តើចំណេះដឹងរបស់ AI មកពីណាមក? ប្រភពនៃទិន្នន័យបណ្តុះបណ្តាល ភាពចម្រូងចម្រាស និងអ្វីដែលអ្នកគួរដឹង

AI ចេះដឹងរឿងគ្រប់យ៉ាងលើលោក ដូច្នេះសំណួរធម្មជាតិដំបូងគឺ៖ តើចំណេះដឹងរបស់វាពិតជាមកពីណា? តើអ្នកណាជាអ្នកឱ្យវាអានរបស់ច្រើនម្ល៉េះ? ចម្លើយពាក់ព័ន្ធនឹងការដណ្តើមធនធានដ៏ធំបំផុតនៅក្នុងឧស្សាហកម្ម AI ទាំងមូល ហើយក៏ទាក់ទងនឹងរាល់អត្ថបទដែលអ្នក និងខ្ញុំបានបង្ហោះនៅលើអ៊ីនធឺណិតផងដែរ។

សន្និដ្ឋានជាមុន

ចំណេះដឹងរបស់ ماOD ភាសាខ្នាតធំ (Large Language Models) គឺបានមកពី៖ ការប្រមូលទិន្នន័យខ្នាតធំពីគេហទំព័រសាធារណៈ សៀវភៅ និងឯកសារស្រាវជ្រាវ បណ្តុំកូដកម្មវិធី មាតិកាដែលបានទិញសិទ្ធិ (ព័ត៌មាន,វេទិកាពិភាក្សា) ក៏ដូចជាការដាក់ស្លាកសញ្ញា និងការបញ្ចេញមតិយោបល់ពីមនុស្សនៅដំណាក់កាលក្រោយ។ មាតិកាដែលអ្នកបានបង្ហោះជាសាធារណៈនៅលើអ៊ីនធឺណិត ទំនងជាស្ថិតនៅក្នុងទិន្នន័យបណ្តុះបណ្តាលរបស់ម៉ូដែលណាមួយរួចទៅហើយ។ បញ្ហាផ្នែកកម្មសិទ្ធិបញ្ញា និងក្រមសីលធម៌នេះ គឺកំពុងតែស្ថិតក្នុងបណ្តឹងតវ៉ា និងស្វែងរកច្បាប់ទម្លាប់នៅទូទាំងពិភពលោក។

មើលប្រភពចម្បងៗក្នុងពេលតែមួយ

ប្រភព	មាតិកា	កម្រិតនៃការជជែកដេញដោល
ការទាញយកទិន្នន័យពីគេហទំព័រ (ឧ. Common Crawl)	ប្លុក (Blogs), វេទិកាពិភាក្សា, ព័ត៌មាន, វិគីភីឌា	ខ្ពស់ —— ភាគច្រើនដោយគ្មានការយល់ព្រម
សៀវភៅ និងឯកសារស្រាវជ្រាវអקדិការកិច្ច	ប្រភពចម្បងនៃចំណេះដឹងស៊ីជម្រៅ	ខ្ពស់ —— បណ្តឹងរំលោភសិទ្ធិអ្នកនិាំពាក់ព័ន្ធជាច្រើនកំពុងดำเนินការ
កូដប្រភពបើកចំហ (Open Source Code)	កូដពីវេទិកាដូចជា GitHub ជាដើម	មធ្យម —— ជម្លោះលើលក្ខខណ្ឌនៃការផ្តល់សិទ្ធិ
មាតិកាមានអាជ្ញាប័ណ្ណ	ការផ្គត់ផ្គង់តាមរយៈកិច្ចសន្យាពី News Corp, Reddit ជាដើម	ទាប —— ទទួលបានតាមរយៈការបង់ប្រាក់
មតិយោបល់ពីមនុស្ស (RLHF)	អ្នកដាក់ស្លាកសញ្ញាផ្តល់ពិន្ទុលើចម្លើយ	ទាប —— ប៉ុន្តែលក្ខខណ្ឌការងារទទួលបានការយកចិត្តទុកដាក់

ហេតុអ្វីបានជាឈ្លោះគ្នាកក្រើកម្ល៉េះ?

ជម្លោះស្នូលអាចสรุปជាឃ្លាខ្លីមួយ៖ ក្រុមហ៊ុន AI ប្រើប្រាស់ស្នាដៃច្នៃប្រឌិតរបស់មនុស្សជាតិទាំងមូល ដើម្បីបណ្តុះបណ្តាលផលិតផលរកប្រាក់ចំណូល ប៉ុន្តែអ្នកបង្កើតមិនទទួលបានប្រាក់សូម្បីតែមួយកាក់។ The New York Times ប្តឹង OpenAI, ក្រុមហ៊ុនថាសចម្រៀងប្តឹងវេទិកាតន្ត្រី AI, សិល្បករដាក់ពាក្យប្តឹងជាសមូហភាពលើក្រុមហ៊ុនបង្កើតរូបភាព AI... តុលាការនៅតាមបណ្តាប្រទេសនាងកំពុងសម្រេចចិត្តថាតើ "ការយកមាតិកាសាធារណៈមកបណ្តុះបណ្តាល AI" ត្រូវចាត់ទុកជាការប្រើប្រាស់ដោយសមហេតុផល (Fair Use) ដែរឬទេ។ ជាមួយគ្នានេះដែរ ស្ថាប័នសារព័ត៌មានកាន់តែច្រើនឡើងជ្រើសរើសយកវិធី "វាយមិនឈ្នះងាកមកគិតលុយ" ដោយលក់អាជ្ញាប័ណ្ណមាតិកាផ្ទាល់ទៅឱ្យក្រុមហ៊ុន AI។ លទ្ធផលនៃសមរភូមិមួយនេះ នឹងកំណត់ពីគំរូអាជីវកម្មនៃការច្នៃប្រឌិតនាពេលអនាគត។

តើទិន្នន័យរបស់ខ្ញុំក៏ត្រូវបានគេយកទៅប្រើប្រាស់សម្រាប់បណ្តុះបណ្តាលដែរឬទេ?

អាចណាស់៖ ប្លុកសាធារណៈរបស់អ្នក ការបញ្ចេញមតិលើវេទិកា និងការបង្ហោះជាសាធារណៈនៅលើបណ្តាញសង្គម គឺសុទ្ធតែស្ថិតក្នុងវិសាលភាពនៃការទាញយកទិន្នន័យហើយ។ ចំពោះការសន្ទនារបស់អ្នកជាមួយ AI វិញ៖ សេវាកម្មភាគច្រើនអាចកំណត់ជាលំនាំដើមដើម្បីប្រើប្រាស់សម្រាប់ការកែលម្អម៉ូដែល ប៉ុន្តែសុទ្ធតែមានផ្តល់នូវជម្រើសបិទ (ឧទាហរណ៍ ChatGPT អាចបិទមុខងារប្រើប្រាស់សម្រាប់ការបណ្តុះបណ្តាល ខណៈដែលកំណែសម្រាប់អាជីវកម្ម (Enterprise) មិនត្រូវបានប្រើប្រាស់សម្រាប់ការបណ្តុះបណ្តាលជាលំនាំដើមឡើយ)។ សូមកុំបញ្ចេញព័ត៌មានរសើបទៅឱ្យ AI ហើយការកំណត់ណាដែលត្រូវបិទ គឺត្រូវបិទវាឱ្យហើយ — ព័ត៌មានលម្អិតអាចមើលបាននៅត្រង់ តើមានសុវត្ថិភាពទេក្នុងការផ្ដល់ទិន្នន័យរបស់ខ្ញុំទៅឱ្យ AI?

អត្ថន័យជាក់ស្តែងសម្រាប់អ្នកប្រើប្រាស់

នៅពេលយល់ពីប្រភពទិន្នន័យ អ្នកនឹងកាន់តែយល់ច្បាស់ពីចរិតរបស់ AI៖ វាពូកែខាងប្រធានបទដែលមានការសរសេរច្រើននៅលើអ៊ីនធឺណិត (បច្ចេកវិទ្យា, មាតិកាភាសាអង់គ្លេស) ប៉ុន្តែខ្សោយខាងចំណេះដឹងដែលកម្រ មូលដ្ឋាន ឬទើបនឹងកើតថ្មីៗ (ហេតុដូច្នេះហើយទើបវា និយាយកុហកយ៉ាងរលូន)។ ទស្សនៈរបស់វាឆ្លុះបញ្ចាំងពីភាពលម្អៀងនៃទិន្នន័យបណ្តុះបណ្តាល។ នៅពេលដែលដឹងថាវាអានអ្វីខ្លះទើបធំធាត់ឡើង នោះអ្នកនឹងដឹងថាពេលណាគួរតែមានការសង្ស័យចំពោះវា។

ការយល់ច្រឡំទូទៅ និងការពិត

មនុស្សជាច្រើនយល់ច្រឡំអំពីប្រភពទិន្នន័យបណ្តុះបណ្តាលរបស់ AI ដោយគិតថាពួកវាទាំងអស់ត្រូវបានបង្កើតឡើងដោយស្វ័យប្រវត្តិតាមរបៀបអច្ឆរិយៈណាមួយ។ តាមការពិត ចំណេះដឹងរបស់ AI គឺបានមកពីទិន្នន័យសាធារណៈចំនួនមហាសាល រួមមាន គេហទំព័រ សៀវភៅ ឯកសារស្រាវជ្រាវ បណ្តុំកូដកម្មវិធីជាដើម។ ទិន្នន័យទាំងនេះសុទ្ធតែត្រូវបានបង្កើត និងចែករំលែកដោយមនុស្ស ហើយ AI គ្រាន់តែបំប្លែងពួកវាទៅជាចំណេះដឹងរបស់ខ្លួនតាមរយៈក្បួនដោះស្រាយដ៏ស្មុគស្មាញ និងបច្ចេកវិទ្យាការរៀនរបស់ម៉ាស៊ីន (Machine Learning) ប៉ុណ្ណោះ។ ហេតុដូច្នេះ ការយល់ដឹងអំពីប្រភព និងជម្លោះនៃទិន្នន័យបណ្តុះបណ្តាលរបស់ AI អាចជួយឱ្យពួកយើងយល់កាន់តែច្បាស់អំពីសមត្ថភាព និងដែនកំណត់របស់ AI។

ការជ្រើសរើសសេវាកម្ម AI ឱ្យបានត្រឹមត្រូវ

នៅពេលជ្រើសរើសសេវាកម្ម AI អ្នកប្រើប្រាស់គួរតែពិចារណាលើប្រភព និងគុណភាពនៃទិន្នន័យបណ្តុះបណ្តាលរបស់វា។ សេវាកម្ម AI មួយចំនួនអាចប្រើប្រាស់ទិន្នន័យសាធារណៈចំនួនច្រើន ប៉ុន្តែទិន្នន័យទាំងនោះអាចមានភាពលម្អៀង ឬមិនត្រឹមត្រូវ។ សេវាកម្ម AI ផ្សេងទៀតអាចប្រើប្រាស់មាតិកាមានអាជ្ញាប័ណ្ណដែលមានគុណភាពខ្ពស់ ប៉ុន្តែវាអាចទាមទារការចំណាយបន្ថែម។ អ្នកប្រើប្រាស់គួរតែជ្រើសរើសសេវាកម្ម AI ឱ្យបានសមស្របទៅតាមតម្រូវការ និងថវិការបស់ខ្លួន ក៏ដូចជាត្រូវយកចិត្តទុកដាក់លើប្រភព និងជម្លោះនៃទិន្នន័យបណ្តុះបណ្តាលរបស់វាផងដែរ។

แนวโน้ม និងបញ្ហាប្រឈមនាពេលអនាគត

ជម្លោះជុំវិញទិន្នន័យបណ្តុះបណ្តាលរបស់ AI នឹងបន្តមាន និងវិវត្តទៅមុខទៀត។ ជាមួយនឹងការរីកចម្រើននៃបច្ចេកវិទ្យា AI ទិន្នន័យកាន់តែច្រើននឹងត្រូវ បានគេយកមកប្រើប្រាស់ដើម្បីបណ្តុះបណ្តាលម៉ូដែល AI។ វានឹងនាំមកនូវបញ្ហាប្រឈម និងឱកាសថ្មីៗ ដូចជាវិធីធានាគុណភាព និងសុវត្ថិភាពទិន្នន័យ វិធីការពារសិទ្ធិអ្នកបង្កើត និងវិធីធ្វើឱ្យ AI បម្រើការងារជូនមនុស្សជាតិកាន់តែប្រសើរឡើង។ នាពេលអនាគត ឧស្សាហកម្ម AI អាចនឹងមានគំរូអាជីវកម្មថ្មីៗ និងវិធីសាស្ត្រសហការថ្មីៗ ដូចជាការចែករំលែកទិន្នន័យ និងការផ្តល់អាជ្ញាប័ណ្ណ ដើម្បីដោះស្រាយបញ្ហាប្រឈម និងជម្លោះទាំងនេះ។

ជំហាន និងយោបល់ជាក់ស្តែង

អ្នកប្រើប្រាស់អាចអនុវត្តតាមជំហាន និងយោបល់ជាក់ស្តែងខាងក្រោមដើម្បីការពារទិន្នន័យ និងសិទ្ធិរបស់ខ្លួន៖

• មុននឹងចែករំលែកទិន្នន័យនៅលើបណ្តាញសាធារណៈ គួរតែពិចារណាលើហានិភ័យដែលវាអាចត្រូវបានយកទៅប្រើប្រាស់សម្រាប់ការបណ្តុះបណ្តាល AI។
• នៅពេលប្រើប្រាស់សេវាកម្ម AI គួរតែយកចិត្តទុកដាក់លើប្រភព និងជម្លោះនៃទិន្នន័យបណ្តុះបណ្តាល។
• ប្រសិនបើចាំបាច់ត្រូវប្រើប្រាស់សេវាកម្ម AI គួរតែជ្រើសរើសសេវាកម្មឱ្យបានសមស្រប ហើយត្រូវយកចិត្តទុកដាក់លើការចំណាយ និងលក្ខខណ្ឌរបស់វា។
• អ្នកបង្កើតគួរតែយកចិត្តទុកដាក់លើសិទ្ធិ និងផលប្រយោជន៍របស់ខ្លួន ដូចជាកម្មសិទ្ធិបញ្ញា និងថ្លៃអាជ្ញាប័ណ្ណជាដើម។
• អ្នកប្រើប្រាស់ និងអ្នកបង្កើតគួរតែខិតខំប្រឹងប្រែងរួមគ្នា ដើម្បីជំរុញការអភិវឌ្ឍ និងបទដ្ឋាននៃឧស្សាហកម្ម AI ធានាថា AI បម្រើការងារជូនមនុស្សជាតិកាន់តែប្រសើរឡើង។

តារាងប្រៀបធៀប៖ ទិន្នន័យសាធារណៈ ទល់នឹង មាតិកាមានអាជ្ញាប័ណ្ណ

ប្រភេទ	ប្រភព	គុណសម្បត្តិ	គុណវិបត្តិ
ទិន្នន័យសាធារណៈ	គេហទំព័រ, សៀវភៅ, ឯកសារស្រាវជ្រាវ, បណ្តុំកូដកម្មវិធី	ឥតគិតថ្លៃ, សម្បូរបែប	គុណភាពទិន្នន័យមិនស្មើគ្នា, អាចមានភាពលម្អៀង
មាតិកាមានអាជ្ញាប័ណ្ណ	ការផ្គត់ផ្គង់តាមរយៈកិច្ចសន្យាពី News Corp, Reddit ជាដើម	គុណភាពខ្ពស់, អាចទុកចិត្តបាន	ត្រូវបង់ប្រាក់, បរិមាណទិន្នន័យអាចមានកម្រិត

ស្ថានភាពទូទៅ៖ វិធីការពារទិន្នន័យរបស់អ្នក

នៅពេលប្រើប្រាស់សេវាកម្ម AI អ្នកប្រើប្រាស់គួរតែយកចិត្តទុកដាក់ថា ទិន្នន័យរបស់ខ្លួនអាចត្រូវបានគេយកទៅប្រើប្រាស់ដើម្បីបណ្តុះបណ្តាលម៉ូដែល AI។ ខាងក្រោមនេះគឺជាស្ថានភាពទូទៅ និងយោបល់មួយចំនួន៖

• ប្រសិនបើអ្នកជាអ្នកបង្កើត គួរតែយកចិត្តទុកដាក់លើកម្មសិទ្ធិបញ្ញា និងថ្លៃអាជ្ញាប័ណ្ណរបស់អ្នក។
• ប្រសិនបើអ្នកជាអ្នកប្រើប្រាស់ គួរតែយកចិត្តទុកដាក់លើប្រភពទិន្នន័យបណ្តុះបណ្តាល និងជម្លោះនៃសេវាកម្ម AI។
• ប្រសិនបើអ្នកចាំបាច់ត្រូវប្រើប្រាស់សេវាកម្ម AI គួរតែជ្រើសរើសសេវាកម្មឱ្យបានសមស្រប ហើយត្រូវយកចិត្តទុកដាក់លើការចំណាយ និងលក្ខខណ្ឌរបស់វា។

ការវិវត្តនាពេលអនាគត៖ និន្នាការថ្មីនៃទិន្នន័យបណ្តុះបណ្តាល AI

ជាមួយនឹងការរីកចម្រើននៃបច្ចេកវិទ្យា AI និន្នាការនៃទិន្នន័យបណ្តុះបណ្តាល AI នឹងបន្តវិវត្តទៅមុខទៀត។ និន្នាការថ្មីដែលអាចកើតមានរួមមាន៖

• ការចែករំលែក និងការផ្តល់អាជ្ញាប័ណ្ណទិន្នន័យ៖ ឧស្សាហកម្ម AI អាចនឹងមានគំរូអាជីវកម្មថ្មីៗ និងវិធីសាស្ត្រសហការថ្មីៗ ដូចជាការចែករំលែកទិន្នន័យ និងការផ្តល់អាជ្ញាប័ណ្ណជាដើម។
• គុណភាព និងសុវត្ថិភាពទិន្នន័យ៖ អ្នកប្រើប្រាស់ និងអ្នកបង្កើតនឹងផ្តល់សារៈសំខាន់ខ្លាំងជាងមុនទៅលើគុណភាព និងសុវត្ថិភាពទិន្នន័យ។
• ប្រភពទិន្នន័យបណ្តុះបណ្តាលថ្មី៖ ប្រភពទិន្នន័យបណ្តុះបណ្តាលថ្មីៗអាចនឹងលេចចេញមក ដូចជាបណ្តាញសង្គម ទិន្នន័យពីឧបករណ៍ចាប់សញ្ញា (Sensors) ជាដើម។

យោបល់សម្រាប់ក្រុមមនុស្សផ្សេងៗគ្នា

• សម្រាប់អ្នកបង្កើត៖ គួរតែយកចិត្តទុកដាក់លើកម្មសិទ្ធិបញ្ញា និងថ្លៃអាជ្ញាប័ណ្ណរបស់ខ្លួន និងជ្រើសរើសវិធីសាស្ត្រផ្តល់អាជ្ញាប័ណ្ណឱ្យបានសមស្រប។
• សម្រាប់អ្នកប្រើប្រាស់៖ គួរតែយកចិត្តទុកដាក់លើប្រភពទិន្នន័យបណ្តុះបណ្តាល និងជម្លោះនៃសេវាកម្ម AI ជ្រើសរើសសេវាកម្មឱ្យបានសមស្រប និងយកចិត្តទុកដាក់លើការចំណាយ និងលក្ខខណ្ឌរបស់វា។
• សម្រាប់ឧស្សាហកម្ម AI៖ គួរតែជំរុញការចែករំលែកទិន្នន័យ និងការផ្តល់អាជ្ញាប័ណ្ណ យកចិត្តទុកដាក់លើគុណភាព និងសុវត្ថិភាពទិន្នន័យ និងធានាថា AI បម្រើការងារជូនមនុស្សជាតិកាន់តែប្រសើរឡើង។