នៅពេលដែលមនុស្សនិយាយអំពី AI សព្វថ្ងៃនេះ ការសន្ទនាស្ទើរតែតែងតែលោតទៅ chatbots ដែលស្តាប់ទៅដូចជាមនុស្សចម្លែក បណ្តាញសរសៃប្រសាទដ៏ធំដែលបំបែកទិន្នន័យ ឬប្រព័ន្ធសម្គាល់រូបភាពទាំងនោះដែលសម្គាល់ឆ្មាបានល្អជាងមនុស្សដែលហត់នឿយខ្លះអាចធ្វើបាន។ ប៉ុន្តែយូរមុនពេលមានការភ្ញាក់ផ្អើលនោះ មាន AI និមិត្តរូប ។ ហើយចម្លែកគ្រប់គ្រាន់ - វានៅតែមាននៅទីនេះ នៅតែមានប្រយោជន៍។ វាជាមូលដ្ឋានគ្រឹះនៃការបង្រៀនកុំព្យូទ័រឱ្យវែកញែកដូចមនុស្សធ្វើ៖ ការប្រើប្រាស់ និមិត្តសញ្ញា តក្កវិជ្ជា និងច្បាប់ ។ បែបបុរាណ? ប្រហែលជា។ ប៉ុន្តែនៅក្នុងពិភពលោកដែលលង់ស្នេហ៍នឹង AI "ប្រអប់ខ្មៅ" ភាពច្បាស់លាស់នៃ AI និមិត្តរូបមានអារម្មណ៍ស្រស់ស្រាយបន្តិច [1]។
អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖
🔗 តើគ្រូបង្វឹក AI ជាអ្វី?
ពន្យល់ពីតួនាទី និងការទទួលខុសត្រូវរបស់គ្រូបង្វឹក AI សម័យទំនើប។.
🔗 តើវិទ្យាសាស្ត្រទិន្នន័យនឹងត្រូវជំនួសដោយ AI ដែរឬទេ?
ស្វែងយល់ថាតើការរីកចម្រើននៃ AI គំរាមកំហែងដល់អាជីពវិទ្យាសាស្ត្រទិន្នន័យឬអត់។.
🔗 តើ AI ទទួលបានព័ត៌មានរបស់វាពីណា
បំបែកប្រភពដែលគំរូ AI ប្រើដើម្បីរៀន និងសម្របខ្លួន។.
មូលដ្ឋានគ្រឹះ AI និមិត្តសញ្ញា✨
នេះជាចំណុចសំខាន់៖ បញ្ញាសិប្បនិម្មិតជានិមិត្តរូបត្រូវបានបង្កើតឡើងដោយផ្អែកលើ ភាពច្បាស់លាស់ ។ អ្នកអាចតាមដានតក្កវិជ្ជា ស្វែងយល់ពីច្បាប់ ហើយមើលយ៉ាងច្បាស់ ពីមូលហេតុដែល ម៉ាស៊ីននិយាយអ្វីដែលវាបានធ្វើ។ ប្រៀបធៀបវាជាមួយនឹងបណ្តាញសរសៃប្រសាទដែលគ្រាន់តែបញ្ចេញចម្លើយ - វាដូចជាការសួរក្មេងជំទង់ថា "ហេតុអ្វី?" ហើយទទួលបានការងក់ក្បាល។ ផ្ទុយទៅវិញ ប្រព័ន្ធនិមិត្តរូបនឹងនិយាយថា៖ "ពីព្រោះ A និង B បង្កប់ន័យ C ដូច្នេះ C"។ សមត្ថភាពក្នុងការពន្យល់ខ្លួនឯងនោះគឺជាការផ្លាស់ប្តូរហ្គេមសម្រាប់រឿងដែលមានហានិភ័យខ្ពស់ (វេជ្ជសាស្ត្រ ហិរញ្ញវត្ថុ សូម្បីតែបន្ទប់សវនាការ) ដែលនរណាម្នាក់តែងតែសុំភស្តុតាង [5]។
រឿងតូចតាចមួយ៖ ក្រុមអនុលោមភាពនៅធនាគារធំមួយបានអ៊ិនកូដគោលនយោបាយទណ្ឌកម្មទៅក្នុងម៉ាស៊ីនច្បាប់។ របស់របរដូចជា៖ “ប្រសិនបើប្រទេសដើម ∈ {X} និង ព័ត៌មានអ្នកទទួលផលដែលបាត់ → រាលដាល”។ លទ្ធផល? រាល់ករណីដែលត្រូវបានសម្គាល់បានភ្ជាប់មកជាមួយខ្សែសង្វាក់ហេតុផលដែលអាចតាមដានបាន និងអាចអានបានដោយមនុស្ស។ អ្នកសវនករ ចូលចិត្ត វា។ នោះគឺជាមហាអំណាចរបស់ Symbolic AI - ការគិតដែលមានតម្លាភាព និងអាចត្រួតពិនិត្យបាន ។
តារាងប្រៀបធៀបរហ័ស 📊
| ឧបករណ៍ / វិធីសាស្រ្ត | អ្នកណាប្រើវា | ជួរតម្លៃ | ហេតុអ្វីបានជាវាដំណើរការ (ឬមិនដំណើរការ) |
|---|---|---|---|
| ប្រព័ន្ធជំនាញ 🧠 | វេជ្ជបណ្ឌិត, វិស្វករ | ការដំឡើងថ្លៃ | ការវែកញែកផ្អែកលើច្បាប់ច្បាស់លាស់ខ្លាំង ប៉ុន្តែមិនច្បាស់លាស់ [1] |
| ក្រាហ្វចំណេះដឹង 🌐 | ម៉ាស៊ីនស្វែងរក, ទិន្នន័យ | តម្លៃចម្រុះ | ភ្ជាប់អង្គភាព + ទំនាក់ទំនងក្នុងទ្រង់ទ្រាយធំ [3] |
| ជជែកតាមប្រព័ន្ធអ៊ីនធឺណិត (Chatbots) ដែលមានមូលដ្ឋានលើច្បាប់ 💬 | សេវាកម្មអតិថិជន | ទាប–មធ្យម | សាងសង់លឿន; ប៉ុន្តែភាពខុសប្លែកគ្នា? មិនសូវច្រើនទេ |
| បញ្ញាសិប្បនិម្មិតនិមិត្តសញ្ញាសរសៃប្រសាទ ⚡ | អ្នកស្រាវជ្រាវ, ក្រុមហ៊ុនចាប់ផ្តើមអាជីវកម្ម | កម្រិតខ្ពស់ជាមុន | តក្កវិជ្ជា + ML = លំនាំដែលអាចពន្យល់បាន [4] |
របៀបដែល AI និមិត្តរូបដំណើរការ (ក្នុងការអនុវត្ត) 🛠️
នៅក្នុងខ្លឹមសាររបស់វា បញ្ញាសិប្បនិម្មិតនិមិត្តរូបគឺគ្រាន់តែជារឿងពីរយ៉ាងប៉ុណ្ណោះ៖ និមិត្តសញ្ញា (គោលគំនិត) និង ច្បាប់ (របៀបដែលគោលគំនិតទាំងនោះភ្ជាប់គ្នា)។ ឧទាហរណ៍៖
-
និមិត្តសញ្ញា៖
ឆ្កែ,សត្វ,មានកន្ទុយ -
ច្បាប់៖ ប្រសិនបើ X ជាឆ្កែ → X ជាសត្វ។
ពីទីនេះ អ្នកអាចចាប់ផ្តើមកសាងខ្សែសង្វាក់តក្កវិជ្ជា - ដូចជាបំណែក LEGO ឌីជីថល។ ប្រព័ន្ធអ្នកជំនាញបុរាណថែមទាំងរក្សាទុកការពិតជា បីផ្នែក (គុណលក្ខណៈ-វត្ថុ-តម្លៃ) ហើយបានប្រើ អ្នកបកប្រែច្បាប់ដែលផ្តោតលើគោលដៅ ដើម្បីបញ្ជាក់សំណួរមួយជំហានម្តងៗ [1]។
ឧទាហរណ៍ជីវិតពិតនៃ AI និមិត្តរូប 🌍
-
MYCIN - ប្រព័ន្ធអ្នកជំនាញផ្នែកវេជ្ជសាស្ត្រសម្រាប់ជំងឺឆ្លង។ ផ្អែកលើច្បាប់ និងងាយស្រួលពន្យល់ [1]។
-
DENDRAL - បញ្ញាសិប្បនិម្មិត (AI) គីមីវិទ្យាដំបូងៗ ដែលទាយរចនាសម្ព័ន្ធម៉ូលេគុលពីទិន្នន័យវិសាលគម [2]។
-
ក្រាហ្វចំណេះដឹងរបស់ Google - ការគូសផែនទីអង្គភាព (មនុស្ស ទីកន្លែង វត្ថុ) + ទំនាក់ទំនងរបស់ពួកគេ ដើម្បីឆ្លើយសំណួរ "វត្ថុ មិនមែនខ្សែអក្សរទេ" [3]។
-
បូតផ្អែកលើច្បាប់ - លំហូរដែលមានស្គ្រីបសម្រាប់ការគាំទ្រអតិថិជន; រឹងមាំសម្រាប់ភាពស៊ីសង្វាក់គ្នា ខ្សោយសម្រាប់ការជជែកគ្នាបើកចំហ។
ហេតុអ្វីបានជា AI និមិត្តរូបជំពប់ដួល (ប៉ុន្តែមិនស្លាប់) 📉➡️📈
នេះជាកន្លែងដែលបញ្ញាសិប្បនិម្មិត (AI) និមិត្តរូប (Symbolic AI) ជួបបញ្ហា៖ ពិភពពិតដ៏រញ៉េរញ៉ៃ មិនពេញលេញ និងផ្ទុយគ្នា។ ការរក្សាមូលដ្ឋានច្បាប់ដ៏ធំមួយគឺហត់នឿយ ហើយច្បាប់ផុយស្រួយអាចផ្ទុះឡើងរហូតដល់វាខូច។.
យ៉ាងណាក៏ដោយ - វាមិនដែលបាត់ទៅវិញទាំងស្រុងនោះទេ។ បញ្ចូល AI និមិត្តរូបសរសៃប្រសាទ ៖ លាយបណ្តាញសរសៃប្រសាទ (ពូកែខាងការយល់ឃើញ) ជាមួយនឹងតក្កវិជ្ជានិមិត្តរូប (ពូកែខាងហេតុផល)។ គិតថាវាដូចជាក្រុមបញ្ជូនតគ្នា៖ ផ្នែកសរសៃប្រសាទសម្គាល់សញ្ញាឈប់ បន្ទាប់មកផ្នែកនិមិត្តរូបស្វែងយល់ពីអត្ថន័យរបស់វាក្រោមច្បាប់ចរាចរណ៍។ ការរួមបញ្ចូលគ្នានោះសន្យាថានឹងផ្តល់ ប្រព័ន្ធដែលឆ្លាតវៃ និង អាចពន្យល់បាន [4][5]។
ចំណុចខ្លាំងនៃ AI និមិត្តរូប 💡
-
តក្កវិជ្ជាថ្លា ៖ អ្នកអាចធ្វើតាមជំហាននីមួយៗ [1][5]។
-
ងាយស្រួលសម្រាប់បទប្បញ្ញត្តិ ៖ គូសផែនទីយ៉ាងច្បាស់លាស់ទៅនឹងគោលនយោបាយ និងច្បាប់ [5]។
-
ការថែទាំម៉ូឌុល ៖ អ្នកអាចកែសម្រួលច្បាប់មួយដោយមិនចាំបាច់ហ្វឹកហាត់គំរូសត្វចម្លែកទាំងមូលឡើងវិញ [1]។
ចំណុចខ្សោយនៃ AI និមិត្តសញ្ញា ⚠️
-
ការយល់ឃើញមិនល្អទេ ៖ រូបភាព សំឡេង អត្ថបទរញ៉េរញ៉ៃ - បណ្តាញសរសៃប្រសាទគ្របដណ្ដប់នៅទីនេះ។
-
ការឈឺចាប់ក្នុងការធ្វើមាត្រដ្ឋាន ៖ ការស្រង់ចេញ និងការធ្វើបច្ចុប្បន្នភាពច្បាប់របស់អ្នកជំនាញគឺគួរឱ្យធុញទ្រាន់ [2]។
-
ភាពរឹងរូស ៖ ច្បាប់បានបំបែកចេញពីតំបន់របស់ខ្លួន។ ភាពមិនប្រាកដប្រជាពិបាកក្នុងការចាប់យក (ទោះបីជាប្រព័ន្ធមួយចំនួនបានលួចចូលជួសជុលដោយផ្នែកក៏ដោយ) [1]។
ផ្លូវខាងមុខសម្រាប់ AI និមិត្តរូប 🚀
អនាគតប្រហែលជាមិនមែនជានិមិត្តរូបសុទ្ធសាធ ឬសរសៃប្រសាទសុទ្ធសាធនោះទេ។ វាជាកូនកាត់។ ស្រមៃមើល៖
-
សរសៃប្រសាទ → ស្រង់លំនាំចេញពីភីកសែល/អត្ថបទ/អូឌីយ៉ូឆៅ។
-
និមិត្តសញ្ញាសរសៃប្រសាទ → លើកលំនាំទៅជាគោលគំនិតដែលមានរចនាសម្ព័ន្ធ។
-
និមិត្តសញ្ញា → អនុវត្តច្បាប់ ការរឹតបន្តឹង ហើយបន្ទាប់មក - សំខាន់ - ពន្យល់ ។
នោះជារង្វិលជុំដែលម៉ាស៊ីនចាប់ផ្តើមស្រដៀងនឹងហេតុផលរបស់មនុស្ស៖ សូមមើល រៀបចំរចនាសម្ព័ន្ធ បង្ហាញភាពត្រឹមត្រូវ [4][5]។.
សង្ខេបវាឡើង 📝
ដូច្នេះ បញ្ញាសិប្បនិម្មិតនិមិត្តរូប៖ វាជំរុញដោយតក្កវិជ្ជា ផ្អែកលើច្បាប់ និងត្រៀមខ្លួនសម្រាប់ការពន្យល់។ មិនមែនជាការឆើតឆាយទេ ប៉ុន្តែវាបង្កើតអ្វីមួយដែលសំណាញ់ជ្រៅនៅតែមិនអាចធ្វើបាន៖ ហេតុផលច្បាស់លាស់ និងអាចធ្វើសវនកម្មបាន ។ ការភ្នាល់ឆ្លាតវៃ? ប្រព័ន្ធដែលខ្ចីពី ទាំងពីរ - សំណាញ់សរសៃប្រសាទសម្រាប់ការយល់ឃើញ និងមាត្រដ្ឋាន និមិត្តសញ្ញាសម្រាប់ការវែកញែក និងការជឿទុកចិត្ត [4][5]។
ការពិពណ៌នាអំពីមេតា៖ ការពន្យល់អំពី AI និមិត្តរូប - ប្រព័ន្ធដែលមានមូលដ្ឋានលើច្បាប់ ចំណុចខ្លាំង/ចំណុចខ្សោយ និងមូលហេតុដែលនិមិត្តសញ្ញាសរសៃប្រសាទ (តក្កវិជ្ជា + ML) គឺជាមាគ៌ាឆ្ពោះទៅមុខ។
ហាសថេក៖
#បញ្ញាសិប្បនិម្មិត 🤖 #បញ្ញាសិប្បនិម្មិតនិមិត្តសញ្ញា 🧩 #ការរៀនម៉ាស៊ីន #បញ្ញាសិប្បនិម្មិតនិមិត្តសញ្ញាសរសៃប្រសាទ ⚡ #ការពន្យល់អំពីបច្ចេកវិទ្យា #ការតំណាងចំណេះដឹង #ការយល់ដឹងអំពីបញ្ញាសិប្បនិម្មិត #អនាគតនៃបញ្ញាសិប្បនិម្មិត
ឯកសារយោង
[1] Buchanan, BG, & Shortliffe, EH ប្រព័ន្ធអ្នកជំនាញផ្អែកលើច្បាប់៖ ការពិសោធន៍ MYCIN នៃគម្រោងសរសេរកម្មវិធី Heuristic របស់ស្ទែនហ្វដ ជំពូកទី 15។ PDF
[2] Lindsay, RK, Buchanan, BG, Feigenbaum, EA, & Lederberg, J. “DENDRAL៖ ការសិក្សាករណីនៃប្រព័ន្ធអ្នកជំនាញដំបូងសម្រាប់ការបង្កើតសម្មតិកម្មវិទ្យាសាស្ត្រ”។ បញ្ញាសិប្បនិម្មិត 61 (1993): 209–261។ PDF
[3] Google។ “ការណែនាំអំពីក្រាហ្វចំណេះដឹង៖ របស់របរ មិនមែនខ្សែអក្សរទេ”។ ប្លក់ផ្លូវការរបស់ Google (ថ្ងៃទី 16 ខែឧសភា ឆ្នាំ 2012)។ តំណភ្ជាប់។
[4] Monroe, D. “Neurosymbolic AI”។ ការទំនាក់ទំនងនៃ ACM (តុលា 2022)។ DOI។
[5] Sahoh, B., et al. “តួនាទីនៃបញ្ញាសិប្បនិម្មិតដែលអាចពន្យល់បានក្នុងការសម្រេចចិត្តដែលមានហានិភ័យខ្ពស់៖ ការពិនិត្យឡើងវិញ”។ Patterns (2023)។ PubMed Central។ តំណភ្ជាប់