ຮຽນຮູ້ກ່ຽວກັບ AGI - ລະດັບຕໍ່ໄປຂອງ AI.

AGI ແມ່ນແນວຄວາມຄິດທີ່ໝາຍເຖິງ AI ທີ່ສາມາດຮຽນຮູ້ ແລະ ປະຕິບັດໜ້າວຽກຫຼາຍຢ່າງຄືກັບມະນຸດ, ແຕ່ຊ່ອງຫວ່າງລະຫວ່າງຄວາມຄາດຫວັງ ແລະ ຄວາມເປັນຈິງຍັງຄົງກວ້າງຂວາງ.

AGI ແມ່ນຫຍັງ ແລະ ມັນແຕກຕ່າງຈາກ AI ໃນປະຈຸບັນແນວໃດ?

AGI (ປັນຍາປະດິດທົ່ວໄປ) ແມ່ນຄຳສັບທີ່ໃຊ້ເພື່ອອະທິບາຍລະບົບ AI ທີ່ມີຄວາມສາມາດໃນການເຂົ້າໃຈ, ຮຽນຮູ້ ແລະ ປະຕິບັດໜ້າວຽກທີ່ຫຼາກຫຼາຍຄ້າຍຄືກັບມະນຸດ. ແນວຄວາມຄິດນີ້ໄດ້ເກີດຂຶ້ນໃນຕອນຕົ້ນຂອງການຄົ້ນຄວ້າເພື່ອຈຳແນກມັນອອກຈາກ "AI ແຄບ" - AI ປະເພດໜຶ່ງທີ່ໂດດເດັ່ນໃນໜ້າວຽກສະເພາະພຽງຢ່າງດຽວ.

ເວົ້າງ່າຍໆ, AI ໃນປະຈຸບັນໂດຍທົ່ວໄປແບ່ງອອກເປັນສາມລະດັບ. ລະດັບທີ່ພົບເລື້ອຍທີ່ສຸດແມ່ນ Narrow AI, ເຊິ່ງໝາຍເຖິງລະບົບທີ່ຈັດການວຽກງານສະເພາະໃດໜຶ່ງເທົ່ານັ້ນ, ເຊັ່ນ: chatbot, ການຮັບຮູ້ຮູບພາບ, ຫຼື ການແປພາສາ. ກຸ່ມນີ້ສາມາດເຮັດວຽກໄດ້ຢ່າງມີປະສິດທິພາບພາຍໃນຂອບເຂດທີ່ໄດ້ຮັບການຝຶກອົບຮົມແຕ່ຂາດຄວາມຍືດຫຍຸ່ນເມື່ອປະເຊີນກັບສະຖານະການໃໝ່. ລະດັບສູງກວ່າແມ່ນ AGI - ປັນຍາປະດິດທົ່ວໄປ, ເຊິ່ງຄາດວ່າຈະສາມາດປະຕິບັດວຽກງານຫຼາຍປະເພດທີ່ແຕກຕ່າງກັນ, ດ້ວຍຄວາມສາມາດໃນການຮຽນຮູ້, ການໃຊ້ເຫດຜົນ, ແລະ ການປັບຕົວທີ່ທຽບເທົ່າກັບທັກສະຂອງມະນຸດຫຼາຍຢ່າງ. ຢ່າງໃດກໍຕາມ, ຍັງບໍ່ມີຄວາມເຫັນດີເປັນເອກະພາບວ່າ AGI ໄດ້ເກີດຂຶ້ນແທ້ໆ. ໃນລະດັບສູງສຸດແມ່ນ ASI - Artificial Superintelligence, ເຊິ່ງເປັນແນວຄວາມຄິດທີ່ໝາຍເຖິງລະບົບທີ່ມີຄວາມສະຫຼາດທີ່ເໜືອກວ່າມະນຸດໃນຫຼາຍຂົງເຂດ. ນີ້ຍັງຄົງເປັນສົມມຸດຕິຖານ ແລະ ຍັງບໍ່ທັນມີຢູ່ໃນຄວາມເປັນຈິງ.

ການຈັດປະເພດລະດັບ AI

ຮູບພາບ: ສ້າງຂຶ້ນໂດຍ AI

ໃນຂະນະດຽວກັນ, AGI ຄາດວ່າຈະມີຄວາມສາມາດທົ່ວໄປຫຼາຍຂຶ້ນ. ລະບົບ AGI ທີ່ດີສາມາດຮຽນຮູ້ທັກສະໃໝ່ໆໄດ້ດ້ວຍຕົວມັນເອງໂດຍບໍ່ຈຳເປັນຕ້ອງສ້າງໃໝ່ຕັ້ງແຕ່ເລີ່ມຕົ້ນ, ເຂົ້າໃຈສະພາບການທີ່ກວ້າງຂວາງ, ແລະ ນຳໃຊ້ຄວາມຮູ້ໃນຂົງເຂດຕ່າງໆ. ຕົວຢ່າງ, ແທນທີ່ຈະພຽງແຕ່ຂຽນເນື້ອຫາ ຫຼື ວິເຄາະຂໍ້ມູນ, AGI ສາມາດວາງແຜນຍຸດທະສາດທາງທຸລະກິດ, ພັດທະນາຜະລິດຕະພັນ, ແລະ ດຳເນີນງານອົງກອນໄດ້ພ້ອມໆກັນ.

ເວົ້າງ່າຍໆ, ຖ້າ AI ໃນປະຈຸບັນຄືກັບ "ຜູ້ຊ່ຽວຊານທີ່ເຮັດວຽກພຽງໜ້າດຽວ," AGI ກໍ່ຄືກັບ "ມະນຸດທີ່ມີຄວາມຮອບຄອບ". ເຖິງຢ່າງໃດກໍ່ຕາມ, ເພື່ອບັນລຸລະດັບນັ້ນ, ລະບົບຈຳເປັນຕ້ອງຕອບສະໜອງເງື່ອນໄຂຫຼາຍຢ່າງເຊັ່ນ: ຄວາມສາມາດໃນການໃຊ້ເຫດຜົນ, ການປັບຕົວເຂົ້າກັບສະຖານະການໃໝ່, ແລະ ການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງຈາກປະສົບການ.

ເປັນຫຍັງ AGI ຍັງເປັນທີ່ຖົກຖຽງກັນ?

ເງື່ອນໄຂເຫຼົ່ານີ້ເຮັດໃຫ້ການກຳນົດວ່າ "AGI ໄດ້ບັນລຸແລ້ວ" ເປັນບັນຫາທີ່ມີການໂຕ້ຖຽງກັນຫຼືບໍ່. ເມື່ອບໍ່ດົນມານີ້, CEO ຂອງ Nvidia, Jensen Huang ໄດ້ກ່າວວ່າ AGI ໄດ້ເກີດຂຶ້ນແລ້ວ, ແຕ່ຍັງຍອມຮັບວ່າລະບົບໃນປະຈຸບັນຍັງບໍ່ທັນບັນລຸຄວາມສາມາດຂອງມະນຸດໄດ້ຢ່າງເຕັມທີ່. ຕົວຢ່າງທີ່ຍົກໃຫ້, ເຊັ່ນ: ແພລດຟອມ AI ທີ່ສ້າງຕົວແທນສ້າງແອັບພລິເຄຊັນອັດຕະໂນມັດ ຫຼື ຊຸມຊົນດິຈິຕອນ, ສະແດງໃຫ້ເຫັນທ່າແຮງອັນຍິ່ງໃຫຍ່ແຕ່ຍັງບໍ່ທັນໝັ້ນຄົງ. ໂຄງການຫຼາຍໂຄງການດຶງດູດຜູ້ໃຊ້ພຽງແຕ່ໄລຍະເວລາສັ້ນໆກ່ອນທີ່ຈະສູນເສຍແຮງກະຕຸ້ນຢ່າງໄວວາ.

ຍິ່ງໄປກວ່ານັ້ນ, AI ໃນປະຈຸບັນຍັງມີຂໍ້ຈຳກັດທີ່ຊັດເຈນ. ລະບົບເຫຼົ່ານີ້ສາມາດສ້າງຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ, ຂາດຄວາມສາມາດໃນການເຂົ້າໃຈບໍລິບົດຢ່າງເລິກເຊິ່ງ, ແລະຍັງບໍ່ມີຄວາມຮັບຮູ້ເອກະລາດ. ພວກມັນຍັງອາໄສຂໍ້ມູນ ແລະ ຊັບພະຍາກອນຄອມພິວເຕີຈຳນວນຫຼວງຫຼາຍ, ແທນທີ່ຈະສ້າງຄວາມຮູ້ຂອງຕົນເອງຄືກັບມະນຸດ.

AGI ຍັງຄົງເປັນເປົ້າໝາຍທີ່ສຳຄັນໃນອຸດສາຫະກຳເຕັກໂນໂລຊີ. ແນວຄວາມຄິດນີ້ບໍ່ພຽງແຕ່ມີຄວາມໝາຍທາງດ້ານເຕັກນິກເທົ່ານັ້ນ ແຕ່ຍັງກ່ຽວຂ້ອງໂດຍກົງກັບຍຸດທະສາດທຸລະກິດ, ການລົງທຶນ ແລະ ການແຂ່ງຂັນລະຫວ່າງບໍລິສັດຂະໜາດໃຫຍ່. ຂໍ້ຕົກລົງການຮ່ວມມືຫຼາຍຢ່າງຍັງຜູກພັນກັບ "ການບັນລຸເປົ້າໝາຍ AGI", ເຊິ່ງສະແດງໃຫ້ເຫັນເຖິງອິດທິພົນທີ່ສຳຄັນຂອງຄຳສັບນີ້.

ຖ້າ AGI ເກີດຂຶ້ນແທ້ໆ, ຜົນກະທົບອາດຈະກວ້າງຂວາງ. ເທັກໂນໂລຢີນີ້ສາມາດເພີ່ມຜະລິດຕະພາບແຮງງານຢ່າງຫຼວງຫຼາຍ, ເຮັດໃຫ້ຫຼາຍອຸດສາຫະກຳເປັນອັດຕະໂນມັດ, ແລະ ປ່ຽນແປງວິທີການດຳເນີນງານຂອງທຸລະກິດ. ໃນເວລາດຽວກັນ, ມັນຍັງເຮັດໃຫ້ເກີດຄຳຖາມກ່ຽວກັບການຄວບຄຸມ, ຄວາມປອດໄພ, ແລະ ບົດບາດຂອງມະນຸດໃນສະພາບແວດລ້ອມການເຮັດວຽກແບບໃໝ່.

ແຫຼ່ງຂໍ້ມູນ: https://thanhnien.vn/tim-hieu-ve-agi-cap-do-tiep-theo-cua-ai-185260329090532314.htm