ក្រមសីលធម៌ AI ប្រយុទ្ធដោយអន្ទះសារសម្រាប់សិទ្ធិស្របច្បាប់របស់អ្នកក្នុងការក្លាយជាករណីលើកលែង

ពួកគេនិយាយថាមានករណីលើកលែងចំពោះច្បាប់នីមួយៗ។

បញ្ហាគឺថា ជារឿយៗច្បាប់ឈរនៅដដែល ហើយមានការអនុញ្ញាតតិចតួច ឬគ្មានសម្រាប់ការលើកលែង ក្នុងការទទួលស្គាល់ ឬកម្សាន្ត។ ករណីមធ្យមត្រូវបានប្រើទោះបីជាមានលទ្ធភាពខ្លាំងដែលករណីលើកលែងគឺនៅខាងមុខ។ ករណីលើកលែងមិនទទួលបានម៉ោងផ្សាយទេ។ វាមិនមានឱកាសត្រូវបានពិចារណាត្រឹមត្រូវទេ។

ខ្ញុំប្រាកដថាអ្នកត្រូវតែដឹងពីអ្វីដែលខ្ញុំកំពុងនិយាយ។

តើ​អ្នក​ធ្លាប់​ព្យាយាម​ទទួល​បាន​ប្រភេទ​សេវាកម្ម​អតិថិជន​លក្ខណៈ​បុគ្គល​ខ្លះ​ដែល​អ្នក​ត្រូវ​បាន​គេ​ចាត់​ទុក​ដោយ​មិន​គិត​ដោយ​គ្មាន​ការ​បែងចែក​សម្រាប់​ករណី​ជាក់លាក់​និង​តម្រូវការ​ជាក់លាក់​របស់​អ្នក​ទេ?

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។ នេះ​ជា​បញ្ហា​ខ្លាំង ហើយ​បង្កើន​ការ​ព្រួយ​បារម្ភ​អំពី​ក្រមសីលធម៌ AI ដែល​គួរ​ឲ្យ​កត់​សម្គាល់។ សម្រាប់ការគ្របដណ្តប់ដែលកំពុងបន្ត និងទូលំទូលាយរបស់ខ្ញុំនៃ AI Ethics និង Ethical AI សូមមើល តំណភ្ជាប់នៅទីនេះ និង តំណភ្ជាប់នៅទីនេះ, គ្រាន់តែឈ្មោះមួយចំនួន។

អ្វីៗមិនត្រូវមានលក្ខណៈបែបនោះទេ ហើយសូមដឹងថានេះកំពុងត្រូវបានទាក់ទាញដោយអ្នកដែលកំពុងបង្កើត និងដាក់ពង្រាយ AI ដោយជ្រើសរើសមិនអើពើ ឬបន្ថយការដោះស្រាយការលើកលែងនៅក្នុង AI concoctions របស់ពួកគេ។

នៅពេលដែលច្បាប់លើកលែង

ដំបូង​យើង​ស្រាយ​លក្ខណៈ​នៃ​ករណី​មធ្យម​ធៀប​នឹង​ការ​សម្រេច​បាន​នូវ​ករណី​លើកលែង។

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។

នេះ​ជា​របៀប​ដែល​ភាគ​ធម្មតា​បាន​លេង​ចេញ (ការ​ជូន​ដំណឹង​អំពី​ការ​រំខាន​ទូទៅ!)។

អ្នកជំងឺបង្ហាញមុខនៅមន្ទីរពេទ្យដែល Dr. House ជាបុគ្គលិក។ ដំបូងឡើយ អ្នកជំងឺកំពុងបង្ហាញរោគសញ្ញាទូទៅមួយចំនួន ហើយគ្រូពេទ្យផ្សេងទៀតបានប្តូរវេនគ្នាព្យាយាមធ្វើរោគវិនិច្ឆ័យ និងព្យាបាលអ្នកជំងឺ។ អ្វី​ដែល​ចម្លែក​នោះ​គឺ​ថា ការ​ព្យាយាម​ជួយ​អ្នក​ជំងឺ​មិន​អាច​ធ្វើ​ឲ្យ​ស្ថានភាព​មិន​ល្អ​ប្រសើរ​ឡើង ឬ​អាក្រក់​ជាង​នេះ​នៅ​តែ​មាន​ទំនោរ​ទៅ​រក​ការ​ថយ​ក្រោយ។ អ្នកជំងឺកាន់តែអាក្រក់ទៅ ៗ ។

ដោយសារតែអ្នកជំងឺឥឡូវត្រូវបានគេមើលឃើញថាជាប្រភេទនៃការចង់ដឹងចង់ឃើញផ្នែកវេជ្ជសាស្រ្ត ហើយដោយសារគ្មាននរណាម្នាក់អាចដឹងថាតើអ្នកជំងឺកំពុងមានបញ្ហាអ្វី ទើប Dr. House ត្រូវបាននាំយកមកក្នុងសំណុំរឿងនេះ។ ពេលខ្លះនេះត្រូវបានធ្វើក្នុងគោលបំណងដើម្បីទាញយកប្រយោជន៍ផ្នែកវេជ្ជសាស្រ្តរបស់គាត់ ខណៈពេលដែលក្នុងករណីផ្សេងទៀតគាត់បានឮអំពីករណីនេះ និងសភាវគតិពីកំណើតរបស់គាត់ទាញគាត់ទៅរកកាលៈទេសៈមិនធម្មតា។

យើង​ដឹង​បន្តិច​ម្ដងៗ​ថា អ្នកជំងឺ​មាន​ជំងឺ​កម្រ​ខ្លាំង​ណាស់។ មាន​តែ​លោក​វេជ្ជបណ្ឌិត House និង​ក្រុម​គ្រូពេទ្យ​ជំនាញ​របស់​គាត់​ប៉ុណ្ណោះ​ដែល​អាច​ដោះស្រាយ​បញ្ហា​នេះ។

ឥឡូវនេះ ខ្ញុំ​បាន​ចែករំលែក​ជាមួយ​អ្នក​នូវ​ដំណើររឿង​សំខាន់​នៃ​វគ្គ​នេះ សូម​យើង​ចូល​ទៅ​ក្នុង​មេរៀន​ដែល​បាន​រៀន​ដែល​បង្ហាញ​ពី​លក្ខណៈ​នៃ​ករណី​មធ្យម​ធៀប​នឹង​ករណី​លើកលែង។

រឿងប្រឌិតត្រូវបានរៀបចំឡើងដើម្បីបង្ហាញពីរបៀបដែលការគិតក្នុងប្រអប់ពេលខ្លះអាចនឹកឃើញយ៉ាងឈឺចាប់។ វេជ្ជបណ្ឌិតផ្សេងទៀតទាំងអស់ដែលដំបូងព្យាយាមជួយអ្នកជំងឺត្រូវបានពពកនៅក្នុងដំណើរការគិតរបស់ពួកគេ។ ពួកគេ​ចង់​បង្ខំ​ឱ្យ​មាន​រោគ​សញ្ញា និង​បង្ហាញ​មុខមាត់​ទៅ​ក្នុង​ការ​ធ្វើ​រោគវិនិច្ឆ័យ​តាម​បែប​វេជ្ជសាស្រ្ដ។ អ្នកជំងឺគឺគ្រាន់តែជាមនុស្សម្នាក់ក្នុងចំណោមមនុស្សជាច្រើនដែលគេសន្មតថាបានឃើញពីមុនមក។ ពិនិត្យអ្នកជំងឺ ហើយបន្ទាប់មកចេញវេជ្ជបញ្ជាការព្យាបាលដូចគ្នា និងដំណោះស្រាយវេជ្ជសាស្រ្តដែលពួកគេបានប្រើម្តងហើយម្តងទៀតក្នុងអាជីពវេជ្ជសាស្ត្ររបស់ពួកគេ។

លាង, លាង, ធ្វើម្តងទៀត។

ក្នុងន័យមួយ អ្នកអាចបង្ហាញអំពីភាពត្រឹមត្រូវនៃវិធីសាស្រ្តនេះ។ ហាងឆេងគឺថាអ្នកជំងឺភាគច្រើននឹងមានជំងឺទូទៅបំផុត។ ពីមួយថ្ងៃទៅមួយថ្ងៃ គ្រូពេទ្យទាំងនេះជួបប្រទះបញ្ហាវេជ្ជសាស្ត្រដូចគ្នា។ អ្នកអាចណែនាំថាអ្នកជំងឺដែលចូលមន្ទីរពេទ្យគឺពិតជានៅលើបន្ទាត់ជួបប្រជុំវេជ្ជសាស្រ្ត។ និមួយៗដំណើរការតាមពិធីការស្តង់ដាររបស់មន្ទីរពេទ្យ ហាក់ដូចជាផ្នែកនៃរោងចក្រផលិត ឬរោងចក្រដំឡើង។

ករណីមធ្យមឈ្នះ។ មិនត្រឹមតែជាការសមរម្យជាទូទៅប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏អនុញ្ញាតឱ្យមន្ទីរពេទ្យ និងបុគ្គលិកពេទ្យបង្កើនប្រសិទ្ធភាពសេវាវេជ្ជសាស្រ្តរបស់ពួកគេទៅតាមនោះដែរ។ ការចំណាយអាចត្រូវបានបន្ទាបនៅពេលដែលអ្នកបង្កើតដំណើរការវេជ្ជសាស្រ្តដើម្បីដោះស្រាយករណីមធ្យម។ មាន​ដំបូន្មាន​ដ៏​ល្បី​មួយ​ដែល​តែងតែ​ស្គរ​ចូល​ក្នុង​គំនិត​របស់​និស្សិត​ពេទ្យ ពោល​គឺ​ថា​បើ​អ្នក​ឮ​សំឡេង​ស្អក​ពី​ផ្លូវ នោះ​ចម្លែក​ត្រង់​ថា​អ្នក​គួរ​គិត​សេះ​ជា​ជាង​សេះ​បង្កង់។

មានប្រសិទ្ធិភាព, ផលិតភាព, មានប្រសិទ្ធិភាព។

រហូតដល់ករណីលើកលែងមួយចូលកណ្តាល។

ប្រហែលជាសេះបង្កង់មកពីសួនសត្វបានរត់គេចខ្លួន ហើយដើរតាមផ្លូវរបស់អ្នក។

តើនេះមានន័យថាករណីលើកលែងគួរតែជាច្បាប់ ហើយយើងគួរតែដាក់ចេញនូវច្បាប់ករណីមធ្យម ជំនួសឱ្យការផ្តោតទាំងស្រុងលើករណីលើកលែងតែប៉ុណ្ណោះ?

អ្នកពិតជាពិបាកនឹងអះអាងថារាល់ការជួប និងសេវាកម្មប្រចាំថ្ងៃរបស់យើងគួរតែផ្តោតលើករណីលើកលែងជាជាងករណីមធ្យម។

ចំណាំថាខ្ញុំមិនបានធ្វើការណែនាំបែបនេះទេ។ អ្វី​ដែល​ខ្ញុំ​កំពុង​ទាមទារ​គឺ​ថា យើង​គួរ​តែ​ធានា​ថា​ការ​លើក​លែង​ត្រូវ​បាន​អនុញ្ញាត​ឱ្យ​កើត​ឡើង ហើយ​ថា​យើង​ត្រូវ​ទទួល​ស្គាល់​នៅ​ពេល​ដែល​ការ​លើក​លែង​កើត​ឡើង។ ខ្ញុំលើកឡើងអំពីរឿងនេះ ព្រោះមានគ្រូមួយចំនួនអាចប្រកាសខ្លាំងៗថា ប្រសិនបើអ្នកជាអ្នកគាំទ្រក្នុងការទទួលស្គាល់ករណីលើកលែង អ្នកត្រូវតែប្រឆាំងទៅនឹងការរៀបចំសម្រាប់ករណីមធ្យម។

នោះ​គឺ​ជា dichotomy មិន​ពិត។

កុំធ្លាក់សម្រាប់វា។

យើង​អាច​មាន​នំ​របស់​យើង ហើយ​ញ៉ាំ​វា​ផង​ដែរ។

បង្កើតករណីសម្រាប់សិទ្ធិក្លាយជាករណីលើកលែង

បន្ទាប់ ខ្ញុំនឹងផ្តល់នូវការភ្ញាក់ផ្អើលបន្តិចដែលទាក់ទងនឹងទាំងអស់នេះទៅនឹងការប្រើប្រាស់ AI ដែលកំពុងរីកចម្រើន។

ប្រព័ន្ធ AI កំពុងត្រូវបានបង្កើតឡើងកាន់តែខ្លាំងឡើង ដើម្បីផ្តោតលើករណីមធ្យម ជារឿយៗចំពោះការបដិសេធ ឬធ្វើឱ្យខូចដល់ការទទួលស្គាល់ករណីលើកលែង។

អ្នក​ប្រហែល​ជា​ភ្ញាក់​ផ្អើល​ពេល​ដឹង​ថា​រឿង​នេះ​កំពុង​កើត​ឡើង។ ពួកយើងភាគច្រើននឹងសន្មត់ថា ដោយសារ AI គឺជាទម្រង់នៃស្វ័យប្រវត្តិកម្មកុំព្យូទ័រ ភាពស្រស់ស្អាតនៃស្វ័យប្រវត្តិកម្មគឺថាអ្នកអាចបញ្ចូលករណីលើកលែងបាន។ ជាធម្មតា នេះអាចត្រូវបានធ្វើដោយចំណាយតិចជាងប្រសិនបើអ្នកកំពុងប្រើកម្លាំងពលកម្មមនុស្សដើម្បីអនុវត្តសេវាកម្មដូច។ ជាមួយនឹងកម្លាំងពលកម្មរបស់មនុស្ស វាអាចមានតម្លៃថ្លៃ ឬហាមឃាត់ក្នុងការមានកម្លាំងពលកម្មគ្រប់បែបយ៉ាងដែលអាចដោះស្រាយបានជាមួយករណីលើកលែង។ អ្វីៗគឺកាន់តែងាយស្រួលក្នុងការគ្រប់គ្រង និងដាក់ឱ្យដំណើរការ ប្រសិនបើអ្នកអាចសន្មត់ថាអតិថិជន ឬអតិថិជនរបស់អ្នកគឺសុទ្ធតែជាករណីមធ្យម។ ប៉ុន្តែការប្រើប្រាស់ប្រព័ន្ធកុំព្យូរទ័រ ត្រូវបានគេសន្មត់ថាអាចផ្ទុកករណីលើកលែងបានយ៉ាងងាយស្រួល។ តាមវិធីនៃការគិតនោះ យើងគួរតែត្រេកអរយ៉ាងខ្លាំងចំពោះសមត្ថភាពកុំព្យូទ័រកាន់តែច្រើនឡើងដល់ជួរមុខ។

សូម​ពិចារណា​ថា​នេះ​ជា​ការ​ច្របូកច្របល់​ក្នុង​ចិត្ត ហើយ​ឆ្លៀត​ពេល​បន្តិច​ដើម្បី​សញ្ជឹង​គិត​លើ​សំណួរ​ដ៏​ស្មុគស្មាញ​នេះ៖ តើ AI ដែលត្រូវបានគេសន្មត់ថាល្អបំផុតនៃស្វ័យប្រវត្តិកម្មដែលមើលទៅហាក់ដូចជាមិនអាចកាត់ថ្លៃបានក្នុងការដើរលើផ្លូវដែលមានទម្លាប់ និងគ្មានករណីលើកលែង ដែលគួរឱ្យហួសចិត្ត ឬមិននឹកស្មានដល់ដែលយើងស្រមៃថានឹងទៅទិសដៅផ្ទុយគ្នាយ៉ាងដូចម្ដេច?

ចម្លើយ: Machine Learning និង Deep Learning កំពុងនាំយើងទៅរកអត្ថិភាពដែលមិនអាចលើកលែងបាន។ មិនមាន ព្រោះ​យើង​ត្រូវ​បង្ខំ​ចិត្ត​ដើរ​ផ្លូវ​នោះ (យើង​អាច​ធ្វើ​បាន​ល្អ​ជាង)។

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។ នេះ​ជា​ផ្នែក​ទាំងអស់​នៃ​វិធីសាស្ត្រ​ករណី​មធ្យម​ដែល​បាន​ប្រើ​នៅពេល​បង្កើត 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។ គ្មាន​ការ​គិត​ដែល​ចាំបាច់​ទៅ​រក​ផល​ប៉ះ​ពាល់​នៅ​តាម​ផ្លូវ​នោះ​ទេ។

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។ ការ​ខិតខំ​ធ្វើ​សេចក្តី​ព្រាង និង​អនុម័ត​ច្បាប់​បែប​នេះ​ជា​បណ្តើរៗ។

នៅក្នុងការពិភាក្សាពិសេសនេះអំពីតួនាទីនៃការលើកលែងមានទស្សនៈបង្កហេតុដែលប្រហែលជាគួរតែមានសិទ្ធិស្របច្បាប់ដែលទាក់ទងនឹងការលើកលែងមួយ។ វាអាចថាមធ្យោបាយដែលអាចសម្រេចបានតែមួយគត់នៃការទទួលបានការទទួលស្គាល់ដោយស្មោះត្រង់សម្រាប់នរណាម្នាក់ដែលអាចជាករណីលើកលែងនោះ ពាក់ព័ន្ធនឹងការប្រើប្រាស់ដៃវែងនៃច្បាប់។

ដាក់​កន្លែង​ថ្មី​នៃ​សិទ្ធិ​មនុស្ស។

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។

មិន​ចាំបាច់។ តាមឯកសារស្រាវជ្រាវ ភាពជិតស្និទ្ធបំផុតដែលប្រហាក់ប្រហែលនឹងសិទ្ធិមនុស្សដែលត្រូវបានទទួលស្គាល់ជាអន្តរជាតិអាចជាសេចក្តីថ្លៃថ្នូររបស់បុគ្គល។ តាមទ្រឹស្ដី គំនិតដែលថាគួរតែមានការទទួលស្គាល់នូវសេចក្តីថ្លៃថ្នូរ ដែលបុគ្គលម្នាក់ៗ និងភាពពិសេសជាក់លាក់របស់ពួកគេត្រូវបានសន្មត់ថាត្រូវបានហ៊ុំព័ទ្ធ ធ្វើឱ្យអ្នកស្ថិតនៅក្នុងទីលានបាល់បោះនៃសិទ្ធិលើកលែងរបស់មនុស្សដែលមានសក្តានុពល។ ហេតុផលមួយគឺថា ច្បាប់ដែលមានស្រាប់ដែលគ្រប់គ្រងលើអាណាចក្រសេចក្តីថ្លៃថ្នូរត្រូវបានគេនិយាយថាមានភាពច្របូកច្របល់ និងអាចបត់បែនបានហួសហេតុ ដូច្នេះហើយវាមិនមានលក្ខណៈសមស្របទៅនឹងការសាងសង់ផ្លូវច្បាប់ជាក់លាក់នៃសិទ្ធិលើកលែងនោះទេ។

អ្នកដែលអនុគ្រោះដល់សិទ្ធិថ្មីដែលមានសិទ្ធិមនុស្សជាករណីលើកលែងនឹងប្រកែកថា:

• សិទ្ធិបែបនេះនឹងបង្ខំឱ្យអ្នកអភិវឌ្ឍន៍ AI យ៉ាងច្បាស់លាស់ក្នុងការដោះស្រាយជាមួយករណីលើកលែង
• ក្រុមហ៊ុនដែលបង្កើត AI នឹងមានភាពស្របច្បាប់បន្ថែមទៀតសម្រាប់ការមិនដោះស្រាយជាមួយករណីលើកលែង
• AI ទំនង​ជា​មាន​តុល្យភាព​ល្អ​ជាង និង​មាន​ភាព​រឹង​មាំ​ជា​រួម
• អ្នកដែលប្រើ AI ឬកម្មវត្ថុនៃ AI នឹងប្រសើរជាង
• នៅពេលដែល AI មិនទទួលយកករណីលើកលែងនោះ ការទាមទារផ្នែកច្បាប់នឹងអាចធ្វើទៅបានយ៉ាងងាយស្រួល
• អ្នកបង្កើត AI ក៏នឹងមានភាពល្អប្រសើរផងដែរ (AI របស់ពួកគេនឹងគ្របដណ្តប់លើអ្នកប្រើប្រាស់ជាច្រើន)
• ល

អ្នកដែលប្រឆាំងនឹងសិទ្ធិថ្មីដែលដាក់ស្លាកថាជាសិទ្ធិរបស់មនុស្សដើម្បីជាការលើកលែងមានទំនោរនិយាយថា៖

• សិទ្ធិ​មនុស្ស​និង​សិទ្ធិ​ផ្លូវ​ច្បាប់​ដែល​មាន​ស្រាប់​គ្រប់​គ្រាន់​គ្រប​ដណ្តប់​លើ​បញ្ហា​នេះ ហើយ​មិន​ចាំបាច់​ធ្វើ​ឲ្យ​មាន​បញ្ហា​ស្មុគស្មាញ​ឡើយ។
• 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។ មាន​ការ​រិះគន់​ផ្សេងៗ​រួច​មក​ហើយ​អំពី​ផ្នត់​គំនិត​ករណី​មធ្យម​នៃ​ការ​អភិវឌ្ឍ AI សម្រាប់​រថយន្ត​ដែល​បើក​បរ​ដោយ​ខ្លួន​ឯង និង​រថយន្ត​ស្វយ័ត។

ជាឧទាហរណ៍ នៅដើមដំបូង ការរចនារថយន្តដែលបើកបរដោយខ្លួនឯងតិចតួចបំផុតបានបំពាក់អ្នកដែលមានទម្រង់នៃពិការភាពរាងកាយ ឬចុះខ្សោយ។ មិនមានការគិតច្រើនទេដែលត្រូវបានផ្តល់ឱ្យយ៉ាងទូលំទូលាយជាងនេះទៅទៀតដែលគ្របដណ្តប់លើតម្រូវការពេញលេញនៃអ្នកជិះ។ ជាទូទៅ ការយល់ដឹងនេះបានកើនឡើង ទោះបីជាក្តីបារម្ភនៅតែត្រូវបានបង្ហាញអំពីថាតើវានៅឆ្ងាយគ្រប់គ្រាន់ និងត្រូវបានទទួលយកយ៉ាងទូលំទូលាយដូចដែលវាគួរតែមានឬយ៉ាងណា។

ឧទាហរណ៍មួយទៀតនៃករណីមធ្យមធៀបនឹងករណីលើកលែងមួយទាក់ទងនឹងអ្វីមួយដែលអាចចាប់អ្នកពីការការពារ។

តើ​អ្នក​រូ​ច​រាល់​ហើយ​ឬ​នៅ​?

ការរចនា និងការដាក់ឱ្យប្រើប្រាស់ប្រព័ន្ធបើកបរ AI និងរថយន្តបើកបរដោយខ្លួនឯងនាពេលបច្ចុប្បន្ននេះ មានទំនោរធ្វើឱ្យមានការសន្មត់ថាស្ងាត់ ឬមិនអាចនិយាយបានថាមនុស្សធំនឹងជិះក្នុងរថយន្តដែលបើកបរដោយស្វ័យប្រវត្តិ។ យើងដឹងថានៅពេលដែលអ្នកបើកបរមនុស្សនៅកង់នោះ ពិតណាស់មានមនុស្សពេញវ័យនៅក្នុងរថយន្ត តាមនិយមន័យ ដោយសារជាធម្មតាការទទួលបានប័ណ្ណបើកបរគឺផ្អែកលើមនុស្សពេញវ័យ (ល្អ ឬជិតមួយ)។ សម្រាប់​រថយន្ត​ដែល​បើកបរ​ដោយ​ខ្លួនឯង​ដែល​មាន AI ធ្វើ​ការ​បើកបរ​ទាំងអស់ នោះ​មិន​ចាំបាច់​មាន​មនុស្ស​ពេញវ័យ​ទេ​។

ចំនុចនោះគឺថាយើងអាចអោយក្មេងៗជិះរថយន្តដោយខ្លួនឯងដោយគ្មានវត្តមានរបស់មនុស្សពេញវ័យ យ៉ាងហោចណាស់វាអាចទៅរួចក្នុងករណីរថយន្តដែលបើកបរដោយ AI ស្វ័យភាពពេញលេញ។ អ្នកអាចបញ្ជូនកូនរបស់អ្នកទៅសាលារៀននៅពេលព្រឹកដោយប្រើប្រាស់ឡានដែលបើកបរដោយខ្លួនឯង។ ជាជាង​អ្នក​ត្រូវ​ឱ្យ​កូន​របស់អ្នក​ឡើង​លើ ឬ​ត្រូវ​ប្រើ​មនុស្ស​បើក​សេវាកម្ម​ចែករំលែក​ជិះ​កង់ អ្នក​អាច​ឱ្យ​កូន​របស់អ្នក​ដាក់​ក្នុង​ឡាន​ដែល​បើកបរ​ដោយ​ខ្លួនឯង ហើយ​ត្រូវ​បាន​បញ្ជូនទៅ​សាលា។

ទាំងអស់មិនមានភាពរ៉ូមែនទិកទេនៅពេលដែលវាមកដល់ការមានកូននៅក្នុងរថយន្តដែលបើកបរដោយខ្លួនឯងដោយខ្លួនឯង។

ដោយសារមិនមានតម្រូវការក្នុងការមានមនុស្សពេញវ័យនៅក្នុងយានជំនិះទៀតទេ នេះមានន័យថាកុមារក៏នឹងលែងមានអារម្មណ៍ទទួលឥទ្ធិពល ឬយើងនឹងនិយាយថាគ្រប់គ្រងដោយវត្តមានរបស់មនុស្សពេញវ័យ។ តើ​ក្មេងៗ​នឹង​ខូច​ខាត​ផ្នែក​ខាង​ក្នុង​នៃ​រថយន្ត​ដែល​បើក​ដោយ​ខ្លួន​ឯង​ឬ? តើ​ក្មេងៗ​នឹង​ព្យាយាម​ឡើង ឬ​ឈាន​ទៅ​ក្រៅ​បង្អួច​រថយន្ត​ដែល​បើក​ដោយ​ខ្លួន​ឯង​ទេ? តើ​ថ្នាំ​សង្កូវ​ប្រភេទ​ណា​ទៀត​ដែល​ពួក​គេ​អាច​ធ្វើ​បាន ដែល​នាំ​ឱ្យ​មាន​របួស និង​គ្រោះថ្នាក់​ធ្ងន់ធ្ងរ?

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។