លែងមានអ្នកណាត្រូវការវិស្វករដែលផ្តល់បញ្ជាដល់ AI ទៀតហើយ។

វិស្វកម្ម​រហ័ស​សម្រាប់​បញ្ញាសិប្បនិម្មិត (AI) គឺជា​ការងារ​មួយ​ក្នុង​ចំណោម​ការងារ​ដែល​មាន​ការ​ស្វែងរក​ច្រើន​បំផុត​ក្នុង​ឆ្នាំ ២០២៣។ ទោះ​ជា​យ៉ាង​ណា​ក៏​ដោយ ល្បឿន​យ៉ាង​លឿន​នៃ​ការ​អភិវឌ្ឍ​បញ្ញាសិប្បនិម្មិត (AI) បាន​ធ្វើ​ឱ្យ​វិជ្ជាជីវៈ​នេះ​ហួស​សម័យ។

នៅឆ្នាំ 2023 ខណៈពេលដែលមនុស្សរាប់លាននាក់មានការព្រួយបារម្ភអំពីលទ្ធភាពនៃគំរូបញ្ញាសិប្បនិម្មិតដូចជា ChatGPT ដែលដណ្តើមយកការងាររបស់ពួកគេ ក្រុមហ៊ុនមួយចំនួនមានឆន្ទៈក្នុងការចំណាយប្រាក់រាប់រយរាប់ពាន់ដុល្លារដើម្បីជួលមនុស្សដែលមានសមត្ថភាពទាញយកអត្ថប្រយោជន៍ពី chatbots AI ជំនាន់ក្រោយទាំងនេះ។

យោងតាម ​​Bloomberg ការលេចចេញនូវ ChatGPT នៅពេលនោះបានបង្កើតវិជ្ជាជីវៈថ្មីមួយហៅថា Prompt Engineer ដែលមានប្រាក់ខែរហូតដល់ ៣៣៥,០០០ ដុល្លារ ក្នុងមួយឆ្នាំ។

«និយាយជាមួយ AI»

មិនដូចអ្នកសរសេរកម្មវិធីបែបប្រពៃណីទេ វិស្វករស្នើឱ្យសរសេរកម្មវិធីក្នុងទម្រង់ជាសំណេរ បន្ទាប់មកផ្ញើពាក្យបញ្ជាអត្ថបទធម្មតាទៅប្រព័ន្ធ AI។ បន្ទាប់មកប្រព័ន្ធនឹងបំលែងអត្ថបទពិពណ៌នាទៅជាកិច្ចការជាក់ស្តែង។

បុគ្គលទាំងនេះច្រើនតែយល់ពីចំណុចខ្វះខាតរបស់ AI ដែលអនុញ្ញាតឱ្យពួកគេបង្កើនសមត្ថភាពរបស់វា និងបង្កើតយុទ្ធសាស្ត្រទំនើបៗ ដើម្បីបំលែងការបញ្ចូលសាមញ្ញទៅជាលទ្ធផលពិសេសពិតប្រាកដ។

លោក Lance Junck ធ្លាប់រកចំណូលបានជិត ៣៥,០០០ ដុល្លារ ពីវគ្គសិក្សាអនឡាញមួយដែលបង្រៀនមនុស្សពីរបៀបប្រើប្រាស់ ChatGPT។ រូបថត៖ Gearrice។

«ដើម្បីប្រើប្រាស់ AI ប្រកបដោយប្រសិទ្ធភាព អ្នកត្រូវតែស្ទាត់ជំនាញក្នុងការរចនាពាក្យបញ្ជា។ បើគ្មានជំនាញនេះទេ មិនយូរមិនឆាប់អាជីពរបស់អ្នកនឹងត្រូវបំផ្លាញ» នេះបើតាមសម្ដីរបស់លោកស្រី Lydia Logan អនុប្រធានផ្នែក អប់រំ សកល និងអភិវឌ្ឍន៍ធនធានមនុស្សនៅ IBM។

ទោះជាយ៉ាងណាក៏ដោយ ជាមួយនឹងការអភិវឌ្ឍយ៉ាងឆាប់រហ័ស គំរូ AI ឥឡូវនេះយល់ពីចេតនារបស់អ្នកប្រើប្រាស់បានកាន់តែប្រសើរឡើង ហើយថែមទាំងអាចសួរសំណួរបន្តប្រសិនបើចេតនាមិនច្បាស់លាស់។

លើសពីនេះ យោងតាម ​​WSJ ក្រុមហ៊ុននានាកំពុងបណ្តុះបណ្តាលបុគ្គលិកជាច្រើននៅទូទាំងនាយកដ្ឋានផ្សេងៗអំពីរបៀបប្រើប្រាស់ពាក្យបញ្ជា និងគំរូ AI ឲ្យបានល្អបំផុត ដូច្នេះមានតម្រូវការតិចជាងមុនសម្រាប់មនុស្សម្នាក់ដើម្បីមានជំនាញនេះ។

ជាពិសេស នៅក្នុងការស្ទង់មតិថ្មីៗនេះដែលធ្វើឡើងដោយក្រុមហ៊ុន Microsoft បុគ្គលិកចំនួន ៣១.០០០ នាក់នៅក្នុងប្រទេសចំនួន ៣១ ត្រូវបានសួរអំពីតួនាទីថ្មីៗដែលក្រុមហ៊ុនរបស់ពួកគេកំពុងពិចារណាបន្ថែមក្នុងរយៈពេល ១២-១៨ ខែខាងមុខ។ យោងតាមលោក Jared Spataro នាយកផ្នែកទីផ្សារ AI at Work របស់ក្រុមហ៊ុន Microsoft និងជាវិស្វករបញ្ជាការ បានជាប់ចំណាត់ថ្នាក់ទីពីរពីបាតបញ្ជី។

ទន្ទឹមនឹងនេះ តួនាទីដូចជាគ្រូបង្វឹក អ្នកឯកទេសទិន្នន័យ និងអ្នកជំនាញសន្តិសុខ AI ស្ថិតនៅកំពូលបញ្ជី។

Spataro អះអាងថា គំរូភាសាសំខាន់ៗឥឡូវនេះបានអភិវឌ្ឍគ្រប់គ្រាន់ដើម្បីធ្វើឱ្យអន្តរកម្ម ការសន្ទនា និងការយល់ដឹងអំពីបរិបទកាន់តែប្រសើរឡើង។

ឧទាហរណ៍ ឧបករណ៍ស្រាវជ្រាវដែលមានមូលដ្ឋានលើ AI របស់ Microsoft នឹងសួរសំណួរតាមដាន ប្រាប់អ្នកប្រើប្រាស់នៅពេលដែលវាមិនយល់អ្វីមួយ និងស្នើសុំមតិយោបល់លើព័ត៌មានដែលបានផ្តល់ជូន។ ម្យ៉ាងវិញទៀត Spataro អះអាងថា "អ្នកមិនចាំបាច់មានសេចក្តីថ្លែងការណ៍ល្អឥតខ្ចោះនោះទេ"។

ការ​ធ្វើ​ជា​មនុស្ស​ខ្វាក់​ភ្នែក​មិន​មែន​ជា​រឿង​ខុស​ទេ។

យោងតាមលោកស្រី Hannah Calhoon អនុប្រធានផ្នែក AI នៅវេទិកាស្វែងរកការងារ Indeed ចំនួននៃការប្រកាសការងារសម្រាប់វិស្វករបន្ទាត់ពាក្យបញ្ជាគឺទាបណាស់។

នៅក្នុងខែមករា ឆ្នាំ២០២៣ ត្រឹមតែប៉ុន្មានខែបន្ទាប់ពី ChatGPT បានដាក់ឱ្យដំណើរការ ការស្វែងរករបស់អ្នកប្រើប្រាស់នៅលើ Indeed សម្រាប់តួនាទីនេះបានកើនឡើងដល់ ១៤៤ ក្នុងមួយលានការស្វែងរក។ ទោះជាយ៉ាងណាក៏ដោយ ចាប់តាំងពីពេលនោះមក ចំនួននោះបានធ្លាក់ចុះមកនៅប្រហែល ២០-៣០ ក្នុងមួយលានការស្វែងរក។

វិស្វករ​ជំរុញ​ល្បឿន​គឺជា​វិស្វករ​ដែល​ការងារ​របស់​ពួកគេ​គឺ​បង្កើត​សំណួរ ឬ​ពាក្យបញ្ជា​សម្រាប់​ឧបករណ៍ AI ដូចជា ChatGPT។ រូបថត៖ Riku AI។

ក្រៅពីការធ្លាក់ចុះនៃតម្រូវការ ដែលរឹតត្បិតដោយថវិកាតឹងតែង និងភាពមិនប្រាកដប្រជា ផ្នែកសេដ្ឋកិច្ច កើនឡើង ក្រុមហ៊ុននានាក៏បានប្រុងប្រយ័ត្នជាងមុនអំពីការជួលបុគ្គលិកជាទូទៅក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ។

ដូច្នេះហើយ ក្រុមហ៊ុនដូចជា Nationwide Insurance ម៉ាកសម្លៀកបំពាក់ការងារ Carhartt និង New York Life Insurance សុទ្ធតែបានបញ្ជាក់ថា ពួកគេមិនដែលបានជួលវិស្វករបញ្ជាទិញទេ។ ផ្ទុយទៅវិញ ពួកគេបានរកឃើញថា ការពង្រឹងជំនាញកំណត់ការបញ្ជាទិញគឺជាជំនាញពិសេសមួយដែលបុគ្គលិកបច្ចុប្បន្នទាំងអស់អាចត្រូវបានបណ្តុះបណ្តាល។

លោក Jim Fowler ប្រធានផ្នែកបច្ចេកវិទ្យានៃ Nationwide បានមានប្រសាសន៍ថា “មិនថាអ្នកធ្វើការក្នុងវិស័យហិរញ្ញវត្ថុ ធនធានមនុស្ស ឬផ្នែកច្បាប់ទេ យើងចាត់ទុករឿងនេះជាសមត្ថភាពនៅក្នុងមុខតំណែងការងារ មិនមែនជាមុខតំណែងការងារដាច់ដោយឡែកនោះទេ”។

សាស្ត្រាចារ្យ Andrew Ng ស្ថាបនិក Google Brain និងជាសាស្ត្រាចារ្យនៅសាកលវិទ្យាល័យ Stanford បានលើកឡើងថា អ្នកប្រើប្រាស់ពេលខ្លះមិនចាំបាច់លម្អិតពេកទេ នៅពេលបញ្ចូលសំណួរសម្រាប់ AI។

នៅក្នុងការបង្ហោះមួយនៅលើ X លោក Ng បានហៅវិធីសាស្ត្រនេះថា " ការជំរុញដោយខ្ជិលច្រអូស " — ពោលគឺការផ្តល់ព័ត៌មានទៅក្នុង AI ដោយមានបរិបទតិចតួច ឬគ្មានការណែនាំជាក់លាក់។ "យើងគួរតែបន្ថែមព័ត៌មានលម្អិតទៅក្នុងការណែនាំតែនៅពេលដែលចាំបាច់បំផុតប៉ុណ្ណោះ" សហស្ថាបនិក Coursera និង DeepLearning បាននិយាយ។

ឧទាហរណ៍​ដ៏​ល្អ​មួយ​ដែល​លោក Ng បាន​ផ្តល់​ឲ្យ​គឺ​អ្នក​សរសេរ​កម្មវិធី​នៅពេល​ដែល​អ្នក​កំពុង​ធ្វើ​ការ​បំបាត់​កំហុស។ ពួកគេ​ច្រើន​តែ​ចម្លង និង​បិទភ្ជាប់​សារ​កំហុស​ទាំងមូល - ជួនកាល​មាន​ទំព័រ​ច្រើន - ទៅ​ក្នុង​គំរូ AI ដោយ​មិន​បាន​បញ្ជាក់​ពី​តម្រូវការ​ឡើយ។

គាត់បានសរសេរថា "គំរូភាសាធំៗភាគច្រើន (LLMs) មានភាពវៃឆ្លាតគ្រប់គ្រាន់ក្នុងការយល់ថា អ្នកត្រូវការឱ្យពួកគេវិភាគ និងណែនាំវិធីដើម្បីជួសជុលកំហុស ទោះបីជាអ្នកមិនបាននិយាយយ៉ាងច្បាស់ក៏ដោយ"។

បរិញ្ញាបត្រជាន់ខ្ពស់ (LLMs) កំពុងផ្លាស់ប្តូរបន្តិចម្តងៗលើសពីការឆ្លើយតបទៅនឹងពាក្យបញ្ជា ដោយចាប់ផ្តើមយល់ពីចេតនា និងហេតុផលរបស់អ្នកប្រើប្រាស់ ដើម្បីផ្តល់ដំណោះស្រាយសមស្រប។ រូបថត៖ Bloomberg។

យោងតាមលោក Ng នេះគឺជាជំហានមួយទៅមុខដែលបង្ហាញថា LLMs កំពុងផ្លាស់ប្តូរបន្តិចម្តងៗលើសពីការឆ្លើយតបទៅនឹងពាក្យបញ្ជា ដោយចាប់ផ្តើមយល់ពីចេតនា និងហេតុផលរបស់អ្នកប្រើប្រាស់ដើម្បីផ្តល់ដំណោះស្រាយសមស្រប - និន្នាការមួយដែលក្រុមហ៊ុនអភិវឌ្ឍន៍គំរូ AI កំពុងស្វែងរក។

ទោះជាយ៉ាងណាក៏ដោយ "ការជំរុញដោយខ្ជិលច្រអូស" មិនតែងតែមានប្រសិទ្ធភាពនោះទេ។ គួរកត់សម្គាល់ថាបច្ចេកទេសនេះគួរតែត្រូវបានអនុវត្តលុះត្រាតែអ្នកប្រើប្រាស់អាចសាកល្បងគំរូបានយ៉ាងឆាប់រហ័ស ដូចជាតាមរយៈចំណុចប្រទាក់គេហទំព័រ ឬកម្មវិធី AI ហើយគំរូនេះមានសមត្ថភាពគ្រប់គ្រាន់ក្នុងការសន្និដ្ឋានចេតនាពីព័ត៌មានមានកំណត់។

លោក Ng បានសង្កត់ធ្ងន់ថា “ប្រសិនបើ AI ត្រូវការបរិបទច្រើនដើម្បីឆ្លើយតបលម្អិត ឬមិនអាចស្គាល់កំហុសដែលអាចកើតមាន នោះការសួរសាមញ្ញមួយនឹងមិនជួយទេ”។

ប្រភព៖ https://znews.vn/khong-con-ai-can-ky-su-ra-lenh-cho-ai-nua-post1549306.html