ជាគោលការណ៍ បញ្ញាសិប្បនិមិត្តអាចធ្វើឱ្យការស្វែងរកសម្ភារៈត្រឹមត្រូវសម្រាប់ការងារងាយស្រួលដូចការបញ្ជាអាហារពេលល្ងាច៖ ពិពណ៌នាអំពីអ្វីដែលអ្នកត្រូវការសម្រាប់គំរូភាសាធំមួយ ហើយវាផ្តល់ឱ្យអ្នកនូវគ្រីស្តាល់ដែលត្រូវបានរចនាឡើងសម្រាប់កិច្ចការ។ នៅក្នុងការអនុវត្ត សេណារីយ៉ូនោះនៅមិនទាន់អាចទៅដល់បាននៅឡើយ ពីព្រោះម៉ូដែលនៅពីក្រោយ chatbots នាពេលបច្ចុប្បន្ននេះ មិនដែលឃើញសម្ភារៈភាគច្រើនមើលទៅដូចអ្វីនោះទេ។

អ្នកស្រាវជ្រាវ MIT រាយការណ៍ថាពួកគេបានបោះជំហានជាក់ស្តែងឆ្ពោះទៅរកការជួសជុលនោះ។ នៅក្នុងក្រដាសថ្មីមួយដែលបានបោះពុម្ពផ្សាយនៅក្នុង Nature Communications ក្រុមការងារមកពីនាយកដ្ឋានវិទ្យាសាស្ត្រសម្ភារៈ និងវិស្វកម្ម (DMSE) របស់ MIT ពិពណ៌នាអំពីគំរូ AI ពហុមុខងារដែលរួមបញ្ចូលគ្នានូវរចនាសម្ព័ន្ធអាតូមបីវិមាត្រជាមួយនឹងការពិពណ៌នាជាភាសាធម្មជាតិ ដោយអនុញ្ញាតឱ្យប្រព័ន្ធហេតុផលអំពីធរណីមាត្រគ្រីស្តាល់ និងអត្ថបទក្នុងពេលតែមួយ។ យោងតាមសារព័ត៌មាន MIT News ម៉ូដែលនេះកំណត់ការរចនាសម្ភារៈប្រសើរជាងប្រព័ន្ធដែលត្រូវបានបណ្តុះបណ្តាលលើអត្ថបទតែម្នាក់ឯង ដោយអនុញ្ញាតឱ្យ AI មើលឃើញការរៀបចំអាតូមិក និងគំរូនៃការភ្ជាប់ដែលកំណត់ពីរបៀបដែលសមា្ភារៈមានឥរិយាបទ។ ការងារនេះបន្ថែមទៅលើភាពមមាញឹកនៃ [ការគ្របដណ្តប់ឧស្សាហកម្ម AI] (https://aibuzzwire.news) ដែលផ្តោតលើគំរូដែលផ្លាស់ទីហួសពីអត្ថបទ និងចូលទៅក្នុងពិភពរូបវន្ត។

ហេតុអ្វី​បាន​ជា​គំរូ​ដែល​បាន​បណ្តុះបណ្តាល​អត្ថបទ​ជំពប់​លើ​បញ្ហា

ឧបសគ្គគឺជាមូលដ្ឋានអំពីទិន្នន័យ។ សមា្ភារៈភាគច្រើនគឺគ្រីស្តាល់៖ ការរៀបចំតាមកាលកំណត់នៃអាតូមបីវិមាត្រដែលរចនាសម្ព័ន្ធរបស់ពួកគេត្រូវបានរក្សាទុកក្នុងទម្រង់គណនាឯកទេសជាជាងការផ្សាយអត្ថបទដែលគំរូភាសាធំត្រូវបានបណ្តុះបណ្តាល។ លើសពីនេះ អក្សរសិល្ប៍ពិសោធគឺមានភាពលំអៀងយ៉ាងខ្លាំងចំពោះថ្នាក់ដ៏ពេញនិយមមួយចំនួននៃគ្រីស្តាល់ ដែលបង្ហាញលទ្ធផលនៃ AI ដែលត្រូវបានបណ្តុះបណ្តាលជាចម្បងលើឯកសារដែលបានបោះពុម្ពផ្សាយ។

លទ្ធផល​គឺ​ជា​ចំណុច​ងងឹត​មួយ​ដែល​មាន​លទ្ធផល​ពិត​ប្រាកដ។ ជាង 90 ភាគរយនៃវត្ថុធាតុរឹងនៅលើផែនដីគឺគ្រីស្តាល់ ហើយរចនាសម្ព័ន្ធជាច្រើនដែលអាចមានសារៈសំខាន់សម្រាប់អាគុយ អេឡិចត្រូនិច ឬកាតាលីករជំនាន់ក្រោយរស់នៅក្នុងមូលដ្ឋានទិន្នន័យកុំព្យូទ័រដែលប្រព័ន្ធប្រើតែភាសាមិនអាចអានបានយ៉ាងមានប្រសិទ្ធភាព។

ការបង្រៀនគំរូដើម្បីតម្រឹមរចនាសម្ព័ន្ធជាមួយភាសា

ចម្លើយរបស់ក្រុម MIT គឺបង្កើតនូវអ្វីដែលជាគំរូភាសាចក្ខុវិស័យសម្រាប់គ្រីស្តាល់ប្រកបដោយប្រសិទ្ធភាព។ អ្នកស្រាវជ្រាវបានបណ្តុះបណ្តាលគំរូភាសាដើម្បីបង្កើតការពិពណ៌នាអត្ថបទនៃរចនាសម្ព័ន្ធគ្រីស្តាល់ដោយប្រើការរៀនផ្ទុយគ្នា ដែលជាវិធីសាស្រ្តដែលគំរូប្រៀបធៀបឧទាហរណ៍ស្រដៀងគ្នា និងខុសគ្នានៃរចនាសម្ព័ន្ធ និងការពិពណ៌នារហូតដល់វាបង្កើតការយល់ដឹងរួម - ដំណើរការ MIT ប្រៀបធៀបពីរបៀបដែលខួរក្បាលតម្រឹមតំបន់ដែលមើលឃើញ និងភាសារបស់វា។

សំខាន់ ក្រុមការងារបានជ្រើសរើសសំយោគការនិទានរឿងផ្ទាល់ខ្លួនអំពីសម្ភារៈជាជាងការពឹងផ្អែកតែលើឯកសារដែលមានស្រាប់។ ដោយគូរលើអក្សរសិល្ប៍ស្រាវជ្រាវពិសោធន៍ និងមូលដ្ឋានទិន្នន័យគណនាគោលការណ៍ទីមួយ គំរូនេះបានបង្កើតការពិពណ៌នាដ៏សម្បូរបែបដែលគ្របដណ្តប់មិនត្រឹមតែសមាសធាតុគីមី និងរចនាសម្ព័ន្ធប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងលក្ខណៈសម្បត្តិ ការពិចារណាលើដំណើរការ និងកម្មវិធីសក្តានុពលផងដែរ។

Ju Li សាស្ត្រាចារ្យ Carl Richard Soderberg ផ្នែកវិស្វកម្មថាមពលនៅ MIT និងជាអ្នកនិពន្ធជាន់ខ្ពស់នៅលើក្រដាសបាននិយាយថា "យើងចង់បង្កើតគំរូ AI ដែលដំណើរការយ៉ាងទូលំទូលាយលើសម្ភារៈ" ។ "នោះហើយជាមូលហេតុដែលយើងសម្រេចចិត្តសំយោគការនិទានកថាជាជាងពឹងផ្អែកតែលើឯកសារដែលមានស្រាប់។ យើងបានរកឃើញថានៅពេលដែលយើងប្រើសំណុំទិន្នន័យនិទានរឿងនោះ គំរូគឺប្រសើរជាងក្នុងការទស្សន៍ទាយមុខងារ។"

ការធ្វើតេស្ត៖ ស្វែងរកអេឡិចត្រូលីតថ្មរបស់រដ្ឋរឹង

ដើម្បីវាយតម្លៃវិធីសាស្រ្ត អ្នកស្រាវជ្រាវបានប្រៀបធៀបកំណែពីរនៃគំរូ៖ មួយត្រូវបានបណ្តុះបណ្តាលលើការពិពណ៌នារចនាសម្ព័ន្ធដែលបង្កើតដោយ AI និងមួយបានបណ្តុះបណ្តាលតែលើអត្ថបទពីឯកសារស្រាវជ្រាវប៉ុណ្ណោះ។ កំណែដែលបានបណ្តុះបណ្តាលលើការពិពណ៌នាដែលបានសំយោគដោយជោគជ័យបានរៀនដើម្បីតម្រឹមរចនាសម្ព័ន្ធធរណីមាត្រជាមួយនឹងភាសា ខណៈដែលកំណែសម្រាប់តែអត្ថបទមិនមាន។

បន្ទាប់មក ក្រុមការងារបានស្នើឱ្យម៉ូដែលនេះកំណត់អត្តសញ្ញាណវត្ថុធាតុគ្រីស្តាល់ ដែលស័ក្តិសមសម្រាប់អេឡិចត្រូលីតថ្មលីចូម-អ៊ីយ៉ុង រដ្ឋរឹង ដែលជាបញ្ហាប្រឈមដ៏សំខាន់សម្រាប់ថ្មជំនាន់ក្រោយ។ យោងតាម ​​MIT News លទ្ធផលកំពូលរបស់ម៉ូដែលរួមមានសម្ភារៈដែលត្រូវបានកំណត់អត្តសញ្ញាណដោយឯករាជ្យថាជាបេក្ខជនដែលជោគជ័យ ហើយប្រព័ន្ធនេះដំណើរការលើសពីមូលដ្ឋានអត្ថបទតែប៉ុណ្ណោះ នៅពេលដែលបានផ្តល់សំណួរជាភាសាធម្មជាតិដែលពិពណ៌នាអំពីទ្រព្យសម្បត្តិ និងបានស្នើសុំឱ្យស្វែងរកគ្រីស្តាល់ជាមួយនឹងទ្រព្យសម្បត្តិនោះ។

លោក Li បាន​និយាយ​ថា​៖ «​រចនាសម្ព័ន្ធ​គឺ​ពិតជា​ស្នូល​នៃ​វិស័យ​វិទ្យាសាស្ត្រ​សម្ភារ​។ "ប្រសិនបើអ្នកយល់អំពីរចនាសម្ព័ន្ធ អ្នកអាចសន្និដ្ឋានបានច្រើនអំពីលក្ខណៈសម្បត្តិ និងដំណើរការនៃវត្ថុធាតុ។ យើងចង់បង្កើតទំនាក់ទំនងរវាងរចនាសម្ព័ន្ធអាតូមិកនៃវត្ថុធាតុ និងលក្ខណៈសម្បត្តិរបស់វា និងដំណើរការសម្រាប់គំរូ។"

កន្លែងនេះសមនឹងការស្វែងរកសម្ភារៈដែលជំរុញដោយ AI

ក្នុងរយៈពេលមួយទស្សវត្សកន្លងមកនេះ AI បានផ្លាស់ប្តូររូបរាងឡើងវិញពីរបៀបដែលគ្រីស្តាល់ថ្មីត្រូវបានស្នើឡើង និងរចនាឡើង។ ទោះយ៉ាងណាក៏ដោយភាគច្រើននៃប្រព័ន្ធទាំងនោះ ចាត់ទុកវត្ថុធាតុគ្រីស្តាល់ជាក្រាហ្វបីវិមាត្រដែលដំណើរការដោយស្ថាបត្យកម្មឯកទេសដាច់ដោយឡែកពីគំរូភាសាដែលផ្តល់ថាមពលដល់ AI គោលបំណងទូទៅ។ ដោយការបង្រៀនគំរូតាមភាសាដើម្បីយល់ធរណីមាត្រដោយផ្ទាល់ ការងាររបស់ MIT ចង្អុលទៅកាន់ជំនួយការ ដែលថ្ងៃណាមួយអាចដោះស្រាយសំណើសម្ភារៈដែលមានចែងជាភាសាអង់គ្លេសធម្មតាពីចុងដល់ចប់។

ក្រុមស្រាវជ្រាវរួមមានអ្នកនិពន្ធដំបូង Yang Jeong Park អតីត MIT postdoc រួមជាមួយនឹង Mayank Kumaran និស្សិតបញ្ចប់ការសិក្សាផ្នែកវិស្វកម្មកុំព្យូទ័ររបស់សាកលវិទ្យាល័យ Illinois Urbana-Champaign Chia-Wei Hsu និង Elsa Olivetti ដែលជាសាស្ត្រាចារ្យ Jerry McAfee (1940) សាស្ត្រាចារ្យផ្នែកវិស្វកម្មនៅ MIT ។

តើមានអ្វីកើតឡើងបន្ទាប់

ម៉ូដែលនេះនៅតែជាប្រព័ន្ធស្រាវជ្រាវ ហើយ MIT មិនបានប្រកាសពីផលិតភាពណាមួយឡើយ។ ប៉ុន្តែការជាប់ពាក់ព័ន្ធគឺទូលំទូលាយ៖ អេឡិចត្រូលីតនៃរដ្ឋរឹងគឺជាករណីសាកល្បងមួយ ហើយវិធីសាស្រ្តដូចគ្នានៃរចនាសម្ព័ន្ធបូកភាសាអាចអនុវត្តចំពោះកាតាលីករ សារធាតុ semiconductors ឬសម្ភារៈរចនាសម្ព័ន្ធ។ ប្រសិនបើវិធីសាស្រ្តនេះមានលក្ខណៈទូទៅ ភាពជាប់គាំងក្នុងការរកឃើញវត្ថុធាតុអាចផ្លាស់ប្តូរពីការបង្កើតគ្រីស្តាល់បេក្ខជន ទៅជាការធ្វើឱ្យពួកវាមានសុពលភាពនៅក្នុងមន្ទីរពិសោធន៍ ដែលជាការផ្លាស់ប្តូរអ្នកពិសោធន៍ទំនងជានឹងស្វាគមន៍។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →