អ្នកជំនាញ AI៖ ការជំរុញ 'ខ្វាក់' មិនខុសទេ។

សាស្ត្រាចារ្យ Andrew Ng ស្ថាបនិក Google Brain និងជាសាស្ត្រាចារ្យនៅសាកលវិទ្យាល័យ Stanford បាននិយាយថា ពេលខ្លះអ្នកប្រើប្រាស់មិនចាំបាច់លម្អិតពេកទេនៅពេលបញ្ចូលសំណើរ (ប្រអប់បញ្ចូល) សម្រាប់ AI ។

សាស្ត្រាចារ្យ Andrew Ng គឺជាស្ថាបនិកម្នាក់នៃ Google Brain ។ រូបថត៖ Coursera ។

នៅក្នុងការបង្ហោះនៅលើ X លោក Ng ហៅវាថា " ការជំរុញឱ្យខ្ជិល " - ការផ្តល់ព័ត៌មានទៅក្នុង AI ជាមួយនឹងបរិបទតិចតួចឬគ្មាន។ សហស្ថាបនិក Coursera និង DeepLearning បាននិយាយថា "យើងគួរតែបន្ថែមព័ត៌មានលម្អិតទៅឱ្យភ្លាមៗនៅពេលដែលវាចាំបាច់" ។

ឧទាហរណ៍ធម្មតាដែល Ng ផ្តល់ឱ្យគឺអ្នកសរសេរកម្មវិធីដែលនៅពេលកែកំហុស ជារឿយៗចម្លង និងបិទភ្ជាប់សារកំហុសទាំងមូល — ពេលខ្លះទំព័រជាច្រើនវែង — ទៅក្នុងគំរូ AI ដោយមិនបានបញ្ជាក់យ៉ាងច្បាស់ពីអ្វីដែលពួកគេចង់បាន។

គាត់បានសរសេរថា "គំរូភាសាធំ ៗ (LLMs) ភាគច្រើនគឺឆ្លាតវៃគ្រប់គ្រាន់ដើម្បីយល់ពីអ្វីដែលអ្នកត្រូវការដើម្បីវិភាគ និងណែនាំការជួសជុល ទោះបីជាអ្នកមិននិយាយយ៉ាងច្បាស់ក៏ដោយ" គាត់បានសរសេរ។

យោងតាមលោក Ng នេះគឺជាជំហានឆ្ពោះទៅមុខដែលបង្ហាញថា LLM កំពុងឈានទៅមុខជាបណ្តើរៗហួសពីសមត្ថភាពក្នុងការឆ្លើយតបទៅនឹងពាក្យបញ្ជាសាមញ្ញ ដោយចាប់ផ្តើមយល់ពីចេតនា និងហេតុផលរបស់អ្នកប្រើប្រាស់ក្នុងការផ្តល់នូវដំណោះស្រាយសមស្រប ដែលជានិន្នាការដែលក្រុមហ៊ុនអភិវឌ្ឍម៉ូដែល AI កំពុងស្វែងរក។

ទោះជាយ៉ាងណាក៏ដោយ "ការជម្រុញឱ្យខ្ជិល" មិនតែងតែដំណើរការទេ។ Ng កត់សម្គាល់ថាបច្ចេកទេសនេះគួរតែត្រូវបានប្រើនៅពេលដែលអ្នកប្រើប្រាស់អាចសាកល្បងបានយ៉ាងឆាប់រហ័ស ដូចជាតាមរយៈគេហទំព័រ ឬកម្មវិធី AI ហើយម៉ូដែលនេះមានសមត្ថភាពសន្និដ្ឋានពីចេតនាពីព័ត៌មានតិចតួច។

លោក Ng បានសង្កត់ធ្ងន់ថា "ប្រសិនបើ AI ត្រូវការបរិបទច្រើនដើម្បីឆ្លើយតបយ៉ាងលម្អិត ឬមិនអាចទទួលស្គាល់កំហុសដែលអាចកើតមាន នោះការជម្រុញដ៏សាមញ្ញមួយនឹងមិនអាចជួយបានទេ" ។

តាមទ្រឹស្ដី ការខ្ជិលជំរុញឱ្យសន្សំពេលវេលា និងការខំប្រឹងប្រែង ជាពិសេសសម្រាប់អ្នកដែលមិនស៊ាំនឹងការសរសេរពាក្យបញ្ជាលម្អិត។ ទោះយ៉ាងណាក៏ដោយ វាមិនមែនជា "ផ្លូវកាត់" សម្រាប់មនុស្សគ្រប់គ្នានោះទេ។

អ្នកប្រើប្រាស់ជាមធ្យម - មិនធ្លាប់គិតក្នុងន័យនៃការយល់ដឹងអំពីម៉ាស៊ីន "ដោយប្រយោល" អាចតស៊ូជាមួយការជម្រុញមិនច្បាស់លាស់ ដែលនាំឱ្យទទួលបានលទ្ធផលដែលមិនរំពឹងទុក។ លុះត្រាតែ AI មិនស៊ាំនឹងបរិបទជាក់លាក់ (ដូចជាការជជែកពីមុន) ឬអ្នកប្រើប្រាស់មានបទពិសោធន៍ធ្វើម្តងទៀត និងកែតម្រូវសំណើរយ៉ាងឆាប់រហ័ស នោះវិធីសាស្ត្រនេះនឹងមានប្រសិទ្ធភាព។

ទន្ទឹមនឹងនេះ សម្រាប់អ្នកសរសេរកម្មវិធី ឬអ្នកដែលធ្វើការច្រើនជាមួយ AI ការធ្វើឱ្យខ្លីនៃប្រអប់បញ្ចូលជួនកាលជួយឱ្យម៉ូដែលមិន "រំខាន" ដោយសារតែការណែនាំច្រើនពេក។ ដូច្នេះហើយ លោក Ng សង្កត់ធ្ងន់ថា នេះជាបច្ចេកទេសទំនើប ស័ក្តិសមសម្រាប់អ្នកដែលយល់ច្បាស់ពីសមត្ថភាពឆ្លើយតបរបស់ម៉ូដែលរួចហើយ។

ប្រភព៖ https://znews.vn/chuyen-gia-ai-prompt-mu-khong-sai-post1543586.html