ຢ່າສັບສົນເກີນໄປ - ຖ້າທ່ານສົງໄສວ່າໃຜເປັນຜູ້ລິເລີ່ມການເຄື່ອນໄຫວດ້ານປັນຍາປະດິດທັງໝົດ, ຄຳຕອບ, ຢ່າງໜ້ອຍກໍ່ໃນອະດີດ, ແມ່ນຂ້ອນຂ້າງຊັດເຈນ: John McCarthy . ຜູ້ຊາຍທີ່ບໍ່ໄດ້ເຂົ້າຮ່ວມໃນຊຸມປີຕົ້ນໆຂອງ AI - ລາວໄດ້ຕັ້ງຊື່ມັນຕາມຕົວອັກສອນ. ສຳນວນນີ້ວ່າ ປັນຍາປະດິດ ? ຂອງລາວ.
ແຕ່ຢ່າເຂົ້າໃຈຜິດວ່າມັນເປັນຊື່ທີ່ຕິດຫູ. ມັນບໍ່ແມ່ນກຽດຕິຍົດ. ແຕ່ມັນເປັນສິ່ງທີ່ສົມຄວນໄດ້ຮັບ.
ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:
🔗 ວິທີການສ້າງ AI - ການເຈາະເລິກໂດຍບໍ່ມີຄວາມ
ສັບສົນ ຄູ່ມືທີ່ຄົບຖ້ວນ ແລະ ງ່າຍດາຍສຳລັບການສ້າງ AI ຂອງທ່ານເອງຕັ້ງແຕ່ເລີ່ມຕົ້ນ.
🔗 Quantum AI ແມ່ນຫຍັງ? – ບ່ອນທີ່ຟີຊິກ, ລະຫັດ, ແລະ ຄວາມວຸ້ນວາຍຕັດກັນ
ສຳຫຼວດຈຸດຕັດກັນທີ່ໜ້າຕື່ນເຕັ້ນຂອງກົນຈັກ quantum ແລະ ປັນຍາປະດິດ.
🔗 ການອະນຸມານໃນ AI ແມ່ນຫຍັງ? – ຊ່ວງເວລາທີ່ທຸກຢ່າງມາລວມກັນ
ຮຽນຮູ້ວິທີທີ່ AI ຕັດສິນໃຈ ແລະ ຜະລິດຂໍ້ມູນເຊີງເລິກໃນເວລາຈິງໂດຍໃຊ້ຂໍ້ມູນທີ່ໄດ້ຮັບການຝຶກອົບຮົມ.
🔗 ການໃຊ້ວິທີການແບບຮອບດ້ານກັບ AI ໝາຍຄວາມວ່າແນວໃດ?
ຄົ້ນພົບວ່າເປັນຫຍັງຄວາມສຳເລັດຂອງ AI ຈຶ່ງມີຫຼາຍກວ່າພຽງແຕ່ຂັ້ນຕອນວິທີ - ຈັນຍາບັນ, ເຈດຕະນາ ແລະ ຜົນກະທົບກໍ່ມີຄວາມສຳຄັນເຊັ່ນກັນ.
John McCarthy: ຫຼາຍກວ່າຊື່ໃນເອກະສານ 🧑📘
ເກີດໃນປີ 1927 ແລະ ເຄື່ອນໄຫວໃນຂະແໜງການນີ້ຈົນກະທັ່ງເສຍຊີວິດໃນປີ 2011, John McCarthy ມີຄວາມຊັດເຈນແບບແປກໆກ່ຽວກັບເຄື່ອງຈັກ - ສິ່ງທີ່ພວກມັນສາມາດກາຍເປັນໄດ້, ສິ່ງທີ່ພວກມັນອາດຈະບໍ່ເປັນ. ດົນນານກ່ອນທີ່ເຄືອຂ່າຍປະສາດຈະທຳລາຍເຊີບເວີອິນເຕີເນັດ, ລາວໄດ້ຖາມເລື່ອງຍາກໆແລ້ວວ່າ: ພວກເຮົາຈະສອນເຄື່ອງຈັກໃຫ້ຄິດໄດ້ແນວໃດ? ສິ່ງໃດນັບວ່າເປັນຄວາມຄິດ?
ໃນປີ 1956, McCarthy ໄດ້ຮ່ວມຈັດກອງປະຊຸມເຝິກອົບຮົມຢູ່ວິທະຍາໄລ Dartmouth ດ້ວຍນັກປັນຍາຊົນທີ່ມີຄວາມສາມາດສູງຄື: Claude Shannon (ແມ່ນແລ້ວ, ຜູ້ຊ່ຽວຊານດ້ານທິດສະດີຂໍ້ມູນ), Marvin Minsky, ແລະ ອີກສອງສາມຄົນ. ນີ້ບໍ່ແມ່ນພຽງແຕ່ກອງປະຊຸມວິຊາການທີ່ເຕັມໄປດ້ວຍຝຸ່ນເທົ່ານັ້ນ. ມັນແມ່ນຊ່ວງເວລາ. ເຫດການຕົວຈິງທີ່ຄຳວ່າ ປັນຍາປະດິດ ໄດ້ຖືກນຳໃຊ້ເປັນຄັ້ງທຳອິດໃນຖານະທີ່ເປັນທາງການ.
ຂໍ້ສະເໜີຂອງ Dartmouth ນັ້ນບໍ? ເຖິງວ່າມັນຈະແຫ້ງແລ້ງໜ້ອຍໜຶ່ງ, ແຕ່ມັນກໍ່ກະຕຸ້ນການເຄື່ອນໄຫວທີ່ຍັງບໍ່ທັນຊ້າລົງເທື່ອ.
ລາວໄດ້ເຮັດຫຍັງແທ້? (ຫຼາຍແທ້ໆ) 💡🔧
LISP, ສຳລັບຜູ້ເລີ່ມຕົ້ນ
ໃນປີ 1958, McCarthy ໄດ້ພັດທະນາ LISP , ພາສາການຂຽນໂປຣແກຣມທີ່ຈະຄອບງຳການຄົ້ນຄວ້າ AI ເປັນເວລາຫຼາຍທົດສະວັດ. ຖ້າທ່ານເຄີຍໄດ້ຍິນຄຳວ່າ "AI ທີ່ເປັນສັນຍາລັກ," LISP ແມ່ນເຄື່ອງມືທີ່ສັດຊື່ຂອງມັນ. ມັນຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າຫຼິ້ນກັບເຫດຜົນແບບຊ້ຳໆ, ເຫດຜົນທີ່ຊ້ອນກັນ - ໂດຍພື້ນຖານແລ້ວ, ສິ່ງທີ່ພວກເຮົາຄາດຫວັງຈາກເຕັກໂນໂລຢີທີ່ທັນສະໄໝກວ່າ.
ການແບ່ງປັນເວລາ: OG Cloud
ແນວຄວາມຄິດຂອງ McCarthy ກ່ຽວກັບ ການແບ່ງປັນເວລາ - ການໃຫ້ຜູ້ໃຊ້ຫຼາຍຄົນພົວພັນກັບຄອມພິວເຕີໃນເວລາດຽວກັນ - ໄດ້ຊ່ວຍຊຸກຍູ້ການຄອມພິວເຕີ້ໄປສູ່ສິ່ງທີ່ສາມາດຂະຫຍາຍໄດ້. ເຈົ້າອາດຈະໂຕ້ຖຽງວ່າມັນເປັນບັນພະບຸລຸດທາງວິນຍານໃນຕອນຕົ້ນຂອງການຄອມພິວເຕີ້ຄລາວ.
ລາວຕ້ອງການໃຫ້ເຄື່ອງຈັກໃຊ້ເຫດຜົນ
ໃນຂະນະທີ່ຄົນສ່ວນໃຫຍ່ສຸມໃສ່ຮາດແວ ຫຼື ຊຸດກົດລະບຽບທີ່ຄັບແຄບ, McCarthy ໄດ້ເຈາະເຂົ້າໄປໃນເຫດຜົນ - ຂອບການເຮັດວຽກທີ່ໃຫຍ່ ແລະ ເປັນນາມທຳ ເຊັ່ນ: ແຄລຄູລັສສະຖານະການ ແລະ ການຈຳກັດຂອບເຂດ . ສິ່ງເຫຼົ່ານີ້ບໍ່ແມ່ນຄຳສັບທີ່ນິຍົມໃຊ້. ພວກມັນແມ່ນຂອບການເຮັດວຽກທີ່ຊ່ວຍໃຫ້ເຄື່ອງຈັກບໍ່ພຽງແຕ່ປະຕິບັດ, ແຕ່ຍັງໃຊ້ເຫດຜົນໃນໄລຍະເວລາ ແລະ ຄວາມບໍ່ແນ່ນອນ.
ໂອ້, ແລະລາວໄດ້ຮ່ວມກໍ່ຕັ້ງຫ້ອງທົດລອງ AI ຂອງ Stanford.
Stanford (SAIL) ໄດ້ກາຍເປັນພື້ນຖານຂອງ AI ທາງວິຊາການ. ຫຸ່ນຍົນ, ການປະມວນຜົນພາສາ, ລະບົບວິໄສທັດ - ພວກມັນທັງໝົດລ້ວນແຕ່ມີຮາກຖານຢູ່ທີ່ນັ້ນ.
ມັນບໍ່ແມ່ນແຕ່ລາວຄົນດຽວ 📚🧾
ເບິ່ງແມ, ຄວາມສະຫຼາດບໍ່ຄ່ອຍຈະເກີດຂຶ້ນໄດ້ຄົນດຽວ. ຜົນງານຂອງ McCarthy ແມ່ນພື້ນຖານ, ແມ່ນແລ້ວ, ແຕ່ລາວບໍ່ໄດ້ຢູ່ຄົນດຽວໃນການສ້າງກະດູກສັນຫຼັງຂອງ AI. ນີ້ແມ່ນໃຜອີກທີ່ສົມຄວນໄດ້ຮັບການກ່າວເຖິງ:
-
ອາລັນ ທົວຣິງ - ໄດ້ສະເໜີຄຳຖາມທີ່ວ່າ “ເຄື່ອງຈັກສາມາດຄິດໄດ້ບໍ?” ໃນປີ 1950. ການທົດສອບທົວຣິງ ຍັງຖືກອ້າງອີງເຖິງຈົນເຖິງທຸກມື້ນີ້. ມີວິໄສທັດ ແລະ ໜ້າເສົ້າໃຈທີ່ກ້າວໜ້າກວ່າຍຸກສະໄໝຂອງລາວ 🤖.
-
Claude Shannon - ຊ່ວຍເປີດກອງປະຊຸມ Dartmouth ກັບ McCarthy. ພ້ອມທັງໄດ້ສ້າງໜູກົນຈັກ (Theseus) ທີ່ແກ້ໄຂເສັ້ນທາງວົງກົມໂດຍການຮຽນຮູ້. ເປັນເລື່ອງທີ່ແປກປະຫຼາດໜ້ອຍໜຶ່ງສຳລັບຊຸມປີ 1950 🐭.
-
ເຮີເບີດ ໄຊມອນ ແລະ ແອລເລນ ນິວເວວ - ພວກເຂົາໄດ້ສ້າງ ໂປຣແກຣມທິດສະດີເຫດຜົນ , ເຊິ່ງເປັນໂປຣແກຣມທີ່ສາມາດພິສູດທິດສະດີໄດ້. ໃນຕອນທຳອິດຜູ້ຄົນບໍ່ເຊື່ອມັນ.
-
Marvin Minsky - ນັກທິດສະດີ ແລະ ນັກອອກແບບທີ່ມີຄວາມເທົ່າທຽມກັນ. ລາວໄດ້ປ່ຽນແປງລະຫວ່າງເຄືອຂ່າຍປະສາດ, ຫຸ່ນຍົນ, ແລະ ທັດສະນະທາງປັດຊະຍາທີ່ກ້າຫານ. ເປັນຄູ່ຮ່ວມງານຝຶກຊ້ອມທາງປັນຍາຂອງ McCarthy ເປັນເວລາຫຼາຍປີ 🛠️.
-
ນິລສ໌ ນິລສ໌ສັນ - ໄດ້ກຳນົດວິທີທີ່ພວກເຮົາຄິດກ່ຽວກັບການວາງແຜນ, ການຄົ້ນຫາ ແລະ ຕົວແທນຢ່າງງຽບໆ. ໄດ້ຂຽນປຶ້ມແບບຮຽນທີ່ນັກຮຽນ AI ສ່ວນໃຫຍ່ໃນຕົ້ນໆມີເປີດໄວ້ເທິງໂຕະຂອງເຂົາເຈົ້າ.
ຄົນພວກນີ້ບໍ່ແມ່ນຕົວລະຄອນຂ້າງຄຽງ - ພວກເຂົາໄດ້ຊ່ວຍກຳນົດຂອບເຂດຂອງສິ່ງທີ່ AI ສາມາດເປັນໄດ້. ເຖິງຢ່າງໃດກໍ່ຕາມ, McCarthy ຍັງຄົງເປັນຈຸດໃຈກາງ.
ຍຸກສະໄໝໃໝ່ບໍ? ນັ້ນແມ່ນຄື້ນອີກແບບໜຶ່ງ 🔬⚙️
ກ້າວໄປໜ້າໄວໆ. ເຈົ້າມີຄົນຄື Geoffrey Hinton , Yoshua Bengio , ແລະ Yann LeCun - ປະຈຸບັນເປັນທີ່ຮູ້ຈັກກັນໃນນາມ "Godfathers of Deep Learning".
ຮູບແບບການເຜີຍແຜ່ຂໍ້ມູນກັບຫຼັງຂອງ Hinton ໃນຊຸມປີ 1980 ບໍ່ໄດ້ຫາຍໄປງ່າຍໆ - ແຕ່ພວກມັນໄດ້ວິວັດທະນາການ. ຮອດປີ 2012, ຜົນງານຂອງລາວກ່ຽວກັບເຄືອຂ່າຍປະສາດ convolutional ໄດ້ຊ່ວຍເປີດຕົວ AI ເຂົ້າສູ່ຄວາມສົນໃຈຂອງສາທາລະນະ. ລອງຄິດເບິ່ງ: ການຮັບຮູ້ຮູບພາບ, ການສັງເຄາະສຽງ, ຂໍ້ຄວາມຄາດເດົາ - ທັງໝົດລ້ວນແຕ່ມາຈາກແຮງກະຕຸ້ນການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງນັ້ນ 🌊.
ໃນປີ 2024, Hinton ໄດ້ຮັບ ລາງວັນໂນແບລສາຂາຟີຊິກສ໌ ສຳລັບການປະກອບສ່ວນເຫຼົ່ານັ້ນ. ແມ່ນແລ້ວ, ຟີຊິກສ໌. ນັ້ນແມ່ນວິທີທີ່ເສັ້ນແບ່ງລະຫວ່າງລະຫັດ ແລະ ການຮັບຮູ້ມົວໆໃນປັດຈຸບັນ 🏆.
ແຕ່ນີ້ແມ່ນສິ່ງທີ່ເກີດຂຶ້ນ: ບໍ່ມີ Hinton, ບໍ່ມີການຮຽນຮູ້ເລິກ - ຖືກຕ້ອງ. ແຕ່ກໍ່ ບໍ່ມີ McCarthy, ບໍ່ມີຂະແໜງການ AI ຕັ້ງແຕ່ເລີ່ມຕົ້ນ . ອິດທິພົນຂອງລາວຍັງຄົງຢູ່ໃນກະດູກ.
ຜົນງານຂອງ McCarthy ບໍ? ຍັງກ່ຽວຂ້ອງຢູ່ 🧩📏
ການຫັນປ່ຽນທີ່ແປກປະຫຼາດ - ໃນຂະນະທີ່ການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງເປັນກົດລະບຽບໃນທຸກມື້ນີ້, ບາງແນວຄວາມຄິດ "ເກົ່າ" ຂອງ McCarthy ກຳລັງກັບມາ. ເຫດຜົນແບບສັນຍະລັກ, ກຣາຟຄວາມຮູ້, ແລະລະບົບປະສົມ? ພວກມັນແມ່ນອະນາຄົດອີກຄັ້ງ.
ເປັນຫຍັງ? ເພາະວ່າເຖິງວ່າຮູບແບບການສ້າງແບບຈຳລອງຈະສະຫຼາດປານໃດກໍຕາມ, ແຕ່ພວກມັນຍັງຂາດຄວາມຊຳນານໃນບາງສິ່ງບາງຢ່າງ - ເຊັ່ນ: ການຮັກສາຄວາມສອດຄ່ອງ, ການນຳໃຊ້ເຫດຜົນໃນໄລຍະເວລາ, ຫຼື ການຈັດການກັບຄວາມຂັດແຍ້ງ. McCarthy ໄດ້ສຳຫຼວດຂອບເຫຼົ່ານັ້ນແລ້ວໃນຊຸມປີ 60 ແລະ 70.
ສະນັ້ນ, ເມື່ອຄົນເວົ້າກ່ຽວກັບການປະສົມປະສານ LLMs ກັບຊັ້ນເຫດຜົນ ຫຼື ການຊ້ອນກັນຂອງສັນຍາລັກ - ພວກເຂົາກຳລັງທົບທວນຄືນປຶ້ມຫຼິ້ນຂອງລາວ, ບໍ່ວ່າຈະຮູ້ຕົວຫຼືບໍ່ຮູ້ຕົວ, ກັບຄືນມາເບິ່ງ.
ດັ່ງນັ້ນ, ໃຜຄືພໍ່ຂອງ AI? 🧠✅
ບໍ່ຕ້ອງລັງເລໃຈຢູ່ທີ່ນີ້: John McCarthy .
ລາວໄດ້ຕັ້ງຊື່ນີ້ຂຶ້ນມາ. ປັ້ນແຕ່ງພາສາ. ສ້າງເຄື່ອງມື. ຖາມຄຳຖາມທີ່ຍາກ. ແລະແມ່ນແຕ່ໃນປັດຈຸບັນ, ນັກຄົ້ນຄວ້າ AI ຍັງຄົງພະຍາຍາມແກ້ໄຂບັນຫາແນວຄວາມຄິດທີ່ລາວໄດ້ວາງແຜນໄວ້ເທິງກະດານດຳເມື່ອເຄິ່ງສະຕະວັດກ່ອນ.
ຕ້ອງການຄົ້ນຫາລະຫັດ LISP ບໍ? ເຂົ້າໄປເບິ່ງຕົວແທນສັນຍາລັກບໍ? ຫຼື ຕິດຕາມວ່າຂອບການເຮັດວຽກຂອງ McCarthy ລວມເຂົ້າກັບສະຖາປັດຕະຍະກຳປະສາດໃນປະຈຸບັນແນວໃດ? ຂ້ອຍເຂົ້າໃຈເຈົ້າແລ້ວ - ພຽງແຕ່ຖາມ.