ມື້ທີ່ AI ຊະນະລາງວັນໂນແບນຢູ່ບໍ່ໄກບໍ?

ຜູ້ຊ່ຽວຊານຄາດຄະເນວ່າໃນເວລາຫນ້ອຍກວ່າຫນຶ່ງທົດສະວັດ, 'ນັກວິທະຍາສາດ AI' ສາມາດຄົ້ນພົບວຽກງານທີ່ສົມຄວນ Nobel ດ້ວຍຕົວເອງ, ເຖິງແມ່ນວ່າຫຼາຍຄົນຍັງສົງໄສ.

ເພື່ອບັນລຸລະດັບໂນແບນ, AI ຕ້ອງການຄວາມສາມາດໃນການປະເມີນຕົນເອງ ແລະປັບຂະບວນການໃຫ້ເຫດຜົນຂອງຕົນເອງ - ພາບ: VNU

ອີງຕາມວາລະສານ Nature, ໃນຊຸມປີມໍ່ໆມານີ້, ປັນຍາປະດິດ (AI) ໄດ້ສະແດງໃຫ້ເຫັນຄວາມສາມາດໃນການວິເຄາະຂໍ້ມູນ, ການອອກແບບການທົດລອງແລະມາພ້ອມກັບສົມມຸດຕິຖານ ວິທະຍາສາດ ໃຫມ່, ເຮັດໃຫ້ນັກຄົ້ນຄວ້າຫຼາຍຄົນເຊື່ອວ່າມື້ຫນຶ່ງ AI ສາມາດແຂ່ງຂັນກັບຈິດໃຈທີ່ສົດໃສທີ່ສຸດໃນຊຸມຊົນວິທະຍາສາດ, ເຖິງແມ່ນວ່າການຄົ້ນພົບທີ່ສົມຄວນໄດ້ຮັບລາງວັນໂນແບນ.

"AI ສາມາດຊະນະລາງວັນ Nobel ໃນປີ 2030"

ໃນປີ 2016, ນັກຊີວະວິທະຍາ Hiroaki Kitano, CEO ຂອງ Sony AI, ໄດ້ລິເລີ່ມ "Nobel Turing Challenge" - ເປັນການຮຽກຮ້ອງສໍາລັບການພັດທະນາລະບົບ AI ທີ່ສະຫລາດພຽງພໍທີ່ຈະເຮັດໃຫ້ການຄົ້ນພົບວິທະຍາສາດລະດັບ Nobel ດ້ວຍຕົວມັນເອງ. ເປົ້າໝາຍຂອງໂຄງການແມ່ນໃນປີ 2050, “ນັກວິທະຍາສາດ AI” ຈະສາມາດສ້າງສົມມຸດຕິຖານ, ວາງແຜນທົດລອງ, ແລະວິເຄາະຂໍ້ມູນໂດຍບໍ່ມີການແຊກແຊງຈາກມະນຸດ.

ນັກຄົ້ນຄວ້າ Ross King, ມະຫາວິທະຍາໄລ Cambridge (UK), ເຊື່ອວ່າຈຸດສໍາຄັນອາດຈະມາໄວກວ່ານີ້: "ມັນເກືອບແນ່ນອນວ່າລະບົບ AI ຈະເຖິງລະດັບການຊະນະລາງວັນ Nobel. ຄໍາຖາມແມ່ນພຽງແຕ່ໃນອີກ 50 ປີຫຼື 10 ປີຂ້າງຫນ້າ."

ຢ່າງໃດກໍ່ຕາມ, ຜູ້ຊ່ຽວຊານຫຼາຍຄົນມີຄວາມລະມັດລະວັງ. ອີງຕາມພວກເຂົາ, ຮູບແບບ AI ໃນປະຈຸບັນສ່ວນໃຫຍ່ແມ່ນອີງໃສ່ຂໍ້ມູນແລະຄວາມຮູ້ທີ່ມີຢູ່, ແລະບໍ່ໄດ້ສ້າງຄວາມເຂົ້າໃຈໃຫມ່ແທ້ໆ. ນັກຄົ້ນຄວ້າ Yolanda Gil (ມະຫາວິທະຍາໄລພາກໃຕ້ຂອງລັດຄາລິຟໍເນຍ, ສະຫະລັດ) ໃຫ້ຄໍາເຫັນວ່າ: "ຖ້າ ລັດຖະບານ ລົງທຶນ 1 ຕື້ USD ໃນການຄົ້ນຄວ້າພື້ນຖານໃນມື້ອື່ນ, ຄວາມຄືບຫນ້າສາມາດເລັ່ງໄດ້, 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, ມີຜົນກະທົບທາງໄກ, ແລະເປີດທິດທາງໃຫມ່ຂອງຄວາມເຂົ້າໃຈ. "ນັກວິທະຍາສາດ AI" ຜູ້ທີ່ຕ້ອງການຕອບສະຫນອງຄວາມຕ້ອງການນີ້ຕ້ອງດໍາເນີນການເກືອບທັງຫມົດເປັນເອກະລາດ - ຈາກການຖາມຄໍາຖາມ, ການເລືອກການທົດລອງເພື່ອການວິເຄາະຜົນໄດ້ຮັບ.

ໃນຄວາມເປັນຈິງ, AI ແມ່ນມີສ່ວນຮ່ວມໃນເກືອບທຸກຂັ້ນຕອນຂອງການຄົ້ນຄວ້າ. ເຄື່ອງມືໃໝ່ຊ່ວຍຖອດລະຫັດສຽງສັດ, ຄາດຄະເນການປະທະກັນລະຫວ່າງດາວ, ແລະລະບຸຈຸລັງພູມຄຸ້ມກັນທີ່ມີຄວາມສ່ຽງຕໍ່ COVID-19. ທີ່ມະຫາວິທະຍາໄລ Carnegie Mellon, ທີມງານຂອງນັກເຄມີສາດ Gabe Gomes ໄດ້ພັດທະນາ "Coscientist," ລະບົບທີ່ໃຊ້ຕົວແບບພາສາຂະຫນາດໃຫຍ່ (LLMs) ເພື່ອວາງແຜນແລະປະຕິບັດປະຕິກິລິຍາເຄມີໂດຍຕົນເອງໂດຍໃຊ້ອຸປະກອນຫຸ່ນຍົນ.

ບໍລິສັດເຊັ່ນ Sakana AI ໃນໂຕກຽວກໍາລັງຊອກຫາອັດຕະໂນມັດການຄົ້ນຄວ້າການຮຽນຮູ້ເຄື່ອງຈັກໂດຍໃຊ້ LLM, ໃນຂະນະທີ່ Google ກໍາລັງທົດລອງກັບ chatbots ທີ່ຮ່ວມມືກັນເປັນກຸ່ມເພື່ອສ້າງແນວຄວາມຄິດທາງວິທະຍາສາດ. ໃນສະຫະລັດ, FutureHouse Labs ໃນ San Francisco ກໍາລັງພັດທະນາຮູບແບບ "ການຄິດ" ເປັນຂັ້ນຕອນເພື່ອຊ່ວຍໃຫ້ AI ຖາມຄໍາຖາມ, ການທົດສອບສົມມຸດຕິຖານ, ແລະການທົດລອງການອອກແບບ - ເປັນຂັ້ນຕອນໂດຍຂັ້ນຕອນຂອງ "AI ວິທະຍາສາດ."

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

AI ຂາດໂອກາດໃນການຮຽນຮູ້ຂອງນັກວິທະຍາສາດໜຸ່ມບໍ?

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

ນອກຈາກນັ້ນ, ແບບຈໍາລອງ AI ຍັງບໍ່ເຂົ້າໃຈກົດຫມາຍຂອງທໍາມະຊາດຢ່າງແທ້ຈິງ. ການສຶກສາຫນຶ່ງພົບວ່າຕົວແບບຫນຶ່ງສາມາດຄາດຄະເນວົງໂຄຈອນຂອງດາວເຄາະແຕ່ບໍ່ແມ່ນກົດຫມາຍຂອງຟີຊິກທີ່ປົກຄອງພວກມັນ; ຫຼືສາມາດນໍາທາງເມືອງໄດ້ແຕ່ບໍ່ສາມາດສ້າງແຜນທີ່ທີ່ຖືກຕ້ອງ. ອີງຕາມຜູ້ຊ່ຽວຊານ Subbarao Kambhampati (ມະຫາວິທະຍາໄລລັດ Arizona), ນີ້ສະແດງໃຫ້ເຫັນວ່າ AI ຂາດປະສົບການຕົວຈິງທີ່ມະນຸດມີ.

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 ສາມາດຂັດຂວາງນັກວິທະຍາສາດໄວຫນຸ່ມທີ່ອາດຈະໄດ້ຮັບລາງວັນໃຫຍ່ໃນອະນາຄົດຈາກການຮຽນຮູ້." "ຍ້ອນວ່າງົບປະມານການຄົ້ນຄວ້າຫຼຸດລົງ, ມັນເປັນເວລາທີ່ຫນ້າເປັນຫ່ວງທີ່ຈະພິຈາລະນາຄ່າໃຊ້ຈ່າຍໃນອະນາຄົດ."

ກັບໄປທີ່ຫົວຂໍ້

VNA

ທີ່ມາ: https://tuoitre.vn/ngay-ai-gianh-giai-nobel-se-khong-con-xa-20251007123831679.htm