Anthropic သင်္ချာပညာရှင်သည် ကုမ္ပဏီ၏ ကိုယ်ပိုင်ဘာသာစကား မော်ဒယ်လ်ကို အသုံးပြုပြီး ၈၇ နှစ်ကြာ ကြည်လင်ပြတ်သားမှုကို ဆန့်ကျင်ခဲ့သော သင်္ချာဆိုင်ရာ ယူဆချက်တစ်ခုကို သက်သေပြခဲ့ပြီး၊ အထူးခြားဆုံးသော သင်္ချာဉာဏ်ရည်တု၏ ရှေ့သို့ တိုးတက်လာသော ဉာဏ်ရည်တု၏ နမူနာများကို ပေးဆောင်ခဲ့သည်။
AI ကုမ္ပဏီ Anthropic မှ သင်္ချာပညာရှင် Levent Alpöge သည် အက္ခရာသချာင်္ဂျီသြမေတြီတွင် ကျော်ကြားပြီး ကာလကြာရှည်စွာ တည်ရှိနေသည့် Jacobian အယူအဆနှင့် ဆန့်ကျင်ဘက် ဥပမာတစ်ခုကို တွေ့ရှိထားကြောင်း ကြေညာခဲ့သည်။ သူသည် Anthropic ၏ Claude Fable 5 မော်ဒယ်ကို အသုံးပြု၍ ရလဒ်ကို သီတင်းပတ်များအစောပိုင်းက အများပြည်သူသို့ ဖြန့်ချိခဲ့သည်။ ScienceDaily နှင့် SciTechDaily မှ ပထမဆုံး အစီရင်ခံပြီး The Conversation တွင် မူရင်းထုတ်ဝေသည့် ဆောင်းပါးမှ ထုတ်ယူသည့် ရှာဖွေတွေ့ရှိမှုသည် သင်္ချာအသိုင်းအဝိုင်းတစ်လျှောက် စိတ်လှုပ်ရှားမှုများ မြင့်တက်စေခဲ့သည်။ နောက်ဆုံးပေါ် AI ဖွံ့ဖြိုးတိုးတက်မှုများ ကို လိုက်လျှောက်သည့် စာဖတ်သူများအတွက် ရလဒ်သည် ဧည့်ခန်းလှည့်ကွက်များမှ စစ်မှန်သော အကျိုးရှိသော သိပ္ပံအလုပ်သို့ မည်မျှ လျင်မြန်စွာ ရွေ့လျားနေသည်ဆိုသည့် ရလဒ်ကို အလေးပေးဖော်ပြသည်။
ဖော်မြူလာလေးတစ်ခု ပို့စ်တစ်ခုအတွက် လုံလောက်ပါတယ်။
အောင်မြင်မှုကို အလွန်အမင်း ထိတ်လန့်စေသည့်အရာမှာ ၎င်း၏ ကျစ်လျစ်မှုဖြစ်သည်။ SciTechDaily အရ၊ တန်ပြန်နမူနာသည် သိသိသာသာရိုးရှင်းသော သုံးဖက်မြင်လုပ်ဆောင်ချက်ဖြစ်သည် — X ပေါ်ရှိ ပို့စ်တစ်ခုတည်းအတွင်း အံဝင်ခွင်ကျဖြစ်လောက်အောင် တိုတောင်းသော ဖော်မြူလာတစ်ခုဖြစ်သည်။ AI-assisted တန်ပြန်ဥပမာသည် အတိုင်းအတာနှစ်ရပ်အထက် Jacobian ထင်မြင်ယူဆချက်ကို ဆန့်ကျင်စေပြီး ထင်မြင်ယူဆချက်၏မူရင်းနှစ်ဘက်မြင်ပုံစံကို ဖွင့်ထားစဉ်။
အဲဒါက အရေးမကြီးဘူး။ ရလဒ်သည် ၁၉ ရာစုကတည်းက တည်ရှိခဲ့သော ပြဿနာတစ်ခုလုံးကို ဖြေရှင်းနိုင်ခြင်း မရှိပေ။ ယင်းအစား၊ ၎င်းသည် မျှော်လင့်မထားသော ကန့်သတ်ချက်တစ်ခုကို ဖော်ထုတ်ပေးသည်- ယေဘုယျအားဖြင့် ပိုမိုမြင့်မားသော ရှုမြင်သုံးသပ်ချက်ဗားရှင်းသည် မှားယွင်းသည်၊ အများစုကို မူလက သင်္ချာပညာရှင်များက မဖြေရှင်းနိုင်သေးသော်လည်း၊
ပြဿနာနောက်ကွယ်က သမိုင်း
Jacobian အယူအဆသည် ကိန်းဂဏာန်းများကို တွက်ချက်ပြီး စည်းမျဉ်းတစ်ခုအတိုင်း လိုက်နာခြင်းဖြင့် ဂဏန်းအသစ်များကို ထုတ်လွှတ်သော သင်္ချာယန္တရားများသည် များပြားသော လုပ်ဆောင်ချက်များနှင့် သက်ဆိုင်ပါသည်။ ဤဆက်တင်တွင် နံပါတ်များသည် မြေပုံရှိ သြဒိနိတ်များကဲ့သို့ နေရာလွတ်တစ်ခုရှိ အမှတ်များကို ကိုယ်စားပြုနိုင်သည်။ လုပ်ဆောင်ချက်တစ်ခုသည် အဆိုပါ သြဒီနိတ်များကို ယူကာ ၎င်းတို့ကို ပြောင်းလဲစေပြီး အမှတ်များကို မတူညီသော ရာထူးများသို့ ရွှေ့သည်။ သင်္ချာပညာရှင်များသည် ၎င်း၏ Jacobian အဆုံးအဖြတ်ကို တွက်ချက်ခြင်းဖြင့် လုပ်ဆောင်ချက်တစ်ခုသည် အာကာသကို မည်ကဲ့သို့ ချောမွေ့စွာ ပြန်လည်စီစဉ်ပေးနိုင်သည်ကို ဆန်းစစ်နိုင်သည်။ အဓိကအားဖြင့် မှန်းဆချက်က မေးသည်- အဆိုပါ အဆုံးအဖြတ်သည် သုညမဟုတ်သော ကိန်းသေမဟုတ်ပါက၊ လုပ်ဆောင်ချက်တွင် ကိန်းသေပြောင်းပြန်ဖြစ်ရန် လိုအပ်ပါသလား။
ပြဿနာက သမိုင်းကြောင်းရှိတယ်။ ၎င်းကို ချက်သင်္ချာပညာရှင် Ludwig Kraus က 1884 တွင် ပထမဆုံးဖော်ပြခဲ့ပြီး 1939 တွင် ဂျာမန်သင်္ချာပညာရှင် Ott-Heinrich Keller မှ မည်သည့်အတိုင်းအတာအထိ ယေဘုယျဖော်ပြခဲ့သည်။ ၎င်းကို Fields Medalist Stephen Smale က အလွန်အရေးကြီးသည်ဟု ယူဆသောကြောင့် ၎င်းကို ၎င်း၏ သြဇာကြီးသော 1998 ခုနှစ်သင်္ချာပြဿနာများစာရင်းတွင် ထည့်သွင်းခဲ့သည်။
၎င်း၏သက်တမ်းရှည်ကြာလာသည်နှင့်အမျှ၊ အဆိုပါယူဆချက်သည် 20 ရာစုသင်္ချာပညာရှင်နှစ်ဦးဖြစ်သည့် Beniamino Segre နှင့် Wolfgang Gröbner တို့၏ကြိုးပမ်းမှုများအပါအဝင် အခိုင်အမာအထောက်အထားများစွာကို ဆွဲဆောင်နိုင်ခဲ့သည်။ ဘယ်သူမှ မကိုင်ဘူး။ chatbot-စတိုင်မော်ဒယ်မှအကူအညီဖြင့်- ယခုအချိန်တွင် တန်ပြန်ဥပမာတစ်ခုပေါ်လာသည်- AI သည် အထောက်အထားများတည်ဆောက်ရန်အတွက်ဖြစ်သောကြောင့် AI သည် မမျှော်လင့်ထားသောသင်္ချာဆိုင်ရာအရာဝတ္ထုများကိုရှာဖွေတွေ့ရှိခြင်းအတွက်အသုံးဝင်ကြောင်းသက်သေပြနေပုံဖြစ်သည်။
Higher-Dimensional Case ဘာကြောင့် ကျသွားတယ်။
အဓိက ခြားနားချက်မှာ အတိုင်းအတာ နှစ်ခုနှင့် သုံးခု (သို့မဟုတ် ထို့ထက်ပို) အကြားဖြစ်သည်။ မူလနှစ်ဘက်မြင် Jacobian အယူအဆ၊ မျိုးဆက်များအတွက် အက္ခရာသင်္ချာဆိုင်ရာ ဘူမိမီတာများကို သိမ်းပိုက်ထားသည့် ဗားရှင်းကို ဖွင့်ထားဆဲဖြစ်သည်။ Alpöge နှင့် Claude Fable 5 တွေ့ရှိခဲ့သည့်အရာသည် 1939 ခုနှစ်တွင် Keller ရေးဆွဲခဲ့သော ယေဘုယျယူဆချက်အား ဖြိုဖျက်ရန် လုံလောက်သော အတိုင်းအတာသုံးမျိုးဖြင့် တန်ပြန်ဥပမာတစ်ခုဖြစ်သည်။
အဲဒါက အဓိပ္ပါယ်ရှိတဲ့ ရလဒ်တစ်ခုပါ။ သုတေသီ အများအပြားက အဆိုပါယူဆချက်သည် လုံးဝမှန်ပါက နေရာတိုင်းတွင် မှန်လိမ့်မည်ဟု သံသယရှိခဲ့ကြသည်။ Dimension 3 ရှိ သန့်ရှင်းသော တန်ပြန်နမူနာသည် ဖြစ်နိုင်ခြေ၏နေရာကို ကျဉ်းမြောင်းစေပြီး ကျန်မေးခွန်းကို ပြန်လည်ဖန်တီးပေးသည်- အတိုင်းအတာနှစ်ခုသည် အမှန်တကယ်ထူးခြားပါသလား၊ သို့မဟုတ် တန်ပြန်ဥပမာတစ်ခုလည်း ထိုနေရာတွင် ရှိနေပါသလား။
တန်ပြန်ဥပမာ၏ အတိုကောက်သည် သူ့အလိုလို မှတ်သားဖွယ်ဖြစ်သည်။ AI ကိရိယာများသည် ရာစုနှစ်တစ်ခုပြီးတစ်ခု ပြဿနာများကို တစ်ခုပြီးတစ်ခု ဖြိုခွဲလိုက်သောကြောင့် သင်္ချာပညာရှင်များသည် "အလွန်လျင်မြန်ပြီး အလွန်မတည်မငြိမ်သော ပြောင်းလဲမှု" ကို ရင်ဆိုင်နေကြသည်ဟု Fortune က ဖော်ပြခဲ့သည်။ Fields Medalist မှ ထောက်ခံထားသော ပြဿနာတစ်ခုကို ဖယ်ရှားပစ်ရန် သေးငယ်သော ဖော်မြူလာသည် သက်သာရာရစေမည့် ဖွံ့ဖြိုးတိုးတက်မှုမျိုးဖြစ်သည် — နှင့် ထိုစိတ်လှုပ်ရှားမှု။
သင်္ချာဘာသာရပ်တွင် AI ၏ အခန်းကဏ္ဍ ကြီးထွားလာသည်။
ကြီးမားသောဘာသာစကားပုံစံများဖြင့် လုပ်ဆောင်နေသော သင်္ချာပညာရှင်များသည် မကြာသေးမီက ထင်ရှားသောရလဒ်များစွာကို ထုတ်ပေးခဲ့ပြီး Jacobian အယူအဆ တန်ပြန်ဥပမာသည် အစောပိုင်းတိုးတက်မှုများစွာနှင့် ခြားနားပါသည်။ ရက်စက်ကြမ်းကြုတ်သောရှာဖွေမှုဖြင့် ကြိတ်ခွဲမည့်အစား Alpöge နှင့် Claude Fable 5 တို့၏ ပူးပေါင်းဆောင်ရွက်မှုသည် သင်္ချာပညာရှင်များ အတည်ပြု၍ တည်ဆောက်နိုင်သည့် တိကျသော၊ လူသားစစ်ဆေးနိုင်သော အဖြေကို ထုတ်ပေးခဲ့သည်။
ရှာဖွေတွေ့ရှိမှုသည် ပိုမိုကျယ်ပြန့်သော ပုံစံကိုလည်း မီးမောင်းထိုးပြသည်။ Frontier မော်ဒယ်များသည် ကျယ်ပြောလှသော ပေါင်းစပ်နေရာများကို စူးစမ်းရှာဖွေနိုင်ပြီး လူသားတစ်ဦးသည် ဘယ်တော့မှ မတိုက်မိနိုင်သော အရာဝတ္ထုများကို အဆိုပြုနိုင်စွမ်း ပိုများလာသည်။ အဆိုပါ ကိုယ်စားလှယ်လောင်းများသည် လက်ဖြင့် စိစစ်ရန် တိုတောင်းသောအခါ၊ AI အနံနှင့် လူသား၏ စီရင်ဆုံးဖြတ်ခြင်း ပေါင်းစပ်မှုသည် အားကောင်းလာပါသည်။
အနာဂတ်အတွက် ဘာကိုဆိုလိုလဲ။
SciTechDaily မှတ်ချက်ပြုထားသည့်အတိုင်း သင်္ချာပညာ၏အနာဂတ်—နှင့် လူသားသင်္ချာပညာရှင်များအတွက်၊ ၎င်းသည် အဘယ်အရာကိုဆိုလိုသည်ကို မြင်တွေ့ရမည်ဖြစ်သည်။ တန်ပြန်နမူနာသည် သင်္ချာပညာရှင်များ အသုံးမပြုတော့ကြောင်း မဖော်ပြပါ။ တစ်ခုခုဆိုပါက၊ ၎င်းသည် အဖွင့်မေးခွန်းကို ထက်မြက်စေပြီး သုတေသီများအား တိကျသောပစ်မှတ်အသစ်ကို ပေးသည်။ သို့သော် AI သည် ပုံနှိပ်စာအုပ်များကို အကျဉ်းချုပ်ခြင်းထက် ကျော်လွန်ပြီး တီထွင်ဖန်တီးမှုရှိသော သင်္ချာဆိုင်ရာအလုပ်၏ နှလုံးသားထဲသို့ ရွေ့သွားသည်ကို အားဖြည့်ပေးပါသည်။ရလဒ်သည် Anthropic အတွက် မြင့်မားသော တရားဝင်အထောက်အထားတစ်ခုလည်းဖြစ်သည်။ Claude Fable 5 ကို လူသိရှင်ကြား မဖော်ထုတ်မီ ရက်သတ္တပတ်အနည်းငယ်အလိုကပင် ကုမ္ပဏီ၏ ကိုယ်ပိုင်သင်္ချာပညာရှင်တစ်ဦးမှ လွန်ခဲ့သည့်ရာစု၏ အကြီးမြတ်ဆုံးစိတ်အချို့ကို ပျက်ပြားစေခဲ့သော ပြဿနာတစ်ခုကို ဖြေရှင်းရန်အတွက် အသုံးပြုခဲ့သည်။ ကုမ္ပဏီတစ်ခုသည် ၎င်း၏မော်ဒယ်များသည် နယ်နိမိတ်တွင် ကျိုးကြောင်းဆင်ခြင်နိုင်သည်ဟု သက်သေပြရန် ကုမ္ပဏီပြိုင်ကားအတွက်၊ ထောက်ခံချက်အနည်းငယ်သည် 1939 ၏ထင်မြင်ယူဆချက်ထက် နောက်ဆုံးတွင် ကွဲအက်သွားပါသည်။
AI ၏ရှေ့တွင်နေပါ။
AI မောင်းနှင်သော ရှာဖွေတွေ့ရှိမှု၏ အရှိန်အဟုန်သည် သိပ္ပံ၊ သင်္ချာနှင့် စက်မှုလုပ်ငန်းခွင်များတွင် အရှိန်မြှင့်လျက်ရှိသည်။ မော်ဒယ်ထုတ်ဝေမှုများ၊ သုတေသနအောင်မြင်မှုများနှင့် မူဝါဒအပြောင်းအလဲများကို စဉ်ဆက်မပြတ်လွှမ်းခြုံနိုင်စေရန် ကျွန်ုပ်တို့၏ ထူးခြားသော AI သတင်း စားပွဲကို မှတ်သားပါ။
AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →
