថាជាឧបករណ៍ត្រួតពិនិត្យសម្រាប់កិច្ចការតូចចង្អៀតដូចជាការព្រាង ការគាំទ្រការសរសេរកូដ ការជ្រើសរើស និងការរុករក។ ភាពខុសគ្នាគឺអាស្រ័យលើការរំពឹងទុក មូលដ្ឋាន និងការពិនិត្យឡើងវិញ។.
តើអ្វីទៅជាសញ្ញាគ្រោះថ្នាក់ធំៗបំផុតនៅក្នុងការអះអាងអំពីទីផ្សារ AI?
«ស្វ័យប្រវត្តិកម្មពេញលេញ» និង «ភាពត្រឹមត្រូវឥតខ្ចោះក្នុងពេលឆាប់ៗនេះ» គឺជាសញ្ញាព្រមានពីរដែលឮខ្លាំងបំផុត។ ការបង្ហាញជាញឹកញាប់ត្រូវបានរៀបចំឡើងជាមួយនឹងការជំរុញដែលបានលៃតម្រូវ និងទិន្នន័យស្អាត ដូច្នេះវាលាក់បាំងរបៀបបរាជ័យទូទៅ។ ភាពស្ទាត់ជំនាញក៏អាចត្រូវបានយល់ច្រឡំថាជាការពិតផងដែរ ដែលធ្វើឱ្យកំហុសដែលមានទំនុកចិត្តមានអារម្មណ៍ថាអាចទុកចិត្តបាន។ ប្រសិនបើការអះអាងមួយរំលងអ្វីដែលកើតឡើងនៅពេលដែលប្រព័ន្ធខូច សូមសន្មតថាហានិភ័យកំពុងត្រូវបានដកចេញ។.
ហេតុអ្វីបានជាប្រព័ន្ធ AI ស្តាប់ទៅមានទំនុកចិត្ត ទោះបីជាវាខុសក៏ដោយ?
គំរូបង្កើតគឺអស្ចារ្យណាស់ក្នុងការផលិតអត្ថបទដែលអាចទុកចិត្តបាន និងស្ទាត់ជំនាញ - ដូច្នេះពួកគេអាចបង្កើតព័ត៌មានលម្អិតដោយទំនុកចិត្តនៅពេលដែលពួកគេមិនមានមូលដ្ឋាន។ នេះត្រូវបានគេពិពណ៌នាជាញឹកញាប់ថាជាការយល់ច្រឡំ ឬការយល់ច្រឡំ៖ លទ្ធផលដែលស្តាប់ទៅជាក់លាក់ ប៉ុន្តែមិនពិតគួរឱ្យទុកចិត្ត។ នោះហើយជាមូលហេតុដែលករណីប្រើប្រាស់ដែលមានទំនុកចិត្តខ្ពស់ជាធម្មតាបន្ថែមការទាញយក ការផ្ទៀងផ្ទាត់ ការត្រួតពិនិត្យ និងការពិនិត្យឡើងវិញដោយមនុស្ស។ គោលដៅគឺតម្លៃជាក់ស្តែងជាមួយនឹងការការពារ មិនមែនភាពប្រាកដប្រជាដែលផ្អែកលើភាពរំញ័រនោះទេ។.
តើខ្ញុំអាចប្រើ AI ដោយមិនឱ្យមានការយល់ច្រឡំយ៉ាងដូចម្តេច?
ចាត់ទុក AI ដូចជាម៉ាស៊ីនព្រាង មិនមែនជាម៉ាស៊ីនសច្ចភាពទេ។ ចម្លើយមូលដ្ឋាននៅក្នុងប្រភពដែលបានផ្ទៀងផ្ទាត់ - ដូចជាគោលការណ៍ដែលបានអនុម័ត ឯកសារផ្ទៃក្នុង ឬឯកសារយោងដែលបានរៀបចំ - ជាជាងសន្មតថា "គំរូនឹងដឹង"។ បន្ថែមជំហានផ្ទៀងផ្ទាត់ (តំណភ្ជាប់ សម្រង់ ការត្រួតពិនិត្យឆ្លង) ហើយតម្រូវឱ្យមានការពិនិត្យឡើងវិញដោយមនុស្សនៅកន្លែងដែលកំហុសមានសារៈសំខាន់។ ចាប់ផ្តើមតូច វាស់វែងលទ្ធផល និងពង្រីកតែបន្ទាប់ពីអ្នកឃើញដំណើរការស្របគ្នា។.
តើករណីប្រើប្រាស់ល្អៗអ្វីខ្លះនៅក្នុងពិភពពិតដែលមិនត្រូវបានផ្សព្វផ្សាយហួសហេតុពេក?
បញ្ញាសិប្បនិម្មិត (AI) មានទំនោរផ្តល់លទ្ធផលល្អបំផុតលើកិច្ចការតូចចង្អៀត និងអាចធ្វើម្តងទៀតបាន ជាមួយនឹងរង្វាស់ជោគជ័យច្បាស់លាស់ និងហានិភ័យទាបទៅមធ្យម។ ជ័យជម្នះទូទៅរួមមាន ការព្រាង និងការសរសេរឡើងវិញ ការសង្ខេបឯកសារវែងៗ ការបង្កើតជម្រើស (គ្រោង ចំណងជើង វ៉ារ្យ៉ង់អ៊ីមែល) រចនាសម្ព័ន្ធសរសេរកូដ ការជ្រើសរើសការគាំទ្រ និងការផ្តល់យោបល់ពីផ្នែកជំនួយផ្ទៃក្នុង។ ចំណុចល្អបំផុតគឺ "ចាត់ថ្នាក់ → ទាញយក → ស្នើ" មិនមែន "បង្កើត → សង្ឃឹម → ដាក់ពង្រាយ" ទេ។ មនុស្សនៅតែជាម្ចាស់អ្វីដែលដឹកជញ្ជូន។.
តើ “ភ្នាក់ងារ AI ដែលធ្វើអ្វីៗគ្រប់យ៉ាង” ត្រូវបានផ្សព្វផ្សាយហួសហេតុពេកទេ?
ជារឿយៗ មែនហើយ - ជាពិសេសនៅពេលដែល "មិនប្រើដៃ" គឺជាចំណុចលក់។ លំហូរការងារច្រើនជំហាន ឧបករណ៍ស្មុគស្មាញ ការអនុញ្ញាត អ្នកប្រើប្រាស់ពិតប្រាកដ និងផលវិបាកពិតប្រាកដបង្កើតរបៀបបរាជ័យស្មុគស្មាញ។ ភ្នាក់ងារអាចមានតម្លៃសម្រាប់លំហូរការងារដែលមានកម្រិត ប៉ុន្តែភាពផុយស្រួយកើនឡើងយ៉ាងលឿននៅពេលដែលវិសាលភាពពង្រីក។ ការធ្វើតេស្តជាក់ស្តែងនៅតែសាមញ្ញ៖ កំណត់ជម្រើសជំនួស កំណត់ការទទួលខុសត្រូវ និងបញ្ជាក់ពីរបៀបដែលកំហុសត្រូវបានរកឃើញមុនពេលការខូចខាតរីករាលដាល។.
តើខ្ញុំសម្រេចចិត្តយ៉ាងដូចម្តេចថាតើ AI មានតម្លៃសម្រាប់ក្រុម ឬអង្គការរបស់ខ្ញុំ?
ចាប់ផ្តើមដោយកំណត់ការងារដូចជាការពិពណ៌នាការងារ៖ ធាតុចូល លទ្ធផល ការរឹតបន្តឹង និងអត្ថន័យនៃពាក្យ «ធ្វើរួច»។ បង្កើតមូលដ្ឋាន (ពេលវេលា ថ្លៃដើម អត្រាកំហុស) ដើម្បីឱ្យអ្នកអាចវាស់វែងការកែលម្អជំនួសឱ្យការជជែកវែកញែកអំពីអារម្មណ៍។ សម្រេចចិត្តថាការពិតមកពីណា - មូលដ្ឋានចំណេះដឹងផ្ទៃក្នុង ឯកសារដែលបានអនុម័ត ឬកំណត់ត្រាអតិថិជន។ បន្ទាប់មករចនាផែនការមនុស្សនៅក្នុងរង្វិលជុំ ហើយគូសផែនទីកាំផ្ទុះមុនពេលពង្រីក។.
តើអ្នកណាជាអ្នកទទួលខុសត្រូវនៅពេលដែលលទ្ធផល AI ខុស?
ម្ចាស់ដែលជាមនុស្សគួរតែត្រូវបានចាត់តាំងសម្រាប់លទ្ធផល ការពិនិត្យ និងអ្វីដែលកើតឡើងនៅពេលដែលប្រព័ន្ធបរាជ័យ។ “គំរូបាននិយាយដូច្នេះ” មិនមែនជាការទទួលខុសត្រូវនោះទេ ជាពិសេសនៅពេលដែលមានពាក់ព័ន្ធនឹងប្រាក់ សុវត្ថិភាព ឬសិទ្ធិ។ កំណត់ថាអ្នកណាអនុម័តការឆ្លើយតប ពេលណាដែលត្រូវការការពិនិត្យ និងរបៀបដែលឧប្បត្តិហេតុត្រូវបានកត់ត្រា និងដោះស្រាយ។ នេះប្រែក្លាយ AI ពីការទទួលខុសត្រូវទៅជាឧបករណ៍ដែលគ្រប់គ្រងដោយមានការទទួលខុសត្រូវច្បាស់លាស់។.
តើខ្ញុំត្រូវការអភិបាលកិច្ចនៅពេលណា ហើយតើក្របខ័ណ្ឌអ្វីខ្លះដែលត្រូវបានប្រើប្រាស់ជាទូទៅ?
អភិបាលកិច្ចមានសារៈសំខាន់បំផុតនៅពេលដែលហានិភ័យកើនឡើង - អ្វីទាំងអស់ដែលពាក់ព័ន្ធនឹងលទ្ធផលផ្នែកច្បាប់ សុវត្ថិភាព ផលប៉ះពាល់ផ្នែកហិរញ្ញវត្ថុ ឬសិទ្ធិរបស់ប្រជាជន។ របាំងការពារទូទៅរួមមាន NIST Generative AI Profile (ជាដៃគូជាមួយក្របខ័ណ្ឌគ្រប់គ្រងហានិភ័យ AI) គោលការណ៍ AI របស់ OECD និងកាតព្វកិច្ចផ្អែកលើហានិភ័យរបស់ EU AI Act។ ទាំងនេះលើកទឹកចិត្តដល់ការធ្វើតេស្ត ប្រភពដើម ការត្រួតពិនិត្យ និងការអនុវត្តការបង្ហាញឧប្បត្តិហេតុ។ វាអាចមានអារម្មណ៍ថាមិនទាក់ទាញ ប៉ុន្តែវាការពារ "អូ៎! យើងបានដាក់ពង្រាយសុបិន្តអាក្រក់នៃការអនុលោមតាមច្បាប់"។
ប្រសិនបើ AI ត្រូវបានផ្សព្វផ្សាយហួសហេតុពេក ហេតុអ្វីបានជាវានៅតែមានអារម្មណ៍ថាមានសារៈសំខាន់?
ការផ្សព្វផ្សាយ និងផលប៉ះពាល់អាចរួមរស់ជាមួយគ្នាបាន។ បច្ចេកវិទ្យាជាច្រើនដើរតាមគន្លងដែលធ្លាប់ស្គាល់៖ ការរំពឹងទុកខ្ពស់បំផុត ការពិតដ៏លំបាក បន្ទាប់មកតម្លៃស្ថិរភាព។ បញ្ញាសិប្បនិម្មិត (AI) មានឥទ្ធិពលខ្លាំង ប៉ុន្តែវាត្រូវបានគេលក់ចេញជាញឹកញាប់ដូចជាវាត្រូវបានបញ្ចប់រួចហើយ - នៅពេលដែលវានៅតែដំណើរការ ហើយការធ្វើសមាហរណកម្មយឺត។ តម្លៃយូរអង្វែងលេចឡើងនៅពេលដែលបញ្ញាសិប្បនិម្មិត (AI) លុបផ្នែកដែលគួរឱ្យធុញទ្រាន់នៃការងារ គាំទ្រការព្រាង និងការសរសេរកូដ និងធ្វើអោយប្រសើរឡើងនូវលំហូរការងារជាមួយនឹងមូលដ្ឋាន និងការពិនិត្យឡើងវិញ។.
ឯកសារយោង
-
ទម្រង់ AI បង្កើតថ្មីរបស់ NIST (NIST AI 600-1, PDF) - ការណែនាំរួមជាមួយក្របខ័ណ្ឌគ្រប់គ្រងហានិភ័យ AI ដោយគូសបញ្ជាក់ពីផ្នែកហានិភ័យសំខាន់ៗ និងសកម្មភាពដែលបានណែនាំសម្រាប់ការគ្រប់គ្រង ការធ្វើតេស្ត ប្រភព និងការបង្ហាញឧប្បត្តិហេតុ។ អានបន្ថែម
-
សន្ទស្សន៍ AI HAI របស់ស្ទែនហ្វដ - របាយការណ៍ប្រចាំឆ្នាំដែលសម្បូរទៅដោយទិន្នន័យ ដែលតាមដានវឌ្ឍនភាព ការទទួលយក ការវិនិយោគ និងផលប៉ះពាល់សង្គមនៃ AI នៅទូទាំងស្តង់ដារ និងសូចនាករសំខាន់ៗ។ អានបន្ថែម
-
ការស្រាវជ្រាវផលិតភាព GitHub Copilot - ការសរសេរការសិក្សាដែលគ្រប់គ្រងដោយ GitHub លើល្បឿនបញ្ចប់ភារកិច្ច និងបទពិសោធន៍របស់អ្នកអភិវឌ្ឍន៍នៅពេលប្រើប្រាស់ Copilot។ អានបន្ថែម
-
ទិដ្ឋភាពទូទៅនៃច្បាប់ AI របស់គណៈកម្មការអឺរ៉ុប - ទំព័រមជ្ឈមណ្ឌលរបស់គណៈកម្មការដែលពន្យល់អំពីកាតព្វកិច្ចកម្រិតហានិភ័យរបស់សហភាពអឺរ៉ុបសម្រាប់ប្រព័ន្ធ AI និងប្រភេទនៃការអនុវត្តហាមឃាត់។ អានបន្ថែម