Neuro-symbolic AI: ម៉ាស៊ីនដែលអាចដោះស្រាយទាំងតក្កវិជ្ជា និងការរៀន

• អ្នកនិពន្ធ:
• ឈ្មោះអ្នកនិពន្ធ

  ការទស្សន៍ទាយ Quantumrun
• ខែមេសា 13, 2023

ការរៀនម៉ាស៊ីន (ML) តែងតែជាបច្ចេកវិទ្យាដ៏ជោគជ័យជាមួយនឹងបញ្ហាប្រឈមពិសេសរបស់វា ប៉ុន្តែអ្នកស្រាវជ្រាវកំពុងស្វែងរកការបង្កើតប្រព័ន្ធផ្អែកលើតក្កវិជ្ជាដែលលើសពីទិន្នន័យធំ។ ប្រព័ន្ធដែលមានមូលដ្ឋានលើតក្កវិជ្ជាត្រូវបានរចនាឡើងដើម្បីធ្វើការជាមួយតំណាងនិមិត្ដរូប និងការវែកញែកដែលអាចផ្តល់នូវវិធីតម្លាភាព និងអាចបកស្រាយបានបន្ថែមទៀតនៃការយល់ដឹងអំពីដំណើរការធ្វើការសម្រេចចិត្តរបស់ប្រព័ន្ធមួយ។ 

បរិបទ AI និមិត្តសញ្ញាសរសៃប្រសាទ

Neuro-symbolic AI (ហៅផងដែរថា AI ផ្សំ) រួមបញ្ចូលគ្នានូវសាខាពីរនៃបញ្ញាសិប្បនិម្មិត (AI) ។ ទីមួយគឺនិមិត្តសញ្ញា AI ដែលប្រើនិមិត្តសញ្ញាដើម្បីយល់ពីទំនាក់ទំនង និងច្បាប់ (ពោលគឺពណ៌ និងរូបរាងរបស់វត្ថុ)។ ដើម្បីឱ្យ AI និមិត្តសញ្ញាដំណើរការ មូលដ្ឋានចំណេះដឹងត្រូវតែច្បាស់លាស់ លម្អិត និងពេញលេញ។ តម្រូវការនេះមានន័យថាវាមិនអាចរៀនដោយខ្លួនឯងបានទេ ហើយអាស្រ័យលើជំនាញរបស់មនុស្សដើម្បីបន្តធ្វើបច្ចុប្បន្នភាពមូលដ្ឋានចំណេះដឹង។ 

សមាសភាគផ្សេងទៀតនៃ neuro-symbolic AI គឺបណ្តាញសរសៃប្រសាទជ្រៅ (សំណាញ់ជ្រៅ) ឬការសិក្សាជ្រៅ (DL) ។ បច្ចេកវិទ្យានេះប្រើស្រទាប់ជាច្រើននៃ nodes ដែលធ្វើត្រាប់តាមណឺរ៉ូនខួរក្បាលរបស់មនុស្សដើម្បីរៀនដោយខ្លួនឯងដើម្បីដំណើរការសំណុំទិន្នន័យធំ។ ជាឧទាហរណ៍ សំណាញ់ជ្រៅអាចឆ្លងកាត់រូបភាពឆ្មា និងឆ្កែផ្សេងៗគ្នា ដើម្បីកំណត់អត្តសញ្ញាណយ៉ាងត្រឹមត្រូវថាមួយណា ហើយពួកវាប្រសើរឡើងតាមពេលវេលា។ ទោះជាយ៉ាងណាក៏ដោយ អ្វីដែលសំណាញ់ជ្រៅមិនអាចធ្វើបានគឺដំណើរការទំនាក់ទំនងស្មុគ្រស្មាញ។ ដោយការរួមបញ្ចូលនិមិត្តសញ្ញា AI និងសំណាញ់ជ្រៅ អ្នកស្រាវជ្រាវប្រើ DL ដើម្បីបំប្លែងទិន្នន័យមួយចំនួនធំទៅក្នុងមូលដ្ឋានចំណេះដឹង បន្ទាប់មក AI និមិត្តសញ្ញាអាចសន្និដ្ឋាន ឬកំណត់អត្តសញ្ញាណច្បាប់ និងទំនាក់ទំនង។ ការរួមបញ្ចូលគ្នានេះអនុញ្ញាតឱ្យមានការរកឃើញចំណេះដឹង និងការសម្រេចចិត្តកាន់តែមានប្រសិទ្ធភាព និងត្រឹមត្រូវជាងមុន។

ផ្នែកមួយទៀតដែលអាសយដ្ឋាន AI និមិត្តសញ្ញា neuro-symbolic គឺជាដំណើរការបណ្តុះបណ្តាលដ៏ថ្លៃថ្លារបស់ជ្រៅ។ លើសពីនេះ សំណាញ់ជ្រៅអាចមានភាពរសើបចំពោះការផ្លាស់ប្តូរទិន្នន័យបញ្ចូលតូចៗ ដែលនាំឱ្យមានកំហុសក្នុងការចាត់ថ្នាក់។ ពួកគេក៏តស៊ូជាមួយហេតុផលអរូបី និងឆ្លើយសំណួរដោយគ្មានទិន្នន័យបណ្តុះបណ្តាលច្រើន។ ជាងនេះទៅទៀត ការងារផ្ទៃក្នុងនៃបណ្តាញទាំងនេះគឺស្មុគស្មាញ និងពិបាកសម្រាប់មនុស្សក្នុងការយល់ ដែលធ្វើឱ្យវាពិបាកក្នុងការបកស្រាយហេតុផលនៅពីក្រោយការព្យាករណ៍របស់ពួកគេ។

ផលប៉ះពាល់រំខាន

អ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យ Stanford បានធ្វើការសិក្សាដំបូងអំពីសមាសធាតុ AI ដោយប្រើរូបភាព 100,000 នៃរូបរាង 3D មូលដ្ឋាន (ការ៉េ ស្វ៊ែរ ស៊ីឡាំង។ ) ពួកគេបានរកឃើញថា AI សរសៃប្រសាទអាចឆ្លើយសំណួរទាំងនេះបានត្រឹមត្រូវ 98.9 ភាគរយនៃពេលវេលា។ លើសពីនេះ កូនកាត់ត្រូវការតែ 10 ភាគរយនៃទិន្នន័យបណ្តុះបណ្តាលប៉ុណ្ណោះដើម្បីបង្កើតដំណោះស្រាយ។ 

ដោយសារនិមិត្តសញ្ញា ឬច្បាប់គ្រប់គ្រងសំណាញ់ជ្រៅ អ្នកស្រាវជ្រាវអាចមើលឃើញយ៉ាងងាយស្រួលពីរបៀបដែលពួកគេកំពុង "រៀន" និងកន្លែងដែលការបែកបាក់កើតឡើង។ ពីមុននេះគឺជាចំណុចខ្សោយមួយនៃសំណាញ់ជ្រៅ អសមត្ថភាពក្នុងការតាមដានដោយសារតែស្រទាប់ និងស្រទាប់នៃកូដស្មុគស្មាញ និងក្បួនដោះស្រាយ។ Neuro-symbolic AI កំពុងត្រូវបានសាកល្បងនៅក្នុងរថយន្តដែលបើកបរដោយខ្លួនឯង ដើម្បីសម្គាល់វត្ថុនៅលើផ្លូវ និងការផ្លាស់ប្តូរណាមួយនៅក្នុងបរិស្ថាន។ បន្ទាប់មកវាត្រូវបានបណ្តុះបណ្តាលដើម្បីប្រតិកម្មសមស្របទៅនឹងកត្តាខាងក្រៅទាំងនេះ។ 

ទោះបីជាយ៉ាងណាក៏ដោយ មានមតិផ្សេងគ្នាលើថាតើការបញ្ចូលគ្នានៃនិមិត្តសញ្ញា AI និងសំណាញ់ជ្រៅ គឺជាផ្លូវដ៏ល្អបំផុតឆ្ពោះទៅរក AI កាន់តែជឿនលឿន។ អ្នកស្រាវជ្រាវមួយចំនួនដូចជាអ្នកមកពីសាកលវិទ្យាល័យ Brown ជឿថាវិធីសាស្រ្តកូនកាត់នេះអាចមិនត្រូវគ្នានឹងកម្រិតនៃហេតុផលអរូបីដែលសម្រេចបានដោយចិត្តមនុស្ស។ ចិត្តមនុស្សអាចបង្កើតតំណាងជានិមិត្តរូបនៃវត្ថុ និងអនុវត្តប្រភេទផ្សេងៗនៃការវែកញែកដោយប្រើនិមិត្តសញ្ញាទាំងនេះ ដោយប្រើបណ្តាញសរសៃប្រសាទជីវសាស្រ្ត ដោយមិនចាំបាច់មានធាតុផ្សំនិមិត្តសញ្ញាជាក់លាក់។ អ្នកជំនាញខ្លះប្រកែកថា វិធីសាស្ត្រជំនួស ដូចជាការបន្ថែមលក្ខណៈពិសេសទៅលើសំណាញ់ជ្រៅដែលធ្វើត្រាប់តាមសមត្ថភាពរបស់មនុស្ស អាចមានប្រសិទ្ធភាពជាងក្នុងការបង្កើនសមត្ថភាព AI ។

កម្មវិធីសម្រាប់ neuro-symbolic AI

កម្មវិធីមួយចំនួនសម្រាប់ neuro-symbolic AI អាចរួមបញ្ចូលៈ

• Bots ដូចជា chatbots ដែលអាចយល់កាន់តែច្បាស់ពីពាក្យបញ្ជា និងការលើកទឹកចិត្តរបស់មនុស្ស បង្កើតការឆ្លើយតប និងសេវាកម្មត្រឹមត្រូវជាងមុន។
• កម្មវិធីរបស់វានៅក្នុងសេណារីយ៉ូដោះស្រាយបញ្ហាដែលស្មុគ្រស្មាញ និងរសើបជាងមុន ដូចជាការធ្វើរោគវិនិច្ឆ័យផ្នែកវេជ្ជសាស្ត្រ ផែនការព្យាបាល និងការអភិវឌ្ឍន៍ថ្នាំ។ បច្ចេកវិទ្យានេះក៏អាចត្រូវបានអនុវត្តដើម្បីពន្លឿនការស្រាវជ្រាវវិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យាសម្រាប់វិស័យដូចជា ការដឹកជញ្ជូន ថាមពល និងការផលិតជាដើម។ 
• ស្វ័យប្រវត្តិកម្មនៃដំណើរការធ្វើការសម្រេចចិត្តដែលបច្ចុប្បន្នត្រូវការការវិនិច្ឆ័យរបស់មនុស្ស។ ជាលទ្ធផល កម្មវិធីបែបនេះអាចនាំឱ្យបាត់បង់ការយល់ចិត្ត និងទំនួលខុសត្រូវក្នុងវិស័យមួយចំនួន ដូចជាសេវាកម្មអតិថិជនជាដើម។
• ឧបករណ៍ឆ្លាតវៃដែលមានវិចារណញាណកាន់តែច្រើន និងជំនួយការនិម្មិតដែលអាចដំណើរការសេណារីយ៉ូផ្សេងៗ ដូចជាការអភិរក្សថាមពលអគ្គិសនីយ៉ាងសកម្ម និងការអនុវត្តវិធានការសុវត្ថិភាព។
• សំណួរថ្មីអំពីក្រមសីលធម៌ និងច្បាប់ ដូចជាបញ្ហាទាក់ទងនឹងឯកជនភាព កម្មសិទ្ធិ និងការទទួលខុសត្រូវ។
• ការធ្វើសេចក្តីសម្រេចចិត្តកាន់តែប្រសើរឡើងនៅក្នុងរដ្ឋាភិបាល និងបរិបទនយោបាយផ្សេងទៀត។ បច្ចេកវិទ្យានេះក៏អាចត្រូវបានប្រើដើម្បីជះឥទ្ធិពលលើមតិសាធារណៈតាមរយៈការផ្សាយពាណិជ្ជកម្មដែលមានគោលដៅកាន់តែច្រើន និងការបង្កើតការផ្សាយពាណិជ្ជកម្ម និងប្រព័ន្ធផ្សព្វផ្សាយដែលមានលក្ខណៈផ្ទាល់ខ្លួនខ្ពស់។

សំណួរដែលត្រូវពិចារណា

• តើអ្នកគិតថា neuro-symbolic AI នឹងប៉ះពាល់ដល់ជីវិតប្រចាំថ្ងៃរបស់យើងយ៉ាងដូចម្តេច?
• តើ​បច្ចេកវិទ្យា​នេះ​អាច​ប្រើ​ក្នុង​ឧស្សាហកម្ម​ផ្សេង​បាន​ដោយ​របៀប​ណា?