ນັກວິທະຍາສາດຄາດຄະເນຄວາມເປັນໄປໄດ້ຂອງປັນຍາປະດິດທີ່ຊະນະລາງວັນ Nobel

ນັກຄົ້ນຄວ້າຫຼາຍຄົນເຊື່ອວ່າ AI ມື້ຫນຶ່ງສາມາດແຂ່ງຂັນກັບຈິດໃຈທີ່ສະຫວ່າງທີ່ສຸດໃນວິທະຍາສາດ - ແມ່ນແຕ່ເຮັດໃຫ້ການຄົ້ນພົບທີ່ສົມຄວນໄດ້ຮັບລາງວັນ Nobel.

ໃນຊຸມປີມໍ່ໆມານີ້, ປັນຍາປະດິດ (AI) ໄດ້ສະແດງໃຫ້ເຫັນຄວາມສາມາດໃນການວິເຄາະຂໍ້ມູນ, ການທົດລອງອອກແບບ, ແລະສົມມຸດຕິຖານ ວິທະຍາສາດ ໃຫມ່, ເຮັດໃຫ້ນັກຄົ້ນຄວ້າຫຼາຍຄົນເຊື່ອວ່າ AI ມື້ຫນຶ່ງສາມາດແຂ່ງຂັນກັບຈິດໃຈທີ່ສະຫລາດທີ່ສຸດໃນວິທະຍາສາດ - ເຖິງແມ່ນວ່າການຄົ້ນພົບທີ່ສົມຄວນໄດ້ຮັບລາງວັນໂນແບລ, ອີງຕາມວາລະສານ Nature.

ໃນປີ 2016, ນັກຊີວະວິທະຍາ Hiroaki Kitano, CEO ຂອງ Sony AI, ໄດ້ລິເລີ່ມ "Nobel Turing Challenge" - ການຮຽກຮ້ອງເພື່ອພັດທະນາລະບົບ AI ທີ່ສະຫຼາດພຽງພໍທີ່ຈະເຮັດໃຫ້ການຄົ້ນພົບທາງວິທະຍາສາດລະດັບ Nobel ດ້ວຍຕົວມັນເອງ.

ອີງ​ຕາມ​ເປົ້າ​ໝາຍ​ຂອງ​ໂຄງ​ການ, ຮອດ​ປີ 2050, “ນັກ​ວິ​ທະ​ຍາ​ສາດ AI” ຈະ​ສາ​ມາດ​ສ້າງ​ສົມ​ມຸດ​ຖານ, ວາງ​ແຜນ​ການ​ທົດ​ລອງ, ວິ​ເຄາະ​ຂໍ້​ມູນ​ໂດຍ​ບໍ່​ມີ​ການ​ແຊກ​ແຊງ​ຈາກ​ມະ​ນຸດ.

ນັກຄົ້ນຄວ້າ Ross King, ມະຫາວິທະຍາໄລ Cambridge (ອັງກິດ), ເຊື່ອວ່າຈຸດສໍາຄັນອາດຈະມາໄວກວ່ານີ້: "ມັນເກືອບແນ່ນອນທີ່ລະບົບ AI ຈະເຖິງລະດັບທີ່ໄດ້ຮັບລາງວັນ Nobel. ຄໍາຖາມແມ່ນພຽງແຕ່ໃນອີກ 50 ປີຫຼື 10 ປີຂ້າງຫນ້າ."

ຢ່າງໃດກໍ່ຕາມ, ຜູ້ຊ່ຽວຊານຫຼາຍຄົນມີຄວາມລະມັດລະວັງ. ອີງຕາມພວກເຂົາ, ຮູບແບບ AI ໃນປະຈຸບັນສ່ວນໃຫຍ່ແມ່ນອີງໃສ່ຂໍ້ມູນແລະຄວາມຮູ້ທີ່ມີຢູ່, ແລະບໍ່ໄດ້ສ້າງຄວາມເຂົ້າໃຈໃຫມ່ແທ້ໆ.

ນັກຄົ້ນຄວ້າ Yolanda Gil (ມະຫາວິທະຍາໄລພາກໃຕ້ຂອງລັດຄາລິຟໍເນຍ, ສະຫະລັດ) ໃຫ້ຄໍາເຫັນວ່າ: "ຖ້າມື້ອື່ນ ລັດຖະບານ ລົງທຶນຫນຶ່ງຕື້ USD ໃນການຄົ້ນຄວ້າພື້ນຖານ, ຄວາມກ້າວຫນ້າສາມາດເລັ່ງໄດ້, ແຕ່ມັນຍັງໄກຈາກເປົ້າຫມາຍດັ່ງກ່າວຫຼາຍ."

ມາ​ຮອດ​ປະ​ຈຸ​ບັນ, ມີ​ແຕ່​ປະ​ຊາ​ຊົນ​ແລະ​ອົງ​ການ​ຈັດ​ຕັ້ງ​ທີ່​ໄດ້​ຮັບ​ລາງ​ວັນ​ໂນ​ແບນ. ຢ່າງໃດກໍ່ຕາມ, AI ໄດ້ປະກອບສ່ວນທາງອ້ອມ: ໃນປີ 2024, ລາງວັນໂນແບລດ້ານຟີຊິກໄດ້ໄປຫາຜູ້ບຸກເບີກໃນການຮຽນຮູ້ເຄື່ອງຈັກ; ໃນປີດຽວກັນ, ເຄິ່ງຫນຶ່ງຂອງລາງວັນເຄມີໄດ້ໄປຫາທີມງານທີ່ຢູ່ເບື້ອງຫຼັງ AlphaFold, ລະບົບ AI ຂອງ Google DeepMind ທີ່ຄາດຄະເນໂຄງສ້າງ 3D ຂອງທາດໂປຼຕີນ. ແຕ່ລາງວັນເຫຼົ່ານີ້ໃຫ້ກຽດຜູ້ສ້າງຂອງ AI, ບໍ່ແມ່ນການຄົ້ນພົບຂອງ AI.

ເພື່ອໃຫ້ສົມຄວນໄດ້ຮັບລາງວັນໂນແບລ, ອີງຕາມເງື່ອນໄຂຂອງຄະນະກໍາມະການ Nobel, ການຄົ້ນພົບຕ້ອງເປັນປະໂຫຍດ, ມີຜົນກະທົບທາງໄກແລະເປີດທິດທາງໃຫມ່ຂອງຄວາມເຂົ້າໃຈ. "ນັກວິທະຍາສາດ AI" ຜູ້ທີ່ຕ້ອງການຕອບສະຫນອງຄວາມຕ້ອງການນີ້ຕ້ອງດໍາເນີນການເກືອບທັງຫມົດເປັນເອກະລາດ - ຈາກການຖາມຄໍາຖາມ, ການເລືອກການທົດລອງຈົນເຖິງການວິເຄາະຜົນໄດ້ຮັບ.

ໃນຄວາມເປັນຈິງ, AI ແມ່ນມີສ່ວນຮ່ວມໃນເກືອບທຸກຂັ້ນຕອນຂອງການຄົ້ນຄວ້າ. ເຄື່ອງມືໃໝ່ກຳລັງຊ່ວຍຖອດລະຫັດສຽງຂອງສັດ, ຄາດຄະເນການປະທະກັນລະຫວ່າງດາວ, ແລະລະບຸຈຸລັງພູມຄຸ້ມກັນທີ່ມີຄວາມສ່ຽງຕໍ່ COVID-19.

ທີ່ມະຫາວິທະຍາໄລ Carnegie Mellon, ທີມງານຂອງນັກເຄມີສາດ Gabe Gomes ໄດ້ພັດທະນາ "Coscientist" - ລະບົບທີ່ໃຊ້ຕົວແບບພາສາຂະຫນາດໃຫຍ່ (LLMs) ເພື່ອວາງແຜນແລະປະຕິບັດປະຕິກິລິຍາເຄມີໂດຍຕົນເອງໂດຍໃຊ້ອຸປະກອນຫຸ່ນຍົນ.

ບາງບໍລິສັດເຊັ່ນ Sakana AI ໃນໂຕກຽວກໍາລັງຊອກຫາອັດຕະໂນມັດການຄົ້ນຄວ້າການຮຽນຮູ້ເຄື່ອງຈັກໂດຍໃຊ້ LLM, ໃນຂະນະທີ່ Google ກໍາລັງທົດລອງກັບ chatbots ທີ່ຮ່ວມມືກັນເປັນກຸ່ມເພື່ອສ້າງແນວຄວາມຄິດທາງວິທະຍາສາດ.

ໃນສະຫະລັດ, ຫ້ອງທົດລອງ FutureHouse ໃນ San Francisco ກໍາລັງພັດທະນາຕົວແບບ "ການຄິດ" ແຕ່ລະຂັ້ນຕອນເພື່ອຊ່ວຍໃຫ້ AI ຖາມຄໍາຖາມ, ທົດສອບສົມມຸດຕິຖານແລະການທົດລອງການອອກແບບ - ມຸ່ງໄປສູ່ການຜະລິດທີສາມຂອງ "AI ໃນວິທະຍາສາດ."

ການຜະລິດສຸດທ້າຍຈະເປັນ AI ທີ່ສາມາດຖາມຄໍາຖາມແລະດໍາເນີນການທົດລອງດ້ວຍຕົນເອງ, ໂດຍບໍ່ມີການຊີ້ນໍາຂອງມະນຸດ, ອີງຕາມຜູ້ອໍານວຍການ FutureHouse Sam Rodriques. "AI ສາມາດເຮັດໃຫ້ການຄົ້ນພົບທີ່ສົມຄວນໄດ້ຮັບລາງວັນໂນແບນໃນປີ 2030," ລາວຄາດຄະເນ. ພື້ນທີ່ທີ່ມີທ່າແຮງທີ່ສຸດແມ່ນວິທະຍາສາດວັດສະດຸແລະການສຶກສາພະຍາດ Parkinson ຫຼື Alzheimer's.

ນັກວິທະຍາສາດອື່ນໆມີຄວາມສົງໄສ. Doug Downey ຈາກສະຖາບັນ Allen ສໍາລັບ AI ໃນຊີແອດເທິລກ່າວວ່າການທົດສອບຂອງ 57 "ຕົວແທນ AI" ພົບວ່າມີພຽງແຕ່ 1% ເທົ່ານັ້ນທີ່ສາມາດເຮັດໂຄງການຄົ້ນຄ້ວາຢ່າງສົມບູນ - ຈາກຄວາມຄິດທີ່ຈະລາຍງານ. " ການຄົ້ນພົບທາງ ວິທະຍາສາດອັດຕະໂນມັດຕັ້ງແຕ່ຕົ້ນຈົນຈົບຍັງເປັນສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງ," ລາວເວົ້າ.

ນອກຈາກນັ້ນ, ແບບຈໍາລອງ AI ຍັງບໍ່ເຂົ້າໃຈຢ່າງເຕັມສ່ວນກ່ຽວກັບກົດຫມາຍຂອງທໍາມະຊາດ. ການສຶກສາຫນຶ່ງພົບວ່າຕົວແບບຫນຶ່ງສາມາດຄາດຄະເນວົງໂຄຈອນຂອງດາວເຄາະແຕ່ບໍ່ແມ່ນກົດຫມາຍທາງດ້ານຮ່າງກາຍ; ຫຼືສາມາດນໍາທາງເມືອງແຕ່ບໍ່ສາມາດສ້າງແຜນທີ່ທີ່ຖືກຕ້ອງ.

ອີງຕາມຜູ້ຊ່ຽວຊານ Subbarao Kambhampati (ມະຫາວິທະຍາໄລລັດ Arizona), ນັ້ນສະແດງໃຫ້ເຫັນວ່າ AI ຂາດປະສົບການຊີວິດຈິງທີ່ມະນຸດມີ.

Yolanda Gil ໂຕ້ຖຽງວ່າເພື່ອບັນລຸສະຖານະພາບ Nobel, AI ຈໍາເປັນຕ້ອງສາມາດ "ຄິດກ່ຽວກັບການຄິດ" - ນັ້ນແມ່ນ, ການປະເມີນຕົນເອງແລະປັບຂະບວນການສົມເຫດສົມຜົນຂອງຕົນເອງ. ໂດຍບໍ່ມີການລົງທຶນໃນການຄົ້ນຄວ້າພື້ນຖານນີ້, "ການຄົ້ນພົບ Nobel ທີ່ສົມຄວນຈະຍັງຄົງຢູ່ໄກ," Gil ເວົ້າ.

ໃນ​ຂະ​ນະ​ດຽວ​ກັນ, ນັກວິຊາການບາງຄົນເຕືອນເຖິງອັນຕະລາຍຂອງການເພິ່ງພາອາໄສ AI ຫຼາຍເກີນໄປໃນວິທະຍາສາດ. ເອກະສານສະບັບ 2024 ໂດຍ Lisa Messeri (ມະຫາວິທະຍາໄລ Yale) ແລະ Molly Crockett (ມະຫາວິທະຍາໄລ Princeton) ໂຕ້ຖຽງວ່າການໃຊ້ AI ຫຼາຍເກີນໄປສາມາດເພີ່ມຄວາມຜິດພາດແລະຫຼຸດຜ່ອນຄວາມຄິດສ້າງສັນ, ຍ້ອນວ່ານັກວິທະຍາສາດ "ຜະລິດຫຼາຍແຕ່ເຂົ້າໃຈຫນ້ອຍ."

ທ່ານ Messeri ກ່າວຕື່ມວ່າ "AI ສາມາດຂັດຂວາງນັກວິທະຍາສາດໄວຫນຸ່ມທີ່ອາດຈະຊະນະລາງວັນໃຫຍ່ໃນອະນາຄົດຂອງໂອກາດການຮຽນຮູ້," "ດ້ວຍງົບປະມານການຄົ້ນຄວ້າຫຼຸດລົງ, ມັນເປັນເວລາທີ່ຫນ້າເປັນຫ່ວງທີ່ຈະພິຈາລະນາຄ່າໃຊ້ຈ່າຍໃນອະນາຄົດ."

(TTXVN/Vietnam+)

ທີ່ມາ: https://www.vietnamplus.vn/gioi-khoa-hoc-du-doan-kha-nang-tri-tue-nhan-tao-gianh-giai-nobel-post1068525.vnp