អ្នកវិទ្យាសាស្ត្រព្យាករណ៍ពីលទ្ធភាពនៃបញ្ញាសិប្បនិម្មិតដែលឈ្នះរង្វាន់ណូបែល

អ្នកស្រាវជ្រាវជាច្រើនជឿថា AI នៅថ្ងៃណាមួយអាចប្រកួតប្រជែងជាមួយនឹងគំនិតភ្លឺស្វាងបំផុតនៅក្នុងវិទ្យាសាស្ត្រ សូម្បីតែបង្កើតការរកឃើញដែលសក្តិសមនឹងរង្វាន់ណូបែលក៏ដោយ។

ក្នុងរយៈពេលប៉ុន្មានឆ្នាំចុងក្រោយនេះ បញ្ញាសិប្បនិមិត្ត (AI) បានបង្ហាញសមត្ថភាពរបស់ខ្លួនក្នុងការវិភាគទិន្នន័យ ការពិសោធន៍រចនា និងបង្កើតសម្មតិកម្ម វិទ្យាសាស្ត្រ ថ្មី ដែលនាំឱ្យអ្នកស្រាវជ្រាវជាច្រើនជឿថា AI អាចប្រកួតប្រជែងនឹងគំនិតដ៏អស្ចារ្យបំផុតក្នុងវិទ្យាសាស្ត្រ សូម្បីតែបង្កើតការរកឃើញដែលមានតម្លៃរង្វាន់ណូបែល នេះបើយោងតាមទស្សនាវដ្តី Nature ។

នៅឆ្នាំ 2016 ជីវវិទូ Hiroaki Kitano នាយកប្រតិបត្តិក្រុមហ៊ុន Sony AI បានផ្តួចផ្តើម "Nobel Turing Challenge" ដែលជាការអំពាវនាវឱ្យអភិវឌ្ឍប្រព័ន្ធ AI ដ៏ឆ្លាតវៃគ្រប់គ្រាន់ដើម្បីបង្កើតការរកឃើញវិទ្យាសាស្ត្រកម្រិតណូបែលដោយខ្លួនឯង។

យោងតាមគោលដៅរបស់គម្រោងនៅឆ្នាំ 2050 "អ្នកវិទ្យាសាស្ត្រ AI" នឹងអាចបង្កើតសម្មតិកម្ម ធ្វើផែនការពិសោធន៍ និងវិភាគទិន្នន័យដោយមិនចាំបាច់មានអន្តរាគមន៍ពីមនុស្ស។

អ្នកស្រាវជ្រាវ Ross King នៃសាកលវិទ្យាល័យ Cambridge (UK) ជឿជាក់ថា ព្រឹត្តិការណ៍សំខាន់អាចនឹងមកដល់ក្នុងពេលឆាប់ៗនេះ៖ "វាស្ទើរតែប្រាកដណាស់ថា ប្រព័ន្ធ AI នឹងឈានដល់កម្រិតនៃការឈ្នះរង្វាន់ណូបែល។ សំណួរគឺមានតែក្នុងរយៈពេល 50 ឆ្នាំ ឬ 10 ឆ្នាំខាងមុខប៉ុណ្ណោះ"។

ទោះជាយ៉ាងណាក៏ដោយអ្នកជំនាញជាច្រើនមានការប្រុងប្រយ័ត្ន។ យោងតាមពួកគេ ម៉ូដែល AI បច្ចុប្បន្នពឹងផ្អែកជាចម្បងលើទិន្នន័យ និងចំណេះដឹងដែលមាន ហើយមិនបង្កើតការយល់ដឹងថ្មីទេ។

អ្នកស្រាវជ្រាវ Yolanda Gil (University of Southern California, USA) បានធ្វើអត្ថាធិប្បាយថា "ប្រសិនបើថ្ងៃស្អែក រដ្ឋាភិបាល វិនិយោគមួយពាន់លានដុល្លារក្នុងការស្រាវជ្រាវជាមូលដ្ឋាន វឌ្ឍនភាពអាចបង្កើនល្បឿនប៉ុន្តែវានៅតែឆ្ងាយណាស់ពីគោលដៅនោះ"។

មក​ដល់​ពេល​នេះ មាន​តែ​មនុស្ស និង​អង្គការ​ប៉ុណ្ណោះ​ដែល​ទទួល​បាន​រង្វាន់​ណូបែល។ ទោះជាយ៉ាងណាក៏ដោយ AI បានចូលរួមចំណែកដោយប្រយោល៖ នៅឆ្នាំ 2024 រង្វាន់ណូបែលរូបវិទ្យាបានទៅជាអ្នកត្រួសត្រាយក្នុងការរៀនម៉ាស៊ីន។ នៅឆ្នាំដដែលនោះ ពាក់កណ្តាលនៃរង្វាន់គីមីវិទ្យាបានទៅក្រុមនៅពីក្រោយ AlphaFold ដែលជាប្រព័ន្ធ AI របស់ Google DeepMind ដែលព្យាករណ៍ពីរចនាសម្ព័ន្ធ 3D នៃប្រូតេអ៊ីន។ ប៉ុន្តែរង្វាន់ទាំងនេះផ្តល់កិត្តិយសដល់អ្នកបង្កើត AI មិនមែនការរកឃើញរបស់ AI នោះទេ។

ដើម្បីមានភាពសក្ដិសមនៃរង្វាន់ណូបែល យោងតាមលក្ខណៈវិនិច្ឆ័យរបស់គណៈកម្មាធិការណូបែល ការរកឃើញត្រូវតែមានប្រយោជន៍ មានផលប៉ះពាល់យ៉ាងទូលំទូលាយ និងបើកទិសដៅថ្មីនៃការយល់ដឹង។ "អ្នកវិទ្យាសាស្ត្រ AI" ដែលចង់បំពេញតម្រូវការនេះ ត្រូវតែដំណើរការស្ទើរតែទាំងស្រុងដោយស្វ័យភាព - ពីការសួរសំណួរ ជ្រើសរើសការពិសោធន៍ រហូតដល់ការវិភាគលទ្ធផល។

ជាការពិត AI បានចូលរួមរួចហើយនៅក្នុងស្ទើរតែគ្រប់ដំណាក់កាលនៃការស្រាវជ្រាវ។ ឧបករណ៍ថ្មីកំពុងជួយបកស្រាយសំឡេងសត្វ ទស្សន៍ទាយការប៉ះទង្គិចគ្នារវាងផ្កាយ និងកំណត់អត្តសញ្ញាណកោសិកាភាពស៊ាំដែលងាយរងគ្រោះដោយសារ COVID-19។

នៅសាកលវិទ្យាល័យ Carnegie Mellon ក្រុមរបស់គីមីវិទូ Gabe Gomes បានបង្កើត "Coscientist" ដែលជាប្រព័ន្ធដែលប្រើគំរូភាសាធំ (LLMs) ដើម្បីធ្វើផែនការដោយស្វ័យប្រវត្តិ និងប្រតិបត្តិប្រតិកម្មគីមីដោយប្រើឧបករណ៍មនុស្សយន្ត។

ក្រុមហ៊ុនមួយចំនួនដូចជា Sakana AI នៅទីក្រុងតូក្យូកំពុងស្វែងរកស្វ័យប្រវត្តិកម្មការស្រាវជ្រាវការរៀនម៉ាស៊ីនដោយប្រើ LLM ខណៈពេលដែល Google កំពុងពិសោធន៍ជាមួយ chatbots ដែលសហការគ្នាជាក្រុមដើម្បីបង្កើតគំនិតវិទ្យាសាស្ត្រ។

នៅសហរដ្ឋអាមេរិក មន្ទីរពិសោធន៍ FutureHouse នៅសាន់ហ្វ្រាន់ស៊ីស្កូ កំពុងបង្កើតគំរូ "ការគិត" មួយជំហានម្តងមួយៗ ដើម្បីជួយ AI សួរសំណួរ សាកល្បងសម្មតិកម្ម និងការពិសោធន៍រចនា សំដៅដល់ជំនាន់ទីបីនៃ "AI ក្នុងវិទ្យាសាស្ត្រ"។

ជំនាន់ចុងក្រោយនឹងក្លាយជា AI ដែលអាចសួរសំណួរ និងធ្វើការពិសោធន៍ដោយខ្លួនឯង ដោយគ្មានការត្រួតពិនិត្យពីមនុស្ស នេះបើយោងតាមលោក Sam Rodriques នាយក FutureHouse ។ លោកបានព្យាករណ៍ថា "AI អាចបង្កើតការរកឃើញដែលសមនឹងទទួលបានរង្វាន់ណូបែលនៅឆ្នាំ 2030" ។ តំបន់ដែលមានសក្ដានុពលបំផុតគឺវិទ្យាសាស្ត្រសម្ភារៈ និងការសិក្សាអំពីជំងឺផាកឃីនសុន ឬជំងឺភ្លេចភ្លាំង។

អ្នកវិទ្យាសាស្ត្រផ្សេងទៀតមានការសង្ស័យ។ Doug Downey នៃវិទ្យាស្ថាន Allen សម្រាប់ AI នៅទីក្រុង Seattle និយាយថាការធ្វើតេស្តនៃ "ភ្នាក់ងារ AI" ចំនួន 57 បានរកឃើញថាមានតែ 1% ប៉ុណ្ណោះដែលអាចបញ្ចប់គម្រោងស្រាវជ្រាវទាំងស្រុង - ពីគំនិតទៅរបាយការណ៍។ គាត់និយាយថា " ការរកឃើញ វិទ្យាសាស្ត្រដោយស្វ័យប្រវត្តិពីដើមដល់ចប់នៅតែជាបញ្ហាប្រឈមដ៏ធំមួយ"

លើសពីនេះ ម៉ូដែល AI នៅតែមិនយល់ច្បាស់អំពីច្បាប់នៃធម្មជាតិ។ ការសិក្សាមួយបានរកឃើញថាគំរូមួយអាចទស្សន៍ទាយគន្លងរបស់ភព ប៉ុន្តែមិនមែនជាច្បាប់រូបវន្តមូលដ្ឋាននោះទេ។ ឬអាចរុករកទីក្រុង ប៉ុន្តែមិនអាចបង្កើតផែនទីត្រឹមត្រូវបានទេ។

យោងតាមអ្នកជំនាញ Subbarao Kambhampati (សាកលវិទ្យាល័យ Arizona State) បង្ហាញថា AI ខ្វះបទពិសោធន៍ជីវិតពិតដែលមនុស្សមាន។

Yolanda Gil អះអាងថា ដើម្បីឈានដល់ឋានៈណូបែល AI ត្រូវតែអាច "គិតអំពីការគិត" ពោលគឺដើម្បីវាយតម្លៃខ្លួនឯង និងកែសម្រួលដំណើរការវែកញែករបស់ខ្លួន។ លោក Gil និយាយថា ប្រសិនបើគ្មានការវិនិយោគលើការស្រាវជ្រាវជាមូលដ្ឋាននេះទេ "ការរកឃើញដែលសក្តិសមជាណូបែលនឹងនៅមានផ្លូវឆ្ងាយ" ។

ទន្ទឹមនឹងនេះ អ្នកប្រាជ្ញមួយចំនួនបានព្រមានអំពីគ្រោះថ្នាក់នៃការពឹងផ្អែកខ្លាំងលើ AI នៅក្នុងវិទ្យាសាស្ត្រ។ ក្រដាសឆ្នាំ 2024 ដោយ Lisa Messeri (សាកលវិទ្យាល័យ Yale) និង Molly Crockett (សាកលវិទ្យាល័យ Princeton) អះអាងថា ការប្រើប្រាស់ AI ច្រើនពេកអាចបង្កើនកំហុស និងកាត់បន្ថយការច្នៃប្រឌិត ដោយសារអ្នកវិទ្យាសាស្ត្រ "ផលិតកាន់តែច្រើន ប៉ុន្តែយល់តិច"។

Messeri បានបន្ថែមថា "AI អាចដកហូតអ្នកវិទ្យាសាស្ត្រវ័យក្មេងដែលអាចនឹងឈ្នះរង្វាន់ធំនាពេលអនាគតនៃឱកាសសិក្សា" ។ "ជាមួយនឹងថវិកាស្រាវជ្រាវធ្លាក់ចុះ វាជាពេលវេលាដ៏គួរឱ្យព្រួយបារម្ភដើម្បីពិចារណាលើការចំណាយនាពេលអនាគត។"

(TTXVN/Vietnam+)

ប្រភព៖ https://www.vietnamplus.vn/gioi-khoa-hoc-du-doan-kha-nang-tri-tue-nhan-tao-gianh-giai-nobel-post1068525.vnp