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។ រថយន្តអរូបីមាន​សមត្ថភាព​ក្នុង​ការ​អនុវត្ត​ប្រតិបត្តិការ​គណិត​វិទ្យា​ដែល​បាន​ដាក់​កម្មវិធី ពោល​គឺ​ក្បួន​ដោះស្រាយ។

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 បង្ហាញ​វា ណឺរ៉ូនសិប្បនិម្មិត អាចក្លែងធ្វើប្រតិបត្តិការសាមញ្ញដោយបង្កើតគំរូ ប​ណ្តា​ញ​ញាណ. 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។ ប្រព័ន្ធ​នេះ​បាន​ធ្វើ​ឱ្យ​វា​អាច​តាម​ដាន​គ្រប់​ចលនា​របស់ "កណ្តុរ" នៅ​ក្នុង​វាល​ភក់។ 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។ វា​ត្រូវ​បាន​ប្រើ​ជា​លើក​ដំបូង​នៅ​ក្នុង​សន្និសីទ​មួយ​ដែល​រៀបចំ​ដោយ​មហាវិទ្យាល័យ Dartmouth ក្នុង​រដ្ឋ New Hampshire (3)។ គោលគំនិតថ្មីត្រូវបានកំណត់ថាជា "ប្រព័ន្ធដែលដឹងខ្លួន និងឆ្លើយតបទៅនឹងបរិយាកាសរបស់វា ដើម្បីបង្កើនឱកាសនៃភាពជោគជ័យរបស់ខ្លួន"។ ក្នុង​ចំណោម​អ្នក​រៀបចំ​កម្មវិធី​នោះ​រួម​មាន 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 ធាតុ​សិក្សា​ដែល​មាន​ឈ្មោះ​ថា​ 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 រះ​ឡើង 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។ វា​ជា​ប្រព័ន្ធ​យល់​ដឹង​ដែល​រៀន​គ្រប់គ្រង​យានជំនិះ​ដោយ​ការ​សង្កេត​អ្នកបើកបរ។ គាត់បានប្រើវា។ ប​ណ្តា​ញ​ញាណ 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 ដែល​កាល​នោះ​ជា​ប្រធាន​រថយន្ត​ស្វយ័ត​របស់ Google បាន​បង្កើត​ឡើង​ក្នុង​ឆ្នាំ 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៖

1. បញ្ញាសិប្បនិម្មិតតូចចង្អៀត (, ANI) ដែលមានឯកទេសក្នុងវិស័យតែមួយ ដូចជា AlphaGo ដែលជា AI ដែលអាចយកឈ្នះជើងឯកក្នុងហ្គេម Go ។ ទោះជាយ៉ាងណាក៏ដោយនេះគឺជារឿងតែមួយគត់ដែលគាត់អាចធ្វើបាន។
2. បញ្ញាសិប្បនិម្មិតទូទៅ (, AGI) - ត្រូវបានគេស្គាល់ថាជាបញ្ញាសិប្បនិមិត្តដ៏រឹងមាំ សំដៅលើកុំព្យូទ័រនៃកម្រិតបញ្ញារបស់មនុស្សជាមធ្យម - មានសមត្ថភាពអនុវត្តកិច្ចការណាមួយដែលខ្លួនធ្វើ។ យោងតាមអ្នកជំនាញជាច្រើន យើងកំពុងស្ថិតនៅលើផ្លូវដើម្បីបង្កើត AGI ដ៏មានប្រសិទ្ធភាព។
3. 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។
• ការ​ប្រមូល​ទិន្នន័យ - ពិភាក្សាអំពីផ្នែក ទាក់ទងទៅនឹងតម្រូវការព័ត៌មាន ការទទួលបានចំណេះដឹង វិធីសាស្ត្រវិភាគដែលបានអនុវត្ត លទ្ធផលរំពឹងទុក។
• ការទទួលស្គាល់រូបភាព - កម្មវិធីត្រូវបានប្រើប្រាស់រួចហើយ ដែលសម្គាល់មនុស្សពីរូបថតមុខ ឬសម្គាល់វត្ថុដែលបានជ្រើសរើសដោយស្វ័យប្រវត្តិនៅក្នុងរូបថតផ្កាយរណប។
• ការទទួលស្គាល់ការនិយាយ និងការទទួលស្គាល់វាគ្មិន ត្រូវ​បាន​គេ​ប្រើ​យ៉ាង​ទូលំ​ទូលាយ​រួច​ទៅ​ហើយ​ក្នុង​ពាណិជ្ជកម្ម។
• 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។