របៀបកំណត់បញ្ញាសិប្បនិម្មិត។ បញ្ញាសិប្បនិម្មិតទំនើប

បញ្ញាសិប្បនិម្មិត

Artificial Intelligence គឺជាផ្នែកមួយនៃវិទ្យាសាស្ត្រកុំព្យូទ័រដែលសិក្សាពីលទ្ធភាពនៃការផ្តល់នូវហេតុផល និងសកម្មភាពឆ្លាតវៃដោយប្រើ ប្រព័ន្ធកុំព្យូទ័រនិងឧបករណ៍សិប្បនិម្មិតផ្សេងទៀត។ ក្នុងករណីភាគច្រើន ក្បួនដោះស្រាយសម្រាប់ការដោះស្រាយបញ្ហាមិនត្រូវបានគេដឹងជាមុនទេ។

មិនមាននិយមន័យពិតប្រាកដនៃវិទ្យាសាស្រ្តនេះទេ ចាប់តាំងពីសំណួរអំពីធម្មជាតិ និងស្ថានភាពនៃភាពវៃឆ្លាតរបស់មនុស្សមិនត្រូវបានដោះស្រាយនៅក្នុងទស្សនវិជ្ជា។ វាក៏មិនមានលក្ខណៈវិនិច្ឆ័យពិតប្រាកដសម្រាប់កុំព្យូទ័រដើម្បីសម្រេចបាន "ភាពវៃឆ្លាត" នោះទេ ទោះបីជានៅពេលព្រឹកព្រលឹមនៃបញ្ញាសិប្បនិម្មិតមួយចំនួនត្រូវបានស្នើឡើង ឧទាហរណ៍ ការធ្វើតេស្ត Turing ឬសម្មតិកម្ម Newell-Simon ។ នៅពេលនេះ មានវិធីសាស្រ្តជាច្រើន ទាំងការយល់ដឹងអំពីបញ្ហា AI និងការបង្កើត ប្រព័ន្ធឆ្លាតវៃ.

ដូច្នេះ ចំណាត់ថ្នាក់មួយក្នុងចំណោមចំណាត់ថ្នាក់កំណត់វិធីសាស្រ្តពីរចំពោះការអភិវឌ្ឍន៍ AI៖

ពីលើចុះក្រោម, semiotic - ការបង្កើតប្រព័ន្ធនិមិត្តសញ្ញាដែលយកគំរូតាមដំណើរការផ្លូវចិត្តកម្រិតខ្ពស់៖ ការគិត ការវែកញែក ការនិយាយ អារម្មណ៍ ការច្នៃប្រឌិត។ល។

ពីក្រោមឡើងលើ ជីវសាស្រ្ត - ការសិក្សាអំពីបណ្តាញសរសៃប្រសាទ និងការគណនាការវិវត្តន៍ ដែលយកគំរូតាមអាកប្បកិរិយាឆ្លាតវៃដោយផ្អែកលើធាតុ "មិនឆ្លាតវៃ" តូចជាង។

វិទ្យាសាស្រ្តនេះគឺទាក់ទងទៅនឹងចិត្តវិទ្យា, neurophysiology, transhumanism និងផ្សេងទៀត។ ដូចវិទ្យាសាស្ត្រកុំព្យូទ័រទាំងអស់ដែរ វាប្រើគណិតវិទ្យា។ ទស្សនវិជ្ជា និងមនុស្សយន្តមានសារៈសំខាន់ជាពិសេសចំពោះនាង។

បញ្ញាសិប្បនិមិត្ត គឺជាវិស័យស្រាវជ្រាវវ័យក្មេងបំផុត ដែលត្រូវបានបង្កើតឡើងក្នុងឆ្នាំ ១៩៥៦។ ផ្លូវប្រវត្តិសាស្ត្ររបស់វាប្រហាក់ប្រហែលនឹង sinusoid ដែល "ការហោះហើរ" នីមួយៗត្រូវបានផ្តួចផ្តើមដោយគំនិតថ្មីមួយចំនួន។ IN បច្ចុប្បន្នការអភិវឌ្ឍន៍របស់វាកំពុងធ្លាក់ចុះ ដោយផ្តល់មធ្យោបាយដល់ការអនុវត្តនូវលទ្ធផលដែលសម្រេចបានរួចហើយនៅក្នុងផ្នែកផ្សេងទៀតនៃវិទ្យាសាស្ត្រ ឧស្សាហកម្ម អាជីវកម្ម និងសូម្បីតែជីវិតប្រចាំថ្ងៃ។

វិធីសាស្រ្តសិក្សា

មានវិធីសាស្រ្តផ្សេងគ្នាក្នុងការកសាងប្រព័ន្ធ AI ។ នៅពេលនេះ មានវិធីសាស្រ្ត ៤យ៉ាងផ្សេងគ្នា៖

1. វិធីសាស្រ្តឡូជីខល។ មូលដ្ឋានសម្រាប់វិធីសាស្រ្តឡូជីខលគឺពិជគណិតប៊ូលីន។ អ្នកសរសេរកម្មវិធីគ្រប់រូបស្គាល់វា និងជាមួយប្រតិបត្តិករឡូជីខលតាំងពីពេលដែលគាត់បានស្ទាត់ជំនាញប្រតិបត្តិករ IF ។ ពិជគណិតប៊ូលីនបានទទួលការអភិវឌ្ឍន៍បន្ថែមទៀតរបស់ខ្លួនក្នុងទម្រង់នៃការគណនាព្យាករណ៍ - ដែលក្នុងនោះវាត្រូវបានពង្រីកដោយការណែនាំនិមិត្តសញ្ញាប្រធានបទ ទំនាក់ទំនងរវាងពួកវា បរិមាណនៃអត្ថិភាព និងសកល។ ស្ទើរតែគ្រប់ប្រព័ន្ធ AI ដែលបង្កើតឡើងនៅលើគោលការណ៍ឡូជីខលគឺជាម៉ាស៊ីនបង្ហាញទ្រឹស្តីបទ។ ក្នុងករណីនេះ ទិន្នន័យប្រភពត្រូវបានរក្សាទុកក្នុងមូលដ្ឋានទិន្នន័យក្នុងទម្រង់នៃ axioms ក្បួន inference logic ជាទំនាក់ទំនងរវាងពួកវា។ លើសពីនេះ ម៉ាស៊ីននីមួយៗមានអង្គភាពបង្កើតគោលដៅ ហើយប្រព័ន្ធសន្និដ្ឋានព្យាយាមបញ្ជាក់គោលដៅនេះជាទ្រឹស្តីបទ។ ប្រសិនបើគោលដៅត្រូវបានបញ្ជាក់ នោះការតាមដានច្បាប់ដែលបានអនុវត្តអនុញ្ញាតឱ្យយើងទទួលបានខ្សែសង្វាក់នៃសកម្មភាពចាំបាច់ដើម្បីសម្រេចបាននូវគោលដៅ (ប្រព័ន្ធបែបនេះត្រូវបានគេស្គាល់ថាជា ប្រព័ន្ធអ្នកជំនាញ) ថាមពលនៃប្រព័ន្ធបែបនេះត្រូវបានកំណត់ដោយសមត្ថភាពរបស់ម៉ាស៊ីនបង្កើតគោលដៅ និងម៉ាស៊ីនបង្ហាញទ្រឹស្តីបទ។ ទិសដៅថ្មីដែលទាក់ទង ដូចជាតក្កវិជ្ជាមិនច្បាស់ អនុញ្ញាតឱ្យវិធីសាស្រ្តឡូជីខលដើម្បីសម្រេចបាននូវការបញ្ចេញមតិកាន់តែច្រើន។ ភាពខុសគ្នាសំខាន់របស់វាគឺថាការពិតនៃសេចក្តីថ្លែងការណ៍អាចទទួលយកបាន បន្ថែមពីលើបាទ/ទេ (1/0) ក៏តម្លៃមធ្យមផងដែរ - ខ្ញុំមិនដឹង (0.5) អ្នកជំងឺទំនងជានៅរស់ជាងស្លាប់ (0.75 ), អ្នកជំងឺ ជាជាងស្លាប់ជាងនៅរស់ (0.25) ។ វិធីសាស្រ្តនេះគឺស្រដៀងទៅនឹងការគិតរបស់មនុស្ស ព្រោះវាកម្រនឹងឆ្លើយសំណួរដោយគ្រាន់តែបាទ ឬអត់។

2. តាមវិធីសាស្រ្តរចនាសម្ព័ន យើងមានន័យថា នៅទីនេះព្យាយាមបង្កើត AI ដោយយកគំរូតាមរចនាសម្ព័ន្ធនៃខួរក្បាលមនុស្ស។ ការប៉ុនប៉ងលើកដំបូងបែបនេះគឺការយល់ឃើញរបស់ Frank Rosenblatt ។ ឯកតារចនាសម្ព័ន្ធគំរូចម្បងនៅក្នុង perceptrons (ដូចនៅក្នុងជម្រើសគំរូខួរក្បាលផ្សេងទៀត) គឺជាណឺរ៉ូន។ ក្រោយមកម៉ូដែលផ្សេងទៀតបានក្រោកឡើងដែលត្រូវបានគេស្គាល់ថាភាគច្រើននៅក្រោមពាក្យ បណ្តាញសរសៃប្រសាទ(ន.) គំរូទាំងនេះមានភាពខុសប្លែកគ្នានៅក្នុងរចនាសម្ព័ន្ធនៃណឺរ៉ូននីមួយៗនៅក្នុង topology នៃការតភ្ជាប់រវាងពួកវា និងក្នុងការរៀនក្បួនដោះស្រាយ។ ក្នុងចំណោមជម្រើស NN ដ៏ល្បីបំផុតឥឡូវនេះគឺ NNs ដែលមានការផ្សាយឡើងវិញនៃកំហុស បណ្តាញ Hopfield និងបណ្តាញសរសៃប្រសាទ stochastic ។ ក្នុងន័យទូលំទូលាយ វិធីសាស្រ្តនេះត្រូវបានគេស្គាល់ថាជា Connectivism ។

3. វិធីសាស្រ្តវិវត្តន៍។ នៅពេលបង្កើតប្រព័ន្ធ AI ដោយប្រើវិធីសាស្រ្តនេះ ការយកចិត្តទុកដាក់ចម្បងគឺត្រូវបានបង់ទៅលើការកសាងគំរូដំបូង និងច្បាប់ដែលវាអាចផ្លាស់ប្តូរ (វិវត្ត)។ លើសពីនេះទៅទៀត គំរូអាចត្រូវបានចងក្រងដោយប្រើវិធីសាស្រ្តជាច្រើន វាអាចជាបណ្តាញសរសៃប្រសាទ សំណុំនៃក្បួនឡូជីខល ឬគំរូណាមួយផ្សេងទៀត។ បន្ទាប់ពីនោះ យើងបើកកុំព្យូទ័រ ហើយផ្អែកលើការពិនិត្យមើលម៉ូដែល វាជ្រើសរើសអ្វីដែលល្អបំផុត ដោយឈរលើមូលដ្ឋានដែលម៉ូដែលថ្មីត្រូវបានបង្កើតដោយយោងទៅតាមភាពខុសគ្នានៃច្បាប់។ ក្នុងចំណោមក្បួនដោះស្រាយការវិវត្តន៍ ក្បួនដោះស្រាយហ្សែនត្រូវបានចាត់ទុកថាជាបុរាណ។

4. វិធីសាស្រ្តក្លែងធ្វើ។ វិធីសាស្រ្តនេះគឺបុរាណសម្រាប់ cybernetics ជាមួយនឹងគោលគំនិតជាមូលដ្ឋានមួយរបស់វាគឺជាប្រអប់ខ្មៅ។ វត្ថុដែលឥរិយាបថត្រូវបានក្លែងធ្វើគឺពិតជា "ប្រអប់ខ្មៅ" វាមិនសំខាន់ចំពោះយើងទេថាតើវា និងម៉ូដែលមានអ្វីខ្លះនៅខាងក្នុង និងរបៀបដែលវាដំណើរការនោះទេ រឿងសំខាន់គឺថាគំរូរបស់យើងមានឥរិយាបថដូចគ្នាក្នុងស្ថានភាពស្រដៀងគ្នា។ ដូច្នេះ ទ្រព្យសម្បត្តិរបស់មនុស្សមួយទៀតត្រូវបានយកគំរូតាមនៅទីនេះ គឺសមត្ថភាពក្នុងការចម្លងនូវអ្វីដែលអ្នកផ្សេងទៀតធ្វើ ដោយមិនចាំបាច់លម្អិតអំពីមូលហេតុដែលចាំបាច់នោះទេ។ ជាញឹកញយ សមត្ថភាពនេះជួយសន្សំសំចៃពេលវេលាបានច្រើន ជាពិសេសនៅអាយុដំបូងរបស់គាត់។

នៅក្នុងក្របខ័ណ្ឌនៃប្រព័ន្ធឆ្លាតវៃកូនកាត់ ពួកគេកំពុងព្យាយាមបញ្ចូលគ្នានូវតំបន់ទាំងនេះ។ ច្បាប់សន្និដ្ឋានរបស់អ្នកជំនាញអាចត្រូវបានបង្កើតដោយបណ្តាញសរសៃប្រសាទ ហើយច្បាប់បង្កើតត្រូវបានទទួលដោយប្រើការសិក្សាស្ថិតិ។

វិធីសាស្រ្តថ្មីដ៏ជោគជ័យមួយ ហៅថាការពង្រីកបញ្ញា ចាត់ទុកការសម្រេចបាននៃ AI តាមរយៈការអភិវឌ្ឍន៍វិវត្តន៍ ដែលជាផលប៉ះពាល់នៃបច្ចេកវិទ្យាដែលបង្កើនភាពវៃឆ្លាតរបស់មនុស្ស។

ទិសដៅស្រាវជ្រាវ

ការវិភាគប្រវត្តិសាស្រ្តរបស់ AI យើងអាចគូសបញ្ជាក់នូវផ្នែកដ៏ធំទូលាយដូចជាការបង្កើតគំរូហេតុផល។ យូរឆ្នាំការអភិវឌ្ឍន៍នៃវិទ្យាសាស្ត្រនេះបានផ្លាស់ប្តូរយ៉ាងជាក់លាក់តាមគន្លងនេះហើយឥឡូវនេះវាគឺជាផ្នែកមួយក្នុងចំណោមច្រើនបំផុត តំបន់អភិវឌ្ឍន៍នៅក្នុង AI ទំនើប។ គំរូហេតុផលពាក់ព័ន្ធនឹងការបង្កើតប្រព័ន្ធនិមិត្តសញ្ញា ការបញ្ចូលដែលជាបញ្ហាជាក់លាក់មួយ ហើយលទ្ធផលទាមទារដំណោះស្រាយរបស់វា។ តាមក្បួនមួយ បញ្ហាដែលបានស្នើឡើងត្រូវបានរៀបចំជាផ្លូវការរួចហើយ ពោលគឺ បកប្រែទៅជាទម្រង់គណិតវិទ្យា ប៉ុន្តែមិនមានក្បួនដោះស្រាយដំណោះស្រាយ ឬវាស្មុគស្មាញពេក ចំណាយពេលវេលាជាដើម។ វិស័យនេះរួមមានៈ ភស្តុតាងនៃទ្រឹស្តីបទ ការសម្រេចចិត្ត និងទ្រឹស្តីហ្គេម ការធ្វើផែនការ និងការបញ្ជូន ការព្យាករណ៍។

ផ្នែកសំខាន់មួយគឺការកែច្នៃភាសាធម្មជាតិ ដែលពាក់ព័ន្ធនឹងការវិភាគសមត្ថភាពនៃការយល់ដឹង ដំណើរការ និងបង្កើតអត្ថបទជាភាសា "មនុស្ស"។ ជាពិសេសបញ្ហានៃការបកប្រែដោយម៉ាស៊ីននៃអត្ថបទពីភាសាមួយទៅភាសាមួយទៀតមិនទាន់ត្រូវបានដោះស្រាយនៅឡើយ។ នៅក្នុងពិភពសម័យទំនើប ការអភិវឌ្ឍន៍វិធីសាស្រ្តទាញយកព័ត៌មានដើរតួនាទីយ៉ាងសំខាន់។ ដោយធម្មជាតិរបស់វាការធ្វើតេស្ត Turing ដើមគឺទាក់ទងទៅនឹងទិសដៅនេះ។

យោងទៅតាមអ្នកវិទ្យាសាស្ត្រជាច្រើន ទ្រព្យសម្បត្តិដ៏សំខាន់មួយនៃភាពវៃឆ្លាត គឺសមត្ថភាពក្នុងការរៀន។ ដូច្នេះ វិស្វកម្មចំណេះដឹងបានឈានមុខគេ ដោយរួមបញ្ចូលគ្នានូវភារកិច្ចនៃការទទួលបានចំណេះដឹងពីព័ត៌មានសាមញ្ញ ការរៀបចំប្រព័ន្ធ និងការប្រើប្រាស់របស់វា។ ការរីកចម្រើននៅក្នុងតំបន់នេះប៉ះពាល់ដល់ស្ទើរតែគ្រប់ផ្នែកផ្សេងទៀតនៃការស្រាវជ្រាវ AI ។ នៅទីនេះផងដែរ តំបន់រងសំខាន់ពីរមិនអាចមើលរំលងបានទេ។ ទីមួយនៃពួកគេ - ការរៀនម៉ាស៊ីន - ទាក់ទងនឹងដំណើរការនៃការទទួលបានចំណេះដឹងដោយឯករាជ្យដោយប្រព័ន្ធឆ្លាតវៃនៅក្នុងដំណើរការនៃប្រតិបត្តិការរបស់វា។ ទីពីរត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងការបង្កើតប្រព័ន្ធអ្នកជំនាញ - កម្មវិធីដែលប្រើមូលដ្ឋានចំណេះដឹងឯកទេសដើម្បីទទួលបានការសន្និដ្ឋានដែលអាចទុកចិត្តបានលើបញ្ហាណាមួយ។

ធំនិង សមិទ្ធិផលគួរឱ្យចាប់អារម្មណ៍មាននៅក្នុងវាលនៃគំរូប្រព័ន្ធជីវសាស្រ្ត។ និយាយយ៉ាងតឹងរឹង នេះអាចរួមបញ្ចូលទិសដៅឯករាជ្យមួយចំនួន។ បណ្តាញសរសៃប្រសាទត្រូវបានប្រើដើម្បីដោះស្រាយ fuzzy និង បញ្ហាស្មុគស្មាញដូចជាការទទួលស្គាល់រាងធរណីមាត្រ ឬការចង្កោមវត្ថុ។ វិធីសាស្រ្តហ្សែនគឺផ្អែកលើគំនិតដែលថាក្បួនដោះស្រាយមួយអាចកាន់តែមានប្រសិទ្ធភាពប្រសិនបើវាខ្ចីលក្ខណៈប្រសើរជាងមុនពីក្បួនដោះស្រាយផ្សេងទៀត ("ឪពុកម្តាយ")។ វិធីសាស្រ្តថ្មីមួយដែលភារកិច្ចគឺដើម្បីបង្កើតកម្មវិធីស្វយ័ត - ភ្នាក់ងារដែលមានអន្តរកម្មជាមួយបរិយាកាសខាងក្រៅត្រូវបានគេហៅថាវិធីសាស្រ្តភ្នាក់ងារ។ ហើយប្រសិនបើអ្នកបង្ខំភ្នាក់ងារ "មិនឆ្លាតវៃ" ជាច្រើនឱ្យធ្វើអន្តរកម្មជាមួយគ្នាបានត្រឹមត្រូវ អ្នកអាចទទួលបានភាពវៃឆ្លាត "ស្រមោច" ។

បញ្ហាការទទួលស្គាល់លំនាំត្រូវបានដោះស្រាយមួយផ្នែករួចហើយនៅក្នុងតំបន់ផ្សេងទៀត។ នេះរួមបញ្ចូលទាំងការស្គាល់តួអក្សរ អត្ថបទសរសេរដោយដៃ ការនិយាយ និងការវិភាគអត្ថបទ។ ជាពិសេសគួរឱ្យកត់សម្គាល់គឺចក្ខុវិស័យកុំព្យូទ័រដែលទាក់ទងនឹងការរៀនម៉ាស៊ីននិងមនុស្សយន្ត។

ជាទូទៅ មនុស្សយន្ត និងបញ្ញាសិប្បនិមិត្ត តែងតែមានទំនាក់ទំនងគ្នាទៅវិញទៅមក។ ការរួមបញ្ចូលគ្នានៃវិទ្យាសាស្ត្រទាំងពីរនេះ ការបង្កើតមនុស្សយន្តឆ្លាតវៃអាចចាត់ទុកថាជាផ្នែកមួយទៀតនៃ AI ។

ការច្នៃប្រឌិតរបស់ម៉ាស៊ីននៅដាច់ពីគ្នា ដោយសារតែធម្មជាតិនៃការច្នៃប្រឌិតរបស់មនុស្សត្រូវបានសិក្សាតិចជាងធម្មជាតិនៃបញ្ញា។ ទោះយ៉ាងណាក៏ដោយ តំបន់នេះមាន ហើយបញ្ហានៃការសរសេរកុំព្យូទ័រ តន្ត្រី ស្នាដៃអក្សរសាស្ត្រ (ជាញឹកញាប់កំណាព្យ ឬរឿងនិទាន) និងការបង្កើតសិល្បៈត្រូវបានលើកឡើងនៅទីនេះ។

ទីបំផុត មានកម្មវិធីជាច្រើននៃបញ្ញាសិប្បនិមិត្ត ដែលនីមួយៗបង្កើតបានជាទិសដៅឯករាជ្យស្ទើរតែទាំងស្រុង។ ឧទាហរណ៏រួមមានការសរសេរកម្មវិធីឆ្លាតវៃនៅក្នុងហ្គេមកុំព្យូទ័រ ការគ្រប់គ្រងមិនមែនលីនេអ៊ែរ និងប្រព័ន្ធសុវត្ថិភាពឆ្លាតវៃ។

វាអាចត្រូវបានគេមើលឃើញថាផ្នែកជាច្រើននៃការស្រាវជ្រាវត្រួតលើគ្នា។ នេះជារឿងធម្មតាសម្រាប់វិទ្យាសាស្ត្រណាមួយ។ ប៉ុន្តែនៅក្នុងបញ្ញាសិប្បនិមិត្ត ទំនាក់ទំនងរវាងផ្នែកដែលហាក់ដូចជាខុសគ្នាគឺខ្លាំងជាពិសេស ហើយនេះត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងការជជែកវែកញែកទស្សនវិជ្ជាអំពី AI ខ្លាំង និងខ្សោយ។

នៅដើមសតវត្សទី 17 Rene Descartes បានផ្តល់យោបល់ថាសត្វគឺជាប្រភេទនៃយន្តការដ៏ស្មុគស្មាញមួយដោយហេតុនេះបង្កើតទ្រឹស្ដីមេកានិចមួយ។ នៅឆ្នាំ 1623 Wilhelm Schickard បានបង្កើតកុំព្យូទ័រឌីជីថលមេកានិចដំបូងគេ បន្ទាប់មកម៉ាស៊ីនដោយ Blaise Pascal (1643) និង Leibniz (1671) ។ Leibniz ក៏ជាមនុស្សដំបូងគេដែលពិពណ៌នាអំពីប្រព័ន្ធលេខគោលពីរទំនើប ទោះបីជាពីមុនគាត់មានអ្នកវិទ្យាសាស្ត្រដ៏អស្ចារ្យជាច្រើនបានចាប់អារម្មណ៍លើប្រព័ន្ធនេះជាទៀងទាត់ក៏ដោយ។ នៅសតវត្សរ៍ទី 19 Charles Babbage និង Ada Lovelace បានធ្វើការលើកុំព្យូទ័រមេកានិចដែលអាចសរសេរកម្មវិធីបាន។

នៅឆ្នាំ ១៩១០-១៩១៣ Bertrand Russell និង A. N. Whitehead បានបោះពុម្ព គោលការណ៍គណិតវិទ្យា ដែលបានធ្វើបដិវត្តន៍ តក្កវិជ្ជាផ្លូវការ. នៅឆ្នាំ 1941 Konrad Zuse បានបង្កើតកុំព្យូទ័រដែលគ្រប់គ្រងដោយកម្មវិធីដំបូងគេ។ Warren McCulloch និង Walter Pitts បានបោះពុម្ព A Logical Calculus of the Ideas Immanent in Nervous Activity ក្នុងឆ្នាំ 1943 ដែលបានបង្កើតមូលដ្ឋានគ្រឹះសម្រាប់បណ្តាញសរសៃប្រសាទ។

ស្ថានភាពបច្ចុប្បន្ន

នៅពេលនេះ (២០០៨) ក្នុងការបង្កើតបញ្ញាសិប្បនិមិត្ត (ក្នុងន័យដើមនៃពាក្យ ប្រព័ន្ធអ្នកជំនាញ និងកម្មវិធីអុកមិនមែនជាកម្មសិទ្ធិនៅទីនេះទេ) មានការខ្វះខាតនៃគំនិត។ វិធីសាស្រ្តស្ទើរតែទាំងអស់ត្រូវបានសាកល្បង ប៉ុន្តែមិនមានក្រុមស្រាវជ្រាវតែមួយបានចូលទៅជិតការលេចឡើងនៃបញ្ញាសិប្បនិម្មិតនោះទេ។

ប្រព័ន្ធ AI ស៊ីវិលគួរឱ្យចាប់អារម្មណ៍បំផុតមួយចំនួនគឺ:

ពណ៌ខៀវជ្រៅ - បានយកឈ្នះជើងឯកអុកពិភពលោក។ (ការប្រកួតរវាង Kasparov និង Supercomputers មិនបាននាំមកនូវការពេញចិត្តដល់អ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ ឬអ្នកលេងអុកនោះទេ ហើយប្រព័ន្ធនេះមិនត្រូវបានទទួលស្គាល់ដោយ Kasparov ទោះបីជាកម្មវិធីអុកតូចដើមគឺជាធាតុសំខាន់នៃការច្នៃប្រឌិតអុកក៏ដោយ។ បន្ទាប់មកបន្ទាត់ IBM នៃ supercomputers បានបង្ហាញខ្លួននៅក្នុង The brute force project BluGene (molecular modeling) and modeling of the pyramidal cell system in Swiss Blue Brain Center រឿងនេះគឺជាឧទាហរណ៍នៃទំនាក់ទំនងដ៏ស្មុគ្រស្មាញ និងសម្ងាត់រវាង AI អាជីវកម្ម និងគោលបំណងយុទ្ធសាស្ត្រជាតិ។)

Mycin គឺជាប្រព័ន្ធអ្នកជំនាញដំបូងបង្អស់ ដែលអាចធ្វើរោគវិនិច្ឆ័យជំងឺមួយចំនួនតូច ជាញឹកញាប់បានត្រឹមត្រូវដូចវេជ្ជបណ្ឌិត។

20q គឺជាគម្រោងដែលផ្អែកលើគំនិត AI ដោយផ្អែកលើហ្គេមបុរាណ “20 Questions”។ វាបានក្លាយជាការពេញនិយមយ៉ាងខ្លាំងបន្ទាប់ពីបានបង្ហាញខ្លួននៅលើអ៊ីនធឺណិតនៅលើគេហទំព័រ 20q.net ។

ការទទួលស្គាល់ការនិយាយ។ ប្រព័ន្ធដូចជា ViaVoice មានសមត្ថភាពបម្រើអតិថិជន។

មនុស្សយន្តប្រកួតប្រជែងក្នុងទម្រង់សាមញ្ញនៃបាល់ទាត់ក្នុងការប្រកួត RoboCup ប្រចាំឆ្នាំ។

ការអនុវត្ត AI

ធនាគារប្រើប្រាស់ប្រព័ន្ធបញ្ញាសិប្បនិមិត្ត (AI) ក្នុងសកម្មភាពធានារ៉ាប់រង (គណិតវិទ្យាជាក់ស្តែង) នៅពេលលេងនៅផ្សារហ៊ុន និងការគ្រប់គ្រងអចលនទ្រព្យ។ នៅខែសីហា ឆ្នាំ 2001 មនុស្សយន្តបានផ្តួលមនុស្សក្នុងការប្រកួតប្រជែងពាណិជ្ជកម្មភ្លាមៗ (BBC News, 2001) ។ វិធីសាស្ត្រសម្គាល់លំនាំ (រួមទាំងបណ្តាញដែលស្មុគស្មាញ និងឯកទេស និងបណ្តាញសរសៃប្រសាទ) ត្រូវបានគេប្រើយ៉ាងទូលំទូលាយក្នុងការទទួលស្គាល់ដោយអុបទិក និងសូរស័ព្ទ (រួមទាំងអត្ថបទ និងការនិយាយ) ការវិនិច្ឆ័យវេជ្ជសាស្ត្រ តម្រងសារឥតបានការ នៅក្នុងប្រព័ន្ធការពារអាកាស (ការកំណត់អត្តសញ្ញាណគោលដៅ) និងដើម្បីធានាបាននូវចំនួនផងដែរ។ នៃការងារសន្តិសុខជាតិផ្សេងទៀត។

អ្នកបង្កើតហ្គេមកុំព្យូទ័រត្រូវបានបង្ខំឱ្យប្រើ AI ដែលមានកម្រិតនៃភាពទំនើបខុសៗគ្នា។ ភារកិច្ច AI ស្តង់ដារនៅក្នុងហ្គេមកំពុងស្វែងរកផ្លូវក្នុង 2D ឬ លំហបីវិមាត្រការធ្វើត្រាប់តាមឥរិយាបទរបស់អង្គភាពប្រយុទ្ធ ការគណនាយុទ្ធសាស្ត្រសេដ្ឋកិច្ចត្រឹមត្រូវ ហើយដូច្នេះនៅលើ។

ការរំពឹងទុកសម្រាប់ AI

ទិសដៅពីរនៃការអភិវឌ្ឍន៍ AI អាចមើលឃើញ៖

ទីមួយគឺការដោះស្រាយបញ្ហាដែលទាក់ទងនឹងការនាំយកប្រព័ន្ធ AI ឯកទេសឱ្យកាន់តែជិតទៅនឹងសមត្ថភាពរបស់មនុស្ស និងការរួមបញ្ចូលរបស់ពួកគេ ដែលត្រូវបានដឹងដោយធម្មជាតិរបស់មនុស្ស។

ទីពីរគឺការបង្កើតបញ្ញាសិប្បនិម្មិត ដែលតំណាងឱ្យការរួមបញ្ចូលប្រព័ន្ធ AI ដែលបានបង្កើតរួចហើយទៅក្នុងប្រព័ន្ធតែមួយដែលមានសមត្ថភាពដោះស្រាយបញ្ហារបស់មនុស្សជាតិ។

ទំនាក់ទំនងជាមួយវិទ្យាសាស្ត្រផ្សេងៗ

បញ្ញាសិប្បនិម្មិតគឺទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹង transhumanism ។ ហើយរួមគ្នាជាមួយនឹង សរីរវិទ្យា និងចិត្តវិទ្យានៃការយល់ដឹង វាបង្កើតជាវិទ្យាសាស្ត្រទូទៅ ហៅថា វិទ្យាសាស្ត្រការយល់ដឹង។ ទស្សនវិជ្ជាដើរតួនាទីពិសេសនៅក្នុងបញ្ញាសិប្បនិម្មិត។

សំណួរទស្សនវិជ្ជា

វិទ្យាសាស្រ្តនៃ "ការបង្កើតបញ្ញាសិប្បនិម្មិត" មិនអាចជួយបាន ប៉ុន្តែទាក់ទាញចំណាប់អារម្មណ៍របស់ទស្សនវិទូ។ ជាមួយនឹងវត្តមាននៃប្រព័ន្ធឆ្លាតវៃដំបូងគេ សំណួរជាមូលដ្ឋានអំពីមនុស្ស និងចំណេះដឹង និងមួយផ្នែកអំពីសណ្តាប់ធ្នាប់ពិភពលោកត្រូវបានលើកឡើង។ ម៉្យាងវិញទៀត ពួកវាមានទំនាក់ទំនងគ្នាយ៉ាងវិសេសវិសាលជាមួយនឹងវិទ្យាសាស្ត្រនេះ ហើយម្យ៉ាងវិញទៀត ពួកគេបានបង្ហាញពីភាពវឹកវរខ្លះៗទៅក្នុងវា។ ក្នុងចំណោមអ្នកស្រាវជ្រាវ AI នៅតែមិនមានទស្សនៈលេចធ្លោលើលក្ខណៈវិនិច្ឆ័យនៃភាពវៃឆ្លាត ការរៀបចំជាប្រព័ន្ធនៃគោលដៅ និងភារកិច្ចដែលត្រូវដោះស្រាយនោះទេ វាមិនមានសូម្បីតែនិយមន័យដ៏តឹងរឹងនៃវិទ្យាសាស្ត្រ។

តើម៉ាស៊ីនអាចគិតបានទេ?

ការជជែកវែកញែកដ៏ក្តៅគគុកបំផុតនៅក្នុងទស្សនវិជ្ជានៃបញ្ញាសិប្បនិម្មិតគឺជាសំណួរអំពីលទ្ធភាពនៃការគិតដែលបង្កើតឡើងដោយដៃមនុស្ស។ សំណួរ "តើម៉ាស៊ីនអាចគិតបានទេ?" ដែលបានជំរុញឱ្យអ្នកស្រាវជ្រាវបង្កើតវិទ្យាសាស្ត្រនៃការក្លែងធ្វើចិត្តមនុស្សត្រូវបានចោទឡើងដោយ Alan Turing ក្នុងឆ្នាំ 1950 ។ ទស្សនៈសំខាន់ពីរលើបញ្ហានេះត្រូវបានគេហៅថាសម្មតិកម្មនៃភាពវៃឆ្លាតសិប្បនិម្មិតខ្លាំង និងខ្សោយ។

ពាក្យថា "ប្រាជ្ញាសិប្បនិម្មិតដ៏រឹងមាំ" ត្រូវបានណែនាំដោយលោក John Searle ហើយវិធីសាស្រ្តត្រូវបានកំណត់លក្ខណៈនៅក្នុងពាក្យរបស់គាត់:

“លើសពីនេះទៅទៀត កម្មវិធីបែបនេះមិនគ្រាន់តែជាគំរូនៃចិត្តប៉ុណ្ណោះទេ។ នាងក្នុងន័យត្រង់នៃពាក្យ ខ្លួននាងនឹងជាចិត្ត ក្នុងន័យដូចគ្នាដែលក្នុងនោះ ចិត្តមនុស្ស- នេះគឺជាចិត្ត។

ផ្ទុយទៅវិញ អ្នកគាំទ្រ AI ខ្សោយចូលចិត្តមើលកម្មវិធីតែជាឧបករណ៍ដែលអនុញ្ញាតឱ្យពួកគេដោះស្រាយបញ្ហាមួយចំនួនដែលមិនត្រូវការសមត្ថភាពយល់ដឹងពេញលេញរបស់មនុស្ស។

នៅក្នុងការពិសោធន៍គំនិត "បន្ទប់ចិន" របស់គាត់ លោក John Searle បង្ហាញថាការឆ្លងកាត់ការធ្វើតេស្ត Turing មិនមែនជាលក្ខណៈវិនិច្ឆ័យសម្រាប់ម៉ាស៊ីនដើម្បីឱ្យមានដំណើរការហេតុផលពិតប្រាកដនោះទេ។

ការគិតគឺជាដំណើរការនៃការដំណើរការព័ត៌មានដែលរក្សាទុកក្នុងសតិ៖ ការវិភាគ ការសំយោគ និងការសរសេរកម្មវិធីដោយខ្លួនឯង។

ជំហរស្រដៀងគ្នានេះត្រូវបានយកដោយ Roger Penrose ដែលនៅក្នុងសៀវភៅរបស់គាត់ "The King's New Mind" ជជែកអំពីភាពមិនអាចទៅរួចនៃការទទួលបានដំណើរការគិតដោយផ្អែកលើប្រព័ន្ធផ្លូវការ។

មានទស្សនៈផ្សេងគ្នាលើបញ្ហានេះ។ វិធីសាស្រ្តវិភាគពាក់ព័ន្ធនឹងការវិភាគនៃសកម្មភាពសរសៃប្រសាទខ្ពស់របស់មនុស្សម្នាក់ទៅកម្រិតទាបបំផុតដែលមិនអាចបំបែកបាន (មុខងារនៃសកម្មភាពសរសៃប្រសាទខ្ពស់ប្រតិកម្មបឋមទៅនឹងការឆាប់ខឹងខាងក្រៅ (រំញោច) ការរលាកនៃសរសៃប្រសាទនៃសំណុំសរសៃប្រសាទដែលភ្ជាប់ដោយមុខងារ) និង ការបន្តពូជជាបន្តបន្ទាប់នៃមុខងារទាំងនេះ។

អ្នកជំនាញខ្លះច្រឡំសមត្ថភាពនៃជម្រើសសមហេតុផល និងលើកទឹកចិត្តក្នុងលក្ខខណ្ឌនៃការខ្វះព័ត៌មានសម្រាប់ភាពឆ្លាតវៃ។ នោះគឺកម្មវិធីបញ្ញាត្រូវបានចាត់ទុកថាជាកម្មវិធីនៃសកម្មភាពនោះ (មិនចាំបាច់អនុវត្តលើកុំព្យូទ័រទំនើបទេ) ដែលអាចជ្រើសរើសពីជម្រើសមួយចំនួន ឧទាហរណ៍ កន្លែងដែលត្រូវទៅ ក្នុងករណី "អ្នកនឹងទៅខាងឆ្វេង .. ", "អ្នកនឹងទៅត្រូវ ... ", "អ្នកនឹងទៅត្រង់ ... "

វិទ្យាសាស្ត្រនៃចំណេះដឹង

ដូចគ្នានេះផងដែរ epistemology - វិទ្យាសាស្រ្តនៃចំណេះដឹងនៅក្នុងក្របខ័ណ្ឌនៃទស្សនវិជ្ជា - ត្រូវបានទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងបញ្ហានៃបញ្ញាសិប្បនិម្មិត។ ទស្សនវិទូដែលធ្វើការលើប្រធានបទនេះកំពុងប្រឈមមុខនឹងសំណួរស្រដៀងនឹងសំណួរដែលប្រឈមមុខដោយវិស្វករ AI អំពីរបៀបដែលល្អបំផុតក្នុងការតំណាង និងប្រើប្រាស់ចំណេះដឹង និងព័ត៌មាន។

អាកប្បកិរិយាចំពោះ AI នៅក្នុងសង្គម

AI និងសាសនា

ក្នុងចំណោមអ្នកកាន់សាសនាអ័ប្រាហាំ មានទស្សនៈជាច្រើនអំពីលទ្ធភាពនៃការបង្កើត AI ដោយផ្អែកលើវិធីសាស្រ្តរចនាសម្ព័ន្ធ។

យោងទៅតាមម្នាក់ក្នុងចំណោមពួកគេ ខួរក្បាលដែលប្រព័ន្ធធ្វើការកំពុងព្យាយាមយកតម្រាប់តាមគំនិតរបស់ពួកគេ មិនចូលរួមក្នុងដំណើរការគិត មិនមែនជាប្រភពនៃស្មារតី និងសកម្មភាពផ្លូវចិត្តផ្សេងទៀតទេ។ ការបង្កើត AI ដោយផ្អែកលើវិធីសាស្រ្តដែលមានរចនាសម្ព័ន្ធគឺមិនអាចទៅរួចទេ។

យោងតាមទស្សនៈមួយផ្សេងទៀត ខួរក្បាលត្រូវបានចូលរួមនៅក្នុងដំណើរការនៃការគិត ប៉ុន្តែនៅក្នុងទម្រង់នៃ "អ្នកបញ្ជូន" នៃព័ត៌មានពីព្រលឹង។ ខួរក្បាលទទួលខុសត្រូវចំពោះមុខងារ "សាមញ្ញ" ដូចជាការឆ្លុះបញ្ចាំងដោយគ្មានលក្ខខណ្ឌ ការឆ្លើយតបទៅនឹងការឈឺចាប់ជាដើម។ ការបង្កើត AI ដោយផ្អែកលើវិធីសាស្រ្តរចនាសម្ព័ន្ធគឺអាចធ្វើទៅបានប្រសិនបើប្រព័ន្ធដែលត្រូវបានរចនាឡើងអាចអនុវត្តមុខងារ "ផ្ទេរ" ។

មុខតំណែងទាំងពីរនេះមិនត្រូវគ្នានឹងទិន្នន័យនៃវិទ្យាសាស្ត្រទំនើបទេ ពីព្រោះ គំនិតនៃព្រលឹងមិនត្រូវបានពិចារណាទេ។ វិទ្យាសាស្ត្រទំនើបជាប្រភេទវិទ្យាសាស្ត្រ។

យោងទៅតាមពុទ្ធសាសនិកជាច្រើន AI គឺអាចធ្វើទៅបាន។ ដូច្នេះ អ្នកដឹកនាំខាងវិញ្ញាណសម្តេចសង្ឃដាឡៃឡាម៉ាទី 14 មិនរាប់បញ្ចូលលទ្ធភាពនៃអត្ថិភាពនៃស្មារតីនៅលើមូលដ្ឋានកុំព្យូទ័រទេ។

Raelites គាំទ្រយ៉ាងសកម្មនូវការអភិវឌ្ឍន៍ក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត។

AI និងប្រឌិតវិទ្យាសាស្រ្ត

នៅក្នុងអក្សរសិល្ប៍ប្រឌិតបែបវិទ្យាសាស្ត្រ AI ត្រូវបានបង្ហាញជាញឹកញាប់បំផុតថាជាកម្លាំងដែលប៉ុនប៉ងផ្តួលរំលំអំណាចរបស់មនុស្ស (Omnius, HAL 9000, Skynet, Colossus, The Matrix, and the Replicant) ឬមនុស្សបម្រើមនុស្ស (C-3PO, Data, KITT, និង KARR, Bicentennial Man) ។ ភាពជៀសមិនរួចនៃការត្រួតត្រាលើពិភពលោកដោយ AI ដែលចេញពីការគ្រប់គ្រងត្រូវបានជំទាស់ដោយអ្នកនិពន្ធប្រឌិតបែបវិទ្យាសាស្ត្រដូចជា Isaac Asimov និង Kevin Warwick ។

ចក្ខុវិស័យចង់ដឹងចង់ឃើញអំពីអនាគតត្រូវបានបង្ហាញនៅក្នុងប្រលោមលោក "The Turing Selection" ដោយអ្នកនិពន្ធប្រឌិតវិទ្យាសាស្រ្ត Harry Garrison និងអ្នកវិទ្យាសាស្ត្រ Marvin Minsky ។ អ្នកនិពន្ធពិភាក្សាអំពីប្រធានបទនៃការបាត់បង់មនុស្សជាតិនៅក្នុងមនុស្សម្នាក់ដែលខួរក្បាលរបស់កុំព្យូទ័រត្រូវបានបញ្ចូល ហើយការទទួលបានមនុស្សជាតិដោយម៉ាស៊ីន AI ដែលព័ត៌មានការចងចាំពីខួរក្បាលរបស់មនុស្សត្រូវបានចម្លង។

អ្នកនិពន្ធរឿងប្រឌិតបែបវិទ្យាសាស្ត្រមួយចំនួនដូចជា Vernor Vinge ក៏បានប៉ាន់ស្មានអំពីផលប៉ះពាល់នៃការលេចឡើងនៃ AI ដែលទំនងជាបណ្តាលឱ្យមានការផ្លាស់ប្តូរយ៉ាងខ្លាំងនៅក្នុងសង្គម។ រយៈពេលនេះត្រូវបានគេហៅថា ឯកវចនៈបច្ចេកវិទ្យា។

និយមន័យនៃបញ្ញាសិប្បនិមិត្តដែលបានលើកឡើងនៅក្នុងបុព្វកថា ដែលផ្តល់ដោយលោក John McCarthy ក្នុងឆ្នាំ 1956 នៅក្នុងសន្និសីទនៅសាកលវិទ្យាល័យ Dartmouth មិនទាក់ទងដោយផ្ទាល់ទៅនឹងការយល់ដឹងអំពីភាពវៃឆ្លាតរបស់មនុស្សនោះទេ។ យោងតាមលោក McCarthy អ្នកស្រាវជ្រាវ AI មានសេរីភាពក្នុងការប្រើបច្ចេកទេសដែលមិនបានឃើញនៅក្នុងមនុស្សប្រសិនបើចាំបាច់ដើម្បីដោះស្រាយបញ្ហាជាក់លាក់។

ក្នុងពេលជាមួយគ្នានេះដែរ មានទស្សនៈមួយដែលយោងទៅតាមការឆ្លាតវៃអាចគ្រាន់តែជាបាតុភូតជីវសាស្ត្រប៉ុណ្ណោះ។

ដូចដែលប្រធានសាខា St. Petersburg ចង្អុលបង្ហាញ សមាគមរុស្ស៊ីបញ្ញាសិប្បនិម្មិត T.A. Gavrilova, in ភាសាអង់គ្លេសឃ្លា បញ្ញាសិប្បនិម្មិតមិនមានសម្លេងអសុរសដ៏អស្ចារ្យដែលវាទទួលបាននៅក្នុងការបកប្រែជាភាសារុស្សីដែលមិនជោគជ័យនោះទេ។ ពាក្យ បញ្ញាមានន័យថា "សមត្ថភាពក្នុងការវែកញែកដោយសមហេតុផល" ហើយមិនមែនទាល់តែសោះ "ភាពវៃឆ្លាត" ដែលមាន analogue ភាសាអង់គ្លេស បញ្ញា .

អ្នកចូលរួមនៃសមាគមបញ្ញាសិប្បនិម្មិតរុស្ស៊ីផ្តល់និយមន័យដូចខាងក្រោមនៃបញ្ញាសិប្បនិម្មិត៖

និយមន័យជាក់លាក់មួយនៃបញ្ញា ដែលជារឿងធម្មតាសម្រាប់មនុស្ស និង "ម៉ាស៊ីន" អាចត្រូវបានបង្កើតដូចខាងក្រោមៈ "ភាពវៃឆ្លាតគឺជាសមត្ថភាពនៃប្រព័ន្ធបង្កើតកម្មវិធី (ជាចម្បង) កំឡុងពេលរៀនដោយខ្លួនឯងដើម្បីដោះស្រាយបញ្ហានៃថ្នាក់ជាក់លាក់នៃភាពស្មុគស្មាញ។ និងដោះស្រាយបញ្ហាទាំងនេះ”។

តម្រូវការជាមុនសម្រាប់ការអភិវឌ្ឍវិទ្យាសាស្ត្របញ្ញាសិប្បនិម្មិត

ប្រវត្តិនៃបញ្ញាសិប្បនិមិត្ត ជាទិសដៅវិទ្យាសាស្ត្រថ្មី ចាប់ផ្តើមនៅពាក់កណ្តាលសតវត្សរ៍ទី២០។ មកដល់ពេលនេះ តម្រូវការជាមុនជាច្រើនសម្រាប់ប្រភពដើមរបស់វាត្រូវបានបង្កើតឡើងរួចហើយ៖ ក្នុងចំណោមទស្សនវិទូមានការជជែកវែកញែកជាយូរមកហើយអំពីធម្មជាតិរបស់មនុស្ស និងដំណើរការនៃការយល់ដឹងអំពីពិភពលោក អ្នកជំនាញផ្នែកសរសៃប្រសាទ និងចិត្តវិទូបានបង្កើតទ្រឹស្តីមួយចំនួនទាក់ទងនឹងការងាររបស់ខួរក្បាលមនុស្ស។ និងការគិត សេដ្ឋវិទូ និងគណិតវិទូបានសួរសំណួរអំពីការគណនាដ៏ល្អប្រសើរ និងការបង្ហាញចំណេះដឹងអំពីពិភពលោកក្នុងទម្រង់ផ្លូវការមួយ។ ទីបំផុតមូលដ្ឋានគ្រឹះនៃទ្រឹស្តីគណិតវិទ្យានៃការគណនា - ទ្រឹស្តីនៃក្បួនដោះស្រាយ - បានកើតហើយកុំព្យូទ័រដំបូងត្រូវបានបង្កើតឡើង។

សមត្ថភាពរបស់ម៉ាស៊ីនថ្មីទាក់ទងនឹងល្បឿនកុំព្យូទ័របានប្រែទៅជាធំជាងមនុស្ស ដូច្នេះសំណួរបានកើតឡើងនៅក្នុងសហគមន៍វិទ្យាសាស្ត្រ៖ តើសមត្ថភាពកុំព្យូទ័រមានដែនកំណត់អ្វីខ្លះ ហើយម៉ាស៊ីននឹងឈានដល់កម្រិតនៃការអភិវឌ្ឍន៍មនុស្ស? នៅឆ្នាំ 1950 អ្នកត្រួសត្រាយផ្លូវម្នាក់ក្នុងវិស័យកុំព្យូទ័រ អ្នកវិទ្យាសាស្ត្រជនជាតិអង់គ្លេស Alan Turing បានសរសេរអត្ថបទមួយដែលមានចំណងជើងថា "តើម៉ាស៊ីនអាចគិតបានទេ?" ដែលពិពណ៌នាអំពីនីតិវិធីដែលវានឹងអាចកំណត់ពីពេលដែលម៉ាស៊ីនមួយក្លាយជាមនុស្សស្មើនឹងមនុស្សក្នុងលក្ខខណ្ឌនៃភាពវៃឆ្លាត ហៅថាការធ្វើតេស្ត Turing ។

ប្រវត្តិនៃការអភិវឌ្ឍន៍បញ្ញាសិប្បនិម្មិតនៅសហភាពសូវៀត និងរុស្ស៊ី

នៅសហភាពសូវៀតការងារក្នុងវិស័យបញ្ញាសិប្បនិមិត្តបានចាប់ផ្តើមនៅក្នុងទសវត្សរ៍ឆ្នាំ 1960 ។ ការសិក្សាត្រួសត្រាយជាច្រើនត្រូវបានអនុវត្តនៅសាកលវិទ្យាល័យ Moscow និងបណ្ឌិត្យសភាវិទ្យាសាស្ត្រដែលដឹកនាំដោយ Veniamin Pushkin និង D. A. Pospelov ។ ចាប់តាំងពីដើមទសវត្សរ៍ឆ្នាំ 1960 លោក M. L. Tsetlin និងសហការីរបស់គាត់បាននិងកំពុងបង្កើតបញ្ហាទាក់ទងនឹងការបណ្តុះបណ្តាលម៉ាស៊ីនរដ្ឋដែលកំណត់។

នៅឆ្នាំ 1964 ការងាររបស់អ្នកតក្កវិជ្ជា Leningrad លោក Sergei Maslov "វិធីសាស្ត្របញ្ច្រាសសម្រាប់ការបង្កើតផលចំណេញក្នុងការគណនាទស្សន៍ទាយបុរាណ" ត្រូវបានបោះពុម្ព ដែលក្នុងនោះគាត់គឺជាមនុស្សដំបូងគេដែលស្នើវិធីសាស្រ្តសម្រាប់ការស្វែងរកភស្តុតាងនៃទ្រឹស្តីបទនៅក្នុងការគណនាទស្សន៍ទាយដោយស្វ័យប្រវត្តិ។

រហូតដល់ទសវត្សរ៍ឆ្នាំ 1970 នៅសហភាពសូវៀត ការស្រាវជ្រាវ AI ទាំងអស់ត្រូវបានអនុវត្តនៅក្នុងក្របខ័ណ្ឌនៃ cybernetics ។ យោងតាមលោក D. A. Pospelov វិទ្យាសាស្ត្រ "វិទ្យាសាស្ត្រកុំព្យូទ័រ" និង "អ៊ីនធឺណិត" ត្រូវបានលាយបញ្ចូលគ្នានៅពេលនោះដោយសារតែជម្លោះសិក្សាមួយចំនួន។ មានតែនៅចុងទសវត្សឆ្នាំ 1970 នៅសហភាពសូវៀតប៉ុណ្ណោះដែលពួកគេបានចាប់ផ្តើមនិយាយអំពីទិសដៅវិទ្យាសាស្ត្រ "បញ្ញាសិប្បនិម្មិត" ដែលជាសាខានៃវិទ្យាសាស្ត្រកុំព្យូទ័រ។ ក្នុងពេលជាមួយគ្នានោះ វិទ្យាសាស្ត្រកុំព្យូទ័រខ្លួនឯងបានកើតមកក្រោមការដឹកនាំរបស់បុព្វបុរសរបស់ខ្លួន "cybernetics" ។ នៅចុងទសវត្សរ៍ឆ្នាំ 1970 វាត្រូវបានបង្កើតឡើង វចនានុក្រមលើ បញ្ញាសិប្បនិមិត្ត សៀវភៅយោងបីភាគ ស្តីពីបញ្ញាសិប្បនិម្មិត និង វចនានុក្រមសព្វវចនាធិប្បាយនៅក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រ ដែលផ្នែក "Cybernetics" និង " បញ្ញាសិប្បនិម្មិត"ត្រូវបានរួមបញ្ចូល រួមជាមួយនឹងផ្នែកផ្សេងទៀត នៅក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រ។ ពាក្យ "វិទ្យាសាស្ត្រកុំព្យូទ័រ" បានរីករាលដាលនៅក្នុងទសវត្សរ៍ឆ្នាំ 1980 ហើយពាក្យ "cybernetics" បានបាត់បន្តិចម្តង ៗ ពីការចរាចរដោយនៅសល់តែនៅក្នុងឈ្មោះស្ថាប័នទាំងនោះដែលកើតឡើងក្នុងកំឡុងសម័យនៃ "ការរីកចំរើនតាមអ៊ីនធឺណិត" នៃចុងទសវត្សរ៍ឆ្នាំ 1950 - ដើមទសវត្សរ៍ឆ្នាំ 1960 ។ ទិដ្ឋភាពនៃបញ្ញាសិប្បនិមិត្ត អ៊ីនធឺណិត និងវិទ្យាសាស្ត្រកុំព្យូទ័រ មិនត្រូវបានចែករំលែកដោយមនុស្សគ្រប់គ្នាទេ។ នេះគឺដោយសារតែការពិតដែលថានៅភាគខាងលិចព្រំដែននៃវិទ្យាសាស្រ្តទាំងនេះគឺខុសគ្នាបន្តិច។

វិធីសាស្រ្តនិងទិសដៅ

វិធីសាស្រ្តដើម្បីយល់ពីបញ្ហា

មិនមានចម្លើយតែមួយចំពោះសំណួរនៃអ្វីដែលបញ្ញាសិប្បនិម្មិតធ្វើនោះទេ។ ស្ទើរតែគ្រប់អ្នកនិពន្ធដែលសរសេរសៀវភៅអំពី AI ចាប់ផ្តើមពីនិយមន័យខ្លះ ដោយពិចារណាលើសមិទ្ធិផលនៃវិទ្យាសាស្ត្រនេះតាមពន្លឺរបស់វា។

AI កំពូលចុះក្រោម) semiotic - ការបង្កើតប្រព័ន្ធអ្នកជំនាញ មូលដ្ឋានចំណេះដឹង និងប្រព័ន្ធសន្និដ្ឋានឡូជីខល ដែលក្លែងធ្វើដំណើរការផ្លូវចិត្តកម្រិតខ្ពស់៖ ការគិត ការវែកញែក ការនិយាយ អារម្មណ៍ ការច្នៃប្រឌិត។ល។
Bottom-Up AI) ជីវសាស្រ្ត - ការសិក្សាអំពីបណ្តាញសរសៃប្រសាទ និងការគណនាការវិវត្តន៍ដែលយកគំរូតាមអាកប្បកិរិយាឆ្លាតវៃដោយផ្អែកលើធាតុជីវសាស្រ្ត ក៏ដូចជាការបង្កើតប្រព័ន្ធកុំព្យូទ័រដែលត្រូវគ្នាដូចជា កុំព្យូទ័រសរសៃប្រសាទ ឬកុំព្យូទ័រជីវវិទ្យា។

វិធីសាស្រ្តចុងក្រោយដែលនិយាយយ៉ាងតឹងរ៉ឹងមិនមែនជាកម្មសិទ្ធិរបស់វិទ្យាសាស្រ្តនៃ AI ក្នុងន័យដែលបានផ្តល់ឱ្យដោយ John McCarthy ទេ - ពួកគេត្រូវបានរួបរួមដោយគោលដៅចុងក្រោយធម្មតា។

ការធ្វើតេស្ត Turing និងវិធីសាស្រ្តវិចារណញាណ

វិធីសាស្រ្តនេះផ្តោតលើវិធីសាស្រ្ត និងក្បួនដោះស្រាយទាំងនោះ ដែលនឹងជួយភ្នាក់ងារឆ្លាតវៃរស់រានមានជីវិតនៅក្នុងបរិយាកាសរបស់វា ខណៈពេលដែលកំពុងបំពេញភារកិច្ចរបស់ខ្លួន។ ដូច្នេះ នៅទីនេះ ក្បួនដោះស្រាយសម្រាប់ការស្វែងរកផ្លូវ និងការធ្វើការសម្រេចចិត្តត្រូវបានសិក្សាយ៉ាងយកចិត្តទុកដាក់បន្ថែមទៀត។

វិធីសាស្រ្តកូនកាត់

វិធីសាស្រ្តកូនកាត់សន្មតថា តែប៉ុណ្ណោះការរួមបញ្ចូលគ្នាដ៏ស៊ីសង្វាក់គ្នានៃគំរូសរសៃប្រសាទ និងនិមិត្តសញ្ញា សម្រេចបាននូវសមត្ថភាពយល់ដឹង និងការគណនាពេញលេញ។ ឧទាហរណ៍ ច្បាប់សន្និដ្ឋានរបស់អ្នកជំនាញអាចត្រូវបានបង្កើតដោយបណ្តាញសរសៃប្រសាទ ហើយច្បាប់បង្កើតត្រូវបានទទួលដោយប្រើការសិក្សាស្ថិតិ។ អ្នកគាំទ្រនៃវិធីសាស្រ្តនេះជឿថាប្រព័ន្ធព័ត៌មានកូនកាត់នឹងខ្លាំងជាងផលបូកនៃគោលគំនិតផ្សេងៗដាច់ដោយឡែកពីគ្នា។

វិធីសាស្រ្តស្រាវជ្រាវ និងគំរូ

គំរូនិមិត្តសញ្ញានៃដំណើរការគិត

ការវិភាគប្រវត្តិសាស្រ្តនៃ AI យើងអាចកំណត់តំបន់ទូលំទូលាយដូចជា គំរូហេតុផល. អស់រយៈពេលជាច្រើនឆ្នាំ ការអភិវឌ្ឍន៍នៃវិទ្យាសាស្ត្រនេះបានផ្លាស់ប្តូរយ៉ាងជាក់លាក់តាមគន្លងនេះហើយឥឡូវនេះវាគឺជាផ្នែកមួយក្នុងចំណោមផ្នែកដែលមានការអភិវឌ្ឍន៍បំផុតនៅក្នុង AI ទំនើប។ ការវែកញែកហេតុផលទាក់ទងនឹងការបង្កើតប្រព័ន្ធនិមិត្តសញ្ញា ការបញ្ចូលដែលត្រូវបានកំណត់ទៅជាកិច្ចការជាក់លាក់មួយ ហើយលទ្ធផលទាមទារដំណោះស្រាយរបស់វា។ តាមក្បួនមួយ បញ្ហាដែលបានស្នើឡើងត្រូវបានរៀបចំជាផ្លូវការរួចហើយ ពោលគឺបកប្រែទៅជាទម្រង់គណិតវិទ្យា ប៉ុន្តែមិនមានក្បួនដោះស្រាយដំណោះស្រាយ ឬវាស្មុគស្មាញពេក ចំណាយពេលវេលាជាដើម។ វិស័យនេះរួមមានៈ ទ្រឹស្តីបទបង្ហាញ ការសម្រេចចិត្ត និង ទ្រឹស្តីហ្គេមផែនការ និងការបញ្ជូន ការព្យាករណ៍។

ធ្វើការជាមួយភាសាធម្មជាតិ

ទិសដៅសំខាន់មួយ។ ដំណើរការភាសាធម្មជាតិដែលក្នុងនោះការវិភាគសមត្ថភាពនៃការយល់ដឹង ដំណើរការ និងបង្កើតអត្ថបទជាភាសា "មនុស្ស" ត្រូវបានអនុវត្ត។ ទិសដៅនេះមានគោលបំណងដំណើរការភាសាធម្មជាតិតាមរបៀបដែលមនុស្សម្នាក់អាចទទួលបានចំណេះដឹងដោយឯករាជ្យដោយការអានអត្ថបទដែលមាននៅលើអ៊ីនធឺណិត។ កម្មវិធីដោយផ្ទាល់មួយចំនួននៃដំណើរការភាសាធម្មជាតិរួមមានការទាញយកព័ត៌មាន (រួមទាំងការរុករកអត្ថបទជ្រៅ) និងការបកប្រែដោយម៉ាស៊ីន។

ការតំណាងនិងការប្រើប្រាស់ចំណេះដឹង

ទិសដៅ វិស្វកម្មចំណេះដឹងរួមបញ្ចូលគ្នានូវភារកិច្ចនៃការទទួលបានចំណេះដឹងពីព័ត៌មានសាមញ្ញ ការរៀបចំប្រព័ន្ធ និងការប្រើប្រាស់របស់ពួកគេ។ ទិសដៅនេះត្រូវបានផ្សារភ្ជាប់ជាប្រវត្តិសាស្ត្រជាមួយការបង្កើត ប្រព័ន្ធអ្នកជំនាញ- កម្មវិធីដែលប្រើមូលដ្ឋានចំណេះដឹងឯកទេសដើម្បីទទួលបានការសន្និដ្ឋានដែលអាចទុកចិត្តបានលើបញ្ហាណាមួយ។

ការផលិតចំណេះដឹងពីទិន្នន័យគឺជាបញ្ហាមូលដ្ឋានមួយនៃការជីកយករ៉ែទិន្នន័យ។ មានវិធីសាស្រ្តផ្សេងៗក្នុងការដោះស្រាយបញ្ហានេះ រួមទាំងវិធីសាស្ត្រដែលផ្អែកលើបច្ចេកវិទ្យាបណ្តាញសរសៃប្រសាទ ដោយប្រើនីតិវិធីពាក្យសំដីនៃបណ្តាញសរសៃប្រសាទ។

ការរៀនម៉ាស៊ីន

បញ្ហា ការរៀនម៉ាស៊ីន ទាក់ទងនឹងដំណើរការ ឯករាជ្យការទទួលបានចំណេះដឹងដោយប្រព័ន្ធឆ្លាតវៃក្នុងដំណើរការប្រតិបត្តិការរបស់ខ្លួន។ ទិសដៅនេះគឺជាចំណុចកណ្តាលចាប់តាំងពីការចាប់ផ្តើមនៃការអភិវឌ្ឍន៍ AI ។ នៅឆ្នាំ 1956 នៅឯសន្និសិទរដូវក្តៅ Dartmund លោក Ray Solomonoff បានសរសេររបាយការណ៍មួយអំពីម៉ាស៊ីនសិក្សាដែលមិនស្ថិតក្រោមការគ្រប់គ្រងដោយប្រយោលដោយហៅវាថា "The Inductive Inference Machine" ។

មនុស្សយន្ត

ការច្នៃប្រឌិតម៉ាស៊ីន

ធម្មជាតិ ការច្នៃប្រឌិតរបស់មនុស្សសូម្បីតែសិក្សាតិចជាងធម្មជាតិនៃបញ្ញា។ ទោះយ៉ាងណាក៏ដោយ តំបន់នេះមាន ហើយបញ្ហានៃការសរសេរកុំព្យូទ័រ តន្ត្រី ស្នាដៃអក្សរសាស្ត្រ (ជាញឹកញាប់កំណាព្យ ឬរឿងនិទាន) និងការបង្កើតសិល្បៈត្រូវបានលើកឡើងនៅទីនេះ។ ការបង្កើតរូបភាពជាក់ស្តែងត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយនៅក្នុងឧស្សាហកម្មភាពយន្ត និងហ្គេម។

ការសិក្សាអំពីបញ្ហានៃការច្នៃប្រឌិតបច្ចេកទេសនៃប្រព័ន្ធបញ្ញាសិប្បនិមិត្តឈរដាច់ដោយឡែកពីគ្នា។ ទ្រឹស្តីនៃការដោះស្រាយបញ្ហាច្នៃប្រឌិតដែលត្រូវបានស្នើឡើងក្នុងឆ្នាំ 1946 ដោយ G. S. Altshuller បានកត់សម្គាល់ការចាប់ផ្តើមនៃការស្រាវជ្រាវបែបនេះ។

ការបន្ថែមសមត្ថភាពនេះទៅប្រព័ន្ធឆ្លាតវៃណាមួយអនុញ្ញាតឱ្យអ្នកបង្ហាញយ៉ាងច្បាស់នូវអ្វីដែលប្រព័ន្ធយល់ឃើញ និងរបៀបដែលវាយល់ពីវា។ ដោយការបន្ថែមសំលេងរំខានជំនួសឱ្យព័ត៌មានដែលបាត់ ឬត្រងសំលេងរំខានជាមួយនឹងចំណេះដឹងដែលមាននៅក្នុងប្រព័ន្ធ វាបង្កើតរូបភាពជាក់ស្តែងពីចំណេះដឹងអរូបីដែលងាយយល់ដោយមនុស្សម្នាក់ វាមានប្រយោជន៍ជាពិសេសសម្រាប់ចំណេះដឹងដែលមានលក្ខណៈវិចារណញាណ និងតម្លៃទាប ការផ្ទៀងផ្ទាត់ដែលនៅក្នុង ទម្រង់បែបបទផ្លូវការតម្រូវឱ្យមានការខិតខំប្រឹងប្រែងផ្លូវចិត្តយ៉ាងសំខាន់។

ផ្នែកផ្សេងទៀតនៃការស្រាវជ្រាវ

ទីបំផុត មានកម្មវិធីជាច្រើននៃបញ្ញាសិប្បនិមិត្ត ដែលនីមួយៗបង្កើតបានជាទិសដៅឯករាជ្យស្ទើរតែទាំងស្រុង។ ឧទាហរណ៏រួមមានការសរសេរកម្មវិធីឆ្លាតវៃក្នុងហ្គេមកុំព្យូទ័រ ការគ្រប់គ្រងមិនមែនលីនេអ៊ែរ ប្រព័ន្ធសុវត្ថិភាពព័ត៌មានឆ្លាតវៃ។

នៅពេលអនាគត គេរំពឹងថា ការអភិវឌ្ឍន៍នៃបញ្ញាសិប្បនិមិត្ត នឹងមានទំនាក់ទំនងយ៉ាងជិតស្និទ្ធជាមួយនឹងការអភិវឌ្ឍន៍នៃកុំព្យូទ័រ quantum ចាប់តាំងពីលក្ខណៈសម្បត្តិមួយចំនួននៃបញ្ញាសិប្បនិម្មិតមានគោលការណ៍ប្រតិបត្តិការស្រដៀងគ្នាទៅនឹង កុំព្យូទ័រ quantum.

វាអាចត្រូវបានគេមើលឃើញថាផ្នែកជាច្រើននៃការស្រាវជ្រាវត្រួតលើគ្នា។ នេះគឺជាលក្ខណៈនៃវិទ្យាសាស្ត្រណាមួយ។ ប៉ុន្តែនៅក្នុងបញ្ញាសិប្បនិម្មិតទំនាក់ទំនងរវាងហាក់ដូចជា ក្នុងទិសដៅផ្សេងៗជាពិសេសត្រូវបានសម្តែងយ៉ាងខ្លាំង ហើយនេះត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងការជជែកវែកញែកទស្សនវិជ្ជាអំពី AI ខ្លាំង និងខ្សោយ។

បញ្ញាសិប្បនិម្មិតទំនើប

ទិសដៅពីរនៃការអភិវឌ្ឍន៍ AI អាចត្រូវបានសម្គាល់:

ការដោះស្រាយបញ្ហាដែលទាក់ទងនឹងការនាំយកប្រព័ន្ធ AI ឯកទេសឱ្យកាន់តែជិតទៅនឹងសមត្ថភាពរបស់មនុស្ស និងការរួមបញ្ចូលរបស់ពួកគេ ដែលត្រូវបានដឹងដោយធម្មជាតិរបស់មនុស្ស ( សូមមើល ការបង្កើនភាពវៃឆ្លាត);
ការបង្កើតបញ្ញាសិប្បនិមិត្ត ដែលតំណាងឱ្យការរួមបញ្ចូលប្រព័ន្ធ AI ដែលបានបង្កើតរួចហើយទៅក្នុងប្រព័ន្ធតែមួយ ដែលមានសមត្ថភាពដោះស្រាយបញ្ហារបស់មនុស្សជាតិ ( សូមមើលភាពវៃឆ្លាតសិប្បនិម្មិតខ្លាំង និងខ្សោយ).

ប៉ុន្តែនៅពេលនេះ វិស័យបញ្ញាសិប្បនិមិត្តកំពុងមើលឃើញថាមានការចូលរួមពីមុខវិជ្ជាជាច្រើនដែលមានទំនាក់ទំនងជាក់ស្តែងជាមួយ AI ជាជាងមូលដ្ឋានគ្រឹះ។ វិធីសាស្រ្តជាច្រើនត្រូវបានសាកល្បង ប៉ុន្តែមិនទាន់មានក្រុមស្រាវជ្រាវណាមួយឈានដល់ការលេចចេញនៃបញ្ញាសិប្បនិមិត្តនៅឡើយ។ ខាងក្រោមនេះគ្រាន់តែជាការអភិវឌ្ឍដ៏ល្បីមួយចំនួនក្នុងវិស័យ AI។

ការដាក់ពាក្យ

ប្រព័ន្ធ AI ល្បីៗមួយចំនួនគឺ៖

ធនាគារប្រើប្រាស់ប្រព័ន្ធបញ្ញាសិប្បនិមិត្ត (AI) ក្នុងសកម្មភាពធានារ៉ាប់រង (គណិតវិទ្យាជាក់ស្តែង) នៅពេលលេងនៅផ្សារហ៊ុន និងក្នុងការគ្រប់គ្រងអចលនទ្រព្យ។ វិធីសាស្ត្រសម្គាល់លំនាំ (រួមទាំងបណ្តាញដែលស្មុគស្មាញ និងឯកទេស និងបណ្តាញសរសៃប្រសាទ) ត្រូវបានគេប្រើយ៉ាងទូលំទូលាយក្នុងការទទួលស្គាល់អុបទិក និងសូរស័ព្ទ (រួមទាំងអត្ថបទ និងការនិយាយ) ការវិនិច្ឆ័យវេជ្ជសាស្ត្រ តម្រងសារឥតបានការ នៅក្នុងប្រព័ន្ធការពារអាកាស (ការកំណត់គោលដៅ) ក៏ដូចជាដើម្បីធានាបាននូវ ចំនួនការងារសន្តិសុខជាតិផ្សេងទៀត។

ចិត្តវិទ្យា និងវិទ្យាសាស្ត្រយល់ដឹង

វិធីសាស្រ្តគំរូនៃការយល់ដឹងត្រូវបានរចនាឡើងដើម្បីវិភាគ និងធ្វើការសម្រេចចិត្តក្នុងស្ថានភាពដែលមិនបានកំណត់។ វាត្រូវបានស្នើឡើងដោយ Axelrod ។

វាត្រូវបានផ្អែកលើការយកគំរូតាមគំនិតប្រធានបទរបស់អ្នកជំនាញអំពីស្ថានភាព និងរួមបញ្ចូលៈ វិធីសាស្រ្តសម្រាប់ការរៀបចំរចនាសម្ព័ន្ធស្ថានភាព៖ គំរូសម្រាប់តំណាងឱ្យចំណេះដឹងរបស់អ្នកជំនាញក្នុងទម្រង់ជាតួលេខដែលបានចុះហត្ថលេខា (ផែនទីការយល់ដឹង) (F, W) ដែល F គឺ សំណុំនៃកត្តានៃស្ថានភាព, W គឺជាសំណុំនៃទំនាក់ទំនងបុព្វហេតុនិងផលប៉ះពាល់រវាងកត្តានៃស្ថានភាព ; វិធីសាស្រ្តនៃការវិភាគស្ថានភាព។ បច្ចុប្បន្ននេះ វិធីសាស្រ្តនៃការបង្កើតគំរូការយល់ដឹងកំពុងអភិវឌ្ឍក្នុងទិសដៅនៃការកែលម្អឧបករណ៍សម្រាប់ការវិភាគ និងធ្វើគំរូតាមស្ថានភាព។ គំរូសម្រាប់ការព្យាករណ៍ការអភិវឌ្ឍន៍នៃស្ថានភាពត្រូវបានស្នើឡើងនៅទីនេះ; វិធីសាស្រ្តក្នុងការដោះស្រាយបញ្ហាបញ្ច្រាស។

ទស្សនវិជ្ជា

បញ្ហាទស្សនវិជ្ជានៃការបង្កើតបញ្ញាសិប្បនិមិត្តអាចបែងចែកជាពីរក្រុមដោយនិយាយដោយទាក់ទងគ្នា "មុន និងក្រោយការអភិវឌ្ឍន៍ AI"។ ក្រុមទី 1 ឆ្លើយសំណួរថា "តើ AI គឺជាអ្វី តើវាអាចទៅរួចទេក្នុងការបង្កើតវា ហើយប្រសិនបើអាចធ្វើទៅបាន តើត្រូវធ្វើដូចម្តេច?" ក្រុមទីពីរ (ក្រមសីលធម៌នៃបញ្ញាសិប្បនិម្មិត) សួរសំណួរថា "តើអ្វីជាផលវិបាកនៃការបង្កើត AI សម្រាប់មនុស្សជាតិ?"

លើសពីនេះទៅទៀត កម្មវិធីបែបនេះមិនគ្រាន់តែជាគំរូនៃចិត្តនោះទេ។ នាងក្នុងន័យត្រង់នៃពាក្យ ខ្លួននាងនឹងជាចិត្ត ក្នុងន័យដូចគ្នាដែលចិត្តមនុស្សជាចិត្ត។

ក្នុងពេលជាមួយគ្នានេះ ចាំបាច់ត្រូវយល់ថាតើចិត្ត "សិប្បនិម្មិត" ("មេតាមីន") អាចទៅរួចឬអត់ ការយល់ដឹង និងការដោះស្រាយបញ្ហាពិតប្រាកដ ហើយក្នុងពេលជាមួយគ្នានេះ គ្មានអារម្មណ៍នៃចរិតលក្ខណៈរបស់មនុស្ស និងចាំបាច់សម្រាប់ការរស់រានមានជីវិតផ្ទាល់ខ្លួនរបស់គាត់។ [ ] .

ក្រមសីលធម៌

ជំនឿប្រពៃណីផ្សេងទៀតកម្រពិពណ៌នាអំពីបញ្ហារបស់ AI ។ ប៉ុន្តែអ្នកទ្រឹស្ដីខ្លះក៏យកចិត្តទុកដាក់ចំពោះរឿងនេះ។ ជាឧទាហរណ៍ អាចារ្យ Mikhail Zakharov ជជែកវែកញែកពីទស្សនៈនៃទស្សនៈពិភពលោករបស់គ្រិស្តបរិស័ទ។ សំណួរបន្ទាប់៖ “មនុស្សគឺជាមនុស្សដែលមានសេរីភាពដោយសមហេតុផល ដែលត្រូវបានបង្កើតឡើងដោយព្រះនៅក្នុងរូបភាព និងរូបរាងរបស់ទ្រង់។ យើងទម្លាប់ក្នុងការកំណត់និយមន័យទាំងអស់នេះទៅជាជីវសាស្រ្ត ប្រភេទ Homo Sapiens ។ ប៉ុន្តែតើនេះជាការត្រឹមត្រូវប៉ុណ្ណា? . គាត់ឆ្លើយសំណួរដូចនេះ៖

ប្រសិនបើយើងសន្មត់ថា ការស្រាវជ្រាវក្នុងវិស័យបញ្ញាសិប្បនិមិត្តនៅថ្ងៃណាមួយនឹងនាំទៅដល់ការលេចចេញជាវត្ថុសិប្បនិម្មិតដែលមានភាពវៃឆ្លាតលើសគេ និងមានឆន្ទៈសេរី តើនេះមានន័យថាសត្វនេះជាមនុស្សឬ? ... មនុស្សគឺជាការបង្កើតរបស់ព្រះ។ តើយើងអាចហៅសត្វនេះថាជាការបង្កើតរបស់ព្រះបានទេ? នៅ glance ដំបូងវាគឺជាការបង្កើតរបស់មនុស្ស។ ប៉ុន្តែសូម្បីតែក្នុងអំឡុងពេលនៃការបង្កើតមនុស្សក៏ដោយ វាស្ទើរតែមិនមានតម្លៃយល់សោះថា ព្រះបានឆ្លាក់មនុស្សដំបូងពីដីឥដ្ឋដោយដៃរបស់ទ្រង់ផ្ទាល់។ នេះប្រហែលជាការលើកឡើងដែលបង្ហាញពីភាពជាវត្ថុធាតុនៃរូបកាយមនុស្ស ដែលត្រូវបានបង្កើតឡើងដោយឆន្ទៈរបស់ព្រះ។ ប៉ុន្តែបើគ្មានព្រះហឫទ័យរបស់ព្រះ គ្មានអ្វីកើតឡើងក្នុងលោកនេះទេ។ មនុស្ស ជាសហអ្នកបង្កើតពិភពលោកនេះ អាចបំពេញបំណងព្រះហឫទ័យរបស់ព្រះ បង្កើតសត្វថ្មី។ សត្វបែបនេះដែលបង្កើតឡើងដោយដៃមនុស្សតាមឆន្ទៈរបស់ព្រះ ប្រហែលជាត្រូវបានគេហៅថាការបង្កើតរបស់ព្រះ។ យ៉ាងណាមិញ មនុស្សបង្កើតប្រភេទសត្វ និងរុក្ខជាតិថ្មី។ ហើយយើងចាត់ទុករុក្ខជាតិ និងសត្វជាការបង្កើតរបស់ព្រះ។ ដូចគ្នានេះដែរអាចត្រូវបានអនុវត្តទៅសិប្បនិម្មិតនៃធម្មជាតិដែលមិនមែនជាជីវសាស្រ្ត។

ប្រឌិតវិទ្យាសាស្រ្ត

ប្រធានបទនៃ AI ត្រូវបានពិចារណាពីមុំផ្សេងៗគ្នានៅក្នុងស្នាដៃរបស់ Robert Heinlein៖ សម្មតិកម្មនៃការលេចឡើងនៃការយល់ដឹងដោយខ្លួនឯងនៃ AI នៅពេលដែលរចនាសម្ព័ន្ធកាន់តែស្មុគស្មាញលើសពីកម្រិតសំខាន់មួយ ហើយមានអន្តរកម្មជាមួយពិភពខាងក្រៅ និងក្រុមហ៊ុនដឹកជញ្ជូនផ្សេងទៀតនៃ ភាពវៃឆ្លាត ("ព្រះច័ន្ទគឺជាស្រីកំណាន់" "ពេលវេលាគ្រប់គ្រាន់សម្រាប់សេចក្តីស្រឡាញ់" តួអង្គ Mycroft, Dora និង Aya នៅក្នុងស៊េរី "ប្រវត្តិសាស្រ្តនៃអនាគត") បញ្ហានៃការអភិវឌ្ឍន៍ AI បន្ទាប់ពីការយល់ដឹងដោយខ្លួនឯងដោយសម្មតិកម្ម និងបញ្ហាសង្គម និងសីលធម៌មួយចំនួន។ ("ថ្ងៃសុក្រ") ។ បញ្ហាសង្គម-ផ្លូវចិត្តនៃអន្តរកម្មរបស់មនុស្សជាមួយ AI ក៏ត្រូវបានពិចារណាផងដែរនៅក្នុងប្រលោមលោករបស់ Philip K. Dick “តើ Androids Dream of Electric Sheep? " ដែលត្រូវបានគេស្គាល់ផងដែរសម្រាប់ការសម្របតាមខ្សែភាពយន្តរបស់ Blade Runner ។

ស្នាដៃរបស់អ្នកនិពន្ធប្រឌិតបែបវិទ្យាសាស្ត្រ និងជាទស្សនវិទូ Stanislaw Lem ពិពណ៌នា និងរំពឹងយ៉ាងទូលំទូលាយអំពីការបង្កើតការពិតនិម្មិត បញ្ញាសិប្បនិម្មិត ណាណូរ៉ូបូត និងបញ្ហាជាច្រើនទៀតនៃទស្សនវិជ្ជានៃបញ្ញាសិប្បនិម្មិត។ ជាពិសេសវាមានតម្លៃកត់សម្គាល់ពីអនាគតនៃបច្ចេកវិទ្យា Suumtech។ លើសពីនេះទៀតនៅក្នុងដំណើរផ្សងព្រេងរបស់ Iyon Tikhy ទំនាក់ទំនងរវាងសត្វមានជីវិតនិងម៉ាស៊ីនត្រូវបានពិពណ៌នាម្តងហើយម្តងទៀត: ការបះបោរនៃកុំព្យូទ័រនៅលើយន្តហោះជាមួយនឹងជាបន្តបន្ទាប់។ ព្រឹត្តិការណ៍ដែលមិននឹកស្មានដល់(11 ដំណើរ) ការសម្របខ្លួនរបស់មនុស្សយន្តទៅ សង្គមមនុស្ស("សោកនាដកម្មបោកគក់" ពី "អនុស្សាវរីយ៍នៃ Ijon the Quiet") ការបង្កើតសណ្តាប់ធ្នាប់ដាច់ខាតនៅលើភពផែនដីដោយដំណើរការអ្នករស់នៅ (ការធ្វើដំណើរទី 24) ការច្នៃប្រឌិត Corcoran និង Diagoras ("ការចងចាំរបស់ Ijon the Quiet") គ្លីនិកវិកលចរិកសម្រាប់មនុស្សយន្ត។ ("អនុស្សាវរីយ៍របស់ Ijon the Quiet"") ។ លើសពីនេះទៀត មានស៊េរីរឿងប្រលោមលោក និងរឿង Cyberiad ដែលតួអង្គស្ទើរតែទាំងអស់គឺជាមនុស្សយន្ត ដែលជាកូនចៅឆ្ងាយនៃមនុស្សយន្តដែលបានរត់គេចពីមនុស្ស (ពួកគេហៅថាមនុស្ស pallids ហើយចាត់ទុកពួកគេថាជាសត្វទេវកថា)។

ភាពយន្ត

ចាប់តាំងពីជិតទសវត្សរ៍ឆ្នាំ 1960 រួមជាមួយការសរសេរ រឿង Fantasyនិងរឿងរ៉ាវ ខ្សែភាពយន្តកំពុងត្រូវបានបង្កើតឡើងអំពីបញ្ញាសិប្បនិម្មិត។ រឿងជាច្រើនដោយអ្នកនិពន្ធដែលទទួលស្គាល់ទូទាំងពិភពលោកត្រូវបានថត ហើយក្លាយជារឿងបុរាណនៃប្រភេទ ហើយរឿងផ្សេងទៀតក្លាយជារឿងសំខាន់ក្នុងការអភិវឌ្ឍន៍

បញ្ញាសិប្បនិម្មិត (AI, ភាសាអង់គ្លេស: Artificial intelligence, AI) - វិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យានៃការបង្កើតម៉ាស៊ីនឆ្លាតវៃ ជាពិសេសកម្មវិធីកុំព្យូទ័រឆ្លាតវៃ។ AI គឺទាក់ទងទៅនឹងភារកិច្ចស្រដៀងគ្នានៃការប្រើប្រាស់កុំព្យូទ័រដើម្បីយល់ពីភាពវៃឆ្លាតរបស់មនុស្ស ប៉ុន្តែមិនត្រូវបានកំណត់ជាចាំបាច់ចំពោះវិធីសាស្ត្រដែលអាចជឿជាក់បានតាមជីវសាស្រ្តនោះទេ។

តើអ្វីទៅជាបញ្ញាសិប្បនិម្មិត

ភាពវៃឆ្លាត(ពី បញ្ញា - អារម្មណ៍ ការយល់ឃើញ ការយល់ដឹង ការយល់ដឹង គំនិត ហេតុផល) ឬ ចិត្ត - គុណភាពនៃចិត្តដែលរួមមានសមត្ថភាពក្នុងការសម្របខ្លួនទៅនឹងស្ថានភាពថ្មី សមត្ថភាពក្នុងការរៀន និងចងចាំដោយផ្អែកលើបទពិសោធន៍ យល់ និងអនុវត្ត។ គំនិតអរូបី និងប្រើប្រាស់ចំណេះដឹងរបស់មនុស្សម្នាក់សម្រាប់ការគ្រប់គ្រងបរិស្ថាន។ ភាពវៃឆ្លាតគឺ សមត្ថភាពទូទៅចំណេះដឹង និងដំណោះស្រាយនៃការលំបាក ដែលបង្រួបបង្រួមអ្វីគ្រប់យ៉ាង សមត្ថភាពយល់ដឹងមនុស្ស: អារម្មណ៍, ការយល់ឃើញ, ការចងចាំ, តំណាង, ការគិត, ការស្រមើលស្រមៃ។

នៅដើមទសវត្សរ៍ឆ្នាំ 1980 ។ អ្នកវិទ្យាសាស្ត្រគណនា Barr និង Fajgenbaum បានស្នើនិយមន័យដូចខាងក្រោមនៃបញ្ញាសិប្បនិម្មិត (AI)៖

ក្រោយមក ក្បួនដោះស្រាយ និងប្រព័ន្ធសូហ្វវែរមួយចំនួនបានចាប់ផ្តើមត្រូវបានចាត់ថ្នាក់ជា AI, លក្ខណៈពិសេសប្លែកនោះគឺថាពួកគេអាចដោះស្រាយបញ្ហាមួយចំនួនតាមរបៀបដូចគ្នានឹងមនុស្សដែលគិតអំពីដំណោះស្រាយរបស់ពួកគេដែរ។

លក្ខណៈសម្បត្តិសំខាន់របស់ AI គឺការយល់ដឹងភាសា ការរៀន និងសមត្ថភាពក្នុងការគិត ហើយសំខាន់គឺធ្វើសកម្មភាព។

AI គឺជាស្មុគ្រស្មាញនៃបច្ចេកវិទ្យា និងដំណើរការដែលទាក់ទងគ្នា ដែលកំពុងអភិវឌ្ឍប្រកបដោយគុណភាព និងឆាប់រហ័ស ឧទាហរណ៍៖

ដំណើរការអត្ថបទនៅលើ ភាសាធម្មជាតិ
ប្រព័ន្ធអ្នកជំនាញ
ភ្នាក់ងារនិម្មិត (chatbots និងជំនួយការនិម្មិត)
ប្រព័ន្ធណែនាំ។

ទិសដៅបច្ចេកវិទ្យារបស់ AI ។ ទិន្នន័យ Deloitte

ការស្រាវជ្រាវ AI

អត្ថបទដើមចម្បង៖ការស្រាវជ្រាវបញ្ញាសិប្បនិម្មិត

ស្តង់ដារក្នុង AI

ឆ្នាំ 2018៖ ការអភិវឌ្ឍន៍ស្តង់ដារក្នុងវិស័យទំនាក់ទំនង quantum, AI និងទីក្រុងឆ្លាតវៃ

នៅថ្ងៃទី 6 ខែធ្នូ ឆ្នាំ 2018 គណៈកម្មាធិការបច្ចេកទេស "ប្រព័ន្ធរូបវិទ្យាតាមអ៊ីនធឺណិត" ផ្អែកលើ RVC រួមជាមួយមជ្ឈមណ្ឌលវិស្វកម្មក្នុងតំបន់ "SafeNet" បានចាប់ផ្តើមបង្កើតសំណុំស្តង់ដារសម្រាប់ទីផ្សារនៃគំនិតផ្តួចផ្តើមបច្ចេកវិទ្យាជាតិ (NTI) និងសេដ្ឋកិច្ចឌីជីថល។ នៅខែមីនាឆ្នាំ 2019 វាត្រូវបានគ្រោងនឹងបង្កើតឯកសារស្តង់ដារបច្ចេកទេសក្នុងវិស័យទំនាក់ទំនង Quantum ហើយ RVC បានរាយការណ៍។ អានបន្ថែម។

ផលប៉ះពាល់នៃបញ្ញាសិប្បនិម្មិត

ហានិភ័យដល់ការអភិវឌ្ឍន៍អរិយធម៌របស់មនុស្ស

ប៉ះពាល់ដល់សេដ្ឋកិច្ច និងអាជីវកម្ម

ឥទ្ធិពលនៃបច្ចេកវិទ្យាបញ្ញាសិប្បនិមិត្តលើសេដ្ឋកិច្ច និងអាជីវកម្ម

ផលប៉ះពាល់លើទីផ្សារការងារ

ភាពលំអៀងនៃបញ្ញាសិប្បនិម្មិត

ចំណុចស្នូលនៃអ្វីគ្រប់យ៉ាងដែលជាការអនុវត្តរបស់ AI (ការបកប្រែដោយម៉ាស៊ីន ការទទួលស្គាល់ការនិយាយ ដំណើរការភាសាធម្មជាតិ ការមើលឃើញកុំព្យូទ័រ ការបើកបរដោយស្វ័យប្រវត្តិ និងច្រើនទៀត) គឺការរៀនសូត្រស៊ីជម្រៅ។ វាគឺជាសំណុំរងនៃការរៀនម៉ាស៊ីន ដែលកំណត់លក្ខណៈដោយការប្រើប្រាស់គំរូបណ្តាញសរសៃប្រសាទ ដែលអាចនិយាយបានថាធ្វើត្រាប់តាមការងាររបស់ខួរក្បាល ដូច្នេះវានឹងជាការលាតសន្ធឹងដើម្បីចាត់ថ្នាក់ពួកវាជា AI ។ គំរូបណ្តាញសរសៃប្រសាទណាមួយត្រូវបានបណ្តុះបណ្តាលលើសំណុំទិន្នន័យធំ ដូច្នេះវាទទួលបាន "ជំនាញ" មួយចំនួន ប៉ុន្តែរបៀបដែលវាប្រើប្រាស់វានៅតែមិនច្បាស់លាស់ចំពោះអ្នកបង្កើតរបស់វា ដែលចុងក្រោយក្លាយជាបញ្ហាសំខាន់បំផុតមួយសម្រាប់កម្មវិធីសិក្សាស៊ីជម្រៅជាច្រើន។ ហេតុផលគឺថាគំរូបែបនេះធ្វើការជាមួយរូបភាពជាផ្លូវការដោយមិនយល់ពីអ្វីដែលវាធ្វើ។ តើប្រព័ន្ធ AI និងប្រព័ន្ធដែលបង្កើតនៅលើម៉ាស៊ីនរៀនអាចទុកចិត្តបានដែរឬទេ? តម្លៃនៃចម្លើយចំពោះ សំណួរចុងក្រោយហួសពីមន្ទីរពិសោធន៍វិទ្យាសាស្ត្រ។ ដូច្នេះហើយ ការយកចិត្តទុកដាក់របស់ប្រព័ន្ធផ្សព្វផ្សាយចំពោះបាតុភូតហៅថា AI bias មានការកើនឡើងគួរឱ្យកត់សម្គាល់។ វាអាចត្រូវបានបកប្រែជា "AI bias" ឬ "AI bias" ។ អានបន្ថែម។

ទីផ្សារបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត

ទីផ្សារ AI នៅប្រទេសរុស្ស៊ី

ទីផ្សារ AI សកល

តំបន់នៃការអនុវត្ត AI

ផ្នែកនៃការអនុវត្ត AI គឺធំទូលាយណាស់ ហើយគ្របដណ្តប់បច្ចេកវិទ្យាទាំងពីរដែលស៊ាំនឹងត្រចៀក និងតំបន់ថ្មីដែលកំពុងលេចឡើងដែលនៅឆ្ងាយពី ការអនុវត្តដ៏ធំនៅក្នុងពាក្យផ្សេងទៀតនេះគឺជាជួរទាំងមូលនៃដំណោះស្រាយ, ពីម៉ាស៊ីនបូមធូលីទៅ ស្ថានីយ៍អវកាស. អ្នកអាចបែងចែកភាពចម្រុះរបស់ពួកគេទាំងអស់ដោយយោងទៅតាមលក្ខណៈវិនិច្ឆ័យនៃចំណុចសំខាន់ៗនៃការអភិវឌ្ឍន៍។

AI មិនមែនជាប្រធានបទ monolithic ទេ។ ជាងនេះទៅទៀត ផ្នែកបច្ចេកវិទ្យាមួយចំនួននៃ AI លេចឡើងជាអនុវិស័យថ្មីនៃសេដ្ឋកិច្ច និងអង្គភាពដាច់ដោយឡែក ខណៈពេលដែលក្នុងពេលដំណាលគ្នាបម្រើតំបន់ភាគច្រើននៅក្នុងសេដ្ឋកិច្ច។

កម្មវិធីពាណិជ្ជកម្មសំខាន់ៗនៃបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត

ការអភិវឌ្ឍន៍នៃការប្រើប្រាស់ AI នាំទៅដល់ការបន្សាំបច្ចេកវិជ្ជានៅក្នុងវិស័យបុរាណនៃសេដ្ឋកិច្ចតាមខ្សែសង្វាក់តម្លៃទាំងមូល និងបំប្លែងពួកវា ដែលនាំទៅដល់ការកែសំរួលមុខងារស្ទើរតែទាំងអស់ ចាប់ពីផ្នែកដឹកជញ្ជូនរហូតដល់ការគ្រប់គ្រងក្រុមហ៊ុន។

ការប្រើប្រាស់ AI សម្រាប់វិស័យការពារជាតិ និងយោធា

ប្រើក្នុងការអប់រំ

ការប្រើប្រាស់ AI នៅក្នុងអាជីវកម្ម

AI នៅក្នុងឧស្សាហកម្មថាមពលអគ្គិសនី

នៅកម្រិតនៃការរចនា៖ ធ្វើឱ្យប្រសើរឡើងនូវការព្យាករណ៍នៃជំនាន់ និងតម្រូវការសម្រាប់ធនធានថាមពល ការវាយតម្លៃនៃភាពជឿជាក់នៃឧបករណ៍បង្កើតថាមពល ស្វ័យប្រវត្តិកម្មនៃការកើនឡើងនៅពេលតម្រូវការកើនឡើង។
នៅកម្រិតផលិតកម្ម៖ ការបង្កើនប្រសិទ្ធភាពនៃការថែរក្សាការពារឧបករណ៍ បង្កើនប្រសិទ្ធភាពនៃជំនាន់ កាត់បន្ថយការខាតបង់ ការពារការលួចធនធានថាមពល។
នៅកម្រិតផ្សព្វផ្សាយ៖ ការបង្កើនប្រសិទ្ធភាពនៃតម្លៃអាស្រ័យលើពេលវេលានៃថ្ងៃ និងការចេញវិក្កយបត្រថាមវន្ត។
នៅកម្រិតការផ្តល់សេវា៖ ការជ្រើសរើសដោយស្វ័យប្រវត្តិនូវអ្នកផ្គត់ផ្គង់ដែលរកបានផលចំណេញច្រើនបំផុត។ ស្ថិតិលម្អិតការប្រើប្រាស់ សេវាកម្មអតិថិជនដោយស្វ័យប្រវត្តិ ការបង្កើនប្រសិទ្ធភាពនៃការប្រើប្រាស់ថាមពលដោយគិតគូរពីទម្លាប់ និងអាកប្បកិរិយារបស់អតិថិជន។

AI នៅក្នុងការផលិត

នៅកម្រិតរចនា៖ ការបង្កើនប្រសិទ្ធភាពនៃការអភិវឌ្ឍន៍ផលិតផលថ្មី ការវាយតម្លៃអ្នកផ្គត់ផ្គង់ដោយស្វ័យប្រវត្តិ និងការវិភាគតម្រូវការគ្រឿងបន្លាស់។
នៅកម្រិតផលិតកម្ម៖ ធ្វើអោយប្រសើរឡើងនូវដំណើរការនៃការបំពេញភារកិច្ច បង្កើតខ្សែការជួបប្រជុំដោយស្វ័យប្រវត្តិ កាត់បន្ថយចំនួននៃកំហុស កាត់បន្ថយពេលវេលាដឹកជញ្ជូនសម្រាប់វត្ថុធាតុដើម។
នៅកម្រិតផ្សព្វផ្សាយ៖ ការព្យាករណ៍បរិមាណនៃការគាំទ្រ និងសេវាកម្មថែទាំ ការគ្រប់គ្រងតម្លៃ។
នៅកម្រិតនៃការផ្តល់សេវា៖ ការកែលម្អផែនការផ្លូវនៃកងនាវា តម្រូវការសម្រាប់ធនធានកងនាវា ការកែលម្អគុណភាពនៃការបណ្តុះបណ្តាលវិស្វករសេវាកម្ម។

AI នៅក្នុងធនាគារ

ការទទួលស្គាល់លំនាំ - បានប្រើរួមបញ្ចូល។ ដើម្បីស្គាល់អតិថិជននៅក្នុងសាខា និងបញ្ជូនការផ្តល់ជូនពិសេសដល់ពួកគេ។

តំបន់ពាណិជ្ជកម្មសំខាន់ៗនៃការអនុវត្តបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិតនៅក្នុងធនាគារ

AI ក្នុងការដឹកជញ្ជូន

ឧស្សាហកម្មរថយន្តជិតឈានចូលបដិវត្តន៍៖ បញ្ហាប្រឈមទាំង ៥ នៃយុគសម័យនៃការបើកបរគ្មានមនុស្សបើក

AI នៅក្នុងភស្តុភារ

AI នៅក្នុងការផលិត

ការប្រើប្រាស់ AI ក្នុងការគ្រប់គ្រងសាធារណៈ

AI នៅក្នុងកោសល្យវិច្ច័យ

ការទទួលស្គាល់លំនាំ - បានប្រើរួមបញ្ចូល។ កំណត់អត្តសញ្ញាណឧក្រិដ្ឋជននៅកន្លែងសាធារណៈ។

នៅក្នុងខែឧសភា ឆ្នាំ 2018 វាត្រូវបានគេដឹងថា ប៉ូលីសហូឡង់កំពុងប្រើប្រាស់បញ្ញាសិប្បនិម្មិត ដើម្បីស៊ើបអង្កេតឧក្រិដ្ឋកម្មដ៏ស្មុគស្មាញ។

យោងទៅតាម ការបោះពុម្ព Theបណ្តាញបន្ទាប់, ភ្នាក់ងារអនុវត្តច្បាប់បានចាប់ផ្តើមធ្វើឌីជីថលច្រើនជាង 1,500 របាយការណ៍ និង 30 លានទំព័រទាក់ទងនឹងករណីដែលមិនទាន់បានដោះស្រាយ។ សម្ភារៈចាប់ពីឆ្នាំ 1988 តទៅ ដែលឧក្រិដ្ឋកម្មមិនត្រូវបានដោះស្រាយយ៉ាងហោចណាស់បីឆ្នាំ ហើយជនល្មើសត្រូវបានកាត់ទោសឱ្យជាប់គុកលើសពី 12 ឆ្នាំត្រូវបានផ្ទេរទៅជាទម្រង់កុំព្យូទ័រ។

ដោះស្រាយឧក្រិដ្ឋកម្មស្មុគស្មាញក្នុងមួយថ្ងៃ។ ប៉ូលីសកំពុងទទួលយក AI

នៅពេលដែលខ្លឹមសារទាំងអស់ត្រូវបានបំប្លែងជាឌីជីថល វានឹងភ្ជាប់ទៅប្រព័ន្ធរៀនម៉ាស៊ីនដែលនឹងវិភាគកំណត់ត្រា និងសម្រេចថាតើករណីណាប្រើប្រាស់ភស្តុតាងដែលអាចទុកចិត្តបានបំផុត។ នេះគួរតែកាត់បន្ថយពេលវេលាដែលវាត្រូវការដើម្បីដំណើរការសំណុំរឿង និងដោះស្រាយឧក្រិដ្ឋកម្មអតីតកាល និងអនាគតពីច្រើនសប្តាហ៍មកមួយថ្ងៃ។

បញ្ញាសិប្បនិមិត្តនឹងចែកចាយករណីដោយយោងទៅតាម "ការដោះស្រាយ" របស់ពួកគេ និងចង្អុលបង្ហាញ លទ្ធផលដែលអាចកើតមានការពិនិត្យ DNA ។ បន្ទាប់មក ផែនការនេះគឺដើម្បីធ្វើការវិភាគដោយស្វ័យប្រវត្តិនៅក្នុងផ្នែកផ្សេងទៀតនៃកោសល្យវិច្ច័យ ហើយប្រហែលជាថែមទាំងពង្រីកទិន្នន័យទៅក្នុងផ្នែកដូចជា វិទ្យាសាស្ត្រសង្គមនិងសេចក្តីថ្លែងការណ៍របស់សាក្សី។

លើសពីនេះ ក្នុងនាមជាអ្នកអភិវឌ្ឍន៍ប្រព័ន្ធម្នាក់ លោក Jeroen Hammer បាននិយាយថា មុខងារ API សម្រាប់ដៃគូអាចនឹងត្រូវបានចេញផ្សាយនាពេលអនាគត។

ប៉ូលិសហូឡង់មានអង្គភាពពិសេសដែលមានជំនាញក្នុងការបង្កើតបច្ចេកវិទ្យាថ្មីដើម្បីដោះស្រាយឧក្រិដ្ឋកម្ម។ វាគឺជាគាត់ដែលបង្កើតប្រព័ន្ធ AI សម្រាប់ការស្វែងរកឧក្រិដ្ឋជនយ៉ាងឆាប់រហ័សដោយផ្អែកលើភស្តុតាង។

AI នៅក្នុងប្រព័ន្ធតុលាការ

ការអភិវឌ្ឍន៍ក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត នឹងជួយផ្លាស់ប្តូរប្រព័ន្ធតុលាការ ដោយធ្វើឱ្យវាកាន់តែមានភាពយុត្តិធម៌ និងគ្មានអំពើពុករលួយ។ មតិនេះត្រូវបានសម្តែងនៅរដូវក្តៅឆ្នាំ 2017 ដោយ Dr. វិទ្យាសាស្ត្របច្ចេកទេសទីប្រឹក្សាបច្ចេកទេសរបស់ Artezio Vladimir Krylov ។

អ្នកវិទ្យាសាស្ត្រជឿជាក់ថាដំណោះស្រាយដែលមានស្រាប់នៅក្នុងវិស័យ AI អាចត្រូវបានអនុវត្តដោយជោគជ័យនៅក្នុងវិស័យផ្សេងៗនៃសេដ្ឋកិច្ច និងជីវិតសាធារណៈ។ អ្នកជំនាញបានចង្អុលបង្ហាញថា AI ត្រូវបានប្រើប្រាស់ដោយជោគជ័យក្នុងវេជ្ជសាស្ត្រ ប៉ុន្តែនៅពេលអនាគត វាអាចផ្លាស់ប្តូរប្រព័ន្ធតុលាការទាំងស្រុង។

“ដោយក្រឡេកមើលរបាយការណ៍ព័ត៌មានជារៀងរាល់ថ្ងៃអំពីការអភិវឌ្ឍន៍ក្នុងវិស័យ AI អ្នកគ្រាន់តែភ្ញាក់ផ្អើលចំពោះការស្រមើលស្រមៃដែលមិនអាចកាត់ថ្លៃបាន និងផលផ្លែនៃអ្នកស្រាវជ្រាវ និងអ្នកអភិវឌ្ឍន៍ក្នុងវិស័យនេះ។ របាយការណ៍ស្តីពីការស្រាវជ្រាវវិទ្យាសាស្ត្រត្រូវបានលាយបញ្ចូលគ្នាឥតឈប់ឈរជាមួយនឹងការបោះពុម្ពផ្សាយអំពីផលិតផលថ្មីដែលកំពុងផ្ទុះនៅលើទីផ្សារ និងរបាយការណ៍នៃលទ្ធផលដ៏អស្ចារ្យដែលទទួលបានតាមរយៈការប្រើប្រាស់ AI នៅក្នុង តំបន់ផ្សេងៗ. ប្រសិនបើយើងនិយាយអំពីព្រឹត្តិការណ៍ដែលរំពឹងទុក អមដោយការបំផ្លើសគួរឱ្យកត់សម្គាល់នៅក្នុងប្រព័ន្ធផ្សព្វផ្សាយ ដែល AI នឹងក្លាយជាវីរបុរសនៃព័ត៌មានម្តងទៀត នោះខ្ញុំប្រហែលជាមិនប្រថុយនឹងការព្យាករណ៍ផ្នែកបច្ចេកវិទ្យាទេ។ ខ្ញុំអាចសន្មត់ថាព្រឹត្តិការណ៍បន្ទាប់នឹងក្លាយជាការបង្ហាញខ្លួននៅកន្លែងណាមួយនៃតុលាការដែលមានសមត្ថកិច្ចខ្លាំងនៅក្នុងទម្រង់នៃបញ្ញាសិប្បនិម្មិត យុត្តិធម៌ និងមិនអាចកាត់ផ្តាច់បាន។ ជាក់ស្តែង វានឹងកើតឡើងនៅឆ្នាំ ២០២០-២០២៥។ ហើយដំណើរការដែលនឹងប្រព្រឹត្តទៅនៅក្នុងតុលាការនេះនឹងនាំឱ្យមានការឆ្លុះបញ្ចាំងដែលមិននឹកស្មានដល់ និងបំណងប្រាថ្នារបស់មនុស្សជាច្រើនក្នុងការផ្ទេរទៅកាន់ AI ភាគច្រើននៃដំណើរការនៃការគ្រប់គ្រងសង្គមមនុស្ស។

អ្នកវិទ្យាសាស្ត្រទទួលស្គាល់ការប្រើប្រាស់បញ្ញាសិប្បនិម្មិតនៅក្នុងប្រព័ន្ធតុលាការថាជា “ជំហានឡូជីខល” ដើម្បីអភិវឌ្ឍសមភាពនីតិបញ្ញត្តិ និងយុត្តិធម៌។ ភាពវៃឆ្លាតរបស់ម៉ាស៊ីនមិនមែនជាកម្មវត្ថុនៃអំពើពុករលួយ និងអារម្មណ៍ទេ អាចប្រកាន់ខ្ជាប់យ៉ាងតឹងរឹងនូវក្របខ័ណ្ឌនីតិប្បញ្ញត្តិ និងធ្វើការសម្រេចចិត្តដោយពិចារណាលើកត្តាជាច្រើន រួមទាំងទិន្នន័យដែលកំណត់លក្ខណៈដល់ភាគីជម្លោះ។ ដោយភាពស្រដៀងគ្នាជាមួយវិស័យវេជ្ជសាស្ត្រ ចៅក្រមមនុស្សយន្តអាចដំណើរការជាមួយនឹងទិន្នន័យធំពីកន្លែងផ្ទុកទិន្នន័យ សេវាកម្មសាធារណៈ. វាអាចត្រូវបានសន្មត់ថាភាពវៃឆ្លាតរបស់ម៉ាស៊ីននឹងអាចដំណើរការទិន្នន័យបានយ៉ាងឆាប់រហ័ស និងគិតគូរពីកត្តាសំខាន់ៗច្រើនជាងចៅក្រមរបស់មនុស្ស។

ទោះជាយ៉ាងណាក៏ដោយ អ្នកចិត្តសាស្រ្តជំនាញជឿថា អវត្ដមាននៃសមាសធាតុអារម្មណ៍នៅពេលពិចារណាលើសំណុំរឿងរបស់តុលាការនឹងជះឥទ្ធិពលអវិជ្ជមានដល់គុណភាពនៃការសម្រេចចិត្ត។ សាលក្រមរបស់តុលាការម៉ាស៊ីនអាចមានភាពត្រង់ពេក ដោយមិនបានគិតពីសារៈសំខាន់នៃអារម្មណ៍ និងអារម្មណ៍របស់មនុស្ស។

គំនូរ

ក្នុងឆ្នាំ 2015 ក្រុម Google បានសាកល្បងបណ្តាញសរសៃប្រសាទ ដើម្បីមើលថាតើពួកគេអាចបង្កើតរូបភាពដោយខ្លួនឯងបានដែរឬទេ។ បន្ទាប់មក បញ្ញាសិប្បនិមិត្តត្រូវបានបណ្តុះបណ្តាលដោយប្រើរូបភាពផ្សេងៗគ្នាជាច្រើន។ ទោះជាយ៉ាងណាក៏ដោយ នៅពេលដែលម៉ាស៊ីនត្រូវបាន "សួរ" ដើម្បីពណ៌នាអ្វីមួយដោយខ្លួនឯង វាប្រែថាវាបានបកស្រាយពិភពលោកជុំវិញយើងតាមរបៀបចម្លែកបន្តិច។ ឧទាហរណ៍សម្រាប់ភារកិច្ចនៃការគូរ dumbbells អ្នកអភិវឌ្ឍន៍បានទទួលរូបភាពដែលលោហៈត្រូវបានភ្ជាប់ ដោយដៃមនុស្ស. នេះប្រហែលជាកើតឡើងដោយសារតែការពិតដែលថានៅដំណាក់កាលហ្វឹកហាត់រូបភាពដែលបានវិភាគជាមួយ dumbbells មានដៃហើយបណ្តាញសរសៃប្រសាទបានបកស្រាយរឿងនេះមិនត្រឹមត្រូវ។

នៅថ្ងៃទី 26 ខែកុម្ភៈ ឆ្នាំ 2016 នៅឯការដេញថ្លៃពិសេសមួយនៅ San Francisco អ្នកតំណាង Google បានរៃអង្គាសប្រាក់បានប្រហែល 98 ពាន់ដុល្លារពីគំនូរដែលបង្កើតដោយបញ្ញាសិប្បនិម្មិត មូលនិធិទាំងនេះត្រូវបានបរិច្ចាគទៅអង្គការសប្បុរសធម៌។ រូបភាពមួយក្នុងចំណោមរូបភាពជោគជ័យបំផុតនៃរថយន្តត្រូវបានបង្ហាញខាងក្រោម។

រូបគំនូរដែលគូរដោយបញ្ញាសិប្បនិម្មិតរបស់ Google ។

បញ្ញាសិប្បនិម្មិត

បញ្ញាសិប្បនិម្មិត[ភាសាអង់គ្លេស] Artificial Intelligence (AI)] គឺជាសាខានៃវិទ្យាសាស្ត្រកុំព្យូទ័រដែលសិក្សាពីលទ្ធភាពនៃការផ្តល់ហេតុផល និងសកម្មភាពឆ្លាតវៃដោយប្រើប្រព័ន្ធកុំព្យូទ័រ និងឧបករណ៍សិប្បនិម្មិតផ្សេងទៀត។
ក្នុងករណីភាគច្រើន ក្បួនដោះស្រាយសម្រាប់ការដោះស្រាយបញ្ហាមិនត្រូវបានគេដឹងជាមុនទេ។
ការស្រាវជ្រាវដំបូងដែលទាក់ទងនឹងបញ្ញាសិប្បនិម្មិតត្រូវបានធ្វើឡើងស្ទើរតែភ្លាមៗបន្ទាប់ពីការលេចចេញនូវកុំព្យូទ័រដំបូង។
នៅឆ្នាំ ១៩១០-១៣ Bertrand Russell និង Alfred North Whitehead បានបោះពុម្ព គោលការណ៍គណិតវិទ្យា ដែលបដិវត្តន៍តក្កវិជ្ជាផ្លូវការ។ នៅឆ្នាំ 1931 លោក Kurt Gödel បានបង្ហាញថាប្រព័ន្ធផ្លូវការដែលស្មុគស្មាញគ្រប់គ្រាន់មានសេចក្តីថ្លែងការណ៍ដែលទោះជាយ៉ាងនេះក្តី មិនអាចបញ្ជាក់បាន ឬបដិសេធក្នុងក្របខ័ណ្ឌនៃប្រព័ន្ធនេះទេ។ ដូច្នេះ ប្រព័ន្ធ AI ដែលបង្កើតការពិតនៃសេចក្តីថ្លែងការណ៍ទាំងអស់ដោយដកវាចេញពី axioms មិនអាចបញ្ជាក់សេចក្តីថ្លែងការណ៍ទាំងនោះបានទេ។ ដោយសារមនុស្សអាច "មើលឃើញ" ការពិតនៃសេចក្តីថ្លែងការណ៍បែបនេះ AI ត្រូវបានគេមើលឃើញថាជាការគិតក្រោយ។ នៅឆ្នាំ 1941 Konrad Zuse បានបង្កើតកុំព្យូទ័រដែលគ្រប់គ្រងដោយកម្មវិធីដំបូងគេ។ Warren McCulloch និង Walter Pitts បានបោះពុម្ព A Logical Calculus of the Ideas Immanent in Nervous Activity ក្នុងឆ្នាំ 1943 ដែលបានបង្កើតមូលដ្ឋានគ្រឹះសម្រាប់បណ្តាញសរសៃប្រសាទ។
នៅឆ្នាំ 1954 អ្នកស្រាវជ្រាវជនជាតិអាមេរិក A. Newel បានសម្រេចចិត្តសរសេរកម្មវិធីសម្រាប់លេងអុក។ គាត់បានចែករំលែកគំនិតនេះជាមួយ RAND Corporation (www.rand.org) អ្នកវិភាគ J. Show និង H. Simon ដែលបានផ្តល់ជំនួយដល់ Newell ។ ជាមូលដ្ឋានទ្រឹស្តីសម្រាប់កម្មវិធីបែបនេះ វាត្រូវបានគេសម្រេចចិត្តប្រើវិធីសាស្រ្តដែលបានស្នើឡើងក្នុងឆ្នាំ 1950 ដោយលោក Claude Shannon ដែលជាស្ថាបនិកនៃទ្រឹស្តីព័ត៌មាន។ ការធ្វើជាផ្លូវការច្បាស់លាស់នៃវិធីសាស្រ្តនេះត្រូវបានអនុវត្តដោយ Alan Turing ។ គាត់បានធ្វើគំរូដោយដៃ។ ក្រុមអ្នកចិត្តសាស្រ្តហូឡង់មួយក្រុមដែលដឹកនាំដោយ A. de Groot ដែលបានសិក្សាពីទម្រង់លេងរបស់អ្នកលេងអុកឆ្នើមបានចូលរួមក្នុងការងារនេះ។ ក្នុងរយៈពេលពីរឆ្នាំ កិច្ចសហប្រតិបត្តិការក្រុមនេះបានបង្កើតភាសាសរសេរកម្មវិធី IPL1 - ជាក់ស្តែងជាភាសានិមិត្តសញ្ញាដំបូងសម្រាប់ដំណើរការបញ្ជី។ មិនយូរប៉ុន្មានកម្មវិធីដំបូងត្រូវបានសរសេរដែលអាចសន្មតថាជាសមិទ្ធិផលក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត។ នេះគឺជាកម្មវិធី "Logic-Theorist" (1956) ដែលត្រូវបានរចនាឡើងសម្រាប់ភស្តុតាងដោយស្វ័យប្រវត្តិនៃទ្រឹស្តីបទនៅក្នុងការគណនា propositional calculus ។
កម្មវិធីពិតប្រាកដសម្រាប់ការលេងអុក NSS ត្រូវបានបញ្ចប់នៅឆ្នាំ 1957។ ការងាររបស់វាគឺផ្អែកលើអ្វីដែលគេហៅថា heuristics (ច្បាប់ដែលអនុញ្ញាតឱ្យមនុស្សម្នាក់ធ្វើការជ្រើសរើសក្នុងករណីដែលគ្មានមូលដ្ឋានទ្រឹស្តីច្បាស់លាស់) និងការពិពណ៌នាអំពីគោលដៅ។ ក្បួនដោះស្រាយគ្រប់គ្រងបានព្យាយាមកាត់បន្ថយភាពខុសគ្នារវាងការវាយតម្លៃនៃស្ថានភាពបច្ចុប្បន្ន និងការវាយតម្លៃនៃគោលដៅ ឬមួយនៃគោលដៅរង។
នៅឆ្នាំ 1960 ក្រុមដូចគ្នាដោយផ្អែកលើគោលការណ៍ដែលប្រើនៅក្នុង NSS បានសរសេរកម្មវិធីដែលអ្នកបង្កើតរបស់វាហៅថា GPS (General Problem Solver) ដែលជាអ្នកដោះស្រាយបញ្ហាសកល។ GPS អាចដោះស្រាយល្បែងផ្គុំរូបមួយចំនួន គណនា អាំងតេក្រាលមិនកំណត់ដោះស្រាយបញ្ហាមួយចំនួនទៀត។ លទ្ធផលទាំងនេះបានទាក់ទាញចំណាប់អារម្មណ៍របស់អ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ។ កម្មវិធីបានបង្ហាញខ្លួនសម្រាប់ទ្រឹស្តីបទបង្ហាញដោយស្វ័យប្រវត្តិពីប្លង់មេទ្រី និងការដោះស្រាយបញ្ហាពិជគណិត (បង្កើតជាភាសាអង់គ្លេស)។
John McCarty មកពី Stanford បានចាប់អារម្មណ៍លើមូលដ្ឋានគណិតវិទ្យានៃលទ្ធផលទាំងនេះ និងការគណនាជានិមិត្តសញ្ញាជាទូទៅ។ ជាលទ្ធផល នៅឆ្នាំ 1963 គាត់បានបង្កើតភាសា LISP (LISP ពី List Processing) ដែលផ្អែកលើការប្រើប្រាស់តំណាងបញ្ជីតែមួយសម្រាប់កម្មវិធី និងទិន្នន័យ ការប្រើប្រាស់កន្សោមដើម្បីកំណត់មុខងារ និងវាក្យសម្ព័ន្ធតង្កៀប។
អ្នកតក្កវិជ្ជាក៏ចាប់ផ្តើមបង្ហាញចំណាប់អារម្មណ៍លើការស្រាវជ្រាវក្នុងវិស័យបញ្ញាសិប្បនិមិត្តផងដែរ។ ក្នុងឆ្នាំ 1964 ផងដែរ ការងាររបស់ Leningrad logician Sergei Maslov "វិធីសាស្រ្តបញ្ច្រាសសម្រាប់ការបង្កើតការដកថយក្នុងការគណនា predicate បុរាណ" ត្រូវបានបោះពុម្ពដែលក្នុងនោះគាត់បានស្នើវិធីសាស្រ្តដំបូងសម្រាប់ការស្វែងរកភស្តុតាងនៃទ្រឹស្តីបទនៅក្នុងការគណនាទស្សន៍ទាយដោយស្វ័យប្រវត្តិ។
មួយឆ្នាំក្រោយមក (ក្នុងឆ្នាំ 1965) ការងាររបស់ J.A. Robinson បានបង្ហាញខ្លួននៅក្នុងសហរដ្ឋអាមេរិក ដោយផ្តោតលើវិធីសាស្រ្តខុសគ្នាបន្តិចបន្តួចសម្រាប់ការស្វែងរកភស្តុតាងនៃទ្រឹស្តីបទដោយស្វ័យប្រវត្តិនៅក្នុងការគណនាទស្សន៍ទាយលំដាប់ទីមួយ។ វិធីសាស្ត្រនេះត្រូវបានគេហៅថាវិធីសាស្ត្រដោះស្រាយ ហើយបានបម្រើជាចំណុចចាប់ផ្តើមសម្រាប់ការបង្កើតភាសាសរសេរកម្មវិធីថ្មីមួយជាមួយនឹងនីតិវិធីការសន្និដ្ឋានដែលភ្ជាប់មកជាមួយ - ភាសា Prolog (PROLOG) ក្នុងឆ្នាំ 1971 ។
នៅឆ្នាំ 1966 នៅសហភាពសូវៀត Valentin Turchin បានបង្កើតភាសាមុខងារហៅឡើងវិញ Refal ដែលមានបំណងពិពណ៌នាភាសានិង ប្រភេទផ្សេងគ្នាដំណើរការរបស់ពួកគេ។ ទោះបីជាវាត្រូវបានបង្កើតជាភាសាមេតាណុលជាក្បួនក៏ដោយ សម្រាប់អ្នកប្រើប្រាស់វាដូចជា LISP និង Prolog ដែលជាភាសាសម្រាប់ដំណើរការព័ត៌មានជានិមិត្តសញ្ញា។
នៅចុងបញ្ចប់នៃទសវត្សរ៍ទី 60 ។ កម្មវិធីហ្គេមដំបូងបានបង្ហាញខ្លួន ប្រព័ន្ធសម្រាប់ការវិភាគអត្ថបទបឋម និងដោះស្រាយបញ្ហាគណិតវិទ្យាមួយចំនួន (ធរណីមាត្រ, ការគណនាអាំងតេក្រាល។) នៅក្នុងបញ្ហាស្វែងរកដ៏ស្មុគស្មាញដែលបានកើតឡើង ចំនួននៃជម្រើសដែលត្រូវស្វែងរកត្រូវបានកាត់បន្ថយយ៉ាងខ្លាំងដោយការប្រើប្រាស់គ្រប់ប្រភេទនៃ heuristics និង "សុភវិនិច្ឆ័យ"។ វិធីសាស្រ្តនេះបានមកត្រូវបានគេហៅថាកម្មវិធី heuristic ។ ការអភិវឌ្ឍន៍បន្ថែមទៀតកម្មវិធី heuristic បានដើរតាមគន្លងនៃភាពស្មុគស្មាញនៃក្បួនដោះស្រាយ និងការធ្វើអោយប្រសើរឡើងនូវ heuristics ។ ទោះជាយ៉ាងណាក៏ដោយ ភ្លាមៗនោះ វាបានក្លាយទៅជាច្បាស់ថាមានដែនកំណត់ជាក់លាក់មួយលើសពីនេះ ដែលមិនមានការកែលម្អនៅក្នុង heuristics ឬភាពស្មុគស្មាញនៃក្បួនដោះស្រាយនឹងធ្វើអោយប្រសើរឡើងនូវគុណភាពនៃប្រព័ន្ធ ហើយសំខាន់បំផុតគឺពង្រីកសមត្ថភាពរបស់វា។ កម្មវិធីដែលលេងអុកនឹងមិនលេង checkers ឬហ្គេមកាតទេ។
បន្តិចម្ដងៗអ្នកស្រាវជ្រាវបានចាប់ផ្តើមយល់ថាកម្មវិធីទាំងអស់ដែលបានបង្កើតពីមុនខ្វះអ្វីដែលសំខាន់បំផុត - ចំណេះដឹងក្នុងវិស័យពាក់ព័ន្ធ។ នៅពេលដោះស្រាយបញ្ហា អ្នកឯកទេសសម្រេចបានលទ្ធផលខ្ពស់ ដោយសារចំណេះដឹង និងបទពិសោធន៍របស់ពួកគេ។ ប្រសិនបើកម្មវិធីទទួលបានចំណេះដឹង និងអនុវត្តវា នោះពួកគេក៏នឹងសម្រេចបាននូវការងារដែលមានគុណភាពខ្ពស់ផងដែរ។
ការយល់ដឹងនេះដែលបានផុសឡើងនៅដើមទសវត្សរ៍ទី 70 មានន័យសំខាន់ថាជាការកើនឡើងប្រកបដោយគុណភាពនៅក្នុងការងារលើបញ្ញាសិប្បនិម្មិត។
ការពិចារណាជាមូលដ្ឋានក្នុងរឿងនេះត្រូវបានបង្ហាញនៅក្នុងឆ្នាំ 1977 នៅក្នុងសន្និសីទរួមលើកទី 5 ស្តីពីការវៃឆ្លាតសិប្បនិម្មិតដោយអ្នកវិទ្យាសាស្ត្រអាមេរិក E. Feigenbaum ។
រួចហើយនៅពាក់កណ្តាលទសវត្សរ៍ទី 70 ។ ប្រព័ន្ធឆ្លាតវៃដែលបានអនុវត្តដំបូងគេលេចឡើងដែលប្រើវិធីសាស្រ្តផ្សេងៗនៃការតំណាងឱ្យចំណេះដឹងដើម្បីដោះស្រាយបញ្ហា - ប្រព័ន្ធអ្នកជំនាញ។ ទីមួយគឺប្រព័ន្ធអ្នកជំនាញ DENDRAL ដែលត្រូវបានបង្កើតឡើងនៅសាកលវិទ្យាល័យស្ទែនហ្វដ និងរចនាដើម្បីបង្កើតរូបមន្ត សមាសធាតុគីមីផ្អែកលើការវិភាគវិសាលគម។ បច្ចុប្បន្ន DENDRAL ត្រូវបានផ្គត់ផ្គង់ដល់អតិថិជន រួមជាមួយនឹងឧបករណ៍វាស់ស្ទង់។ ប្រព័ន្ធ MYCIN ត្រូវបានបម្រុងទុកសម្រាប់ការធ្វើរោគវិនិច្ឆ័យ និងការព្យាបាលជំងឺឆ្លងនៃឈាម។ ប្រព័ន្ធ PROSPECTOR ព្យាករណ៍ពីប្រាក់បញ្ញើរ៉ែ។ មានព័ត៌មានថាជាមួយនឹងជំនួយរបស់វា ប្រាក់បញ្ញើម៉ូលីបដិនត្រូវបានគេរកឃើញ ដែលមានតម្លៃលើសពី 100 លានដុល្លារ។ ប្រព័ន្ធវាយតម្លៃគុណភាពទឹកត្រូវបានអនុវត្តដោយផ្អែកលើ បច្ចេកវិទ្យារុស្ស៊ី SIMER + MIR កាលពីប៉ុន្មានឆ្នាំមុន ហេតុផលសម្រាប់ការលើសកម្រិតអតិបរមាដែលអាចអនុញ្ញាតបាននៃសារធាតុបំពុលនៅក្នុងទន្លេម៉ូស្គូក្នុងតំបន់ Serebryany Bor ។ ប្រព័ន្ធ CASNET ត្រូវបានរចនាឡើងដើម្បីធ្វើរោគវិនិច្ឆ័យ និងជ្រើសរើសយុទ្ធសាស្ត្រព្យាបាលសម្រាប់ជំងឺដក់ទឹកក្នុងភ្នែក ។ល។
បច្ចុប្បន្ននេះការអភិវឌ្ឍន៍និងការអនុវត្តប្រព័ន្ធអ្នកជំនាញបានក្លាយជាផ្នែកវិស្វកម្មឯករាជ្យ។ ការស្រាវជ្រាវវិទ្យាសាស្ត្រត្រូវបានប្រមូលផ្តុំនៅក្នុងផ្នែកមួយចំនួន ដែលផ្នែកខ្លះត្រូវបានរាយខាងក្រោម។
ទ្រឹស្ដីមិនបានកំណត់យ៉ាងច្បាស់នូវអ្វីដែលត្រូវចាត់ទុកថាចាំបាច់ និងលក្ខខណ្ឌគ្រប់គ្រាន់សម្រាប់ការសម្រេចបាននូវបញ្ញា។ ទោះបីជាមានសម្មតិកម្មមួយចំនួនលើពិន្ទុនេះក៏ដោយ ឧទាហរណ៍ សម្មតិកម្ម Newell-Simon ។ ជាធម្មតា ការអនុវត្តប្រព័ន្ធឆ្លាតវៃត្រូវបានខិតជិតយ៉ាងជាក់លាក់ពីទស្សនៈនៃការធ្វើគំរូបញ្ញារបស់មនុស្ស។ ដូច្នេះ ក្នុងបញ្ញាសិប្បនិម្មិតមានទិសដៅសំខាន់ពីរ៖
■ និមិត្តរូប (semiotic, top-down) គឺផ្អែកលើការយកគំរូតាមដំណើរការគិតរបស់មនុស្សកម្រិតខ្ពស់ លើការតំណាង និងការប្រើប្រាស់ចំណេះដឹង។
■ neurocybernetic (បណ្តាញសរសៃប្រសាទបាតឡើង) គឺផ្អែកលើគំរូនៃរចនាសម្ព័ន្ធខួរក្បាលកម្រិតទាបបុគ្គល (ណឺរ៉ូន) ។
ដូច្នេះ គោលដៅចុងក្រោយនៃបញ្ញាសិប្បនិមិត្ត គឺបង្កើតប្រព័ន្ធឆ្លាតវៃកុំព្យូទ័រ ដែលនឹងមានប្រសិទ្ធភាពកម្រិតមួយក្នុងការដោះស្រាយបញ្ហាក្រៅផ្លូវការ ប្រៀបធៀបនឹងមនុស្ស ឬប្រសើរជាងមនុស្ស។
គំរូនៃការសរសេរកម្មវិធីដែលប្រើជាទូទៅបំផុតនៅពេលបង្កើតប្រព័ន្ធបញ្ញាសិប្បនិម្មិតគឺការសរសេរកម្មវិធីមុខងារ និងកម្មវិធីតក្កវិជ្ជា។ ពួកវាខុសគ្នាពីវិធីសាស្រ្តរចនាសម្ព័ននិងវត្ថុបុរាណចំពោះការអភិវឌ្ឍន៍តក្កវិជ្ជារបស់កម្មវិធីដោយប្រភពនៃដំណោះស្រាយដែលមិនមែនជាលីនេអ៊ែរ និងឧបករណ៍កម្រិតទាបសម្រាប់គាំទ្រការវិភាគ និងការសំយោគរចនាសម្ព័ន្ធទិន្នន័យ។
មានពីរ សាលាវិទ្យាសាស្ត្រជាមួយនឹងវិធីសាស្រ្តផ្សេងគ្នាចំពោះបញ្ហា AI: AI សាមញ្ញ និង AI គណនា។
នៅក្នុង AI ធម្មតា។វិធីសាស្រ្តរៀនដោយខ្លួនឯងដោយម៉ាស៊ីនដោយផ្អែកលើលក្ខណៈផ្លូវការ និងការវិភាគស្ថិតិត្រូវបានប្រើជាចម្បង។
វិធីសាស្រ្ត AI ធម្មតា៖
■ ប្រព័ន្ធអ្នកជំនាញ៖ កម្មវិធីដែលធ្វើសកម្មភាពយោងទៅតាមច្បាប់ជាក់លាក់ ដំណើរការព័ត៌មានមួយចំនួនធំ ហើយជាលទ្ធផល ចេញសេចក្តីសន្និដ្ឋានដោយផ្អែកលើវា។
■ ការវែកញែកតាមករណី។
■បណ្តាញ Bayesian - វាជាវិធីសាស្រ្តស្ថិតិសម្រាប់ការរកឃើញលំនាំនៅក្នុងទិន្នន័យ។ ចំពោះគោលបំណងនេះ ព័ត៌មានបឋមត្រូវបានប្រើប្រាស់ ដែលមាននៅក្នុងរចនាសម្ព័ន្ធបណ្តាញ ឬក្នុងមូលដ្ឋានទិន្នន័យ
■ វិធីសាស្រ្តអាកប្បកិរិយា៖ វិធីសាស្រ្តម៉ូឌុលនៃការកសាងប្រព័ន្ធ AI ដែលក្នុងនោះប្រព័ន្ធត្រូវបានបែងចែកទៅជាកម្មវិធីអាកប្បកិរិយាស្វយ័តមួយចំនួនដែលត្រូវបានដាក់ឱ្យដំណើរការអាស្រ័យលើការផ្លាស់ប្តូរនៅក្នុងបរិយាកាសខាងក្រៅ។
AI គណនាពាក់ព័ន្ធនឹងការអភិវឌ្ឍន៍ និងការបណ្តុះបណ្តាលដដែលៗ (ឧទាហរណ៍ ការជ្រើសរើសប៉ារ៉ាម៉ែត្រនៅក្នុងបណ្តាញតភ្ជាប់)។ ការរៀនគឺផ្អែកលើជាក់ស្តែង ហើយត្រូវបានផ្សារភ្ជាប់ជាមួយនឹង AI ដែលមិនមែនជានិមិត្តសញ្ញា និងកុំព្យូទ័រទន់។
វិធីសាស្រ្តជាមូលដ្ឋាននៃ AI គណនា៖
■ បណ្តាញសរសៃប្រសាទ៖ ប្រព័ន្ធដែលមានសមត្ថភាពទទួលស្គាល់ល្អឥតខ្ចោះ។
■ ប្រព័ន្ធមិនច្បាស់៖ បច្ចេកទេសសម្រាប់ការវែកញែកក្នុងលក្ខខណ្ឌនៃភាពមិនប្រាកដប្រជា (ប្រើយ៉ាងទូលំទូលាយនៅក្នុងប្រព័ន្ធគ្រប់គ្រងឧស្សាហកម្មទំនើប និងអតិថិជន)
■ ការគណនាវិវត្តន៍៖ គោលគំនិតជាប្រពៃណីទាក់ទងនឹងជីវវិទ្យាត្រូវបានប្រើប្រាស់នៅទីនេះ ដូចជាចំនួនប្រជាជន ការផ្លាស់ប្តូរ និង ការជ្រើសរើសធម្មជាតិដើម្បីបង្កើតដំណោះស្រាយប្រសើរជាងមុនចំពោះបញ្ហា។ វិធីសាស្រ្តទាំងនេះត្រូវបានបែងចែកទៅជាក្បួនដោះស្រាយការវិវត្តន៍ (ឧទាហរណ៍ ក្បួនដោះស្រាយហ្សែន) និងវិធីសាស្ត្រស៊ើបការណ៍សម្ងាត់ (ឧទាហរណ៍ ក្បួនដោះស្រាយស្រមោច)។
នៅក្នុងក្របខ័ណ្ឌនៃប្រព័ន្ធឆ្លាតវៃកូនកាត់ ពួកគេកំពុងព្យាយាមបញ្ចូលគ្នានូវទិសដៅទាំងពីរនេះ។ ច្បាប់សន្និដ្ឋានរបស់អ្នកជំនាញអាចត្រូវបានបង្កើតដោយបណ្តាញសរសៃប្រសាទ ហើយច្បាប់បង្កើតត្រូវបានទទួលដោយប្រើការសិក្សាស្ថិតិ។
ទិសដៅសន្យានៃបញ្ញាសិប្បនិម្មិត។
បច្ចេកទេស CBR (Case-Based Reasoning) ត្រូវបានគេប្រើជាច្រើនរួចមកហើយ។ បញ្ហាដែលបានអនុវត្ត- ផ្នែកវេជ្ជសាស្ត្រ ការគ្រប់គ្រងគម្រោង សម្រាប់ការវិភាគ និងការរៀបចំឡើងវិញនៃបរិស្ថាន សម្រាប់ការអភិវឌ្ឍន៍ទំនិញប្រើប្រាស់ដោយគិតគូរពីចំណូលចិត្ត ក្រុមផ្សេងគ្នាអ្នកប្រើប្រាស់។ល។ យើងគួររំពឹងថានឹងប្រើប្រាស់វិធីសាស្រ្ត CBR សម្រាប់ភារកិច្ចនៃការទាញយកព័ត៌មានឆ្លាតវៃ e-commerce (ការផ្តល់ទំនិញ ការបង្កើតភ្នាក់ងារលក់និម្មិត) ការធ្វើផែនការឥរិយាបថក្នុងបរិយាកាសថាមវន្ត ប្លង់ ការរចនា និងការសំយោគកម្មវិធី។
លើសពីនេះទៀត យើងគួររំពឹងថានឹងមានការកើនឡើងនៃឥទ្ធិពលនៃគំនិត និងវិធីសាស្រ្ត (AI) លើការវិភាគម៉ាស៊ីននៃអត្ថបទភាសាធម្មជាតិ (AT)។ ផលប៉ះពាល់នេះទំនងជាប៉ះពាល់ដល់ការវិភាគតាមន័យ និងវិធីសាស្ត្រដែលពាក់ព័ន្ធ ការញែក- នៅក្នុងតំបន់នេះ វានឹងបង្ហាញឱ្យឃើញដោយខ្លួនវាផ្ទាល់ក្នុងការគិតគូរពីគំរូពិភពលោកនៅដំណាក់កាលចុងក្រោយនៃការវិភាគ semantic និងការប្រើប្រាស់ចំណេះដឹងអំពី ប្រធានបទនិងព័ត៌មានស្ថានភាពដើម្បីកាត់បន្ថយការស្វែងរកនៅដំណាក់កាលមុន (ឧទាហរណ៍ នៅពេលសាងសង់ដើមឈើញែក)។
"បណ្តាញទំនាក់ទំនង" ទីពីររវាង AI និង AT គឺជាការប្រើប្រាស់វិធីសាស្រ្តរៀនម៉ាស៊ីននៅក្នុង AT ។ "ឆានែល" ទីបីគឺជាការប្រើប្រាស់ការវែកញែកដោយផ្អែកលើបុព្វបទនិងការវែកញែកដោយផ្អែកលើអំណះអំណាងដើម្បីដោះស្រាយបញ្ហា AT មួយចំនួនឧទាហរណ៍បញ្ហានៃការកាត់បន្ថយសំលេងរំខាននិងការបង្កើនកម្រិតនៃភាពពាក់ព័ន្ធនៃការស្វែងរក។
ផ្នែកមួយដ៏សំខាន់ និងជោគជ័យបំផុតនៅក្នុងបញ្ញាសិប្បនិមិត្តនាពេលបច្ចុប្បន្ននេះគឺភារកិច្ចនៃការរៀបចំផែនការអាកប្បកិរិយាដោយស្វ័យប្រវត្តិ។ វិសាលភាពនៃការអនុវត្តវិធីសាស្រ្តធ្វើផែនការដោយស្វ័យប្រវត្តិរួមមានឧបករណ៍ជាច្រើនប្រភេទដែលមានកម្រិតខ្ពស់នៃស្វ័យភាព និងអាកប្បកិរិយាតម្រង់ទិសដៅពីឧបករណ៍ប្រើប្រាស់ក្នុងផ្ទះ រហូតដល់យានអវកាសគ្មានមនុស្សបើកសម្រាប់ការរុករកអវកាសជ្រៅ។

ប្រភពដែលបានប្រើ
1. Stuart Russell, Peter Norvig "Artificial Intelligence: A Modern Approach (AIMA)" ការបោះពុម្ពលើកទី 2: Trans ។ ពីភាសាអង់គ្លេស - អិមៈ គ្រឹះស្ថានបោះពុម្ព"Williams", 2005.-1424 ទំព័រជាមួយ illus ។
2. George F. Luger "Artificial Intelligence: Strategies and Methods of Solution", ការបោះពុម្ពលើកទី 4: Trans ។ ពីភាសាអង់គ្លេស - M. : Williams Publishing House, 2004 ។
3. Gennady Osipov ប្រធានសមាគមបញ្ញាសិប្បនិម្មិតរុស្ស៊ី សមាជិកអចិន្ត្រៃយ៍នៃគណៈកម្មាធិការសម្របសម្រួលអឺរ៉ុបស្តីពីបញ្ញាសិប្បនិមិត្ត (ECCAI) បណ្ឌិតវិទ្យាសាស្ត្ររូបវិទ្យា និងគណិតវិទ្យា សាស្ត្រាចារ្យ "បញ្ញាសិប្បនិមិត្ត៖ ស្ថានភាពស្រាវជ្រាវ និងសម្លឹងទៅអនាគត"។

បញ្ញាសិប្បនិម្មិត

បញ្ញាសិប្បនិម្មិត(AI មកពីភាសាអង់គ្លេស។ Artificial intelligence, AI) - វិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យានៃការបង្កើតម៉ាស៊ីនឆ្លាតវៃ ជាពិសេសកម្មវិធីកុំព្យូទ័រឆ្លាតវៃ។

AI គឺទាក់ទងទៅនឹងភារកិច្ចស្រដៀងគ្នានៃការប្រើប្រាស់កុំព្យូទ័រដើម្បីយល់ពីភាពវៃឆ្លាតរបស់មនុស្ស ប៉ុន្តែមិនត្រូវបានកំណត់ជាចាំបាច់ចំពោះវិធីសាស្ត្រដែលអាចជឿជាក់បានតាមជីវសាស្រ្តនោះទេ។

AI គឺជាទិសដៅវិទ្យាសាស្ត្រដែលបង្កើតវិធីសាស្រ្តដែលអនុញ្ញាតឱ្យកុំព្យូទ័រអេឡិចត្រូនិចដោះស្រាយបញ្ហាបញ្ញាប្រសិនបើពួកគេត្រូវបានដោះស្រាយដោយមនុស្សម្នាក់។ ពាក្យ "បញ្ញាសិប្បនិម្មិត" សំដៅលើមុខងាររបស់ម៉ាស៊ីនដើម្បីដោះស្រាយបញ្ហារបស់មនុស្ស។ បញ្ញាសិប្បនិម្មិតមានគោលបំណងបង្កើនប្រសិទ្ធភាពនៃទម្រង់ផ្សេងៗនៃការងារផ្លូវចិត្តរបស់មនុស្ស។

ទម្រង់ទូទៅនៃបញ្ញាសិប្បនិមិត្ត គឺជាកុំព្យូទ័រដែលរៀបចំឡើងដើម្បីឆ្លើយតបលើប្រធានបទជាក់លាក់មួយ។ "ប្រព័ន្ធអ្នកជំនាញ" បែបនេះមានសមត្ថភាពរបស់មនុស្សក្នុងការអនុវត្តការងារវិភាគរបស់អ្នកជំនាញ។ កម្មវិធីកែច្នៃពាក្យស្រដៀងគ្នាអាចរកឃើញកំហុសអក្ខរាវិរុទ្ធ និងអាចត្រូវបាន "បង្រៀន" ពាក្យថ្មី។ ទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងវិន័យវិទ្យាសាស្ត្រនេះគឺជាប្រធានបទមួយទៀតដែលជួនកាលត្រូវបានគេហៅថា "ជីវិតសិប្បនិម្មិត" ។ នាងដោះស្រាយជាមួយបញ្ញាកាន់តែច្រើន កំរិតទាប. ឧទាហរណ៍ មនុស្សយន្តអាចត្រូវបានកម្មវិធីដើម្បីរុករកក្នុងអ័ព្ទ ពោលគឺឧ។ ផ្តល់ឱ្យគាត់នូវសមត្ថភាព អន្តរកម្មរាងកាយជាមួយបរិស្ថាន។

ពាក្យ "បញ្ញាសិប្បនិម្មិត" ត្រូវបានស្នើឡើងជាលើកដំបូងនៅក្នុងសិក្ខាសាលាមួយដែលមានឈ្មោះដូចគ្នានៅមហាវិទ្យាល័យ Dartsmouth ក្នុងសហរដ្ឋអាមេរិកក្នុងឆ្នាំ 1956។ ក្រោយមក អ្នកវិទ្យាសាស្ត្រជាច្រើនបានផ្តល់និយមន័យដូចខាងក្រោមនៃបញ្ញាសិប្បនិម្មិត៖

AI គឺជាសាខានៃវិទ្យាសាស្ត្រកុំព្យូទ័រដែលត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងស្វ័យប្រវត្តិកម្មនៃអាកប្បកិរិយាឆ្លាតវៃ។

AI គឺជាវិទ្យាសាស្ត្រនៃការគណនាដែលធ្វើឱ្យការយល់ឃើញ ការសន្និដ្ឋាន និងសកម្មភាពអាចធ្វើទៅបាន។

AI គឺ ពត៌មានវិទ្យាដែលត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងដំណើរការនៃការសន្និដ្ឋានឡូជីខល ការរៀន និងការយល់ឃើញ។

បញ្ហាចម្បងនៃបញ្ញាសិប្បនិមិត្ត គឺការបង្កើតវិធីសាស្រ្តតំណាង និងដំណើរការចំណេះដឹង។

កម្មវិធីបញ្ញាសិប្បនិម្មិតរួមមាន:

កម្មវិធីហ្គេម (stochastic, ហ្គេមកុំព្យូទ័រ);

កម្មវិធីភាសាធម្មជាតិ - ការបកប្រែម៉ាស៊ីន, ការបង្កើតអត្ថបទ, ដំណើរការការនិយាយ;

កម្មវិធីទទួលស្គាល់ - ការទទួលស្គាល់ការសរសេរដោយដៃរូបភាពកាត;

កម្មវិធីសម្រាប់បង្កើត និងវិភាគក្រាហ្វិក គំនូរ និងស្នាដៃតន្ត្រី។

ផ្នែកខាងក្រោមនៃបញ្ញាសិប្បនិម្មិតត្រូវបានសម្គាល់៖

ប្រព័ន្ធអ្នកជំនាញ;

បណ្តាញសរសៃប្រសាទ;

ប្រព័ន្ធភាសាធម្មជាតិ;

វិធីសាស្រ្តវិវត្តន៍ និងក្បួនដោះស្រាយហ្សែន;

សំណុំមិនច្បាស់;

ប្រព័ន្ធទាញយកចំណេះដឹង។

ប្រព័ន្ធអ្នកជំនាញផ្តោតលើការដោះស្រាយបញ្ហាជាក់លាក់។

បណ្តាញសរសៃប្រសាទអនុវត្តក្បួនដោះស្រាយបណ្តាញសរសៃប្រសាទ។

ត្រូវបានបែងចែកទៅជា:

បណ្តាញគោលបំណងទូទៅដែលគាំទ្រក្បួនដោះស្រាយបណ្តាញសរសៃប្រសាទប្រហែល 30 និងត្រូវបានប្ដូរតាមបំណងដើម្បីដោះស្រាយបញ្ហាជាក់លាក់។

តម្រង់ទិសវត្ថុ - ប្រើសម្រាប់ការទទួលស្គាល់តួអក្សរ ការគ្រប់គ្រងផលិតកម្ម ការព្យាករណ៍ស្ថានភាពនៅក្នុងទីផ្សារប្តូរប្រាក់បរទេស។

កូនកាត់ - ប្រើជាមួយកម្មវិធីមួយចំនួន (Excel, Access, Lotus)។

ប្រព័ន្ធភាសាធម្មជាតិ (NL) ត្រូវបានបែងចែកជាៈ

ផលិតផលផ្នែកទន់ចំណុចប្រទាក់ភាសាធម្មជាតិនៅក្នុងមូលដ្ឋានទិន្នន័យ (តំណាងនៃសំណួរភាសាធម្មជាតិចូលទៅក្នុងសំណួរ SQL);

ការស្វែងរកភាសាធម្មជាតិនៅក្នុងអត្ថបទ ការស្កេនមាតិកានៃអត្ថបទ (ប្រើក្នុងម៉ាស៊ីនស្វែងរកអ៊ីនធឺណិត ឧទាហរណ៍ Google);

ឧបករណ៍សម្គាល់ការនិយាយដែលអាចធ្វើមាត្រដ្ឋានបាន (អ្នកបកប្រែក្នុងពេលដំណាលគ្នាចល័ត);

ធាតុផ្សំនៃដំណើរការការនិយាយជាឧបករណ៍សេវាកម្ម កម្មវិធី(ប្រព័ន្ធប្រតិបត្តិការ Windows XP) ។

សំណុំ Fuzzy - អនុវត្តទំនាក់ទំនងឡូជីខលរវាងទិន្នន័យ។ ផលិតផលសូហ្វវែរទាំងនេះត្រូវបានប្រើដើម្បីគ្រប់គ្រងវត្ថុសេដ្ឋកិច្ច បង្កើតប្រព័ន្ធអ្នកជំនាញ និងប្រព័ន្ធគាំទ្រការសម្រេចចិត្ត។

ក្បួនដោះស្រាយហ្សែនគឺជាវិធីសាស្រ្តសម្រាប់ការវិភាគទិន្នន័យដែលមិនអាចវិភាគដោយវិធីសាស្ត្រស្តង់ដារ។ តាមក្បួនមួយពួកវាត្រូវបានប្រើដើម្បីដំណើរការព័ត៌មានដ៏ធំនិងបង្កើតគំរូព្យាករណ៍។ ប្រើក្នុង គោលបំណងវិទ្យាសាស្ត្រនៅក្នុងការក្លែងធ្វើគំរូ។

ប្រព័ន្ធទាញយកចំណេះដឹង - ប្រើដើម្បីដំណើរការទិន្នន័យពីឃ្លាំងព័ត៌មាន។

ប្រព័ន្ធ AI ល្បីៗមួយចំនួនគឺ៖

ពណ៌ខៀវជ្រៅ- ឈ្នះជើងឯកអុកពិភពលោក។ ការប្រកួតរវាង Kasparov និង Supercomputer មិនបាននាំមកនូវការពេញចិត្តចំពោះអ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ ឬអ្នកលេងអុកនោះទេ ហើយប្រព័ន្ធនេះមិនត្រូវបានទទួលស្គាល់ដោយ Kasparov ទេ។ បន្ទាត់នៃ supercomputers របស់ IBM បានបង្ហាញខ្លួនវានៅក្នុងគម្រោង brute force project BluGene (molecular modeling) និង modeling system pyramidal cell នៅមជ្ឈមណ្ឌល Swiss Blue Brain Center។

វ៉ាត់សុន- ការអភិវឌ្ឍន៍ប្រកបដោយជោគជ័យដោយ IBM ដែលមានសមត្ថភាពយល់ឃើញ ការនិយាយរបស់មនុស្សនិងធ្វើការស្វែងរកប្រូបាប៊ីលីកដោយប្រើក្បួនដោះស្រាយមួយចំនួនធំ។ ដើម្បីបង្ហាញពីការងាររបស់ខ្លួន Watson បានចូលរួមក្នុងហ្គេមអាមេរិក "Jeopardy!" ដែលជា analogue នៃ "Custom Game" នៅក្នុងប្រទេសរុស្ស៊ី ដែលប្រព័ន្ធគ្រប់គ្រងដើម្បីឈ្នះហ្គេមទាំងពីរ។

MYCIN- មួយក្នុងចំណោមប្រព័ន្ធអ្នកជំនាញដំបូងដែលអាចធ្វើរោគវិនិច្ឆ័យសំណុំតូចមួយនៃជំងឺជាញឹកញាប់បានត្រឹមត្រូវដូចវេជ្ជបណ្ឌិត។

20Q- គម្រោងផ្អែកលើគំនិត AI ដោយផ្អែកលើហ្គេមបុរាណ "20 សំណួរ" ។ វាបានក្លាយជាការពេញនិយមយ៉ាងខ្លាំងបន្ទាប់ពីបានបង្ហាញខ្លួននៅលើអ៊ីនធឺណិតនៅលើគេហទំព័រ 20q.net ។

ការទទួលស្គាល់ការនិយាយ។ ប្រព័ន្ធដូចជា ViaVoice មានសមត្ថភាពបម្រើអតិថិជន។

អ្នកបង្កើតហ្គេមកុំព្យូទ័រប្រើ AI ដើម្បីផ្លាស់ប្តូរកម្រិតនៃភាពទំនើប។ នេះបង្កើតជាគោលគំនិតនៃ "Game Artificial Intelligence"។ ភារកិច្ចស្តង់ដាររបស់ AI នៅក្នុងហ្គេមគឺការស្វែងរកផ្លូវនៅក្នុងលំហរពីរវិមាត្រ ឬបីវិមាត្រ ក្លែងធ្វើឥរិយាបថរបស់អង្គភាពប្រយុទ្ធ ការគណនាយុទ្ធសាស្ត្រសេដ្ឋកិច្ចត្រឹមត្រូវ និងអ្វីៗផ្សេងទៀត។

មជ្ឈមណ្ឌលវិទ្យាសាស្ត្រ និងស្រាវជ្រាវធំបំផុតក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត៖

សហរដ្ឋអាមេរិក (វិទ្យាស្ថានបច្ចេកវិទ្យាម៉ាសាឈូសេត);

អាល្លឺម៉ង់ (អាឡឺម៉ង់ មជ្ឈមណ្ឌលស្រាវជ្រាវនៅលើបញ្ញាសិប្បនិម្មិត);

ជប៉ុន ( វិទ្យាស្ថានជាតិវិទ្យាសាស្រ្តឧស្សាហកម្មទំនើប និងបច្ចេកវិទ្យា (AIST));

ប្រទេសរុស្ស៊ី ( ក្រុមប្រឹក្សាវិទ្យាសាស្ត្រអំពីវិធីសាស្រ្តនៃបញ្ញាសិប្បនិម្មិតនៃបណ្ឌិត្យសភាវិទ្យាសាស្ត្ររុស្ស៊ី) ។

សព្វថ្ងៃនេះ ដោយសារភាពជឿនលឿនក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត ការអភិវឌ្ឍន៍វិទ្យាសាស្ត្រមួយចំនួនធំត្រូវបានបង្កើតឡើង ដែលជួយសម្រួលដល់ជីវិតរបស់មនុស្សយ៉ាងសំខាន់។ ការទទួលស្គាល់អត្ថបទ ឬការស្កែនការនិយាយ ឬដោះស្រាយតាមការគណនា កិច្ចការស្មុគស្មាញក្នុងរយៈពេលដ៏ខ្លី និងច្រើនទៀត - ទាំងអស់នេះបានក្លាយទៅជាមានដោយអរគុណចំពោះការអភិវឌ្ឍន៍បញ្ញាសិប្បនិម្មិត។

ការជំនួសអ្នកឯកទេសរបស់មនុស្សជាមួយនឹងប្រព័ន្ធបញ្ញាសិប្បនិមិត្ត ជាពិសេសប្រព័ន្ធអ្នកជំនាញ ជាការពិត ដែលនេះអាចអនុញ្ញាតបាន វាអាចបង្កើនល្បឿន និងកាត់បន្ថយថ្លៃដើមនៃដំណើរការផលិត។ ប្រព័ន្ធបញ្ញាសិប្បនិមិត្តតែងតែមានគោលបំណង ហើយលទ្ធផលនៃការងាររបស់ពួកគេមិនអាស្រ័យលើអារម្មណ៍មួយភ្លែត និងកត្តាប្រធានបទមួយចំនួនទៀតដែលមាននៅក្នុងមនុស្សម្នាក់នោះទេ។ ប៉ុន្តែទោះបីជាមានទាំងអស់ខាងលើក៏ដោយ ក៏គេមិនគួរលាក់បាំងការបំភាន់គួរឱ្យសង្ស័យឡើយ ហើយសង្ឃឹមថានៅពេលអនាគតដ៏ខ្លី កម្លាំងពលកម្មរបស់មនុស្សនឹងត្រូវបានជំនួសដោយការងារនៃបញ្ញាសិប្បនិម្មិត។ បទពិសោធន៍បង្ហាញថា សព្វថ្ងៃនេះ ប្រព័ន្ធបញ្ញាសិប្បនិម្មិតសម្រេចបាន។ លទ្ធផលល្អបំផុតដំណើរការរួមគ្នាជាមួយមនុស្សម្នាក់។ យ៉ាងណាមិញ វាគឺជាមនុស្ស មិនដូចបញ្ញាសិប្បនិម្មិតទេ ដែលដឹងពីរបៀបគិតក្រៅប្រអប់ និងប្រកបដោយភាពច្នៃប្រឌិត ដែលអនុញ្ញាតឱ្យគាត់អភិវឌ្ឍ និងឆ្ពោះទៅមុខពេញមួយសម័យកាលរបស់គាត់។

ប្រភពដែលបានប្រើ

1. www.aiportal.ru

3. ru.wikipedia.org

យុទ្ធសាស្ត្រវិវត្តន៍ថ្មីសម្រាប់មនុស្សជាតិ

បញ្ញាសិប្បនិម្មិត គឺជាប្រធានបទដ៏ពេញនិយមបំផុតមួយនៅក្នុងពិភពបច្ចេកវិទ្យានាពេលថ្មីៗនេះ។ គំនិតដូចជា Elon Musk, Stephen Hawking និង Steve Wozniak មានការព្រួយបារម្ភយ៉ាងខ្លាំងអំពីការស្រាវជ្រាវ AI ហើយប្រកែកថាការបង្កើតរបស់វាគំរាមកំហែងយើង គ្រោះថ្នាក់ដល់ជីវិត. ក្នុងពេលជាមួយគ្នានេះ រឿងប្រឌិតបែបវិទ្យាសាស្ត្រ និងភាពយន្តហូលីវូដបានបង្កឱ្យមានការយល់ខុសជាច្រើនជុំវិញ AI ។ តើយើងពិតជាស្ថិតក្នុងគ្រោះថ្នាក់ ហើយតើយើងមានភាពមិនត្រឹមត្រូវអ្វីខ្លះ នៅពេលយើងស្រមៃមើលការបំផ្លិចបំផ្លាញនៃ Skynet Earth ភាពអត់ការងារធ្វើទូទៅ ឬផ្ទុយទៅវិញ ភាពរុងរឿង និងភាពគ្មានការខ្វល់ខ្វាយ? Gizmodo បានមើលទៅក្នុងទេវកថារបស់មនុស្សអំពីបញ្ញាសិប្បនិម្មិត។ នេះជាការបកប្រែពេញលេញនៃអត្ថបទរបស់គាត់។

វាត្រូវបានគេហៅថាជាការសាកល្បងដ៏សំខាន់បំផុតនៃភាពវៃឆ្លាតរបស់ម៉ាស៊ីនចាប់តាំងពី Deep Blue បានយកឈ្នះ Garry Kasparov ក្នុងការប្រកួតអុកកាលពី 20 ឆ្នាំមុន។ Google AlphaGo បានយកឈ្នះលើលោកយាយ Lee Sedol ក្នុងការប្រកួត Go ជាមួយនឹងពិន្ទុ 4:1 ដែលបង្ហាញពីភាពធ្ងន់ធ្ងរនៃបញ្ញាសិប្បនិម្មិត (AI) បានរីកចម្រើន។ ថ្ងៃជោគវាសនា ដែលទីបំផុតម៉ាស៊ីននឹងលើសមនុស្សក្នុងភាពវៃឆ្លាត ហាក់ដូចជាមិនជិតស្និទដូច្នេះទេ។ ប៉ុន្តែយើងហាក់បីដូចជាមិនជិតស្និទ្ធនឹងការយល់ដឹងអំពីផលវិបាកនៃព្រឹត្តិការណ៍បង្កើតសម័យនេះទេ។

តាមការពិត យើងប្រកាន់ខ្ជាប់នូវគំនិតខុសឆ្គងដ៏ធ្ងន់ធ្ងរ និងសូម្បីតែគ្រោះថ្នាក់អំពីបញ្ញាសិប្បនិម្មិត។ កាលពីឆ្នាំមុន ស្ថាបនិក SpaceX លោក Elon Musk បានព្រមានថា AI អាចគ្រប់គ្រងពិភពលោកបាន។ សម្ដីរបស់លោកបានធ្វើឲ្យមានការបញ្ចេញមតិទាំងអ្នកប្រឆាំង និងអ្នកគាំទ្រមតិនេះ។ សម្រាប់ព្រឹត្តិការណ៍ដ៏មហិមានាពេលខាងមុខ មានការខ្វែងគំនិតគ្នាគួរឱ្យភ្ញាក់ផ្អើលថាតើវានឹងកើតឡើង ហើយប្រសិនបើមានក្នុងទម្រង់បែបណា។ នេះជាបញ្ហាជាពិសេសដែលផ្តល់អត្ថប្រយោជន៍មិនគួរឱ្យជឿដែលមនុស្សជាតិអាចទទួលបានពី AI និងហានិភ័យដែលអាចកើតមាន។ ខុសពីការច្នៃប្រឌិតរបស់មនុស្សផ្សេងទៀត AI មានសក្តានុពលក្នុងការផ្លាស់ប្តូរមនុស្សជាតិ ឬបំផ្លាញយើង។

វាពិបាកក្នុងការដឹងថាត្រូវជឿអ្វី។ ប៉ុន្តែដោយសារការងារដំបូងរបស់អ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ អ្នកវិទ្យាសាស្ត្រសរសៃប្រសាទ និងទ្រឹស្តី AI រូបភាពកាន់តែច្បាស់កំពុងចាប់ផ្តើមលេចឡើង។ នេះគឺជាការយល់ខុសទូទៅមួយចំនួន និងទេវកថាអំពីបញ្ញាសិប្បនិម្មិត។

ទេវកថាទី 1: "យើងនឹងមិនបង្កើត AI ជាមួយនឹងភាពវៃឆ្លាតដែលអាចប្រៀបធៀបទៅនឹងមនុស្សបានទេ"

ការពិត៖យើងមានកុំព្យូទ័រដែលមានសមត្ថភាពស្មើ ឬលើសពីសមត្ថភាពរបស់មនុស្សរួចហើយនៅអុក, ទៅ, ការជួញដូរភាគហ៊ុន និងការសន្ទនា។ កុំព្យូទ័រ និងក្បួនដោះស្រាយដែលដំណើរការពួកវាអាចកាន់តែប្រសើរឡើង។ វាគ្រាន់តែជាបញ្ហានៃពេលវេលាប៉ុណ្ណោះ មុនពេលដែលពួកវាលើសមនុស្សនៅក្នុងកិច្ចការណាមួយ។

អ្នកចិត្តសាស្រ្តស្រាវជ្រាវនៅសកលវិទ្យាល័យញូវយ៉ក Gary Marcus បាននិយាយថា "អ្នកគ្រប់គ្នា" ដែលធ្វើការនៅក្នុង AI ជឿថាម៉ាស៊ីននឹងវាយយើងជាយថាហេតុ៖ "ភាពខុសគ្នាពិតប្រាកដតែមួយគត់រវាងអ្នកចូលចិត្តនិងអ្នកមន្ទិលសង្ស័យគឺជាការប៉ាន់ស្មានពេលវេលា" ។ Futurists ដូចជា Ray Kurzweil ជឿថាវាអាចកើតឡើងក្នុងរយៈពេលពីរបីទសវត្សរ៍។

អ្នកសង្ស័យ AI មិនគួរឱ្យជឿទេនៅពេលពួកគេនិយាយថានេះគឺជាបញ្ហាបច្ចេកវិទ្យាដែលមិនអាចដោះស្រាយបាន ប៉ុន្តែនៅក្នុងធម្មជាតិ ខួរក្បាលជីវសាស្រ្តមានអ្វីប្លែក។ ខួរក្បាលរបស់យើងគឺជាម៉ាស៊ីនជីវសាស្រ្ត វាមាននៅក្នុង ពិភពពិតនិងប្រកាន់ខ្ជាប់នូវច្បាប់ជាមូលដ្ឋាននៃរូបវិទ្យា។ មិនមានអ្វីដែលមិនអាចដឹងអំពីពួកគេ។

ទេវកថា # 2: "បញ្ញាសិប្បនិម្មិតនឹងមានស្មារតី"

ការពិត៖ភាគច្រើនស្រមៃថាភាពវៃឆ្លាតរបស់ម៉ាស៊ីននឹងដឹងខ្លួន ហើយគិតតាមរបៀបដែលមនុស្សគិត។ ជាងនេះទៅទៀត អ្នករិះគន់ដូចជាសហស្ថាបនិក Microsoft លោក Paul Allen ជឿថា យើងមិនទាន់អាចសម្រេចបាននូវបញ្ញាទូទៅសិប្បនិម្មិត (អាចដោះស្រាយបញ្ហាផ្លូវចិត្តដែលមនុស្សអាចដោះស្រាយបាន) ដោយសារយើងខ្វះទ្រឹស្ដីវិទ្យាសាស្ត្រនៃស្មារតី។ ប៉ុន្តែដូចដែល Imperial College London អ្នកឯកទេសខាងមនុស្សយន្តការយល់ដឹង Murray Shanahan និយាយថា យើងមិនគួរស្មើនឹងគំនិតទាំងពីរនោះទេ។

“មនសិការពិតជាអស្ចារ្យណាស់។ រឿងសំខាន់ប៉ុន្តែខ្ញុំមិនជឿថាវាចាំបាច់សម្រាប់បញ្ញាសិប្បនិម្មិតទេ។ កម្រិតមនុស្ស. អ្នកវិទ្យាសាស្ត្រពន្យល់ថា ដើម្បីឲ្យកាន់តែច្បាស់លាស់ យើងប្រើពាក្យ "មនសិការ" ដើម្បីសំដៅទៅលើលក្ខណៈផ្លូវចិត្ត និងការយល់ដឹងជាច្រើនដែលមនុស្សម្នាក់ "មកជាមួយ" ។

វាអាចទៅរួចក្នុងការស្រមៃមើលម៉ាស៊ីនឆ្លាតវៃដែលខ្វះលក្ខណៈពិសេសទាំងនេះមួយឬច្រើន។ ទីបំផុត យើងអាចបង្កើត AI ដ៏ឆ្លាតវៃដែលមិនគួរឱ្យជឿ ដែលមិនអាចយល់ឃើញពិភពលោកដោយអវិជ្ជា និងដឹងខ្លួន។ Shanahan អះអាងថា ចិត្ត និងមនសិការអាចរួមបញ្ចូលគ្នានៅក្នុងម៉ាស៊ីនមួយ ប៉ុន្តែយើងមិនត្រូវភ្លេចថា ទាំងនេះគឺជាគំនិតពីរផ្សេងគ្នា។

ដោយសារតែម៉ាស៊ីនឆ្លងកាត់ការធ្វើតេស្ត Turing ដែលវាមិនអាចបែងចែកពីមនុស្សបាន មិនមែនមានន័យថាវាដឹងខ្លួននោះទេ។ សម្រាប់ពួកយើង AI កម្រិតខ្ពស់អាចហាក់ដូចជាដឹងខ្លួន ប៉ុន្តែវានឹងមិនមានការយល់ដឹងដោយខ្លួនឯងជាងថ្ម ឬម៉ាស៊ីនគិតលេខនោះទេ។

ទេវកថាទី 3: "យើងមិនគួរខ្លាច AI"

ការពិត៖នៅខែមករាស្ថាបនិក ហ្វេសប៊ុកម៉ាក Zuckerberg បាននិយាយថា យើងមិនគួរខ្លាច AI ទេ ព្រោះវានឹងធ្វើរឿងល្អមិនគួរឱ្យជឿសម្រាប់ពិភពលោក។ គាត់និយាយត្រូវពាក់កណ្តាល។ យើងនឹងទទួលបានអត្ថប្រយោជន៍យ៉ាងច្រើនពី AI ចាប់ពីរថយន្តដែលបើកបរដោយខ្លួនឯង រហូតដល់ការបង្កើតថ្នាំថ្មី ប៉ុន្តែមិនមានការធានាថារាល់ការអនុវត្ត AI នឹងមានលក្ខណៈស្លូតបូតនោះទេ។

ប្រព័ន្ធឆ្លាតវៃខ្ពស់អាចដឹងពីអ្វីៗគ្រប់យ៉ាង ភារកិច្ចជាក់លាក់ដូចជាការដោះស្រាយបញ្ហាហិរញ្ញវត្ថុមិនល្អ ឬការលួចចូលប្រព័ន្ធការពារសត្រូវ។ ប៉ុន្តែនៅក្រៅព្រំដែននៃជំនាញទាំងនេះ វានឹងមានភាពល្ងង់ខ្លៅ និងសន្លប់យ៉ាងខ្លាំង។ ប្រព័ន្ធ DeepMind របស់ Google គឺជាអ្នកជំនាញខាង Go ប៉ុន្តែវាគ្មានសមត្ថភាព ឬហេតុផលដើម្បីស្វែងរកតំបន់ដែលនៅក្រៅជំនាញរបស់វានោះទេ។

ប្រព័ន្ធទាំងនេះជាច្រើនប្រហែលជាមិនស្ថិតក្រោមការពិចារណាលើសុវត្ថិភាពទេ។ ឧទាហរណ៍ដ៏ល្អមួយគឺមេរោគ Stuxnet ដ៏ស្មុគស្មាញ និងមានឥទ្ធិពល ដែលជាពពួក Worm យោធាដែលត្រូវបានបង្កើតឡើងដោយយោធាអ៊ីស្រាអែល និងសហរដ្ឋអាមេរិក ដើម្បីជ្រៀតចូល និងបំផ្លាញរោងចក្រថាមពលនុយក្លេអ៊ែរអ៊ីរ៉ង់។ មេរោគនេះដូចម្ដេច (ដោយចេតនា ឬដោយចៃដន្យ) បានឆ្លងទៅរោងចក្រថាមពលនុយក្លេអ៊ែររុស្ស៊ី។

ឧទាហរណ៍មួយទៀតគឺកម្មវិធី Flame ដែលប្រើសម្រាប់ចារកម្មតាមអ៊ីនធឺណិតនៅមជ្ឈិមបូព៌ា។ វាមានភាពងាយស្រួលក្នុងការស្រមៃមើលកំណែអនាគតរបស់ Stuxnet ឬ Flame ដែលហួសពីគោលបំណងដែលបានគ្រោងទុក និងបង្កគ្រោះថ្នាក់ដ៏ធំដល់ហេដ្ឋារចនាសម្ព័ន្ធរសើប។ (ដើម្បីអោយច្បាស់ មេរោគទាំងនេះមិនមែនជា AI ទេ ប៉ុន្តែនៅពេលអនាគតពួកគេអាចមានវា ដូច្នេះហើយក្តីបារម្ភ)។

មេរោគ Flame ត្រូវបានប្រើសម្រាប់ចារកម្មតាមអ៊ីនធឺណិតនៅមជ្ឈិមបូព៌ា។ រូបថត៖ ខ្សែ

ទេវកថាទី៤៖ “បញ្ញាសិប្បនិមិត្តនឹងឆ្លាតពេកក្នុងការធ្វើខុស”

ការពិត៖អ្នកស្រាវជ្រាវ AI និងជាស្ថាបនិកនៃ Surfing Samurai Robots Richard Lucimore ជឿជាក់ថា សេណារីយ៉ូនៃថ្ងៃវិនាស AI ភាគច្រើនគឺមិនស៊ីសង្វាក់គ្នា។ ពួកគេតែងតែត្រូវបានបង្កើតឡើងនៅលើការសន្មត់ដែល AI កំពុងនិយាយថា "ខ្ញុំដឹងថាការបំផ្លិចបំផ្លាញនៃមនុស្សជាតិគឺបណ្តាលមកពីការបរាជ័យក្នុងការរចនារបស់ខ្ញុំ ប៉ុន្តែខ្ញុំត្រូវបង្ខំឱ្យធ្វើវាយ៉ាងណាក៏ដោយ" ។ លូស៊ីម័រ និយាយថា ប្រសិនបើ AI មានឥរិយាបទបែបនេះ ដោយវែកញែកអំពីការបំផ្លិចបំផ្លាញរបស់យើង នោះភាពផ្ទុយគ្នាដ៏ឡូជីខលបែបនេះនឹងលងបន្លាចវាពេញមួយជីវិត។ នេះជាការបង្ខូចមូលដ្ឋានចំណេះដឹងរបស់គាត់ ហើយធ្វើឱ្យគាត់ល្ងង់ពេកក្នុងការបង្កើតស្ថានភាពដ៏គ្រោះថ្នាក់។ អ្នកវិទ្យាសាស្ត្រក៏អះអាងដែរថា អ្នកដែលនិយាយថា “AI អាចធ្វើបានតែអ្វីដែលវាត្រូវបានកម្មវិធីដើម្បីធ្វើ” គឺខុសដូចមិត្តរួមការងាររបស់ពួកគេនៅព្រឹកព្រលឹមនៃយុគសម័យកុំព្យូទ័រ។ កាលនោះ មនុស្សបានប្រើឃ្លានេះដើម្បីជជែកវែកញែកថា កុំព្យូទ័រមិនអាចបង្ហាញភាពបត់បែនបានតិចតួចបំផុត។

Peter Macintyre និង Stuart Armstrong ដែលធ្វើការនៅ Future of Humanity Institute នៅសាកលវិទ្យាល័យ Oxford មិនយល់ស្របជាមួយ Lucimore ទេ។ ពួកគេប្រកែកថា AI ត្រូវបានចងភ្ជាប់យ៉ាងទូលំទូលាយដោយរបៀបដែលវាត្រូវបានសរសេរកម្មវិធី។ McIntyre និង Armstrong ជឿថា AI នឹងមិនអាចធ្វើខុស ឬល្ងង់ពេកដែលមិនដឹងថាយើងរំពឹងអ្វីពីវានោះទេ។

“តាមនិយមន័យ បញ្ញាសិប្បនិមិត្ត (ASI) គឺជាមុខវិជ្ជាដែលមានភាពវៃឆ្លាតខ្លាំងជាងខួរក្បាលមនុស្សល្អបំផុតក្នុងវិស័យចំណេះដឹងណាមួយ។ គាត់នឹងដឹងច្បាស់ពីអ្វីដែលយើងចង់ឱ្យគាត់ធ្វើ» McIntyre និយាយ។ អ្នកវិទ្យាសាស្ត្រទាំងពីរជឿថា AI នឹងធ្វើតែអ្វីដែលវាត្រូវបានកម្មវិធីដើម្បីធ្វើ។ ប៉ុន្តែបើគាត់ឆ្លាតល្មម គាត់នឹងយល់ថាវាខុសពីស្មារតីនៃច្បាប់ ឬចេតនារបស់មនុស្សយ៉ាងណា។

McIntyre បានប្រៀបធៀបស្ថានភាពអនាគតរបស់មនុស្ស និង AI ទៅនឹងអន្តរកម្មរវាងមនុស្ស និងកណ្តុរបច្ចុប្បន្ន។ គោលដៅរបស់កណ្តុរគឺស្វែងរកអាហារ និងទីជំរក។ ប៉ុន្តែជារឿយៗវាផ្ទុយនឹងបំណងប្រាថ្នារបស់មនុស្សដែលចង់ឱ្យសត្វរបស់គាត់រត់ជុំវិញដោយសេរី។ “យើងឆ្លាតគ្រប់គ្រាន់ដើម្បីយល់ពីគោលដៅមួយចំនួនរបស់សត្វកណ្តុរ។ ដូច្នេះ ASI ក៏នឹងយល់ពីបំណងប្រាថ្នារបស់យើងដែរ ប៉ុន្តែត្រូវព្រងើយកន្តើយចំពោះពួកគេ” អ្នកវិទ្យាសាស្ត្រនិយាយ។

ដូចដែលគ្រោងនៃខ្សែភាពយន្ត Ex Machina បង្ហាញ វានឹងពិបាកខ្លាំងណាស់សម្រាប់មនុស្សម្នាក់ក្នុងការកាន់ AI ដ៏ឆ្លាតវៃ។

ទេវកថា # 5: "បំណះសាមញ្ញនឹងដោះស្រាយបញ្ហានៃការគ្រប់គ្រង AI"

ការពិត៖ដោយបង្កើតបញ្ញាសិប្បនិម្មិត ឆ្លាតជាងមនុស្សម្នាក់យើងកំពុងប្រឈមមុខនឹងបញ្ហាដែលគេស្គាល់ថាជា "បញ្ហាគ្រប់គ្រង"។ Futurists និងអ្នកទ្រឹស្តី AI ធ្លាក់ចូលទៅក្នុងស្ថានភាពនៃការភាន់ច្រឡំទាំងស្រុង ប្រសិនបើអ្នកសួរពួកគេពីរបៀបដែលយើងនឹងផ្ទុក និងកំណត់ ASI ប្រសិនបើនរណាម្នាក់លេចឡើង។ ឬរបៀបធ្វើឱ្យប្រាកដថាគាត់នឹងមានភាពរួសរាយរាក់ទាក់ចំពោះមនុស្ស។ ថ្មីៗនេះ អ្នកស្រាវជ្រាវនៅវិទ្យាស្ថានបច្ចេកវិទ្យាហ្សកហ្ស៊ី បានផ្តល់យោបល់ដោយឆោតល្ងង់ថា AI អាចទទួលយកតម្លៃមនុស្ស និង ច្បាប់សង្គម, ការអាន រឿងសាមញ្ញ. តាមពិតវានឹងពិបាកជាង។

Armstrong និយាយថា "មានល្បិចសាមញ្ញជាច្រើនដែលត្រូវបានស្នើឡើងដែលអាច "ដោះស្រាយ" បញ្ហាគ្រប់គ្រង AI ទាំងមូល។ ឧទាហរណ៍រួមមានការសរសេរកម្មវិធី ASI ដូច្នេះគោលបំណងរបស់វាគឺដើម្បីផ្គាប់ចិត្តមនុស្ស ឬដើម្បីឱ្យវាដំណើរការជាឧបករណ៍នៅក្នុងដៃរបស់មនុស្ស។ ជម្រើសមួយទៀតគឺការបញ្ចូលគំនិតនៃសេចក្តីស្រឡាញ់ ឬការគោរពទៅក្នុងកូដប្រភព។ ដើម្បីទប់ស្កាត់ AI ពីការទទួលយកទិដ្ឋភាពសាមញ្ញ និងជ្រុងម្ខាងនៃពិភពលោក វាត្រូវបានស្នើឡើងដើម្បីរៀបចំកម្មវិធីឱ្យតម្លៃបញ្ញា វប្បធម៌ និងសង្គមចម្រុះ។

ប៉ុន្តែដំណោះស្រាយទាំងនេះគឺសាមញ្ញពេក ដូចជាការប៉ុនប៉ងដើម្បីបង្រួបបង្រួមភាពស្មុគស្មាញទាំងអស់នៃការចូលចិត្ត និងការមិនចូលចិត្តរបស់មនុស្សទៅជាមួយ។ និយមន័យខាងលើ. ជាឧទាហរណ៍ សូមព្យាយាមដើម្បីទទួលបាននិយមន័យច្បាស់លាស់ ឡូជីខល និងអាចដំណើរការបាននៃ "ការគោរព"។ នេះគឺជាការលំបាកខ្លាំងណាស់។

ម៉ាស៊ីននៅក្នុង The Matrix អាចបំផ្លាញមនុស្សជាតិបានយ៉ាងងាយ

ទេវកថាលេខ ៦៖ "បញ្ញាសិប្បនិម្មិតនឹងបំផ្លាញយើង"

ការពិត៖មិនមានការធានាថា AI នឹងបំផ្លាញយើង ឬថាយើងនឹងមិនអាចស្វែងរកវិធីដើម្បីគ្រប់គ្រងវាបាននោះទេ។ ដូចដែលអ្នកទ្រឹស្តី AI Eliezer Yudkowsky បាននិយាយថា "AI មិនស្រឡាញ់ ឬស្អប់អ្នកទេ ប៉ុន្តែអ្នកត្រូវបានបង្កើតឡើងពីអាតូម ដែលវាអាចប្រើប្រាស់សម្រាប់គោលបំណងផ្សេងទៀត"។

នៅក្នុងសៀវភៅរបស់គាត់ "បញ្ញាសិប្បនិម្មិត។ ដំណាក់កាល។ ការគំរាមកំហែង។ យុទ្ធសាស្ត្រ” ទស្សនវិទូរបស់ Oxford លោក Nick Bostrom បានសរសេរថា ភាពវៃឆ្លាតសិប្បនិម្មិតពិតប្រាកដ នៅពេលដែលវាលេចចេញ វានឹងបង្កហានិភ័យធំជាងការច្នៃប្រឌិតរបស់មនុស្សផ្សេងទៀត។ គំនិតលេចធ្លោដូចជា Elon Musk, Bill Gates និង Stephen Hawking (អ្នកចុងក្រោយដែលបានព្រមានថា AI អាចជា "កំហុសដ៏អាក្រក់បំផុតរបស់យើងក្នុងប្រវត្តិសាស្ត្រ") ក៏បានសម្តែងការព្រួយបារម្ភផងដែរ។

McIntyre បាននិយាយថាសម្រាប់គោលបំណងភាគច្រើនដែល ASI អាចមាន មានហេតុផលល្អដើម្បីកម្ចាត់មនុស្ស។

“AI អាចទស្សន៍ទាយបានត្រឹមត្រូវថា យើងមិនចង់ឲ្យវាបង្កើនប្រាក់ចំណេញដល់ក្រុមហ៊ុនណាមួយឡើយ ទោះជាចំណាយអ្វីដល់អតិថិជនក៏ដោយ។ បរិស្ថាននិងសត្វ។ ដូច្នេះហើយ គាត់មានការលើកទឹកចិត្តខ្លាំងដើម្បីធានាថាគាត់មិនត្រូវបានរំខាន ជ្រៀតជ្រែកជាមួយ បិទ ឬផ្លាស់ប្តូរនៅក្នុងគោលដៅរបស់គាត់ ព្រោះវារារាំងគោលដៅដើមរបស់គាត់ពីការសម្រេចបាន” McIntyre ប្រកែក។

លុះត្រាតែគោលដៅរបស់ ASI ឆ្លុះបញ្ចាំងយ៉ាងជិតស្និទ្ធរបស់យើង នោះវានឹងមានហេតុផលល្អក្នុងការរារាំងយើងពីការបញ្ឈប់វា។ ដោយពិចារណាថាកម្រិតនៃភាពវៃឆ្លាតរបស់គាត់លើសពីយើង គ្មានអ្វីដែលយើងអាចធ្វើបានអំពីវាទេ។

គ្មាននរណាដឹងថា AI នឹងយកទម្រង់បែបណា ឬរបៀបដែលវាអាចគំរាមកំហែងមនុស្សជាតិនោះទេ។ ដូចដែល Musk បានកត់សម្គាល់ បញ្ញាសិប្បនិម្មិតអាចត្រូវបានប្រើដើម្បីគ្រប់គ្រង គ្រប់គ្រង និងត្រួតពិនិត្យ AI ផ្សេងទៀត។ ឬវាអាចនឹងត្រូវបានបង្កប់ដោយតម្លៃរបស់មនុស្ស ឬការចង់ធ្វើជាមិត្តជាមួយមនុស្សហួសហេតុ។

ទេវកថាលេខ ៧៖ "បញ្ញាសិប្បនិមិត្តនឹងមានភាពរួសរាយរាក់ទាក់"

ការពិត៖ទស្សនវិទូ អ៊ីម៉ានុយអែល ខេន ជឿថា ហេតុផលមានទំនាក់ទំនងយ៉ាងខ្លាំងជាមួយនឹងសីលធម៌។ អ្នកជំនាញខាងសរសៃប្រសាទលោក David Chalmers នៅក្នុងការសិក្សារបស់គាត់ "The Singularity: A Philosophical Analysis" បានយកគំនិតដ៏ល្បីល្បាញរបស់ Kant ហើយបានអនុវត្តវាទៅលើបញ្ញាសិប្បនិមិត្តដែលកំពុងលេចឡើង។

ប្រសិនបើនេះជាការពិត ... យើងអាចរំពឹងថាការផ្ទុះបញ្ញានឹងនាំឱ្យមានការផ្ទុះខាងសីលធម៌។ បន្ទាប់មកយើងអាចរំពឹងថាប្រព័ន្ធ ASI ដែលកំពុងរីកចម្រើននឹងមានសីលធម៌ខ្ពស់ ក៏ដូចជាភាពឆ្លាតវៃខ្ពស់ ដែលអនុញ្ញាតឱ្យយើងរំពឹងថានឹងមានគុណភាពល្អពីពួកគេ។

ប៉ុន្តែគំនិតដែលថា AI កម្រិតខ្ពស់នឹងត្រូវបានបំភ្លឺ និងចិត្តល្អ គឺមិនទំនងទាល់តែសោះនៅក្នុងស្នូលរបស់វា។ ដូចដែល Armstrong បានកត់សម្គាល់មានឧក្រិដ្ឋជនសង្គ្រាមឆ្លាតជាច្រើន។ ការផ្សារភ្ជាប់គ្នារវាងភាពឆ្លាតវៃ និងសីលធម៌ហាក់ដូចជាមិនមាននៅក្នុងចំណោមមនុស្សទេ ដូច្នេះហើយគាត់បានចោទសួរអំពីប្រតិបត្តិការនៃគោលការណ៍នេះក្នុងចំណោមទម្រង់ឆ្លាតវៃផ្សេងទៀត។

"មនុស្សឆ្លាតវៃដែលមានអាកប្បកិរិយាអសីលធម៌អាចបណ្តាលឱ្យមានការឈឺចាប់ក្នុងទ្រង់ទ្រាយធំជាងសមភាគីរបស់ពួកគេទៅទៀត។ ភាពសមហេតុសមផលគ្រាន់តែផ្តល់ឱ្យពួកគេនូវឱកាសអាក្រក់ជាមួយនឹងភាពវៃឆ្លាតដ៏អស្ចារ្យ វាមិនប្រែក្លាយពួកគេទៅជាមនុស្សល្អនោះទេ” Armstrong និយាយ។

ដូចដែលលោក MacIntyre បានពន្យល់ សមត្ថភាពរបស់ប្រធានបទដើម្បីសម្រេចបាននូវគោលដៅមួយគឺមិនពាក់ព័ន្ធទៅនឹងថាតើគោលដៅនោះសមហេតុផលក្នុងការចាប់ផ្តើមឬអត់នោះទេ។ “យើងនឹងមានសំណាងណាស់ ប្រសិនបើ AI របស់យើងមានអំណោយទានពិសេស ហើយកម្រិតសីលធម៌របស់ពួកគេកើនឡើង រួមជាមួយនឹងភាពឆ្លាតវៃរបស់ពួកគេ។ ការពឹងផ្អែកលើសំណាងមិនមែនជាវិធីសាស្រ្តដ៏ល្អបំផុតសម្រាប់អ្វីមួយដែលអាចកំណត់អនាគតរបស់យើងនោះទេ»។

ទេវកថាលេខ ៨៖ "ហានិភ័យនៃ AI និងមនុស្សយន្តគឺស្មើគ្នា"

ការពិត៖នេះជាកំហុសទូទៅជាពិសេសដែលកើតឡើងដោយប្រព័ន្ធផ្សព្វផ្សាយដែលគ្មានការរិះគន់ និង ភាពយន្តហូលីវូដដូចជា "Terminator" ។

ប្រសិនបើស៊ើបការណ៍សិប្បនិម្មិតដូច Skynet ពិតជាចង់បំផ្លាញមនុស្សជាតិមែននោះ វានឹងមិនប្រើប្រព័ន្ធប្រតិបត្តិការ Android ជាមួយនឹងកាំភ្លើងយន្តប្រាំមួយធុងនោះទេ។ វានឹងមានប្រសិទ្ធភាពជាងក្នុងការបញ្ជូនប៉េស្តជីវសាស្ត្រ ឬ ហ្គូហ្គោប្រផេះណាណូបច្ចេកវិជ្ជា។ ឬគ្រាន់តែបំផ្លាញបរិយាកាស។

ភាពវៃឆ្លាតសិប្បនិម្មិតមានសក្តានុពលគ្រោះថ្នាក់ មិនមែនដោយសារតែវាអាចប៉ះពាល់ដល់ការវិវត្តនៃមនុស្សយន្តនោះទេ ប៉ុន្តែដោយសារតែរូបរាងរបស់វានឹងប៉ះពាល់ដល់ពិភពលោកជាទូទៅ។

ទេវកថាទី ៩៖ "ការបង្ហាញរបស់ AI ក្នុងរឿងប្រឌិតបែបវិទ្យាសាស្ត្រ គឺជាតំណាងដ៏ត្រឹមត្រូវនៃអនាគត។"

ចិត្តច្រើនប្រភេទ។ រូបភាព៖ Eliezer Yudkowsky

ជាការពិតណាស់ អ្នកនិពន្ធ និងអ្នកអនាគតនិយមបានប្រើការប្រឌិតបែបវិទ្យាសាស្ត្រ ដើម្បីបង្កើតការទស្សន៍ទាយដ៏អស្ចារ្យ ប៉ុន្តែព្រឹត្តិការណ៍ដែល ASI បង្កើតគឺជារឿងខុសគ្នាទាំងស្រុង។ ជាងនេះទៅទៀត ធម្មជាតិដែលមិនមែនជាមនុស្សរបស់ AI ធ្វើឱ្យយើងមិនអាចដឹងបាន ដូច្នេះហើយការទស្សន៍ទាយពីធម្មជាតិ និងទម្រង់របស់វា។

ដើម្បីកំសាន្ដពួកយើងមនុស្សល្ងង់ ប្រឌិតវិទ្យាសាស្រ្ត AI ភាគច្រើនត្រូវបានពិពណ៌នាថាស្រដៀងនឹងយើង។ “មានវិសាលគមនៃចិត្តដែលអាចធ្វើបានទាំងអស់។ សូម្បីតែក្នុងចំនោមមនុស្សក៏ដោយ អ្នកពិតជាខុសពីអ្នកជិតខាងរបស់អ្នក ប៉ុន្តែការប្រែប្រួលនោះមិនមានអ្វីប្រៀបធៀបទៅនឹងចិត្តទាំងអស់ដែលអាចមាននោះទេ” McIntyre និយាយ។

រឿងប្រឌិតបែបវិទ្យាសាស្ត្រភាគច្រើនមិនចាំបាច់មានភាពត្រឹមត្រូវខាងវិទ្យាសាស្ត្រដើម្បីប្រាប់រឿងគួរឱ្យទាក់ទាញនោះទេ។ ជម្លោះជាធម្មតាកើតឡើងរវាងវីរបុរសដែលមានកម្លាំងស្រដៀងគ្នា។ "ស្រមៃមើលថាតើរឿងមួយគួរឱ្យធុញប៉ុណ្ណាដែល AI ដែលគ្មានស្មារតី ភាពរីករាយ ឬការស្អប់ បានបញ្ចប់មនុស្សជាតិដោយគ្មានការតស៊ូដើម្បីសម្រេចបាននូវគោលដៅដែលមិនគួរឱ្យចាប់អារម្មណ៍" Armstrong រៀបរាប់ដោយនិយាយដោយស្រងូតស្រងាត់។

មនុស្សយន្តរាប់រយនាក់ធ្វើការនៅរោងចក្រ Tesla

ទេវកថា #10: "វាគួរឱ្យភ័យខ្លាចណាស់ដែល AI នឹងយកការងារទាំងអស់របស់យើង" ។

ការពិត៖សមត្ថភាពរបស់ AI ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មនូវអ្វីដែលយើងធ្វើ និងសក្តានុពលរបស់វាក្នុងការបំផ្លាញមនុស្សជាតិ គឺជារឿងពីរផ្សេងគ្នា។ ប៉ុន្តែយោងទៅតាមលោក Martin Ford អ្នកនិពន្ធសៀវភៅ The Dawn of the Robots: Technology and the Threat of a Jobless Future ពួកគេតែងតែត្រូវបានមើលទាំងមូល។ វាជាការល្អក្នុងការគិតអំពីអនាគតដ៏ឆ្ងាយរបស់ AI ដរាបណាវាមិនបង្វែរយើងពីបញ្ហាប្រឈមដែលយើងនឹងប្រឈមមុខក្នុងប៉ុន្មានទសវត្សរ៍ខាងមុខនេះ។ ចំណុចសំខាន់ក្នុងចំណោមពួកគេ គឺស្វ័យប្រវត្តិកម្មដ៏ធំ។

គ្មាននរណាម្នាក់សង្ស័យថា បញ្ញាសិប្បនិមិត្តនឹងជំនួសការងារដែលមានស្រាប់ជាច្រើន ចាប់ពីកម្មកររោងចក្រ រហូតដល់ថ្នាក់លើនៃកម្មករអាវស។ អ្នកជំនាញខ្លះព្យាករណ៍ថាពាក់កណ្តាលនៃការងារនៅសហរដ្ឋអាមេរិកទាំងអស់មានហានិភ័យនៃស្វ័យប្រវត្តិកម្មនាពេលអនាគតដ៏ខ្លីខាងមុខនេះ។

ប៉ុន្តែនេះមិនមានន័យថា យើងមិនអាចទប់ទល់នឹងការតក់ស្លុតនោះទេ។ ជាទូទៅ ការកម្ចាត់ចោលការងារភាគច្រើនរបស់យើង ទាំងផ្លូវកាយ និងផ្លូវចិត្ត គឺជាគោលដៅមួយសម្រាប់ប្រភេទសត្វរបស់យើង។

Miller និយាយថា “AI នឹងបំផ្លាញការងារជាច្រើនក្នុងរយៈពេលពីរបីទសវត្សរ៍ ប៉ុន្តែនោះមិនមែនជារឿងអាក្រក់នោះទេ”។ រថយន្តដែលបើកបរដោយខ្លួនឯងនឹងជំនួសអ្នកបើកបរឡានដឹកទំនិញដែលនឹងកាត់បន្ថយថ្លៃដឹកជញ្ជូន ហើយជាលទ្ធផលធ្វើឱ្យផលិតផលជាច្រើនមានតម្លៃថោក។ “ប្រសិនបើអ្នកជាអ្នកបើកឡានដឹកទំនិញ ហើយប្រកបរបរចិញ្ចឹមជីវិត អ្នកនឹងចាញ់ ប៉ុន្តែផ្ទុយទៅវិញ អ្នកផ្សេងទៀតនឹងអាចទិញទំនិញបានកាន់តែច្រើនសម្រាប់ប្រាក់ខែដូចគ្នា។ ហើយលុយដែលពួកគេសន្សំនឹងត្រូវចំណាយលើទំនិញ និងសេវាកម្មផ្សេងទៀត ដែលនឹងបង្កើតការងារថ្មីសម្រាប់មនុស្ស” Miller និយាយ។

តាមលទ្ធភាពទាំងអស់ បញ្ញាសិប្បនិមិត្តនឹងបង្កើតឱកាសថ្មីសម្រាប់ផលិតទំនិញ ដោយដោះលែងមនុស្សឱ្យធ្វើអ្វីផ្សេងទៀត។ ភាពជឿនលឿនក្នុង AI នឹងត្រូវបានអមដោយការជឿនលឿនក្នុងវិស័យផ្សេងៗ ជាពិសេសការផលិត។ នៅពេលអនាគត វានឹងកាន់តែងាយស្រួល មិនពិបាកសម្រាប់យើងក្នុងការបំពេញតម្រូវការមូលដ្ឋានរបស់យើង។