ປັນຍາປະດິດ

ປັນຍາປະດິດ (ອັງກິດ: Artificial Intelligence ຫຍໍ້ວ່າ AI) ແມ່ນຄວາມສະຫຼາດທີ່ສະແດງອອກໂດຍເຄື່ອງຈັກ ຫຼື ລະບົບຄອມພິວເຕີ, ເຊິ່ງແຕກຕ່າງຈາກຄວາມສະຫຼາດທາງທຳມະຊາດ (Natural Intelligence) ທີ່ສະແດງອອກໂດຍມະນຸດ ແລະ ສັດ. ປັນຍາປະດິດແມ່ນຂະແໜງການໜຶ່ງຂອງວິທະຍາການຄອມພິວເຕີ ທີ່ເນັ້ນໜັກໃນການສ້າງລະບົບທີ່ສາມາດປະຕິບັດໜ້າທີ່ທີ່ໂດຍປົກກະຕິແລ້ວຕ້ອງອາໄສສະຕິປັນຍາຂອງມະນຸດ ເຊັ່ນ: ການຮັບຮູ້ທາງສາຍຕາ, ການຮັບຮູ້ສຽງເວົ້າ, ການຕັດສິນໃຈ, ການແປພາສາ ແລະ ການຮຽນຮູ້ຈາກປະສົບການ.^[1]

ປະຈຸບັນ, ປັນຍາປະດິດໄດ້ກາຍເປັນພາກສ່ວນສຳຄັນຂອງອຸດສາຫະກຳເຕັກໂນໂລຊີ ແລະ ຖືກນຳໃຊ້ເພື່ອແກ້ໄຂບັນຫາທີ່ຊັບຊ້ອນໃນຫຼາຍຂົງເຂດ, ຕັ້ງແຕ່ທາງການແພດ, ການເງິນ, ຈົນເຖິງການຂົນສົ່ງ ແລະ ການສຶກສາ.

ປະຫວັດຄວາມເປັນມາ

ແນວຄວາມຄິດກ່ຽວກັບ "ເຄື່ອງຈັກທີ່ສາມາດຄິດໄດ້" ເລີ່ມຕົ້ນຂຶ້ນຕັ້ງແຕ່ສະໄໝບູຮານຜ່ານຕຳນານ ແລະ ນິຍາຍ, ແຕ່ການຄົ້ນຄວ້າປັນຍາປະດິດໃນຍຸກສະໄໝໃໝ່ແມ່ນເລີ່ມຕົ້ນຂຶ້ນໃນຊ່ວງກາງສະຕະວັດທີ 20.

ໃນປີ ຄ.ສ 1950, ນັກຄະນິດສາດ ອາລັນ ທົວຣິງ (Alan Turing) ໄດ້ຕີພິມບົດຄວາມຊື່ວ່າ "Computing Machinery and Intelligence" ເຊິ່ງເພິ່ນໄດ້ສະເໜີ "ການທົດສອບທົວຣິງ" (Turing Test) ເພື່ອເປັນມາດຕະຖານໃນການວັດແທກວ່າເຄື່ອງຈັກມີຄວາມສາມາດໃນການຄິດທຽບເທົ່າມະນຸດ ຫຼື ບໍ່.^[2]

ຄຳວ່າ "ປັນຍາປະດິດ" (Artificial Intelligence) ຖືກບັນຍັດຂຶ້ນຢ່າງເປັນທາງການໃນປີ 1956 ໂດຍ ຈອນ ແມັກຄາຣ໌ທີ (John McCarthy) ໃນກອງປະຊຸມທີ່ວິທະຍາໄລ Dartmouth (Dartmouth Workshop) ເຊິ່ງຖືກຍົກຍ້ອງວ່າເປັນຈຸດກຳເນີດຂອງຂະແໜງການ AI ຢ່າງແທ້ຈິງ. ກອງປະຊຸມຄັ້ງນີ້ໄດ້ລວບລວມເອົານັກວິທະຍາສາດຊັ້ນນຳເຊັ່ນ: Marvin Minsky, Allen Newell ແລະ Herbert A. Simon.^[3]

ຫຼັງຈາກຍຸກເລີ່ມຕົ້ນ, ການຄົ້ນຄວ້າ AI ໄດ້ປະເຊີນກັບຊ່ວງເວລາທີ່ເອີ້ນວ່າ "ລະດູໜາວຂອງ AI" (AI Winter) ໃນຊຸມປີ 1970 ແລະ 1980 ເຊິ່ງເປັນຊ່ວງທີ່ເງິນທຶນ ແລະ ຄວາມສົນໃຈຫຼຸດລົງເນື່ອງຈາກເຕັກໂນໂລຊີຍັງບໍ່ສາມາດຕອບສະໜອງຄວາມຄາດຫວັງໄດ້. ແນວໃດກໍຕາມ, ໃນຊຸມປີ 2010 ເປັນຕົ້ນມາ, AI ໄດ້ກັບມາເຕີບໂຕຢ່າງກ້າວກະໂດດ ຍ້ອນການພັດທະນາຂອງ Deep Learning, ປະລິມານຂໍ້ມູນມະຫາສານ (Big Data), ແລະ ໜ່ວຍປະມວນຜົນກຣາບຟິກ (GPU) ທີ່ມີປະສິດທິພາບສູງຂຶ້ນ.^[4]

ປະເພດຂອງປັນຍາປະດິດ

ນັກຄົ້ນຄວ້າໄດ້ແບ່ງປັນຍາປະດິດອອກເປັນ 3 ລະດັບຫຼັກ ຕາມຄວາມສາມາດຄື:^[5]

ປັນຍາປະດິດສະເພາະທາງ (Artificial Narrow Intelligence - ANI): ຫຼື ເອີ້ນວ່າ Weak AI, ແມ່ນ AI ທີ່ຖືກອອກແບບມາເພື່ອເຮັດວຽກສະເພາະຢ່າງດຽວ ເຊັ່ນ: ການຫຼິ້ນໝາກຣຸກ, ການແນະນຳໜັງໃນ Netflix ຫຼື ລະບົບຜູ້ຊ່ວຍສຽງ (Siri, Alexa). AI ທັງໝົດທີ່ມີຢູ່ໃນປະຈຸບັນແມ່ນຢູ່ໃນລະດັບນີ້.
ປັນຍາປະດິດທົ່ວໄປ (Artificial General Intelligence - AGI): ຫຼື Strong AI, ແມ່ນ AI ທີ່ມີຄວາມສະຫຼາດ ແລະ ຄວາມສາມາດໃນການຮຽນຮູ້, ເຂົ້າໃຈ ແລະ ນຳໃຊ້ຄວາມຮູ້ໃນຫຼາຍໆດ້ານທຽບເທົ່າກັບມະນຸດ. ປະຈຸບັນນີ້ AGI ຍັງເປັນພຽງທິດສະດີ ແລະ ຍັງບໍ່ມີການສ້າງສຳເລັດ.
ປັນຍາປະດິດອັດສະລິຍະ (Artificial Superintelligence - ASI): ແມ່ນລະດັບທີ່ AI ມີຄວາມສະຫຼາດລື່ນກາຍມັນສະໝອງທີ່ດີທີ່ສຸດຂອງມະນຸດໃນທຸກໆດ້ານ ບໍ່ວ່າຈະເປັນຄວາມຄິດສ້າງສັນ, ປັນຍາທາງສັງຄົມ ແລະ ວິທະຍາສາດ.

ຂະແໜງການຍ່ອຍ (Sub-fields)

ຂະແໜງການ AI ປະກອບມີຫຼາຍເຕັກນິກ ແລະ ວິທີການສຶກສາທີ່ສຳຄັນ ເຊັ່ນ:

ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning - ML): ເປັນເຕັກນິກທີ່ເຮັດໃຫ້ຄອມພິວເຕີສາມາດຮຽນຮູ້ຈາກຂໍ້ມູນໄດ້ເອງໂດຍບໍ່ຕ້ອງຂຽນໂປຣແກຣມຄຳສັ່ງທຸກຂັ້ນຕອນ. ລະບົບຈະສ້າງໂມເດລທາງສະຖິຕິເພື່ອຄາດເດົາ ຫຼື ຕັດສິນໃຈ.^[6]
ໂຄງຂ່າຍປະສາດທຽມແບບເລິກ (Deep Learning): ແມ່ນເຄືອຂ່າຍປະສາດທຽມ (Neural Networks) ທີ່ມີຫຼາຍຊັ້ນ (Layers) ເຊິ່ງສາມາດປະມວນຜົນຂໍ້ມູນທີ່ຊັບຊ້ອນໄດ້ດີเยี่ยม ເຊັ່ນ: ການຈຳແນກຮູບພາບ ແລະ ການແປພາສາ.
ການປະມວນຜົນພາສາທຳມະຊາດ (Natural Language Processing - NLP): ການສຶກສາທີ່ເນັ້ນໃຫ້ຄອມພິວເຕີເຂົ້າໃຈ, ຕີຄວາມ ແລະ ສ້າງພາສາຂອງມະນຸດ. ຕົວຢ່າງທີ່ຊັດເຈນໃນປະຈຸບັນແມ່ນ ໂມເດລພາສາຂະໜາດໃຫຍ່ (Large Language Models) ເຊັ່ນ ChatGPT ທີ່ໃຊ້ສະຖາປັດຕະຍະກຳ Transformer.^[7]
ວິໄສທັດຄອມພິວເຕີ (Computer Vision): ເຮັດໃຫ້ເຄື່ອງຈັກສາມາດເຂົ້າໃຈ ແລະ ວິເຄາະຂໍ້ມູນຈາກຮູບພາບ ຫຼື ວິດີໂອ ເຊັ່ນ: ລະບົບສະແກນໃບໜ້າ.
ວິທະຍາການຫຸ່ນຍົນ (Robotics): ການລວມເອົາ AI ເຂົ້າໃນຮາດແວ ເພື່ອສ້າງຫຸ່ນຍົນທີ່ສາມາດເຄື່ອນໄຫວ ແລະ ຕອບສະໜອງຕໍ່ສະພາບແວດລ້ອມຕົວຈິງ.

ການປະຍຸກໃຊ້ງານ

ປັນຍາປະດິດມີບົດບາດສຳຄັນໃນຫຼາຍພາກສ່ວນຂອງສັງຄົມຍຸກໃໝ່:

ທາງການແພດ: AI ຖືກໃຊ້ໃນການວິເຄາະຮູບພາບ X-ray ຫຼື MRI ເພື່ອກວດຫາພະຍາດມະເຮັງ, ການຄົ້ນຄິດຢາໃໝ່ໆ ແລະ ການປິ່ນປົວແບບສະເພາະບຸກຄົນ (Personalized Medicine).^[8]
ຍານຍົນອັດຕະໂນມັດ: ບໍລິສັດເຊັ່ນ Tesla ແລະ Waymo ໃຊ້ວິໄສທັດຄອມພິວເຕີ ແລະ Deep Learning ເພື່ອພັດທະນາລົດທີ່ສາມາດຂັບເຄື່ອນໄດ້ດ້ວຍຕົນເອງ.
ການເງິນ: ໃຊ້ລະບົບ Algorithm ໃນການກວດຈັບການສໍ້ໂກງບັດເຄຣດິດ (Fraud detection), ການອະນຸມັດສິນເຊື່ອ, ແລະ ການຊື້ຂາຍຮຸ້ນອັດຕະໂນມັດ (Algorithmic trading).
ການບັນເທີງ ແລະ ສິລະປະ: Generative AI ເຊັ່ນ Midjourney, DALL-E ແລະ ລະບົບສ້າງເພງ ສາມາດສ້າງຜົນງານສິລະປະ, ຮູບພາບ ແລະ ສຽງ ຈາກຄຳສັ່ງຂໍ້ຄວາມ (Text prompts) ໄດ້ຢ່າງສະຫຼາດ.

ຈັນຍາບັນ ແລະ ຄວາມສ່ຽງ

ການເຕີບໂຕຢ່າງໄວວາຂອງ AI ໄດ້ສ້າງຄວາມກັງວົນໃນຫຼາຍມິຕິ:

ຄວາມລຳອຽງ ແລະ ຄວາມຍຸຕິທຳ (Bias and Fairness): ຫາກຂໍ້ມູນທີ່ໃຊ້ສອນ AI ມີຄວາມລຳອຽງ, ຜົນລັບທີ່ອອກມາກໍຈະມີການຈຳແນກ ຫຼື ບໍ່ຍຸຕິທຳ (ເຊັ່ນ: ການຈຳແນກເຊື້ອຊາດໃນລະບົບສະແກນໃບໜ້າ).
ການຈ້າງງານ: ຄວາມກັງວົນວ່າ AI ແລະ ຫຸ່ນຍົນ ຈະເຂົ້າມາທົດແທນແຮງງານມະນຸດໃນຫຼາຍສາຍອາຊີບ ເຊິ່ງອາດກໍ່ໃຫ້ເກີດບັນຫາວ່າງງານ.
ຄວາມປອດໄພ ແລະ ຄວາມເປັນສ່ວນຕົວ: ການນຳໃຊ້ AI ໃນການສອດແນມ (Surveillance) ຫຼື ສ້າງຂ່າວປອມແບບແນບນຽນ (Deepfakes).
ໄພຂົ່ມຂູ່ລະດັບມວນມະນຸດ (Existential Risk): ນັກວິທະຍາສາດຊັ້ນນຳເຊັ່ນ ສະຕີເຟນ ຮອກຄິງ (Stephen Hawking) ແລະ ມະຫາເສດຖີ ອີລອນ ມັດ (Elon Musk) ໄດ້ອອກມາເຕືອນວ່າ ຫາກການພັດທະນາ AGI ຫຼື ASI ປາສະຈາກການຄວບຄຸມ ແລະ ການຈັດວາງເປົ້າໝາຍໃຫ້ກົງກັບຄຸນຄ່າຂອງມະນຸດ (AI Alignment), ມັນອາດຈະກາຍເປັນໄພຂົ່ມຂູ່ຕໍ່ການດຳລົງຢູ່ຂອງມະນຸດຊາດ.^[9]

ເບິ່ງເພີ່ມເຕີມ

ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning)
ເຄືອຂ່າຍປະສາດທຽມ (Neural Networks)
ວິທະຍາການຂໍ້ມູນ (Data Science)
ອິນເຕີເນັດໃນທຸກສິ່ງ (Internet of Things)

ອ້າງອີງ

↑ Russell, Stuart J.; Norvig, Peter (2021). Artificial Intelligence: A Modern Approach (4th ສະບັບ). Pearson. ISBN 978-0134610993.
↑ Turing, Alan M. (1950). "Computing Machinery and Intelligence". Mind. 59 (236): 433–460. doi:10.1093/mind/LIX.236.433.
↑ McCarthy, John; Minsky, Marvin; Rochester, Nathaniel; Shannon, Claude (August 31, 1955). "A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence".
↑ LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Deep learning". Nature. 521 (7553): 436–444. doi:10.1038/nature14539.
↑ Bostrom, Nick (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press. ISBN 978-0199678112.
↑ Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (2016). Deep Learning. MIT Press. ISBN 978-0262035613.
↑ Vaswani, Ashish; Shazeer, Noam; Parmar, Niki; Uszkoreit, Jakob; Jones, Llion; Gomez, Aidan N.; Kaiser, Łukasz; Polosukhin, Illia (2017). "Attention Is All You Need". Advances in Neural Information Processing Systems. 30.
↑ Topol, Eric J. (2019). "High-performance medicine: the convergence of human and artificial intelligence". Nature Medicine. 25 (1): 44–56. doi:10.1038/s41591-018-0300-7.
↑ Cellan-Jones, Rory (December 2, 2014). "Stephen Hawking warns artificial intelligence could end mankind". BBC News.

ອ້າງອິງ

[1] Russell, Stuart J.; Norvig, Peter (2021). Artificial Intelligence: A Modern Approach (4th ສະບັບ). Pearson. ISBN 978-0134610993.

[2] Turing, Alan M. (1950). "Computing Machinery and Intelligence". Mind. 59 (236): 433–460. doi:10.1093/mind/LIX.236.433.

[3] McCarthy, John; Minsky, Marvin; Rochester, Nathaniel; Shannon, Claude (August 31, 1955). "A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence".

[4] LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Deep learning". Nature. 521 (7553): 436–444. doi:10.1038/nature14539.

[5] Bostrom, Nick (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press. ISBN 978-0199678112.

[6] Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron (2016). Deep Learning. MIT Press. ISBN 978-0262035613.

[7] Vaswani, Ashish; Shazeer, Noam; Parmar, Niki; Uszkoreit, Jakob; Jones, Llion; Gomez, Aidan N.; Kaiser, Łukasz; Polosukhin, Illia (2017). "Attention Is All You Need". Advances in Neural Information Processing Systems. 30.

[8] Topol, Eric J. (2019). "High-performance medicine: the convergence of human and artificial intelligence". Nature Medicine. 25 (1): 44–56. doi:10.1038/s41591-018-0300-7.

[9] Cellan-Jones, Rory (December 2, 2014). "Stephen Hawking warns artificial intelligence could end mankind". BBC News.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]