អ្វីទៅជាបញ្ញាសិប្បនិម្មិត?

បញ្ញាសិប្បនិមិត្ត (AI) គឺជាបច្ចេកវិទ្យាដែលអាចឱ្យកុំព្យូទ័រ និងម៉ាស៊ីនអាចមានសមត្ថភាពដូចមនុស្ស រួមមានការរៀនសូត្រ ការដោះស្រាយបញ្ហា ការសម្រេចចិត្ត ភាពច្នៃប្រឌិត និងស្វ័យភាព។

ប្រវត្តិនៃបញ្ញាសិប្បនិម្មិត

គំនិតនៃ “ម៉ាស៊ីនដែលគិត” មានតាំងពីសម័យក្រិកបុរាណមកម្ល៉េះ។ ប៉ុន្តែចាប់តាំងពីការមកដល់នៃកុំព្យូទ័រអេឡិចត្រូនិក ព្រឹត្តិការណ៍សំខាន់ៗ និងដំណាក់កាលសំខាន់ៗក្នុងការវិវត្តន៍នៃ AI រួមមាន៖

ឆ្នាំ1950៖ លោក Alan Turing បានចុះផ្សាយ “Computing Machinery and Intelligence” ដោយណែនាំការធ្វើ Turing Test ដ៏ល្បីល្បាញដើម្បីកំណត់ថាតើម៉ាស៊ីនអាចមានភាពវៃឆ្លាតដូចមនុស្សដែរឬទេ។

ឆ្នាំ 1956៖ លោក John McCarthy បានបង្កើតពាក្យ “បញ្ញាសិប្បនិម្មិត(AI)” នៅក្នុងសន្និសីទ AI លើកដំបូងនៅមហាវិទ្យាល័យ Dartmouth ដែលនាំទៅដល់ការបង្កើតកម្មវិធី AI ដំបូងបង្អស់គឺ “ទ្រឹស្តីតក្កវិជ្ជា – Logic Theorist”។

ឆ្នាំ 1967៖ Neural networks បានទទួលភាពលេចធ្លោនៅពេលដែល Frank Rosenblatt បានបង្កើត Mark 1 Perceptron ដែលមានសមត្ថភាពរៀនតាមរយៈការសាកល្បង និងកំហុស។ ប៉ុន្តែក៏មានភាពចម្រូងចម្រះពីការចាប់នេះដែរ។
ឆ្នាំ 1980៖ Neural networks បានត្រលប់មកវិញក្នុងជាមួយនឹងការណែនាំនៃក្បួនដោះស្រាយ backpropagation ។

ព្រឹត្តិការណ៍សំខាន់ៗ របស់ AI រួមមាន៖

• ឆ្នាំ 1997 Deep Blue របស់ IBM យកឈ្នះជើងឯកអុកពិភពលោក Garry Kasparov​
• ឆ្នាំ 2011  IBM Watson ឈ្នះ Jeopardy
• ឆ្នាំ 2016 AlphaGo របស់ DeepMind បានយកឈ្នះជើងឯក Go Lee Sedol
• ឆ្នាំ 2022 ChatGPT របស់ OpenAI បានបដិវត្ត AI ជាមួយនឹងគំរូភាសាធំ (LLMs) ដែលជំរុញដំណើរការភាសាធម្មជាតិ(NLP)យ៉ាងសំខាន់។

ឆ្នាំ2024៖ AI បន្តវិវឌ្ឍជាមួយនឹងគំរូពហុម៉ូឌុលដែលរួមបញ្ចូលប្រភេទទិន្នន័យផ្សេងៗ ពង្រឹងកម្មវិធីនៅក្នុងចក្ខុវិស័យកុំព្យូទ័រ(Computer Vision) ការស្គាល់ការនិយាយ(speech recognition) និងដំណោះស្រាយសហគ្រាស។ ការរីកចម្រើនរបស់ AI គឺជាកម្លាំងចលករក្នុងការធ្វើបរិវត្តកម្មឧស្សាហកម្ម និងការរស់នៅប្រចាំថ្ងៃ។

Artificial Intelligence (AI), Machine Learning (ML), Deep Learning (DL) និង Generative AI

បញ្ញាសិប្បនិម្មិត (AI)

• AI រួមបញ្ចូលបច្ចេកទេសដែលអាចឱ្យកុំព្យូទ័រធ្វើត្រាប់តាមអាកប្បកិរិយារបស់មនុស្ស។​
• ប្រព័ន្ធ AI អាចរៀន ធ្វើការសម្រេចចិត្ត ស្គាល់គំរូ និងដោះស្រាយបញ្ហាស្មុគ្រស្មាញ ស្រដៀងទៅនឹងបញ្ញារបស់មនុស្ស។

Machine Learning (ML)

• ML គឺជាសំណុំរងនៃ AI ដែលផ្តោតលើការកសាងគំរូដែលអាចរៀនពីទិន្នន័យដោយមិនចាំបាច់សរសេរកម្មវិធីច្បាស់លាស់។
• វាពាក់ព័ន្ធនឹងការទទួលស្គាល់គំរូ និងការធ្វើគំរូស្ថិតិ(pattern recognition and statistical modelling) ដើម្បីធ្វើឱ្យម៉ាស៊ីននូវដំណើរការប្រសើរឡើង។
• ML អាច​ត្រូវ​បានបែកចែក​ទៅ​ជា ​supervised learning, unsupervised learning, and reinforcement learning។

Deep Learning (DL)

• DL គឺជាសំណុំរងនៃ ML ដែលប្រើបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (ANNs) ដើម្បីវិភាគទិន្នន័យក្នុងលក្ខណៈស្រដៀងទៅនឹងខួរក្បាលមនុស្ស។
• វាដំណើរការសំណុំទិន្នន័យធំដោយប្រើស្រទាប់ជាច្រើននៃថ្នាំងដែលទាក់ទងគ្នា (ណឺរ៉ូន) ដើម្បីទាញយកលំនាំដ៏័ស្មុគស្មាញ។
• DL automates feature extraction ដែលធ្វើឱ្យវាមានប្រសិទ្ធភាពសម្រាប់កិច្ចការដូចជា ការស្គាល់រូបភាព ដំណើរការការនិយាយ និងការបកប្រែភាសា។

Generative AI (GenAI)

• GenAI គឺជាសំណុំរងនៃ DL ដែលផ្តោតលើការបង្កើតមាតិកាថ្មី (អត្ថបទ រូបភាព តន្ត្រី វីដេអូ ឬកូដ)។
• GenAI រៀនលំនាំពីសំណុំទិន្នន័យធំ និងបង្កើតលទ្ធផលដូចមនុស្សដោយមិនចាំបាច់សរសេរកម្មវិធីច្បាស់លាស់។
• និងប្រើបណ្តាញប្រសាទយ៉ាងជ្រៅ ដូចជាឧបករណ៍បំលែង (GPT, BERT), GANs (Generative Adversarial Networks), and VAEs (Variational Autoencoders)។

ប្រភព៖ [IBM]