តើ Generative AI ជាអ្វី?

Generative AI សំដៅលើម៉ូដែលដែល បង្កើតមាតិកាថ្មី - អត្ថបទ រូបភាព អូឌីយ៉ូ វីដេអូ កូដ រចនាសម្ព័ន្ធទិន្នន័យ - ផ្អែកលើគំរូដែលបានរៀនពីសំណុំទិន្នន័យធំ។ ជំនួសឱ្យការគ្រាន់តែដាក់ស្លាក ឬចាត់ថ្នាក់វត្ថុ ប្រព័ន្ធទាំងនេះបង្កើតលទ្ធផលប្រលោមលោកដែល ស្រដៀងនឹង អ្វីដែលពួកគេបានឃើញ ដោយមិនមានច្បាប់ចម្លងពិតប្រាកដ។ គិត៖ សរសេរកថាខណ្ឌ បង្កើតឡូហ្គោ ព្រាង SQL និពន្ធបទភ្លេង។ នោះជាគំនិតស្នូល។ [1]

អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖

🔗 អ្វីដែលភ្នាក់ងារ AI ត្រូវបានពន្យល់
ស្វែងយល់ពីរបៀបដែលភ្នាក់ងារ AI ធ្វើផែនការ ធ្វើសកម្មភាព និងរៀនដោយស្វ័យភាពតាមពេលវេលា។

🔗 តើអ្វីទៅជាការធ្វើមាត្រដ្ឋាន AI នៅក្នុងការអនុវត្តនាពេលបច្ចុប្បន្ននេះ។
ស្វែងយល់ពីមូលហេតុដែលប្រព័ន្ធ AI ដែលអាចធ្វើមាត្រដ្ឋានបានមានសារៈសំខាន់សម្រាប់ការលូតលាស់ និងភាពជឿជាក់។

🔗 អ្វី​ទៅ​ជា​ក្របខ័ណ្ឌ​កម្មវិធី​សម្រាប់ AI
ស្វែងយល់ពីក្របខ័ណ្ឌ AI ដែលអាចប្រើឡើងវិញបាន ដែលបង្កើនល្បឿននៃការអភិវឌ្ឍន៍ និងកែលម្អភាពស៊ីសង្វាក់គ្នា។

🔗 ការរៀនម៉ាស៊ីនធៀបនឹង AI៖ ភាពខុសគ្នាសំខាន់ៗត្រូវបានពន្យល់
ប្រៀបធៀប AI និងគំនិតរៀនម៉ាស៊ីន សមត្ថភាព និងការប្រើប្រាស់ក្នុងពិភពពិត។

ហេតុអ្វីបានជាមនុស្សបន្តសួរថា "តើអ្វីទៅជា AI ជំនាន់?" យ៉ាង​ណា​ក៏​ដោយ 🙃

ព្រោះវាមានអារម្មណ៍ដូចជាវេទមន្ត។ អ្នក​វាយ​បញ្ចូល​ប្រអប់​បញ្ចូល ហើយ​ចេញ​មក​នូវ​អ្វី​ដែល​មាន​ប្រយោជន៍ - ជួនកាល​អស្ចារ្យ ជួន​កាល​ក៏​ខុស​ដែរ។ វាជាលើកទីមួយហើយដែលកម្មវិធីហាក់ដូចជាការសន្ទនា និងការច្នៃប្រឌិតក្នុងទំហំ។ លើសពីនេះ វាត្រួតលើគ្នាជាមួយការស្វែងរក ជំនួយការ ការវិភាគ ការរចនា និងឧបករណ៍អភិវឌ្ឍន៍ ដែលធ្វើឲ្យក្រុមព្រាលៗ និងដោយស្មោះត្រង់ ក្លែងបន្លំថវិកា។

អ្វីដែលធ្វើឱ្យ Generative AI មានប្រយោជន៍ ✅

• ល្បឿន​ក្នុង​ការ​ព្រាង - វា​ធ្វើ​ឱ្យ​អ្នក​ទទួល​បាន​ការ​ឆ្លង​កាត់​ដំបូង​ដ៏​សមរម្យ​ដោយ​មិន​សមហេតុផល។

• ការសំយោគលំនាំ - លាយគំនិតតាមប្រភពដែលអ្នកប្រហែលជាមិនភ្ជាប់នៅព្រឹកថ្ងៃច័ន្ទ។

• ចំណុចប្រទាក់ដែលអាចបត់បែនបាន - ការជជែក, សំឡេង, រូបភាព, ការហៅ API, កម្មវិធីជំនួយ; ជ្រើសរើសផ្លូវរបស់អ្នក។

• ការប្ដូរតាមបំណង - ពីគំរូប្រអប់បញ្ចូលទម្ងន់ស្រាល រហូតដល់ការកែតម្រូវពេញលេញលើទិន្នន័យផ្ទាល់ខ្លួនរបស់អ្នក។

• លំហូរការងាររួម - ជំហានខ្សែសង្វាក់សម្រាប់កិច្ចការច្រើនដំណាក់កាលដូចជា ការស្រាវជ្រាវ → គ្រោង → សេចក្តីព្រាង → QA ។

• ការប្រើប្រាស់ឧបករណ៍ - ម៉ូដែលជាច្រើនអាចហៅឧបករណ៍ខាងក្រៅ ឬមូលដ្ឋានទិន្នន័យពាក់កណ្តាលការសន្ទនា ដូច្នេះពួកគេមិនគ្រាន់តែទាយទេ។

• បច្ចេកទេសតម្រឹម - វិធីសាស្រ្តដូចជា RLHF ជួយឱ្យម៉ូដែលមានឥរិយាបទកាន់តែមានប្រយោជន៍ និងសុវត្ថិភាពក្នុងការប្រើប្រាស់ប្រចាំថ្ងៃ។ [2]

ចូរនិយាយដោយស្មោះត្រង់៖ គ្មានអ្វីដែលធ្វើឱ្យវាក្លាយជាបាល់គ្រីស្តាល់នោះទេ។ វាដូចជាអ្នកហាត់ការដ៏ប៉ិនប្រសប់ម្នាក់ដែលមិនដេកលក់ ហើយជួនកាលធ្វើឱ្យគន្ថនិទ្ទេសយល់ច្រឡំ។

កំណែខ្លីនៃរបៀបដែលវាដំណើរការ🧩

គំរូអត្ថបទពេញនិយមភាគច្រើនប្រើ transformers - ស្ថាបត្យកម្មបណ្តាញសរសៃប្រសាទដែលពូកែក្នុងការសម្គាល់ទំនាក់ទំនងតាមលំដាប់ ដូច្នេះវាអាចទស្សន៍ទាយសញ្ញាសម្ងាត់បន្ទាប់តាមរបៀបដែលមានអារម្មណ៍ស៊ីសង្វាក់គ្នា។ សម្រាប់រូបភាព និងវីដេអូ គំរូនៃការសាយភាយ គឺជារឿងធម្មតា - ពួកគេរៀនចាប់ផ្តើមពីសំលេងរំខាន ហើយយកវាចេញម្តងទៀត ដើម្បីបង្ហាញរូបភាព ឬឈុតដែលអាចជឿជាក់បាន។ នោះ​ជា​ការ​សាមញ្ញ​មួយ ប៉ុន្តែ​មាន​ប្រយោជន៍។ [3][4]

• Transformers : ពូកែខាងភាសា គំរូហេតុផល និងកិច្ចការច្រើនទម្រង់ នៅពេលហ្វឹកហាត់វិធីនោះ។ [3]

• ការសាយភាយ ៖ ខ្លាំងចំពោះរូបភាពជាក់ស្តែង រចនាប័ទ្មជាប់លាប់ និងការកែសម្រួលដែលអាចគ្រប់គ្រងបានតាមរយៈប្រអប់បញ្ចូល ឬរបាំង។ [4]

វាក៏មានកូនកាត់ ការរៀបចំបន្ថែមការទាញយក និងស្ថាបត្យកម្មឯកទេសផងដែរ - stew នៅតែកំពុងឆេះ។

តារាងប្រៀបធៀប៖ ជម្រើស AI ជំនាន់ដ៏ពេញនិយម 🗂️

មិនល្អឥតខ្ចោះតាមគោលបំណង - កោសិកាមួយចំនួនមានលក្ខណៈចម្លែកក្នុងការឆ្លុះចំណាំអ្នកទិញក្នុងពិភពពិត។ តម្លៃផ្លាស់ទី ដូច្នេះចាត់ទុកទាំងនេះជា រចនាប័ទ្មតម្លៃ មិនមែនលេខថេរទេ។

កំណត់សម្គាល់តូច៖ អ្នកលក់ផ្សេងៗគ្នាបោះផ្សាយប្រព័ន្ធសុវត្ថិភាព កម្រិតអត្រា និងគោលការណ៍ផ្សេងៗគ្នា។ តែងតែមើលឯកសាររបស់ពួកគេ - ជាពិសេសប្រសិនបើអ្នកកំពុងដឹកជញ្ជូនដល់អតិថិជន។

នៅក្រោមក្រណាត់៖ ឧបករណ៍បំប្លែងក្នុងមួយដង្ហើម🌀

Transformers ប្រើ យកចិត្តទុកដាក់ ដើម្បីថ្លឹងថ្លែងថាតើផ្នែកណាមួយនៃធាតុបញ្ចូលមានសារៈសំខាន់បំផុតនៅជំហាននីមួយៗ។ ជំនួសឱ្យការអានពីឆ្វេងទៅស្តាំដូចត្រីមាសដែលមានពិល ពួកគេមើលតាមលំដាប់ទាំងមូលស្របគ្នា ហើយរៀនលំនាំដូចជាប្រធានបទ អង្គភាព និងវាក្យសម្ព័ន្ធ។ ភាពស្របគ្នានោះ - និងការគណនាជាច្រើន - ជួយធ្វើមាត្រដ្ឋានគំរូ។ ប្រសិនបើអ្នកបានឮអំពីនិមិត្តសញ្ញា និងបង្អួចបរិបទ នោះជាកន្លែងដែលវារស់នៅ។ [3]

នៅក្រោមក្រណាត់៖ សាយភាយក្នុងមួយដង្ហើម🎨

គំរូនៃការសាយភាយរៀនពីល្បិចពីរ៖ បន្ថែមសំលេងរំខានដល់រូបភាពហ្វឹកហាត់ បន្ទាប់មក ប្តូរ សំលេងរំខានក្នុងជំហានតូចៗ ដើម្បីយករូបភាពពិតមកវិញ។ នៅជំនាន់មួយ ពួកគេចាប់ផ្តើមពីសំលេងរំខានសុទ្ធសាធ ហើយនាំវាត្រឡប់ទៅជារូបភាពដែលមានភាពស៊ីសង្វាក់គ្នា ដោយប្រើដំណើរការ denoising ដែលបានរៀន។ វាចម្លែកដូចជាការឆ្លាក់ពីឋិតិវន្ត - មិនមែនជាពាក្យប្រៀបធៀបដ៏ល្អឥតខ្ចោះនោះទេ ប៉ុន្តែអ្នកទទួលបានវា។ [4]

ការតម្រឹម សុវត្ថិភាព និង "សូមកុំបញ្ឆោត" 🛡️

ហេតុអ្វី​បាន​ជា​ម៉ូដែល​ជជែក​ខ្លះ​បដិសេធ​សំណើ​ជាក់លាក់ ឬ​សួរ​សំណួរ​បញ្ជាក់? ផ្នែកធំមួយគឺ ការពង្រឹងការរៀនពីមតិយោបល់របស់មនុស្ស (RLHF) ៖ មនុស្សវាយតម្លៃលទ្ធផលគំរូ គំរូរង្វាន់រៀនពីចំណូលចិត្តទាំងនោះ ហើយគំរូមូលដ្ឋានត្រូវបានជំរុញឱ្យធ្វើសកម្មភាពកាន់តែមានប្រយោជន៍។ វា​មិន​មែន​ជា​ការ​គ្រប់​គ្រង​ចិត្ត​ទេ - វា​ជា​ការ​ដឹកនាំ​អាកប្បកិរិយា​ដោយ​ការ​វិនិច្ឆ័យ​របស់​មនុស្ស​នៅ​ក្នុង​រង្វង់។ [2]

សម្រាប់ហានិភ័យរបស់អង្គការ ក្របខ័ណ្ឌដូចជា NIST AI Risk Management Framework - និង ទម្រង់ AI ជំនាន់ - ផ្តល់ការណែនាំសម្រាប់ការវាយតម្លៃសុវត្ថិភាព សុវត្ថិភាព អភិបាលកិច្ច ភស្តុតាង និងការត្រួតពិនិត្យ។ ប្រសិនបើអ្នកកំពុងបញ្ចេញវានៅកន្លែងធ្វើការ ឯកសារទាំងនេះគឺជាបញ្ជីត្រួតពិនិត្យជាក់ស្តែងគួរឱ្យភ្ញាក់ផ្អើល មិនមែនត្រឹមតែទ្រឹស្តីប៉ុណ្ណោះទេ។ [5]

សង្ខេបខ្លីៗ៖ នៅក្នុងសិក្ខាសាលាសាកល្បងមួយ ក្រុមគាំទ្រមួយបានចងខ្សែ សង្វាក់ សង្ខេប → ស្រង់ចេញវាលសំខាន់ៗ → ការឆ្លើយតបសេចក្តីព្រាង → ការពិនិត្យរបស់មនុស្ស ។ ខ្សែសង្វាក់មិនបានដកមនុស្សចេញទេ។ វាបានធ្វើឱ្យការសម្រេចចិត្តរបស់ពួកគេកាន់តែលឿន និងស្របទៅតាមការផ្លាស់ប្តូរ។

កន្លែងណាដែល AI ចាំងពន្លឺធៀបនឹងកន្លែងដែលវាជំពប់ដួល 🌤️↔️⛈️

ភ្លឺនៅ៖

• សេចក្តីព្រាងដំបូងនៃខ្លឹមសារ ឯកសារ អ៊ីមែល លក្ខណៈបច្ចេកទេស ស្លាយ

• សេចក្តីសង្ខេបនៃសម្ភារៈវែងដែលអ្នកមិនចង់អាន

• ជំនួយលេខកូដ និងការកាត់បន្ថយបន្ទះក្តារ

• ការបំផុសគំនិតឈ្មោះ, រចនាសម្ព័ន្ធ, ករណីសាកល្បង, ប្រអប់បញ្ចូល

• គំនិតរូបភាព ទិដ្ឋភាពសង្គម គំរូផលិតផល

• ការឈ្លោះប្រកែកគ្នាទិន្នន័យទម្ងន់ស្រាល ឬ SQL scaffolding

ជំពប់ដួលនៅ៖

• ភាពជាក់លាក់ជាក់ស្តែងដោយគ្មានការទាញយក ឬឧបករណ៍

• ការគណនាច្រើនជំហាននៅពេលដែលមិនបានផ្ទៀងផ្ទាត់ច្បាស់លាស់

• ឧបសគ្គដែនតិចតួចនៅក្នុងច្បាប់ ឱសថ ឬហិរញ្ញវត្ថុ

• ករណី​គែម​ពាក្យ​អសុរោះ និង​ចំណេះដឹង​កន្ទុយ​វែង

• ការគ្រប់គ្រងទិន្នន័យឯកជន ប្រសិនបើអ្នកមិនកំណត់រចនាសម្ព័ន្ធវាត្រឹមត្រូវ។

Guardrails ជួយ ប៉ុន្តែការផ្លាស់ប្តូរដ៏ត្រឹមត្រូវគឺ ការរចនាប្រព័ន្ធ ៖ បន្ថែមការទាញយក សុពលភាព ការពិនិត្យមនុស្ស និងផ្លូវសវនកម្ម។ ធុញ បាទ - ប៉ុន្តែអផ្សុកមានស្ថេរភាព។

🛠️វិធីអនុវត្តជាក់ស្តែងក្នុងថ្ងៃនេះ

• សរសេរកាន់តែល្អ លឿនជាងមុន ៖ គ្រោង → ពង្រីក → បង្ហាប់ → ប៉ូឡូញ។ រង្វិលជុំរហូតដល់វាស្តាប់ទៅដូចអ្នក។

• ស្រាវជ្រាវដោយគ្មានរន្ធទន្សាយ ៖ សុំការសង្ខេបដែលមានរចនាសម្ព័ន្ធជាមួយប្រភព បន្ទាប់មកដេញតាមឯកសារយោងដែលអ្នកពិតជាចាប់អារម្មណ៍។

• Code assist : ពន្យល់មុខងារ ស្នើរសាកល្បង ព្រាងផែនការ refactor; មិនដែលបិទភ្ជាប់អាថ៌កំបាំង។

• កិច្ចការទិន្នន័យ ៖ បង្កើតគ្រោងឆ្អឹង SQL, regex ឬឯកសារកម្រិតជួរឈរ។

• គំនិតរចនា ៖ ស្វែងរករចនាប័ទ្មដែលមើលឃើញ បន្ទាប់មកប្រគល់ទៅឱ្យអ្នករចនាសម្រាប់ការបញ្ចប់។

• ការបម្រើអតិថិជន ៖ ការឆ្លើយតបព្រាង ចេតនា triage សង្ខេបការសន្ទនាសម្រាប់ការចែកចាយ។

• ផលិតផល ៖ បង្កើតរឿងរបស់អ្នកប្រើ លក្ខណៈវិនិច្ឆ័យនៃការទទួលយក និងចម្លងវ៉ារ្យ៉ង់ - បន្ទាប់មក A/B សាកល្បងសម្លេង។

គន្លឹះ៖ រក្សាទុកការជម្រុញដែលដំណើរការខ្ពស់ជាគំរូ។ ប្រសិនបើវាដំណើរការម្តង វានឹងអាចដំណើរការម្តងទៀតជាមួយនឹង Tweak តូចៗ។

ការ​ជ្រមុជ​ទឹក​យ៉ាង​ជ្រៅ៖ ការ​ជំរុញ​ឱ្យ​ដឹង​ថា​ពិត​ជា​មាន​ប្រសិទ្ធភាព​🧪

• ផ្តល់រចនាសម្ព័ន្ធ ៖ តួនាទី គោលដៅ ឧបសគ្គ រចនាប័ទ្ម។ ម៉ូដែលចូលចិត្តបញ្ជីត្រួតពិនិត្យ។

• ឧទាហរណ៍មួយចំនួន ៖ រួមបញ្ចូលឧទាហរណ៍ល្អ ៗ 2-3 នៃការបញ្ចូល → ទិន្នផលដ៏ល្អ។

• គិតជាជំហានៗ ៖ សួររកហេតុផល ឬលទ្ធផលជាដំណាក់កាល នៅពេលដែលភាពស្មុគស្មាញកើនឡើង។

• ខ្ទាស់សំឡេង ៖ បិទភ្ជាប់គំរូខ្លីនៃសម្លេងដែលអ្នកពេញចិត្ត ហើយនិយាយថា "ឆ្លុះរចនាប័ទ្មនេះ"។

• កំណត់ការវាយតម្លៃ ៖ សួរគំរូដើម្បីរិះគន់ចម្លើយរបស់ខ្លួនប្រឆាំងនឹងលក្ខណៈវិនិច្ឆ័យ បន្ទាប់មកពិនិត្យឡើងវិញ។

• ប្រើឧបករណ៍ ៖ ការទាញយក ការស្វែងរកតាមអ៊ីនធឺណិត ម៉ាស៊ីនគិតលេខ ឬ APIs អាចកាត់បន្ថយការយល់ច្រលំបានច្រើន។ [2]

ប្រសិនបើអ្នកគ្រាន់តែចងចាំរឿងមួយ៖ ប្រាប់វាពីអ្វីដែលត្រូវមិនអើពើ ។ ឧបសគ្គគឺជាអំណាច។

ទិន្នន័យ ឯកជនភាព និងអភិបាលកិច្ច - ចំណុចខ្មាស់អៀន🔒

• ផ្លូវទិន្នន័យ ៖ បញ្ជាក់ពីអ្វីដែលបានកត់ត្រា រក្សាទុក ឬប្រើសម្រាប់ការបណ្តុះបណ្តាល។

• PII & អាថ៍កំបាំង ៖ រក្សាវាឱ្យនៅក្រៅប្រអប់បញ្ចូល លុះត្រាតែការដំឡើងរបស់អ្នកអនុញ្ញាត និងការពារវាយ៉ាងច្បាស់។

• ការគ្រប់គ្រងការចូលប្រើ ៖ ចាត់ទុកម៉ូដែលដូចជាមូលដ្ឋានទិន្នន័យផលិតកម្ម មិនមែនប្រដាប់ក្មេងលេងទេ។

• ការវាយតម្លៃ ៖ តាមដានគុណភាព លំអៀង និងរសាត់; វាស់វែងជាមួយកិច្ចការពិត មិនមែនរំញ័រទេ។

• ការតម្រឹមគោលការណ៍ ៖ លក្ខណៈពិសេសផែនទីទៅនឹងប្រភេទ NIST AI RMF ដូច្នេះអ្នកមិនភ្ញាក់ផ្អើលនៅពេលក្រោយទេ។ [5]

សំណួរគេសួរញឹកញាប់ខ្ញុំទទួលបានគ្រប់ពេល🙋‍♀️

តើ​វា​ជា​ការ​ច្នៃ​ប្រឌិត ឬ​គ្រាន់​តែ​ជា​ការ​remix?
កន្លែងណាមួយនៅចន្លោះ។ វារួមបញ្ចូលគ្នានូវគំរូតាមរបៀបប្រលោមលោក - មិនមែនជាការច្នៃប្រឌិតរបស់មនុស្សទេ ប៉ុន្តែជាញឹកញាប់មានប្រយោជន៍។

តើខ្ញុំអាចជឿជាក់លើការពិតបានទេ?
ទុកចិត្តប៉ុន្តែផ្ទៀងផ្ទាត់។ បន្ថែមការទាញយក ឬការប្រើប្រាស់ឧបករណ៍សម្រាប់អ្វីដែលមានភាគហ៊ុនខ្ពស់។ [2]

តើ​ម៉ូដែល​រូបភាព​ទទួល​បាន​ភាព​ស៊ីសង្វាក់​គ្នា​នៃ​រចនាប័ទ្ម​ដោយ​របៀប​ណា?
ជម្រុញវិស្វកម្មបូករួមទាំងបច្ចេកទេសដូចជា ការកំណត់រូបភាព អាដាប់ទ័រ LoRA ឬការលៃតម្រូវ។ មូលដ្ឋានគ្រឹះនៃការសាយភាយជួយឱ្យមានភាពស៊ីសង្វាក់គ្នា ទោះបីជាភាពត្រឹមត្រូវនៃអត្ថបទនៅក្នុងរូបភាពនៅតែអាចញ័របាន។ [4]

ហេតុអ្វីបានជាម៉ូដែលជជែក "រុញត្រឡប់មកវិញ" លើការជម្រុញដែលមានហានិភ័យ?
បច្ចេកទេសតម្រឹមដូចជា RLHF និងស្រទាប់គោលនយោបាយ។ មិនល្អឥតខ្ចោះ ប៉ុន្តែជាប្រព័ន្ធមានប្រយោជន៍។ [2]

ព្រំប្រទល់ដែលកំពុងរីកចម្រើន🔭

• អ្វីគ្រប់យ៉ាងដែលមានលក្ខណៈចម្រុះ ៖ បន្សំគ្មានថ្នេរនៃអត្ថបទ រូបភាព អូឌីយ៉ូ និងវីដេអូ។

• ម៉ូដែលតូចជាង និងលឿនជាងមុន ៖ ស្ថាបត្យកម្មមានប្រសិទ្ធភាពសម្រាប់ករណីនៅលើឧបករណ៍ និងគែម។

• រង្វិលជុំឧបករណ៍កាន់តែតឹង ៖ ភ្នាក់ងារហៅមុខងារ មូលដ្ឋានទិន្នន័យ និងកម្មវិធីដូចជាវាគ្មានអ្វីសោះ។

• ភ័ស្តុតាងកាន់តែប្រសើរ ៖ ការសម្គាល់ទឹក ខ្លឹមសារព័ត៌មាន និងបំពង់ដែលអាចតាមដានបាន។

• អភិបាលកិច្ចត្រូវបានបញ្ចូលក្នុង ៖ ឈុតវាយតម្លៃ និងស្រទាប់គ្រប់គ្រងដែលមានអារម្មណ៍ដូចជាឧបករណ៍អភិវឌ្ឍន៍ធម្មតា។ [5]

• ម៉ូដែលដែលបានកំណត់តាមដែន ៖ ការសម្តែងឯកទេសឈ្នះលើភាពឧឡារិកទូទៅសម្រាប់ការងារជាច្រើន។

ប្រសិនបើវាមានអារម្មណ៍ថាកម្មវិធីកំពុងក្លាយជាអ្នកសហការ - នោះជាចំណុច។

យូរពេក ខ្ញុំមិនបានអានវាទេ - អ្វីទៅជា AI ជំនាន់? 🧾

វាជាគ្រួសារនៃគំរូដែល បង្កើត មាតិកាថ្មីជាជាងការវិនិច្ឆ័យមាតិកាដែលមានស្រាប់។ ប្រព័ន្ធអត្ថបទជាធម្មតាជា ឧបករណ៍បំប្លែង ដែលព្យាករណ៍ថូខឹន។ ប្រព័ន្ធរូបភាព និងវីដេអូជាច្រើនគឺជា នៃការសាយភាយ ដែលបដិសេធភាពចៃដន្យចូលទៅក្នុងអ្វីមួយដែលស៊ីសង្វាក់គ្នា។ អ្នកទទួលបានល្បឿន និងអានុភាពប្រកបដោយភាពច្នៃប្រឌិត ដោយចំណាយលើភាពសមហេតុសមផលដែលមានទំនុកចិត្តម្តងម្កាល ដែលអ្នកអាចទប់ទល់នឹងការទាញយក ឧបករណ៍ និងបច្ចេកទេសតម្រឹមដូចជា RLHF ។ សម្រាប់ក្រុម សូមអនុវត្តតាមការណែនាំជាក់ស្តែងដូចជា NIST AI RMF ដើម្បីដឹកជញ្ជូនប្រកបដោយការទទួលខុសត្រូវដោយមិនមានការផ្អាក។ [3][4][2][5]

ឯកសារយោង

1. IBM - អ្វី​ទៅ​ជា Generative AI?
   អានបន្ថែម

2. OpenAI - ការតម្រឹមគំរូភាសាដើម្បីធ្វើតាមការណែនាំ (RLHF)
   អានបន្ថែម

3. ប្លុក NVIDIA - តើអ្វីជាគំរូ Transformer?
   អានបន្ថែម

4. ការឱបមុខ - គំរូនៃការសាយភាយ (វគ្គទី១)
   អានបន្ថែម

5. NIST - AI Risk Management Framework (និង Generative AI Profile)
   អានបន្ថែម

ស្វែងរក AI ចុងក្រោយបំផុតនៅហាងជំនួយការ AI ផ្លូវការ

អំពីយើង