បញ្ញាសិប្បនិម្មិត
បច្ចុប្បន្ននេះបណ្តាញសរសៃប្រសាទជ្រៅមួយអាចដោះស្រាយគូប Rubik ក្នុងរយៈពេល 1,2 វិនាទី។ ដើម្បីសម្រេចបានលទ្ធផលនេះ នៅវេននៃសតវត្សទី XNUMX និងទី XNUMX ម៉ាស៊ីនឡូជីខលរបស់ Ramon Lull ត្រូវបានបង្កើតឡើង។ នៅក្នុងអត្ថបទនេះ អ្នកនឹងរៀនមួយជំហានម្តងៗនូវអ្វីដែលបានកើតឡើងក្នុងរយៈពេលជាច្រើនសតវត្ស។
XIII – IV v ។ ទស្សនវិទូជនជាតិអេស្ប៉ាញ រ៉ាម៉ុន លូលី (1) អភិវឌ្ឍ ម៉ាស៊ីនតក្កវិជ្ជា. គាត់បានពិពណ៌នាម៉ាស៊ីនរបស់គាត់ថាជាវត្ថុមេកានិចដែលអាចភ្ជាប់ការពិតជាមូលដ្ឋាន និងមិនអាចប្រកែកបានតាមរយៈប្រតិបត្តិការឡូជីខលសាមញ្ញដែលអនុវត្តដោយម៉ាស៊ីនជាមួយនឹងសញ្ញាសម្គាល់មេកានិច។
អាយុ 30-50 ឆ្នាំ។ សតវត្សទីម្ភៃ នេះត្រូវបានបង្ហាញដោយការស្រាវជ្រាវនៅក្នុងវិស័យសរសៃប្រសាទ។ Norbert Wiener ពិពណ៌នាអំពីការគ្រប់គ្រង cybernetic និងភាពធន់នៅក្នុងបណ្តាញអគ្គិសនី។ Claude Shannon បង្កើតទ្រឹស្តីនៃ "ព័ត៌មានពិពណ៌នាដោយសញ្ញាឌីជីថល" ។
1936 គោលបំណងរបស់គាត់គឺដើម្បីដោះស្រាយបញ្ហាដែលអាចដោះស្រាយបានដែលបង្ហាញដោយ លោក David Hilbert នៅឆ្នាំ 1928 នោះហើយជាអ្វីដែលគាត់បានណែនាំនៅក្នុងវា។ រថយន្តអរូបីមានសមត្ថភាពក្នុងការអនុវត្តប្រតិបត្តិការគណិតវិទ្យាដែលបានដាក់កម្មវិធី ពោលគឺក្បួនដោះស្រាយ។
ម៉ាស៊ីនអាចអនុវត្តតែក្បួនដោះស្រាយជាក់លាក់មួយប៉ុណ្ណោះ ដូចជាការបំបែកលេខ ចែក បូក ដក។ នៅក្នុងការងាររបស់ខ្ញុំ Turing គាត់បានពិពណ៌នាអំពីម៉ាស៊ីនបែបនេះជាច្រើន ដែលបានទទួលឈ្មោះទូទៅ Maszyn Turinga. ផ្នែកបន្ថែមនៃគោលគំនិតនេះគឺជាអ្វីដែលហៅថាម៉ាស៊ីន Turing ជាសកល ដែលអាស្រ័យលើការណែនាំដែលបានកត់ត្រានៅលើកាសែត ត្រូវធ្វើប្រតិបត្តិការណាមួយ (2) ។
2. ម៉ូដែលមួយក្នុងចំណោមម៉ូដែលរបស់ម៉ាស៊ីន Turing
1943 លោក Warren McCalloh i លោក Walter Pitts បង្ហាញវា ណឺរ៉ូនសិប្បនិម្មិត អាចក្លែងធ្វើប្រតិបត្តិការសាមញ្ញដោយបង្កើតគំរូ បណ្តាញញាណ. គំរូរបស់ពួកគេគឺផ្អែកលើគណិតវិទ្យា និងក្បួនដោះស្រាយសុទ្ធសាធ ហើយមិនអាចធ្វើតេស្តបានទេ ដោយសារខ្វះធនធានកុំព្យូទ័រ។
1950 នៅក្នុងអត្ថបទរបស់គាត់ដែលមានចំណងជើងថា "Computer Science and Intelligence" ដែលបានបោះពុម្ពផ្សាយនៅក្នុងទស្សនាវដ្តី Mind, លោក Alan M. Turing ជាលើកដំបូងបង្ហាញពីការធ្វើតេស្ត បន្ទាប់មកហៅថា "ការធ្វើតេស្ត Turing" ។ នេះគឺជាវិធីដើម្បីកំណត់ សមត្ថភាពរបស់ម៉ាស៊ីនក្នុងការប្រើប្រាស់ភាសាធម្មជាតិ ហើយដោយប្រយោលមានន័យថា បង្ហាញថានាងមានជំនាញក្នុងការគិតដូចមនុស្សដែរ។
1951 ម៉ាវីន មីនស្គី អូរ៉ាស លោក Dean Edmonds ពួកគេសាងសង់ SNARK (ភាសាអង់គ្លេស), បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតដំបូង ជាមួយនឹងបំពង់បូមធូលី 3 ពាន់។ ម៉ាស៊ីនដើរតួនាទីជាសត្វកណ្ដុរ ដែលកំពុងស្វែងរកផ្លូវចេញពីវាលភក់ ដើម្បីទៅរកអាហារ។ ប្រព័ន្ធនេះបានធ្វើឱ្យវាអាចតាមដានគ្រប់ចលនារបស់ "កណ្តុរ" នៅក្នុងវាលភក់។ កំហុសក្នុងការរចនាបានធ្វើឱ្យវាអាចណែនាំ "កណ្តុរ" ច្រើនជាងមួយនៅទីនោះ ហើយ "កណ្តុរ" បានចាប់ផ្តើមទាក់ទងគ្នាទៅវិញទៅមក។ ការប៉ុនប៉ងជាច្រើនដែលពួកគេបានធ្វើបានអនុញ្ញាតឱ្យពួកគេចាប់ផ្តើម "គិត" ដោយផ្អែកលើហេតុផលមួយ ហើយនេះបានជួយពង្រឹងជម្រើសត្រឹមត្រូវ។ "កណ្តុរ" កាន់តែទំនើបត្រូវបានបន្តដោយ "កណ្តុរ" ផ្សេងទៀត។
1955 លោក Allen Newell និង (អ្នកឈ្នះរង្វាន់ណូបែលនាពេលអនាគត) Herbert A. Simon តែងទ្រឹស្ដីតក្កវិជ្ជា។ ទីបំផុត កម្មវិធីនេះបានបង្ហាញពីសេចក្តីថ្លែងការណ៍ចំនួន 38 នៃសេចក្តីថ្លែងការណ៍ 52 ដំបូងនៃ Principia Mathematica ។ រ័សុល i ក្បាលសស្វែងរកភស្តុតាងថ្មី និងឆើតឆាយជាងមុនសម្រាប់អ្នកខ្លះ។
1956 ពាក្យ "" កើត។ វាត្រូវបានប្រើជាលើកដំបូងនៅក្នុងសន្និសីទមួយដែលរៀបចំដោយមហាវិទ្យាល័យ Dartmouth ក្នុងរដ្ឋ New Hampshire (3)។ គោលគំនិតថ្មីត្រូវបានកំណត់ថាជា "ប្រព័ន្ធដែលដឹងខ្លួន និងឆ្លើយតបទៅនឹងបរិយាកាសរបស់វា ដើម្បីបង្កើនឱកាសនៃភាពជោគជ័យរបស់ខ្លួន"។ ក្នុងចំណោមអ្នករៀបចំកម្មវិធីនោះរួមមាន ម៉ាវីន មីនស្គី, លោក John McCarthy និងអ្នកវិទ្យាសាស្ត្រជាន់ខ្ពស់ពីរនាក់៖ Claude Shannon i ណាថាន រ៉ូឆេស្ទ័រ z ក្រុមហ៊ុន IBM ។
. សមាជិកនៃសន្និសិទ Dartmouth ឆ្នាំ 1956 ពីឆ្វេងទៅស្តាំ៖ Marvin Minsky និង Claude Shannon ។
1960 ចារឹកសត្វ បណ្តាញអេឡិចត្រូគីមី ធាតុសិក្សាដែលមានឈ្មោះថា Adaline. សាងសង់ លោក Bernard Vidrou ពីសាកលវិទ្យាល័យស្ទែនហ្វដ បណ្តាញមានធាតុផ្សំនីមួយៗនៃអាដាលីន ដែលនៅពេលផលិតឡើងវិញ និងបញ្ចូលគ្នា នាំឱ្យ Madalin បាននិយាយ (Eng. Many Adaline). វាជាលើកដំបូង កុំព្យូទ័រសរសៃប្រសាទ ផ្តល់ជូនពាណិជ្ជកម្ម។ បណ្តាញ Madaline ត្រូវបានប្រើប្រាស់ដោយរ៉ាដា សូណារ ម៉ូដឹម និងខ្សែទូរស័ព្ទ។
1966 រះឡើង កម្មវិធី ELIZAគំរូ chatbot ដែលត្រូវបានសាកល្បងនៅ MIT ។ វាត្រូវបានរចនាឡើងតាមរបៀបសាមញ្ញ៖ វាបានបំប្លែងប្រយោគប្រកាសដែលផ្តល់ដោយអ្នកប្រើប្រាស់ទៅជាសំណួរ ហើយជំរុញឱ្យពួកគេទទួលបានសេចក្តីថ្លែងការណ៍បន្ថែម។ ឧទាហរណ៍ នៅពេលដែលអ្នកប្រើប្រាស់និយាយថា "ខ្ញុំឈឺក្បាល" កម្មវិធីបានសួរថា "ហេតុអ្វីបានជាក្បាលរបស់អ្នកឈឺ?" ELIZA ត្រូវបានប្រើប្រាស់ដោយជោគជ័យក្នុងការព្យាបាលអ្នកដែលមានបញ្ហាផ្លូវចិត្ត។.
1967 នៅប្រទេសជប៉ុន សាកលវិទ្យាល័យ Waseda បានផ្តួចផ្តើមគំនិត គម្រោង VABOT (4) នៅឆ្នាំ 1967 ជាលើកដំបូងនៅក្នុងពិភពលោក មនុស្សយន្តមនុស្សយន្តឆ្លាតវៃទំហំពេញ. ប្រព័ន្ធគ្រប់គ្រងអវយវៈរបស់គាត់បានអនុញ្ញាតឱ្យគាត់ដើរដោយប្រើអវយវៈក្រោម ក៏ដូចជាចាប់យក និងផ្លាស់ទីវត្ថុដោយដៃរបស់គាត់ដោយប្រើឧបករណ៍ចាប់សញ្ញាប៉ះ។ ប្រព័ន្ធចក្ខុវិស័យរបស់គាត់បានអនុញ្ញាតឱ្យគាត់វាស់ចម្ងាយ និងទិសដៅទៅកាន់វត្ថុដោយប្រើឧបករណ៍ទទួលខាងក្រៅ ភ្នែកសិប្បនិម្មិត និងត្រចៀក។ ហើយប្រព័ន្ធសន្ទនាបានអនុញ្ញាតឱ្យគាត់ទំនាក់ទំនងជាមួយមនុស្សម្នាក់ជាភាសាជប៉ុនដោយប្រើបបូរមាត់សិប្បនិម្មិត។
1969 ម៉ាវីន មីនស្គី i ក្រដាស Seymour បង្ហាញឧបសគ្គ perceptron ។ សៀវភៅរបស់ពួកគេមានភស្តុតាងផ្លូវការដែលថាបណ្តាញស្រទាប់តែមួយមានកម្រិតនៃកម្មវិធីដែលនាំឱ្យមានការជាប់គាំងនៅក្នុងតំបន់នៃការស្រាវជ្រាវនេះ។ ស្ថានភាពនៃកិច្ចការនេះបានបន្តប្រហែល 15 ឆ្នាំរហូតដល់ការបោះពុម្ពផ្សាយជាបន្តបន្ទាប់ដែលវាត្រូវបានបង្ហាញយ៉ាងគួរឱ្យជឿជាក់ថាបណ្តាញមិនមែនលីនេអ៊ែរមិនមានដែនកំណត់ដែលបានបង្ហាញនៅក្នុងការងារមុន។ វាត្រូវបានប្រកាសនៅពេលនោះ។ ជួរនៃវិធីសាស្រ្តរៀនម៉ាស៊ីនសម្រាប់បណ្តាញពហុស្រទាប់.
1973 លោក Edward Shortliffគាត់បានបង្កើតជាគ្រូពេទ្យ និងអ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ កម្មវិធី MAISINដែលជាប្រព័ន្ធអ្នកជំនាញដំបូងគេមួយសម្រាប់ការធ្វើរោគវិនិច្ឆ័យការព្យាបាលនៃការឆ្លងមេរោគបាក់តេរីដោយផ្អែកលើការធ្វើរោគវិនិច្ឆ័យនៃជំងឺឈាមដោយផ្អែកលើលទ្ធផលនៃការធ្វើតេស្តនិងការគណនាកម្រិតត្រឹមត្រូវនៃថ្នាំអង់ទីប៊ីយោទិច។
ក្នុងទសវត្សរ៍ឆ្នាំ 70 វេជ្ជបណ្ឌិតភាគច្រើនត្រូវការដំបូន្មានពីអ្នកឯកទេស មុនពេលចេញវេជ្ជបញ្ជាថ្នាំអង់ទីប៊ីយោទិចដល់អ្នកជំងឺ។ អង់ទីប៊ីយ៉ូទិកនីមួយៗប៉ះពាល់ដល់ក្រុមមីក្រូសរីរាង្គមួយចំនួន ប៉ុន្តែក៏បណ្តាលឱ្យមានផលប៉ះពាល់មួយចំនួនផងដែរ។ ទោះជាយ៉ាងណាក៏ដោយ ចំនេះដឹងនៃមុខវិជ្ជានេះក្នុងចំណោមវេជ្ជបណ្ឌិតធម្មតាគឺមិនអស្ចារ្យនោះទេ។ នោះហើយជាមូលហេតុដែលសាលាវេជ្ជសាស្ត្រនៃសាកលវិទ្យាល័យស្ទែនហ្វដ ដែលជាមជ្ឈមណ្ឌលស្រាវជ្រាវដ៏ល្បីល្បាញលើពិភពលោកក្នុងវិស័យថ្នាំអង់ទីប៊ីយោទិច បានងាកទៅរកអ្នកជំនាញផ្នែកព័ត៌មានវិទ្យាសម្រាប់ជំនួយ។ ដូច្នេះ ប្រព័ន្ធប្រឹក្សាត្រូវបានបង្កើតឡើង ដែលមានមូលដ្ឋានទិន្នន័យទូលំទូលាយ និងគោលការណ៍ចំនួន 500 ដើម្បីជួយគ្រូពេទ្យឱ្យប្រើថ្នាំអង់ទីប៊ីយោទិចបានត្រឹមត្រូវ។
1975 លោក Paul Werbos បង្កើតការផ្សាយឡើងវិញដែលដោះស្រាយបញ្ហា និងដែនកំណត់នៃបណ្តាញស្រទាប់តែមួយ ហើយជាទូទៅបង្កើត បណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទកាន់តែមានប្រសិទ្ធភាព.
80 ឆ្នាំ ត្រូវបានគេស្គាល់ថាជា "ប្រព័ន្ធអ្នកជំនាញ" ហើយចំណេះដឹងបានក្លាយជាចំណុចសំខាន់នៃការស្រាវជ្រាវ AI ។ ជំនួសឱ្យការផ្តោតលើការស៊ើបការណ៍ទូទៅ ប្រព័ន្ធអ្នកជំនាញបានផ្តោតលើការប្រើប្រាស់សំណុំនៃគោលការណ៍ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មភារកិច្ចជាក់លាក់ និងធ្វើការសម្រេចចិត្តជាក់លាក់នៅក្នុងពិភពពិត។
ដំណោះស្រាយជោគជ័យដំបូងគេស្គាល់ថា RI ត្រូវបានណែនាំដោយសាជីវកម្មឧបករណ៍ឌីជីថល ដើម្បីកែសម្រួលការបញ្ជាទិញរបស់ក្រុមហ៊ុនតាមបំណង និងកែលម្អភាពត្រឹមត្រូវ។ ទោះជាយ៉ាងណាក៏ដោយ Apple និង IBM មិនយូរប៉ុន្មានបានណែនាំកុំព្យូទ័រ mainframe ដែលមានថាមពលដំណើរការច្រើនជាងកុំព្យូទ័រដែលប្រើសម្រាប់ថែទាំ។ ភាពវៃឆ្លាតសិប្បនិម្មិតរំខានដល់ឧស្សាហកម្ម AI ។ នេះជាថ្មីម្តងទៀតបានបញ្ឈប់ការវិនិយោគនៅក្នុង AI ។
1988 អ្នកស្រាវជ្រាវនៅ IBM បានបោះពុម្ភក្រដាសមួយដែលបង្ហាញពីគោលការណ៍នៃប្រូបាប៊ីលីតេក្នុងការបកប្រែដោយស្វ័យប្រវត្តិពីបារាំងទៅជាភាសាអង់គ្លេស។ វិធីសាស្រ្តនេះកាន់តែខិតទៅជិតនោះ បានដាក់មូលដ្ឋានគ្រឹះសម្រាប់បច្ចេកវិទ្យារៀនម៉ាស៊ីននាពេលបច្ចុប្បន្ននេះ។
1989 លេចឡើង អេលវីន () ដែលជាលទ្ធផលនៃការស្រាវជ្រាវដែលផ្តល់មូលនិធិដោយយោធារយៈពេលប្រាំបីឆ្នាំនៅវិទ្យាស្ថានមនុស្សយន្ត CMU (5) ។ វាអាចត្រូវបានចាត់ទុកថាជាបុព្វបុរសនៃថ្ងៃនេះ។ ការអនុវត្ត ALVINN បានដំណើរការទិន្នន័យពីប្រភពពីរ៖ ម៉ាស៊ីនថតវីដេអូ និងឧបករណ៍រកជួរឡាស៊ែរ។ វាជាប្រព័ន្ធយល់ដឹងដែលរៀនគ្រប់គ្រងយានជំនិះដោយការសង្កេតអ្នកបើកបរ។ គាត់បានប្រើវា។ បណ្តាញញាណ និងធ្វើការសម្រេចចិត្តដោយគ្មានផែនទី។
5. រថយន្តដែលមានប្រព័ន្ធស្វយ័ត ALVINN
ឆ្នាំ ១៩០០ ។ នៅក្នុងពិភពនៃ AI គំរូថ្មីមួយហៅថា "ភ្នាក់ងារឆ្លាតវៃ" កំពុងត្រូវបានអនុម័ត។ គុជយូដា, លោក Allen Newell, Leslie P. Kelbling និងអ្នកផ្សេងទៀតបានស្នើឱ្យអនុវត្តទ្រឹស្តីនៃការសម្រេចចិត្ត និងសេដ្ឋកិច្ចទៅនឹងការស្រាវជ្រាវបញ្ញាសិប្បនិម្មិត។
1997 ខៀវជ្រៅ បង្កើតឡើងដោយ IBM កម្ចាត់ចៅហ្វាយនាយជាមួយ Garrim Kasparov (៦). កុំព្យូទ័រទំនើបគឺជាកំណែឯកទេសនៃវេទិកាដែលបង្កើតឡើងដោយ IBM ហើយអាចគ្រប់គ្រងចលនាពីរដងក្នុងមួយវិនាទីដូចនៅក្នុងហ្គេមដំបូង (ដែលម៉ាស៊ីនបាត់បង់) ដែលត្រូវបានគេរាយការណ៍ថា 6 លានផ្លាស់ទីក្នុងមួយវិនាទី។
6. ការប្រកួត Garry Kasparov ទល់នឹង Deep Blue
1998 បួនលានទៅដើមឈើណូអែល មនុស្សយន្តត្រចៀក Furbyដែលនឹងរៀនភាសាអង់គ្លេសនៅទីបំផុត។
2002-09 ក្នុងឆ្នាំ 2002 DARPA បានប្រកួតប្រជែងជាមួយពិភពលោក។ បច្ចេកវិទ្យាឆ្លាតវៃ140 លានដុល្លារសម្រាប់អ្នកសាងសង់ដើម្បីបើកបរ 18 ម៉ាយឆ្លងកាត់វាលខ្សាច់ Mojave ។ 2005 ថ្ងៃទី 7 ខែឧសភា Stanley (XNUMX) បានចូលរួមក្នុងការប្រកួត Grand Challenge ប្រដាប់ដោយឡាស៊ែរ រ៉ាដា កាមេរ៉ាវីដេអូ ឧបករណ៍ទទួល GPS ប្រព័ន្ធដំណើរការប្រាំមួយ និងស្ថាបត្យកម្មកម្មវិធីរួមបញ្ចូលគ្នា ហើយបានឈ្នះ។ រថយន្តនេះត្រូវបានដាក់តាំងបង្ហាញនៅសារមន្ទីរជាតិនៃប្រវត្តិសាស្ត្រអាមេរិករបស់ Smithsonian ។ រួមគ្នាជាមួយ Stanley ក្នុងប្រវត្តិសាស្ត្រ ភាពវៃឆ្លាតសិប្បនិម្មិត ក្រុមរចនាសាកលវិទ្យាល័យ Stanford ដឹកនាំដោយ Prof. Sebastian Thrun ដែលកាលនោះជាប្រធានរថយន្តស្វយ័តរបស់ Google បានបង្កើតឡើងក្នុងឆ្នាំ ២០០៩។
2005 ក្រុមហ៊ុន Honda ណែនាំ Asimo មនុស្សយន្តមនុស្សយន្តដើរលើជើងពីរ (ប្រាំបី) ។ ក្នុងអំឡុងពេលនៃការអភិវឌ្ឍន៍របស់វា ទិន្នន័យត្រូវបានគេទទួលបានដែលត្រូវបានប្រើ ឧទាហរណ៍ក្នុងការរចនាសិប្បនិម្មិតដែលអនុញ្ញាតឱ្យមនុស្សចាស់ផ្លាស់ទី។
2011 កុំព្យូទ័រទំនើប Watson មកពី IBM ដែលក្នុងឆ្នាំ 2011 បានផ្តួលចៅហ្វាយនាយនៅពេលនោះនៅក្នុងកម្មវិធីហ្គេម "Jeopardy" (ចាក់ផ្សាយនៅប្រទេសប៉ូឡូញក្រោមឈ្មោះ "Va Banque") ។
2016 កម្មវិធីកុំព្យូទ័រ AlphaGo បង្កើតឡើងដោយក្រុមហ៊ុន Google មួយ វ៉ាដាច់ Lee Sedol ដែលជាម្ចាស់ជើងឯកពិភពលោក 18 សម័យនៅក្នុង Go (9) ។
9. ការប្រកួតរវាង Go Li Sedol និង AlphaGo
2018 Google និងវិទ្យាស្ថាន Allen សម្រាប់ប្រាជ្ញាសិប្បនិម្មិតបង្កើត BERT ដែលជា "តំណាងភាសាទ្វេទិសដែលមិនស្ថិតក្រោមការគ្រប់គ្រងដំបូងគេដែលអាចប្រើបានសម្រាប់កិច្ចការជាច្រើននៃភាសាធម្មជាតិដោយប្រើការផ្ទេរចំណេះដឹង។" BERT គឺជាបញ្ញាសិប្បនិមិត្តដែលអាចបំពេញផ្នែកដែលបាត់នៃប្រយោគតាមរបៀបដូចគ្នាទៅនឹងមនុស្សដែរ។ ប៊ឺត គឺជាការអភិវឌ្ឍន៍ដ៏គួរឱ្យរំភើបបំផុតមួយនៅក្នុងវិស័យដំណើរការភាសាធម្មជាតិ (NLP) ដែលជាវិស័យនៃបញ្ញាសិប្បនិមិត្តដែលត្រូវបានអភិវឌ្ឍយ៉ាងរហ័សជាពិសេសក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ។ អរគុណដល់គាត់ ថ្ងៃដែលយើងអាចនិយាយជាមួយម៉ាស៊ីនបានកាន់តែខិតជិត។
2019 បណ្តាញសរសៃប្រសាទជ្រៅត្រូវបានគេហៅថា បង្កើតឡើងដោយអ្នកវិទ្យាសាស្ត្រនៅសាកលវិទ្យាល័យកាលីហ្វ័រញ៉ា។ នាងបានដោះស្រាយ Rubik's Cube ក្នុងរយៈពេល 1,2 វិនាទីលឿនជាងមនុស្សជំនាញបំផុតជិតបីដង។ ជាមធ្យមនាងត្រូវការចលនាប្រហែល 28 ខណៈមនុស្សម្នាក់ធ្វើចលនាជាមធ្យម 50 ។
ការចាត់ថ្នាក់ និងការអនុវត្តបញ្ញាសិប្បនិម្មិត
I. បញ្ញាសិប្បនិម្មិតមានអត្ថន័យសំខាន់ពីរ៖
- វាគឺជាការស៊ើបការណ៍សម្ងាត់ដែលដឹងតាមរយៈដំណើរការវិស្វកម្ម មិនមែនជាធម្មជាតិទេ។
- គឺជាឈ្មោះនៃបច្ចេកវិទ្យា និងវាលនៃការស្រាវជ្រាវនៅក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រដែលផ្អែកលើភាពជឿនលឿននៃវិទ្យាសាស្ត្រសរសៃប្រសាទ គណិតវិទ្យា ចិត្តវិទ្យា វិទ្យាសាស្ត្រការយល់ដឹង និងទស្សនវិជ្ជា។
II. នៅក្នុងអក្សរសិល្ប៍លើបញ្ហានេះ មានកម្រិតសំខាន់ៗបីនៃ AI៖
- បញ្ញាសិប្បនិម្មិតតូចចង្អៀត (, ANI) ដែលមានឯកទេសក្នុងវិស័យតែមួយ ដូចជា AlphaGo ដែលជា AI ដែលអាចយកឈ្នះជើងឯកក្នុងហ្គេម Go ។ ទោះជាយ៉ាងណាក៏ដោយនេះគឺជារឿងតែមួយគត់ដែលគាត់អាចធ្វើបាន។
- បញ្ញាសិប្បនិម្មិតទូទៅ (, AGI) - ត្រូវបានគេស្គាល់ថាជាបញ្ញាសិប្បនិមិត្តដ៏រឹងមាំ សំដៅលើកុំព្យូទ័រនៃកម្រិតបញ្ញារបស់មនុស្សជាមធ្យម - មានសមត្ថភាពអនុវត្តកិច្ចការណាមួយដែលខ្លួនធ្វើ។ យោងតាមអ្នកជំនាញជាច្រើន យើងកំពុងស្ថិតនៅលើផ្លូវដើម្បីបង្កើត AGI ដ៏មានប្រសិទ្ធភាព។
- បញ្ញាសិប្បនិម្មិត (, ដូចខ្ញុំ). ទ្រឹស្តី Oxford AI លោក Nick Bostrom កំណត់ភាពវៃឆ្លាតថាជា "ភាពវៃឆ្លាតជាងគំនិតមនុស្សឆ្លាតបំផុត ស្ទើរតែគ្រប់ផ្នែក រួមទាំងការច្នៃប្រឌិតផ្នែកវិទ្យាសាស្ត្រ ចំណេះដឹងទូទៅ និងជំនាញសង្គម"។
III. ការអនុវត្តជាក់ស្តែងទំនើបនៃ AI៖
- បច្ចេកវិទ្យាផ្អែកលើតក្កវិជ្ជាមិនច្បាស់ - ជាឧទាហរណ៍ ត្រូវបានប្រើជាធម្មតា ដើម្បីគ្រប់គ្រងវឌ្ឍនភាពនៃដំណើរការបច្ចេកវិជ្ជានៅក្នុងរោងចក្រក្នុងលក្ខខណ្ឌ "អវត្តមាននៃទិន្នន័យទាំងអស់"។
- ប្រព័ន្ធអ្នកជំនាញ - ប្រព័ន្ធដែលប្រើមូលដ្ឋានចំណេះដឹង និងយន្តការសន្និដ្ឋានដើម្បីដោះស្រាយបញ្ហា។
- ការបកប្រែអត្ថបទដោយម៉ាស៊ីន - ប្រព័ន្ធបកប្រែមិនត្រូវបានសម្រួលដល់មនុស្សទេ ត្រូវបានអភិវឌ្ឍយ៉ាងយកចិត្តទុកដាក់ និងជាពិសេសសមរម្យសម្រាប់ការបកប្រែអត្ថបទបច្ចេកទេស។
- បណ្តាញសរសៃប្រសាទ - ប្រើប្រាស់ដោយជោគជ័យក្នុងកម្មវិធីជាច្រើន រួមទាំងការសរសេរកម្មវិធី "គូប្រជែងឆ្លាតវៃ" នៅក្នុងហ្គេមកុំព្យូទ័រ។
- ការរៀនម៉ាស៊ីន សាខានៃបញ្ញាសិប្បនិមិត្តដែលដោះស្រាយជាមួយក្បួនដោះស្រាយ ដែលអាចរៀនធ្វើការសម្រេចចិត្ត ឬទទួលបានចំណេះដឹង។
- ការប្រមូលទិន្នន័យ - ពិភាក្សាអំពីផ្នែក ទាក់ទងទៅនឹងតម្រូវការព័ត៌មាន ការទទួលបានចំណេះដឹង វិធីសាស្ត្រវិភាគដែលបានអនុវត្ត លទ្ធផលរំពឹងទុក។
- ការទទួលស្គាល់រូបភាព - កម្មវិធីត្រូវបានប្រើប្រាស់រួចហើយ ដែលសម្គាល់មនុស្សពីរូបថតមុខ ឬសម្គាល់វត្ថុដែលបានជ្រើសរើសដោយស្វ័យប្រវត្តិនៅក្នុងរូបថតផ្កាយរណប។
- ការទទួលស្គាល់ការនិយាយ និងការទទួលស្គាល់វាគ្មិន ត្រូវបានគេប្រើយ៉ាងទូលំទូលាយរួចទៅហើយក្នុងពាណិជ្ជកម្ម។
- ការទទួលស្គាល់ការសរសេរដោយដៃ (OCR) - ប្រើរួចជាស្រេចលើមាត្រដ្ឋានដ៏ធំ ឧទាហរណ៍សម្រាប់ការតម្រៀបអក្សរដោយស្វ័យប្រវត្តិ និងក្នុងក្រដាសកត់ចំណាំអេឡិចត្រូនិច។
- ការច្នៃប្រឌិតសិប្បនិម្មិត - មានកម្មវិធីដែលបង្កើតទម្រង់កំណាព្យខ្លីៗដោយស្វ័យប្រវត្តិ តែង រៀបចំ និងបកស្រាយស្នាដៃតន្ត្រី ដែលអាច "បំភាន់" យ៉ាងមានប្រសិទ្ធភាព សូម្បីតែសិល្បករអាជីព ដើម្បីកុំឱ្យពួកគេចាត់ទុកថាស្នាដៃដែលបង្កើតដោយសិប្បនិម្មិត។
- ប្រើជាទូទៅក្នុងសេដ្ឋកិច្ច ប្រព័ន្ធដោយស្វ័យប្រវត្តិ ការវាយតម្លៃ រួមទាំងភាពស័ក្តិសមក្នុងក្រេឌីត ទម្រង់នៃអតិថិជនល្អបំផុត ឬការរៀបចំផែនការយុទ្ធនាការផ្សាយពាណិជ្ជកម្ម។ ប្រព័ន្ធទាំងនេះត្រូវបានបណ្តុះបណ្តាលដោយស្វ័យប្រវត្តិជាមុនដោយផ្អែកលើទិន្នន័យដែលពួកគេមាន (ឧទាហរណ៍ អតិថិជនធនាគារដែលបានសងប្រាក់កម្ចីជាទៀងទាត់ និងអតិថិជនដែលមានបញ្ហាជាមួយវា)។
- ចំណុចប្រទាក់ឆ្លាតវៃ - ប្រើសម្រាប់ការគ្រប់គ្រងដោយស្វ័យប្រវត្តិ ការត្រួតពិនិត្យ រាយការណ៍ និងការព្យាយាមដោះស្រាយបញ្ហាដែលអាចកើតមាននៅក្នុងដំណើរការបច្ចេកវិជ្ជា។
- ការព្យាករណ៍ និងការរកឃើញការក្លែងបន្លំ - ការប្រើប្រាស់ v.i. ប្រព័ន្ធតំរែតំរង់នៃភស្តុភារវិភាគសំណុំទិន្នន័យដើម្បីកំណត់អត្តសញ្ញាណ ឧទាហរណ៍ ប្រតិបត្តិការហិរញ្ញវត្ថុគួរឱ្យសង្ស័យ។