ការស្រាវជ្រាវថ្មី៖ AI មិនមានហេតុផលដូចមនុស្សទេ។

កម្មវិធីបញ្ញាសិប្បនិម្មិត (AI) ទទួលបានលទ្ធផលគួរឲ្យចាប់អារម្មណ៍ ប៉ុន្តែការស្រាវជ្រាវថ្មីបង្ហាញថា យើងមិនគួរនិយាយហួសហេតុពេកទេ ដែលថា AI អាចហេតុផលដូចមនុស្ស។

កម្មវិធីបញ្ញាសិប្បនិម្មិតសម្រេចបាននូវរបកគំហើញជាច្រើនក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ - រូបថត៖ REUTERS

យើងមិនអាចសង្កេតមើលដំណើរការទាំងមូលចាប់ពីទិន្នន័យបញ្ចូលរហូតដល់លទ្ធផលទិន្នផលនៃគំរូភាសាធំៗ (LLMs) បានទេ។

ដើម្បី​ធ្វើ​ឲ្យ​ងាយ​យល់ អ្នកវិទ្យាសាស្ត្រ ​បាន​ប្រើ​ពាក្យ​ទូទៅ​ដូចជា «ហេតុផល» ដើម្បី​ពិពណ៌នា​អំពី​របៀប​ដែល​កម្មវិធី​ទាំងនេះ​ដំណើរការ។ ពួកគេ​ក៏​និយាយ​ដែរ​ថា កម្មវិធី​ទាំងនេះ​អាច «គិត» «វែកញែក» និង «យល់» ដូច​ដែល​មនុស្ស​ធ្វើ។

ការបំផ្លើសសមត្ថភាពរបស់ AI។

យោងតាម ​​ZDNET នៅថ្ងៃទី 6 ខែកញ្ញា ក្នុងរយៈពេលពីរឆ្នាំកន្លងមកនេះ នាយកប្រតិបត្តិ AI ជាច្រើនបានប្រើភាសាបំផ្លើសដើម្បីផ្សព្វផ្សាយសមិទ្ធផលបច្ចេកទេសសាមញ្ញៗ។

នៅក្នុងខែកញ្ញា ឆ្នាំ២០២៤ OpenAI បានប្រកាសថា គំរូហេតុផល o1 "ប្រើប្រាស់ខ្សែសង្វាក់នៃការសន្និដ្ឋាននៅពេលដោះស្រាយបញ្ហា ស្រដៀងគ្នាទៅនឹងរបៀបដែលមនុស្សគិតក្នុងរយៈពេលយូរនៅពេលប្រឈមមុខនឹងសំណួរពិបាកៗ"។

ទោះជាយ៉ាងណាក៏ដោយ អ្នកវិទ្យាសាស្ត្រ AI មិនយល់ស្របទេ។ ពួកគេអះអាងថា AI មិនមានបញ្ញាដូចមនុស្សទេ។

ការសិក្សាមួយលើមូលដ្ឋានទិន្នន័យ arXiv ដោយក្រុមអ្នកនិពន្ធនៅសាកលវិទ្យាល័យរដ្ឋ Arizona (សហរដ្ឋអាមេរិក) បានផ្ទៀងផ្ទាត់សមត្ថភាពវែកញែករបស់ AI ជាមួយនឹងការពិសោធន៍សាមញ្ញមួយ។

លទ្ធផលបានបង្ហាញថា "ការសន្និដ្ឋានដោយខ្សែសង្វាក់នៃការគិតគឺជាការបំភាន់ដ៏ផុយស្រួយ" មិនមែនជាយន្តការឡូជីខលពិតប្រាកដនោះទេ ប៉ុន្តែគ្រាន់តែជាទម្រង់ស្មុគស្មាញនៃការផ្គូផ្គងលំនាំ។

ពាក្យថា "ខ្សែសង្វាក់នៃការគិត" (CoT) អនុញ្ញាតឱ្យ AI មិនត្រឹមតែបង្កើតចម្លើយចុងក្រោយប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងបង្ហាញជំហាននីមួយៗនៃហេតុផលឡូជីខលផងដែរ ដូចនៅក្នុងម៉ូដែល GPT-o1 ឬ DeepSeek V1។

រូបភាពនៃគំរូភាសា GPT-2 ដោយ OpenAI - រូបថត៖ ECHOCRAFTAI

សូមពិនិត្យមើលអ្វីដែល AI ពិតជាធ្វើ។

ក្រុមស្រាវជ្រាវបានបញ្ជាក់ថា ការវិភាគទ្រង់ទ្រាយធំបានបង្ហាញថា LLM មានទំនោរពឹងផ្អែកច្រើនលើអត្ថន័យ និងតម្រុយលើផ្ទៃជាជាងដំណើរការវែកញែកឡូជីខល។

ក្រុមនេះពន្យល់ថា "LLM បង្កើតខ្សែសង្វាក់តក្កវិជ្ជារាក់ៗដោយផ្អែកលើការផ្សារភ្ជាប់ទិន្នន័យដែលបានរៀន ដែលជារឿយៗបរាជ័យលើភារកិច្ចដែលងាកចេញពីវិធីសាស្ត្រវែកញែកធម្មតា ឬគំរូដែលធ្លាប់ស្គាល់"។

ដើម្បីសាកល្បងសម្មតិកម្មដែលថា LLM គ្រាន់តែផ្គូផ្គងលំនាំ ហើយមិនធ្វើការសន្និដ្ឋានពិតប្រាកដទេ ក្រុមនេះបានបណ្តុះបណ្តាល GPT-2 ដែលជាគំរូប្រភពបើកចំហដែលចេញផ្សាយដោយ OpenAI ក្នុងឆ្នាំ 2019។

ដំបូងឡើយ គំរូនេះត្រូវបានបណ្តុះបណ្តាលលើកិច្ចការសាមញ្ញៗលើអក្សរអង់គ្លេសចំនួន 26 ដូចជាការបញ្ច្រាសអក្សរមួយចំនួន ឧទាហរណ៍ ការប្រែក្លាយ "APPLE" ទៅជា "EAPPL"។ បន្ទាប់មកក្រុមបានផ្លាស់ប្តូរភារកិច្ច ហើយបានស្នើសុំឱ្យ GPT-2 ដោះស្រាយវា។

លទ្ធផលបានបង្ហាញថា សម្រាប់កិច្ចការដែលមិនត្រូវបានរួមបញ្ចូលនៅក្នុងទិន្នន័យបណ្តុះបណ្តាល GPT-2 មិនអាចដោះស្រាយវាបានត្រឹមត្រូវដោយប្រើ CoT ទេ។

ផ្ទុយទៅវិញ គំរូនេះព្យាយាមអនុវត្តភារកិច្ចដែលបានរៀនឱ្យបានដិតដល់តាមដែលអាចធ្វើទៅបាន។ ដូច្នេះ "ហេតុផល" របស់វាអាចស្តាប់ទៅឡូជីខល ប៉ុន្តែលទ្ធផលច្រើនតែខុស។

ក្រុមនេះបានសន្និដ្ឋានថា មនុស្សម្នាក់មិនគួរពឹងផ្អែកខ្លាំងពេក ឬទុកចិត្តចម្លើយរបស់ LLM ដោយងងឹតងងល់នោះទេ ព្រោះវាអាចបង្កើត "ភាពមិនសមហេតុផលដែលស្តាប់ទៅគួរឱ្យជឿជាក់ខ្លាំង"។

ពួកគេក៏បានសង្កត់ធ្ងន់លើតម្រូវការក្នុងការយល់ដឹងពីធម្មជាតិពិតរបស់ AI ជៀសវាងការផ្សព្វផ្សាយបំផ្លើស និងឈប់ផ្សព្វផ្សាយថា AI មានសមត្ថភាពវែកញែកដូចមនុស្សដែរ។

ត្រឡប់ទៅប្រធានបទវិញ

អាន ព្រហស្បតិ៍

ប្រភព៖ https://tuoitre.vn/nghien-cuu-moi-ai-khong-suy-luan-nhu-con-nguoi-20250907152120294.htm