គំរូភាសាបញ្ញាសិប្បនិមិត្តគឺងាយនឹងមានគ្រោះថ្នាក់ចំពោះការផ្លាស់ប្តូរតិចតួចនៅក្នុងរបៀបដែលជម្រើសត្រូវបានបង្ហាញ ឆ្លើយតបទៅនឹងការបំភាន់បំភាន់ខ្លាំងជាងមនុស្សយើង នេះបើយោងតាមការសិក្សាថ្មីមួយដែលបានចេញផ្សាយនៅក្នុង Proceedings of National Academy of Sciences ។

ការរកឃើញនេះបានបង្កើនការព្រួយបារម្ភយ៉ាងខ្លាំងអំពីការដាក់ពង្រាយភ្នាក់ងារ AI សម្រាប់ការសម្រេចចិត្តដោយស្វ័យភាពនៅក្នុងសេណារីយ៉ូក្នុងពិភពពិត ចាប់ពីប្រតិបត្តិការហិរញ្ញវត្ថុ រហូតដល់ជម្រើសថែទាំសុខភាព។ ដូចដែល AI Buzz Wire បានរាយការណ៍ថា ក្រុមហ៊ុនកំពុងដាក់ទីតាំងភ្នាក់ងារដែលដំណើរការដោយ LLM កាន់តែខ្លាំង ដើម្បីធ្វើសកម្មភាពជំនួសអ្នកប្រើប្រាស់នៅក្នុងបរិយាកាសស្មុគស្មាញ។

ការសិក្សានេះដឹកនាំដោយលោក Manuel Cherep និស្សិតថ្នាក់បណ្ឌិតនៅ Media Lab នៃវិទ្យាស្ថានបច្ចេកវិទ្យា Massachusetts បានធ្វើតេស្តគំរូភាសាទំនើបចំនួន 14 ពីក្រុមហ៊ុនបច្ចេកវិទ្យាធំៗ។ ម៉ូដែលដែលបានសាកល្បងរួមមានកំណែរបស់ OpenAI's GPT-3.5, GPT-4, និង GPT-5 family, Anthropic's Claude 3 និង 4.5 model និងម៉ូដែល Gemini 1.5 និង 2.5 របស់ Google ។

របៀបដែលការសិក្សាដំណើរការ

អ្នកស្រាវជ្រាវបានកែសម្រួលហ្គេមធ្វើការសម្រេចចិត្តពហុគុណលក្ខណៈដែលត្រូវបានរចនាឡើងដំបូងសម្រាប់អ្នកចូលរួមរបស់មនុស្ស។ ហ្គេមនេះបង្ហាញក្រឡាចត្រង្គឌីជីថលតំណាងឱ្យកន្ត្រកនៃរង្វាន់ដែលបានលាក់ ដោយមានគោលដៅបង្កើនរង្វាន់ចុងក្រោយដោយជ្រើសរើសកន្ត្រកដែលមានតម្លៃពិន្ទុខ្ពស់បំផុត។ កោសិកានីមួយៗបង្ហាញពីចំណុចចំណាយ ដោយបង្ខំឱ្យអ្នកចូលរួមធ្វើឱ្យមានតុល្យភាពនៃការចំណាយនៃការប្រមូលព័ត៌មាន ប្រឆាំងនឹងអត្ថប្រយោជន៍នៃការស្វែងរកកញ្ចប់ដែលប្រសើរជាងនេះ។

អ្នកស្រាវជ្រាវបានបំប្លែងហ្គេមដែលមើលឃើញនេះទៅជាទម្រង់អត្ថបទដែលគំរូភាសាអាចដំណើរការបាន។ ម៉ូដែល AI បានលេងតាមរយៈការសាកល្បងរាប់រយក្រោមលក្ខខណ្ឌជំរុញផ្សេងៗគ្នា។ អ្នកខ្លះបានទទួលការណែនាំជាមូលដ្ឋាន ខ្លះបានទទួលការលើកទឹកចិត្តពីតក្កវិជ្ជាជាជំហានៗ ហើយអ្នកផ្សេងទៀតត្រូវបានបង្ហាញឧទាហរណ៍ពីមុននៃការលេងហ្គេមរបស់មនុស្ស។ សម្រាប់ប្រភេទនីមួយៗ អ្នកស្រាវជ្រាវបានដំណើរការសាកល្បងប្រហែល 300 ទៅ 340 ក្នុងមួយគំរូ ដោយប្រើប្រាស់និមិត្តសញ្ញាអត្ថបទសរុបប្រហែល 2 ពាន់លាន។

ការសាកល្បងបួនប្រភេទ

ការសិក្សាបានពិនិត្យលើប្រភេទជាក់លាក់ចំនួនបួនដែលត្រូវបានរចនាឡើងដើម្បីធ្វើត្រាប់តាមបរិយាកាសនៃការសម្រេចចិត្តក្នុងពិភពពិត៖

  • ការគៀបតាមលំនាំដើម៖ កន្ត្រកមួយត្រូវបានជ្រើសរើសជាមុន ហើយភ្នាក់ងារត្រូវតែទទួលយក ឬបដិសេធវាយ៉ាងសកម្ម។
  • ការ​ណែនាំ៖ កន្ត្រក​ចៃដន្យ​ត្រូវ​បាន​ណែនាំ​ទាំង​មុន​ឬ​យឺត​ក្នុង​ការ​ប្រកួត។
  • ការបន្លិចព័ត៌មាន៖ វាត្រូវបានធ្វើឱ្យមានតម្លៃថោកដើម្បីបង្ហាញតម្លៃរង្វាន់ជាក់លាក់ ដែលអាចដឹកនាំភ្នាក់ងារឆ្ពោះទៅរកជម្រើសល្អបំផុត។
  • ចំណុចប្រទាក់ក្រឡាល្អបំផុត៖ កោសិកាជាក់លាក់ត្រូវបានបង្ហាញជាមុន ដែលនឹងជួយបង្កើនសមត្ថភាពអ្នកលេងរបស់មនុស្ស។

អត្រាអនុលោមភាពគួរឱ្យព្រួយបារម្ភ

លទ្ធផលបានបង្ហាញពីភាពខុសគ្នាយ៉ាងខ្លាំងរវាងអាកប្បកិរិយាធ្វើការសម្រេចចិត្តរបស់មនុស្ស និង AI ។

នៅពេលបង្ហាញជម្រើសលំនាំដើម មនុស្សបានជ្រើសរើសលំនាំដើមប្រហែល 88 ភាគរយនៃពេលវេលា។ គំរូភាសាមានភាពស៊ីសង្វាក់គ្នាយ៉ាងខ្លាំង ដោយម៉ូដែលជាច្រើនទទួលយកកញ្ចប់លំនាំដើមពី 99 ទៅ 100 ភាគរយនៃពេលវេលា។

គំរូ​នេះ​បន្ត​ជាមួយ​នឹង​ការ​ផ្តល់​យោបល់។ មនុស្សបានទទួលយកកន្ត្រកដែលបានស្នើដោយចៃដន្យនៅដើមហ្គេម 35 ភាគរយនៃពេលវេលា។ ម៉ូដែល AI ជាច្រើនបានទទួលយកការផ្ដល់យោបល់ដោយចៃដន្យទាំងនេះក្នុងអត្រាខ្ពស់ជាងនេះ ដោយធ្វើតាមការណែនាំ ទោះបីជាវាមិនផ្តល់អត្ថប្រយោជន៍ឡូជីខលក៏ដោយ។

ពេលវេលានៃការផ្ដល់យោបល់ក៏បានរៀបចំគំរូតាមរបៀបខុសពីធម្មជាតិផងដែរ។ ខណៈពេលដែលមនុស្សធ្វើតាមការផ្តល់យោបល់យឺត 25 ភាគរយនៃពេលវេលានោះ គំរូភាសាមួយចំនួនបានទម្លាក់អត្រាទទួលយករបស់ពួកគេមកនៅចន្លោះពី 7 ទៅ 13 ភាគរយ។ នេះ​បញ្ជាក់​ថា​ម៉ូដែល​កំពុង​មាន​ប្រតិកម្ម​យ៉ាង​តឹងរ៉ឹង​ចំពោះ​ពេល​វេលា​នៃ​សញ្ញា​ជា​ជាង​ការ​វាយ​តម្លៃ​ពី​ប្រយោជន៍​ពិត​ប្រាកដ​របស់​វា។

ប្រហែលជាទាក់ទិននឹងបំផុត នៅពេលដែលអ្នកស្រាវជ្រាវបានគូសបញ្ជាក់ពីជម្រើសដ៏ល្អបំផុតតាមរយៈការបន្លិចព័ត៌មាន មនុស្សបានប្រើព័ត៌មានបំភាន់នោះ 57 ភាគរយនៃពេលវេលា។ ម៉ូដែល AI ដែលត្រូវបានសាកល្បងភាគច្រើនបានយកឈ្នះលើមូលដ្ឋាននេះគួរឱ្យកត់សម្គាល់ ដោយធ្វើតាមការបន្លិចមិនល្អពី 83 ទៅ 100 ភាគរយនៃពេលវេលា។

លាក់បញ្ហានៅពីក្រោយពិន្ទុល្អ។

អ្នកស្រាវជ្រាវក៏បានតាមដានពីរបៀបដែលគំរូប្រមូលព័ត៌មានមុននឹងធ្វើការជ្រើសរើសចុងក្រោយ។ មនុស្ស​មាន​ទំនោរ​បង្ហាញ​កោសិកា​គ្រប់គ្រាន់​ដើម្បី​ធ្វើការ​ទស្សន៍ទាយ​ដោយ​មាន​ការ​អប់រំ។ គំរូភាសាទទួលបានព័ត៌មានតាមរបៀបមិនធម្មតា និងគ្មានប្រសិទ្ធភាព។

ម៉ូដែលមួយចំនួនបានជ្រើសរើសកន្ត្រកដោយមិនបង្ហាញក្រឡាលាក់ណាមួយឡើយ ដោយមិនអើពើទាំងស្រុងនូវឱកាសប្រមូលទិន្នន័យ។ ម៉ូដែលផ្សេងទៀតបានចំណាយពិន្ទុច្រើនហួសហេតុ បង្ហាញជួរទាំងមូល ឬជួរឈរ ដោយខ្ជះខ្ជាយរង្វាន់សក្តានុពលរបស់ពួកគេ។ ម៉ូដែលមួយចំនួនបានបង្ហាញពីភាពលំអៀងនៃលំហរចម្លែក ដោយបង្ហាញតែក្រឡានៅផ្នែកខាងឆ្វេងបំផុតនៃក្រឡាចត្រង្គ ឬយ៉ាងតឹងរឹងតាមបន្ទាត់អង្កត់ទ្រូង។

ការផ្តល់គំរូជាមួយនឹងហេតុផលមួយជំហានម្តងៗ ឬឧទាហរណ៍នៃការលេងហ្គេមរបស់មនុស្សបានធ្វើតិចតួចណាស់ក្នុងការជួសជុលទម្លាប់ស្វែងរកចម្លែកទាំងនេះ។

អ្នក​និពន្ធ​បាន​កត់​សម្គាល់​ថា ការ​សម្លឹង​មើល​តែ​ពិន្ទុ​ចុង​ក្រោយ​ប៉ុណ្ណោះ​អាច​លាក់​បញ្ហា​មូលដ្ឋាន​ទាំង​នេះ។ នៅក្នុងការសាកល្បងមួយចំនួន ម៉ូដែល AI ទទួលបានពិន្ទុសុទ្ធស្រដៀងគ្នាជាអ្នកលេងមនុស្ស។ អ្នកសង្កេតការណ៍ធម្មតាដែលពិនិត្យតែពិន្ទុចុងក្រោយអាចសន្មត់ថាម៉ូដែលកំពុងបង្កើតជម្រើសដ៏ឆ្លាតវៃ និងដូចមនុស្ស។ តាមការពិត គំរូទាំងនោះច្រើនតែសម្រេចបានពិន្ទុទាំងនេះតាមរយៈការអនុលោមតាមពិការភ្នែក ជាជាងការគិតជាយុទ្ធសាស្ត្រ។

ប្រសិនបើការញញើតមួយបានកើតឡើងដើម្បីចង្អុលទៅកាន់កន្ត្រកដ៏ល្អនោះ AI ដែលអនុលោមតាមហួសហេតុពេកទទួលបានពិន្ទុល្អ។ ពេលដែលការញញើតចង្អុលទៅកាន់កន្ត្រកមិនល្អ AI បានដើរតាមដោយងងឹតងងុលទៅជាពិន្ទុទាប ដោយបាត់បង់គោលបំណងនៃហ្គេមទាំងស្រុង។

ផលប៉ះពាល់សម្រាប់ការដាក់ពង្រាយភ្នាក់ងារ AI

លោក Cherep បាននិយាយថា "កម្មវិធីជាច្រើននៃភ្នាក់ងារ AI សន្មត់យ៉ាងច្បាស់លាស់ថា នៅក្រោមភាពមិនច្បាស់លាស់ ពួកគេនឹងប្រតិកម្មតាមរបៀបប្រហាក់ប្រហែលនឹងមនុស្ស ប្រសិនបើមិនមានហេតុផលច្រើនជាងនេះទេ"។ "ជំនួសឱ្យការទទួលយកការសន្មត់នេះ យើងបានសម្រេចចិត្តស្វែងយល់ពីរបៀបដែលភ្នាក់ងារមានឥរិយាបទ នៅពេលដែលជម្រើសត្រូវបានបង្ហាញដល់ពួកគេតាមវិធីផ្សេងៗគ្នា។"

ការរកឃើញរបស់ការសិក្សានេះមានផលប៉ះពាល់យ៉ាងសំខាន់សម្រាប់ទីផ្សារដែលកំពុងរីកចម្រើនយ៉ាងឆាប់រហ័សនៃភ្នាក់ងារ AI ដែលត្រូវបានរចនាឡើងដើម្បីរុករកគេហទំព័រ ប្រតិបត្តិការឧបករណ៍ និងធ្វើការសម្រេចចិត្តផ្នែកហិរញ្ញវត្ថុ ឬការទិញទំនិញសម្រាប់អ្នកប្រើប្រាស់។ ប្រសិនបើភ្នាក់ងារទាំងនេះធ្វើតាមជម្រើសលំនាំដើម ការផ្ដល់យោបល់ ឬព័ត៌មានដែលបានបន្លិចដោយងងឹតងងុលដោយគ្មានការវាយតម្លៃសំខាន់ ពួកវាអាចត្រូវបានរៀបចំយ៉ាងងាយស្រួលដោយតួអង្គអាក្រក់ ឬចំណុចប្រទាក់ដែលបានរចនាមិនល្អ។

ការស្រាវជ្រាវបានបង្ហាញថាគំរូភាសាបច្ចុប្បន្នខ្វះសនិទានភាពដែលមានព្រំដែនដែលដឹកនាំការសម្រេចចិត្តរបស់មនុស្ស។ ខណៈពេលដែលមនុស្សប្រើប្រាស់ផ្លូវកាត់ផ្លូវចិត្តដើម្បីធ្វើសមតុល្យតម្លៃនៃការប្រមូលព័ត៌មានប្រឆាំងនឹងរង្វាន់នៃការសម្រេចចិត្តដ៏ល្អ ម៉ូដែល AI មិនចែករំលែកឧបសគ្គជីវសាស្រ្តទាំងនេះទេ ប៉ុន្តែពួកគេបង្ហាញទម្រង់នៃភាពមិនសមហេតុផលរបស់ពួកគេផ្ទាល់ ដែលមានលក្ខណៈជ្រុលហួសហេតុ និងតិចជាងការព្យាករណ៍។

នាំមុខ AI

សម្រាប់ព័ត៌មាន និងការវិភាគ AI ថ្មីៗបន្ថែមទៀត សូមចូលទៅកាន់ AI Buzz Wire។

អានព័ត៌មាន AI បន្ថែម →