នៅពេលដែលអ្នកជំនាញនៅទូទាំងឧស្សាហកម្មប្រកួតប្រជែងដើម្បីទទួលយកឧបករណ៍បញ្ញាសិប្បនិម្មិត សំណួរដ៏គួរឱ្យព្រួយបារម្ភមួយកំពុងផ្លាស់ប្តូរពីការរំពឹងទុកទៅក្នុងអាណាចក្រនៃភស្តុតាងដែលបានវាស់វែង៖ តើយើងបាត់បង់ជំនាញដែលឧបករណ៍ទាំងនេះមានគោលបំណងជួយទេ?

របាយ​ការណ៍​មួយ​ដែល​បាន​ចេញ​ផ្សាយ​នៅ​ក្នុង Nature រក​ឃើញ​ថា​លទ្ធផល​ដំបូង​គឺ​នៅ​ក្នុង — ហើយ​ពួក​គេ​មិន​មាន​ការ​លើក​ទឹក​ចិត្ត​ទេ។ ការពឹងផ្អែកលើប្រព័ន្ធដែលជំរុញដោយ AI កំពុងចាប់ផ្តើមបំផ្លាញសមត្ថភាពរបស់គ្រូពេទ្យ វិស្វករផ្នែកទន់ និងបុគ្គលិកជំនាញផ្សេងទៀត ដោយបង្កើតជាសំណួរបន្ទាន់អំពីរបៀបរក្សាជំនាញរបស់មនុស្សក្នុងយុគសម័យស្វ័យប្រវត្តិកម្ម។ For more context on this story, see our ongoing more AI stories.

គ្រូពេទ្យអនុវត្តកាន់តែអាក្រក់ដោយគ្មាន AI

ឧទាហរណ៍ច្បាស់បំផុតមួយបានមកពីថ្នាំ។ ការសិក្សាមួយរបស់គ្រូពេទ្យជនជាតិប៉ូឡូញដែលមានឯកទេសខាងការថតឆ្លុះបានពិនិត្យថាតើមានអ្វីកើតឡើងនៅពេលដែលវេជ្ជបណ្ឌិតដែលមានបទពិសោធន៍លូតលាស់ស៊ាំនឹងជំនួយការ AI ហើយបន្ទាប់មកបាត់បង់លទ្ធភាពប្រើប្រាស់វា។

គ្រូពេទ្យដែលទាំងអស់បានធ្វើការថតចម្លងពោះវៀនធំយ៉ាងហោចណាស់ 2,000 ក្នុងអំឡុងពេលអាជីពរបស់ពួកគេត្រូវបានផ្តល់ប្រព័ន្ធ AI ដែលវិភាគរូបភាពនៃពោះវៀនធំក្នុងពេលវេលាជាក់ស្តែង និងសម្គាល់ប្រភេទនៃដំបៅពោះវៀនដែលហៅថា adenoma ។ ឧបករណ៍​នេះ​មាន​នៅ​ថ្ងៃ​ខ្លះ ប៉ុន្តែ​មិន​មាន​លើ​ឧបករណ៍​ផ្សេង​ទេ ដោយ​បង្កើត​ការ​ពិសោធន៍​ធម្មជាតិ។

លទ្ធផលគឺស្រឡះ។ ក្នុងអំឡុងពេលបីខែមុនពេលឧបករណ៍ AI ត្រូវបានណែនាំ អ្នកឯកទេសបានរកឃើញយ៉ាងហោចណាស់ adenoma មួយក្នុងអំឡុងពេល 28.4 ភាគរយនៃការឆ្លុះពោះវៀនធំ។ បន្ទាប់ពីឧបករណ៍នេះត្រូវបានណែនាំ អត្រារកឃើញ adenoma សម្រាប់ការឆ្លុះពោះវៀនធំត្រូវបានអនុវត្ត ដោយគ្មានជំនួយ AI បានធ្លាក់ចុះដល់ 22.4 ភាគរយ។

ម៉្យាងវិញទៀត នៅពេលដែលគ្រូពេទ្យចាប់ផ្តើមពឹងផ្អែកលើប្រព័ន្ធ AI នោះ ដំណើរការវិនិច្ឆ័យរោគផ្ទាល់របស់ពួកគេបានធ្លាក់ចុះ នៅពេលដែលវាមិនអាចប្រើបាន។ ការរកឃើញនេះត្រូវបានបោះពុម្ពកាលពីខែតុលាឆ្នាំមុននៅក្នុង The Lancet Gastroenterology and Hepatology។

អ្នកនិពន្ធនៃការសិក្សាបានសន្និដ្ឋានថាការប៉ះពាល់ជាបន្តបន្ទាប់ទៅនឹងឧបករណ៍បែបនេះអាចបណ្តាលឱ្យគ្រូពេទ្យ "មានការលើកទឹកចិត្តតិច មិនសូវផ្តោតអារម្មណ៍ និងទំនួលខុសត្រូវតិចនៅពេលធ្វើការសម្រេចចិត្តដោយការយល់ដឹងដោយគ្មានជំនួយពី AI"។

ការស្ទង់មតិបង្ហាញថា ការព្រួយបារម្ភកំពុងរីករាលដាល

ការភ័យខ្លាចនៃការបាត់បង់ជំនាញមិនត្រូវបានកំណត់ចំពោះការសិក្សាមួយចំនួននោះទេ។ ការស្ទង់មតិរបស់បុគ្គលិកថែទាំសុខភាពរបស់សហរដ្ឋអាមេរិកដែលបានចេញផ្សាយកាលពីដើមខែមិថុនាបានរកឃើញថាគិលានុបដ្ឋាយិកា 70 ភាគរយនិងគ្រូពេទ្យ 77 ភាគរយព្រួយបារម្ភអំពីការបាត់បង់ជំនាញរបស់ពួកគេដោយសារតែការពឹងផ្អែកខ្លាំងលើប្រព័ន្ធ AI ។

ការថប់បារម្ភនោះហាក់ដូចជាត្រឹមត្រូវដោយទិន្នន័យដែលកំពុងលេចឡើង។ នៅពេលដែលអ្នកជំនាញកាន់តែច្រើនបញ្ចូល AI ទៅក្នុងលំហូរការងារប្រចាំថ្ងៃរបស់ពួកគេ គម្លាតរវាងអ្វីដែលពួកគេអាចធ្វើជាមួយបច្ចេកវិទ្យា និងអ្វីដែលពួកគេអាចធ្វើបានដោយគ្មានវាអាចនឹងកាន់តែធំឡើង។

Kevin Crowston ដែលជាអ្នកវិទ្យាសាស្ត្រព័ត៌មាននៅសាកលវិទ្យាល័យ Syracuse បានកំណត់បញ្ហាប្រឈមយ៉ាងច្បាស់លាស់ថា "គ្រាន់តែដឹងថាបាតុភូតនេះកើតឡើង សង្ឃឹមថានឹងធ្វើឱ្យមានការឆ្លុះបញ្ចាំងខ្លួនឯងខ្លះអំពីជំនាញដែលមនុស្សចង់រក្សា និងដែលពួកគេសុខចិត្តបញ្ចេញប្រភព" ទៅកាន់ឧបករណ៍ AI ។

វិស្វករកម្មវិធីបង្ហាញគំរូស្រដៀងគ្នា

ប្រសិទ្ធភាព deskilling មិនត្រូវបានកំណត់ចំពោះថ្នាំទេ។ ដើម្បីស៊ើបអង្កេតថាតើជំនាញកំពុងបាត់បង់នៅក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រ អ្នកស្រាវជ្រាវនៅក្រុមហ៊ុន AI Anthropic បានរចនាការសាកល្បងដែលគ្រប់គ្រងដោយចៃដន្យដែលពាក់ព័ន្ធនឹងវិស្វករកម្មវិធីចំនួន 52 ។

អ្នកចូលរួមទាំងអស់ត្រូវបានស្នើឱ្យធ្វើកិច្ចការសរសេរកូដជាមូលដ្ឋាន។ វិស្វករគ្រប់រូបអាចស្វែងរកគេហទំព័រ និងចូលប្រើការណែនាំអំពីរបៀបបំពេញវា។ ពាក់កណ្តាលក៏ត្រូវបានជំរុញឱ្យប្រើជំនួយការ AI ផងដែរ។ ការសិក្សាដែលត្រូវបានចេញផ្សាយជា preprint ត្រូវបានរចនាឡើងដើម្បីញែកឥទ្ធិពលនៃជំនួយ AI លើសមត្ថភាពសរសេរកូដជាមូលដ្ឋាន។

ការរកឃើញនេះបន្ថែមលើការរីកលូតលាស់នៃភស្តុតាងដែលថាការបញ្ជូនការងារការយល់ដឹងជាទម្លាប់ទៅ AI អាចចុះខ្សោយសមត្ថភាពមូលដ្ឋានដែលអ្នកជំនាញបានបង្កើតតាមរយៈការអនុវត្តម្តងហើយម្តងទៀត។ នៅពេលដែល AI គ្រប់គ្រងការលើកធ្ងន់ អ្នកអនុវត្តមនុស្សទទួលបានឱកាសតិចជាងមុនក្នុងការកសាង និងរក្សាជំនាញ។

មេកានិចនៃ Deskilling

អ្នកស្រាវជ្រាវពណ៌នាអំពី deskilling ជាដំណើរការបណ្តើរៗ។ នៅពេលដែលឧបករណ៍មួយអាចដោះស្រាយកិច្ចការមួយដោយភាពជឿជាក់ ការចូលរួមរបស់កម្មករជាមួយនឹងជំនាញមូលដ្ឋានបានធ្លាក់ចុះ។ យូរៗទៅ ផ្លូវប្រសាទ និងការវិនិច្ឆ័យដែលបន្តអនុវត្តជាច្រើនឆ្នាំចាប់ផ្តើមរសាយ។

នៅក្នុងថ្នាំ នេះអាចមានគ្រោះថ្នាក់ជាពិសេស។ គ្រូពេទ្យដែលធ្លាប់ពឹងផ្អែកលើការវិនិច្ឆ័យដែលមើលឃើញយ៉ាងប៉ិនប្រសប់ដើម្បីរកមើលជាលិកាដែលគួរឱ្យសង្ស័យអាចបន្ទាប់ពីជំនួយ AI ជាច្រើនខែ ក្លាយជាពឹងផ្អែកលើការជម្រុញរបស់ប្រព័ន្ធ។ ប្រសិនបើប្រព័ន្ធនេះបរាជ័យ ឬមិនអាចប្រើបាន ការអនុវត្តដែលគ្មានជំនួយរបស់វេជ្ជបណ្ឌិតអាចនឹងមិនបំពេញតាមស្តង់ដារដែលវាធ្លាប់ធ្វើនោះទេ។

Yuichi Mori ដែលជាគ្រូពេទ្យ-ស្រាវជ្រាវនៅសាកលវិទ្យាល័យ Oslo និងជាសហអ្នកនិពន្ធនៃការសិក្សាស្រាវជ្រាវពោះវៀនធំបានព្រមានថាអ្នកដែលប្រើឧបករណ៍ AI គួរតែដឹងថាពួកគេប្រថុយនឹងការបាត់បង់ជំនាញមួយចំនួនរបស់ពួកគេ។ លោក​បាន​បន្ត​ថា​៖ «​មិន​មាន​ដំណោះ​ស្រាយ​ដែល​ត្រូវ​បាន​បង្កើត​ឡើង​ប្រឆាំង​នឹង​ការ​ដោះ​ស្រាយ​នៅ​ពេល​នេះ​ទេ។ "វាគួរតែជាប្រធានបទស្រាវជ្រាវដ៏ក្តៅគគុកក្នុងទសវត្សរ៍ក្រោយ"។

ហេតុអ្វីបានជាការធ្វើតេស្តស្តង់ដារបាត់បញ្ហា

ផ្នែកមួយនៃការលំបាកក្នុងការដោះស្រាយ deskilling គឺវាមើលមិនឃើញរហូតដល់ AI ត្រូវបានដកចេញ។ រង្វាស់នៃការអនុវត្តមើលទៅខ្លាំងនៅពេលដែលឧបករណ៍កំពុងប្រើប្រាស់ ដោយបិទបាំងនូវការថយចុះបន្តិចម្តងៗនៃសមត្ថភាពរបស់មនុស្សនៅខាងក្រោម។

វាបង្កើតរង្វិលជុំមតិកែលម្អ។ កម្មករធ្វើបានល្អជាមួយ AI ដូច្នេះពួកគេប្រើវាកាន់តែច្រើន។ ពួកគេកាន់តែប្រើវា នោះពួកគេអនុវត្តជំនាញដែលមិនមានជំនួយ។ នៅពេលដែលការធ្លាក់ចុះកាន់តែច្បាស់ — នៅពេលដែលឧបករណ៍ធ្លាក់ចុះ ចូលនិវត្តន៍ ឬជំនួស — ជំនាញអាចនឹងធ្លាក់ចុះរួចទៅហើយ។

បាតុភូតនេះក៏ចោទជាសំណួរអំពីរបៀបដែលអង្គការគួររៀបចំរចនាសម្ព័ន្ធបណ្តុះបណ្តាល និងការវាយតម្លៃ។ ប្រសិនបើសមត្ថភាពវិជ្ជាជីវៈត្រូវបានវាស់វែងកាន់តែខ្លាំងឡើង ខណៈពេលដែលជំនួយ AI សកម្ម ការវាយតម្លៃអាចនឹងហួសពីអ្វីដែលកម្មករពិតជាអាចធ្វើបានដោយខ្លួនឯង។

ការរក្សាជំនាញរបស់មនុស្ស

អ្នកស្រាវជ្រាវ និងអ្នកជំនាញនៅកន្លែងធ្វើការឥឡូវនេះកំពុងជជែកគ្នាអំពីរបៀបរក្សាជំនាញមនុស្សសំខាន់ៗនៅក្នុងយុគសម័យ AI ។ ដំណោះស្រាយមិនទាន់ច្បាស់នៅឡើយទេ ប៉ុន្តែគោលការណ៍មួយចំនួនកំពុងលេចឡើង។

ទីមួយ ការយល់ដឹងជាបញ្ហា។ ការទទួលស្គាល់ដោយសាមញ្ញថាការដកជំនាញអាចកើតឡើងអាចជំរុញឱ្យបុគ្គល និងអង្គការនានារក្សាការអនុវត្តដោយចេតនាដោយមិនមានជំនួយ។ ទីពីរ អ្នក​ជំនាញ​ប្រហែល​ជា​ត្រូវ​ធ្វើ​ការ​ជ្រើសរើស​ដោយ​ដឹង​ខ្លួន​អំពី​ជំនាញ​ណា​ដែល​ត្រូវ​រក្សា​ភាព​មុត​ស្រួច និង​មួយ​ណា​ត្រូវ​ផ្ទេរ​សិទ្ធិ។ មិនមែនគ្រប់ជំនាញទាំងអស់សុទ្ធតែមានតម្លៃក្នុងការរក្សាបាននូវភាពរឹងមាំពេញលេញនោះទេ ប៉ុន្តែខ្លះទៀត - ជាពិសេសអ្នកដែលភ្ជាប់ទៅនឹងសុវត្ថិភាព ការធ្វើរោគវិនិច្ឆ័យ និងការវិនិច្ឆ័យយ៉ាងសំខាន់ - គឺច្បាស់ណាស់។

ទីបី អង្គការប្រហែលជាត្រូវរៀបចំឡើងវិញនូវលំហូរការងារ ដូច្នេះការបង្កើន AI ជាជាងជំនួសការងារស្នូលនៃការយល់ដឹង។ ជំនួសឱ្យការអនុញ្ញាតឱ្យឧបករណ៍ធ្វើការគិត AI អាចត្រូវបានកំណត់ថាជាការត្រួតពិនិត្យលើការវិនិច្ឆ័យរបស់មនុស្ស ដោយតម្រូវឱ្យអ្នកជំនាញមករកចម្លើយជាមុនសិន មុនពេលពិគ្រោះជាមួយប្រព័ន្ធ។

ការប្រកួតប្រជែងកំណត់សម្រាប់យុគសម័យ AI

របាយការណ៍ Nature បញ្ជាក់យ៉ាងច្បាស់ថា deskilling លែងជាកង្វល់បែបសម្មតិកម្មទៀតហើយ។ ភ័ស្តុតាង ខណៈពេលដែលនៅដំណាក់កាលដំបូង គឺមានភាពស៊ីសង្វាក់គ្នាលើវិស័យនានា៖ នៅពេលដែលមនុស្សប្រគល់ការងារការយល់ដឹងទៅ AI ជំនាញមូលដ្ឋានអាចចុះខ្សោយ។

សម្រាប់អ្នកជំនាញរាប់លាននាក់ឥឡូវនេះរួមបញ្ចូល AI ទៅក្នុងទម្លាប់ប្រចាំថ្ងៃរបស់ពួកគេ ភាគហ៊ុនគឺផ្ទាល់ខ្លួន ក៏ដូចជាសង្គមផងដែរ។ គ្រូពេទ្យវះកាត់ម្នាក់ដែលបាត់បង់ការប៉ះដើម្បីរកមើលដុំសាច់ វិស្វករដែលភ្លេចពីរបៀបបំបាត់កំហុសដោយគ្មានជំនួយការ គិលានុបដ្ឋាយិកាដែលវិចារណញាណគ្លីនិកមានភាពស្រអាប់ - ទាំងនេះមិនមែនជាហានិភ័យអរូបីទេ។

ដូចដែលលោក Mori បានកត់សម្គាល់នោះ មិនទាន់មានដំណោះស្រាយច្បាស់លាស់នៅឡើយទេ។ ប៉ុន្តែ​ជំហាន​ដំបូង អ្នកស្រាវជ្រាវ​យល់ស្រប គឺ​កំពុង​ចាត់វិធានការ​គំរាមកំហែង​យ៉ាង​ធ្ងន់ធ្ងរ​។ លទ្ធផលដំបូងគឺនៅក្នុង ហើយវាគឺជាការព្រមានមួយ៖ ឧបករណ៍ដែលបានរចនាឡើងដើម្បីធ្វើឱ្យយើងកាន់តែប្រសើរឡើង ប្រហែលជាប្រសិនបើប្រើដោយមិនប្រុងប្រយ័ត្ន វានឹងធ្វើឱ្យយើងកាន់តែមានសមត្ថភាពតិចជាងមុន។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →