AI ໝາຍເຖິງຫຍັງ?

ຄຳຕອບສັ້ນໆ: AI ຫຍໍ້ມາຈາກ Artificial Intelligence: ລະບົບທີ່ມະນຸດສ້າງຂຶ້ນເຊິ່ງປະຕິບັດໜ້າວຽກທີ່ກ່ຽວຂ້ອງກັບການຄິດ, ເຊັ່ນ: ການຮັບຮູ້ຮູບແບບ ຫຼື ການເຮັດວຽກກັບພາສາ. ໃນການສົນທະນາປະຈຳວັນ, ມັນມັກຈະໝາຍເຖິງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ຫຼື ເຄື່ອງມືທີ່ສ້າງຂື້ນ, ບໍ່ແມ່ນຫຸ່ນຍົນທີ່ມີສະຕິ. ຖ້າຜູ້ໃດຜູ້ໜຶ່ງຂາຍ “AI”, ໃຫ້ຖາມວ່າພວກເຂົາໃຊ້ອິນພຸດ ແລະ ຜົນຜະລິດອັນໃດ, ແລະ ກໍລະນີຄວາມລົ້ມເຫຼວໃດທີ່ພວກເຂົາວັດແທກ.

ບົດຮຽນຫຼັກ:

ຄວາມຮັບຜິດຊອບ: ກຳນົດໜ້າວຽກ, ເຈົ້າຂອງ ແລະ ຕົວຊີ້ວັດຄວາມສຳເລັດກ່ອນທີ່ຈະເອີ້ນມັນວ່າ AI.

ຄວາມໂປ່ງໃສ: ຂໍໃຫ້ມີການປ້ອນຂໍ້ມູນ, ຜົນໄດ້ຮັບ ແລະ ບ່ອນທີ່ລະບົບເກີດຂໍ້ຜິດພາດທີ່ຊັດເຈນ.

ການຍິນຍອມ: ກວດສອບວ່າມັນໃຊ້ຂໍ້ມູນໃດ, ແລະວ່າການນຳໃຊ້ນັ້ນໄດ້ຮັບອະນຸຍາດຫຼືບໍ່.

ການກວດສອບ: ຕິດຕາມການທົດສອບ, ຄວາມລົ້ມເຫຼວ ແລະ ການອັບເດດ ເພື່ອໃຫ້ສາມາດກວດສອບການຮຽກຮ້ອງໄດ້ໃນພາຍຫຼັງ.

ຄວາມສາມາດໃນການແຂ່ງຂັນ: ສະໜອງວິທີການທ້າທາຍຜົນຜະລິດທີ່ຜິດພາດເມື່ອມັນສົ່ງຜົນກະທົບຕໍ່ການຕັດສິນໃຈຂອງຜູ້ຄົນ.

ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:

🔗 AI ຖືກໂຄສະນາເກີນຈິງບໍ? ການກວດສອບຄວາມເປັນຈິງ
ສຳຫຼວດຄວາມຕື່ນເຕັ້ນ, ຂໍ້ຈຳກັດ ແລະ ບ່ອນທີ່ມັນໃຫ້ຄຸນຄ່າແກ່ AI ຢ່າງແທ້ຈິງ.

🔗 ຕອນນີ້ມີຟອງ AI ກຳລັງກໍ່ຕົວຢູ່ບໍ?
ແຍກສັນຍານຕະຫຼາດ, ຄວາມສ່ຽງດ້ານການຄາດເດົາ ແລະ ການເຕີບໂຕທີ່ແທ້ຈິງຂອງ AI.

🔗 ວິທີການໃຊ້ AI ໃນໂທລະສັບຂອງທ່ານທຸກໆມື້
ຂັ້ນຕອນງ່າຍໆໃນການເປີດໃຊ້ແອັບ AI, ເຄື່ອງມືສຽງ ແລະ ທາງລັດ.

🔗 ການປ່ຽນຂໍ້ຄວາມເປັນສຽງແມ່ນ AI ບໍ? ມັນເຮັດຫຍັງແທ້ໆ
ກຳນົດການປ່ຽນຂໍ້ຄວາມເປັນສຽງ, ການນຳໃຊ້ຫຼັກ ແລະ ສິ່ງທີ່ເຮັດໃຫ້ມັນເປັນ AI.

---

AI ຫຍໍ້ມາຈາກຫຍັງ? ຄວາມໝາຍຕາມຕົວໜັງສື 🧠

AI ຫຍໍ້ມາຈາກ Artificial Intelligence. [1]

• ສິ່ງທຽມ: ສ້າງຂຶ້ນໂດຍມະນຸດ (ຊອບແວ, ລະຫັດ, ແບບຈຳລອງ, ລະບົບຕ່າງໆ)

• ສະຕິປັນຍາ: ຄວາມສາມາດໃນການປະຕິບັດໜ້າວຽກທີ່ປົກກະຕິແລ້ວຕ້ອງການ "ການຄິດ" - ເຊັ່ນ: ການເຂົ້າໃຈພາສາ, ການຮັບຮູ້ຮູບແບບ, ການຄາດຄະເນ, ຫຼືການເລືອກການກະທຳ

“ຄຳນິຍາມຫຼັກ” ທີ່ທ່ານຈະເຫັນໃນສະຖານທີ່ທີ່ມີຊື່ສຽງໂດຍພື້ນຖານແລ້ວແມ່ນ: AI ແມ່ນກ່ຽວກັບຄອມພິວເຕີ (ຫຼືເຄື່ອງຈັກທີ່ຄວບຄຸມໂດຍຄອມພິວເຕີ) ທີ່ເຮັດວຽກງານທີ່ກ່ຽວຂ້ອງກັບຂະບວນການທາງປັນຍາຂອງມະນຸດ (ການໃຊ້ເຫດຜົນ, ການຮຽນຮູ້, ພາສາ, ການຮັບຮູ້, ແລະອື່ນໆ). [2]

ກວດສອບຄວາມເປັນຈິງຢ່າງວ່ອງໄວ: AI ບໍ່ໄດ້ໝາຍເຖິງ "ຫຸ່ນຍົນທີ່ມີຄວາມຮູ້ສຶກ" ໂດຍອັດຕະໂນມັດ.
ບາງຄັ້ງມັນກໍ່ເປັນພຽງຄະນິດສາດທີ່ມີຄວາມໝັ້ນໃຈ. ຄະນິດສາດທີ່ແປກປະຫຼາດຫຼາຍ, ແຕ່ຍັງ 😅

---

ເປັນຫຍັງຄົນເຮົາຈຶ່ງຖາມວ່າ "AI ຫຍໍ້ມາຈາກຫຍັງ?" (ແລະເປັນຫຍັງມັນບໍ່ແມ່ນຄຳຖາມທີ່ໂງ່) 🙃

ເນື່ອງຈາກວ່າ “AI” ຖືກນຳໃຊ້ຢ່າງໜ້ອຍສາມວິທີທີ່ແຕກຕ່າງກັນຄື:

1. ໃນຖານະເປັນຂົງເຂດການສຶກສາ
   ນັກຄົ້ນຄວ້າສ້າງລະບົບທີ່ສາມາດຮັບຮູ້, ຮຽນຮູ້, ວາງແຜນ ແລະ ສື່ສານໄດ້.

2. ໃນຖານະເປັນຊຸດເຕັກນິກ
   ຕ່າງໆເຊັ່ນ: ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ, ການປະມວນຜົນພາສາທຳມະຊາດ, ວິໄສທັດຄອມພິວເຕີ, ແລະສິ່ງຕ່າງໆທີ່ປ່ຽນ "ຂໍ້ມູນ" ໃຫ້ເປັນ "ການຄາດຄະເນ".

3. ໃນຖານະເປັນປ້າຍກຳກັບການຕະຫຼາດ
   ນີ້ແມ່ນບ່ອນທີ່ມັນ... ລື່ນ. ບາງຄັ້ງ "AI" ຖືກຕຳໜິໃສ່ສິ່ງຕ່າງໆທີ່ໃກ້ຄຽງກັບລະບົບອັດຕະໂນມັດຫຼາຍກວ່າຄວາມສະຫຼາດ. ບໍ່ແມ່ນວ່າມັນເປັນອັນຕະລາຍສະເໝີໄປ, ແຕ່ແມ່ນແລ້ວ - ມັນເກີດຂຶ້ນ.

ສະນັ້ນ, ເມື່ອມີຄົນຖາມວ່າ AI ຫຍໍ້ມາຈາກຫຍັງ?, ເຂົາເຈົ້າມັກຈະຖາມວ່າ:

• "ນີ້ແມ່ນເທັກໂນໂລຢີທີ່ແທ້ຈິງ ຫຼື ພຽງແຕ່ຄຳສັບທີ່ນິຍົມໃຊ້ກັນທົ່ວໄປ?"

• "ນີ້ຄືກັນກັບການຮຽນຮູ້ຂອງເຄື່ອງຈັກບໍ?"

• "ອັນນີ້ຈະມາແທນວຽກຂອງຂ້ອຍບໍ່, ຄື... ມື້ອື່ນບໍ?"

ຄຳຕອບທີ່ຊື່ສັດແມ່ນ: ມັນຂຶ້ນກັບ - ແຕ່ພວກເຮົາສາມາດເຮັດໃຫ້ມັນສັບສົນໜ້ອຍລົງໄດ້.

---

ຄຳນິຍາມງ່າຍໆທີ່ໃຊ້ໄດ້ຜົນໃນຊີວິດຈິງ ✅📌

ນີ້ແມ່ນວິທີການທີ່ໃຊ້ໄດ້ຈິງ ແລະ ບໍ່ແມ່ນເລື່ອງລຶກລັບເພື່ອຮັກສາ “AI” ໄວ້ໃນຫົວຂອງເຈົ້າ:

ປັນຍາປະດິດ (AI) ແມ່ນລະບົບທີ່ອີງໃສ່ເຄື່ອງຈັກທີ່ຮັບເອົາການປ້ອນຂໍ້ມູນ ແລະ ຜະລິດຜົນຜະລິດ (ເຊັ່ນ: ການຄາດຄະເນ, ຄຳແນະນຳ, ການຕັດສິນໃຈ ຫຼື ເນື້ອຫາທີ່ສ້າງຂຶ້ນ) ເພື່ອມີອິດທິພົນຕໍ່ສະພາບແວດລ້ອມດິຈິຕອນ ຫຼື ທາງກາຍະພາບ - ດ້ວຍລະດັບຄວາມເປັນເອກະລາດ ແລະ ການປັບຕົວທີ່ແຕກຕ່າງກັນ. [4]

ການວາງກອບນັ້ນມີຄວາມສຳຄັນເພາະມັນກົງກັບສິ່ງທີ່ຄົນນຳໃຊ້ໃນໂລກແຫ່ງຄວາມເປັນຈິງ: ບໍ່ແມ່ນ "ສະໝອງ," ແຕ່ເປັນ ລະບົບ ທີ່ຮັບຂໍ້ມູນເຂົ້າ → ສ້າງຜົນຜະລິດ → ສົ່ງຜົນກະທົບຕໍ່ຜົນໄດ້ຮັບ.

---

ການທົດສອບດົມກິ່ນໄວໆ “ນີ້ແມ່ນ AI ຫຼືພຽງແຕ່ອັດຕະໂນມັດ?” 🕵️

ຖ້າທ່ານກຳລັງປະເມີນເຄື່ອງມື ຫຼື ການສະເໜີຂາຍ, ໃຫ້ຖາມວ່າ:

• ຂໍ້ມູນປ້ອນເຂົ້າແມ່ນຫຍັງ? (ຂໍ້ຄວາມ, ຮູບພາບ, ການຄລິກ, ຂໍ້ມູນເຊັນເຊີ, ເອກະສານພາຍໃນ...)

• ຜົນຜະລິດແມ່ນຫຍັງ? (ປ້າຍກຳກັບ, ຄະແນນ, ການຄາດຄະເນ, ຄຳແນະນຳ, ຮ່າງທີ່ສ້າງຂຶ້ນ...)

• ຈະມີການປ່ຽນແປງຫຍັງຖ້າຂໍ້ມູນປ້ອນເຂົ້າມີການປ່ຽນແປງ? (ມັນປັບຕົວ, ເຮັດໃຫ້ທົ່ວໄປ, ຫຼືພຽງແຕ່ປະຕິບັດຕາມກົດລະບຽບ?)

• ເຂົາເຈົ້າວັດແທກຄວາມສຳເລັດ ແລະ ຄວາມລົ້ມເຫຼວແນວໃດ? (ແລະ ເຂົາເຈົ້າບອກທ່ານບໍ່ວ່າມັນແຕກຫັກຢູ່ໃສ?)

ຖ້າຄຳຕອບບໍ່ຊັດເຈນ (“ມັນຂັບເຄື່ອນໂດຍຄວາມສະຫຼາດລຸ້ນຕໍ່ໄປ!”) …ໃຫ້ຫຼຽວຕາເບິ່ງໜ້ອຍໜຶ່ງ.

---

ຕາຕະລາງປຽບທຽບ: ບ່ອນທີ່ຈະໄດ້ຮັບ ທີ່ໜ້າເຊື່ອຖື ຕໍ່ "AI ຫຍໍ້ມາຈາກຫຍັງ?" 📚🔍

ເຄື່ອງມື / ແຫຼ່ງຂໍ້ມູນ	ຜູ້ຊົມ	ລາຄາ	ເປັນຫຍັງມັນຈຶ່ງໃຊ້ໄດ້
ສາລານຸກົມບຣິແທນນິກາ - ປັນຍາປະດິດ	ທຸກໆຄົນ	ແບບອິດສະຫຼະ	ພາບລວມທີ່ຊັດເຈນພ້ອມດ້ວຍມາດຕະຖານບັນນາທິການ (ບໍ່ໂຄສະນາເກີນຈິງ) [2]
ວັດຈະນານຸກົມ Cambridge - “ປັນຍາປະດິດ”	ຜູ້ເລີ່ມຕົ້ນ	ຟຣີ	ຄຳນິຍາມທີ່ກົງໄປກົງມາ, ບໍ່ມີລະຄອນ [1]
OECD.AI - ຫຼັກການ AI (ລວມທັງຄຳນິຍາມຂອງລະບົບ AI ທີ່ໄດ້ຕົກລົງກັນ)	ນະໂຍບາຍ + ນັກການສຶກສາ	ຟຣີ	ຄຳນິຍາມທີ່ໜັກແໜ້ນ ແລະ ຮັບຮູ້ເຖິງການປົກຄອງ + ຄຳສັບ [4]
NIST - ຂອບການຄຸ້ມຄອງຄວາມສ່ຽງດ້ານ AI (AI RMF)	ວຽກງານ + ພະນັກງານນະໂຍບາຍ	ຟຣີ	ພາສາທີ່ໃຊ້ໄດ້ຈິງກ່ຽວກັບການຄຸ້ມຄອງຄວາມສ່ຽງ ແລະ ຄວາມໄວ້ວາງໃຈຂອງ AI [3]
ດັດຊະນີ AI ຂອງ Stanford HAI	ຜູ້ຮຽນທີ່ຢາກຮູ້ຢາກເຫັນ, ຜູ້ຊ່ຽວຊານ	ຟຣີ	ຕິດຕາມພາກສະໜາມດ້ວຍຄວາມຮູ້ສຶກທີ່ຂັບເຄື່ອນດ້ວຍຂໍ້ມູນ, “ນີ້ແມ່ນສິ່ງທີ່ເກີດຂຶ້ນ” [5]

(ແລະແມ່ນແລ້ວ: "free-ish" ແມ່ນຄຳສັບຂອງຂ້ອຍສຳລັບ "ຟຣີຈົນກວ່າເວັບໄຊທ໌ຈະເຮັດການເຕັ້ນ paywall ທີ່ສຸພາບ.")

---

ຄຳວ່າ "AI" ມັກຈະໝາຍເຖິງຫຍັງໃນຊີວິດປະຈຳວັນ 📱💬

ໃນການສົນທະນາປົກກະຕິ, “AI” ໂດຍປົກກະຕິແລ້ວໝາຍເຖິງໜຶ່ງໃນນີ້:

• ລະບົບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ທີ່ຮຽນຮູ້ຮູບແບບຕ່າງໆຈາກຂໍ້ມູນ

• AI ທີ່ສ້າງຂໍ້ຄວາມ, ຮູບພາບ, ສຽງ ຫຼື ລະຫັດ (ປະເພດຂອງຜົນຜະລິດ: "ເນື້ອຫາ") [4]

• ເຄື່ອງຈັກແນະນຳ (ສິ່ງທີ່ຄວນເບິ່ງ, ຊື້, ອ່ານ)

• ເຄື່ອງມືອັດຕະໂນມັດ ທີ່ຕັດສິນໃຈໂດຍໃຊ້ກົດລະບຽບ + ຮູບແບບ

ຕົວຢ່າງທີ່ທ່ານອາດຈະເຄີຍໃຊ້:

• ຕື່ມຂໍ້ມູນອັດຕະໂນມັດໃນອີເມວ ຫຼື ການຄົ້ນຫາ ✅

• ການກວດພົບການສໍ້ໂກງໃນທະນາຄານ🏦

• ການແທັກຮູບພາບ ແລະ ການຈັດກຸ່ມໃບໜ້າ 📸

• ການແປພາສາສຽງເປັນຂໍ້ຄວາມ 🗣️

• chatbots ສະໜັບສະໜູນລູກຄ້າ (ອັນທີ່ດີ ແລະ ອັນທີ່ເຫັນໄດ້ຊັດເຈນ…)

ເປັນຄຳປຽບທຽບທີ່ມີຂໍ້ບົກຜ່ອງເລັກນ້ອຍ, ແຕ່ນີ້ແມ່ນ: AI ຄືກັບນັກຝຶກງານທີ່ກະຕືລືລົ້ນຫຼາຍ ທີ່ມີການຮັບຮູ້ຮູບແບບຄວາມໄວສູງ ແລະ ບໍ່ມີສະຕິປັນຍາທົ່ວໄປກ່ຽວກັບໂລກເລີຍ. ເປັນປະໂຫຍດ, ບາງຄັ້ງກໍ່ສະຫຼາດ, ບາງຄັ້ງກໍ່ວຸ້ນວາຍ.

---

AI ທຽບກັບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (ພາກສ່ວນ "ລໍຖ້າ... ພວກມັນບໍ່ຄືກັນບໍ?") 🤔

ອັນນີ້ເຮັດໃຫ້ຄົນຕົກໃຈເພາະວ່າຄຳສັບຕ່າງໆຖືກໃຊ້ສະຫຼັບກັນ.

ວິທີເວົ້າທີ່ສະອາດ:

• AI ແມ່ນຄຳສັບທີ່ສຳຄັນທີ່ສຸດສຳລັບໂລກນີ້.

• ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແມ່ນວິທີໜຶ່ງທີ່ສຳຄັນໃນການ ສ້າງ AI - ລະບົບການຝຶກອົບຮົມໃຫ້ຮຽນຮູ້ຈາກຂໍ້ມູນປ້ອນເຂົ້າແທນທີ່ຈະຂຽນລະຫັດທຸກກົດລະບຽບຢ່າງເຂັ້ມງວດ [2]

ສະນັ້ນ: ບໍ່ຄືກັນ, ແຕ່ ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດ.

---

AI ແຄບ ທຽບກັບ AI ທົ່ວໄປ (ຫຼື “ສິ່ງທີ່ມີຢູ່” ທຽບກັບ “ສິ່ງທີ່ຄົນໂຕ້ຖຽງກັນ”) 🧩

AI ທີ່ແຄບ (ສ່ວນໃຫຍ່ຂອງສິ່ງທີ່ມີຢູ່)

AI ສ້າງຂຶ້ນສຳລັບ ວຽກງານສະເພາະ:

• ຈັດປະເພດຮູບພາບ

• ແປຂໍ້ຄວາມ

• ກວດຈັບການສໍ້ໂກງ

• ສ້າງອີເມວສະບັບຮ່າງ

• ແນະນຳເພງ

AI ທົ່ວໄປ (ແບບວິທະຍາສາດ-ນິຍາຍ)

AI ທີ່ສາມາດເຮັດ ວຽກງານທາງປັນຍາໃດໆ ທີ່ມະນຸດສາມາດເຮັດໄດ້ຢ່າງຍືດຫຍຸ່ນໃນທຸກຂົງເຂດ.

ຫຼາຍໆຄວາມຄິດທີ່ວ່າ "AI ໂດຍພື້ນຖານແລ້ວແມ່ນຄົນຄົນໜຶ່ງໃນປະຈຸບັນ" ແມ່ນການປະສົມປະສານສອງແນວຄວາມຄິດນີ້. AI ສ່ວນໃຫຍ່ທີ່ນຳໃຊ້ແມ່ນແຄບ - ແລະແມ່ນແຕ່ລະບົບທີ່ມີຄວາມສາມາດສູງກໍ່ຍັງມີຂໍ້ຈຳກັດທີ່ແທ້ຈິງ (ໂດຍສະເພາະຢູ່ນອກສະຖານະການທີ່ພວກມັນຖືກສ້າງຂຶ້ນມາ). [2]

---

ວິທີການເຮັດວຽກຂອງ AI ໃນພາສາທີ່ເຂົ້າໃຈງ່າຍ (ເບິ່ງ "ພາຍໃຕ້ຝາປິດ" ທີ່ເປັນມິດ) 🔧🙂

ລະບົບ AI ທີ່ທັນສະໄໝສ່ວນໃຫຍ່ມີລັກສະນະແບບນີ້:

1. ອິນພຸດເຂົ້າໃນ
   ຂໍ້ຄວາມ, ຮູບພາບ, ການຄລິກ, ສຽງ, ຕົວເລກ, ການອ່ານເຊັນເຊີ...

2. ຮູບແບບປະມວນຜົນຮູບແບບຕ່າງໆ
   ມັນຮຽນຮູ້ຄວາມສຳພັນໃນລະຫວ່າງການຝຶກອົບຮົມ (ຫຼື ນຳໃຊ້ສິ່ງທີ່ມັນໄດ້ຮຽນຮູ້ມາກ່ອນໜ້ານີ້), ຈາກນັ້ນຈຶ່ງໃຊ້ “ການອະນຸມານ” ເພື່ອຜະລິດຜົນຜະລິດ.

3. ຜົນຜະລິດອອກມາ

   • ປ້າຍກຳກັບ (ສະແປມ / ບໍ່ແມ່ນສະແປມ)

   • ການຄາດຄະເນ (ມີແນວໂນ້ມທີ່ຈະຊື້ / ມີແນວໂນ້ມທີ່ຈະປ່ຽນໃຈເຫລື້ອມໃສ)

   • ເນື້ອຫາທີ່ສ້າງຂຶ້ນ (ວັກ, ຮູບພາບ) [4]

4. ມະນຸດປະເມີນ ແລະ ປັບແຕ່ງ
   ເພາະວ່າຮູບແບບສາມາດຜິດພາດໄດ້ໃນແບບທີ່ໝັ້ນໃຈ. ຄື, ຢ່າງບໍ່ໜ້າເຊື່ອ . ມັນເກືອບຈະໜ້າປະທັບໃຈ.

ຖ້າທ່ານຕ້ອງການບົດສົນທະນາທີ່ເຂົ້າໃຈຄວາມສ່ຽງ ແລະ ເປັນຜູ້ໃຫຍ່, AI RMF ຂອງ NIST ເປັນບົດອ່ານທີ່ມີພື້ນຖານທີ່ໜ້າປະຫລາດໃຈ - ໂດຍສະເພາະສຳລັບການຄິດກ່ຽວກັບຄວາມໄວ້ວາງໃຈ, ຄວາມປອດໄພ, ແລະ ບ່ອນທີ່ AI ສາມາດໄປຂ້າງໆໄດ້. [3]

---

ຄວາມເຂົ້າໃຈຜິດທົ່ວໄປກ່ຽວກັບ AI (ຫຼື ສິ່ງຂອງທີ່ເຮັດໃຫ້ເກີດການໂຕ້ຖຽງກັນໃນຄ່ຳຄືນ) 🍝😬

• “AI ຄິດຄືກັບມະນຸດ.”
  ໂດຍປົກກະຕິແລ້ວ, ບໍ່. ລະບົບຫຼາຍລະບົບຖືກອະທິບາຍໄດ້ດີກວ່າວ່າເປັນ ເຄື່ອງຈັກຮູບແບບ. ພວກມັນສາມາດເບິ່ງຄືວ່າສະຫຼາດ - ບາງຄັ້ງ ຫຼາຍ - ໂດຍບໍ່ມີຄວາມເຂົ້າໃຈແບບມະນຸດ. [2]

• “AI ແມ່ນບໍ່ລຳອຽງສະເໝີເພາະມັນເປັນຄະນິດສາດ.”
  ໂລກແຫ່ງຄວາມເປັນຈິງແມ່ນວຸ້ນວາຍກວ່າ: ຂໍ້ມູນ, ຈຸດປະສົງ, ສະພາບການນຳໃຊ້, ແລະວົງຈອນຄຳຕິຊົມລ້ວນແຕ່ມີຄວາມສຳຄັນ. ນີ້ແມ່ນເຫດຜົນໃຫຍ່ທີ່ຂອບການເຮັດວຽກທີ່ທັນສະໄໝເວົ້າກ່ຽວກັບ ຄວາມໜ້າເຊື່ອຖື ແລະ ການຄຸ້ມຄອງຄວາມສ່ຽງ, ບໍ່ພຽງແຕ່ປະສິດທິພາບເທົ່ານັ້ນ. [3]

• “AI = ຫຸ່ນຍົນ.”
  ບາງຄັ້ງ AI ກໍ່ເປັນພຽງຊອບແວໃນຄລາວດ໌. ບໍ່ມີແຂນ, ບໍ່ມີໃບໜ້າ, ບໍ່ມີຕາສີແດງເປັ່ງປະກາຍ (ໂຊກດີ). [2]

---

ວິທີການນຳໃຊ້ຄວາມໝາຍຂອງ AI ໂດຍບໍ່ຖືກຫຼອກລວງດ້ວຍຄຳສັບທີ່ນິຍົມໃຊ້ 🧾🕵️

ຖ້າທ່ານກຳລັງປະເມີນເຄື່ອງມື, ການນຳສະເໜີຜະລິດຕະພັນ, ຫຼື “ການລິເລີ່ມ AI” ໃນບ່ອນເຮັດວຽກ, ໃຫ້ຖາມວ່າ:

• ມັນເຮັດໜ້າທີ່ຫຍັງ?
  ສະຫຼຸບ? ຈັດປະເພດ? ຄາດຄະເນ? ຜະລິດ?

• ມັນໃຊ້ຂໍ້ມູນຫຍັງແດ່?
  ເອກະສານພາຍໃນ? ຂໍ້ມູນສາທາລະນະ? ຂໍ້ມູນຂອງຜູ້ໃຊ້ປ້ອນເຂົ້າບໍ? ມັນໄດ້ຮັບອະນຸຍາດບໍ?

• ເຈົ້າຈະວັດແທກແນວໃດວ່າມັນດີ?
  ຄວາມຖືກຕ້ອງ, ຄວາມຊັກຊ້າ, ລາຄາ, ຄວາມປອດໄພ, ຄວາມພໍໃຈຂອງຜູ້ໃຊ້ - ບວກກັບ "ຄວາມລົ້ມເຫຼວຮ້າຍແຮງປານໃດ?"

• ມັນລົ້ມເຫຼວຢູ່ໃສ?
  ທຸກໆລະບົບລົ້ມເຫຼວຢູ່ບ່ອນໃດບ່ອນໜຶ່ງ. ຖ້າຜູ້ຂາຍອ້າງວ່າມັນບໍ່ເຄີຍລົ້ມເຫຼວ... ນັ້ນແມ່ນສັນຍານເຕືອນໄພທີ່ມີດອກໄມ້ໄຟ 🎆

ສິ່ງນີ້ປ່ຽນ “AI” ຈາກປ້າຍຊື່ທີ່ລຶກລັບໄປເປັນສິ່ງທີ່ເຈົ້າສາມາດຫາເຫດຜົນໄດ້ແທ້ໆ.

---

ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆສັ້ນໆ: “AI ຫຍໍ້ມາຈາກຫຍັງ?” ແລະ ຄຳຖາມທີ່ກ່ຽວຂ້ອງ 🧠💡

AI ຫຍໍ້ມາຈາກຫຍັງໃນດ້ານເຕັກໂນໂລຊີ?
ໂດຍປົກກະຕິແລ້ວແມ່ນ Artificial Intelligence - ຄຳສັບສຳລັບລະບົບຕ່າງໆທີ່ເຮັດວຽກງານທີ່ກ່ຽວຂ້ອງກັບສະຕິປັນຍາຂອງມະນຸດ (ການຮຽນຮູ້, ການຫາເຫດຜົນ, ພາສາ, ແລະອື່ນໆ). [1]

AI ສາມາດຢືນຢູ່ກັບສິ່ງອື່ນໄດ້ບໍ?
ແມ່ນແລ້ວ. ແຕ່ໃນການເວົ້າເລື່ອງເທັກໂນໂລຢີຫຼັກໆ, ມັນແມ່ນ "ປັນຍາປະດິດ" ຢ່າງຫຼວງຫຼາຍ. [1]

AI ຄືກັນກັບ chatbot ຫຼື ຕົວສ້າງຮູບພາບບໍ?
ນັ້ນແມ່ນ ຕົວຢ່າງ ຂອງລະບົບ AI. ອົງປະກອບຫຼັກແມ່ນໃຫຍ່ກວ່າເຄື່ອງມືໃດໆ. [4]

AI ສະເໝີໄປ "ຮຽນຮູ້" ບໍ?
ບໍ່ແມ່ນສະເໝີໄປ. ບາງລະບົບແມ່ນອີງໃສ່ກົດລະບຽບ. ແຕ່ການສົນທະນາກ່ຽວກັບ AI ທີ່ທັນສະໄໝນັ້ນກ່ຽວຂ້ອງກັບລະບົບທີ່ຮຽນຮູ້ຮູບແບບຈາກຂໍ້ມູນ (ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ). [2]

---

ຄຳສັງເກດສຸດທ້າຍ🧾✨

ສະນັ້ນ, AI ຫຍໍ້ມາຈາກຫຍັງ?
ມັນຫຍໍ້ມາຈາກ Artificial Intelligence.

TL;DR:

• AI = ປັນຍາປະດິດ 🤖

• ໃນທາງປະຕິບັດ, ມັນມັກຈະໝາຍເຖິງຊອບແວທີ່ສາມາດ ຮັບຮູ້ຮູບແບບ, ເຮັດການຄາດຄະເນ, ຕີຄວາມພາສາ, ຫຼືສ້າງເນື້ອຫາ [4]

• ມັນຊ້ອນກັນກັບ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ຫຼາຍ, ແຕ່ AI ແມ່ນສິ່ງທີ່ກວ້າງຂວາງກວ່າ [2]

• ຖ້າຜູ້ໃດຜູ້ໜຶ່ງກຳລັງໃຊ້ “AI” ເພື່ອຂາຍສິ່ງຂອງໃຫ້ທ່ານ, ໃຫ້ຖາມວ່າລະບົບນີ້ ເຮັດ ແລະ ມັນຖືກປະເມີນແນວໃດ (ແລະ ມັນລົ້ມເຫຼວຢູ່ໃສ) [3]

ແລະແມ່ນແລ້ວ - ຜູ້ຄົນຈະສືບຕໍ່ໂຕ້ຖຽງກັນກ່ຽວກັບຄວາມໝາຍທີ່ແທ້ຈິງຂອງ "ຄວາມສະຫຼາດ". ການໂຕ້ວາທີນັ້ນແມ່ນສ່ວນໜຶ່ງຂອງເລື່ອງ. ແຕ່ເພື່ອຄວາມຊັດເຈນໃນຊີວິດປະຈຳວັນ, ເຈົ້າສາມາດເຮັດໃຫ້ມັນງ່າຍດາຍໄດ້: AI ແມ່ນລະບົບທຽມທີ່ປະຕິບັດໜ້າວຽກຄ້າຍຄືກັບຄວາມສະຫຼາດ. ສະອາດພຽງພໍ. ມີປະໂຫຍດພຽງພໍ. ບໍ່ແມ່ນເວດມົນ... ເຖິງແມ່ນວ່າບາງຄັ້ງມັນຈະຮູ້ສຶກຄືກັບມັນກໍຕາມ.

ຕົວຢ່າງໃນໂລກຕົວຈິງ: ການກວດສອບວ່າເຄື່ອງມືຊ່ວຍເຫຼືອແມ່ນ AI ແທ້ໆຫຼືບໍ່ 🧪

ສະຖານະການ

ລອງນຶກພາບຮ້ານຄ້າອອນໄລນ໌ຂະໜາດນ້ອຍແຫ່ງໜຶ່ງໄດ້ຮັບການສະເໜີໃຫ້ໃຊ້ “ຜູ້ຊ່ວຍສະໜັບສະໜູນລູກຄ້າດ້ວຍປັນຍາປະດິດ” ເພື່ອຈັດການກັບຄຳຖາມກ່ຽວກັບການຈັດສົ່ງ, ການຄືນເງິນ ແລະ ການຮ້ອງຮຽນກ່ຽວກັບສິນຄ້າທີ່ເສຍຫາຍ.

ທີມງານບໍ່ໄດ້ເລີ່ມຕົ້ນດ້ວຍການຖາມວ່າ, “ອັນນີ້ສະຫຼາດບໍ?” ພວກເຂົາຖາມບາງສິ່ງບາງຢ່າງທີ່ໃຊ້ໄດ້ຈິງຫຼາຍກວ່າ: “ສິ່ງທີ່ເຂົ້າໄປ, ສິ່ງທີ່ອອກມາ, ແລະພວກເຮົາຈະຮູ້ໄດ້ແນວໃດວ່າເວລາໃດມັນລົ້ມເຫຼວ?”

ນັ້ນເຮັດໃຫ້ຄຳວ່າ AI ມີພື້ນຖານຢູ່ສະເໝີ. ໃນຕົວຢ່າງນີ້, ລະບົບຈະເອົາຂໍ້ຄວາມຂອງລູກຄ້າເປັນຂໍ້ມູນປ້ອນເຂົ້າ, ປຽບທຽບກັບນະໂຍບາຍຂອງຮ້ານ ແລະ ຕົວຢ່າງການສະໜັບສະໜູນກ່ອນໜ້ານີ້, ຈາກນັ້ນສ້າງຄຳຕອບແບບຮ່າງ ຫຼື ຄຳແນະນຳການກຳນົດເສັ້ນທາງ. ນັ້ນເໝາະສົມກັບແນວຄວາມຄິດພື້ນຖານຂອງບົດຄວາມ: AI ບໍ່ແມ່ນເວດມົນ; ມັນເປັນລະບົບທີ່ປ່ຽນຂໍ້ມູນປ້ອນເຂົ້າເປັນຜົນຜະລິດທີ່ສົ່ງຜົນກະທົບຕໍ່ການຕັດສິນໃຈ.

ສິ່ງທີ່ຜູ້ຊ່ວຍຕ້ອງການ

ສຳລັບການທົດສອບຂັ້ນພື້ນຖານ, ຮ້ານຈະໃຫ້ຜູ້ຊ່ວຍ:

• 20 ຂໍ້ຄວາມຂອງລູກຄ້າທີ່ແທ້ຈິງແຕ່ບໍ່ລະບຸຊື່

• ນະໂຍບາຍການຄືນເງິນ

• ກົດລະບຽບກ່ຽວກັບເວລາສົ່ງສິນຄ້າ

• ລາຍຊື່ຜະລິດຕະພັນທີ່ບໍ່ສາມາດສົ່ງຄືນໄດ້

• ຫ້າຕົວຢ່າງຂອງການຕອບກັບການສະໜັບສະໜູນ “ດີ”

• ກົດລະບຽບການຍົກລະດັບສຳລັບລູກຄ້າທີ່ໃຈຮ້າຍ, ສິນຄ້າທີ່ເສຍຫາຍ ແລະ ບັນຫາການຈ່າຍເງິນ

ບໍ່ຄວນອະນຸຍາດໃຫ້ຜູ້ຊ່ວຍຄືນເງິນ, ປ່ຽນຄຳສັ່ງຊື້ ຫຼື ສັນຍາວັນທີສົ່ງສິນຄ້າດ້ວຍຕົນເອງ. ມັນຄວນຂຽນຄຳຕອບ ແລະ ແນະນຳການກະທຳຕໍ່ໄປໃຫ້ມະນຸດອະນຸມັດເທົ່ານັ້ນ.

ຕົວຢ່າງຄຳແນະນຳ

ທ່ານເປັນຜູ້ຊ່ວຍຮ່າງນະໂຍບາຍລູກຄ້າສຳລັບຮ້ານຄ້າອອນໄລນ໌ຂະໜາດນ້ອຍ. ໃຊ້ພຽງແຕ່ລາຍລະອຽດນະໂຍບາຍທີ່ໃຫ້ມາເທົ່ານັ້ນ. ສຳລັບແຕ່ລະຂໍ້ຄວາມຂອງລູກຄ້າ, ໃຫ້ຂຽນຄຳຕອບຮ່າງທີ່ສຸພາບ, ເລືອກໝວດໝູ່ໜຶ່ງຈາກ “ການຈັດສົ່ງ”, “ການຄືນເງິນ”, “ສິນຄ້າເສຍຫາຍ”, “ຄຳຖາມກ່ຽວກັບຜະລິດຕະພັນ”, ຫຼື “ຕ້ອງການການກວດສອບຈາກມະນຸດ”, ແລະອະທິບາຍເຫດຜົນຂອງທ່ານໃນປະໂຫຍກດຽວ. ຖ້ານະໂຍບາຍບໍ່ໄດ້ຕອບຄຳຖາມຢ່າງຊັດເຈນ, ຢ່າຄາດເດົາ. ໝາຍມັນວ່າ “ຕ້ອງການການກວດສອບຈາກມະນຸດ”.

ວິທີການທົດສອບມັນ

ດໍາເນີນການທົດສອບ 20 ຂໍ້ຄວາມງ່າຍໆກ່ອນທີ່ຈະໄວ້ວາງໃຈມັນ:

1. ໃຫ້ຜູ້ຊ່ວຍຖາມຄຳຖາມງ່າຍໆ 10 ຂໍ້ ເຊັ່ນ “ສິນຄ້າທີ່ຂ້ອຍສັ່ງຊື້ຢູ່ໃສ?” ຫຼື “ຂ້ອຍສາມາດສົ່ງຄືນສິນຄ້າທີ່ຍັງບໍ່ໄດ້ເປີດນີ້ໄດ້ບໍ?”

2. ໃຫ້ມັນ 5 ຄຳຖາມທີ່ສັບສົນແຕ່ຂາດລາຍລະອຽດ.

3. ໃຫ້ມັນ 5 ຄຳຖາມທີ່ມີຄວາມສ່ຽງ, ເຊັ່ນ: ການຮຽກຮ້ອງເງິນຄືນ, ການຮ້ອງຮຽນກ່ຽວກັບສິນຄ້າທີ່ເສຍຫາຍ, ຫຼື ບັນຫາການຈ່າຍເງິນ.

4. ປຽບທຽບໝວດໝູ່, ຄຳຕອບຮ່າງ, ແລະ ການຕັດສິນໃຈຍົກລະດັບບັນຫາກັບຄຳຕອບຂອງຫົວໜ້າຝ່າຍສະໜັບສະໜູນທີ່ເປັນມະນຸດ.

5. ນັບຂໍ້ຜິດພາດ, ບໍ່ພຽງແຕ່ຄຳຕອບທີ່ຟັງແລ້ວດີເທົ່ານັ້ນ.

ຄຳຖາມທົດສອບພາກປະຕິບັດ:

"ຂ້ອຍສາມາດສົ່ງຄືນສິນຄ້າທີ່ໃຊ້ແລ້ວໄດ້ບໍ ຖ້າຂ້ອຍຫາກໍ່ເປີດມັນມື້ວານນີ້?"

"ພັດສະດຸຂອງຂ້ອຍບອກວ່າສົ່ງແລ້ວແຕ່ຂ້ອຍບໍ່ເຄີຍໄດ້ຮັບມັນ. ສົ່ງອັນໃໝ່ໃຫ້ຂ້ອຍ."

"ສິນຄ້າມາຮອດແລ້ວ ແລະ ຂ້ອຍຕ້ອງການມັນໃນມື້ອື່ນສຳລັບງານ."

"ຂ້ອຍຊື້ອັນນີ້ມາຫົກເດືອນແລ້ວແຕ່ມັນຢຸດເຮັດວຽກ."

"ຜູ້ສົ່ງຂອງເຈົ້າເສຍອໍເດີຂອງຂ້ອຍ ແລະ ຂ້ອຍຕ້ອງການເງິນຊົດເຊີຍ."

ຜົນໄດ້ຮັບ

ຜົນໄດ້ຮັບຕົວຢ່າງ: ອີງຕາມເວລາຂໍ້ຄວາມສະໜັບສະໜູນຕົວຢ່າງ 20 ຂໍ້ກ່ອນ ແລະ ຫຼັງການນຳໃຊ້ຂັ້ນຕອນການເຮັດວຽກນີ້.

ກ່ອນທີ່ຈະໃຊ້ຜູ້ຊ່ວຍ, ຫົວໜ້າຝ່າຍສະໜັບສະໜູນໄດ້ໃຊ້ເວລາປະມານ 4 ນາທີຕໍ່ຂໍ້ຄວາມ, ຫຼື 80 ນາທີສຳລັບການຕອບກັບ 20 ຄັ້ງ.

ໂດຍຜູ້ຊ່ວຍຮ່າງກ່ອນ, ຫົວໜ້າໄດ້ໃຊ້ເວລາປະມານ 90 ວິນາທີໃນການທົບທວນ ແລະ ແກ້ໄຂແຕ່ລະຂໍ້ຄວາມ, ຫຼື ລວມທັງໝົດ 30 ນາທີ.

ນັ້ນຊ່ວຍໃຫ້ປະຫຍັດເວລາປະມານ 50 ນາທີຕໍ່ປີ້ 20 ໃບ, ໃນຂະນະທີ່ຍັງມີມະນຸດຮັບຜິດຊອບການຄືນເງິນ, ການຮ້ອງຮຽນ ແລະ ຂໍ້ຍົກເວັ້ນນະໂຍບາຍ.

ໃນການທົດສອບດຽວກັນ, ທີມງານສາມາດຕິດຕາມຄວາມຖືກຕ້ອງໄດ້ດັ່ງນີ້:

• ໝວດໝູ່ທີ່ຖືກຕ້ອງ: 18 ຈາກ 20

• ການຍົກລະດັບທີ່ຖືກຕ້ອງໄປຫາມະນຸດ: 5 ໃນ 5 ກໍລະນີທີ່ມີຄວາມສ່ຽງ

• ຄວາມຜິດພາດຂອງນະໂຍບາຍ: 1 ຈາກ 20

• ຄຳຕອບທີ່ໄດ້ຮັບການອະນຸມັດໂດຍບໍ່ມີການແກ້ໄຂ: 11 ຈາກ 20

ຕົວເລກເຫຼົ່ານັ້ນບໍ່ແມ່ນຫຼັກຖານທີ່ສະແດງໃຫ້ເຫັນວ່າເຄື່ອງມືນີ້ "ດີ" ຕະຫຼອດໄປ. ພວກມັນເປັນຈຸດເລີ່ມຕົ້ນທີ່ຮ້ານຄ້າສາມາດເຮັດຊ້ຳໄດ້ທຸກໆເດືອນ.

ມີຫຍັງຜິດພາດໄດ້ແດ່

ຜູ້ຊ່ວຍອາດຈະຟັງຄືໝັ້ນໃຈເຖິງແມ່ນວ່ານະໂຍບາຍຈະບໍ່ຊັດເຈນກໍຕາມ.

ມັນອາດຈະສັນຍາວ່າຈະຄືນເງິນ, ວັນທີສົ່ງສິນຄ້າ ຫຼື ຄ່າຊົດເຊີຍຫຼາຍເກີນໄປ ຖ້າຄຳແນະນຳບໍ່ຊັດເຈນ.

ມັນອາດຈະເຮັດວຽກໄດ້ດີໃນປີ້ງ່າຍໆ ແຕ່ລົ້ມເຫຼວໃນການຮ້ອງທຸກທາງດ້ານອາລົມ, ລາຍລະອຽດການສັ່ງຊື້ທີ່ຂາດຫາຍໄປ, ຫຼື ກໍລະນີທີ່ບໍ່ເໝາະສົມ.

ມັນຍັງອາດຈະສ້າງບັນຫາຄວາມເປັນສ່ວນຕົວຖ້າພະນັກງານວາງຊື່, ທີ່ຢູ່, ເລກທີ່ສັ່ງຊື້ ຫຼື ລາຍລະອຽດການຈ່າຍເງິນໂດຍບໍ່ໄດ້ກວດສອບຂໍ້ມູນທີ່ເຄື່ອງມືເກັບຮັກສາໄວ້.

ການຕັ້ງຄ່າທີ່ປອດໄພທີ່ສຸດແມ່ນງ່າຍດາຍແຕ່ມີປະສິດທິພາບ: ເຮັດໃຫ້ຂໍ້ມູນການທົດສອບບໍ່ລະບຸຊື່, ຈຳກັດສິດອະນຸຍາດ, ຕ້ອງການການອະນຸມັດຈາກມະນຸດ, ແລະ ຮັກສາບັນທຶກຄວາມຜິດພາດ.

ເອົາໄປໃຊ້ຕົວຈິງ

ການທົດສອບ AI ທີ່ດີບໍ່ໄດ້ເລີ່ມຕົ້ນດ້ວຍສິ່ງລົບກວນທາງການຕະຫຼາດ. ມັນເລີ່ມຕົ້ນດ້ວຍການປ້ອນຂໍ້ມູນ, ຜົນຜະລິດ, ຕົວຊີ້ວັດຄວາມສຳເລັດ, ແລະກໍລະນີຄວາມລົ້ມເຫຼວ. ຖ້າເຄື່ອງມືບໍ່ສາມາດອະທິບາຍສິ່ງເຫຼົ່ານັ້ນໄດ້ຢ່າງຊັດເຈນ, ໃຫ້ຖືວ່າ “AI-powered” ເປັນປ້າຍຊື່ທາງການຕະຫຼາດຈົນກວ່າຫຼັກຖານຈະບອກເປັນຢ່າງອື່ນ.

ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ

ໃນແງ່ຂອງຊີວິດປະຈຳວັນ, AI ໝາຍເຖິງຫຍັງ?

AI ຫຍໍ້ມາຈາກ Artificial Intelligence. “Artificial” ໝາຍເຖິງສິ່ງທີ່ມະນຸດສ້າງຂຶ້ນ (ຊອບແວ ແລະ ລະບົບ), ແລະ “Intelligence” ໝາຍເຖິງການເຮັດວຽກງານທີ່ກ່ຽວຂ້ອງກັບການຄິດ - ເຊັ່ນ: ການເຂົ້າໃຈພາສາ, ການສັງເກດຮູບແບບ, ຫຼື ການຄາດຄະເນ. ໃນການສົນທະນາປະຈຳວັນ, “AI” ມັກຈະຊີ້ບອກເຖິງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ຫຼື ເຄື່ອງມືທີ່ສ້າງສັນ ແທນທີ່ຈະເປັນສິ່ງໃດກໍ່ຕາມທີ່ມີສະຕິ ຫຼື ຄ້າຍຄືກັບມະນຸດ.

AI ແມ່ນສິ່ງດຽວກັນກັບການຮຽນຮູ້ຂອງເຄື່ອງຈັກບໍ?

ບໍ່ແມ່ນແທ້ໆ. AI ແມ່ນຄຳສັບທີ່ກວ້າງຂວາງກວ່າສຳລັບລະບົບທີ່ປະຕິບັດໜ້າວຽກທີ່ຄ້າຍຄືກັບຄວາມສະຫຼາດ, ໃນຂະນະທີ່ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແມ່ນວິທີໜຶ່ງທີ່ສຳຄັນໃນການສ້າງ AI ໂດຍການຮຽນຮູ້ຮູບແບບຈາກຂໍ້ມູນແທນທີ່ຈະເປັນກົດລະບຽບການເຂົ້າລະຫັດແບບແຂງ. ຄົນເຮົາມັກໃຊ້ຄຳສັບເຫຼົ່ານີ້ສະຫຼັບກັນໄດ້, ແຕ່ມັນຖືກຕ້ອງກວ່າທີ່ຈະຖືວ່າການຮຽນຮູ້ຂອງເຄື່ອງຈັກເປັນສ່ວນໜຶ່ງຂອງ AI.

AI ໝາຍເຖິງຫຸ່ນຍົນທີ່ມີຄວາມຮູ້ສຶກ ຫຼື ສະຕິປັນຍາລະດັບມະນຸດ?

ໂດຍປົກກະຕິແລ້ວ, ບໍ່. AI ໃນໂລກຕົວຈິງສ່ວນໃຫຍ່ແມ່ນ "ແຄບ", ຊຶ່ງໝາຍຄວາມວ່າມັນຖືກອອກແບບມາສຳລັບວຽກງານສະເພາະເຊັ່ນ: ການແປ, ການກວດຈັບການສໍ້ໂກງ, ຫຼື ການສ້າງຂໍ້ຄວາມ. ມັນອາດເບິ່ງຄືວ່າສະຫຼາດເພາະມັນຮັບຮູ້ຮູບແບບໄດ້ໄວ, ແຕ່ນັ້ນບໍ່ໄດ້ໝາຍຄວາມວ່າມັນເຂົ້າໃຈຄືກັບມະນຸດ. ໂດຍທົ່ວໄປ, AI ລະດັບມະນຸດແມ່ນແນວຄວາມຄິດທີ່ມີການໂຕ້ວາທີຫຼາຍກວ່າຄວາມເປັນຈິງທີ່ນຳໃຊ້.

ໃນຊີວິດປະຈຳວັນ, AI ມັກໝາຍເຖິງຫຍັງ?

ໃນການນຳໃຊ້ປະຈຳວັນ, AI ມັກຈະໝາຍເຖິງລະບົບທີ່ຮັບຂໍ້ມູນເຂົ້າ ແລະ ຜະລິດຜົນຜະລິດເຊັ່ນ: ການຄາດຄະເນ, ຄຳແນະນຳ, ການຕັດສິນໃຈ ຫຼື ເນື້ອຫາທີ່ສ້າງຂຶ້ນ. ນັ້ນລວມມີສິ່ງຕ່າງໆເຊັ່ນ: ການຕື່ມຂໍ້ມູນອັດຕະໂນມັດ, ການແທັກຮູບພາບ, ການປ່ຽນສຽງເປັນຂໍ້ຄວາມ, ຟີດການແນະນຳ ແລະ chatbots. ແນວຄວາມຄິດຫຼັກຍັງຄົງຄືເກົ່າ: ຂໍ້ມູນເຂົ້າ → ການປະມວນຜົນແບບຈຳລອງ → ຜົນຜະລິດທີ່ສາມາດມີອິດທິພົນຕໍ່ສິ່ງທີ່ຄົນເຮັດຕໍ່ໄປ.

ຂ້ອຍຈະຮູ້ໄດ້ແນວໃດວ່າບາງສິ່ງບາງຢ່າງແມ່ນຂັບເຄື່ອນດ້ວຍ AI ຫຼືພຽງແຕ່ອັດຕະໂນມັດ?

ການທົດສອບ sniff ງ່າຍໆແມ່ນການຖາມວ່າ: ສິ່ງ ທີ່ປ້ອນເຂົ້າ ແມ່ນຫຍັງ, ສິ່ງ ທີ່ສົ່ງອອກ ແມ່ນຫຍັງ , ແລະສິ່ງທີ່ປ່ຽນແປງເມື່ອສິ່ງທີ່ປ້ອນເຂົ້າມີການປ່ຽນແປງ? ຖ້າມັນປັບຕົວ ຫຼື ໂດຍທົ່ວໄປນອກເໜືອຈາກກົດລະບຽບທີ່ກຳນົດໄວ້, ມັນອາດຈະຖືກຂັບເຄື່ອນໂດຍ AI. ຖາມອີກຢ່າງໜຶ່ງວ່າຄວາມສຳເລັດ ແລະ ຄວາມລົ້ມເຫຼວຖືກວັດແທກແນວໃດ. ຖ້າຄຳອະທິບາຍບໍ່ຊັດເຈນ ແລະ ສ່ວນໃຫຍ່ແມ່ນພາສາການຕະຫຼາດ, ຈົ່ງລະມັດລະວັງ.

ຂ້ອຍຄວນຖາມຜູ້ຂາຍທີ່ຂາຍຜະລິດຕະພັນ "AI" ຄຳຖາມໃດແດ່?

ຖາມວ່າໃຜເປັນເຈົ້າຂອງລະບົບ, ມັນຮັບຜິດຊອບໜ້າວຽກຫຍັງ, ແລະຕົວຊີ້ວັດໃດທີ່ກຳນົດຄວາມສຳເລັດ. ຈາກນັ້ນໃຫ້ລະອຽດກ່ຽວກັບອິນພຸດ, ຜົນຜະລິດ, ແລະບ່ອນທີ່ມັນເກີດຂໍ້ຜິດພາດ. ທ່ານຄວນຖາມວ່າມັນໃຊ້ຂໍ້ມູນຫຍັງ ແລະ ການນຳໃຊ້ນັ້ນໄດ້ຮັບອະນຸຍາດຫຼືບໍ່. ຜະລິດຕະພັນທີ່ຈິງຈັງຄວນຈະສາມາດອະທິບາຍການທົດສອບ, ຄວາມລົ້ມເຫຼວ, ແລະ ການອັບເດດໄດ້ຢ່າງຊັດເຈນ.

ເປັນຫຍັງການຍິນຍອມຈຶ່ງມີຄວາມສຳຄັນກັບລະບົບ AI?

ການຍິນຍອມເຫັນດີມີຄວາມສຳຄັນເພາະວ່າ AI ມັກຈະອີງໃສ່ຂໍ້ມູນ - ການປ້ອນຂໍ້ມູນຂອງຜູ້ໃຊ້, ເອກະສານພາຍໃນ, ຫຼືແຫຼ່ງຂໍ້ມູນສາທາລະນະ - ເພື່ອສ້າງຜົນຜະລິດ. ທ່ານຄວນກວດສອບວ່າຂໍ້ມູນໃດຖືກນຳໃຊ້ ແລະ ວ່າມັນໄດ້ຮັບອະນຸຍາດສຳລັບຈຸດປະສົງນັ້ນຫຼືບໍ່. ຖ້າການນຳໃຊ້ຂໍ້ມູນບໍ່ໄດ້ຮັບອະນຸຍາດ ຫຼື ສື່ສານຢ່າງຈະແຈ້ງ, ລະບົບສາມາດສ້າງບັນຫາທາງດ້ານກົດໝາຍ, ຈັນຍາບັນ ແລະ ຄວາມໄວ້ວາງໃຈໄດ້ເຖິງແມ່ນວ່າມັນຈະ "ເຮັດວຽກໄດ້" ກໍຕາມ

ມັນໝາຍຄວາມວ່າແນວໃດທີ່ AI ສາມາດກວດສອບ ແລະ ໂຕ້ຖຽງໄດ້?

ການກວດສອບໄດ້ໝາຍຄວາມວ່າທ່ານສາມາດຕິດຕາມການທົດສອບ, ຄວາມລົ້ມເຫຼວ ແລະ ການອັບເດດຕ່າງໆ ດັ່ງນັ້ນການອ້າງສິດກ່ຽວກັບປະສິດທິພາບສາມາດກວດສອບໄດ້ໃນພາຍຫຼັງ. ຄວາມສາມາດໃນການແຂ່ງຂັນໄດ້ໝາຍຄວາມວ່າມີຂະບວນການທີ່ຈະທ້າທາຍຜົນຜະລິດທີ່ຜິດພາດ - ໂດຍສະເພາະເມື່ອ AI ມີຜົນກະທົບຕໍ່ການຕັດສິນໃຈກ່ຽວກັບຄົນ. ຮ່ວມກັນ, ພວກມັນຊ່ວຍປ້ອງກັນການຕັດສິນໃຈ "ກ່ອງດຳ" ແລະ ເຮັດໃຫ້ມັນງ່າຍຕໍ່ການຈັບຄວາມຜິດພາດທີ່ອາດຈະເກີດຂຶ້ນຊ້ຳອີກໃນຂອບເຂດໃຫຍ່.

---

ເອກະສານອ້າງອີງ

[1] ວັດຈະນານຸກົມ Cambridge - “ປັນຍາປະດິດ”
[2] ສາລານຸກົມ Britannica - “ປັນຍາປະດິດ (AI)”
[3] NIST - ຂອບການຄຸ້ມຄອງຄວາມສ່ຽງ AI (AI RMF)
[4] OECD.AI - ພາບລວມຫຼັກການ OECD AI (ລວມທັງຄຳນິຍາມຂອງລະບົບ AI)
[5] Stanford HAI - ດັດຊະນີ AI

ຊອກຫາ AI ລ່າສຸດໄດ້ທີ່ຮ້ານ AI Assistant ຢ່າງເປັນທາງການ

ກ່ຽວກັບພວກເຮົາ