3 ຂໍ້ຈໍາກັດຂອງ AI
ທີ່ກອງປະຊຸມ, ທ່ານ Oscar Lopez Alegre, ປະທານສະພາການຄ້າແອສປາໂຍນ ປະຈໍາ ຫວຽດນາມ, ທີ່ດຳລົງຊີວິດຢູ່ ຫວຽດນາມ ປະມານ 15 ປີ ແລະ ເຮັດວຽກໃນຂະແໜງພັດທະນາຊອບແວ (CEO of Nextway Technology), ໄດ້ແບ່ງປັນສິ່ງທີ່ໜ້າສົນໃຈ.
"ປະມານ 2008-2009, ຂ້າພະເຈົ້າໄດ້ສຶກສາ AI. ໃນເວລານັ້ນ, ພວກເຮົາຫລິ້ນກັບຫຸ່ນຍົນຂະຫນາດນ້ອຍທີ່ສາມາດເຄື່ອນທີ່ອັດຕະໂນມັດ, ເຖິງແມ່ນວ່າຈະເປີດໄຟ. ມັນຫນ້າສົນໃຈຫຼາຍແຕ່ບໍ່ແມ່ນເລື່ອງງ່າຍ. ໃນປີ 2015, ຂ້າພະເຈົ້າໄດ້ເຮັດວຽກຢູ່ IBM. ພວກເຮົາໃຊ້ AI ເພື່ອອັດຕະໂນມັດຄໍາແນະນໍາສໍາລັບພະນັກງານ, ຂຽນຄໍາອະທິບາຍວຽກອັດຕະໂນມັດ," Oscar ເວົ້າ.
ທ່ານ Oscar Lopez Alegre ເຊື່ອວ່າ AI ມີຂໍ້ຈຳກັດອັນແນ່ນອນ, ສະນັ້ນ ຄົນເຮົາຕ້ອງມີຄວາມຄິດວິຈານສະເໝີເມື່ອໃຊ້ AI.
ຮູບພາບ: MY QUYEN
ອີງຕາມການ Oscar, ມັນຂ້ອນຂ້າງຄ້າຍຄືກັນກັບສິ່ງທີ່ເກີດຂຶ້ນກັບການວິເຄາະຂໍ້ມູນໃນປັດຈຸບັນ, ແຕ່ເຕັກໂນໂລຢີໄດ້ຖືກຈໍາກັດໃນເວລານັ້ນ. AI ແມ່ນງ່າຍທີ່ຈະສ້າງແລະງ່າຍທີ່ຈະຮຽນຮູ້. "ມື້ນີ້, ຂ້ອຍໃຊ້ AI ສໍາລັບທຸກສິ່ງທຸກຢ່າງ, ລວມທັງການນໍາສະເຫນີ. AI ແມ່ນຢູ່ທົ່ວທຸກແຫ່ງ, ພວກເຮົາໃຊ້ມັນທຸກໆມື້, ແລະຫຼາຍກວ່ານັ້ນ, ມັນແມ່ນຜະລິດຕະພັນທີ່ໄດ້ຮັບການຮັບຮອງເອົາໄວທີ່ສຸດໃນປະຫວັດສາດຂອງອິນເຕີເນັດ. ຢ່າງໃດກໍຕາມ, ບໍ່ແມ່ນທຸກສິ່ງທຸກຢ່າງທີ່ AI ເວົ້າແມ່ນຄວາມຈິງ. ນັ້ນແມ່ນຂໍ້ຄວາມຫຼັກ, " CEO ຍອມຮັບ.
ບຸກຄົນນີ້ໄດ້ຍົກຕົວຢ່າງວ່າ: “ຄັ້ງໜຶ່ງຂ້າພະເຈົ້າຖາມວ່າມີປະທານາທິບໍດີຊາວມຸດສະລິມຈັກຄົນຢູ່ໃນອາເມລິກາ? ຄຳຕອບຄື Barack Obama, ແຕ່ທ່ານໂອບາມາບໍ່ແມ່ນຊາວມຸດສະລິມ, ມັນເປັນພຽງການໂຄສະນາຫາສຽງປອມ, ການຄາດເດົາທີ່ບໍ່ຖືກຕ້ອງດັ່ງກ່າວສາມາດເຮັດໃຫ້ເກີດບັນຫາ ທາງດ້ານການເມືອງ .
ຂ້າພະເຈົ້າເອງໄດ້ຖາມວ່າຈະຕໍ່ອາຍຸຫນັງສືຜ່ານແດນແອສປາໂຍນຢູ່ຫວຽດນາມ. AI ຕອບວ່າ: ສາມາດເຮັດໄດ້ໃນ 'ປະເທດສະເປນໃນນະຄອນໂຮ່ຈີມິນ', ແຕ່ນະຄອນໂຮ່ຈີມິນບໍ່ມີ 'ປະເທດສະເປນ'! ນີ້ສະແດງໃຫ້ເຫັນວ່າເນື້ອຫາທີ່ສ້າງໂດຍ AI ແມ່ນບໍ່ຫນ້າເຊື່ອຖືສະເຫມີ."
ຈາກນັ້ນ, ທ່ານ Oscar ຊີ້ອອກຂໍ້ຈຳກັດຂອງ AI. ຫນ້າທໍາອິດ, ບໍ່ມີເຫດຜົນທີ່ແທ້ຈິງ. AI ພຽງແຕ່ໃຫ້ຄໍາຕອບໂດຍອີງໃສ່ຄວາມເປັນໄປໄດ້ທາງສະຖິຕິ, ບໍ່ເຂົ້າໃຈແນວຄວາມຄິດ. ຕົວຢ່າງ, ດ້ວຍ "2 + 2 = 4", ມັນບໍ່ເຂົ້າໃຈຕົວເລກ 2 ຫຼືການເພີ່ມ, ແຕ່ພຽງແຕ່ຄາດຄະເນຜົນໄດ້ຮັບທີ່ຖືກຕ້ອງໂດຍອີງໃສ່ການຮຽນຮູ້ຈາກຂໍ້ມູນ. ດັ່ງນັ້ນ, ມັນບໍ່ສາມາດເອີ້ນວ່າປັນຍາທີ່ແທ້ຈິງ.
ຂໍ້ຈໍາກັດຕໍ່ໄປແມ່ນວ່າຂໍ້ມູນການຝຶກອົບຮົມມີອິດທິພົນອັນໃຫຍ່ຫຼວງ: ຖ້າຂໍ້ມູນມີຄວາມລໍາອຽງ, ຄໍາຕອບກໍ່ຈະມີຄວາມລໍາອຽງຄືກັນ. ນີ້ສາມາດເຮັດໃຫ້ເກີດຄວາມບໍ່ຍຸຕິທໍາ, ເຖິງແມ່ນວ່າຜົນກະທົບຕໍ່ການຕັດສິນໃຈຈ້າງຫຼືການໄລ່ອອກ.
ອັນທີສາມແມ່ນອະຄະຕິ. "ຕົວຢ່າງ, ຖ້າທ່ານຂໍໃຫ້ AI ບອກເລື່ອງຕະຫລົກກ່ຽວກັບຄົນ Hispanic, ມັນບໍ່ເປັນຫຍັງ, ແຕ່ຖ້າທ່ານຖາມມັນກ່ຽວກັບຄົນສີດໍາ, ມັນຖືກບລັອກ. AI ບໍ່ຄວນເປັນ "ຜູ້ພິພາກສາ" ຂອງສິ່ງທີ່ເຈົ້າສາມາດເວົ້າໄດ້, "Oscar ເວົ້າ.
ດັ່ງນັ້ນ, ຜູ້ຊ່ຽວຊານດ້ານເຕັກໂນໂລຢີນີ້ເຊື່ອວ່າຄົນເຮົາຕ້ອງມີແນວຄິດວິພາກວິຈານແລະບໍ່ຄວນເຊື່ອ AI ເປັນຄວາມຈິງຢ່າງແທ້ຈິງ.
"ໃນປັດຈຸບັນ, ບາງຄັ້ງພວກເຮົາອີງໃສ່ພວກມັນຫຼາຍເກີນໄປ, ບາງຄັ້ງພວກເຮົາເຊື່ອຢ່າງສົມບູນ, ແລະລືມວ່າພວກເຮົາເປັນມະນຸດ, ແລະພວກເຮົາມີສິ່ງທີ່ເອີ້ນວ່າການຄິດວິພາກວິຈານ. ຂ້າພະເຈົ້າຢາກເຕືອນປະຊາຊົນວ່າການຄິດວິພາກວິຈານແມ່ນສໍາຄັນຫຼາຍ, ການນໍາໃຊ້ສະຫມອງຂອງທ່ານມີຄວາມສໍາຄັນຫຼາຍ, ທຸກສິ່ງທຸກຢ່າງແມ່ນພຽງແຕ່ເຄື່ອງມື, ທ່ານເປັນມະນຸດ, ບໍ່ເຄີຍລືມວ່າເຈົ້າຍັງເປັນນາຍ, ຖ້າເຈົ້າບໍ່ແມ່ນນາຍ, ເຈົ້າຈະຖືກແທນທີ່," Oscar ຢືນຢັນ.
ການສຶກສາມະຫາ ວິທະຍາໄລຄວນປ່ຽນແປງແນວໃດ?
ເຂົ້າຮ່ວມກອງປະຊຸມ, ທ່ານ ເຈີ່ນຕ໋ວນແອງ, ຮອງຫົວໜ້າສາຂາ, ຫົວໜ້າກົມຝຶກອົບຮົມ, ສາຂາມະຫາວິທະຍາໄລ FPT ນະຄອນ ໂຮ່ຈີມິນ ໃຫ້ຮູ້ວ່າ: ຈະມີປະມານ 39 ທັກສະຫຼັກຂອງແຮງງານໃນປະຈຸບັນຄາດວ່າຈະມີການປ່ຽນແປງໃນປີ 2030 (ບົດລາຍງານວຽກເຮັດງານທຳໃນອະນາຄົດ 2025 - ເວທີປາໄສເສດຖະກິດໂລກ ).
ນອກຈາກນັ້ນ, ປະມານ 27-28% ຂອງວຽກຢູ່ໃນບັນດາປະເທດ OECD (ອົງການເພື່ອການຮ່ວມມືດ້ານເສດຖະກິດແລະການພັດທະນາ) ປະຈຸບັນມີຄວາມສ່ຽງສູງຕໍ່ລະບົບອັດຕະໂນມັດຍ້ອນ AI ຫຼືເຕັກໂນໂລຢີທີ່ກ່ຽວຂ້ອງ.
ທ່ານ ເຈີ່ນຕ໋ວນແອງ ແບ່ງປັນກ່ຽວກັບ AI-First ຮູບແບບການສຶກສາຂອງມະຫາວິທະຍາໄລ
ຮູບພາບ: MY QUYEN
“AI ພວມປ່ຽນແປງຕະຫຼາດແຮງງານຢ່າງເລິກເຊິ່ງກ່ຽວກັບຄວາມຕ້ອງການສີມືແຮງງານ ແລະ ລັກສະນະວຽກເຮັດງານທຳ. ການນຳໃຊ້ AI ໃນທຸກຂົງເຂດຂອງຊີວິດແມ່ນເກີດຂຶ້ນຢ່າງໄວວາ ແລະ ປ່ຽນແປງບໍ່ໄດ້. ສະນັ້ນ, ແມ່ນຫຍັງຄືທາງເລືອກສຳລັບການສຶກສາມະຫາວິທະຍາໄລ ເມື່ອບັນດາວິສາຫະກິດຕ້ອງຝຶກຝົນຫຼໍ່ຫຼອມ ຫຼື ຍົກລະດັບທັກສະໃຫ້ຜູ້ອອກແຮງງານເພື່ອຕອບສະໜອງຂະບວນການເຮັດວຽກລວມຂອງ AI?”, ທ່ານ ຕວນແອງກ່າວ.
ຕາມທ່ານ Tuan Anh ແລ້ວ, ການສຶກສາຢູ່ມະຫາວິທະຍາໄລພວມປະເຊີນໜ້າກັບສິ່ງທ້າທາຍທີ່ບໍ່ເຄີຍມີມາກ່ອນໃນການກະກຽມໃຫ້ຜູ້ຮຽນຈົບໃນສະພາບການໃໝ່. ສະນັ້ນ, ຕ້ອງເປັນແບບຢ່າງໃນການສຶກສາມະຫາວິທະຍາໄລ.
ຕາມທ່ານຕວນແອງແລ້ວ, ຕົວແບບ AI-First ອາດຈະແມ່ນວິທີທີ່ເໝາະສົມໃນສະພາບການປະຈຸບັນ. AI-First ແມ່ນ paradigm-shift ໂດຍ AI ເປັນອົງປະກອບຫຼັກໃນຂະບວນການສ້າງຍຸດທະສາດ, ການຕັດສິນໃຈແລະການດໍາເນີນງານ, ແທນທີ່ຈະຖືວ່າເປັນພຽງແຕ່ເຄື່ອງມືເສີມ.
ໂດຍສະເພາະ, ມະຫາວິທະຍາໄລຕ້ອງໃຊ້ AI ໃນການສອນແລະການປະເມີນ, ປັບແຕ່ງເນື້ອຫາການຮຽນຮູ້ແລະເສັ້ນທາງ, ແລະເຊື່ອມໂຍງ AI ເຂົ້າໃນໂຄງການຝຶກອົບຮົມຢ່າງເລິກເຊິ່ງ. ໂດຍສະເພາະ, ໂຄງຮ່າງແຜນງານການຝຶກອົບຮົມຕ້ອງໄດ້ຮັບການປັບປຸງ, ເນື້ອໃນຂອງແຕ່ລະວິຊາຕ້ອງໄດ້ຮັບການອອກແບບໃຫມ່ດ້ວຍລະດັບທີ່ເຫມາະສົມຂອງການເຊື່ອມໂຍງ AI, ສ້າງຂະຫນາດເພື່ອວັດແທກແລະປະເມີນຄວາມສາມາດຂອງ AI ຂອງນັກຮຽນ, ແລະເຂົ້າເຖິງມາດຕະຖານແຫ່ງຊາດແລະສາກົນ.
“ໂດຍສະເພາະ, ມະຫາວິທະຍາໄລຕ້ອງປະເມີນຄວາມຕ້ອງການຂອງນາຍຈ້າງ ແລະ ວິເຄາະການປ່ຽນແປງໃນຂະບວນການເຮັດວຽກເພື່ອກໍານົດວ່າທັກສະໃດມີຄວາມສໍາຄັນ ແລະ ທັກສະໃດທີ່ບໍ່ຈໍາເປັນ. ຈາກນັ້ນ, ກໍ່ສ້າງກອບຄວາມສາມາດຕາມຕໍາແໜ່ງງານ,” ທ່ານ ຈັວນແອງ ແບ່ງປັນ.
ທັງໝົດທີ່ກ່າວມານັ້ນ, ຕາມທ່ານ ຕ໋ວນແອງ ແລ້ວ, ເພື່ອແນໃສ່ຝຶກອົບຮົມນັກສຶກສາໃຫ້ກາຍເປັນຜູ້ອອກແຮງງານດ້ວຍຄວາມຮູ້ພື້ນຖານອັນໜັກແໜ້ນ, ມີຄວາມເຂົ້າໃຈຢ່າງເລິກເຊິ່ງກ່ຽວກັບຂະແໜງການ ແລະ ວິຊາສະເພາະ; ມີທັກສະການຄິດ (ວິພາກວິຈານ, ເປັນລະບົບ, ສ້າງສັນ) ແລະການແກ້ໄຂບັນຫາ; ມີທັກສະທາງດ້ານສັງຄົມ, ຈັນຍາບັນ ແລະການຮຽນຮູ້ຕະຫຼອດຊີວິດ. ພ້ອມກັນນັ້ນ, ຕ້ອງມີຈິດໃຈເປັນຜູ້ປະກອບການ, ບໍ່ແມ່ນເປີດທຸລະກິດ, ແຕ່ສາມາດປັບຕົວເຂົ້າກັບການປ່ຽນແປງຂອງເຕັກໂນໂລຊີ ແລະ ສະພາບແວດລ້ອມແຫ່ງການເຮັດວຽກໄດ້ໄວ.
ທີ່ມາ: https://thanhnien.vn/chuyen-gia-cong-nghe-chi-ra-su-thieu-tri-tue-cua-ai-va-loi-nhac-quan-trong-18525091915433146.htm
(0)