ປັນຍາປະດິດ
AI ສາມາດໄດ້ຮັບການຝຶກອົບຮົມເພື່ອເຮັດໃຫ້ການຄາດເດົາທາງວິທະຍາສາດຢ່າງເປັນເອກະລາດໂດຍອີງໃສ່ຄວາມຮູ້ທີ່ຜ່ານມາ
ມີການໂຕ້ວາທີຢ່າງຕໍ່ເນື່ອງໃນບັນດານັກຄົ້ນຄວ້າ AI ບໍ່ວ່າຈະເປັນ Artificial Intelligence, ເປັນ ເວັບໄຊຕ໌ຕໍ່ໄປ (TNW) ບັນທຶກ,“ຈະ ໃນໄວໆນີ້ຈະສາມາດ ພັດທະນາປະເພດຂອງ ປັນຍາທົ່ວໄປ ທີ່ມະນຸດມີ,” ດ້ວຍການໂຕ້ແຍ້ງອັນຮ້ອນແຮງສໍາລັບແລະຕໍ່ຕ້ານ.
ແຕ່ຍັງມີຄວາມຮູ້ອີກດ້ານຫນຶ່ງທີ່ AI ກໍາລັງກ້າວໄປສູ່ບາດກ້າວອັນໃຫຍ່ຫຼວງ, ແລະນັ້ນແມ່ນຢູ່ Natural Language Processing (NLP), ເປັນສ່ວນຫນຶ່ງຂອງ umbrella ຂະຫນາດໃຫຍ່ຫຼາຍຂອງການຮຽນຮູ້ເຄື່ອງຈັກ, ດ້ວຍ "ຈຸດປະສົງເພື່ອປະເມີນ, ສະກັດແລະປະເມີນຂໍ້ມູນຈາກຂໍ້ມູນຂໍ້ຄວາມ." ຕໍ່ກັບຜົນກະທົບນັ້ນ, TNW ຊີ້ໃຫ້ເຫັນເຈ້ຍ ຈັດພີມມາບໍ່ດົນມານີ້ຢູ່ໃນທໍາມະຊາດ ເຊິ່ງລາຍງານວ່າ AI ດຽວນີ້ "ສາມາດຄາດຄະເນການຄົ້ນພົບທາງວິທະຍາສາດໃນອະນາຄົດໂດຍພຽງແຕ່ສະກັດຂໍ້ມູນທີ່ມີຄວາມຫມາຍຈາກສິ່ງພິມການຄົ້ນຄວ້າ."
ການຄົ້ນຄວ້າແລະຄວາມເຂົ້າໃຈຄໍາຖາມວິທະຍາສາດສະເພາະຮຽກຮ້ອງໃຫ້ມີຂັ້ນຕອນທີ່ຊັດເຈນຂອງປື້ມທີ່ປຶກສາ, ສິ່ງພິມພິເສດ, ຫນ້າເວັບແລະແຫຼ່ງອື່ນໆທີ່ກ່ຽວຂ້ອງ. ແນ່ນອນ, ນີ້ສາມາດເປັນການອອກກໍາລັງກາຍທີ່ໃຊ້ເວລາຫຼາຍ, ໂດຍສະເພາະຖ້າພວກເຮົາມີບັນຫາຫຼືຄໍາຖາມທີ່ສັບສົນຫຼາຍຢູ່ໃນມື. ນັ້ນແມ່ນບ່ອນທີ່ NLP ເຂົ້າມາ. ໂດຍໃຊ້ "ວິທີການແລະເຕັກນິກທີ່ຊັບຊ້ອນ, ໂຄງການຄອມພິວເຕີສາມາດກໍານົດແນວຄວາມຄິດ, ການພົວພັນເຊິ່ງກັນແລະກັນ, ຫົວຂໍ້ທົ່ວໄປແລະຄຸນສົມບັດສະເພາະຈາກຊຸດຂໍ້ມູນຂໍ້ຄວາມຂະຫນາດໃຫຍ່."
ດັ່ງທີ່ໄດ້ສົນທະນາໃນການສຶກສາຂ້າງເທິງ, "ມາຮອດປະຈຸ, ສ່ວນໃຫຍ່ຂອງວິທີການອັດຕະໂນມັດ NLP ທີ່ມີຢູ່ແລ້ວແມ່ນໄດ້ຮັບການເບິ່ງແຍງ, ຮຽກຮ້ອງໃຫ້ມີການປ້ອນຂໍ້ມູນຈາກມະນຸດ. ເຖິງວ່າຈະມີການປັບປຸງເມື່ອປຽບທຽບກັບວິທີການຄູ່ມືທີ່ບໍລິສຸດ, ນີ້ຍັງເປັນວຽກທີ່ໃຊ້ແຮງງານຫຼາຍ.” ແຕ່ນັກຄົ້ນຄວ້າຜູ້ທີ່ກະກຽມເອກະສານນີ້ແມ່ນສາມາດສ້າງລະບົບ AI ທີ່ "ສາມາດກໍານົດແລະສະກັດຂໍ້ມູນໄດ້ຢ່າງຖືກຕ້ອງ. ມັນໃຊ້ເຕັກນິກທີ່ຊັບຊ້ອນໂດຍອີງໃສ່ຄຸນສົມບັດທາງສະຖິຕິແລະເລຂາຄະນິດຂອງຂໍ້ມູນເພື່ອກໍານົດຊື່ທາງເຄມີ, ແນວຄວາມຄິດ, ແລະໂຄງສ້າງ. ນີ້ແມ່ນອີງໃສ່ປະມານ 1.5 ລ້ານບົດຄັດຫຍໍ້ຂອງເອກະສານວິທະຍາສາດກ່ຽວກັບວິທະຍາສາດວັດສະດຸ."
ຫຼັງຈາກນັ້ນ, ໂຄງການການຮຽນຮູ້ເຄື່ອງຈັກນີ້ "ການຈັດປະເພດຄໍາສັບຕ່າງໆໃນຂໍ້ມູນໂດຍອີງໃສ່ລັກສະນະສະເພາະເຊັ່ນ "ອົງປະກອບ", "ພະລັງງານ" ແລະ "ຕົວຜູກມັດ". ຕົວຢ່າງ, "ຄວາມຮ້ອນ" ຖືກຈັດປະເພດເປັນສ່ວນຫນຶ່ງຂອງ "ພະລັງງານ", ແລະ "ອາຍແກັສ" ເປັນ "ອົງປະກອບ". ນີ້ໄດ້ຊ່ວຍເຊື່ອມຕໍ່ສານປະກອບບາງຢ່າງກັບປະເພດຂອງແມ່ເຫຼັກແລະຄວາມຄ້າຍຄືກັນກັບວັດສະດຸອື່ນໆໃນບັນດາສິ່ງອື່ນໆ, ສະຫນອງຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການເຊື່ອມຕໍ່ຄໍາສັບຕ່າງໆໂດຍບໍ່ຈໍາເປັນຕ້ອງມີການແຊກແຊງຂອງມະນຸດ."
ວິທີການນີ້ເຮັດໃຫ້ມັນເປັນໄປໄດ້ສໍາລັບ AI ເພື່ອ "ເກັບກໍາຄວາມສໍາພັນທີ່ຊັບຊ້ອນແລະກໍານົດຊັ້ນຂໍ້ມູນທີ່ແຕກຕ່າງກັນ, ເຊິ່ງເກືອບເປັນໄປບໍ່ໄດ້ທີ່ຈະປະຕິບັດໂດຍມະນຸດ." ນີ້ເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະໃຫ້ຄວາມເຂົ້າໃຈດີລ່ວງຫນ້າໃນການປຽບທຽບກັບສິ່ງທີ່ນັກວິທະຍາສາດທີ່ກ່ຽວຂ້ອງກັບພາກສະຫນາມສາມາດເຮັດໄດ້ໃນເວລານີ້. ຕົວຈິງແລ້ວ AI ແນະນໍາວັດສະດຸ "ສໍາລັບການນໍາໃຊ້ທີ່ເປັນປະໂຫຍດຫຼາຍປີກ່ອນທີ່ຈະຄົ້ນພົບຕົວຈິງຂອງພວກເຂົາ. ມີຫ້າການຄາດຄະເນດັ່ງກ່າວ, ທັງຫມົດແມ່ນອີງໃສ່ເອກະສານທີ່ຈັດພີມມາກ່ອນປີ 2009. ສໍາລັບການຍົກຕົວຢ່າງ, AI ໄດ້ຄຸ້ມຄອງເພື່ອກໍານົດສານທີ່ເອີ້ນວ່າ CsAgGa2Se4as ເປັນ. ອຸປະກອນການ thermoelectricເຊິ່ງນັກວິທະຍາສາດຄົ້ນພົບໃນປີ 2012 ເທົ່ານັ້ນ. ສະນັ້ນ ຖ້າ AI ໄດ້ມີມາໃນປີ 2009, ມັນສາມາດເລັ່ງການຄົ້ນພົບໄດ້ໄວຂຶ້ນ.”