នៅពេលដែលក្បួនដោះស្រាយ AI រៀនជំនាញថ្មីគឺការនិយាយលេងហ្គេមវីដេអូដូចជា StarCraft II។ វាអាចទទួលគ្រប់គ្រាន់ដើម្បីផ្តួលរំលំមនុស្សល្អបំផុត។ប៉ុន្តែនោះជាការពិតណាស់ប្រសិនបើមនុស្សគ្រប់គ្នាលេងតាមច្បាប់។ ការផ្លាស់ប្តូរប៉ារ៉ាម៉ែត្រនៃល្បែងហើយ AI នឹងរកឃើញដោយខ្លួនឯងថាវាមិនអាចសម្របតាម។ AI ដែលពូកែខាងល្បែង Pong មិនអាចគ្រប់គ្រងសូម្បីតែការផ្លាស់ប្តូរបន្តិចបន្តួចរបស់ចម្ងាយរវាងរទេះទាំងពីរ។
ឥឡូវនេះ ការស្រាវជ្រាវថ្មីរបស់ IBM ដែលត្រូវបង្ហាញនៅក្នុងសន្និសីទ AI កាលពីខែឧសភាប្រាប់ថាវាអាចផ្លាស់ប្តូរហើយ។ ក្រុមហ៊ុនបច្ចេកវិទ្យានេះនិយាយថា វាត្រូវបង្កើតឡើងនូវក្បួនដោះស្រាយដែលអាចរៀនរហ័សដោយបង្កើននូវអ្វីដែលស្រដៀងនឹងអង្គចងចាំនិម្មិតដើម្បីសម្របខ្លួនទៅនឹងបរិយាកាសផ្លាស់ប្តូរដោយមិនចាំបាច់ត្រូវបណ្តុះបណ្តាលពីទទេ។យោងតាមឯកសារស្រាវជ្រាវថ្មីៗដែលចែកចាយលើបណ្តាញដោយមន្ទីរពិសោធន៍ IBM-Watson AI នៅពេលកំពុងលេងហ្គេម Flappy Bird ក្បួនដោះស្រាយអាចបន្តលេងសូម្បីតែខណៈដែលចម្ងាយរវាងបំពង់និងឧបសគ្គដែលដាក់ផ្លាស់ប្តូរ។ នេះជាឧទាហរណ៍នៃហេតុផលដែលអាចបត់បែនដោយ AI ជំនាន់ក្រោយ ហើយប្រហែលជាសញ្ញានៃអ្វីដែលនឹងមកដល់ក្នុងពេលឆាប់ៗនេះ។
គោលដៅចុងបញ្ចប់នៃគម្រោងដូចនេះគឺដើម្បីបង្កើតភាពឆ្លាតវៃទូទៅសិប្បនិម្មិត ឬប្រភេទដែលដូចនឹងមនុស្ស ឬកំពូលមនុស្សដូចជា អ្នកវិទ្យាសាស្រ្ត AI ប្រឌិត។ ការស្រាវជ្រាវថ្មីនេះគឺមិនទាន់មាននៅឡើយទេ ប៉ុន្តែវាអនុញ្ញាតឱ្យ AI រៀនពីរបៀបដូចមនុស្សកាន់តែច្រើនដោយធ្វើត្រាប់ភាពបត់បែននិងសមត្ថភាពក្នុងការធ្វើឱ្យទាន់សម័យនូវមូលដ្ឋានចំណេះដឹងរបស់ខ្លួនលើពេលវេលានៃខួរក្បាល។អ្នកវិទ្យាសាស្រ្តក្រុមហ៊ុន IBM លោក Matt Riemer រៀបរាប់អំពីរបៀបស្រាវជ្រាវដំណោះស្រាយបញ្ហារបស់ក្រុមលោកលើការភ្លេចរបស់ AI ក្នុងការប្រកាសកំណត់ហេតុបណ្ដាញមួយដែលមិនទាន់ឆ្លងកាត់ការពិនិត្យផ្ទៃក្នុងរបស់ IBM នៅឡើយទេដោយ Futurism។ ជាធម្មតា ក្បួនដោះស្រាយមួយនឹងបរាជ័យដែលគេហៅថា “ការបំភ្លេចមហន្តរាយ” ដូចដែលAI ភ្លេចការបណ្តុះបណ្តាពីមុនរបស់វា។ វាភ្លេចការបណ្តុះបណ្តាមុនទាំងអស់នៅពេលដែលវាកំពុងទទួលការបណ្តុះបណ្តាលកិច្ចការថ្មី។
ក្រុមអ្នកវិទ្យាសាស្ត្រដទៃទៀតដោះស្រាយការបំភ្លេចមហន្តរាយ។ ក្រុមការងារមួយពី DeepMind របស់ Google ទាំងបង្កើតឡើងនូវក្បួនដោះស្រាយជាមួយភាពនៃការស្រមើលស្រមៃដែលអនុញ្ញាតឱ្យវាផ្ទុក “ការចងចាំ” ល្អជាងមុន។ ការស្រាវជ្រាវថ្មីនេះដោះស្រាយបញ្ហាស្រដៀងគ្នាដូចនឹងការស្រាវជ្រាវរបស់ DeepMind ប៉ុន្តែមកពីជ្រុងផ្សេងគ្នា យោងតាមអ្នកនាំពាក្យរបស់ក្រុមហ៊ុន IBM Fiona Dohertytold Futurism។ប៉ុន្តែ Riemer សរសេរថា ការរក្សាក្បួនដោះស្រាយពីការបំភ្លេចចោលគឺមិនល្អដូចការធ្វើឱ្យAIអាចសម្របខ្លួននិងរៀនអ្វីថ្មីនោះទេ។
រីម៉េរសរសេរនៅក្នុងកំណត់ត្រានេះថា “ទោះបីជាយ៉ាងណា វិធីសាស្ត្រដែលគិតតែរក្សាស្ថេរភាពនៃការរៀនសូត្រជាប្រចាំតាមរយៈការកាត់បន្ថយការបំភ្លេចចោលគឺគ្រាន់តែជាការមើលរូបភាពពាក់កណ្តាលប៉ុណ្ណោះ ដូច្នេះវាងាយស្រួលសាងសង់ដែនដែលពួកគេបរាជ័យ” ។ភាពខុសគ្នាចំបងគឺថាក្រុមការងាររបស់ IBM រកឃើញវិធីដើម្បីបណ្តុះបណ្តាល AI ដូច្នេះនៅពេលដែលវាជួបប្រទះនឹងការផ្លាស់ប្តូរបរិស្ថានរបស់វាទោះបីវាជាចម្ងាយរវាងបំពង់នៅក្នុង Flappy Bird ឬអ្វីផ្សេងទៀតក៏ដោយ ការផ្លាស់ប្តូរចំនេះដឹងនិងការបណ្តុះបណ្តាលដែលមានស្រាប់នឹងបញ្ជូនទៅភារកិច្ចថ្មីនេះជំនួសឱ្យការជ្រៀតជ្រែកជាមួយវា។នៅទីបំផុតលោក Riemer សរសេរថា គោលដៅគឺដើម្បីបង្កើត AI ដែលអាចទៅធ្វើរឿងផ្ទាល់ខ្លួនរបស់វា អាចរៀនសូត្រនិងសម្របខ្លួនដោយមិនត្រូវការមនុស្សដើម្បីត្រួតពិនិត្យនិងបញ្ជាវារហូត។
![](https://i0.wp.com/cdn.nctc.gov.kh/2019/05/large_WSa8o83Jvlun3sUkD0I8_em9hk6j51qcw_sp7fEJKyM.jpg?resize=696%2C300&ssl=1)
ប្រភព៖