အချိန်တိုင်းအတွက် အကောင်းဆုံး Machine Learning & AI စာအုပ် ၆ အုပ် (မေလ 6)

AI ၏ ကမ္ဘာသည် ရနိုင်သော ဝေါဟာရများနှင့် မတူညီသော စက်သင်ယူမှု အယ်လဂိုရီသမ်များကြောင့် ကြောက်ရွံ့ထိတ်လန့်စေနိုင်သည်။ စက်သင်ယူခြင်းဆိုင်ရာ အကြံပြုထားသော စာအုပ်ပေါင်း 50 ကျော်ကို ဖတ်ပြီးနောက်၊ ကျွန်ုပ်သည် ဖတ်သင့်သည့် စာအုပ်များစာရင်းကို ပြုစုခဲ့သည်။

ရွေးချယ်ထားသော စာအုပ်များသည် မိတ်ဆက်ထားသော စိတ်ကူးအမျိုးအစားများအပေါ် အခြေခံကာ နက်နဲသောသင်ယူမှု၊ အားဖြည့်သင်ကြားမှုနှင့် မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်များကဲ့သို့သော ကွဲပြားသော အယူအဆများကို တင်ပြထားသည်။ အရေးအကြီးဆုံးမှာ စာရင်းသည် အနာဂတ်ဝါဒီများနှင့် သုတေသီများအတွက် ရှေ့သို့ အကောင်းဆုံးလမ်းကြောင်းကို ခင်းပေးသည့် စာအုပ်များပေါ်တွင် အခြေခံထားပြီး ဖြစ်နိုင်ချေရှိသော တာဝန်ယူမှု၊ တာဝန်ခံမှုနှင့် ရှင်းပြနိုင်သော AI ကို တည်ဆောက်ရန်ဖြစ်သည်။

#6 ။ AI အလုပ်လုပ်ပုံ- နတ်ဝိဇ္ဇာမှ သိပ္ပံပညာ Ronald T. Kneusel မှ

“AI အလုပ်လုပ်ပုံ” သည် စက်သင်ယူခြင်း၏ အဓိကအခြေခံများကို အသေးစိတ်ဖော်ပြရန်အတွက် တိုတိုရှင်းရှင်းနှင့် ပြတ်ပြတ်သားသား ပုံဖော်ထားသည့် စာအုပ်တစ်အုပ်ဖြစ်သည်။ ဤစာအုပ်သည် စက်သင်ယူမှု၏ ကြွယ်ဝသောသမိုင်းကြောင်းကို လေ့လာရန်၊ အမွေအနှစ် AI စနစ်များစတင်ခြင်းမှ ခေတ်ပြိုင်နည်းစနစ်များ ထွန်းကားလာသည်အထိ သင်ယူနိုင်စေရန် ကူညီပေးပါသည်။

vector စက်များ၊ ဆုံးဖြတ်ချက်သစ်ပင်များနှင့် ကျပန်းသစ်တောများကဲ့သို့သော ကောင်းမွန်သောတည်ထောင်ထားသော AI စနစ်များဖြင့် စတင်ကာ သမိုင်းကို အလွှာလိုက်တည်ဆောက်ထားသည်။ ဤအစောပိုင်းစနစ်များသည် ဆန်းကြယ်သောတိုးတက်မှုများအတွက် လမ်းခင်းပေးခဲ့ပြီး၊ အာရုံကြောကွန်ရက်များနှင့် convolutional neural networks များကဲ့သို့ ပိုမိုခေတ်မီသောချဉ်းကပ်မှုများ ဖွံ့ဖြိုးတိုးတက်လာစေသည်။ စာအုပ်တွင် ယနေ့ခေတ် ခေတ်မီဆန်းသစ်သော Generative AI ၏နောက်ကွယ်တွင် စွမ်းအားကြီးမားသော Large Language Models (LLMs) မှ ပေးဆောင်ထားသော မယုံနိုင်လောက်အောင် စွမ်းဆောင်ရည်များကို ဆွေးနွေးထားသည်။

ဆူညံသံမှ ရုပ်ပုံနည်းပညာသည် ရှိပြီးသားပုံရိပ်များကို ပုံတူပွားစေပြီး ကျပန်းသတိပေးချက်များမှ မကြုံစဖူးသော ပုံအသစ်များကိုပင် ဖန်တီးနိုင်ပုံကဲ့သို့သော အခြေခံများကို နားလည်ခြင်းသည် ယနေ့ခေတ်ပုံရိပ် ဂျင်နရေတာများကို တွန်းပို့နေသော တွန်းအားများကို ဆုပ်ကိုင်ထားရန် အရေးကြီးပါသည်။ ဤစာအုပ်သည် ဤအခြေခံကျသောရှုထောင့်များကို လှပစွာရှင်းပြထားပြီး စာဖတ်သူများအား ရုပ်ပုံမျိုးဆက်နည်းပညာများ၏ ရှုပ်ထွေးပွေလီမှုနှင့် အောက်ခြေစက်ပြင်များကို နားလည်နိုင်စေပါသည်။

စာရေးဆရာ Ron Kneusel သည် OpenAI ၏ ChatGPT နှင့် ၎င်း၏ LLM မော်ဒယ်သည် စစ်မှန်သော AI ၏အစပြုခြင်းကို အဘယ်ကြောင့်ဆိုလိုကြောင်း ၎င်း၏အမြင်များကို ရှင်းလင်းဖော်ပြရာတွင် ချီးကျူးထိုက်သောအားထုတ်မှုကို သရုပ်ပြသည်။ သူသည် စိတ်၏သီအိုရီကို အလိုလိုနားလည်နိုင်စွမ်းရှိသော ထူးခြားသော LLMs များပြသပုံကို စေ့စေ့စပ်စပ်တင်ပြသည်။ လေ့ကျင့်ရေးပုံစံ၏ အရွယ်အစားပေါ်မူတည်၍ ဤပေါ်ပေါက်လာသော ဂုဏ်သတ္တိများသည် ပိုမိုသိသာထင်ရှားပြီး သြဇာညောင်းလာပါသည်။ Kneusel သည် ပိုမိုများပြားသော ကန့်သတ်ချက်များသည် ပုံမှန်အားဖြင့် အကျွမ်းကျင်ဆုံးနှင့် အအောင်မြင်ဆုံး LLM မော်ဒယ်များကို မည်သို့ရလဒ်ထွက်ပေါ်စေကာမူ ဤမော်ဒယ်များ၏ အတိုင်းအတာဒိုင်းနမစ်နှင့် ထိရောက်မှုတို့ကို ပိုမိုနက်ရှိုင်းစွာ ထိုးထွင်းသိမြင်စေပါသည်။

ဤစာအုပ်သည် AI ၏ကမ္ဘာကြီးအကြောင်းကို ပိုမိုလေ့လာလိုသူများအတွက် မီးရှူးတန်ဆောင်ဖြစ်ပြီး ၎င်းတို့၏ အခြေခံပုံစံများမှ ယနေ့ခေတ်ရှေ့ဆောင်အရာများအထိ စက်သင်ယူမှုနည်းပညာများ၏ ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အသေးစိတ် ခြုံငုံသုံးသပ်ချက်ကို ပေးဆောင်ထားသည်။ သင်ဟာ အတွေ့အကြုံမရှိသေးသူပဲ ဖြစ်ဖြစ်၊ အကြောင်းအရာကို ကောင်းကောင်းကြီး ဆုပ်ကိုင်ထားနိုင်သူပဲဖြစ်ဖြစ်၊ " AI အလုပ်လုပ်ပုံ" သည် ကျွန်ုပ်တို့၏ ကမ္ဘာကြီးကို ဆက်လက်ပုံဖော်ပေးမည့် အသွင်ပြောင်းနည်းပညာများကို ကောင်းစွာနားလည်သဘောပေါက်စေရန် ဒီဇိုင်းထုတ်ထားပါသည်။

#5 ။ ဘဝ 3.0 Max Tegmark မှ

"ဘဝ 3.0” ရည်မှန်းချက်ကြီးကြီးမားမားရှိပြီး အဲဒါကတော့ အနာဂတ်မှာ AI နဲ့ ဘယ်လိုပူးပေါင်းဆောင်ရွက်မလဲဆိုတာ ဖြစ်နိုင်ချေတွေကို စူးစမ်းဖို့ပါပဲ။ Artificial General Intelligence (AGI) သည် ၎င်း၏ နောက်ဆုံးနှင့် မလွဲမသွေ အကျိုးဆက်ဖြစ်သည်။ ထောက်လှမ်းရေး ပေါက်ကွဲမှု အငြင်းအခုံ ဗြိတိသျှ သင်္ချာပညာရှင် Irving Good က ၁၉၆၅ ခုနှစ်တွင် ပြုလုပ်ခဲ့သည်။ ဤအငြင်းအခုံသည် လူတို့၏ ဉာဏ်ရည်ဉာဏ်သွေးသည် စဉ်ဆက်မပြတ် မိမိကိုယ်မိမိ တိုးတက်အောင် လုပ်ဆောင်နိုင်သော စက်တစ်ခု၏ ရလဒ်ဖြစ်သည်ဟု ပြဌာန်းထားသည်။ ထောက်လှမ်းရေးပေါက်ကွဲမှုအတွက် ကျော်ကြားသောကိုးကားချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။

“ဉာဏ်ရည်ထက်မြက်တဲ့စက်ကို လူသားတိုင်းရဲ့ ဉာဏ်ရည်ထက်မြက်မှုအားလုံးကို ကျော်လွန်နိုင်တဲ့ စက်တစ်ခုအဖြစ် သတ်မှတ်ပါစေ။ စက်များ၏ ဒီဇိုင်းသည် ဤဉာဏ်ရည်ဉာဏ်သွေး လုပ်ဆောင်ချက်များထဲမှ တစ်ခုဖြစ်သောကြောင့်၊ ဉာဏ်ရည်ထက်မြက်သော စက်သည် ပိုမိုကောင်းမွန်သော စက်များကို ဒီဇိုင်းထုတ်နိုင်သည်။ ထိုအခါ၌ 'ဉာဏ်ရည်ဉာဏ်သွေး ပေါက်ကွဲခြင်း' သည် သံသယဖြစ်ဖွယ်မရှိပဲ၊ လူသား၏ ဉာဏ်ရည်သည် နောက်ကျကျန်ခဲ့ပေလိမ့်မည်။ ဒါကြောင့် ပထမဆုံး ဉာဏ်ရည်ထက်မြက်တဲ့ စက်က လူသားတွေ လုပ်သမျှ နောက်ဆုံး တီထွင်မှုပဲ”

Max Tegmark သည် AGI မှ ထိန်းချုပ်ထားသော ကမ္ဘာတစ်ခုတွင် နေထိုင်ခြင်းဆိုင်ရာ သီအိုရီဆိုင်ရာ အနာဂတ်တစ်ခုအဖြစ် စာအုပ်ကို စတင်ထုတ်ဝေခဲ့သည်။ ဤအခိုက်အတန့်မှစ၍ ဉာဏ်ရည်ဉာဏ်သွေးဆိုသည်မှာ ဘာလဲ၊ မှတ်ဉာဏ်ဆိုတာ ဘာလဲ? တွက်ချက်မှုဆိုတာဘာလဲ။ သင်ယူခြင်းဟူသည် အဘယ်နည်း။ ဤမေးခွန်းများနှင့် ဖြစ်နိုင်ချေရှိသော အဖြေများသည် နောက်ဆုံးတွင် လူသားအဆင့် ဉာဏ်ရည်ဥာဏ်သွေးရရှိရန် လိုအပ်သော အောင်မြင်မှုများရရှိရန် လိုအပ်သော အောင်မြင်မှုများရရှိရန် အမျိုးမျိုးသော စက်သင်ယူမှု အမျိုးအစားများကို အသုံးပြုနိုင်သည့် စက်၏ ပါရာဒိုင်းဆီသို့ မည်သို့ ဦးတည်သွားသနည်း။

ဤအရာများသည် Life 3.0 စူးစမ်းရှာဖွေသော အရေးကြီးသောမေးခွန်းအမျိုးအစားများဖြစ်သည်။ Life 1.0 သည် ၎င်း၏ DNA ကို ပြုပြင်မွမ်းမံသည့် ဆင့်ကဲဖြစ်စဉ်မှတဆင့် ပြောင်းလဲနိုင်သော ဘက်တီးရီးယားကဲ့သို့သော ရိုးရှင်းသောဘဝပုံစံများဖြစ်သည်။ Life 2.0 သည် ဘာသာစကားအသစ် သို့မဟုတ် ကျွမ်းကျင်မှုကို သင်ယူခြင်းကဲ့သို့သော ၎င်းတို့၏ကိုယ်ပိုင်ဆော့ဖ်ဝဲလ်ကို ပြန်လည်ဒီဇိုင်းထုတ်နိုင်သည့် ဘဝပုံစံများဖြစ်သည်။ Life 3.0 သည် ၎င်း၏ကိုယ်ပိုင်အပြုအမူနှင့် ကျွမ်းကျင်မှုများကို ပြုပြင်မွမ်းမံရုံသာမက စက်ရုပ်ကိုယ်တိုင် အဆင့်မြှင့်တင်ခြင်းကဲ့သို့သော ၎င်း၏ကိုယ်ပိုင်ဟာ့ဒ်ဝဲကိုလည်း ပြုပြင်မွမ်းမံနိုင်သည့် AI တစ်ခုဖြစ်သည်။

AGI ၏ အကျိုးကျေးဇူးများနှင့် အားနည်းချက်များကို နားလည်မှသာ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ရည်မှန်းချက်များနှင့် ကိုက်ညီသည်ထက် ရင်းနှီးသော AI ကို တည်ဆောက်နိုင်စေရန်အတွက် ရွေးချယ်မှုများကို စတင်သုံးသပ်နိုင်မည်ဖြစ်သည်။ ထိုသို့လုပ်ဆောင်ရန် ကျွန်ုပ်တို့သည်လည်း အသိဉာဏ်ဟူသည် အရာကို နားလည်ရန် လိုအပ်ပေမည်။ ပြီးတော့ AI အသိစိတ်က ငါတို့ကိုယ်တိုင်နဲ့ ဘယ်လိုကွာခြားမလဲ။

ဤစာအုပ်တွင် စူးစမ်းလေ့လာထားသည့် ခေါင်းစဉ်များစွာရှိပြီး AGI သည် မည်သို့ဖြစ်နိုင်ချေရှိသော ခြိမ်းခြောက်မှုဖြစ်သည်ကို အမှန်တကယ်နားလည်လိုသူတိုင်းအတွက် မဖြစ်မနေဖတ်ရှုရန် လိုအပ်သည့်အပြင် လူသားယဉ်ကျေးမှု၏ အနာဂတ်အတွက် အလားအလာရှိသော အသက်သွေးကြောတစ်ခုလည်းဖြစ်သည်။

#4 ။ လူသားနှင့်လိုက်ဖက်သော- ဥာဏ်ရည်တုနှင့် ထိန်းချုပ်မှုပြဿနာ Stuart Russell မှ

အသိဉာဏ်ရှိသော အေးဂျင့်တစ်ဦး၊ ရိပ်မိသော၊ လုပ်ဆောင်သည့်အရာ၊ ၎င်းသည် ၎င်း၏ဖန်တီးရှင်များထက် ပိုမိုထက်မြက်သော အေးဂျင့်တစ်ဦးကို တည်ဆောက်ရာတွင် ကျွန်ုပ်တို့ အောင်မြင်ပါက မည်သို့ဖြစ်မည်နည်း။ စက်များကို ၎င်းတို့၏ကိုယ်ပိုင် ရည်မှန်းချက်များအစား ကျွန်ုပ်တို့၏ ရည်မှန်းချက်များ အောင်မြင်စေရန် ကျွန်ုပ်တို့ မည်သို့ စည်းရုံးနိုင်မည်နည်း။

အထက်ပါအချက်သည် စာအုပ်၏ အရေးကြီးဆုံး သဘောတရားများထဲမှ တစ်ခုကို ဦးတည်သည်"လူသားနှင့်လိုက်ဖက်သော- ဥာဏ်ရည်တုနှင့် ထိန်းချုပ်မှုပြဿနာNorbert Wiener တစ်ချိန်ကပြောခဲ့သည့်အတိုင်း "ရည်ရွယ်ချက်တစ်ခုကိုစက်ထဲသို့ထည့်ခြင်း" ကိုရှောင်ကြဉ်ရမည်ဖြစ်သည် ၎င်း၏ ပုံသေရည်မှန်းချက်များကို တိကျသေချာလွန်းသည့် အသိဉာဏ်ရှိသော စက်သည် အန္တရာယ်ရှိသော AI ၏ နောက်ဆုံးအမျိုးအစားဖြစ်သည်။ တစ်နည်းဆိုရသော် AI သည် ၎င်း၏ ကြိုတင်ပရိုဂရမ်လုပ်ထားသော ရည်ရွယ်ချက်နှင့် လုပ်ဆောင်ချက်များကို လုပ်ဆောင်ရာတွင် မှားယွင်းနိုင်ခြေကို ထည့်သွင်းစဉ်းစားရန် ဆန္ဒမရှိပါက AI စနစ်အား သူ့အလိုလို ပိတ်ပစ်ရန် မဖြစ်နိုင်ပေ။

Stuart Russell က ဖော်ပြထားသည့်အတိုင်း အခက်အခဲမှာ မည်သည့်ကုန်ကျစရိတ်ဖြင့်မျှ အောင်မြင်စေရန် ညွှန်ကြားချက်မရှိသော AI/စက်ရုပ်ကို ညွှန်ကြားခြင်းဖြစ်သည်။ ကော်ဖီသောက်ရန် သို့မဟုတ် နေ့လယ်စာစားရန် ကြောင်ကိုကင်ရန် လူ့အသက်ကို စတေးခြင်းသည် အဆင်မပြေပါ။ ဤညွှန်ကြားချက်သည် မရှင်းလင်းသော်လည်း “အမြန်ဆုံး လေဆိပ်သို့ ခေါ်သွားပါ” ဟု နားလည်ရမည်ဖြစ်ပြီး၊ အရှိန်မြှင့်ခြင်းဆိုင်ရာ ဥပဒေများ ပျက်ပြားသွားနိုင်သည်ဟု မဆိုလိုပါ။ AI သည် အထက်ပါအချက်များ မှားယွင်းပါက ပျက်ကွက်ခြင်းဘေးကင်းမှုသည် ကြိုတင်အစီအစဉ်ချထားသည့် မသေချာမရေရာမှုအဆင့်တစ်ခုဖြစ်သည်။ မသေချာမရေရာမှုများကြောင့် AI သည် အလုပ်တစ်ခုမပြီးမီတွင် နှုတ်ဖြင့်အတည်ပြုချက်ကိုရှာဖွေရန် သူ့ကိုယ်သူစိန်ခေါ်နိုင်သည်။

၁၉၆၅ ခုနှစ် စာတမ်းတစ်စောင်တွင် “ပထမဆုံး Ultraintelligence Machine နှင့် ပတ်သက်သော ခန့်မှန်းချက်များAlan Turing နဲ့ တွဲပြီး အလုပ်လုပ်တဲ့ ထက်မြက်တဲ့ သင်္ချာပညာရှင် IJ Good က “လူရဲ့ ရှင်သန်မှုဟာ ဉာဏ်ရည်ထက်မြက်တဲ့ စက်ရဲ့ အစောပိုင်း တည်ဆောက်မှုပေါ်မှာ မူတည်တယ်” လို့ ဆိုပါတယ်။ ဂေဟဗေဒ၊ ဇီဝဗေဒနှင့် လူသားချင်းစာနာထောက်ထားမှုဆိုင်ရာ ဘေးဒုက္ခများမှ မိမိကိုယ်ကို ကယ်တင်ရန် ကျွန်ုပ်တို့ အတတ်နိုင်ဆုံး အဆင့်မြင့်ဆုံး AI ကို တည်ဆောက်ရမည် ဖြစ်ပေသည်။

ဤဟောပြောမှုစာတမ်းတွင် ဥာဏ်ရည်ဥာဏ်သွေး ပေါက်ကွဲခြင်းအကြောင်းကို ရှင်းပြသည်၊ ဤသီအိုရီအရ ဥာဏ်ရည်ထက်မြက်သောစက်သည် အထပ်ထပ်တစ်ခုစီတိုင်းတွင် ပို၍ပင်ကောင်းမွန်ပြီး သာလွန်ကောင်းမွန်သောစက်များကို ဒီဇိုင်းထုတ်နိုင်ပြီး၊ ၎င်းသည် AGI ဖန်တီးမှုကို မလွဲမသွေဖြစ်ပေါ်စေသည်။ AGI သည် ကနဦးတွင် လူသားတစ်ဦးနှင့် တူညီသောဉာဏ်ရည်ရှိနိုင်သော်လည်း အချိန်တိုတိုအတွင်း လူသားများကို လျင်မြန်စွာ ကျော်ဖြတ်နိုင်မည်ဖြစ်သည်။ ဤကြိုတင်ကောက်ချက်ကြောင့် AI developer များသည် ဤစာအုပ်တွင် မျှဝေထားသော ပင်မအခြေခံမူများကို လက်တွေ့အကောင်အထည်ဖော်ရန်နှင့် လူသားများကို ဝန်ဆောင်မှုပေးရုံသာမက လူသားများကို ကယ်တင်နိုင်သည့် AI စနစ်များကို ဒီဇိုင်းဆွဲရာတွင် ဘေးကင်းစွာ အသုံးချနည်းကို လေ့လာရန် အရေးကြီးပါသည်။ .

Stuart Russell က ဖော်ပြထားသည့်အတိုင်း AI သုတေသနမှ ဆုတ်ခွာခြင်းမှာ ရွေးချယ်စရာမဟုတ်ပါ၊ ကျွန်ုပ်တို့သည် ရှေ့ကို နှိပ်ရပါမည်။ ဤစာအုပ်သည် ဘေးကင်းသော၊ တာဝန်သိပြီး အကျိုးရှိသော AI စနစ်များကို ဒီဇိုင်းထုတ်ရန် ကျွန်ုပ်တို့ကို လမ်းညွှန်ပေးမည့် လမ်းပြမြေပုံတစ်ခုဖြစ်သည်။

#3 ။ စိတ်ကိုဘယ်လိုဖန်တီးမလဲ။ Ray Kurzweil မှ

Ray Kurzweil ပါ။ ကမ္ဘာ့ထိပ်တန်း တီထွင်သူများ၊ တွေးခေါ်ရှင်များနှင့် အနာဂတ်ဝါဒီများထဲမှ တစ်ဦးအဖြစ် ရည်ညွှန်းခြင်းခံရသည်။ Wall Street Journal နှင့် Forbes မဂ္ဂဇင်းမှ "အဆုံးစွန်သောတွေးခေါ်မှုစက်" မှ "ဂနာမငြိမ်သောပါရမီရှင်" ။ သူသည် Singularity University ၏ ပူးတွဲတည်ထောင်သူလည်းဖြစ်ပြီး သူ၏ အမိုက်စားစာအုပ် “The Singularity is Near” ကြောင့် လူသိများသည်။ “စိတ်ကိုဘယ်လိုဖန်တီးမလဲ။” သူ၏အခြားအလုပ်၏ထူးခြားချက်ဖြစ်သည့် ကိန်းဂဏန်းများဖြစ်သော အဆပွားတိုးတက်မှုပြဿနာများကို လျှော့နည်းကိုင်တွယ်ဖြေရှင်းပေးမည့်အစား ၎င်းသည် အဆုံးစွန်သောတွေးခေါ်မှုဆိုင်ရာစက်ကို ဖန်တီးရန်အတွက် လူသားဦးနှောက်ကို နားလည်ရန် မည်သို့လိုအပ်ကြောင်းကို ၎င်းအား အာရုံစိုက်သည်။

ဤဟောပြောမှုလုပ်ငန်းတွင် ဖော်ပြထားသော အဓိကအချက်များထဲမှတစ်ခုမှာ လူ့ဦးနှောက်တွင် ပုံစံအသိအမှတ်ပြုခြင်း အလုပ်လုပ်ပုံဖြစ်သည်။ လူသားများသည် နေ့စဉ်ဘ၀တွင် ပုံစံများကို မည်သို့မှတ်မိကြသနည်း။ ဒီချိတ်ဆက်မှုတွေကို ဦးနှောက်ထဲမှာ ဘယ်လိုဖွဲ့စည်းထားလဲ။ စာအုပ်သည် အထက်အောက် တွေးခေါ်မှုကို နားလည်ခြင်းဖြင့် အစပြုသည်၊ ၎င်းသည် ပုံစံတစ်ခုတွင် စီထားသည့် ကွဲပြားသော ဒြပ်စင်များ ပေါင်းစပ်ထားသည့် ဖွဲ့စည်းတည်ဆောက်ပုံကို နားလည်ခြင်းဖြစ်ပြီး၊ ဤအစီအစဥ်သည် ထို့နောက် အက္ခရာ သို့မဟုတ် အက္ခရာကဲ့သို့သော သင်္ကေတကို ကိုယ်စားပြုသည်၊ ထို့နောက် ၎င်းကို ပိုမိုအဆင့်မြင့်သည့် ပုံစံအဖြစ် စီစဥ်ထားသည်။ စကားလုံးတစ်လုံးနဲ့ နောက်ဆုံးမှာ ဝါကျတစ်ခုလိုမျိုးပေါ့။ နောက်ဆုံးတွင် အဆိုပါပုံစံများသည် စိတ်ကူးများဖြစ်လာပြီး အဆိုပါစိတ်ကူးများသည် လူသားများတည်ဆောက်မှုအတွက် တာဝန်ရှိသည့် ထုတ်ကုန်များအဖြစ်သို့ ပြောင်းလဲသွားကြသည်။

၎င်းသည် Ray Kurzweil စာအုပ်ဖြစ်သောကြောင့်၊ ၎င်းသည် ချဲ့ထွင်တွေးခေါ်မှုကို မိတ်ဆက်ခြင်းမပြုမီ ကြာမြင့်မည်မဟုတ်ပေ။ "အမြန်ပြန်လာခြင်းဥပဒေ' ဤဟောပြောမှုစာအုပ်၏ အမှတ်အသားတစ်ခုဖြစ်သည်။ တိုးတက်မှုနှုန်းကို ပိုမိုတိုးမြင့်လာစေသည့် အလားအလာကြောင့် နည်းပညာများနှင့် အရှိန်အဟုန်သည် မည်ကဲ့သို့ အရှိန်အဟုန်ကို ဤဥပဒေတွင် ပြသထားသည်။ ဤတွေးခေါ်မှုသည် လူ့ဦးနှောက်ကို နားလည်သဘောပေါက်ရန်နှင့် ပြောင်းပြန်လှန်ရန် ကျွန်ုပ်တို့ သင်ယူနေသည် မည်မျှမြန်သည်နှင့်အမျှ အသုံးချနိုင်သည်။ လူ့ဦးနှောက်ရှိ ပုံစံအသိအမှတ်ပြုမှုစနစ်များကို အရှိန်မြှင့်နားလည်သဘောပေါက်ပြီးနောက် AGI စနစ်တစ်ခုတည်ဆောက်ရန်အတွက် အသုံးချနိုင်သည်။

ဤစာအုပ်သည် AI ၏အနာဂတ်အတွက် အလွန်အသွင်ပြောင်းသွားသောကြောင့် Eric Schmidt သည် Ray Kurzweil ကို ဤဟောပြောမှုစာအုပ်ကိုဖတ်ပြီးနောက် AI ပရောဂျက်များတွင်အလုပ်လုပ်ရန် ခေါ်ယူခဲ့သည်။ ဆောင်းပါးတိုတစ်ခုတွင် ဆွေးနွေးထားသော အယူအဆများနှင့် သဘောတရားများအားလုံးကို အကြမ်းဖျင်းဖော်ပြရန် မဖြစ်နိုင်သော်လည်း ၎င်းသည် ခေတ်မီသော လူသားအာရုံကြောကွန်ရက်များ မည်သို့လုပ်ဆောင်ကြောင်းကို ပိုမိုနားလည်သဘောပေါက်စေရန်အတွက် ၎င်းသည် အာရုံစူးစိုက်ရမည့် စာအုပ်တစ်အုပ်ဖြစ်သည်။ အတုအာရုံကြောကွန်ယက်ကို.

ပုံစံအသိအမှတ်ပြုမှုသည် နက်နဲသောသင်ယူမှုအတွက် အဓိကကျသောအချက်ဖြစ်ပြီး ဤစာအုပ်သည် အဘယ်ကြောင့်နည်း။

#2 ။ Master Algorithm Pedro Domingos မှ

ဗဟိုယူဆချက် Master Algorithm အတိတ်၊ ပစ္စုပ္ပန်နှင့် အနာဂတ်- အသိပညာအားလုံးကို Master Algorithm အဖြစ် အရေအတွက်သတ်မှတ်ထားသည့် တစ်ခုတည်းသော၊ universal learning algorithm တစ်ခုတည်းဖြင့် ဒေတာများမှ ဆင်းသက်နိုင်သည်မှာ ဆိုလိုသည်။ စာအုပ်တွင် ထိပ်တန်းစက်သင်ယူမှုနည်းစနစ်အချို့ကို အသေးစိတ်ဖော်ပြထားသည်၊ ၎င်းသည် မတူညီသော algorithms အလုပ်လုပ်ပုံ၊ ၎င်းတို့ကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်နိုင်ပုံနှင့် Master algorithm ဖန်တီးခြင်း၏ အန္တိမပန်းတိုင်ကိုရောက်အောင် မည်သို့ပူးပေါင်းလုပ်ဆောင်နိုင်ပုံတို့ကို အသေးစိတ်ရှင်းပြပေးပါသည်။ ၎င်းသည် ကျွန်ုပ်တို့ကျွေးသော မည်သည့်ပြဿနာကိုမဆို ဖြေရှင်းနိုင်သည့် အယ်လဂိုရီသမ်တစ်ခုဖြစ်ပြီး ၎င်းတွင် ကင်ဆာကို ကုသခြင်းလည်း ပါဝင်သည်။

စာဖတ်သူသည် သင်ယူခြင်းဖြင့် စတင်မည်ဖြစ်သည်။ Naïve Bayesရိုးရှင်းသော ညီမျှခြင်းတစ်ခုတွင် ရှင်းပြနိုင်သော ရိုးရှင်းသော အယ်လဂိုရီသမ်။ ထိုမှနေ၍ ပိုမိုစိတ်ဝင်စားဖွယ်ကောင်းသော စက်သင်ယူမှုနည်းပညာများဆီသို့ အရှိန်အဟုန်ဖြင့် အရှိန်မြှင့်သည်။ ဤမာစတာ အယ်လဂိုရီသမ်ဆီသို့ ကျွန်ုပ်တို့ကို အရှိန်မြှင့်ပေးနေသော နည်းပညာများကို နားလည်ရန်အတွက် အခြေခံများ ပေါင်းစပ်ခြင်းအကြောင်း လေ့လာပါ။ ဦးစွာ၊ အာရုံကြောသိပ္ပံမှ ကျွန်ုပ်တို့သည် ဦးနှောက်ပလတ်စတစ်ဆာဂျရီ၊ လူ့အာရုံကြောကွန်ရက်များအကြောင်း လေ့လာကြသည်။ ဒုတိယ၊ ကျွန်ုပ်တို့သည် ဆင့်ကဲဖြစ်စဉ်နှင့် သဘာဝရွေးချယ်မှုကို အတုယူသည့် မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်ကို မည်ကဲ့သို့ ဒီဇိုင်းဆွဲရမည်ကို နားလည်ရန် သင်ခန်းစာတစ်ခုတွင် သဘာဝရွေးချယ်မှုသို့ ဆက်သွားပါမည်။ မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်တစ်ခုဖြင့် မျိုးဆက်တစ်ခုစီရှိ ယူဆချက်များ၏ လူဦးရေသည် ကူးသွားကာ ဗီဇပြောင်းကာ ထိုနေရာမှ အသင့်လျော်ဆုံး အယ်လဂိုရီသမ်များသည် နောက်မျိုးဆက်ကို ထုတ်ပေးပါသည်။ ဤဆင့်ကဲဖြစ်စဉ်သည် အဆုံးစွန်သော မိမိကိုယ်ကို တိုးတက်မှုကို ပေးစွမ်းသည်။

အခြားသော ငြင်းခုံမှုများသည် ရူပဗေဒ၊ ကိန်းဂဏန်းများနှင့် ကွန်ပြူတာသိပ္ပံ၏ အကောင်းဆုံးအရာများမှဖြစ်သည်။ Master Algorithm တည်ဆောက်မှုအတွက် မူဘောင်ကို ချမှတ်ထားသော စာအုပ်များသည် ရည်မှန်းချက်ကြီးသော နယ်ပယ်ဖြစ်သောကြောင့် ဤစာအုပ်တွင် တွေ့ကြုံရသည့် မတူညီသော အသွင်အပြင်အားလုံးကို ကျယ်ကျယ်ပြန့်ပြန့် ပြန်လည်သုံးသပ်ရန် မဖြစ်နိုင်ပါ။ အခြားသော machine learning စာအုပ်များအားလုံးကို ပုံသဏ္ဍာန် သို့မဟုတ် ပုံစံဖြင့် တည်ဆောက်ထားသောကြောင့် ဤစာအုပ်ကို ဒုတိယနေရာသို့ တွန်းပို့ခဲ့သော ဤမူဘောင်ဖြစ်သည်။

#1 ။ ဦးနှောက်တစ်ထောင် Jeff Hawkins မှ

"ဦးနှောက်တစ်ထောင်"On Intelligence" ဟူသောခေါင်းစဉ်ဖြင့် Jeff Hawkins မှယခင်စာအုပ်တွင်ဆွေးနွေးထားသောအယူအဆများကိုတည်ဆောက်သည်။ "On Intelligence" သည် လူသားဉာဏ်ရည်ဥာဏ်သွေး အလုပ်လုပ်ပုံကို နားလည်ရန် မူဘောင်ကို စူးစမ်းလေ့လာခဲ့ပြီး ယင်းအယူအဆများကို အဆုံးစွန်သော AI နှင့် AGI စနစ်များတည်ဆောက်ရာတွင် မည်သို့အသုံးချနိုင်သည်ကို လေ့လာခဲ့သည်။ ၎င်းသည် ကျွန်ုပ်တို့မတွေ့ကြုံမီ ကျွန်ုပ်တို့တွေ့ကြုံရမည့်အရာကို ကျွန်ုပ်တို့၏ဦးနှောက်က မည်သို့ကြိုတင်ခန့်မှန်းသည်ကို အခြေခံအားဖြင့် ပိုင်းခြားစိတ်ဖြာပါသည်။

“A Thousand Brains” သည် သီးသန့်သီးသန့်စာအုပ်တစ်အုပ်ဖြစ်သော်လည်း၊ထောက်လှမ်းရေးအပေါ်"အရင်ဖတ်တယ်။

"A Thousand Brains" သည် Jeff Hawkins နှင့် သူတည်ထောင်ခဲ့သော ကုမ္ပဏီမှ နောက်ဆုံးသုတေသနကို တည်ဆောက်သည်။ Numena. Numenta တွင် neocortex မည်ကဲ့သို့အလုပ်လုပ်ပုံဆိုင်ရာသီအိုရီကိုတီထွင်ရန်အဓိကရည်မှန်းချက်ရှိပြီးဒုတိယရည်ရွယ်ချက်မှာဦးနှောက်၏သီအိုရီကိုစက်သင်ယူမှုနှင့်စက်ထောက်လှမ်းရေးအတွက်အသုံးချနိုင်ပုံဖြစ်သည်။

2010 ခုနှစ်တွင် Numenta ၏ပထမဆုံးရှာဖွေတွေ့ရှိမှုတွင် နျူရွန်များကြိုတင်ခန့်မှန်းမှုများပြုလုပ်ပုံပါဝင်ပြီး 2016 ခုနှစ်တွင် ဒုတိယအကြိမ်ရှာဖွေတွေ့ရှိမှုတွင် neocortex အတွင်းရှိမြေပုံသဖွယ်အကိုးအကားဘောင်များပါ၀င်သည်။ စာအုပ်သည် “Thousand Brains Theory” ဟူသည် အဘယ်နည်း၊ ရည်ညွှန်းဘောင်များဖြစ်သည်နှင့် သီအိုရီသည် လက်တွေ့ကမ္ဘာတွင် မည်သို့အလုပ်လုပ်သည်ကို ဦးစွာအသေးစိတ်ဖော်ပြပါသည်။ ဤသီအိုရီ၏နောက်ကွယ်တွင် အခြေခံအကျဆုံးအစိတ်အပိုင်းများထဲမှတစ်ခုမှာ neocortex သည် ၎င်း၏လက်ရှိအရွယ်အစားသို့ ပြောင်းလဲလာပုံကို နားလည်ခြင်းဖြစ်သည်။

neocortex သည် အခြားသောနို့တိုက်သတ္တဝါများနှင့်ဆင်တူသည်၊ သို့သော်၎င်းသည် အသစ်အဆန်းများကိုဖန်တီးခြင်းမဟုတ်ဘဲ အခြေခံပတ်လမ်းတစ်ခုကို ထပ်ခါထပ်ခါကူးယူခြင်းဖြင့် (မွေးလမ်းကြောင်း၏အရွယ်အစားဖြင့်သာကန့်သတ်ထားသည်) ပိုကြီးလာသည်။ အနှစ်သာရအားဖြင့်၊ လူသားများကို ကွဲပြားစေသောအရာသည် ဦးနှောက်၏ အော်ဂဲနစ်ပစ္စည်းမဟုတ်သော်လည်း နီအိုကော်တက်စ် (neocortex) ကိုဖွဲ့စည်းသည့် တူညီသောဒြပ်စင်များ၏ မိတ္တူအရေအတွက်ဖြစ်သည်။

သီအိုရီသည် ၎င်းတို့ကြားတွင် မြင်နိုင်သောနယ်နိမိတ်များမရှိသောကြောင့် အဏုကြည့်မှန်ဘီလူးအောက်တွင် မမြင်နိုင်သော ကော်တီရိုးကော်လံပေါင်း 150,000 ခန့်ရှိသော neocortex ကို မည်သို့ဖွဲ့စည်းပုံသို့ ထပ်ဆင့်ဆင့်ကဲဖြစ်ပေါ်ပါသည်။ ဤ cortical ကော်လံများသည် တစ်ခုနှင့်တစ်ခုကြား ဆက်သွယ်ပုံ၊ ခံယူချက်နှင့် ဉာဏ်ရည်ဆိုင်ရာ ကဏ္ဍတိုင်းအတွက် တာဝန်ရှိသော အခြေခံ အယ်လဂိုရီသမ်ကို အကောင်အထည်ဖော်ခြင်းဖြစ်သည်။

ပိုအရေးကြီးတာက စာအုပ်က ဒီသီအိုရီကို ဉာဏ်ရည်ထက်မြက်တဲ့ စက်တွေတည်ဆောက်ရာမှာ ဘယ်လိုအသုံးချနိုင်မလဲဆိုတာနဲ့ လူ့အဖွဲ့အစည်းအတွက် ဖြစ်နိုင်တဲ့ အနာဂတ်သက်ရောက်မှုတွေကို ထုတ်ဖော်ပြသထားပါတယ်။ ဥပမာအားဖြင့်၊ အထူးသဖြင့် လှုပ်ရှားမှုကို အသုံးချသည့်အခါတွင် သွင်းအားစုများ အချိန်နှင့်အမျှ ပြောင်းလဲပုံကို ဦးနှောက်က လေ့လာခြင်းဖြင့် ကမ္ဘာကြီး၏ စံနမူနာကို သင်ယူသည်။ Cortical ကော်လံများသည် အရာဝတ္ထုတစ်ခုအတွက် ပြင်ဆင်ထားသော ရည်ညွှန်းဘောင်တစ်ခု လိုအပ်သည်၊ ဤအကိုးအကားဘောင်များသည် အရာဝတ္ထုတစ်ခု၏ အဖြစ်မှန်များကို သတ်မှတ်သည့် အင်္ဂါရပ်များ၏တည်နေရာများကို လေ့လာရန် Cortical ကော်လံများကို ခွင့်ပြုသည်။ အနှစ်သာရအားဖြင့် ရည်ညွှန်းဘောင်များသည် မည်သည့်အသိပညာအမျိုးအစားကိုမဆို စုစည်းနိုင်သည်။ ယင်းက ဤဟောပြောမှုစာအုပ်၏ အရေးကြီးဆုံးအစိတ်အပိုင်းသို့ ဦးတည်သွားစေသည်၊ ရည်ညွှန်းဘောင်များသည် ပိုမိုအဆင့်မြင့်သော AI သို့မဟုတ် AGI စနစ်တစ်ခုကို တည်ဆောက်ရန်အတွက် အရေးကြီးသော ပျောက်ဆုံးနေသောလင့်ခ်ဖြစ်နိုင်ပါသလား။ AGI သည် neocortex နှင့်ဆင်တူသော မြေပုံအညွှန်းဘောင်များကို အသုံးပြု၍ AGI မှကမ္ဘာ့ပုံစံများကို လေ့လာမည်ဆိုပါက မလွှဲမရှောင်သာသောအနာဂတ်ကို Jeff ကိုယ်တိုင်ယုံကြည်ပြီး ၎င်းကိုယုံကြည်ရသည့်အကြောင်းရင်းကို ထင်ရှားစွာလုပ်ဆောင်သည်။