ពួកគេនិយាយថាមានករណីលើកលែងចំពោះច្បាប់នីមួយៗ។
បញ្ហាគឺថា ជារឿយៗច្បាប់ឈរនៅដដែល ហើយមានការអនុញ្ញាតតិចតួច ឬគ្មានសម្រាប់ការលើកលែង ក្នុងការទទួលស្គាល់ ឬកម្សាន្ត។ ករណីមធ្យមត្រូវបានប្រើទោះបីជាមានលទ្ធភាពខ្លាំងដែលករណីលើកលែងគឺនៅខាងមុខ។ ករណីលើកលែងមិនទទួលបានម៉ោងផ្សាយទេ។ វាមិនមានឱកាសត្រូវបានពិចារណាត្រឹមត្រូវទេ។
ខ្ញុំប្រាកដថាអ្នកត្រូវតែដឹងពីអ្វីដែលខ្ញុំកំពុងនិយាយ។
តើអ្នកធ្លាប់ព្យាយាមទទួលបានប្រភេទសេវាកម្មអតិថិជនលក្ខណៈបុគ្គលខ្លះដែលអ្នកត្រូវបានគេចាត់ទុកដោយមិនគិតដោយគ្មានការបែងចែកសម្រាប់ករណីជាក់លាក់និងតម្រូវការជាក់លាក់របស់អ្នកទេ?
នេះពិតជាបានកើតឡើងចំពោះអ្នក ទំនងជារាប់មិនអស់។
ខ្ញុំនឹងនាំអ្នកឆ្លងកាត់និន្នាការដ៏គួរឱ្យរំខានមួយដែលកំពុងកើតឡើងអំពីរបៀបដែលបញ្ញាសិប្បនិម្មិត (AI) ត្រូវបានរៀបចំឡើងដោយឥតឈប់ឈរ ដើម្បីបង្ខំឱ្យសមនឹងអ្វីគ្រប់យ៉ាងទៅក្នុងទំហំតែមួយដែលសមនឹងគំរូទាំងអស់។
ករណីលើកលែងមិនត្រូវបានរកឃើញ ឬត្រូវបានជ្រើសរើសឱ្យមានរាងកោង ហាក់ដូចជាវាមិនមានករណីលើកលែងទាល់តែសោះ។ មូលដ្ឋានដែលគួរឱ្យចាប់អារម្មណ៍សម្រាប់នេះគឺមួយផ្នែកដោយសារតែការមកដល់នៃ Machine Learning (ML) និង Deep Learning (DL) ។ ដូចដែលអ្នកនឹងឃើញក្នុងរយៈពេលខ្លី ML/DL គឺជាទម្រង់នៃការផ្គូផ្គងលំនាំគណនា ដែលការចូលចិត្តគឺ "ងាយស្រួលជាង" ក្នុងការអភិវឌ្ឍន៍ និងដាក់ឱ្យប្រើប្រាស់ ប្រសិនបើអ្នកសុខចិត្តមិនអើពើ ឬនិយាយអំពីករណីលើកលែង។ នេះជាបញ្ហាខ្លាំង ហើយបង្កើនការព្រួយបារម្ភអំពីក្រមសីលធម៌ AI ដែលគួរឲ្យកត់សម្គាល់។ សម្រាប់ការគ្របដណ្តប់ដែលកំពុងបន្ត និងទូលំទូលាយរបស់ខ្ញុំនៃ AI Ethics និង Ethical AI សូមមើល តំណភ្ជាប់នៅទីនេះ និង តំណភ្ជាប់នៅទីនេះ, គ្រាន់តែឈ្មោះមួយចំនួន។
អ្វីៗមិនត្រូវមានលក្ខណៈបែបនោះទេ ហើយសូមដឹងថានេះកំពុងត្រូវបានទាក់ទាញដោយអ្នកដែលកំពុងបង្កើត និងដាក់ពង្រាយ AI ដោយជ្រើសរើសមិនអើពើ ឬបន្ថយការដោះស្រាយការលើកលែងនៅក្នុង AI concoctions របស់ពួកគេ។
នៅពេលដែលច្បាប់លើកលែង
ដំបូងយើងស្រាយលក្ខណៈនៃករណីមធ្យមធៀបនឹងការសម្រេចបាននូវករណីលើកលែង។
ឧទាហរណ៍ដែលខ្ញុំចូលចិត្តបំផុតនៃប្រភេទនៃ dogpiling ឬវិធីសាស្រ្តគ្មានករណីលើកលែងជាមធ្យម myopically ត្រូវបានបំភ្លឺយ៉ាងរស់រវើកដោយស្ទើរតែគ្រប់ភាគនៃរឿងភាគទូរទស្សន៍ដែលទទួលបានការសាទរ និងនៅតែជារឿងដ៏ពេញនិយមដែលត្រូវបានគេស្គាល់ថាជា ផ្ទះ, MD (ជាធម្មតាគ្រាន់តែបង្ហាញជា ផ្ទះដែលដំណើរការពីឆ្នាំ 2004 ដល់ឆ្នាំ 2012 ហើយអាចមើលបាននៅថ្ងៃនេះនៅលើប្រព័ន្ធផ្សព្វផ្សាយសង្គម និងប្រព័ន្ធផ្សព្វផ្សាយផ្សេងទៀត)។ កម្មវិធីនេះបានបញ្ចូលតួអង្គប្រឌិតមួយដែលមានឈ្មោះថា Dr. Gregory House ដែលមានភាពក្រអឺតក្រទម មិនអាចទ្រាំទ្របាន និងមិនធម្មតា ប៉ុន្តែគាត់ត្រូវបានគេបង្ហាញជាទេពកោសល្យផ្នែកវេជ្ជសាស្រ្ដ ដែលអាចបំបាត់ភាពមិនច្បាស់លាស់បំផុតនៃជំងឺ និងជំងឺផ្សេងៗ។ វេជ្ជបណ្ឌិតផ្សេងទៀត និងសូម្បីតែអ្នកជំងឺប្រហែលជាមិនចាំបាច់ចូលចិត្តគាត់ទេ ប៉ុន្តែគាត់បានបំពេញការងារ។
នេះជារបៀបដែលភាគធម្មតាបានលេងចេញ (ការជូនដំណឹងអំពីការរំខានទូទៅ!)។
អ្នកជំងឺបង្ហាញមុខនៅមន្ទីរពេទ្យដែល Dr. House ជាបុគ្គលិក។ ដំបូងឡើយ អ្នកជំងឺកំពុងបង្ហាញរោគសញ្ញាទូទៅមួយចំនួន ហើយគ្រូពេទ្យផ្សេងទៀតបានប្តូរវេនគ្នាព្យាយាមធ្វើរោគវិនិច្ឆ័យ និងព្យាបាលអ្នកជំងឺ។ អ្វីដែលចម្លែកនោះគឺថា ការព្យាយាមជួយអ្នកជំងឺមិនអាចធ្វើឲ្យស្ថានភាពមិនល្អប្រសើរឡើង ឬអាក្រក់ជាងនេះនៅតែមានទំនោរទៅរកការថយក្រោយ។ អ្នកជំងឺកាន់តែអាក្រក់ទៅ ៗ ។
ដោយសារតែអ្នកជំងឺឥឡូវត្រូវបានគេមើលឃើញថាជាប្រភេទនៃការចង់ដឹងចង់ឃើញផ្នែកវេជ្ជសាស្រ្ត ហើយដោយសារគ្មាននរណាម្នាក់អាចដឹងថាតើអ្នកជំងឺកំពុងមានបញ្ហាអ្វី ទើប Dr. House ត្រូវបាននាំយកមកក្នុងសំណុំរឿងនេះ។ ពេលខ្លះនេះត្រូវបានធ្វើក្នុងគោលបំណងដើម្បីទាញយកប្រយោជន៍ផ្នែកវេជ្ជសាស្រ្តរបស់គាត់ ខណៈពេលដែលក្នុងករណីផ្សេងទៀតគាត់បានឮអំពីករណីនេះ និងសភាវគតិពីកំណើតរបស់គាត់ទាញគាត់ទៅរកកាលៈទេសៈមិនធម្មតា។
យើងដឹងបន្តិចម្ដងៗថា អ្នកជំងឺមានជំងឺកម្រខ្លាំងណាស់។ មានតែលោកវេជ្ជបណ្ឌិត House និងក្រុមគ្រូពេទ្យជំនាញរបស់គាត់ប៉ុណ្ណោះដែលអាចដោះស្រាយបញ្ហានេះ។
ឥឡូវនេះ ខ្ញុំបានចែករំលែកជាមួយអ្នកនូវដំណើររឿងសំខាន់នៃវគ្គនេះ សូមយើងចូលទៅក្នុងមេរៀនដែលបានរៀនដែលបង្ហាញពីលក្ខណៈនៃករណីមធ្យមធៀបនឹងករណីលើកលែង។
រឿងប្រឌិតត្រូវបានរៀបចំឡើងដើម្បីបង្ហាញពីរបៀបដែលការគិតក្នុងប្រអប់ពេលខ្លះអាចនឹកឃើញយ៉ាងឈឺចាប់។ វេជ្ជបណ្ឌិតផ្សេងទៀតទាំងអស់ដែលដំបូងព្យាយាមជួយអ្នកជំងឺត្រូវបានពពកនៅក្នុងដំណើរការគិតរបស់ពួកគេ។ ពួកគេចង់បង្ខំឱ្យមានរោគសញ្ញា និងបង្ហាញមុខមាត់ទៅក្នុងការធ្វើរោគវិនិច្ឆ័យតាមបែបវេជ្ជសាស្រ្ដ។ អ្នកជំងឺគឺគ្រាន់តែជាមនុស្សម្នាក់ក្នុងចំណោមមនុស្សជាច្រើនដែលគេសន្មតថាបានឃើញពីមុនមក។ ពិនិត្យអ្នកជំងឺ ហើយបន្ទាប់មកចេញវេជ្ជបញ្ជាការព្យាបាលដូចគ្នា និងដំណោះស្រាយវេជ្ជសាស្រ្តដែលពួកគេបានប្រើម្តងហើយម្តងទៀតក្នុងអាជីពវេជ្ជសាស្ត្ររបស់ពួកគេ។
លាង, លាង, ធ្វើម្តងទៀត។
ក្នុងន័យមួយ អ្នកអាចបង្ហាញអំពីភាពត្រឹមត្រូវនៃវិធីសាស្រ្តនេះ។ ហាងឆេងគឺថាអ្នកជំងឺភាគច្រើននឹងមានជំងឺទូទៅបំផុត។ ពីមួយថ្ងៃទៅមួយថ្ងៃ គ្រូពេទ្យទាំងនេះជួបប្រទះបញ្ហាវេជ្ជសាស្ត្រដូចគ្នា។ អ្នកអាចណែនាំថាអ្នកជំងឺដែលចូលមន្ទីរពេទ្យគឺពិតជានៅលើបន្ទាត់ជួបប្រជុំវេជ្ជសាស្រ្ត។ និមួយៗដំណើរការតាមពិធីការស្តង់ដាររបស់មន្ទីរពេទ្យ ហាក់ដូចជាផ្នែកនៃរោងចក្រផលិត ឬរោងចក្រដំឡើង។
ករណីមធ្យមឈ្នះ។ មិនត្រឹមតែជាការសមរម្យជាទូទៅប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏អនុញ្ញាតឱ្យមន្ទីរពេទ្យ និងបុគ្គលិកពេទ្យបង្កើនប្រសិទ្ធភាពសេវាវេជ្ជសាស្រ្តរបស់ពួកគេទៅតាមនោះដែរ។ ការចំណាយអាចត្រូវបានបន្ទាបនៅពេលដែលអ្នកបង្កើតដំណើរការវេជ្ជសាស្រ្តដើម្បីដោះស្រាយករណីមធ្យម។ មានដំបូន្មានដ៏ល្បីមួយដែលតែងតែស្គរចូលក្នុងគំនិតរបស់និស្សិតពេទ្យ ពោលគឺថាបើអ្នកឮសំឡេងស្អកពីផ្លូវ នោះចម្លែកត្រង់ថាអ្នកគួរគិតសេះជាជាងសេះបង្កង់។
មានប្រសិទ្ធិភាព, ផលិតភាព, មានប្រសិទ្ធិភាព។
រហូតដល់ករណីលើកលែងមួយចូលកណ្តាល។
ប្រហែលជាសេះបង្កង់មកពីសួនសត្វបានរត់គេចខ្លួន ហើយដើរតាមផ្លូវរបស់អ្នក។
តើនេះមានន័យថាករណីលើកលែងគួរតែជាច្បាប់ ហើយយើងគួរតែដាក់ចេញនូវច្បាប់ករណីមធ្យម ជំនួសឱ្យការផ្តោតទាំងស្រុងលើករណីលើកលែងតែប៉ុណ្ណោះ?
អ្នកពិតជាពិបាកនឹងអះអាងថារាល់ការជួប និងសេវាកម្មប្រចាំថ្ងៃរបស់យើងគួរតែផ្តោតលើករណីលើកលែងជាជាងករណីមធ្យម។
ចំណាំថាខ្ញុំមិនបានធ្វើការណែនាំបែបនេះទេ។ អ្វីដែលខ្ញុំកំពុងទាមទារគឺថា យើងគួរតែធានាថាការលើកលែងត្រូវបានអនុញ្ញាតឱ្យកើតឡើង ហើយថាយើងត្រូវទទួលស្គាល់នៅពេលដែលការលើកលែងកើតឡើង។ ខ្ញុំលើកឡើងអំពីរឿងនេះ ព្រោះមានគ្រូមួយចំនួនអាចប្រកាសខ្លាំងៗថា ប្រសិនបើអ្នកជាអ្នកគាំទ្រក្នុងការទទួលស្គាល់ករណីលើកលែង អ្នកត្រូវតែប្រឆាំងទៅនឹងការរៀបចំសម្រាប់ករណីមធ្យម។
នោះគឺជា dichotomy មិនពិត។
កុំធ្លាក់សម្រាប់វា។
យើងអាចមាននំរបស់យើង ហើយញ៉ាំវាផងដែរ។
បង្កើតករណីសម្រាប់សិទ្ធិក្លាយជាករណីលើកលែង
បន្ទាប់ ខ្ញុំនឹងផ្តល់នូវការភ្ញាក់ផ្អើលបន្តិចដែលទាក់ទងនឹងទាំងអស់នេះទៅនឹងការប្រើប្រាស់ AI ដែលកំពុងរីកចម្រើន។
ប្រព័ន្ធ AI កំពុងត្រូវបានបង្កើតឡើងកាន់តែខ្លាំងឡើង ដើម្បីផ្តោតលើករណីមធ្យម ជារឿយៗចំពោះការបដិសេធ ឬធ្វើឱ្យខូចដល់ការទទួលស្គាល់ករណីលើកលែង។
អ្នកប្រហែលជាភ្ញាក់ផ្អើលពេលដឹងថារឿងនេះកំពុងកើតឡើង។ ពួកយើងភាគច្រើននឹងសន្មត់ថា ដោយសារ AI គឺជាទម្រង់នៃស្វ័យប្រវត្តិកម្មកុំព្យូទ័រ ភាពស្រស់ស្អាតនៃស្វ័យប្រវត្តិកម្មគឺថាអ្នកអាចបញ្ចូលករណីលើកលែងបាន។ ជាធម្មតា នេះអាចត្រូវបានធ្វើដោយចំណាយតិចជាងប្រសិនបើអ្នកកំពុងប្រើកម្លាំងពលកម្មមនុស្សដើម្បីអនុវត្តសេវាកម្មដូច។ ជាមួយនឹងកម្លាំងពលកម្មរបស់មនុស្ស វាអាចមានតម្លៃថ្លៃ ឬហាមឃាត់ក្នុងការមានកម្លាំងពលកម្មគ្រប់បែបយ៉ាងដែលអាចដោះស្រាយបានជាមួយករណីលើកលែង។ អ្វីៗគឺកាន់តែងាយស្រួលក្នុងការគ្រប់គ្រង និងដាក់ឱ្យដំណើរការ ប្រសិនបើអ្នកអាចសន្មត់ថាអតិថិជន ឬអតិថិជនរបស់អ្នកគឺសុទ្ធតែជាករណីមធ្យម។ ប៉ុន្តែការប្រើប្រាស់ប្រព័ន្ធកុំព្យូរទ័រ ត្រូវបានគេសន្មត់ថាអាចផ្ទុកករណីលើកលែងបានយ៉ាងងាយស្រួល។ តាមវិធីនៃការគិតនោះ យើងគួរតែត្រេកអរយ៉ាងខ្លាំងចំពោះសមត្ថភាពកុំព្យូទ័រកាន់តែច្រើនឡើងដល់ជួរមុខ។
សូមពិចារណាថានេះជាការច្របូកច្របល់ក្នុងចិត្ត ហើយឆ្លៀតពេលបន្តិចដើម្បីសញ្ជឹងគិតលើសំណួរដ៏ស្មុគស្មាញនេះ៖ តើ AI ដែលត្រូវបានគេសន្មត់ថាល្អបំផុតនៃស្វ័យប្រវត្តិកម្មដែលមើលទៅហាក់ដូចជាមិនអាចកាត់ថ្លៃបានក្នុងការដើរលើផ្លូវដែលមានទម្លាប់ និងគ្មានករណីលើកលែង ដែលគួរឱ្យហួសចិត្ត ឬមិននឹកស្មានដល់ដែលយើងស្រមៃថានឹងទៅទិសដៅផ្ទុយគ្នាយ៉ាងដូចម្ដេច?
ចម្លើយ: Machine Learning និង Deep Learning កំពុងនាំយើងទៅរកអត្ថិភាពដែលមិនអាចលើកលែងបាន។ មិនមាន ព្រោះយើងត្រូវបង្ខំចិត្តដើរផ្លូវនោះ (យើងអាចធ្វើបានល្អជាង)។
តោះស្រាយវា។
ឧបមាថាយើងសម្រេចចិត្តប្រើ Machine Learning ដើម្បីបង្កើត AI ដែលនឹងត្រូវបានប្រើដើម្បីស្វែងរកការវិនិច្ឆ័យវេជ្ជសាស្រ្ត។ យើងប្រមូលទិន្នន័យប្រវត្តិសាស្ត្រជាច្រើនអំពីអ្នកជំងឺ និងស្ថានភាពវេជ្ជសាស្ត្ររបស់ពួកគេ។ ML/DL ដែលយើងបង្កើតឡើងព្យាយាមអនុវត្តការផ្គូផ្គងលំនាំគណនាដែលនឹងពិនិត្យរោគសញ្ញារបស់អ្នកជំងឺ និងបង្ហាញជំងឺដែលរំពឹងទុកទាក់ទងនឹងរោគសញ្ញាទាំងនោះ។
ដោយផ្អែកលើទិន្នន័យដែលបានបញ្ចូលក្នុង ML/DL គណិតវិទ្យាបញ្ជាក់ឱ្យឃើញនូវរោគសញ្ញាដូចជា ហៀរសំបោរ ឈឺបំពង់ក ឈឺក្បាល និងឈឺចុកចាប់ទាំងអស់ត្រូវបានផ្សារភ្ជាប់យ៉ាងខ្លាំងជាមួយនឹងជំងឺផ្តាសាយធម្មតា។ មន្ទីរពេទ្យជ្រើសរើសប្រើ AI នេះដើម្បីធ្វើការពិនិត្យអ្នកជំងឺជាមុន។ ប្រាកដណាស់ អ្នកជំងឺដែលរាយការណ៍ពីរោគសញ្ញាទាំងនោះនៅពេលមកដល់មន្ទីរពេទ្យដំបូងត្រូវបាន "ធ្វើរោគវិនិច្ឆ័យ" ថាទំនងជាមានជំងឺផ្តាសាយធម្មតា។
ការផ្លាស់ប្តូរឧបករណ៍ សូមបន្ថែមប្រភេទ Dr. House នៃការបង្វិលទាំងអស់នេះ។
អ្នកជំងឺមកមន្ទីរពេទ្យ ហើយត្រូវបានធ្វើរោគវិនិច្ឆ័យដោយ AI ។ AI បង្ហាញថាអ្នកជំងឺហាក់ដូចជាមានជំងឺផ្តាសាយធម្មតាដោយផ្អែកលើរោគសញ្ញានៃការហៀរសំបោរ ឈឺបំពង់ក និងឈឺក្បាល។ អ្នកជំងឺត្រូវបានផ្តល់វេជ្ជបញ្ជាដែលហាក់ដូចជាសមរម្យ និងដំបូន្មានវេជ្ជសាស្រ្តសម្រាប់ការដោះស្រាយជាមួយនឹងជំងឺផ្តាសាយធម្មតា។ នេះជាផ្នែកទាំងអស់នៃវិធីសាស្ត្រករណីមធ្យមដែលបានប្រើនៅពេលបង្កើត AI។
បង្ហាញថាអ្នកជំងឺមានរោគសញ្ញាទាំងនេះអស់រយៈពេលជាច្រើនខែ។ អ្នកជំនាញខាងជំងឺកម្រ និងអាហាររូបត្ថម្ភបានដឹងថា រោគសញ្ញាដូចគ្នាទាំងនេះអាចឆ្លុះបញ្ចាំងពីការលេចធ្លាយសារធាតុរាវ cerebrospinal (CSF)។ អ្នកជំនាញព្យាបាលអ្នកជំងឺជាមួយនឹងការវះកាត់ផ្សេងៗទាក់ទងនឹងការលេចធ្លាយបែបនេះ។ អ្នកជំងឺបានធូរស្បើយឡើងវិញ (ដោយវិធីនេះរឿងដ៏គួរឱ្យកត់សម្គាល់នេះអំពីអ្នកជំងឺដែលមានការលេចធ្លាយ CSF ដែលត្រូវបានធ្វើរោគវិនិច្ឆ័យដំបូងថាមានជំងឺផ្តាសាយគឺផ្អែកលើករណីវេជ្ជសាស្ត្រពិតប្រាកដ) ។
ឥឡូវនេះយើងនឹងរំលឹកជំហានរបស់យើងនៅក្នុងរឿងវេជ្ជសាស្រ្ដនេះ។
ហេតុអ្វីបានជា AI ដែលកំពុងធ្វើការពិនិត្យមុនការទទួលទានមិនអាចវាយតម្លៃថាអ្នកជំងឺអាចមានជម្ងឺដ៏កម្រនេះ?
ចម្លើយមួយគឺថា ប្រសិនបើទិន្នន័យបណ្ដុះបណ្ដាលដែលប្រើសម្រាប់បង្កើត ML/DL មិនមានករណីបែបនេះទេ វានឹងមិនមានអ្វីនៅក្នុងនោះសម្រាប់លំនាំគណនាដែលត្រូវគ្នានឹងគ្នា។ ដោយសារអវត្តមាននៃទិន្នន័យដែលគ្របដណ្តប់លើករណីលើកលែងចំពោះច្បាប់ ច្បាប់ទូទៅ ឬករណីមធ្យមនឹងត្រូវចាត់ទុកថាហាក់ដូចជាគ្មានកំហុស និងអនុវត្តដោយគ្មានការស្ទាក់ស្ទើរណាមួយឡើយ។
លទ្ធភាពមួយទៀតគឺថាមានគេនិយាយឧទាហរណ៍មួយនៃការលេចធ្លាយ CSF ដ៏កម្រនេះនៅក្នុងទិន្នន័យប្រវត្តិសាស្រ្ត ប៉ុន្តែវាគ្រាន់តែជាករណីពិសេសមួយប៉ុណ្ណោះ ហើយក្នុងន័យនោះជាការហួសប្រមាណ។ ទិន្នន័យដែលនៅសេសសល់គឺមានលក្ខណៈគណិតវិទ្យាជិតនឹងករណីមធ្យមដែលបានអះអាង។ បន្ទាប់មកសំណួរកើតឡើងថាតើត្រូវធ្វើអ្វីអំពីអ្វីដែលហៅថា outlier ។
សូមជ្រាបថា ការដោះស្រាយជាមួយផ្នែកខាងក្រៅទាំងនេះគឺជាបញ្ហាដែលខុសគ្នាយ៉ាងខ្លាំងចំពោះរបៀបដែលអ្នកអភិវឌ្ឍន៍ AI អាចសម្រេចចិត្តដើម្បីប្រជែងជាមួយនឹងរូបរាងនៃអ្វីមួយនៅខាងក្រៅករណីមធ្យមដែលបានកំណត់។ មិនមានវិធីសាស្រ្តចាំបាច់ដែលអ្នកអភិវឌ្ឍន៍ AI ត្រូវបានបង្ខំឱ្យធ្វើនោះទេ។ វាគឺជា Wild West បន្តិចអំពីអ្វីដែលអ្នកអភិវឌ្ឍន៍ AI ណាមួយអាចធ្វើនៅក្នុងឧទាហរណ៍នៃការលើកករណីលើកលែងណាមួយនៃកិច្ចខិតខំប្រឹងប្រែងអភិវឌ្ឍន៍ ML/DL របស់ពួកគេ។
នេះគឺជាបញ្ជីរបស់ខ្ញុំនៃវិធីដែលការលើកលែងទាំងនេះជាញឹកញាប់ មិនសមរម្យ គ្រប់គ្រង៖
- ករណីលើកលែងសន្មតថាជាកំហុស
- ករណីលើកលែងសន្មតថាមិនសក្តិសម
- ករណីលើកលែងសន្មតថាអាចកែតម្រូវទៅក្នុង "បទដ្ឋាន"
- ករណីលើកលែងមិនត្រូវបានគេកត់សំគាល់ទាល់តែសោះ
- ករណីលើកលែងត្រូវបានកត់សម្គាល់ ប៉ុន្តែបានបដិសេធជារួម
- ករណីលើកលែងបានកត់សម្គាល់ហើយបន្ទាប់មកភ្លេច
- ករណីលើកលែងត្រូវបានកត់សម្គាល់ និងលាក់ពីការមើល
- ល
អ្នកអភិវឌ្ឍន៍ AI អាចសម្រេចចិត្តថាកម្រមានគឺគ្មានអ្វីក្រៅពីកំហុសក្នុងទិន្នន័យនោះទេ។ នេះអាចហាក់ដូចជាចម្លែកដែលនរណាម្នាក់នឹងគិតបែបនេះ ជាពិសេសប្រសិនបើអ្នកព្យាយាមធ្វើមនុស្សធម៌ដោយឧទាហរណ៍ ការស្រមៃថាអ្នកជំងឺដែលមានការលេចធ្លាយ CSF គឺជាឧទាហរណ៍មួយ។ មានការល្បួងដ៏ខ្លាំងក្លាមួយ បើទោះបីជាទិន្នន័យក្រៅបរិបទរបស់អ្នកទាំងអស់និយាយជាមូលដ្ឋានមួយ ប្រហែលជាមានកំណត់ត្រារាប់ពាន់លើរាប់ពាន់ ហើយពួកវាទាំងអស់ត្រូវបានបង្រួបបង្រួមទៅជាករណីមធ្យម នោះការកើតឡើងនៃទិន្នន័យមួយដុំអាច ងាយស្រួល (ខ្ជិល!) ត្រូវបានបកស្រាយថាជាកំហុសទាំងស្រុង។ បន្ទាប់មក "កំហុស" អាចត្រូវបានលុបចោលដោយអ្នកអភិវឌ្ឍន៍ AI និងមិនត្រូវបានគេពិចារណានៅក្នុងអាណាចក្រនៃអ្វីដែល ML/DL កំពុងត្រូវបានបណ្តុះបណ្តាល។
មធ្យោបាយមួយទៀតនៃការទប់ទល់នឹងករណីលើកលែងមួយគឺការសម្រេចថាវាជាបញ្ហាដែលមិនសក្តិសម។ ហេតុអ្វីបានជារំខានជាមួយនឹងកម្រមានមួយ នៅពេលដែលអ្នកប្រហែលជាកំពុងប្រញាប់ប្រញាល់ដើម្បីទទួលបាន ML/DL ហើយដំណើរការ? បោះចោលផ្នែកខាងក្រៅហើយបន្តទៅមុខទៀត។ គ្មានការគិតដែលចាំបាច់ទៅរកផលប៉ះពាល់នៅតាមផ្លូវនោះទេ។
វិធីសាស្រ្តមួយផ្សេងទៀតពាក់ព័ន្ធនឹងការបត់ករណីលើកលែងទៅក្នុងផ្នែកដែលនៅសល់នៃករណីមធ្យម។ អ្នកអភិវឌ្ឍន៍ AI កែប្រែទិន្នន័យឱ្យសមស្របទៅនឹងបទដ្ឋានដែលនៅសល់។ វាក៏មានឱកាសដែលអ្នកអភិវឌ្ឍន៍ AI ប្រហែលជាមិនកត់សំគាល់ថាមានករណីលើកលែងនោះទេ។
ML/DL អាចរាយការណ៍ថាករណីលើកលែងត្រូវបានរកឃើញ ដែលបន្ទាប់មកអ្នកអភិវឌ្ឍន៍ AI ត្រូវបានគេសន្មត់ថានឹងណែនាំ ML/DL អំពីរបៀបដែលផ្នែកខាងក្រៅត្រូវដោះស្រាយតាមគណិតវិទ្យា។ អ្នកអភិវឌ្ឍន៍ AI អាចនឹងដាក់វានៅក្នុងបញ្ជីការងារត្រូវធ្វើ ហើយក្រោយមកភ្លេចអំពីការទប់ទល់នឹងវា ឬប្រហែលជាគ្រាន់តែជ្រើសរើសមិនអើពើវាជាដើម។
សរុបមក ការរកឃើញ និងដំណោះស្រាយនៃការដោះស្រាយករណីលើកលែងនៅពេលនិយាយអំពី AI គឺមិនមានការកំណត់ជាក់លាក់ ឬវិធីសាស្រ្តសមតុល្យ និងសមហេតុផលណាមួយឡើយ។ ករណីលើកលែងត្រូវបានចាត់ទុកជាញឹកញយដូចជាការបណ្តេញចេញដែលមិនសក្តិសម ហើយករណីមធ្យមគឺជាអ្នកឈ្នះ។ ការដោះស្រាយជាមួយករណីលើកលែងគឺពិបាក វាអាចចំណាយពេលច្រើន ទាមទារភាពស្រដៀងគ្នានៃជំនាញអភិវឌ្ឍន៍ AI ដែលមិនគួរឱ្យជឿ ហើយបើមិនដូច្នេះទេ គឺជាការពិបាកមួយក្នុងការប្រៀបធៀបទៅនឹងការទម្លាក់វត្ថុចូលទៅក្នុង bowtie ដ៏ស្រស់ស្អាតនៃទំហំមួយសមនឹងកញ្ចប់ទាំងអស់។
ដល់កម្រិតខ្លះ នោះហើយជាមូលហេតុដែល AI Ethics និង Ethical AI គឺជាប្រធានបទសំខាន់បែបនេះ។ សិក្ខាបទនៃក្រមសីលធម៌ AI ធ្វើឱ្យយើងមានការប្រុងប្រយ័ត្ន។ ពេលខ្លះអ្នកបច្ចេកវិទ្យា AI អាចក្លាយជាមនុស្សចាប់អារម្មណ៍លើបច្ចេកវិទ្យា ជាពិសេសការបង្កើនប្រសិទ្ធភាពនៃបច្ចេកវិទ្យាខ្ពស់។ ពួកគេមិនចាំបាច់ពិចារណាពីផលប៉ះពាល់សង្គមធំជាងនេះទេ។
ក្រៅពីការប្រើប្រាស់ច្បាប់សីលធម៌ AI ជាទូទៅ មានសំណួរដែលត្រូវគ្នាថាតើយើងគួរមានច្បាប់ដើម្បីគ្រប់គ្រងការប្រើប្រាស់ផ្សេងៗនៃ AI ដែរឬទេ។ ច្បាប់ថ្មីកំពុងត្រូវបានដាក់ពង្រាយនៅកម្រិតសហព័ន្ធ រដ្ឋ និងមូលដ្ឋាន ដែលទាក់ទងនឹងជួរ និងធម្មជាតិនៃរបៀបដែល AI គួរតែត្រូវបានបង្កើត។ ការខិតខំធ្វើសេចក្តីព្រាង និងអនុម័តច្បាប់បែបនេះជាបណ្តើរៗ។
នៅក្នុងការពិភាក្សាពិសេសនេះអំពីតួនាទីនៃការលើកលែងមានទស្សនៈបង្កហេតុដែលប្រហែលជាគួរតែមានសិទ្ធិស្របច្បាប់ដែលទាក់ទងនឹងការលើកលែងមួយ។ វាអាចថាមធ្យោបាយដែលអាចសម្រេចបានតែមួយគត់នៃការទទួលបានការទទួលស្គាល់ដោយស្មោះត្រង់សម្រាប់នរណាម្នាក់ដែលអាចជាករណីលើកលែងនោះ ពាក់ព័ន្ធនឹងការប្រើប្រាស់ដៃវែងនៃច្បាប់។
ដាក់កន្លែងថ្មីនៃសិទ្ធិមនុស្ស។
សិទ្ធិត្រូវបានចាត់ទុកថាជាករណីលើកលែង។
ពិចារណាលើសំណើនេះ៖ «សិទ្ធិក្នុងការក្លាយជាករណីលើកលែងមិនមានន័យថាបុគ្គលគ្រប់រូបនោះទេ។ is ករណីលើកលែងមួយ ប៉ុន្តែនៅពេលដែលការសម្រេចចិត្តអាចប៉ះពាល់ដល់ប្រធានបទនៃការសម្រេចចិត្ត អ្នកធ្វើការសម្រេចចិត្តគួរតែពិចារណាពីលទ្ធភាពដែលប្រធានបទនោះ។ អាច ក្លាយជាករណីលើកលែង។ សិទ្ធិក្លាយជាករណីលើកលែងមានធាតុផ្សំបីយ៉ាង៖ គ្រោះថ្នាក់, ភាពជាបុគ្គលនិង ភាពមិនច្បាស់លាស់. អ្នកធ្វើការសម្រេចចិត្តត្រូវតែជ្រើសរើសធ្វើបាបតែនៅពេលដែលពួកគេបានពិចារណាថាតើការសម្រេចចិត្តនោះមានលក្ខណៈបុគ្គលសមស្រប ហើយសំខាន់គឺភាពមិនច្បាស់លាស់ដែលភ្ជាប់ជាមួយសមាសធាតុដែលជំរុញដោយទិន្នន័យនៃការសម្រេចចិត្ត។ ហានិភ័យនៃគ្រោះថ្នាក់កាន់តែធំ ការពិចារណាកាន់តែធ្ងន់ធ្ងរ» (ដោយ Sarah Cen នៅក្នុងឯកសារស្រាវជ្រាវដែលមានចំណងជើងថា សិទ្ធិក្លាយជាករណីលើកលែងក្នុងការសម្រេចចិត្តដែលជំរុញដោយទិន្នន័យ, MIT, ថ្ងៃទី 12 ខែមេសា ឆ្នាំ 2022)។
អ្នកប្រហែលជាត្រូវបានល្បួងឱ្យសន្មតថាយើងមានសិទ្ធិបែបនេះរួចហើយ។
មិនចាំបាច់។ តាមឯកសារស្រាវជ្រាវ ភាពជិតស្និទ្ធបំផុតដែលប្រហាក់ប្រហែលនឹងសិទ្ធិមនុស្សដែលត្រូវបានទទួលស្គាល់ជាអន្តរជាតិអាចជាសេចក្តីថ្លៃថ្នូររបស់បុគ្គល។ តាមទ្រឹស្ដី គំនិតដែលថាគួរតែមានការទទួលស្គាល់នូវសេចក្តីថ្លៃថ្នូរ ដែលបុគ្គលម្នាក់ៗ និងភាពពិសេសជាក់លាក់របស់ពួកគេត្រូវបានសន្មត់ថាត្រូវបានហ៊ុំព័ទ្ធ ធ្វើឱ្យអ្នកស្ថិតនៅក្នុងទីលានបាល់បោះនៃសិទ្ធិលើកលែងរបស់មនុស្សដែលមានសក្តានុពល។ ហេតុផលមួយគឺថា ច្បាប់ដែលមានស្រាប់ដែលគ្រប់គ្រងលើអាណាចក្រសេចក្តីថ្លៃថ្នូរត្រូវបានគេនិយាយថាមានភាពច្របូកច្របល់ និងអាចបត់បែនបានហួសហេតុ ដូច្នេះហើយវាមិនមានលក្ខណៈសមស្របទៅនឹងការសាងសង់ផ្លូវច្បាប់ជាក់លាក់នៃសិទ្ធិលើកលែងនោះទេ។
អ្នកដែលអនុគ្រោះដល់សិទ្ធិថ្មីដែលមានសិទ្ធិមនុស្សជាករណីលើកលែងនឹងប្រកែកថា:
- សិទ្ធិបែបនេះនឹងបង្ខំឱ្យអ្នកអភិវឌ្ឍន៍ AI យ៉ាងច្បាស់លាស់ក្នុងការដោះស្រាយជាមួយករណីលើកលែង
- ក្រុមហ៊ុនដែលបង្កើត AI នឹងមានភាពស្របច្បាប់បន្ថែមទៀតសម្រាប់ការមិនដោះស្រាយជាមួយករណីលើកលែង
- AI ទំនងជាមានតុល្យភាពល្អជាង និងមានភាពរឹងមាំជារួម
- អ្នកដែលប្រើ AI ឬកម្មវត្ថុនៃ AI នឹងប្រសើរជាង
- នៅពេលដែល AI មិនទទួលយកករណីលើកលែងនោះ ការទាមទារផ្នែកច្បាប់នឹងអាចធ្វើទៅបានយ៉ាងងាយស្រួល
- អ្នកបង្កើត AI ក៏នឹងមានភាពល្អប្រសើរផងដែរ (AI របស់ពួកគេនឹងគ្របដណ្តប់លើអ្នកប្រើប្រាស់ជាច្រើន)
- ល
អ្នកដែលប្រឆាំងនឹងសិទ្ធិថ្មីដែលដាក់ស្លាកថាជាសិទ្ធិរបស់មនុស្សដើម្បីជាការលើកលែងមានទំនោរនិយាយថា៖
- សិទ្ធិមនុស្សនិងសិទ្ធិផ្លូវច្បាប់ដែលមានស្រាប់គ្រប់គ្រាន់គ្របដណ្តប់លើបញ្ហានេះ ហើយមិនចាំបាច់ធ្វើឲ្យមានបញ្ហាស្មុគស្មាញឡើយ។
- បន្ទុកមិនសមរម្យនឹងត្រូវដាក់នៅលើស្មារបស់អ្នកបង្កើត AI
- កិច្ចខិតខំប្រឹងប្រែងដើម្បីបង្កើត AI នឹងក្លាយជាការចំណាយកាន់តែច្រើន ហើយមានទំនោរធ្វើឱ្យដំណើរការ AI ថយចុះ
- ការរំពឹងទុកមិនពិតនឹងកើតឡើងដែលមនុស្សគ្រប់គ្នានឹងទាមទារឱ្យពួកគេក្លាយជាករណីលើកលែង
- សិទ្ធិដោយខ្លួនវាច្បាស់ជានឹងត្រូវទទួលរងនូវការបកស្រាយផ្សេងៗគ្នា
- អ្នកដែលទទួលបានច្រើនជាងគេនឹងក្លាយជាវិជ្ជាជីវៈផ្នែកច្បាប់ នៅពេលដែលករណីផ្លូវច្បាប់កើនឡើង
- ល
សរុបមក ការប្រឆាំងទៅនឹងសិទ្ធិថ្មីនេះ ជាធម្មតាកំពុងជជែកវែកញែកថា នេះគឺជាល្បែងផលបូកសូន្យ ហើយសិទ្ធិស្របច្បាប់ក្នុងការក្លាយជាករណីលើកលែងនឹងត្រូវចំណាយច្រើនជាងការទទួលបានអត្ថប្រយោជន៍។ អ្នកដែលជឿថាសិទ្ធិថ្មីបែបនេះត្រូវបានទាមទារដោយសមហេតុផលគឺសមរម្យដើម្បីបញ្ជាក់ថានេះមិនមែនជាហ្គេមសូន្យទេ ហើយនៅទីបញ្ចប់មនុស្សគ្រប់គ្នាទទួលបានអត្ថប្រយោជន៍ រួមទាំងអ្នកដែលបង្កើត AI និងអ្នកដែលប្រើ AI ផងដែរ។
អ្នកអាចប្រាកដថាការជជែកដេញដោលនេះគ្របដណ្តប់លើផលប៉ះពាល់ផ្នែកច្បាប់ សីលធម៌ និងសង្គមដែលពាក់ព័ន្ធជាមួយ AI និងការលើកលែងនឹងខ្លាំង និងជាប់លាប់។
រថយន្តបើកបរដោយខ្លួនឯង និងសារៈសំខាន់នៃករណីលើកលែង
ពិចារណាអំពីរបៀបដែលវាអនុវត្តនៅក្នុងបរិបទនៃប្រព័ន្ធស្វយ័តដូចជារថយន្តស្វយ័ត និងរថយន្តដែលបើកបរដោយស្វ័យប្រវត្តិ។ មានការរិះគន់ផ្សេងៗរួចមកហើយអំពីផ្នត់គំនិតករណីមធ្យមនៃការអភិវឌ្ឍ AI សម្រាប់រថយន្តដែលបើកបរដោយខ្លួនឯង និងរថយន្តស្វយ័ត។
ជាឧទាហរណ៍ នៅដើមដំបូង ការរចនារថយន្តដែលបើកបរដោយខ្លួនឯងតិចតួចបំផុតបានបំពាក់អ្នកដែលមានទម្រង់នៃពិការភាពរាងកាយ ឬចុះខ្សោយ។ មិនមានការគិតច្រើនទេដែលត្រូវបានផ្តល់ឱ្យយ៉ាងទូលំទូលាយជាងនេះទៅទៀតដែលគ្របដណ្តប់លើតម្រូវការពេញលេញនៃអ្នកជិះ។ ជាទូទៅ ការយល់ដឹងនេះបានកើនឡើង ទោះបីជាក្តីបារម្ភនៅតែត្រូវបានបង្ហាញអំពីថាតើវានៅឆ្ងាយគ្រប់គ្រាន់ និងត្រូវបានទទួលយកយ៉ាងទូលំទូលាយដូចដែលវាគួរតែមានឬយ៉ាងណា។
ឧទាហរណ៍មួយទៀតនៃករណីមធ្យមធៀបនឹងករណីលើកលែងមួយទាក់ទងនឹងអ្វីមួយដែលអាចចាប់អ្នកពីការការពារ។
តើអ្នករូចរាល់ហើយឬនៅ?
ការរចនា និងការដាក់ឱ្យប្រើប្រាស់ប្រព័ន្ធបើកបរ AI និងរថយន្តបើកបរដោយខ្លួនឯងនាពេលបច្ចុប្បន្ននេះ មានទំនោរធ្វើឱ្យមានការសន្មត់ថាស្ងាត់ ឬមិនអាចនិយាយបានថាមនុស្សធំនឹងជិះក្នុងរថយន្តដែលបើកបរដោយស្វ័យប្រវត្តិ។ យើងដឹងថានៅពេលដែលអ្នកបើកបរមនុស្សនៅកង់នោះ ពិតណាស់មានមនុស្សពេញវ័យនៅក្នុងរថយន្ត តាមនិយមន័យ ដោយសារជាធម្មតាការទទួលបានប័ណ្ណបើកបរគឺផ្អែកលើមនុស្សពេញវ័យ (ល្អ ឬជិតមួយ)។ សម្រាប់រថយន្តដែលបើកបរដោយខ្លួនឯងដែលមាន AI ធ្វើការបើកបរទាំងអស់ នោះមិនចាំបាច់មានមនុស្សពេញវ័យទេ។
ចំនុចនោះគឺថាយើងអាចអោយក្មេងៗជិះរថយន្តដោយខ្លួនឯងដោយគ្មានវត្តមានរបស់មនុស្សពេញវ័យ យ៉ាងហោចណាស់វាអាចទៅរួចក្នុងករណីរថយន្តដែលបើកបរដោយ AI ស្វ័យភាពពេញលេញ។ អ្នកអាចបញ្ជូនកូនរបស់អ្នកទៅសាលារៀននៅពេលព្រឹកដោយប្រើប្រាស់ឡានដែលបើកបរដោយខ្លួនឯង។ ជាជាងអ្នកត្រូវឱ្យកូនរបស់អ្នកឡើងលើ ឬត្រូវប្រើមនុស្សបើកសេវាកម្មចែករំលែកជិះកង់ អ្នកអាចឱ្យកូនរបស់អ្នកដាក់ក្នុងឡានដែលបើកបរដោយខ្លួនឯង ហើយត្រូវបានបញ្ជូនទៅសាលា។
ទាំងអស់មិនមានភាពរ៉ូមែនទិកទេនៅពេលដែលវាមកដល់ការមានកូននៅក្នុងរថយន្តដែលបើកបរដោយខ្លួនឯងដោយខ្លួនឯង។
ដោយសារមិនមានតម្រូវការក្នុងការមានមនុស្សពេញវ័យនៅក្នុងយានជំនិះទៀតទេ នេះមានន័យថាកុមារក៏នឹងលែងមានអារម្មណ៍ទទួលឥទ្ធិពល ឬយើងនឹងនិយាយថាគ្រប់គ្រងដោយវត្តមានរបស់មនុស្សពេញវ័យ។ តើក្មេងៗនឹងខូចខាតផ្នែកខាងក្នុងនៃរថយន្តដែលបើកដោយខ្លួនឯងឬ? តើក្មេងៗនឹងព្យាយាមឡើង ឬឈានទៅក្រៅបង្អួចរថយន្តដែលបើកដោយខ្លួនឯងទេ? តើថ្នាំសង្កូវប្រភេទណាទៀតដែលពួកគេអាចធ្វើបាន ដែលនាំឱ្យមានរបួស និងគ្រោះថ្នាក់ធ្ងន់ធ្ងរ?
ខ្ញុំបាននិយាយអំពីការជជែកគ្នាយ៉ាងក្តៅគគុកអំពីគំនិតដែលក្មេងៗជិះតែម្នាក់ឯងក្នុងរថយន្តដែលបើកបរដោយខ្លួនឯងសូមមើល តំណភ្ជាប់នៅទីនេះ. អ្នកខ្លះនិយាយថានេះមិនគួរត្រូវបានអនុញ្ញាតទេ។ អ្នកខ្លះនិយាយថាវាជៀសមិនរួច ហើយយើងត្រូវរកវិធីធ្វើឱ្យវាដំណើរការបានល្អបំផុត
សន្និដ្ឋាន
ចូរយើងត្រលប់ទៅប្រធានបទទូទៅនៃករណីមធ្យមធៀបនឹងករណីលើកលែង។
យើងទាំងអស់គ្នាហាក់ដូចជាយល់ស្របថា តែងតែមានការលើកលែងចំពោះច្បាប់។ នៅពេលដែលច្បាប់មួយត្រូវបានបង្កើតឡើង ឬកំណត់អត្តសញ្ញាណ យើងគួរតែស្វែងរកការលើកលែង។ នៅពេលដែលយើងជួបប្រទះករណីលើកលែង យើងគួរតែគិតអំពីច្បាប់មួយណាដែលការលើកលែងនេះទំនងជាអនុវត្ត។
AI ជាច្រើនដែលត្រូវបានបង្កើតឡើងនាពេលបច្ចុប្បន្ននេះ គឺមានរាងជុំវិញការបង្កើតច្បាប់ ខណៈពេលដែលបញ្ហាប្រឈមដែលទាក់ទងនឹងករណីលើកលែងមានទំនោរត្រូវបានបោះបង់ចោល និងបិទមាត់។
សម្រាប់អ្នកដែលចូលចិត្តធ្វើជាមនុស្សល្ងង់ ហើយនិយាយថាគ្មានការលើកលែងចំពោះច្បាប់ដែលតែងតែមានករណីលើកលែងចំពោះច្បាប់នោះ ខ្ញុំសូមទទួលស្គាល់ថា ភាពល្ងង់ខ្លៅនេះហាក់ដូចជាការយល់ច្រឡំផ្លូវចិត្ត។ មានន័យថា តើយើងអាចមានច្បាប់ដោយរបៀបណាដែលតែងតែមានករណីលើកលែង ប៉ុន្តែច្បាប់នេះហាក់ដូចជាមិនអនុវត្តចំពោះច្បាប់ដែលតែងតែមានករណីលើកលែងចំពោះច្បាប់នោះ?
ធ្វើឱ្យក្បាលរបស់អ្នកវិល។
ជាសំណាងល្អ មិនចាំបាច់ធ្វើឱ្យរឿងដ៏សោកសៅទាំងនេះស្មុគស្មាញពេកនោះទេ។ យើងសង្ឃឹមថាអាចរស់នៅជាមួយនឹងច្បាប់ដ៏មានប្រយោជន៍ និងសំខាន់នៃមេដៃ ដែលយើងគួររកមើល និងទទួលយកការលើកលែងចំពោះគ្រប់ច្បាប់។
វាដោះស្រាយរឿងអី ដូច្នេះឥឡូវនេះ ចូរយើងធ្វើការលើវា។
ប្រភព៖ https://www.forbes.com/sites/lanceeliot/2022/08/03/ai-ethics-fighting-passionately-for-your-legal-right-to-be-an-exception/