Models, machine learning, generative AI, agents, automation និងការគ្រប់គ្រងដោយទទួលខុសត្រូវ
បញ្ញាសិប្បនិម្មិត
បញ្ញាសិប្បនិម្មិតគឺជាវិស័យនៃការបង្កើតប្រព័ន្ធកុំព្យូទ័រ ដែលអាចរៀនលំនាំ ធ្វើការព្យាករ បង្កើតមាតិកា ណែនាំសកម្មភាព យល់ភាសា មើលឃើញរូបភាព ធ្វើការងារដោយស្វ័យប្រវត្តិ និងគាំទ្រការសម្រេចចិត្តក្នុង software, វិទ្យាសាស្ត្រ, អាជីវកម្ម, សុខភាព, ការអប់រំ និងជីវិតប្រចាំថ្ងៃ។
បញ្ញាសិប្បនិម្មិតមានន័យដូចម្តេច
បញ្ញាសិប្បនិម្មិត ដែលជាញឹកញាប់ហៅកាត់ថា AI មិនមែនជាឧបករណ៍តែមួយ ឬ algorithm តែមួយទេ។ វាជាវិស័យទូលំទូលាយដែលផ្តោតលើការធ្វើឱ្យប្រព័ន្ធកុំព្យូទ័រអាចបំពេញភារកិច្ចដែលជាទូទៅត្រូវការការមើលឃើញ ការរៀន ការគិតហេតុផល ភាសា ការរៀបផែនការ ការព្យាករ ឬការសម្រេចចិត្ត។ AI អាចជាប្រព័ន្ធរៀបលំដាប់ search, ឧបករណ៍ចាប់ fraud, classifier រូបភាពវេជ្ជសាស្ត្រ, language model, controller សម្រាប់ robot, recommendation engine ឬជំនួយការដែលជួយបំពេញការងារឌីជីថល។
របៀបដែលប្រព័ន្ធ AI រៀន
ប្រព័ន្ធ AI សម័យទំនើបជាច្រើនរៀនពីទិន្នន័យ។ ក្នុងពេលបណ្តុះបណ្តាល model មើលឧទាហរណ៍ ហើយកែសម្រួល parameters ខាងក្នុង ដើម្បីឱ្យវាអាចព្យាករ ឬបង្កើត output ដែលមានប្រយោជន៍នៅពេលក្រោយ។ Supervised learning ប្រើឧទាហរណ៍មាន label, unsupervised learning រកលំនាំដោយគ្មាន label ច្បាស់, reinforcement learning រៀនពីរង្វាន់ និង self-supervised learning បង្កើតសញ្ញាបណ្តុះបណ្តាលពីទិន្នន័យដើមខ្លួនឯង។ បន្ទាប់ពីបណ្តុះបណ្តាល ការប្រើ model ដើម្បីបង្កើតចម្លើយហៅថា inference។
Machine learning និង deep learning
Machine learning គឺជាផ្នែកមួយនៃ AI ដែលផ្តោតលើប្រព័ន្ធដែលប្រសើរឡើងដោយរកលំនាំក្នុងទិន្នន័យ។ Deep learning ប្រើ neural networks មានស្រទាប់ច្រើន ដែលអាចរៀបម៉ូដែលទំនាក់ទំនងស្មុគស្មាញក្នុង text, images, audio, video, code និង structured data។ Deep learning បានធ្វើឱ្យមានការរីកចម្រើនធំក្នុងការស្គាល់សំឡេង ការបកប្រែ ការស្គាល់រូបភាព ប្រព័ន្ធណែនាំ ការព្យាកររចនាសម្ព័ន្ធ protein និង large language models ប៉ុន្តែវាពឹងខ្លាំងលើគុណភាពទិន្នន័យ កម្លាំងគណនា និងការវាយតម្លៃយ៉ាងប្រុងប្រយ័ត្ន។
Generative AI និង foundation models
Generative AI បង្កើត text, images, audio, video, code, designs ឬមាតិកាផ្សេងៗថ្មី។ Large language models ព្យាករ និងតែងលំដាប់ tokens ដែលអនុញ្ញាតឱ្យវាឆ្លើយសំណួរ សង្ខេប បកប្រែ ព្រាងឯកសារ សរសេរ code និងជំរុញ chat interfaces។ Foundation models គឺជា models ធំៗដែលអាចប្រើឡើងវិញ និងកែសម្រួលសម្រាប់ភារកិច្ចជាច្រើន។ វាអាចមានសមត្ថភាពខ្លាំង ប៉ុន្តែភាពរលូនមិនស្មើនឹងសេចក្តីពិតទេ៖ ប្រព័ន្ធ generative អាច hallucinate, ឆ្លុះបញ្ចាំង bias, បង្ហាញលំនាំរសើប ឬបង្កើតមាតិកាមិនសុវត្ថិភាព ប្រសិនបើមិនបានគ្រប់គ្រង។
AI agents និង automation
AI agent គឺជាប្រព័ន្ធដែលអាចប្រើឧបករណ៍ ចងចាំបរិបទ រៀបផែនការជំហាន និងធ្វើសកម្មភាពឆ្ពោះទៅគោលដៅមួយ។ Agents អាចស្វែងរក files, ហៅ APIs, សរសេរ code, គ្រប់គ្រង software, កំណត់ពេលភារកិច្ច ឬសម្របសម្រួល workflows។ នេះធ្វើឱ្យ AI មានប្រយោជន៍ជាងមុន ប៉ុន្តែក៏មានហានិភ័យខ្ពស់ជាងមុន ព្រោះកំហុសអាចមានផលពិត។ ការរចនា agent ល្អប្រើ permissions, logging, ការអនុម័តពីមនុស្សសម្រាប់សកម្មភាពរសើប, sandboxing, គោលដៅច្បាស់, ផែនការ rollback និងដែនកំណត់លើអ្វីដែលប្រព័ន្ធអាចធ្វើដោយគ្មានការត្រួតពិនិត្យ។
កន្លែងដែល AI លេចឡើង
AI មានរួចហើយក្នុង search engines, social feeds, maps, spam filters, fraud detection របស់ធនាគារ, translation, transcription, customer service, photo editing, medical imaging, logistics, manufacturing, cybersecurity, scientific research, education software, coding tools និង workplace productivity apps។ ជាញឹកញាប់អ្នកប្រើមិនឃើញ model ដោយផ្ទាល់ទេ។ ពួកគេឃើញលទ្ធផលដែលត្រូវបានរៀបលំដាប់ ចម្លើយណែនាំ វីដេអូណែនាំ anomaly ដែលត្រូវបានរកឃើញ សេចក្តីសង្ខេបដែលបានបង្កើត ឬការសម្រេចចិត្តស្វ័យប្រវត្តិ។
ដែនកំណត់ ហានិភ័យ និងការវាយតម្លៃ
ប្រព័ន្ធ AI អាចមិនត្រឹមត្រូវ មាន bias បាក់បែកងាយ ជឿជាក់លើខ្លួនលើស មិនសូវថ្លា មិនសុវត្ថិភាព ឬត្រូវបានប្រើខុស។ វាអាចបរាជ័យពេលលក្ខខណ្ឌផ្លាស់ប្តូរ ដំណើរការអន់ជាងសម្រាប់ក្រុមដែលតំណាងតិច ឬ optimize គោលដៅខុស។ ការវាយតម្លៃពិនិត្យថាប្រព័ន្ធដំណើរការល្អសម្រាប់មនុស្ស និងស្ថានភាពដែលវានឹងត្រូវប្រើឬអត់។ ការវាយតម្លៃដោយទទួលខុសត្រូវមើលលើ accuracy, robustness, fairness, privacy, security, explainability, abuse potential, human oversight និងអ្វីកើតឡើងពេល model មិនប្រាកដ ឬខុស។
ហេតុអ្វីវាសំខាន់
បញ្ញាសិប្បនិម្មិតសំខាន់ ព្រោះវាកំពុងក្លាយជាស្រទាប់ទូទៅមួយក្នុង software, វិទ្យាសាស្ត្រ, media, អាជីវកម្ម, ការអប់រំ, សេវាថែទាំសុខភាព, រដ្ឋាភិបាល និងហេដ្ឋារចនាសម្ព័ន្ធ។ វាអាចពង្រីកការចូលដល់ជំនាញ និងធ្វើការងារដដែលៗដោយស្វ័យប្រវត្តិ ប៉ុន្តែវាក៏អាចប្រមូលផ្តុំអំណាច រំខានការងារ រាលដាលព័ត៌មានមិនពិតដែលគួរឱ្យជឿ និងបង្កើតបញ្ហាសុវត្ថិភាព និងការទទួលខុសត្រូវថ្មីៗ។ ផលប៉ះពាល់របស់ AI មិនអាស្រ័យលើសមត្ថភាព model ប៉ុណ្ណោះទេ ប៉ុន្តែក៏អាស្រ័យលើ governance, incentives, ជម្រើសដាក់ប្រើ និងថាតើមនុស្សនៅតែមានការគ្រប់គ្រងយ៉ាងមានន័យឬអត់។