បញ្ញាសិប្បនិម្មិត (AI) កំពុងវាយលុកពិភពលោក។ វាកំពុងផ្លាស់ប្តូររាល់ការដើរនៃជីវិត និងការលើកឡើងនៅក្នុងដំណើរការដែលខ្វល់ខ្វាយអំពីសីលធម៌សំខាន់ៗសម្រាប់សង្គម និងអនាគតរបស់មនុស្សជាតិ។ ChatGPT ដែលកំពុងគ្រប់គ្រងប្រព័ន្ធផ្សព្វផ្សាយសង្គម គឺជា AI-powered chatbot ដែលបង្កើតឡើងដោយ OpenAI ។ វាគឺជាសំណុំរងនៃការរៀនម៉ាស៊ីន ហើយពឹងផ្អែកលើអ្វីដែលគេហៅថា គំរូភាសាធំ ដែលអាចបង្កើតការឆ្លើយតបដូចមនុស្ស។ កម្មវិធីសក្តានុពលសម្រាប់បច្ចេកវិទ្យាបែបនេះគឺពិតជាធំសម្បើម ដែលនេះជាមូលហេតុដែលមានការអំពាវនាវរួចហើយដើម្បីគ្រប់គ្រង AI ដូចជា ChatGPT ។
AI អាចលើសមនុស្ស? តើវាបង្កការគំរាមកំហែងដល់សាធារណជនទេ? ជាការពិត AI អាចក្លាយជាការគំរាមកំហែងអត្ថិភាពមែនទេ? ភាសាវិទូដ៏លេចធ្លោរបស់ពិភពលោក Noam Chomskyហើយបញ្ញវន្តសាធារណៈដ៏មានតម្លៃបំផុតម្នាក់គ្រប់ពេលវេលា ដែលកម្រិតបញ្ញារបស់វាត្រូវបានគេប្រៀបធៀបទៅនឹង Galileo, Newton, និង Descartes បានដោះស្រាយសំណួរដែលញញើតក្នុងបទសម្ភាសន៍បន្ទាប់។
CJ Polychroniou៖ ជាវិន័យវិទ្យាសាស្ត្រ បញ្ញាសិប្បនិមិត្ត (AI) មានតាំងពីទសវត្សរ៍ឆ្នាំ 1950 ប៉ុន្តែក្នុងរយៈពេលពីរបីទសវត្សរ៍ចុងក្រោយនេះ វាបាននិងកំពុងដំណើរការចូលទៅក្នុងគ្រប់វិស័យទាំងអស់ រួមទាំងវិស័យធនាគារ ការធានារ៉ាប់រង ការផលិតរថយន្ត តន្ត្រី និងវិស័យការពារជាតិ។ ជាការពិត ការប្រើប្រាស់បច្ចេកទេស AI ត្រូវបានបង្ហាញក្នុងឧទាហរណ៍មួយចំនួន ដើម្បីលើសពីសមត្ថភាពរបស់មនុស្ស ដូចជានៅក្នុងហ្គេមអុកជាដើម។ តើម៉ាស៊ីនទំនងជាឆ្លាតជាងមនុស្សទេ?
Noam Chomsky៖ គ្រាន់តែដើម្បីបញ្ជាក់វាក្យស័ព្ទ ពាក្យ "ម៉ាស៊ីន" នៅទីនេះមានន័យ កម្មវិធីជាទូទៅទ្រឹស្តីមួយដែលត្រូវបានសរសេរនៅក្នុងសញ្ញាណដែលអាចត្រូវបានប្រតិបត្តិដោយកុំព្យូទ័រ- និងជាប្រភេទនៃទ្រឹស្តីមិនធម្មតានៅក្នុងវិធីគួរឱ្យចាប់អារម្មណ៍ដែលយើងអាចដាក់មួយឡែកនៅទីនេះ។
យើងអាចធ្វើឱ្យមានភាពខុសគ្នារវាងវិស្វកម្មសុទ្ធនិងវិទ្យាសាស្ត្រ។ មិនមានព្រំដែនមុតស្រួចទេ ប៉ុន្តែវាជាការប៉ាន់ស្មានដំបូងដែលមានប្រយោជន៍។ វិស្វកម្មសុទ្ធព្យាយាមផលិតផលិតផលដែលអាចមានប្រយោជន៍ខ្លះ។ វិទ្យាសាស្ត្រស្វែងរកការយល់ដឹង។ ប្រសិនបើប្រធានបទគឺជាបញ្ញារបស់មនុស្ស ឬសមត្ថភាពយល់ដឹងនៃសារពាង្គកាយផ្សេងទៀត វិទ្យាសាស្ត្រស្វែងរកការយល់ដឹងអំពីប្រព័ន្ធជីវសាស្ត្រទាំងនេះ។
ដូចដែលខ្ញុំយល់ពីពួកគេ ស្ថាបនិកនៃ AI-Alan Turing, Herbert Simon, Marvin Minsky និងអ្នកផ្សេងទៀតបានចាត់ទុកវាថាជាវិទ្យាសាស្ត្រ ដែលជាផ្នែកមួយនៃវិទ្យាសាស្ត្រការយល់ដឹងដែលទើបនឹងកើត ដោយប្រើប្រាស់បច្ចេកវិទ្យាថ្មី និងការរកឃើញនៅក្នុងទ្រឹស្តីគណិតវិទ្យានៃការគណនាដើម្បី ការយល់ដឹងជាមុន។ ប៉ុន្មានឆ្នាំមកនេះ ក្តីបារម្ភទាំងនោះបានរសាត់បាត់ទៅហើយ ហើយភាគច្រើនត្រូវបានផ្លាស់ទីលំនៅដោយការតំរង់ទិសវិស្វកម្ម។ ការព្រួយបារម្ភពីមុនឥឡូវនេះត្រូវបានច្រានចោលជាទូទៅ ជួនកាលដោយបន្ទាបបន្ថោក ដូចជា GOFAI - AI សម័យចាស់ដ៏ល្អ។
បន្តជាមួយនឹងសំណួរ តើវាទំនងជាកម្មវិធីនឹងត្រូវបានបង្កើតឡើងដែលលើសពីសមត្ថភាពរបស់មនុស្ស? យើងត្រូវប្រយ័ត្នចំពោះពាក្យ "សមត្ថភាព" សម្រាប់ហេតុផលដែលខ្ញុំនឹងត្រលប់មកវិញ។ ប៉ុន្តែបើយើងយកពាក្យនេះមកសំដៅលើការអនុវត្តរបស់មនុស្ស នោះចម្លើយគឺ៖ ពិតជាបាទ។ ជាការពិតពួកគេមានតាំងពីយូរយារណាស់មកហើយ: ម៉ាស៊ីនគិតលេខនៅក្នុងកុំព្យូទ័រយួរដៃឧទាហរណ៍។ វាអាចលើសពីអ្វីដែលមនុស្សអាចធ្វើបាន ប្រសិនបើគ្រាន់តែដោយសារតែខ្វះពេលវេលា និងការចងចាំ។ សម្រាប់ប្រព័ន្ធបិទដូចជាអុក វាត្រូវបានគេយល់យ៉ាងច្បាស់នៅក្នុងទសវត្សរ៍ទី 50 ដែលឆាប់ឬក្រោយមក ជាមួយនឹងការរីកចម្រើននៃសមត្ថភាពកុំព្យូទ័រដ៏ធំ និងរយៈពេលយូរនៃការរៀបចំកម្មវិធីមួយអាចត្រូវបានបង្កើតឡើងដើម្បីកម្ចាត់ចៅហ្វាយនាយដែលកំពុងលេងជាមួយនឹងការចងចាំ។ និងពេលវេលា។ សមិទ្ធិផលជាច្រើនឆ្នាំក្រោយមកគឺ PR សម្រាប់ IBM ។ សារពាង្គកាយជីវសាស្រ្តជាច្រើនលើសសមត្ថភាពយល់ដឹងរបស់មនុស្សក្នុងវិធីកាន់តែស៊ីជម្រៅ។ ស្រមោចវាលខ្សាច់នៅក្នុងទីធ្លាខាងក្រោយរបស់ខ្ញុំមានខួរក្បាលតូច ប៉ុន្តែលើសពីសមត្ថភាពរុករករបស់មនុស្ស ជាគោលការណ៍ មិនមែនត្រឹមតែការសម្តែងប៉ុណ្ណោះទេ។ មិនមានខ្សែសង្វាក់ដ៏អស្ចារ្យនៃការនៅជាមួយមនុស្សនៅលើកំពូលទេ។
ផលិតផលនៃវិស្វកម្ម AI កំពុងត្រូវបានប្រើប្រាស់ក្នុងវិស័យជាច្រើន ដើម្បីឱ្យកាន់តែប្រសើរ ឬកាន់តែអាក្រក់។ សូម្បីតែអ្វីដែលសាមញ្ញ និងធ្លាប់ស្គាល់ក៏អាចមានប្រយោជន៍ផងដែរ៖ នៅក្នុងតំបន់ភាសា កម្មវិធីដូចជាការបំពេញស្វ័យប្រវត្តិ ការចម្លងបន្តផ្ទាល់ ហ្គូហ្គលបកប្រែ ក្នុងចំណោមកម្មវិធីផ្សេងទៀត។ ជាមួយនឹងថាមពលកុំព្យូទ័រដ៏ធំសម្បើម និងការសរសេរកម្មវិធីកាន់តែទំនើប គួរតែមានកម្មវិធីមានប្រយោជន៍ផ្សេងទៀតនៅក្នុងវិទ្យាសាស្ត្រផងដែរ។ មានមួយចំនួនរួចមកហើយ៖ ការជួយក្នុងការសិក្សាអំពីការបត់ប្រូតេអ៊ីន គឺជាករណីថ្មីមួយដែលបច្ចេកវិទ្យាស្វែងរកដ៏ធំ និងរហ័សបានជួយអ្នកវិទ្យាសាស្ត្រក្នុងការដោះស្រាយបញ្ហាដែលសំខាន់ និងកែខៃឡើងវិញ។
គម្រោងវិស្វកម្មអាចមានប្រយោជន៍ ឬបង្កគ្រោះថ្នាក់។ សំណួរទាំងពីរកើតឡើងនៅក្នុងករណីវិស្វកម្ម AI ។ ការងារបច្ចុប្បន្នជាមួយ Large Language Models (LLMs) រួមទាំង chatbots ផ្តល់ឧបករណ៍សម្រាប់ការផ្សព្វផ្សាយព័ត៌មានមិនពិត ការបរិហារកេរ្តិ៍ និងការបំភាន់អ្នកមិនមានព័ត៌មាន។ ការគំរាមកំហែងត្រូវបានពង្រឹងនៅពេលដែលពួកគេត្រូវបានផ្សំជាមួយរូបភាពសិប្បនិម្មិត និងការចម្លងនៃសំឡេង។ ជាមួយនឹងក្តីបារម្ភផ្សេងៗគ្នានៅក្នុងចិត្ត អ្នកស្រាវជ្រាវ AI រាប់ម៉ឺននាក់មានថ្មីៗនេះ បានហៅ សម្រាប់ការផ្អាកការអភិវឌ្ឍដោយសារតែគ្រោះថ្នាក់ដែលពួកគេយល់ឃើញ។
ដូចសព្វមួយដង អត្ថប្រយោជន៍ដែលអាចកើតមាននៃបច្ចេកវិទ្យាត្រូវតែថ្លឹងថ្លែងជាមួយនឹងការចំណាយសក្តានុពល។
សំណួរផ្សេងគ្នាកើតឡើងនៅពេលដែលយើងងាកទៅរក AI និងវិទ្យាសាស្ត្រ។ នៅទីនេះ ការប្រុងប្រយ័ត្នគឺចាំបាច់ ដោយសារតែការទាមទារហួសហេតុ និងមិនប្រុងប្រយ័ត្ន ដែលជារឿយៗត្រូវបានពង្រីកនៅក្នុងប្រព័ន្ធផ្សព្វផ្សាយ។ ដើម្បីស្រាយបញ្ហា សូមពិចារណាករណីខ្លះ សម្មតិកម្មខ្លះ ពិតខ្លះ។
ខ្ញុំបានលើកឡើងអំពីការរុករកសត្វល្អិត ដែលជាសមិទ្ធិផលដ៏គួរឲ្យភ្ញាក់ផ្អើល។ អ្នកវិទ្យាសាស្ត្រសត្វល្អិតមានការរីកចម្រើនជាច្រើនក្នុងការសិក្សាពីរបៀបដែលវាសម្រេចបាន ទោះបីជាសរសៃប្រសាទដែលជាបញ្ហាលំបាកខ្លាំងក៏ដោយ នៅតែពិបាកយល់ រួមជាមួយនឹងការវិវត្តនៃប្រព័ន្ធនានា។ ដូចគ្នានេះដែរចំពោះស្នាដៃដ៏អស្ចារ្យរបស់សត្វស្លាប និងអណ្តើកសមុទ្រ ដែលធ្វើដំណើររាប់ពាន់ម៉ាយល៍ ហើយត្រឡប់ទៅកន្លែងដើមវិញដោយមិនដឹងខ្លួន។
ឧបមាថា Tom Jones ដែលជាអ្នកគាំទ្រផ្នែកវិស្វកម្ម AI មកជាមួយ ហើយនិយាយថា “ការងាររបស់អ្នកត្រូវបានបដិសេធទាំងអស់។ បញ្ហាត្រូវបានដោះស្រាយ។ អ្នកបើកយន្តហោះពាណិជ្ជកម្មសម្រេចបានលទ្ធផលដូចគ្នា ឬប្រសើរជាងនេះគ្រប់ពេលវេលា។
បើមិនហ៊ានឆ្លើយទេ យើងសើច។
យកករណីនៃការកេងប្រវ័ញ្ចលើសមុទ្ររបស់ជនជាតិប៉ូលីណេសៀ ដែលនៅមានជីវិតក្នុងចំណោមកុលសម្ព័ន្ធជនជាតិដើមភាគតិច ដោយប្រើផ្កាយ ខ្យល់ ចរន្តទឹក ដើម្បីចុះចតទូកកាណូរបស់ពួកគេនៅកន្លែងដែលបានកំណត់ចម្ងាយរាប់រយម៉ាយ។ នេះក៏ជាប្រធានបទនៃការស្រាវជ្រាវជាច្រើនដើម្បីរកឱ្យឃើញពីរបៀបដែលពួកគេធ្វើវា។ Tom Jones មានចម្លើយថា “ឈប់ខ្ជះខ្ជាយពេលវេលារបស់អ្នកទៅ។ នាវាទ័ពជើងទឹកធ្វើវាគ្រប់ពេល»។
ការឆ្លើយតបដូចគ្នា។
ឥឡូវនេះ ចូរយើងងាកទៅរកករណីពិតប្រាកដមួយ ការទិញភាសា។ វាជាប្រធានបទនៃការស្រាវជ្រាវយ៉ាងទូលំទូលាយ និងបំភ្លឺខ្ពស់ក្នុងប៉ុន្មានឆ្នាំចុងក្រោយនេះ ដែលបង្ហាញថាទារកមានចំណេះដឹងសម្បូរបែបអំពីភាសាជុំវិញ (ឬភាសា) លើសពីអ្វីដែលពួកគេបង្ហាញនៅក្នុងការអនុវត្ត។ វាត្រូវបានសម្រេចដោយមានភ័ស្តុតាងតិចតួច ហើយក្នុងករណីសំខាន់ៗមួយចំនួនមិនមានទាល់តែសោះ។ ល្អបំផុត ដូចដែលការសិក្សាស្ថិតិដោយប្រុងប្រយ័ត្នបានបង្ហាញ ទិន្នន័យដែលមានគឺតូចចង្អៀត ជាពិសេសនៅពេលដែលកម្រិតប្រេកង់ ("ច្បាប់របស់ Zipf") ត្រូវបានគេយកមកពិចារណា។
បញ្ចូល Tom Jones៖ “អ្នកត្រូវបានបដិសេធ។ ដោយមិនបានយកចិត្តទុកដាក់ចំពោះការរកឃើញរបស់អ្នក LLMs ដែលស្កែនទិន្នន័យចំនួនតារាសាស្ត្រអាចស្វែងរកភាពទៀងទាត់នៃស្ថិតិ ដែលធ្វើឱ្យវាអាចក្លែងធ្វើទិន្នន័យដែលពួកគេបានទទួលការបណ្តុះបណ្តាល ដោយបង្កើតនូវអ្វីមួយដែលមើលទៅហាក់ដូចជាអាកប្បកិរិយារបស់មនុស្សធម្មតា។ Chatbots”។
ករណីនេះខុសពីករណីផ្សេងទៀត។ ដំបូងវាជាការពិត។ ទីពីរ មនុស្សមិនសើចទេ។ តាមពិតមនុស្សជាច្រើនមានការងឿងឆ្ងល់។ ទីបី មិនដូចករណីសម្មតិកម្មទេ លទ្ធផលជាក់ស្តែងគឺនៅឆ្ងាយពីអ្វីដែលបានអះអាង។
ការពិចារណាទាំងនេះនាំមកនូវបញ្ហាតូចតាចជាមួយនឹងភាពរីករាយ LLM បច្ចុប្បន្ន៖ ភាពមិនសមហេតុផលសរុបរបស់វា ដូចជានៅក្នុងករណីសម្មតិកម្មដែលយើងទទួលស្គាល់វាក្នុងពេលតែមួយ។ ប៉ុន្តែមានបញ្ហាធ្ងន់ធ្ងរជាងភាពមិនសមហេតុផល។
មួយគឺថាប្រព័ន្ធ LLM ត្រូវបានរចនាឡើងតាមរបៀបដែលពួកគេមិនអាចប្រាប់យើងពីអ្វីទាំងអស់អំពីភាសា ការរៀន ឬទិដ្ឋភាពផ្សេងទៀតនៃការយល់ដឹង ដែលជាបញ្ហានៃគោលការណ៍ដែលមិនអាចជួសជុលបាន។ បង្កើនចំនួន terabytes នៃទិន្នន័យដែលបានស្កេនទ្វេដង បន្ថែមប៉ារ៉ាម៉ែត្រពាន់ពាន់លានផ្សេងទៀត ប្រើប្រាស់ថាមពលរបស់រដ្ឋកាលីហ្វ័រញ៉ាកាន់តែច្រើន ហើយការក្លែងធ្វើអាកប្បកិរិយានឹងប្រសើរឡើង ខណៈពេលដែលបង្ហាញឱ្យឃើញកាន់តែច្បាស់អំពីភាពបរាជ័យនៅក្នុងគោលការណ៍នៃវិធីសាស្រ្តដើម្បីទទួលបានការយល់ដឹងណាមួយ។ ហេតុផលគឺបឋម៖ ប្រព័ន្ធដំណើរការដូចគ្នាជាមួយភាសាដែលមិនអាចទៅរួច ដែលទារកមិនអាចទទួលបាន ដូចទៅនឹងភាសាដែលពួកគេទទួលបានយ៉ាងឆាប់រហ័ស និងស្ទើរតែឆ្លុះបញ្ចាំង។
វាដូចជាអ្នកជីវវិទូនិយាយថា៖ “ខ្ញុំមានទ្រឹស្តីថ្មីដ៏អស្ចារ្យនៃសារពាង្គកាយ។ វារាយបញ្ជីជាច្រើនដែលមាន និងជាច្រើនដែលមិនអាចមាន ហើយខ្ញុំមិនអាចប្រាប់អ្នកពីភាពខុសគ្នានោះទេ”។
ជាថ្មីម្តងទៀតយើងនឹងសើច។ ឬគួរ។
មិនមែន Tom Jones - ឥឡូវនេះសំដៅទៅលើករណីជាក់ស្តែង។ ដោយបន្តចាកចេញយ៉ាងខ្លាំងពីវិទ្យាសាស្ត្រ លោក Tom Jones ឆ្លើយតបថា៖ «តើអ្នកដឹងរឿងនេះដោយរបៀបណារហូតដល់អ្នកបានស៊ើបអង្កេតគ្រប់ភាសាទាំងអស់? នៅពេលនេះការបោះបង់ចោលវិទ្យាសាស្ត្រធម្មតាកាន់តែច្បាស់។ ដោយភាពស្មើគ្នានៃអំណះអំណាង យើងអាចបោះចោលពន្ធុវិទ្យា និងម៉ូលេគុលជីវវិទ្យា ទ្រឹស្ដីនៃការវិវត្តន៍ និងវិទ្យាសាស្ត្រជីវសាស្ត្រដែលនៅសល់ ដែលមិនបានយកគំរូលើសពីប្រភាគតូចនៃសារពាង្គកាយ។ ហើយសម្រាប់ការវាស់វែងល្អ យើងអាចដេញចេញពីរូបវិទ្យាទាំងអស់។ ហេតុអ្វីបានជាជឿលើច្បាប់នៃចលនា? តើមានវត្ថុប៉ុន្មានត្រូវបានគេសង្កេតឃើញក្នុងចលនា?
លើសពីនេះទៅទៀត មានបញ្ហាតូចតាចនៃបន្ទុកភស្តុតាង។ អ្នកដែលស្នើទ្រឹស្តីមានទំនួលខុសត្រូវក្នុងការបង្ហាញថាវាសមហេតុផលខ្លះ ក្នុងករណីនេះបង្ហាញថាវាបរាជ័យសម្រាប់ភាសាដែលមិនអាចទៅរួច។ វាមិនមែនជាទំនួលខុសត្រូវរបស់អ្នកដទៃក្នុងការបដិសេធសំណើនេះទេ ទោះបីជាក្នុងករណីនេះវាហាក់ដូចជាងាយស្រួលគ្រប់គ្រាន់ក្នុងការធ្វើដូច្នេះក៏ដោយ។
ចូរយើងផ្លាស់ប្តូរការយកចិត្តទុកដាក់ទៅវិទ្យាសាស្ត្រធម្មតា ដែលបញ្ហាក្លាយជាគួរឱ្យចាប់អារម្មណ៍។ សូម្បីតែឧទាហរណ៍តែមួយនៃការទទួលបានភាសាក៏អាចផ្តល់ការយល់ដឹងយ៉ាងទូលំទូលាយអំពីភាពខុសគ្នារវាងភាសាដែលអាចនិងមិនអាចទៅរួចបាន។
ហេតុផលគឺត្រង់, និងធ្លាប់ស្គាល់។ ការលូតលាស់ និងការអភិវឌ្ឍន៍ទាំងអស់ រួមទាំងអ្វីដែលគេហៅថា "ការរៀនសូត្រ" គឺជាដំណើរការដែលចាប់ផ្តើមពីស្ថានភាពនៃសារពាង្គកាយ និងបំប្លែងវាពីមួយជំហានទៅដំណាក់កាលក្រោយៗទៀត។
ការទទួលបានភាសាគឺជាដំណើរការបែបនេះ។ រដ្ឋដំបូងគឺជាអំណោយទានជីវសាស្រ្តនៃមហាវិទ្យាល័យភាសា ដែលជាក់ស្តែងមាន បើទោះបីជាវាដូចជាអ្នកខ្លះជឿថា ការរួមបញ្ចូលគ្នានៃសមត្ថភាពផ្សេងទៀតក៏ដោយ។ វាទំនងជាមិនទំនងសម្រាប់ហេតុផលដែលយល់យូរមកហើយ ប៉ុន្តែវាមិនពាក់ព័ន្ធទៅនឹងកង្វល់របស់យើងនៅទីនេះទេ ដូច្នេះយើងអាចទុកវាមួយឡែកសិន។ ជាក់ស្តែងមានអំណោយទានជីវសាស្រ្តសម្រាប់មហាវិទ្យាល័យភាសារបស់មនុស្ស។ ភាពប្រាកដនិយមបំផុត។
ការផ្លាស់ប្តូរបន្តទៅកាន់ស្ថានភាពដែលមានស្ថិរភាព ដោយបានផ្លាស់ប្តូរតែខាងក្រៅប៉ុណ្ណោះ៖ ចំណេះដឹងនៃភាសា។ កេះទិន្នន័យខាងក្រៅ និងផ្នែកខ្លះនៃដំណើរការ។ ការសិក្សាអំពីរដ្ឋដែលបានទទួល (ចំណេះដឹងភាសា) និងទិន្នន័យខាងក្រៅ យើងអាចទាញការសន្និដ្ឋានយ៉ាងទូលំទូលាយអំពីរដ្ឋដំបូង ដែលជាអំណោយទានជីវសាស្ត្រដែលធ្វើឱ្យលទ្ធភាពទទួលបានភាសា។ ការសន្និដ្ឋានអំពីរដ្ឋដំបូងកំណត់ភាពខុសគ្នារវាងភាសាដែលអាចនិងមិនអាច។ ភាពខុសគ្នាមានសម្រាប់អ្នកទាំងអស់ដែលមានស្ថានភាពដំបូង - មនុស្សទាំងអស់ដូចដែលត្រូវបានគេស្គាល់។ វាហាក់ដូចជាមិនមានភាពខុសប្លែកគ្នាក្នុងសមត្ថភាពក្នុងការទទួលបានភាសាក្នុងចំណោមក្រុមមនុស្សដែលមានស្រាប់នោះទេ។
ទាំងអស់នេះគឺជាវិទ្យាសាស្ត្រធម្មតា ហើយវាបានសម្រេចលទ្ធផលជាច្រើន។
ការពិសោធន៍បានបង្ហាញថា ស្ថានភាពស្ថិរភាពគឺទទួលបានយ៉ាងសំខាន់នៅអាយុពី XNUMX ទៅ XNUMX ឆ្នាំ។ វាក៏ត្រូវបានបង្កើតឡើងយ៉ាងល្អដែលមហាវិទ្យាល័យភាសាមានលក្ខណៈសម្បត្តិជាមូលដ្ឋានជាក់លាក់សម្រាប់មនុស្ស ដូច្នេះវាគឺជាទ្រព្យសម្បត្តិនៃប្រភេទសត្វពិត៖ ជារឿងធម្មតាសម្រាប់ក្រុមមនុស្ស និងតាមវិធីជាមូលដ្ឋានជាគុណលក្ខណៈរបស់មនុស្សតែមួយគត់។
ភាគច្រើនត្រូវបានទុកចោលនៅក្នុងគណនីគ្រោងការណ៍នេះ ជាពិសេសតួនាទីនៃច្បាប់ធម្មជាតិក្នុងការលូតលាស់ និងការអភិវឌ្ឍន៍៖ ក្នុងករណីប្រព័ន្ធគណនាដូចជាភាសា គោលការណ៍នៃប្រសិទ្ធភាពនៃការគណនា។ ប៉ុន្តែនេះគឺជាខ្លឹមសារនៃបញ្ហា។ ជាថ្មីម្តងទៀតវិទ្យាសាស្ត្រធម្មតា។
វាជាការសំខាន់ណាស់ដែលត្រូវដឹងឱ្យច្បាស់អំពីភាពខុសគ្នារបស់អារីស្តូត រវាងការកាន់កាប់ចំណេះដឹង និងការប្រើប្រាស់ចំណេះដឹង (នៅក្នុងពាក្យសហសម័យ សមត្ថភាព និងការអនុវត្ត)។ ក្នុងករណីភាសា ស្ថានភាពស្ថិរភាពដែលទទួលបានគឺជាកម្មសិទ្ធិនៃចំណេះដឹង ដែលបានសរសេរកូដក្នុងខួរក្បាល។ ប្រព័ន្ធខាងក្នុងកំណត់អារេគ្មានដែនកំណត់នៃកន្សោមរចនាសម្ព័ន្ធ ដែលនីមួយៗយើងអាចចាត់ទុកថាជាការបង្កើតគំនិត ដែលនីមួយៗអាចកែប្រែបាននៅក្នុងប្រព័ន្ធ sensorimotor មួយចំនួន ជាធម្មតាស្តាប់ទៅទោះបីជាវាអាចជាសញ្ញា ឬសូម្បីតែ (ដោយពិបាក) ការប៉ះ។
ប្រព័ន្ធកូដខាងក្នុងត្រូវបានចូលប្រើក្នុងការប្រើប្រាស់ចំណេះដឹង (ការអនុវត្ត)។ ការអនុវត្តរួមមានការប្រើប្រាស់ភាសាផ្ទៃក្នុងក្នុងការគិត៖ ការឆ្លុះបញ្ចាំង ការធ្វើផែនការ ការរំលឹក និងរឿងជាច្រើនទៀត។ និយាយតាមស្ថិតិ នោះគឺជាការប្រើភាសាច្រើនលើសលប់។ វាមិនអាចចូលដំណើរការទៅវិចារណកថាបានទេ ទោះបីជាយើងអាចរៀនបានច្រើនអំពីវាដោយវិធីសាស្រ្តធម្មតានៃវិទ្យាសាស្ត្រ ពី "ខាងក្រៅ" និយាយដោយប្រៀបធៀប។ អ្វីដែលគេហៅថា "ការនិយាយខាងក្នុង" គឺតាមពិតទៅបំណែកនៃភាសាខាងក្រៅដែលមានឧបករណ៍ប្រឌិតត្រូវបានបិទ។ វាគ្រាន់តែជាការឆ្លុះបញ្ចាំងពីចម្ងាយនៃការប្រើប្រាស់ភាសាផ្ទៃក្នុងប៉ុណ្ណោះ ដែលជាបញ្ហាសំខាន់ដែលខ្ញុំមិនអាចបន្តនៅទីនេះបានទេ។
ទម្រង់ផ្សេងទៀតនៃការប្រើប្រាស់ភាសាគឺការយល់ឃើញ (ការញែក) និងការផលិត ដែលជាផ្នែកចុងក្រោយដែលពាក់ព័ន្ធនឹងលក្ខណៈសម្បត្តិដែលនៅតែជាអាថ៌កំបាំងសម្រាប់យើងនាពេលបច្ចុប្បន្ននេះ ដូចជានៅពេលដែលពួកគេត្រូវបានចាត់ទុកដោយភាពស្ញប់ស្ញែង និងភ្ញាក់ផ្អើលដោយ Galileo និងសហសម័យរបស់គាត់នៅព្រឹកព្រលឹមនៃវិទ្យាសាស្ត្រទំនើប។
គោលដៅចម្បងនៃវិទ្យាសាស្ត្រគឺដើម្បីស្វែងរកប្រព័ន្ធខាងក្នុង ទាំងនៅក្នុងស្ថានភាពដំបូងរបស់វានៅក្នុងមហាវិទ្យាល័យភាសារបស់មនុស្ស និងក្នុងទម្រង់ពិសេសដែលវាសន្មត់ថានៅក្នុងការទិញយក។ ចំពោះវិសាលភាពដែលប្រព័ន្ធផ្ទៃក្នុងនេះត្រូវបានគេយល់ យើងអាចបន្តស៊ើបអង្កេតពីរបៀបដែលវាចូលទៅក្នុងការអនុវត្ត ដោយធ្វើអន្តរកម្មជាមួយកត្តាជាច្រើនទៀតដែលចូលទៅក្នុងការប្រើប្រាស់ភាសា។
ទិន្នន័យនៃការអនុវត្តផ្តល់នូវភស្តុតាងអំពីលក្ខណៈនៃប្រព័ន្ធខាងក្នុង ជាពិសេសនៅពេលដែលពួកគេត្រូវបានកែលម្អដោយការពិសោធន៍ ដូចជានៅក្នុងការងារស្តង់ដារ។ ប៉ុន្តែសូម្បីតែការប្រមូលទិន្នន័យដ៏ធំបំផុតក៏ចាំបាច់ធ្វើឱ្យមានការភ័ន្តច្រឡំតាមវិធីសំខាន់ៗដែរ។ វារក្សានូវអ្វីដែលជាធម្មតាត្រូវបានផលិត មិនមែនជាចំណេះដឹងនៃភាសាដែលបានសរសេរកូដនៅក្នុងខួរក្បាល ដែលជាវត្ថុចម្បងដែលស្ថិតនៅក្រោមការស៊ើបអង្កេតសម្រាប់អ្នកដែលចង់យល់ពីធម្មជាតិនៃភាសា និងការប្រើប្រាស់របស់វា។ វត្ថុខាងក្នុងនោះកំណត់នូវលទ្ធភាពជាច្រើនដែលគ្មានកំណត់នៃប្រភេទដែលនឹងមិនត្រូវបានប្រើក្នុងអាកប្បកិរិយាធម្មតាដោយសារតែកត្តាមិនទាក់ទងនឹងភាសា ដូចជាឧបសគ្គនៃការចងចាំរយៈពេលខ្លី ប្រធានបទដែលបានសិក្សាកាលពី 60 ឆ្នាំមុន។ ទិន្នន័យដែលបានសង្កេតក៏នឹងរួមបញ្ចូលផងដែរនូវអ្វីៗជាច្រើនដែលស្ថិតនៅខាងក្រៅប្រព័ន្ធដែលសរសេរកូដនៅក្នុងខួរក្បាល ជារឿយៗការប្រើភាសាដោយដឹងខ្លួនក្នុងវិធីដែលបំពានច្បាប់សម្រាប់គោលបំណងវោហាសាស្ត្រ។ ទាំងនេះគឺជារឿងពិតដែលគេស្គាល់ចំពោះអ្នកធ្វើការក្នុងវិស័យទាំងអស់ ដែលពឹងផ្អែកលើបច្ចេកទេសបញ្ជាក់ជាមួយអ្នកផ្តល់ព័ត៌មាន ការពិសោធន៍ជាមូលដ្ឋាន ដើម្បីផ្តល់លទ្ធផលនៃសារពាង្គកាយចម្រាញ់ ដែលមិនរាប់បញ្ចូលការរឹតបន្តឹងដែលមិនពាក់ព័ន្ធ និងការបញ្ចេញមតិខុសពីការពិត។ ដូចគ្នាដែរ នៅពេលដែលអ្នកភាសាវិទ្យាប្រើខ្លួនឯងជាអ្នកផ្តល់ព័ត៌មាន ដែលជានីតិវិធីសមហេតុសមផល និងធម្មតា ដែលជារឿងធម្មតានៅក្នុងប្រវត្តិសាស្រ្តនៃចិត្តវិទ្យារហូតមកដល់បច្ចុប្បន្ន។
បន្តទៅមុខទៀតជាមួយនឹងវិទ្យាសាស្ត្រធម្មតា យើងឃើញថាដំណើរការផ្ទៃក្នុង និងធាតុផ្សំនៃភាសាមិនអាចត្រូវបានរកឃើញដោយការត្រួតពិនិត្យបាតុភូតដែលបានសង្កេតនោះទេ។ ជាញឹកញាប់ធាតុទាំងនេះមិនលេចឡើងនៅក្នុងការនិយាយ (ឬការសរសេរ) ទោះបីជាឥទ្ធិពលរបស់វាជាញឹកញាប់អាចត្រូវបានគេរកឃើញក៏ដោយ។ នោះគឺជាហេតុផលមួយទៀតដែលការរឹតបន្តឹងចំពោះបាតុភូតដែលបានសង្កេត ដូចជានៅក្នុងវិធីសាស្រ្ត LLM កំណត់យ៉ាងខ្លាំងនូវការយល់ដឹងអំពីដំណើរការផ្ទៃក្នុង ដែលជាវត្ថុស្នូលនៃការស៊ើបអង្កេតលើលក្ខណៈនៃភាសា ការទិញ និងការប្រើប្រាស់របស់វា។ ប៉ុន្តែវាមិនពាក់ព័ន្ធទេ ប្រសិនបើការព្រួយបារម្ភចំពោះវិទ្យាសាស្ត្រ និងការយល់ដឹងត្រូវបានបោះបង់ចោលក្នុងការពេញចិត្តចំពោះគោលដៅផ្សេងទៀត។
ជាទូទៅនៅក្នុងវិទ្យាសាស្ត្រ អស់រយៈពេលរាប់សហស្សវត្សរ៍ ការសន្និដ្ឋានត្រូវបានឈានដល់ដោយការពិសោធន៍ – ជាញឹកញាប់ការពិសោធន៍គិត – នីមួយៗជាការអរូបីរ៉ាឌីកាល់ពីបាតុភូត។ ការពិសោធន៍ត្រូវបានជំរុញដោយទ្រឹស្តី ដោយស្វែងរកការបោះបង់កត្តាមិនពាក់ព័ន្ធរាប់មិនអស់ដែលចូលទៅក្នុងបាតុភូតដែលបានសង្កេតឃើញ ដូចជាការអនុវត្តភាសា។ ទាំងអស់នេះគឺជាការសំខាន់ណាស់ដែលវាកម្របានពិភាក្សាសូម្បីតែ។ និងធ្លាប់ស្គាល់។ ដូចដែលបានកត់សម្គាល់ ភាពខុសគ្នាជាមូលដ្ឋានត្រឡប់ទៅរកភាពខុសគ្នារបស់អារីស្តូត រវាងការកាន់កាប់ចំណេះដឹង និងការប្រើប្រាស់ចំណេះដឹង។ អតីតគឺជាវត្ថុសំខាន់នៃការសិក្សា។ ការសិក្សាបន្ទាប់បន្សំ (និងធ្ងន់ធ្ងរ) ស៊ើបអង្កេតពីរបៀបដែលប្រព័ន្ធចំណេះដឹងដែលបានរក្សាទុកនៅខាងក្នុងត្រូវបានប្រើប្រាស់ក្នុងការអនុវត្តរួមជាមួយនឹងកត្តាជាច្រើនដែលមិនមែនជាភាសាជាជាងចូលទៅក្នុងអ្វីដែលត្រូវបានអង្កេតដោយផ្ទាល់។
យើងក៏ប្រហែលជានឹកឃើញការសង្កេតរបស់អ្នកជីវវិទូវិវត្តន៍លោក Theodosius Dobzhansky ដែលល្បីល្បាញជាចម្បងសម្រាប់ការងាររបស់គាត់ជាមួយ Drosophila៖ ប្រភេទនីមួយៗមានលក្ខណៈប្លែកពីគេ ហើយមនុស្សគឺប្លែកជាងគេ។ ប្រសិនបើយើងចាប់អារម្មណ៍ក្នុងការយល់ដឹងថាតើយើងជាសត្វប្រភេទណា - ធ្វើតាមការណែនាំរបស់ Delphic Oracle កាលពី 2,500 ឆ្នាំមុន យើងនឹងខ្វល់ខ្វាយជាចម្បងចំពោះអ្វីដែលធ្វើឱ្យមនុស្សមានលក្ខណៈប្លែកពីគេបំផុត ជាពិសេសភាសា និងការគិត ដែលទាក់ទងគ្នាយ៉ាងជិតស្និទ្ធ ដូចដែលបានទទួលស្គាល់នៅក្នុង ប្រពៃណីដ៏សម្បូរបែបដែលត្រលប់ទៅប្រទេសក្រិក និងឥណ្ឌាបុរាណ។ ឥរិយាបទភាគច្រើនគឺជារឿងធម្មតា ដូច្នេះហើយអាចទស្សន៍ទាយបាន។ អ្វីដែលផ្តល់ការយល់ដឹងពិតប្រាកដចំពោះអ្វីដែលធ្វើឱ្យយើងប្លែកពីគេ គឺអ្វីដែលមិនមែនជាទម្លាប់ ដែលយើងរកឃើញ ជួនកាលដោយការពិសោធន៍ ជួនកាលដោយការសង្កេត ពីកុមារធម្មតា រហូតដល់សិល្បករ និងអ្នកវិទ្យាសាស្ត្រដ៏អស្ចារ្យ។
មតិចុងក្រោយមួយនៅក្នុងការតភ្ជាប់នេះ។ សង្គមត្រូវបានញាំញីអស់មួយសតវត្សដោយយុទ្ធនាការសាជីវកម្មដ៏ធំដើម្បីលើកទឹកចិត្តឱ្យមានការមើលងាយវិទ្យាសាស្ត្រ ប្រធានបទដែលត្រូវបានសិក្សាយ៉ាងល្អដោយ Naomi Oreskes ក្នុងចំណោមអ្នកដទៃទៀត។ វាបានចាប់ផ្តើមជាមួយនឹងសាជីវកម្មដែលផលិតផលរបស់ពួកគេត្រូវបានសម្លាប់: សំណ, ថ្នាំជក់, អាបស្តូស, ឥន្ធនៈហ្វូស៊ីលនៅពេលក្រោយ។ ការជម្រុញរបស់ពួកគេគឺអាចយល់បាន។ គោលដៅនៃអាជីវកម្មនៅក្នុងសង្គមមូលធននិយម គឺប្រាក់ចំណេញ មិនមែនសុខុមាលភាពមនុស្សទេ។ នោះជាការពិតក្នុងស្ថាប័ន៖ កុំលេងហ្គេម ហើយអ្នកចេញមក ជំនួសដោយអ្នកដែលនឹង។
នាយកដ្ឋាន PR របស់សាជីវកម្មបានទទួលស្គាល់ដំបូងថាវាជាកំហុសមួយក្នុងការបដិសេធភស្តុតាងវិទ្យាសាស្ត្រដែលកើនឡើងនៃផលប៉ះពាល់ដ៍សាហាវនៃផលិតផលរបស់ពួកគេ។ នោះនឹងត្រូវបានបដិសេធយ៉ាងងាយស្រួល។ ប្រសើរជាងដើម្បីសាបព្រួសការសង្ស័យ លើកទឹកចិត្តភាពមិនច្បាស់លាស់ ការមើលងាយចំពោះឈុតក្បាលចង្រិតទាំងនេះ ដែលមិនដែលលាបពណ៌ផ្ទះ ប៉ុន្តែចុះពីវ៉ាស៊ីនតោនមកប្រាប់ខ្ញុំថាកុំប្រើថ្នាំលាបនាំមុខបំផ្លាញអាជីវកម្មរបស់ខ្ញុំ (ករណីពិត ងាយគុណ)។ នោះបានដំណើរការល្អផងដែរ។ ឥឡូវនេះ វាកំពុងដឹកនាំយើងលើផ្លូវឆ្ពោះទៅរកការបំផ្លិចបំផ្លាញជីវិតមនុស្សដែលមានការរៀបចំនៅលើផែនដី។
នៅក្នុងរង្វង់បញ្ញា ឥទ្ធិពលស្រដៀងគ្នានេះត្រូវបានផលិតឡើងដោយការរិះគន់ក្រោយសម័យទំនើបនៃវិទ្យាសាស្ត្រ។ រុះរើ ដោយ Jean Bricmont និង Alan Sokal ប៉ុន្តែនៅតែមានជីវិតនៅក្នុងរង្វង់មួយចំនួន។
វាប្រហែលជាគ្មានចិត្តល្អក្នុងការផ្តល់យោបល់ ប៉ុន្តែខ្ញុំគិតថា វាជាការត្រឹមត្រូវក្នុងការសួរថាតើ Tom Joneses និងអ្នកទាំងឡាយណាដែលនិយាយឡើងវិញដោយមិនរិះគន់ និងថែមទាំងពង្រីកការប្រកាសដែលមិនចេះខ្វល់ខ្វាយរបស់ពួកគេកំពុងរួមចំណែកដល់ទំនោរដែលមានតុល្យភាពដូចគ្នា។
ស៊ីជេភី៖ ChatGPT គឺជា chatbot ដែលជំរុញដោយភាសាធម្មជាតិ ដែលប្រើបញ្ញាសិប្បនិម្មិត ដើម្បីអនុញ្ញាតឱ្យមានការសន្ទនាដូចមនុស្ស។ នៅក្នុងអត្ថបទថ្មីៗនេះនៅក្នុង កាសែត New York Timesដោយភ្ជាប់ជាមួយអ្នកនិពន្ធពីរនាក់ផ្សេងទៀត អ្នកបិទ chatbots ថ្មីជាការបំផ្លើសមួយ ព្រោះវាមិនអាចផ្គូផ្គងសមត្ថភាពភាសារបស់មនុស្សបានទេ។ តើវាអាចទៅរួចទេដែលថាការច្នៃប្រឌិតនាពេលអនាគតនៅក្នុង AI អាចបង្កើតគម្រោងវិស្វកម្មដែលនឹងផ្គូផ្គង ហើយប្រហែលជាលើសពីសមត្ថភាពរបស់មនុស្ស?
NC៖ ក្រេឌីតសម្រាប់អត្ថបទគួរតែត្រូវបានផ្តល់ឱ្យអ្នកនិពន្ធពិតប្រាកដគឺ Jeffrey Watumull ដែលជាគណិតវិទូ - ភាសាវិទូ - ទស្សនវិទូដ៏ល្អ។ សហអ្នកនិពន្ធទាំងពីរនាក់ដែលបានចុះបញ្ជីគឺជាអ្នកប្រឹក្សាយោបល់ ដែលយល់ស្របនឹងអត្ថបទនេះ ប៉ុន្តែមិនបានសរសេរវាទេ។
វាជាការពិតដែលថា chatbots ជាគោលការណ៍មិនអាចផ្គូផ្គងសមត្ថភាពភាសារបស់មនុស្សបានទេ ដោយសារហេតុផលដែលបានលើកឡើងខាងលើ។ ការរចនាជាមូលដ្ឋានរបស់ពួកគេរារាំងពួកគេមិនឱ្យឈានដល់លក្ខខណ្ឌតិចតួចបំផុតនៃភាពគ្រប់គ្រាន់សម្រាប់ទ្រឹស្ដីនៃភាសាមនុស្ស៖ ការបែងចែកដែលអាចធ្វើបានពីភាសាដែលមិនអាចទៅរួច។ ដោយសារវាជាកម្មសិទ្ធិនៃការរចនា វាមិនអាចត្រូវបានយកឈ្នះដោយការច្នៃប្រឌិតនាពេលអនាគតនៅក្នុងប្រភេទ AI នេះទេ។ ទោះជាយ៉ាងណាក៏ដោយ វាអាចទៅរួចដែលថាគម្រោងវិស្វកម្មនាពេលអនាគតនឹងត្រូវគ្នា ហើយថែមទាំងលើសពីសមត្ថភាពរបស់មនុស្ស ប្រសិនបើយើងមានន័យថាសមត្ថភាពរបស់មនុស្សក្នុងការធ្វើសកម្មភាព និងការអនុវត្ត។ ដូចដែលបានរៀបរាប់ខាងលើអ្នកខ្លះបានធ្វើយូរមកហើយ: ការគណនាដោយស្វ័យប្រវត្តិឧទាហរណ៍។ គួរឱ្យចាប់អារម្មណ៍ជាងនេះទៅទៀត ដូចដែលបានរៀបរាប់មក សត្វល្អិតដែលមានខួរក្បាលតូចជាងសមត្ថភាពរបស់មនុស្សដែលយល់ថាជាសមត្ថភាព។
ស៊ីជេភី៖ នៅក្នុងអត្ថបទខាងលើ វាក៏ត្រូវបានគេសង្កេតឃើញថា គម្រោង AI នាពេលបច្ចុប្បន្ននេះ មិនមានមហាវិទ្យាល័យសីលធម៌របស់មនុស្សទេ។ តើការពិតជាក់ស្តែងនេះធ្វើឱ្យមនុស្សយន្ត AI មានការគំរាមកំហែងដល់ពូជមនុស្សដែរឬទេ? ខ្ញុំគិតថាអំណះអំណាងនេះអាចថាវាធ្វើឱ្យពួកគេប្រហែលជាកាន់តែច្រើនដូច្នេះ។
NC៖ វាគឺជាការពិតជាក់ស្តែងដោយការយល់ដឹងអំពី«វិជ្ជាខាងសីលធម៌»យ៉ាងទូលំទូលាយ។ លុះត្រាតែត្រូវបានគ្រប់គ្រងដោយប្រុងប្រយ័ត្ន វិស្វកម្ម AI អាចបង្កការគំរាមកំហែងធ្ងន់ធ្ងរ។ ជាឧទាហរណ៍ ឧបមាថា ការថែទាំអ្នកជំងឺគឺស្វ័យប្រវត្តិ។ កំហុសដែលជៀសមិនរួចដែលនឹងត្រូវយកឈ្នះដោយការវិនិច្ឆ័យរបស់មនុស្សអាចបង្កើតរឿងដ៏រន្ធត់មួយ។ ឬឧបមាថាមនុស្សត្រូវបានដកចេញពីការវាយតម្លៃនៃការគំរាមកំហែងដែលកំណត់ដោយប្រព័ន្ធការពារកាំជ្រួចស្វ័យប្រវត្តិ។ ជាកំណត់ត្រាប្រវត្តិសាស្ត្រដ៏គួរឱ្យភ្ញាក់ផ្អើលមួយ។ ជូនដំណឹង យើង នោះនឹងជាទីបញ្ចប់នៃអរិយធម៌របស់មនុស្ស។
លុះត្រាតែត្រូវបានគ្រប់គ្រងដោយប្រុងប្រយ័ត្ន វិស្វកម្ម AI អាចបង្កការគំរាមកំហែងធ្ងន់ធ្ងរ។
ស៊ីជេភី៖ និយតករ និងភ្នាក់ងារអនុវត្តច្បាប់នៅអឺរ៉ុបកំពុងបង្កើនការព្រួយបារម្ភអំពីការរីករាលដាលនៃ ChatGPT ខណៈពេលដែលច្បាប់មួយដែលបានដាក់ជូនកាលពីពេលថ្មីៗនេះរបស់សហភាពអឺរ៉ុបកំពុងព្យាយាមដោះស្រាយជាមួយ AI ដោយចាត់ថ្នាក់ឧបករណ៍បែបនេះតាមកម្រិតហានិភ័យដែលគេយល់ឃើញ។ តើអ្នកយល់ស្របជាមួយអ្នកដែលមានការព្រួយបារម្ភថា ChatGPT បង្កការគំរាមកំហែងជាសាធារណៈយ៉ាងធ្ងន់ធ្ងរដែរឬទេ? ជាងនេះទៅទៀត តើអ្នកពិតជាគិតថា ការអភិវឌ្ឍន៍បន្ថែមទៀតនៃឧបករណ៍ AI អាចត្រូវបានបញ្ឈប់រហូតដល់ការការពារអាចត្រូវបានណែនាំ?
NC៖ ខ្ញុំអាចអាណិតអាសូរយ៉ាងងាយស្រួលចំពោះការខិតខំប្រឹងប្រែងដើម្បីព្យាយាមគ្រប់គ្រងការគំរាមកំហែងដែលបង្កឡើងដោយបច្ចេកវិទ្យាទំនើប រួមទាំងករណីនេះ។ ទោះយ៉ាងណាក៏ដោយ ខ្ញុំមានការសង្ស័យអំពីលទ្ធភាពនៃការធ្វើដូច្នេះ។ ខ្ញុំសង្ស័យថា genie ចេញពីដប។ តួអង្គព្យាបាទ-ស្ថាប័ន ឬបុគ្គល-ប្រហែលជាអាចស្វែងរកវិធីដើម្បីគេចពីការការពារ។ ការសង្ស័យបែបនេះប្រាកដណាស់ថាគ្មានហេតុផលណាដែលមិនត្រូវព្យាយាម ហើយត្រូវមានការប្រុងប្រយ័ត្ន។
ZNetwork ត្រូវបានផ្តល់មូលនិធិតែតាមរយៈការសប្បុរសរបស់អ្នកអានរបស់ខ្លួន។
បរិច្ចាគ