គួរឱ្យភ្ញាក់ផ្អើល គំរូ AI របស់ចិនរកឃើញច្បាប់រាងកាយដូចមនុស្ស

គំរូ AI-Newton របស់ប្រទេសចិនភ្ញាក់ផ្អើលជាមួយនឹងសមត្ថភាពរបស់ខ្លួនក្នុងការគូរច្បាប់ពីទិន្នន័យឆៅ ដោយបើកទិសដៅថ្មីសម្រាប់ការស្រាវជ្រាវវិទ្យាសាស្ត្រ។

ពីទិន្នន័យពិសោធន៍ គំរូ AI របស់ចិនអាចរៀនរូបវិទ្យាដូចមនុស្សដែរ - Illustration: hpcwire.com

យោងតាម ​​Nature គំរូបញ្ញាសិប្បនិមិត្តថ្មីរបស់ចិនដែលហៅថា AI-Newton បានបង្ហាញសមត្ថភាព " រកឃើញ " គោលការណ៍រូបវន្តពីទិន្នន័យពិសោធន៍ឆៅ រួមទាំងច្បាប់ទីពីររបស់ញូវតុនអំពីទំនាក់ទំនងរវាងម៉ាស់ កម្លាំង និងការបង្កើនល្បឿន។

ក្រុមការងារសាកលវិទ្យាល័យប៉េកាំងបាននិយាយថា គំរូនេះធ្វើត្រាប់តាមវិធីដែលមនុស្សធ្វើ វិទ្យាសាស្ត្រ ៖ បណ្តើរបង្កើតឃ្លាំងគំនិត និងច្បាប់ពីទិន្នន័យ។ តាមរយៈការកំណត់អត្តសញ្ញាណគំនិតដែលមានប្រយោជន៍ AI-Newton អាចទាញយកចំណេះដឹងដោយមិនចាំបាច់រៀបចំកម្មវិធីជាមុន។

យោងតាមអ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ Keyon Vafa (សាកលវិទ្យាល័យ Harvard) ប្រព័ន្ធនេះប្រើ "ការតំរែតំរង់និមិត្តសញ្ញា" (SR) - វិធីសាស្រ្តនៃការស្វែងរកសមីការគណិតវិទ្យាដ៏ល្អបំផុតដើម្បីពិពណ៌នាអំពីបាតុភូតរូបវិទ្យា។ នេះ​ត្រូវ​បាន​គេ​ចាត់​ទុក​ថា​ជា​វិធីសាស្ត្រ​ដ៏​មាន​សក្ដានុពល​មួយ​សម្រាប់​ការ​រក​ឃើញ​បែប​វិទ្យាសាស្ត្រ ព្រោះ​គំរូ​ត្រូវ​បាន​រចនា​ឡើង​ដើម្បី​សន្និដ្ឋាន​ដោយ​ខ្លួន​វា​ផ្ទាល់។

ក្រុមសាកលវិទ្យាល័យប៉េកាំងបានប្រើម៉ាស៊ីនក្លែងធ្វើដើម្បីបង្កើតទិន្នន័យពីការពិសោធន៍ចំនួន 46 លើចលនាសេរី ការប៉ះទង្គិច លំយោល និងប្រព័ន្ធដូចប៉ោល ហើយបញ្ចូលកំហុសដោយចេតនាដើម្បីឆ្លុះបញ្ចាំងពីទិន្នន័យពិភពពិត។

ឧទាហរណ៍ AI-ញូវតុន ត្រូវបានគេផ្តល់ឱ្យតែទីតាំងនៃបាល់មួយប៉ុណ្ណោះ ហើយបានស្នើសុំឱ្យស្វែងរកសមីការដែលពិពណ៌នាអំពីទំនាក់ទំនងរវាងបរិមាណទាំងពីរ។ គំរូបានមកពីសមីការល្បឿន។ ពីទីនោះ ក្នុងកិច្ចការបន្ទាប់ វាបានបន្តប្រើច្បាប់ទី 2 របស់ញូវតុន ដើម្បីសន្និដ្ឋានអំពីម៉ាស់របស់បាល់។ លទ្ធផលទាំងនេះមិនទាន់ត្រូវបានពិនិត្យដោយមិត្តភ័ក្តិនៅឡើយ។

ការប៉ុនប៉ងដើម្បីបង្រៀន AI ដើម្បីទទួលបានច្បាប់រាងកាយត្រូវបានធ្វើឡើងពីមុន។ នៅឆ្នាំ 2019 ក្រុមមួយនៅ ETH Zurich បានបង្កើត "AI Copernicus" ដែលជាបណ្តាញសរសៃប្រសាទដែលសន្និដ្ឋានគន្លងរបស់ភពពីទិន្នន័យសង្កេត ប៉ុន្តែមនុស្សនៅតែត្រូវបកស្រាយសមីការ។

Vafa និងសហការីរបស់គាត់នៅ MIT ក៏បានពិសោធជាមួយគំរូមូលដ្ឋានដូចជា GPT, Claude ឬ Llama ផងដែរ៖ នៅពេលដែលត្រូវបានបណ្តុះបណ្តាលដើម្បីទស្សន៍ទាយទីតាំងរបស់ភព ពួកគេគ្រាន់តែរៀនបង្កើតគន្លង ប៉ុន្តែបានសន្និដ្ឋាន "ច្បាប់នៃទំនាញផែនដី" ដែលគ្មានន័យ នៅពេលដែលត្រូវបានសួរដើម្បីទាញយកកម្លាំងដែលគ្រប់គ្រងចលនា។

យោងតាមលោក Vafa "គំរូភាសាដែលត្រូវបានបណ្តុះបណ្តាលដើម្បីទស្សន៍ទាយលទ្ធផលនៃការពិសោធន៍រូបវិទ្យានឹងមិនអ៊ិនកូដគំនិតតាមរបៀបសាមញ្ញ និងសង្ខេបដូចមនុស្សទេ ប៉ុន្តែជារឿយៗនឹងបង្កើតតំណាងដែលមិនមានវិចារណញាណ។"

អ្នកជំនាញនិយាយថា AI ដែលអាចកាត់សេចក្តីច្បាប់មានប្រយោជន៍ ប៉ុន្តែដើម្បីបង្កើតការរកឃើញបែបវិទ្យាសាស្ត្រឯករាជ្យពិតប្រាកដ ពួកគេត្រូវចូលរួមក្នុងជំហានបន្ថែមទៀត៖ ការកំណត់បញ្ហា ស្នើការពិសោធន៍ វិភាគទិន្នន័យ និងសាកល្បងសម្មតិកម្ម។

យោងតាមលោក David Powers (សាកលវិទ្យាល័យ Flinders) វិទ្យាសាស្ត្រពិសោធន៍តម្រូវឱ្យកំណត់អត្តសញ្ញាណអថេរសំខាន់ៗ និងធ្វើការពិសោធន៍ជាប្រព័ន្ធ។

រូបវិទូ Yan-Qing Ma នៃសាកលវិទ្យាល័យ Peking University យល់ស្របថា AI-Newton គឺជាផ្លូវដ៏វែងឆ្ងាយ ប៉ុន្តែសង្កត់ធ្ងន់ថា គំរូនេះអាចត្រួសត្រាយផ្លូវសម្រាប់ប្រព័ន្ធ AI នាពេលអនាគត ដែលអាចប្រើប្រាស់ទិន្នន័យពិត ដើម្បីស្វែងរកច្បាប់រូបវន្តថ្មីដោយខ្លួនឯង។

ពេលនេះក្រុមកំពុងសាកល្បងការអនុវត្តរបស់វាចំពោះទ្រឹស្ដីកង់ទិច។

ត្រឡប់ទៅ ប្រធានបទ

VNA

ប្រភព៖ https://tuoitre.vn/bat-ngo-mo-hinh-ai-trung-quoc-tu-kham-pha-dinh-luat-vat-ly-nhu-nguoi-20251116121246359.htm