ហេតុអ្វីបានជាខួរក្បាលរបស់យើងមិនត្រូវបានបង្កើតឡើងសម្រាប់ AI៖ វិបត្តិនៃជំនឿមិនពិតរឿង 'កុំព្យូទ័រសាច់'

ការរិះគន់ផ្នែកវប្បធម៌ និងវិទ្យាសាស្ត្រយ៉ាងស៊ីជម្រៅមួយដែលចេញផ្សាយដោយ The Verge បានគូសបញ្ជាក់ពីវិបត្តិដែលកំពុងកើនឡើងរវាងបញ្ញាសិប្បនិម្មិត និងជីវវិទ្យារបស់មនុស្ស ដោយខួរក្បាលរបស់យើងមិនដែលត្រូវបានរចនាឡើងដើម្បីធ្វើអន្តរកម្មជាមួយឧបករណ៍ដែលធ្វើស្វ័យប្រវត្តិកម្មការគិតនោះឡើយ។ ខណៈដែលក្រុមហ៊ុនបច្ចេកវិទ្យាយក្សនានាកំពុងប្រជែងគ្នាសំដៅទៅរកបញ្ញាសិប្បនិម្មិតទូទៅ (AGI) ជំនឿស្នូលរបស់ពួកគេដែលថាខួរក្បាលមនុស្សគ្រាន់តែជាកុំព្យូទ័រជីវសាស្ត្រគ្មានប្រសិទ្ធភាពដែលកំពុងរង់ចាំការពង្រឹងសមត្ថភាព ឬការជំនួស កំពុងប៉ះទង្គិចយ៉ាងខ្លាំងជាមួយនឹងការពិតនៃរបៀបដែលមនុស្សរៀន គិតពិចារណា និងចងចាំការយល់ដឹង។

អស់រយៈពេលជាច្រើនទសវត្សរ៍មកហើយ អ្នកបច្ចេកវិទ្យាបានចាត់ទុកបញ្ញារបស់មនុស្សដូចជាកម្មវិធី software ដែលដំណើរការលើ wetware ជីវសាស្ត្រ។ ប៉ុន្តែនៅពេលដែលផលិតផល generative AI ឈានដល់ការប្រើប្រាស់ដោយមនុស្សរាប់រយលាននាក់ជារៀងរាល់ថ្ងៃ ក្រុមអ្នកស្រាវជ្រាវ និងអ្នករិះគន់បានព្រមានថា ការផ្ទេរការប្រឹងប្រែងផ្នែកផ្លូវចិត្តជាមូលដ្ឋានរបស់យើងទៅឱ្យម៉ាស៊ីន កំពុងបង្កឱ្យមាន "បំណុលនៃការយល់ដឹង" (cognitive debt) យ៉ាងទូលំទូលាយ ដែលកំពុងបំផ្លាញសមត្ថភាពពិតប្រាកដដែលធ្លាប់បានបង្កើតបញ្ញាសិប្បនិម្មិតតាំងពីដំបូងមក។

ឧទាហរណ៍ប្រៀបធៀបនៃម៉ាស៊ីន៖ ពីកូននាឡិការហូតដល់ Turing

ដើម្បីយល់ពីមូលហេតុដែល Big Tech មើលឃើញការគិតរបស់មនុស្សដូចជាក្បួនដោះស្រាយ algorithmic យើងត្រូវក្រឡេកមើលទៅ Norbert Wiener ដែលជាបិតាបង្កើតផ្នែក cybernetics។ នៅពាក់កណ្តាលសតវត្សរ៍ទី 20 លោក Wiener បានលើកឡើងយ៉ាងល្បីល្បាញថា៖ "ការគិតនៃយុគសម័យនីមួយៗត្រូវបានឆ្លុះបញ្ចាំងនៅក្នុងបច្ចេកទេសរបស់យុគសម័យនោះ"។ នៅក្នុងសតវត្សរ៍ទី 17 និង 18 ទស្សវិទូធម្មជាតិបានចាត់ទុកសារពាង្គកាយមនុស្ស និងចក្រវាលដូចជាគ្រឿងម៉ាស៊ីនកូននាឡិកាដ៏ស្មុគស្មាញ។ ដល់សតវត្សរ៍ទី 19 បដិវត្តន៍ឧស្សាហកម្មបានប្រៀបធៀបជីវិតទៅនឹងម៉ាស៊ីនចំហាយទឹកដែលរុញច្រានដោយទែម៉ូឌីណាមិក និងអាងស្តុកថាមពល។ នៅក្នុងយុគសម័យទំនើប ការប្រៀបធៀបនោះបានក្លាយជាកុំព្យូទ័រឌីជីថល។

សព្វថ្ងៃនេះ ក្របខ័ណ្ឌគំនិតនោះបានក្លាយជាជំនឿដ៏រឹងមាំមួយនៅទូទាំង Silicon Valley។ ប្រសិនបើសង្គមបង្កើតម៉ាស៊ីនគណនាបាន ការសន្មត់គឺថាខួរក្បាលមនុស្សគ្រាន់តែជាគំរូព្រាងដំបូងដែលមិនទាន់ត្រូវបានកែលម្អនៃស្ថាបត្យកម្មដូចគ្នានេះប៉ុណ្ណោះ។ នៅពេលដែលអ្នកបច្ចេកវិទ្យាមើលទៅក្មេងម្នាក់ដែលកំពុងលំបាកក្នុងការសរសេរសំណេរតែងសេចក្តី ឬវិស្វករម្នាក់ដែលកំពុង debug កូដ ពួកគេមិនបានមើលឃើញដំណើរការនៃការអភិវឌ្ឍដែលមិនអាចជំនួសបាននោះទេ ប៉ុន្តែពួកគេមើលឃើញភាពគ្មានប្រសិទ្ធភាពនៃការគណនាទៅវិញ។ គំរូនៃការកាត់បន្ថយតម្លៃនេះបានរៀបចំផ្លូវសម្រាប់ការគណនាខុសផ្នែកបច្ចេកវិទ្យាយ៉ាងទូលំទូលាយនៅថ្ងៃនេះ។

ជំនឿរឿង 'កុំព្យូទ័រសាច់' របស់ Silicon Valley

រូបភាព៖ The Verge (ប្រភព)

ថ្នាក់ដឹកនាំបញ្ញាសិប្បនិម្មិតទំនើបមិនលាក់បាំងទស្សនៈពិភពលោកនេះឡើយ។ សហស្ថាបនិក Google DeepMind និងជាម្ចាស់រង្វាន់ Nobel លោក Demis Hassabis បានពិពណ៌នាជាសាធារណៈអំពីខួរក្បាលមនុស្សថាជា "ការប៉ាន់ស្មានតាមបែបជីវសាស្ត្រទៅនឹងម៉ាស៊ីន Turing" ដោយលើកហេតុផលថា តាមទ្រឹស្តី សមត្ថភាពណាមួយដែលខួរក្បាលសរីរាង្គមាន ទីបំផុតអាចត្រូវបានគណនាដោយប្រព័ន្ធឌីជីថល ប្រសិនបើមានពេលវេលា ទិន្នន័យ និងអង្គចងចាំគ្រប់គ្រាន់។

ចំណែកអ្នកផ្សេងទៀតបានបង្ហាញទស្សនវិជ្ជានេះដោយមិនសូវមានការគិតគូរច្រើន។ លោក Elon Musk តែងតែសំដៅលើជីវវិទ្យារបស់មនុស្សថាជា "កុំព្យូទ័រសាច់" (meat computer) ដែលមាន bandwidth ទាបយ៉ាងវេទនា ដោយគិតថាមនុស្សជាតិប្រហែលជាគ្រាន់តែដើរតួជា "កម្មវិធីចាប់ផ្តើមជីវសាស្ត្រ (biological bootloader) សម្រាប់បញ្ញាដ៏អស្ចារ្យឌីជីថល" ប៉ុណ្ណោះ។ អតីតអ្នកវិទ្យាសាស្ត្រ OpenAI លោក Andrej Karpathy ថ្មីៗនេះបានកត់សម្គាល់ថា ការស្រាវជ្រាវជាប្រវត្តិសាស្ត្រត្រូវបានធ្វើឡើងដោយ "កុំព្យូទ័រសាច់" ចន្លោះពេលញ៉ាំអាហារ គេង និងការប្រជុំ ហើយបានប្រកាសថាយុគសម័យនោះបានបញ្ចប់ហើយ។ ស្ថាបនិក Oracle លោក Larry Ellison បាននិយាយចំអកនៅក្នុងសន្និសីទឧស្សាហកម្មមួយថា ខណៈដែលខួរក្បាលគឺជាកុំព្យូទ័រសាច់កម្លាំង 20-watt ក្រុមហ៊ុនបច្ចេកវិទ្យាកំពុងបង្កើតខួរក្បាលសិប្បនិម្មិតកម្លាំង 1.2 billion-watt។

ពាក្យសម្ដីទាំងនេះមិនមែនគ្រាន់តែជាការនិយាយលេងសើចរបស់អ្នកបច្ចេកវិទ្យាប៉ុណ្ណោះទេ ប៉ុន្តែវាជាមូលដ្ឋានគ្រឹះមនោគមវិជ្ជាសម្រាប់ការរចនាផលិតផល។ ប្រសិនបើការគិតរបស់មនុស្សគ្រាន់តែជាដំណើរការទិន្នន័យតង់ស្យុងទាប នោះការធ្វើស្វ័យប្រវត្តិកម្មវាតាមរយៈ large language models (LLMs) ហាក់ដូចជាការលើកកម្ពស់អរិយធម៌ទាំងស្រុង។ ប៉ុន្តែការគណនានោះបានយល់ច្រឡំជាមូលដ្ឋានរវាងការយល់ដឹងតាមបែបជីវសាស្ត្រ និងការទាញយកទិន្នន័យ។

វិទ្យាសាស្ត្រនៃ 'បំណុលនៃការយល់ដឹង' និងការចុះចាញ់

ខុសពីសៀគ្វីស៊ីលីកូន ខួរក្បាលមនុស្សមិនរក្សាទុកទិន្នន័យនៅក្នុង register ឋិតិវន្តដែលអាចកំណត់អាសយដ្ឋានបាននោះទេ។ ការយល់ដឹងរបស់មនុស្សពឹងផ្អែកលើ neuroplasticity៖ ផ្លូវបញ្ជូនសរសៃប្រសាទ synaptic អាចពង្រឹងបានតែតាមរយៈការចូលរួមយ៉ាងសកម្ម ការតស៊ូ ការសំយោគ និងការទាញយកមកវិញប៉ុណ្ណោះ។ នៅពេលដែលអ្នកលុបបំបាត់ភាពលំបាកនៃការយល់ដឹង អ្នកក៏លុបបំបាត់យន្តការនៃការរៀនសូត្រដូចគ្នាដែរ។

ការស្រាវជ្រាវជាក់ស្តែងនាពេលថ្មីៗនេះបានបង្ហាញពីផលប៉ះពាល់ជាក់ស្តែងនៃការកាត់ផ្តាច់នេះ៖

• ការផ្ទេរការយល់ដឹង (Cognitive Offloading)៖ ការសិក្សាបានតាមដានថាតើអ្នកប្រើប្រាស់បោះបង់ភាពម្ចាស់ការក្នុងការវិភាគលឿនប៉ុនណា នៅពេលដែលផ្ទាំង AI ដ៏គួរឱ្យទុកចិត្តមួយផ្តល់ចម្លើយយ៉ាងងាយស្រួល។
• ការចុះខ្សោយនៃការតភ្ជាប់ប្រព័ន្ធប្រសាទ៖ ការស្រាវជ្រាវដែលធ្វើឡើងដោយប្រើ electroencephalography (EEG) ដោយស្ថាប័ននានារួមទាំង MIT Media Lab បានបង្ហាញថា អ្នកចូលរួមដែលពឹងផ្អែកលើជំនួយការ AI សម្រាប់កិច្ចការសរសេរ បង្ហាញពីការថយចុះនៃសកម្មភាពខួរក្បាល និងការចងចាំអត្ថន័យខ្សោយជាងអ្នកដែលសរសេរដោយគ្មានជំនួយយ៉ាងខ្លាំង។
• ភាពដូចគ្នានៃការគិត (Homogenization of Thought)៖ ក្រុមដែលពឹងផ្អែកខ្លាំងលើ AI បង្កើតអត្ថបទ និងគំនិតដែលមានភាពរលូនត្រឹមតែកម្រិតផ្ទៃក្រៅ ប៉ុន្តែមានទម្រង់រចនាប័ទ្មដូចគ្នា និងមានភាពខុសប្លែកគ្នាតិចតួចបំផុតផ្នែកការច្នៃប្រឌិត។
• ការបំភាន់នៃសមត្ថភាព (The Illusion of Competence)៖ អ្នកប្រើប្រាស់យល់ច្រឡំគុណភាពនៃលទ្ធផលរបស់ម៉ូឌែលថាជាជំនាញផ្ទាល់ខ្លួនរបស់ពួកគេ ដែលធ្វើឱ្យពួកគេមិនអាចការពារ ឬដោះស្រាយបញ្ហាលើទឡ្ហីករណ៍ដែលបានបង្កើតឡើងនៅពេលដែលគ្មានឧបករណ៍ជំនួយ។

ក្រុមអ្នកស្រាវជ្រាវផ្នែកការយល់ដឹងហៅបញ្ហានេះថាជាការកើនឡើងនៃ "បំណុលនៃការយល់ដឹង" (cognitive debt)។ ដូចគ្នានឹងការខ្ចីទុនហិរញ្ញវត្ថុដែលនាំឱ្យមានការប្រាក់ដែរ ការផ្ទេររាល់ជំហាននៃការគិតកម្រិតមធ្យមទៅឱ្យក្បួនដោះស្រាយ ផ្តល់នូវល្បឿនភ្លាមៗ ប៉ុន្តែត្រូវខាតបង់ការគិតពិចារណាឯករាជ្យរយៈពេលវែង។

ថ្នាក់រៀនជាចំណុចកណ្តាលនៃផលប៉ះពាល់៖ អាហាររហ័សសម្រាប់ខួរក្បាល

រូបភាព៖ The Verge (ប្រភព)

គ្មានកន្លែងណាដែលវិបត្តិនេះអាចមើលឃើញច្បាស់ជាងនៅក្នុងវិស័យអប់រំនោះទេ។ អ្នកនិពន្ធ និងជាអ្នករិះគន់បច្ចេកវិទ្យា Brian Merchant បានបង្កើតការប្រៀបធៀបដ៏គួរឱ្យចាប់អារម្មណ៍មួយ៖ generative AI ចំពោះការយល់ដឹងរបស់មនុស្ស គឺប្រៀបដូចជាអាហាររហ័សកែច្នៃកម្រិតខ្ពស់ចំពោះអាហារូបត្ថម្ភរាងកាយរបស់មនុស្សដូច្នោះដែរ។ ប្រហិតក្តៅហតដកដែលផលិតតាមបែបឧស្សាហកម្មមានតម្លៃថោក ផ្តល់ការឆ្អែតភ្លាមៗ និងត្រូវបានរចនាឡើងយ៉ាងខ្លាំងសម្រាប់ភាពងាយស្រួល ប៉ុន្តែការទទួលទានតែអាហារបែបនេះនឹងបំផ្លាញរាងកាយជីវសាស្ត្រជាប្រព័ន្ធ។

Generative AI ដំណើរការលើការលើកទឹកចិត្តដូចគ្នាបេះបិទ។ ការសរសេរសំណេរវិភាគ ការស្រាវជ្រាវឯកសារប្រវត្តិសាស្ត្រដើម ឬការបង្កើតរូបមន្តគណិតវិទ្យា គឺជាការងារផ្លូវចិត្តដ៏លំបាក។ LLM ផ្តល់នូវការឆ្លើយតបដ៏ពេញលេញ និងត្រឹមត្រូវតាមវេយ្យាករណ៍ចំនួនប្រាំកថាខណ្ឌត្រឹមតែ 3 seconds ប៉ុណ្ណោះ ដែលស្មើនឹងការផ្តល់ភាពពេញចិត្តភ្លាមៗ។

ខណៈដែល OpenAI រាយការណ៍ថា ChatGPT មានអ្នកប្រើប្រាស់សកម្មប្រចាំខែលើសពី 900 million នាក់ ដែលភាគច្រើនជាសិស្សនិស្សិត នោះយុវជនជំនាន់ក្រោយទាំងមូលកំពុងហ្វឹកហាត់លើផ្លូវកាត់។ គ្រូបង្រៀន និងអ្នកជំនាញអប់រំរាយការណ៍ពីការបាត់បង់ការយកចិត្តទុកដាក់យ៉ាងទូលំទូលាយ ដែលសិស្សមិនបានដើរតួជាអ្នកនិពន្ធ ឬអ្នកគិតនោះទេ ប៉ុន្តែជាអ្នកប្រមូល prompt ដែលមិនអាចពន្យល់បានថាតើហេតុអ្វីបានជាកថាខណ្ឌដែលបង្កើតដោយ AI ត្រឹមត្រូវ ឬមិនត្រឹមត្រូវ។

ការយល់ដឹងតាមបែបជីវសាស្ត្រធៀបនឹង Generative AI

ការចាត់ទុកខួរក្បាលដូចជាម៉ាស៊ីន server បានមើលរំលងកម្រិតកំណត់ និងចំណុចខ្លាំងផ្នែកជីវសាស្ត្រជាមូលដ្ឋាន។ ភាពខុសគ្នារវាងរបៀបដែលភាវៈមានជីវិត និង LLMs ដំណើរការលើពិភពជាក់ស្តែង គឺជាភាពខុសគ្នាដាច់ដោយឡែកពីគ្នា មិនមែនគ្រាន់តែជាបញ្ហាទំហំមាត្រដ្ឋាននោះទេ។

ការប្រឆាំងត្រឡប់មកវិញ៖ បម្រាម ការរុញច្រាន និងគោលនយោបាយ

រូបភាព៖ ecosistemastartup.com (ប្រភព)

ការយល់ឃើញថាស្វ័យប្រវត្តិកម្មនៃការយល់ដឹងធ្វើឱ្យថយចុះជំនាញសំខាន់ៗ កំពុងជំរុញឱ្យមានការរុញច្រានយ៉ាងឆាប់រហ័សពីស្ថាប័ននានា។ បន្ទាប់ពីការសាកល្បងបញ្ចូល AI ក្នុងថ្នាក់រៀនដែលបណ្តាលឱ្យពិន្ទុនៃការអានយល់ន័យ និងការសរសេរប្រកបដោយការត្រិះរិះធ្លាក់ចុះយ៉ាងគំហុក មណ្ឌលសិក្សាសាធារណៈតាំងពី New York រហូតដល់ដែនសមត្ថកិច្ចធំៗនៅអឺរ៉ុបដូចជាប្រទេស Norway បានអនុវត្តបម្រាមយ៉ាងតឹងរ៉ឹង ឬកាត់បន្ថយយ៉ាងខ្លាំងនូវ generative AI នៅក្នុងថ្នាក់បឋមសិក្សា។

ឥស្សរជនលេចធ្លោក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រក៏កំពុងទម្លាយការពិតជុំវិញការឃោសនាបំផ្លើសរបស់ឧស្សាហកម្មនេះផងដែរ។ ប្រធានអ្នកវិទ្យាសាស្ត្រ AI របស់ Meta និងជាម្ចាស់ពានរង្វាន់ Turing Award លោក Yann LeCun បានជជែកវែកញែកយ៉ាងក្តៅគគុកជាមួយលោក Hassabis ដោយចាត់ទុកការលើកឡើងបច្ចុប្បន្នអំពី AGI ថាជាការបំភាន់។ លោក LeCun សង្កត់ធ្ងន់ថា បញ្ញារបស់មនុស្សមានលក្ខណៈឯកទេស ស្ថិតនៅក្នុងពិភពជាក់ស្តែង និងផ្សារភ្ជាប់យ៉ាងស៊ីជម្រៅជាមួយការប្រាស្រ័យទាក់ទងនឹងពិភពរូបី មិនមែនជាម៉ាស៊ីនអត្ថបទជាសកលដែលគ្មានរូបរាងនោះទេ។ សូម្បីតែនៅក្នុងបន្ទប់ប្រជុំក្រុមប្រឹក្សាភិបាលបច្ចេកវិទ្យា ការបន្ទាបតម្លៃអត្តសញ្ញាណមនុស្សមកត្រឹម "កុំព្យូទ័រសាច់" ក៏បានបង្កឱ្យមានការព្រមានពីអ្នកជំនាញសីលធម៌ជីវសាស្ត្រ អ្នករៀបចំសហជីពពលកម្ម និងថ្នាក់ដឹកនាំវប្បធម៌ផងដែរ។

យុទ្ធសាស្ត្រជាក់ស្តែង៖ របៀបការពារការគិតរបស់អ្នក

ការជៀសវាងការប្រើប្រាស់ AI ទាំងស្រុងមិនមែនជារឿងជាក់ស្តែង ឬចាំបាច់នោះទេ។ ទោះជាយ៉ាងណាក៏ដោយ ការរក្សាភាពរស់រវើកនៃបញ្ញាក្នុងយុគសម័យនៃការសំយោគស្វ័យប្រវត្តិនេះ ទាមទារឱ្យមានដែនកំណត់នៃការប្រព្រឹត្តដោយដឹងខ្លួន៖

• អនុវត្តច្បាប់ "សេចក្តីព្រាងដំបូង" (First Draft)៖ ត្រូវសរសេរគ្រោងគំនិត គំនិតស្នូល ឬកូដមូលដ្ឋានដោយដៃផ្ទាល់ខ្លួនជានិច្ច មុនពេលពិគ្រោះជាមួយឧបករណ៍ AI។ ការផ្ទេរការបង្កើតគំនិតដំបូងទៅឱ្យម៉ាស៊ីន នឹងបំបាត់ទំនាក់ទំនងនៃការផ្សារភ្ជាប់ក្នុងខួរក្បាលរបស់អ្នកដែលចាំបាច់សម្រាប់ការយល់ដឹងពីបញ្ហា។
• ប្រើ AI ជាដៃគូវែកញែក មិនមែនជាអ្នកដឹងគ្រប់រឿង៖ ជំនួសឱ្យការសុំឱ្យ chatbot ផ្តល់ដំណោះស្រាយ ចូរផ្តល់ការងារដែលអ្នកបានបញ្ចប់រួច ហើយបញ្ជាឱ្យប្រព័ន្ធស្វែងរកកំហុសតក្កវិជ្ជា ការសន្មត់ដែលផ្ទុយគ្នា ឬករណីលើកលែង។
• ទាមទារប្រភពដើម៖ កុំទទួលយកការអះអាងពីទិដ្ឋភាពទូទៅរបស់ AI ដោយគ្មានការផ្ទៀងផ្ទាត់ដោយផ្ទាល់ពីប្រភពដើម។ ការបង្កើតភាពលំបាកក្នុងការផ្ទៀងផ្ទាត់ឡើងវិញ ជួយការពារពីការបំភាន់របស់ក្បួនដោះស្រាយ (hallucinations)។
• អានប្រព័ន្ធផ្សព្វផ្សាយជាសៀវភៅក្រដាសវែងៗ៖ ធ្វើតុល្យភាពរវាងអន្តរកម្ម AI ដ៏ខ្លីៗ និងបែកខ្ញែក ជាមួយនឹងការអានសៀវភៅ និងទស្សនាវដ្តីក្រដាសស៊ីជម្រៅឱ្យបានជាប់លាប់ ដើម្បីរក្សាការផ្តោតអារម្មណ៍ ការចងចាំ និងបរិបទនៃការគិត។

ព្រំដែនបន្ទាប់៖ តើមានអ្វីកើតឡើងនៅពេលយើងឈប់គិត?

សំណួរកាន់តែទូលំទូលាយដែលកំពុងប្រឈមមុខនឹងអ្នកប្រើប្រាស់ និងវិស្វករ មិនមែនជាសំណួរថាតើម៉ូឌែល AI នឹងកាន់តែមានសមត្ថភាពខ្លាំងឡើងឬអត់នោះទេ ព្រោះពួកវាប្រាកដជានឹងខ្លាំងឡើងមិនខាន។ ប៉ុន្តែសំណួរគឺថាតើមានអ្វីកើតឡើងចំពោះអរិយធម៌ដែលធ្វើឱ្យថយចុះជាប្រព័ន្ធនូវសមត្ថភាពផ្ទាល់ខ្លួនក្នុងការរិះគន់ ផ្ទៀងផ្ទាត់ និងស្វែងយល់ពីប្រព័ន្ធដែលខ្លួនបានបង្កើតឡើង។

ប្រសិនបើយើងបន្តមើលឃើញខ្លួនឯងតាមទស្សនៈ cybernetics របស់ Norbert Wiener ថាជាអង្គភាពគណនាមិនពេញលេញ នោះយើងនឹងប្រគល់សិល្បៈ អក្សរសាស្ត្រ ការអប់រំ និងការវិនិច្ឆ័យសីលធម៌ទៅឱ្យម៉ាស៊ីនស្ថិតិស្វ័យប្រវត្តិយ៉ាងងាយស្រួល។ ប៉ុន្តែប្រសិនបើយើងទទួលស្គាល់ថាការយល់ដឹងរបស់មនុស្សទទួលបានភាពស៊ីជម្រៅពីការតស៊ូ អារម្មណ៍ និងបទពិសោធន៍ជាក់ស្តែង យើងនឹងចាត់ទុកបញ្ញាសិប្បនិម្មិតជាឧបករណ៍គណនាដ៏មានឥទ្ធិពលមួយ ដោយរក្សាការងារដ៏លំបាកនៃការគិតពិតប្រាកដឱ្យស្ថិតនៅក្នុងដៃរបស់មនុស្សដដែល។

FAQ

ហេតុអ្វីបានជាថ្នាក់ដឹកនាំបច្ចេកវិទ្យាហៅខួរក្បាលថាជា 'កុំព្យូទ័រសាច់'?

ឃ្លានេះកើតចេញពីទ្រឹស្តី cybernetics ដំបូងៗ និងវិទ្យាសាស្ត្រការយល់ដឹង ដែលបង្ហាញថាបណ្តាញសរសៃប្រសាទរបស់ខួរក្បាលដំណើរការដូចជាសៀគ្វីជីវសាស្ត្រដែលប្រតិបត្តិតក្កវិជ្ជាគណនា។ ថ្នាក់ដឹកនាំសម័យទំនើបដូចជាលោក Elon Musk ប្រើវាដើម្បីបង្ហាញពីជំនឿរបស់ពួកគេថាការគណនាសិប្បនិម្មិតនឹងវ៉ាដាច់សមត្ថភាពបញ្ញារបស់មនុស្សជាមិនខាន។

តើអ្វីទៅជា 'បំណុលនៃការយល់ដឹង' នៅក្នុងបញ្ញាសិប្បនិម្មិត?

បំណុលនៃការយល់ដឹង (Cognitive debt) សំដៅលើការចុះខ្សោយរយៈពេលវែងនៃការគិតពិចារណា ការចងចាំ និងភាពម្ចាស់ការក្នុងការវិភាគ ដែលកើតឡើងនៅពេលដែលអ្នកប្រើប្រាស់ផ្ទេរកិច្ចការផ្លូវចិត្តដ៏លំបាកទៅឱ្យ chatbot ស្វ័យប្រវត្តិជាបន្តបន្ទាប់។ យូរៗទៅ អ្នកប្រើប្រាស់នឹងបាត់បង់សមត្ថភាពក្នុងការសំយោគបញ្ហាស្មុគស្មាញដោយគ្មានជំនួយពីបច្ចេកវិទ្យា។

តើ generative AI អាចជំនួសកម្មវិធីសិក្សាតាមសាលារៀនបែបប្រពៃណីបានទេ?

ភស្តុតាងបង្ហាញថាការយក AI មកប្រើប្រាស់ទាំងស្រុងនៅក្នុងសាលារៀន បំផ្លាញអក្ខរកម្មជាមូលដ្ឋាន ការដោះស្រាយបញ្ហា និងការគិតពិចារណាឯករាជ្យ។ ខណៈពេលដែល AI អាចដើរតួជាគ្រូបង្រៀនអន្តរកម្មជាក់លាក់ អាជ្ញាធរអប់រំកាន់តែបង្កើនការកំណត់ឱ្យមានបរិយាកាសដឹកនាំដោយមនុស្ស និងគ្មានឧបករណ៍បច្ចេកវិទ្យាសម្រាប់ការអភិវឌ្ឍការយល់ដឹងជាមូលដ្ឋាន។

តើការគិតរបស់មនុស្សពិតជាស្មើនឹងម៉ាស៊ីន Turing ដែរឬទេ?

ខណៈពេលដែលអ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រទ្រឹស្តីមួយចំនួនមើលឃើញខួរក្បាលជាការប៉ាន់ស្មានជីវសាស្ត្រនៃកុំព្យូទ័រសកល ប៉ុន្តែការយល់ដឹងតាមបែបជីវសាស្ត្រពឹងផ្អែកយ៉ាងខ្លាំងលើការទទួលដឹងតាមអារម្មណ៍ ស្ថានភាពអ័រម៉ូន និងអន្តរកម្មរូបវន្តនៃការវិវត្ត ដែលម៉ូឌែលភាសាផ្អែកលើស្ថិតិសុទ្ធសាធមិនមាននោះឡើយ។

Sources

• The Verge
• ecosistemastartup.com
• thefederal.com
• businesstimes.com.sg
• scienceandculture.com
• thequantumrecord.com
• ebsco.com
• archive.org