បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតជាធម្មតាត្រូវបានបង្កើតដោយវិស្វករ៖ អ្នករចនាសម្រេចចិត្តថាតើភាពខ្លាំងនៃការតភ្ជាប់ផ្លាស់ប្តូរយ៉ាងដូចម្តេច នៅពេលដែលបណ្តាញរៀនពីទិន្នន័យ និងមតិកែលម្អ។ ការសិក្សាថ្មីមួយពី MIT អះអាងថា វិធីសាស្រ្តដែលដឹកនាំដោយអ្នករចនានេះ ទោះបីជាមានឥទ្ធិពលខ្លាំងក៏ដោយ អាចប្រាប់យើងតិចតួចអំពីរបៀបដែលខួរក្បាលពិតជារៀន — និងបង្ហាញពីជម្រើសមួយដែលបណ្តាញរៀបចំខ្លួនគេ។

នៅក្នុងអត្ថបទដែលបានបោះពុម្ពផ្សាយនៅថ្ងៃទី 9 ខែតុលានៅក្នុង Proceedings of National Academy of Sciences (PNAS) អ្នកវិទ្យាសាស្ត្រនៅវិទ្យាស្ថាន McGovern សម្រាប់ការស្រាវជ្រាវខួរក្បាលរបស់ MIT និងមជ្ឈមណ្ឌល K. Lisa Yang Integrative Computational Neuroscience (ICoN) បង្ហាញថាបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតអាចបង្កើតម៉ាស៊ីនសិក្សាដោយខ្លួនឯង។ ចាប់ផ្តើមពីការតភ្ជាប់ដោយចៃដន្យ និងធ្វើតាមតែច្បាប់មូលដ្ឋានសាមញ្ញអំពីរបៀប និងពេលណាដែលការតភ្ជាប់គួរតែផ្លាស់ប្តូរ បណ្តាញនេះបានផ្លាស់ប្តូរខ្លួនវាទៅជាប្រព័ន្ធដំណើរការព័ត៌មានដ៏មានប្រសិទ្ធភាពមួយ។ For more context on this story, see our ongoing AI trends.

ហេតុ​អ្វី​បាន​ជា​ភាព​អាច​យល់​បាន​ខាង​ជីវសាស្ត្រ​សំខាន់

Qianli Liao អ្នកជំនាញក្រោយបណ្ឌិតនៃមជ្ឈមណ្ឌល K. Lisa Yang ICoN នៅក្នុងមន្ទីរពិសោធន៍របស់សាស្ត្រាចារ្យ MIT Tomaso Poggio និង Mark Harnett និងជាសហអ្នកនិពន្ធដំបូងនៃឯកសាររួមជាមួយនឹងនិស្សិតបញ្ចប់ការសិក្សាផ្នែកស្រាវជ្រាវរបស់ MIT បាននិយាយថា "បច្ចេកវិទ្យា AI បច្ចុប្បន្នកំពុងដំណើរការល្អណាស់ ប៉ុន្តែវាមិនចាំបាច់ប្រើក្បួនដោះស្រាយការរៀនដែលប្រើដោយខួរក្បាលនោះទេ។

ភាពខុសគ្នាគឺមានសារៈសំខាន់ចំពោះអ្នកវិទ្យាសាស្ត្រសរសៃប្រសាទដែលចង់ប្រើគំរូ AI ជាបង្អួចចូលទៅក្នុងខួរក្បាល។ ការរៀនតាមម៉ាស៊ីនទំនើបពឹងផ្អែកលើការផ្សាយឡើងវិញ ដែលជាក្បួនដោះស្រាយដែល អ្នកវិទ្យាសាស្ត្រសរសៃប្រសាទភាគច្រើនចាត់ទុកថាមិនមាននៅក្នុងសៀគ្វីសរសៃប្រសាទជីវសាស្ត្រទេ។ Liao បាននិយាយថា "ខួរក្បាលមិនមានអ្នករចនាខាងក្រៅ ឬស្ថាបត្យករទេ។ "ខួរក្បាលត្រូវរៀបចំខ្លួនឯង។ ហើយយើងត្រូវដឹងពីរបៀបដែលច្បាប់សាមញ្ញនឹងធ្វើឱ្យខួរក្បាលរៀបចំ" ។

អំណះអំណាងកណ្តាលរបស់ក្រុមគឺថាតម្លៃបណ្តាញជាគំរូនៃខួរក្បាលគួរតែត្រូវបានវិនិច្ឆ័យដោយវិសាលភាពដែលវាអាចរៀបចំខ្លួនវា - មិនត្រឹមតែការតភ្ជាប់របស់វាប៉ុណ្ណោះទេ ប៉ុន្តែគ្រឿងម៉ាស៊ីនដែលកែតម្រូវការតភ្ជាប់ទាំងនោះ។

របៀបដែលបណ្តាញរៀបចំខ្លួនឯងដំណើរការ

អ្នកស្រាវជ្រាវបានបង្កើតបណ្តាញដែលរចនាសម្ព័ន្ធរបស់ពួកគេចាប់ផ្តើមជាស្រទាប់ជាច្រើននៃឯកតាដែលមានលក្ខណៈដូចណឺរ៉ូនដែលទាក់ទងគ្នាទៅវិញទៅមកដោយចៃដន្យ។ នៅក្នុងស្រទាប់នីមួយៗ អង្គភាពនីមួយៗត្រូវបានគ្រប់គ្រងដោយច្បាប់សាមញ្ញដូចគ្នាសម្រាប់របៀបដែលការតភ្ជាប់គួរតែត្រូវបានកែតម្រូវ។ Liao បានពន្យល់ថា "ពួកគេគ្រាន់តែទាក់ទងគ្នាទៅវិញទៅមកដោយប្រើច្បាប់នោះ ហើយពួកគេបង្កើតអាកប្បកិរិយាមួយចំនួន" ។

ច្បាប់ទាំងនេះគឺជាអ្នកវិទ្យាសាស្ត្រសរសៃប្រសាទដែលជឿលើសៀគ្វីខួរក្បាលឡើងវិញក្នុងអំឡុងពេលសិក្សា — រួមទាំងគោលការណ៍បុរាណដែលថា "ណឺរ៉ូនដែលឆេះខ្សែជាមួយគ្នា" មានន័យថាការធ្វើឱ្យសកម្មក្នុងពេលដំណាលគ្នាពង្រឹងទំនាក់ទំនងរវាងណឺរ៉ូនពីរ។

ដូចដែលបណ្តាញបានរៀន គំនូរនៃការផ្គុំដោយខ្លួនឯងបានលេចឡើងដោយយោងទៅតាមច្បាប់សាមញ្ញទាំងនេះ ហើយបន្ទាប់មកបានបម្រើការជាបណ្តុំសម្រាប់សៀគ្វីដែលមានមុខងារ។ គំនូរទាំងនោះបានបន្តរៀបចំខ្លួនពួកគេឡើងវិញដោយប្រើយុទ្ធសាស្ត្របង្កើនប្រសិទ្ធភាពដែលស្រដៀងនឹងការធ្លាក់ចុះជម្រាល — ដំណើរការកែតម្រូវដែលជំរុញដោយកំហុសដែលបានបង្កើតឡើងនៅក្នុងការរៀនម៉ាស៊ីនទំនើបភាគច្រើន — ប៉ុន្តែកើតឡើងពីសក្ដានុពលមូលដ្ឋានរបស់បណ្តាញជាជាងក្បួនដោះស្រាយខាងក្រៅ។

ដំណើរការប្រៀបធៀបទៅនឹងបណ្តាញស្តង់ដារ

ការធ្វើតេស្តសំខាន់គឺថាតើប្រព័ន្ធដែលរៀបចំដោយខ្លួនឯងនេះអាចរៀនបានដែរឬទេ។ វាអាច៖ ក្រុមបានបង្ហាញថាបណ្តាញរៀបចំដោយខ្លួនឯងដែលគ្រប់គ្រងដោយច្បាប់ក្នុងស្រុកទាំងនេះបានរៀនស្គាល់គំរូ និងចាត់ថ្នាក់រូបភាព ដំណើរការក្នុងកម្រិតស្រដៀងនឹងបណ្តាញដែលបានរចនាតាមធម្មតាដែលត្រូវបានបណ្តុះបណ្តាលតាមរយៈការផ្សព្វផ្សាយឡើងវិញ។

អ្នកនិពន្ធជាន់ខ្ពស់ Tomaso Poggio បានកំណត់លទ្ធផលថាជាស្ពានដ៏មានសក្តានុពលមួយរវាងវាលពីរដែលបានដេញតាមយន្តការដូចគ្នាពីទិសដៅផ្ទុយគ្នា។ លោកបានកត់សម្គាល់ថា ប្រសិនបើគំនូរ synaptic ដែលក្រុមស្នើឡើងគឺជាអ្វីដែលខួរក្បាលប្រើដើម្បីសម្រេចនូវអ្វីដែល back-propagation ធ្វើសម្រាប់បណ្តាញសិប្បនិម្មិត លោកបានកត់សម្គាល់ថា អ្នកស្រាវជ្រាវនឹងមាន "ទំនាក់ទំនងដ៏រឹងមាំនៅកម្រិតនៃយន្តការជាមូលដ្ឋានរវាងបណ្តាញសិប្បនិម្មិត និងធម្មជាតិ - រវាងម៉ាស៊ីន និងខួរក្បាល"។

ពី Brain-Computer Interfaces ទៅជា AI កាន់តែប្រសើរ

ផលប៉ះពាល់ដំណើរការក្នុងទិសដៅទាំងពីរ។ សម្រាប់វិទ្យាសាស្ត្រសរសៃប្រសាទ ការយល់ដឹងអំពីច្បាប់សាមញ្ញដែលសៀគ្វីរៀបចំដោយខ្លួនឯងអាចបញ្ជាក់ពីរបៀបដែលការរៀនដំណើរការ — និងរបៀបដែលវាបំបែក។ Liao ចង្អុលទៅចំណុចប្រទាក់ខួរក្បាល-កុំព្យូទ័រ ដែលមានបំណងស្តារទំនាក់ទំនងឡើងវិញសម្រាប់អ្នកដែលបាត់បង់សមត្ថភាពភាសា ឬអនុញ្ញាតឱ្យអ្នកជំងឺពិការគ្រប់គ្រងអវយវៈសិប្បនិមិត្ត ដែលជាវិស័យមួយដែលការដឹងអំពីច្បាប់ទាំងនេះមានសារៈសំខាន់ណាស់។ គាត់បាននិយាយថា "គ្មាននរណាម្នាក់ក្នុងចំណោមទាំងនេះអាចដំណើរការដោយមិនដឹងពីច្បាប់នៅពីក្រោយអន្តរកម្មនៃសរសៃប្រសាទ-ណឺរ៉ូន" ។ "វា​មិន​អាច​សម្រេច​បាន​ដោយ​គ្រាន់​តែ​រចនា​សៀគ្វី​ដែល​ដំណើរការ​បាន​យ៉ាង​ល្អ​ប៉ុណ្ណោះ​ទេ"។ ចំណេះដឹងដូចគ្នាអាចជូនដំណឹងដល់ការព្យាបាលសម្រាប់លក្ខខណ្ឌដែលច្បាប់នៃការរៀនត្រូវបានរំខានដោយភាពចាស់ ឬជំងឺ។

សម្រាប់ការរៀនតាមម៉ាស៊ីន ការរកឃើញនេះបង្ហាញពីកន្លែងរចនាដែលមិនបានរុករក។ លោក Liao ព្រមានថា បណ្តាញរៀបចំដោយខ្លួនឯង មិនចាំបាច់រៀនពីរបៀបដែលខួរក្បាលធ្វើនោះទេ ប៉ុន្តែគាត់បានកំណត់ការរៀបចំដោយខ្លួនឯងជាចំណុចចាប់ផ្តើមដ៏សំខាន់មួយ។ លោក​បាន​បន្ត​ថា​៖ «​ការ​រៀបចំ​ខ្លួន​ឯង​គឺ​ជា​ក្របខ័ណ្ឌ​កម្រិត​ខ្ពស់​ដំបូង​គេ​។ "នៅពេលដែលយើងល្អជាមួយនឹងការរៀបចំខ្លួនឯងជារង្វាស់ នោះយើងអាចនិយាយអំពីរឿងបន្ទាប់"។ គោលបំណងចម្បងរបស់ក្រុមគឺការយល់ដឹងអំពីខួរក្បាល ប៉ុន្តែនៅទីបំផុតចំណេះដឹងអាចជួយវិស្វករបង្កើតបណ្តាញដែលដំណើរការបានប្រសើរជាងមុន ឬមានឥរិយាបទដូចមនុស្សកាន់តែច្រើន។

ក៏មានសំណួរចំហរផងដែរ អំពីភាពលម្អិត។ ច្បាប់ដែលផ្លាស់ប្តូរទំនាក់ទំនងសរសៃប្រសាទដូចដែលសត្វរៀនអាចមានភាពខុសប្លែកគ្នានៅទូទាំងតំបន់ខួរក្បាល ហើយពួកគេអាចផ្លាស់ប្តូរនៅពេលដែលខួរក្បាលចាស់ទុំ — លទ្ធភាពដែលអ្នកស្រាវជ្រាវនិយាយថាអ្នកវិទ្យាសាស្ត្រសរសៃប្រសាទត្រូវតែគូសវាសមុនពេលគំរូក្បួនសាមញ្ញអាចត្រូវបានផ្គូផ្គងទៅនឹងសៀគ្វីជីវសាស្ត្រជាក់លាក់។ ការធ្វើផែនទីនោះ អាចបង្ហាញពីទីកន្លែង និងរបៀបដែលម៉ាស៊ីនសិក្សាត្រូវបានរំខានដោយភាពចាស់ ឬជំងឺ ដោយជូនដំណឹងអំពីយុទ្ធសាស្ត្របង្ការ ក៏ដូចជាការព្យាបាលផងដែរ។

ការសិក្សានេះមកពីវិទ្យាស្ថាន McGovern សម្រាប់ការស្រាវជ្រាវខួរក្បាល និងមជ្ឈមណ្ឌល K. Lisa Yang ICoN ត្រូវបានគ្របដណ្តប់ដោយ MIT News នៅថ្ងៃទី 13 ខែតុលា ឆ្នាំ 2026។

---

Stay Ahead of AI

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

Read more AI news →