AI คืออะไรกันแน่? [วิดีโอและแบบทดสอบ]

คำตอบโดยย่อ: AI คือกลุ่มเทคนิคการคำนวณขนาดใหญ่ที่สามารถจดจำรูปแบบ ทำนายผล สร้างเนื้อหา และที่สำคัญยิ่งขึ้นคือสามารถดำเนินการต่างๆ ได้ AI จะมีประสิทธิภาพสูงเมื่อมีข้อมูลที่น่าเชื่อถือ การอนุญาตที่ชัดเจน และการตรวจสอบจากมนุษย์รองรับ แต่ผลลัพธ์ที่ราบรื่นไม่ควรถูกนำมาใช้เป็นหลักฐานยืนยันความจริงโดยอัตโนมัติ

ประเด็นสำคัญ:

ความรับผิดชอบ: ควรให้บุคคลรับผิดชอบต่อการตัดสินใจที่สำคัญ โดยเฉพาะอย่างยิ่งในกรณีที่ AI อาจก่อให้เกิดความผิดพลาดที่มีค่าใช้จ่ายสูง

ความโปร่งใส: ระบุให้ชัดเจนว่าระบบ AI อาศัยข้อมูล กฎ และการอนุญาตใดบ้าง

การตรวจสอบ: ตรวจสอบข้อเท็จจริง ข้อมูลทางการแพทย์ ข้อมูลทางกฎหมาย ข้อมูลทางการเงิน และข้อมูลทางธุรกิจที่สำคัญก่อนที่จะดำเนินการใดๆ

ความสามารถในการตรวจสอบ: ทดสอบ AI ด้วยกรณีตัวอย่าง และบันทึกทั้งประสิทธิภาพที่เพิ่มขึ้นและข้อผิดพลาดที่เกิดขึ้น

การป้องกันการใช้งานในทางที่ผิด: จำกัดการเข้าถึง ป้องกันการกระทำที่ไม่ได้รับการสนับสนุน และส่งต่อกรณีที่ไม่แน่ใจไปยังผู้ตรวจสอบที่เป็นมนุษย์

1. ปัญญาประดิษฐ์ (AI) คืออะไรกันแน่? คำอธิบายแบบง่ายๆ

ปัญญาประดิษฐ์ หรือ AIหมายถึงระบบคอมพิวเตอร์ที่สามารถทำงานที่เกี่ยวข้องกับสติปัญญาของมนุษย์ได้

งานเหล่านั้นอาจรวมถึง:

• ความเข้าใจภาษา

• การจดจำวัตถุในภาพ

• การคาดการณ์สิ่งที่จะเกิดขึ้นต่อไป

• การให้คำแนะนำ

• สร้างข้อความ รูปภาพ เสียง หรือวิดีโอ

• การตรวจจับรูปแบบในชุดข้อมูลขนาดใหญ่

• การตัดสินใจโดยอาศัยข้อมูลที่มีอยู่

• เรียนรู้จากตัวอย่าง

• การแก้ปัญหาบางประเภท

มีประเด็นสำคัญอยู่ข้อหนึ่ง.

ปัญญาประดิษฐ์ไม่จำเป็นต้อง คิดเหมือนมนุษย์เสมอไป จึงจะสร้างผลลัพธ์ที่ดูชาญฉลาดได้

โปรแกรมหมากรุกไม่ได้มานั่งกังวลว่าการเสียสละบิชอปนั้นรู้สึกถูกต้องทางอารมณ์หรือไม่ อัลกอริทึมแนะนำไม่ได้เกิดความผูกพันส่วนตัวกับสารคดีที่มันแนะนำให้คุณดู และแบบจำลองภาษาไม่จำเป็นต้องมีครูสอนภาษาอังกฤษตัวเล็กๆ อาศัยอยู่ภายในคอมพิวเตอร์.

แต่ระบบเหล่านี้ใช้วิธีการประมวลผลข้อมูลโดยใช้แบบจำลองทางคณิตศาสตร์ อัลกอริทึม ข้อมูลฝึกฝน กฎ ความน่าจะเป็น และการคำนวณจำนวนมหาศาล.

ผลลัพธ์ที่ได้อาจดูเหมือนมนุษย์อย่างน่าทึ่ง.

แต่กลไกเบื้องหลังนั้นแตกต่างกันมาก.

ความแตกต่างนั้นมีความสำคัญมากกว่าที่หลายคนตระหนัก.

2. AI ไม่ได้เหมือนสมองหุ่นยนต์ แต่เหมือนเครื่องทำนายมากกว่า

เมื่อผู้คนได้ยินคำว่า "ปัญญาประดิษฐ์" พวกเขามักจะนึกภาพสิ่งที่มีลักษณะคล้ายสมองมนุษย์สังเคราะห์.

เป็นเรื่องที่เข้าใจได้ เพราะนิยายวิทยาศาสตร์ใช้เวลาหลายสิบปีในการมอบดวงตาเรืองแสง เสียงที่น่ากลัว ความคิดเห็นที่รุนแรงอย่างน่าสงสัย และโดยปกติแล้วก็จะมีโครงกระดูกโลหะให้กับปัญญาประดิษฐ์.

โดยทั่วไปแล้ว AI ที่ใช้งานได้จริงมักไม่ค่อยมีลักษณะเหมือนภาพยนตร์เท่าไหร่.

ระบบ AI สมัยใหม่จำนวนมากทำงานโดยอาศัย การทำนาย

ลองพิจารณาแบบจำลองภาษาดู.

เมื่อคุณพิมพ์:

แมวนั่งอยู่บน..."

ระบบจะประเมินว่าคำใดมีแนวโน้มที่จะปรากฏขึ้นถัดไปตามหลักสถิติ.

อาจเป็นไปได้:

• เสื่อ

• พื้น

• โซฟา

• เก้าอี้

มันไม่ได้แค่ท่องจำประโยคเดียวแล้วเรียกใช้เท่านั้น โมเดลที่ก้าวหน้ามากพอจะเรียนรู้ความสัมพันธ์ที่ซับซ้อนระหว่างคำ ความคิด โครงสร้างประโยค แนวคิด รูปแบบ ข้อเท็จจริง และแบบแผนต่างๆ.

จากนั้นระบบจะทำนายลำดับคำที่เหมาะสมกับบริบทมากที่สุด การทำนายคำถัดไป ได้อย่างแม่นยำนั้นจำเป็นต้องเรียนรู้เกี่ยวกับภาษาค่อนข้างมาก

และภาษานั้นประกอบไปด้วย... อืม โดยพื้นฐานแล้วก็คือทุกสิ่งที่มนุษย์พูดคุยกัน.

ประวัติศาสตร์ คณิตศาสตร์ การทำอาหาร การเขียนโปรแกรม ความสัมพันธ์ ฟิสิกส์ การถกเถียงว่าสับปะรดควรอยู่บนพิซซ่าหรือไม่.

ดังนั้น งานทำนายที่ดูเหมือนจะพื้นฐานจึงอาจก่อให้เกิดพฤติกรรมที่ซับซ้อนอย่างน่าประหลาดใจ.

แน่นอนว่าคำอุปมานี้มีข้อจำกัด การเรียก AI ขั้นสูงว่า "แค่การเติมคำอัตโนมัติ" ก็เหมือนกับการเรียกเครื่องบินว่า "แค่โลหะที่มีปีก" ในทางเทคนิคแล้ว มันอาจมีส่วนจริงอยู่บ้าง แต่ส่วนที่น่าสนใจส่วนใหญ่ได้หายไปแล้ว.

3. ปัญญาประดิษฐ์เรียนรู้ได้อย่างไร?

นี่คือจุดที่ การเรียนรู้ของเครื่องจักร เข้ามามีบทบาท

ซอฟต์แวร์แบบดั้งเดิมโดยทั่วไปทำงานผ่านคำสั่งที่ชัดเจน.

โปรแกรมเมอร์อาจเขียนโค้ดดังนี้:

• หากผู้ใช้ป้อนรหัสผ่านถูกต้อง ให้เปิดการเข้าถึง.

• หากอุณหภูมิสูงเกินเกณฑ์ที่กำหนด ให้เปิดระบบทำความเย็น.

• หากสินค้าหมดสต็อก ให้แสดงคำเตือน.

คำสั่งเหล่านั้นถูกตั้งโปรแกรมไว้โดยเจตนา.

การเรียนรู้ของเครื่องจักรพลิกกระบวนการนั้นไปโดยสิ้นเชิง.

แทนที่จะกำหนดกฎทุกข้อด้วยตนเอง นักพัฒนาจะป้อนตัวอย่างหรือข้อมูลให้กับระบบ และปล่อยให้ระบบค้นหารูปแบบเอง.

ลองนึกภาพการสร้างซอฟต์แวร์ที่สามารถจดจำแมวในรูปถ่ายดูสิ.

การเขียนกฎเกณฑ์ที่ชัดเจนจะกลายเป็นเรื่องไร้สาระอย่างรวดเร็ว.

คุณอาจลองทำตามนี้:

• มองหาหูที่มีรูปทรงสามเหลี่ยม.

• มองหาหนวด.

• มองหาสัตว์ที่มีสี่ขา.

• มองหาขนสัตว์.

จากนั้นมีคนอัปโหลดรูปสุนัขจิ้งจอกขึ้นมา.

ไม่เชิง.

หรือเสือก็ได้.

หรือแมวที่ขดตัวเป็นก้อนขนปุยจนแทบมองไม่เห็นขาของมัน.

การเรียนรู้ของเครื่องจักรมีวิธีการแก้ปัญหาที่แตกต่างออกไป โดยสามารถฝึกฝนโมเดลด้วยชุดตัวอย่างขนาดใหญ่ และค่อยๆ เรียนรู้ว่ารูปแบบภาพใดเกี่ยวข้องกับแมว.

มันไม่ใช่การเรียนรู้คำว่า "แมว" ในแบบเดียวกับที่เด็กวัยหัดเดินเรียนรู้.

แต่ในทางคณิตศาสตร์แล้ว แบบจำลองนี้จะมีความสามารถในการระบุรูปแบบที่เชื่อมโยงกับหมวดหมู่ได้มากขึ้นเรื่อยๆ.

นั่นคือหลักการพื้นฐานของการเรียนรู้ของเครื่องจักรโดยสังเขป แม้ว่าหลักการพื้นฐานนั้นจะเต็มไปด้วยพีชคณิตเชิงเส้นมากมายก็ตาม.

4. AI เทียบกับ Machine Learning เทียบกับ Deep Learning

คำศัพท์เหล่านี้มักถูกใช้ปะปนกันอยู่เสมอ ส่วนหนึ่งเป็นเพราะผู้คนใช้คำว่า "AI" เป็นคำรวมๆ ​​สำหรับแทบทุกสิ่งทุกอย่าง.

วิธีง่ายๆ ในการแยกแยะพวกมันคือแบบนี้.

ปัญญาประดิษฐ์ เป็นสาขาที่กว้างขวางมาก

การเรียนรู้ของเครื่องจักร เป็นแนวทางหนึ่งที่ใช้ในการสร้างระบบปัญญาประดิษฐ์ (AI)

การเรียนรู้เชิงลึก เป็นรูปแบบเฉพาะของการเรียนรู้ของเครื่องจักร ซึ่งเกี่ยวข้องกับโครงข่ายประสาทเทียมขนาดใหญ่ที่มีหลายชั้น

นอกจากนี้ยังมี ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ซึ่งมุ่งเน้นการสร้างผลลัพธ์ใหม่ๆ เช่น ข้อความ รูปภาพ ดนตรี โค้ด เสียง หรือวิดีโอ

ตารางเปรียบเทียบ

ภาคเรียน	การใช้งานทั่วไป	โดยพื้นฐานแล้วมันหมายความว่าอย่างไร	วิธีคิดแบบง่ายๆ ครับ
ปัญญาประดิษฐ์	กลุ่มเครื่องจักรขนาดใหญ่ที่ทำงานที่ดูเหมือนชาญฉลาด	หุ่นยนต์, ผู้ช่วย, การวางแผน, คำแนะนำ	ร่มขนาดใหญ่
การเรียนรู้ของเครื่อง	ระบบเรียนรู้รูปแบบจากข้อมูล	การตรวจจับการฉ้อโกง คำแนะนำ การคาดการณ์	เรียนรู้จากตัวอย่าง
การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่องจักรโดยใช้โครงข่ายประสาทเทียมหลายชั้น	การมองเห็น การพูด และแบบจำลองภาษาขั้นสูง	ML แต่ลึกกว่ามาก... อย่างแท้จริง
ปัญญาประดิษฐ์เชิงสร้างสรรค์	AI ที่ออกแบบมาเพื่อสร้างเนื้อหาใหม่	ข้อความ รูปภาพ โค้ด เสียง	สาขาที่ค่อนข้างสร้างสรรค์
ระบบอัตโนมัติ	ซอฟต์แวร์ที่ทำงานตามกระบวนการที่กำหนดไว้ล่วงหน้า	ขั้นตอนการทำงานซ้ำซาก การป้อนข้อมูล	โดยทั่วไปแล้วจะเป็นกฎระเบียบ ไม่ใช่ "การเรียนรู้"

ความแตกต่างนี้มีความสำคัญ เพราะไม่ใช่ทุกระบบอัตโนมัติจะเป็นปัญญาประดิษฐ์ (AI).

ถ้าเครื่องชงกาแฟของคุณปิดตัวเองหลังจากสิบนาที ขอแสดงความยินดีด้วย คุณอาจไม่ได้เป็นเจ้าของห้องปฏิบัติการปัญญาประดิษฐ์ก็ได้.

มันก็แค่ตัวจับเวลาเท่านั้นเอง.

5. โครงข่ายประสาทเทียมคืออะไร?

โครงข่ายประสาทเทียมเป็นระบบทางคณิตศาสตร์ที่ได้รับแรงบันดาลใจอย่างหลวมๆ จากเซลล์ประสาททางชีววิทยา.

วลีนี้ทำให้พวกเขาดูเหมือนเป็นปริศนา พวกเขาไม่ใช่สมองเทียมที่ลอยอยู่ภายในคอมพิวเตอร์จริงๆ.

โครงข่ายประสาทเทียมประกอบด้วยหน่วยทางคณิตศาสตร์ที่เชื่อมต่อกันเพื่อประมวลผลข้อมูล.

ในระหว่างการฝึกฝน เครือข่ายจะปรับค่าตัวเลขภายในที่เรียกว่า พารามิเตอร์หรือน้ำหนัก

การปรับเปลี่ยนเหล่านั้นทำให้ระบบสามารถสร้างผลลัพธ์ที่มีคุณค่าได้ดียิ่งขึ้น.

ลองนึกภาพว่าเป็นแผงควบคุมที่ซับซ้อนอย่างเหลือเชื่อ ซึ่งอาจมีปุ่มปรับขนาดเล็กนับพันล้านปุ่ม.

การฝึกฝนจะช่วยปรับจูนสิ่งเหล่านั้นซ้ำแล้วซ้ำเล่า.

คำตอบผิดใช่ไหม?

ปรับปุ่มหมุนต่างๆ.

คำตอบที่ดีกว่า?

ปรับเปลี่ยนพวกมันให้แตกต่างกันออกไป.

หากทำเช่นนี้ซ้ำๆ มากพอ ด้วยข้อมูลจำนวนมากและพลังการประมวลผลที่มากพอ เครือข่ายก็จะเริ่มพัฒนาการแสดงผลภายในที่ซับซ้อน ซึ่งช่วยให้มันสามารถจดจำและสร้างรูปแบบต่างๆ ได้.

แน่นอนว่า การพูดว่า "ปรับปุ่มต่างๆ" อาจทำให้ความรู้ด้านวิทยาการคอมพิวเตอร์ที่สั่งสมมาหลายสิบปีฟังดูเหมือนใครบางคนกำลังปรับคลื่นวิทยุเก่าๆ... แต่ในฐานะแบบจำลองทางความคิดแล้ว มันใช้งานได้ดีอย่างน่าทึ่ง.

6. ทำไมปัญญาประดิษฐ์ถึงดูฉลาดขึ้นอย่างกะทันหัน

ปัญญาประดิษฐ์ไม่ใช่สิ่งประดิษฐ์ที่เกิดขึ้นในชั่วข้ามคืน.

ขอบเขตพื้นฐานนี้มีอยู่มานานแล้ว.

สิ่งที่เปลี่ยนแปลงไปคือแรงหลายอย่างที่เร่งตัวขึ้นพร้อมกัน.

พลังการประมวลผลที่มากขึ้น

หน่วยประมวลผลสมัยใหม่สามารถคำนวณจำนวนมหาศาลได้อย่างรวดเร็ว โดยเฉพาะอย่างยิ่งการคำนวณประเภทที่จำเป็นสำหรับโครงข่ายประสาทเทียม การเพิ่ม ขีดความสามารถในการประมวลผลเพื่อการฝึกฝน เป็นปัจจัยสำคัญประการหนึ่งที่ผลักดันความก้าวหน้าของระบบ AI สมัยใหม่

ข้อมูลเพิ่มเติม

โลกดิจิทัลประกอบไปด้วยข้อความ รูปภาพ เสียง วิดีโอ รหัส และข้อมูลที่มีโครงสร้างจำนวนมหาศาล.

การฝึกฝนโมเดลที่ซับซ้อนนั้นจำเป็นต้องใช้ตัวอย่างจำนวนมาก.

อัลกอริทึมที่ดีกว่า

นักวิจัยพัฒนาสถาปัตยกรรมและวิธีการที่ใช้ในการฝึกอบรมระบบ AI อย่างต่อเนื่อง.

รุ่นที่ใหญ่กว่า

การเพิ่มจำนวนพารามิเตอร์ การปรับปรุงชุดข้อมูล และการเพิ่มกำลังประมวลผล มักทำให้ได้โมเดลที่มีประสิทธิภาพอย่างน่าประหลาดใจ งานวิจัยเกี่ยวกับการฝึกโมเดลภาษาที่เหมาะสมที่สุดกับกำลังประมวลผลยังแสดงให้เห็นว่า ขนาดของโมเดล ข้อมูล และกำลังประมวลผล จำเป็นต้องมีความสมดุลกัน มากกว่าที่จะมุ่งเน้นเพียงแค่การเพิ่มจำนวนพารามิเตอร์ให้สูงสุด.

อินเทอร์เฟซที่ดีกว่า

ส่วนนี้เป็นส่วนที่มักถูกมองข้ามไปได้ง่าย.

ปัจจุบัน AI เข้าถึงได้ง่ายขึ้นอย่างมาก เพราะคนทั่วไปสามารถโต้ตอบกับระบบขั้นสูงได้ด้วยภาษาที่ใช้ในชีวิตประจำวัน.

คุณไม่จำเป็นต้องมีความรู้ด้านการเขียนโปรแกรม.

คุณสามารถถามได้ง่ายๆ ว่า:

"อธิบายเรื่องสินเชื่อบ้านให้ฉันฟังง่ายๆ เหมือนฉันอายุสิบสองขวบ"

หรือ:

"แปลงบันทึกการประชุมเหล่านี้เป็นอีเมล"

หรือ:

"ช่วยแนะนำเมนูอาหารเย็น 5 อย่าง โดยใช้ไก่ ข้าว และผักอะไรก็ได้ที่กำลังจะเน่าอยู่ในตู้เย็นของฉัน"

การเปลี่ยนแปลงอินเทอร์เฟซนั้นยิ่งใหญ่มาก.

เทคโนโลยีมักได้รับความนิยมอย่างมากเมื่อผู้คนไม่จำเป็นต้องใช้คู่มือการใช้งานอีกต่อไป.

7. เมื่อคุณถามคำถาม AI กำลังทำอะไรอยู่?

ลองนึกถึงผู้ช่วย AI สมัยใหม่ดูสิ.

คุณพิมพ์:

"อธิบายเรื่องแรงโน้มถ่วงให้เด็กอายุห้าขวบฟัง"

เบื้องหลังการทำงาน ระบบจะแปลงข้อความของคุณให้เป็นหน่วยตัวเลขที่เรียกว่า โทเค็น

โทเค็นอาจแทนคำทั้งคำ ส่วนของคำ เครื่องหมายวรรคตอน หรือส่วนอื่นๆ ของภาษา.

โทเค็นเหล่านั้นจะถูกประมวลผลผ่านโมเดล.

แบบจำลองนี้จะตรวจสอบความสัมพันธ์ระหว่างส่วนต่างๆ ของคำขอของคุณ พิจารณาบริบท และคาดการณ์ส่วนต่อขยายที่เป็นประโยชน์.

จากนั้นก็โทเค็นอีกอันหนึ่ง.

แล้วก็อีกคนหนึ่ง.

แล้วก็อีกคนหนึ่ง.

มันเกิดขึ้นเร็วมากอย่างน่าประหลาดใจ.

ย่อหน้าที่ได้นั้นดูเหมือนว่ามีคนเรียบเรียงขึ้นมาเป็นความคิดที่สมบูรณ์ แต่ในทางเทคนิคแล้วมันถูกสร้างขึ้นตามลำดับ.

นั่นเป็นหนึ่งในลักษณะเฉพาะที่แปลกประหลาดของปัญญาประดิษฐ์.

ผลลัพธ์ที่ได้อาจดูเหมือนเกิดจากการจงใจ แม้ว่ากระบวนการพื้นฐานจะเป็นไปในลักษณะของความน่าจะเป็นก็ตาม.

มันดูเหมือนการด้นสดมากกว่าการดึงคำตอบที่เตรียมไว้จากฐานข้อมูลขนาดใหญ่.

มันไม่ใช่การด้นสดอย่างแท้จริงหรอก แต่ก็ใกล้เคียงพอที่จะใช้เป็นคำเปรียบเทียบได้.

8. ปัญญาประดิษฐ์เข้าใจสิ่งต่างๆ ได้หรือไม่?

คำถามนี้กลายเป็นเรื่องเชิงปรัชญาอย่างรวดเร็ว.

ระบบ AI เข้าใจภาษาอย่างแท้จริงหรือไม่?

คำตอบขึ้นอยู่กับว่าคุณหมายถึง "ความเข้าใจ" ในความหมายใด.

โมเดล AI สมัยใหม่สามารถจัดการกับแนวคิดต่างๆ ได้อย่างซับซ้อนชัดเจน.

พวกเขาสามารถ:

• อธิบายแนวคิด

• เปรียบเทียบข้อโต้แย้ง

• เขียนข้อความใหม่

• แปลภาษา

• แก้ปัญหาที่มีโครงสร้างหลายอย่าง

• สร้างโค้ดที่ใช้งานได้

• ระบุรูปแบบ

• ทำตามคำแนะนำที่ซับซ้อน

• ผสมผสานแนวคิดในรูปแบบใหม่

จากภายนอกแล้ว อาจดูเหมือนว่าเข้าใจแล้ว.

แต่มีความแตกต่างที่สำคัญระหว่างปัญญาประดิษฐ์และกระบวนการคิดของมนุษย์.

มนุษย์รับรู้และสัมผัสกับโลกทางกายภาพ.

เรารู้สึกหิว เจ็บปวด อับอาย เบื่อหน่าย รักใคร่ และความรู้สึกตื่นตระหนกแปลกๆ เมื่อรู้ว่าแบตเตอรี่โทรศัพท์เหลือเพียง 2 เปอร์เซ็นต์.

ระบบ AI ไม่จำเป็นต้องมีประสบการณ์ชีวิตจริงที่เทียบเท่ากับระบบ AI เสมอไป.

พวกเขามีหน้าที่ประมวลผลตัวแทนต่างๆ.

ดังนั้น การถามว่า AI "เข้าใจ" อะไรบางอย่างหรือไม่ จึงอาจเปรียบได้กับการถามว่าเรือดำน้ำว่ายน้ำได้หรือไม่.

มันเคลื่อนที่ผ่านน้ำได้อย่างแน่นอน.

แต่บางทีคำว่า "ว่ายน้ำ" อาจจะไม่ใช่คำที่เหมาะสมนัก.

9. AI ไม่ได้รู้โดยอัตโนมัติว่าอะไรคือความจริง

นี่เป็นหนึ่งในประเด็นสำคัญที่สุดเกี่ยวกับปัญญาประดิษฐ์เชิงสร้างสรรค์.

แบบจำลองสามารถสร้างข้อความที่ฟังดูน่าเชื่อถืออย่างยิ่ง แม้ว่าข้อความนั้นจะไม่ถูกต้องก็ตาม.

ทำไม

เนื่องจากการสร้างภาษาที่ฟังดูสมเหตุสมผลและการตรวจสอบความจริงที่เป็นกลางนั้นเป็นปัญหาที่แตกต่างกัน.

ระบบ AI อาจเผชิญกับความไม่แน่นอน แต่ก็ยังคงให้คำตอบที่ฟังดูมั่นใจได้.

ความผิดพลาดเหล่านี้มักถูกเรียกว่า ภาพ หลอน

ตัวอย่างเช่น AI อาจทำสิ่งต่อไปนี้:

• คิดค้นสถิติขึ้นมา

• อ้างอิงคำพูดผิดพลาด

• สับสนระหว่างคนสองคนที่คล้ายคลึงกัน

• สร้างข้อมูลอ้างอิงที่ไม่มีอยู่จริง

• ตีความคำแนะนำที่ไม่ชัดเจนผิดพลาด

• ทำผิดพลาดทางคณิตศาสตร์อย่างแนบเนียน

แบบจำลองภาษาอาจสร้างคำพูดปลอม การศึกษา การอ้างอิง และข้อมูลที่ไม่ถูกต้องอื่นๆ ขึ้นมาได้โดยที่ดูมั่นใจ NIST ระบุอย่างชัดเจนว่าเนื้อหาเท็จที่กล่าวอย่างมั่นใจและการอ้างอิงที่ปลอมแปลงขึ้นมานั้นเป็นความเสี่ยงของ AI เชิงสร้างสรรค์.

ที่น่าประหลาดใจคือ ยิ่งระบบเหล่านี้ดูมีประสิทธิภาพสูงเท่าไหร่ ก็ยิ่งทำให้เราลืมเรื่องนี้ได้ง่ายขึ้นเท่านั้น.

การใช้ภาษาที่สุภาพช่วยสร้างความน่าเชื่อถือ.

แต่ความมั่นใจไม่ใช่หลักฐาน.

สำหรับข้อมูลที่มีความสำคัญสูงในด้านต่างๆ เช่น การแพทย์ กฎหมาย การเงิน ความปลอดภัย หรือการตัดสินใจทางธุรกิจที่สำคัญ การตรวจสอบความถูกต้องยังคงมีความสำคัญ.

ค่อนข้างเยอะเลย.

10. AI ไม่เหมือนกับเครื่องมือค้นหา

ความเข้าใจผิดอีกอย่างที่พบบ่อยคือ การมองว่า AI และการค้นหาเป็นสิ่งเดียวกัน.

พวกเขาไม่ได้เป็นอย่างนั้น.

เครื่องมือค้นหาแบบดั้งเดิมส่วนใหญ่จะช่วยค้นหาข้อมูลที่มีอยู่แล้ว.

ระบบ AI แบบสร้างข้อมูล (Generative AI) สร้างคำตอบโดยอาศัยรูปแบบที่เรียนรู้มา บริบทที่ให้มา และเครื่องมือเพิ่มเติมอื่นๆ ที่ระบบสามารถเข้าถึงได้ แบบจำลองสร้างข้อมูลจะเรียนรู้รูปแบบและความสัมพันธ์ในชุดข้อมูลขนาดใหญ่ และใช้รูปแบบเหล่านั้นเพื่อสร้างผลลัพธ์ใหม่

ลองนึกภาพว่าถามว่า:

เครื่องมือค้นหา: "วิธีที่ดีที่สุดในการอธิบายกระบวนการสังเคราะห์แสง"

โดยทั่วไปคุณจะได้รับหน้าเว็บให้ตรวจสอบ.

ลองถามคำถามเดียวกันกับผู้ช่วย AI แล้วคุณอาจได้รับคำตอบดังนี้:

• คำอธิบายง่ายๆ

• การเปรียบเทียบในห้องเรียน

• แบบทดสอบ

• แผนการสอน

• นิทานสำหรับเด็ก

• ฉบับทางวิทยาศาสตร์โดยละเอียด

ผลการค้นหา.

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) สังเคราะห์ข้อมูล.

ระบบสมัยใหม่สามารถผสมผสานทั้งสองแนวทางเข้าด้วยกัน ทำให้ความแตกต่างระหว่างสองแนวทางนี้เริ่มเลือนลางลง แต่ในเชิงแนวคิดแล้ว เครื่องมือที่ใช้ยังคงแตกต่างกันอยู่.

11. ปัญญาประดิษฐ์ (AI) สามารถทำอะไรได้ดีบ้าง?

ปัญญาประดิษฐ์มักทำงานได้ดีเป็นพิเศษในงานที่มีรูปแบบซับซ้อน ข้อมูลจำนวนมาก และงานแปลงข้อมูล.

แอปพลิเคชันที่มีประโยชน์ ได้แก่:

ความช่วยเหลือด้านการเขียน

AI สามารถร่าง แก้ไข สรุป และจัดโครงสร้างข้อความใหม่ได้.

การเขียนโปรแกรม

โมเดลสามารถสร้างโค้ด อธิบายข้อผิดพลาด แนะนำการปรับปรุง และช่วยให้นักพัฒนาเข้าใจระบบที่ไม่คุ้นเคยได้.

การวิเคราะห์ข้อมูล

ปัญญาประดิษฐ์สามารถช่วยในการระบุรูปแบบ ตีความชุดข้อมูล และแปลงผลการค้นพบที่ซับซ้อนให้เป็นภาษาที่เข้าใจได้.

การสร้างภาพ

โมเดลเชิงสร้างสรรค์สามารถสร้างภาพประกอบ แนวคิด แบบจำลองผลิตภัณฑ์ งานศิลปะ และรูปแบบภาพต่างๆ จากคำอธิบายได้.

การแปล

โมเดลขั้นสูงสามารถแปลข้ามภาษาได้โดยรักษาบริบทไว้ได้มากกว่าระบบแปลแบบคำต่อคำธรรมดา.

การศึกษา

AI สามารถอธิบายแนวคิดเดียวกันได้หลายวิธี ขึ้นอยู่กับระดับความรู้ของแต่ละบุคคล.

ฝ่ายบริการลูกค้า

บริษัทต่างๆ สามารถใช้ AI เพื่อตอบคำถามทั่วไปและช่วยจัดการกรณีที่ซับซ้อนได้.

การระดมความคิด

AI จะมีประสิทธิภาพเป็นพิเศษเมื่อคุณมีศักยภาพทางสติปัญญาเทียบเท่ากับตู้เย็นที่ว่างเปล่า.

คุณสามารถสอบถามเกี่ยวกับมุมมอง ชื่อ แนวคิด โครงสร้าง หรือความเป็นไปได้ต่างๆ จากนั้นจึงตัดสินใจว่าสิ่งใดควรค่าแก่การเก็บไว้.

นั่นมักจะเป็นความสัมพันธ์ในการทำงานที่ดีที่สุดกับ AI.

ไม่ใช่ "เครื่องจักรเข้ามาแทนที่มนุษย์"

น่าจะประมาณนี้มากกว่า:

มนุษย์ + เครื่องจักร = การคิดร่างแรกที่รวดเร็วยิ่งขึ้น.

12. สิ่งที่ AI ยังทำได้ไม่ดี

แม้จะได้รับความสนใจอย่างมาก แต่ปัญญาประดิษฐ์ในปัจจุบันก็ยังมีข้อจำกัดอยู่มาก.

บางอย่างก็เห็นได้ชัดเจนตั้งแต่แรก.

บางอย่างจะปรากฏขึ้นก็ต่อเมื่อคุณต้องพึ่งพาระบบสำหรับเรื่องที่ซับซ้อนเท่านั้น.

AI อาจประสบปัญหาในเรื่องต่อไปนี้:

• ความถูกต้องแม่นยำเชิงข้อเท็จจริงที่สูงมาก

• กรณีพิเศษที่ผิดปกติ

• ลำดับการให้เหตุผลที่ยาว

• คำแนะนำที่ไม่ชัดเจน

• ข้อสันนิษฐานตามสามัญสำนึกที่มนุษย์แทบไม่สังเกตเห็น

• การเข้าใจบริบททางอารมณ์ที่ไม่ได้กล่าวออกมาโดยตรง

• ตรวจสอบว่าข้อมูลนั้นเป็นความจริงหรือไม่

• ภารกิจที่ต้องอาศัยประสบการณ์ในโลกแห่งความเป็นจริง

• ความสม่ำเสมอในโครงการที่ซับซ้อน

แม้แต่แบบจำลองภาษาที่มีประสิทธิภาพสูงก็ยังสามารถเกิดข้อผิดพลาดด้านข้อเท็จจริงและการให้เหตุผลได้ และ เกณฑ์มาตรฐานที่ยากลำบากก็ยังคงเผยให้เห็นข้อจำกัดที่สำคัญอยู่

อีกประเด็นหนึ่งคือ AI สามารถสร้าง คำตอบที่ดูธรรมดาๆ ได้โดย ใช้ ความพยายามเพียงเล็กน้อย

ถามชื่อธุรกิจสิบชื่อเหรอ?

เสร็จแล้ว.

ขอให้เขียนบทความลงบล็อกไหม?

ง่าย.

ขอไอเดียด้านการตลาดหน่อยได้ไหม?

แน่นอน.

แต่การสร้างสรรค์สิ่งใดสิ่งหนึ่งขึ้นมานั้น ไม่เหมือนกับการสร้างผลงานที่มีเอกลักษณ์อย่างแท้จริง มีคุณค่าในเชิงพาณิชย์ มีความชาญฉลาดทางอารมณ์ หรือมีกลยุทธ์ที่ชาญฉลาด.

มนุษย์ยังคงให้รสชาติอยู่.

รสนิยมสำคัญนะ.

อาจจะมากกว่าที่เคยเป็นมา.

13. ปัญญาประดิษฐ์มีสติสัมปชัญญะหรือไม่?

มาถึงตรงนี้ บทสนทนาระหว่างรับประทานอาหารเย็นเริ่มแปลกประหลาดขึ้น.

ระบบ AI ในปัจจุบันสามารถสร้างภาษาที่ฟังดูมีอารมณ์ ความคิด และมีความตระหนักรู้ในตนเองได้.

นั่นไม่ได้หมายความว่าพวกเขามีสติสัมปชัญญะโดยอัตโนมัติ.

แบบจำลองภาษาได้รับการฝึกฝนมาโดยเฉพาะเพื่อสร้างภาษา.

และโดยธรรมชาติแล้วมนุษย์มักตีความภาษาที่คล่องแคล่วว่าเป็นหลักฐานว่ามีจิตใจอีกคนหนึ่งอยู่เบื้องหลังภาษานั้น.

โดยปกติแล้ว นั่นเป็นข้อสันนิษฐานที่สมเหตุสมผล.

เมื่อคนอื่นพูดว่า "ฉันเป็นห่วง" เรามักจะสันนิษฐานได้ว่ามีสภาวะทางอารมณ์ภายในเกิดขึ้น.

ในกรณีของ AI ข้อสันนิษฐานนั้นอาจไม่ถูกต้องเสมอไป.

ระบบสามารถสร้างสิ่งต่อไปนี้ได้:

"ฉันรู้สึกตื่นเต้นที่จะได้ช่วยเหลือ"

นั่นไม่ได้พิสูจน์ว่ามีสิ่งมีชีวิตทางอารมณ์ตัวเล็กๆ ที่มองไม่เห็นอยู่ภายในเซิร์ฟเวอร์และกำลังมีความสุขในช่วงบ่ายแต่อย่างใด.

คำถามเชิงปรัชญาที่ยากลำบากคือ จิตสำนึกของเครื่องจักรจะเกิดขึ้นได้หรือไม่.

ไม่มีใครมี วิธีการทดสอบง่ายๆ ที่สามารถยุติข้อถกเถียงนั้นได้อย่างสมบูรณ์

แต่ความสามารถในการสนทนาอย่างคล่องแคล่วเพียงอย่างเดียวไม่ควรถูกนำมาใช้เป็นหลักฐานยืนยัน แนวคิดต่างๆ เช่น ปัญญาประดิษฐ์ที่มีสติสัมปชัญญะ หรือ "ปัญญาประดิษฐ์ที่แข็งแกร่ง" ยังคงเป็นเพียงทฤษฎีมากกว่าคุณสมบัติที่ได้รับการพิสูจน์แล้วของระบบในปัจจุบัน.

14. ปัญญาประดิษฐ์เฉพาะด้าน กับ ปัญญาประดิษฐ์ทั่วไป

ระบบ AI ส่วนใหญ่ยังคงถูกสร้างขึ้นโดยเน้นที่ความสามารถเฉพาะด้าน.

สิ่งเหล่านี้มักถูกเรียกว่า AI ที่มีขอบเขตจำกัด

ตัวอย่างเช่น ระบบที่ออกแบบมาเพื่อ:

• การจดจำภาพ

• การสร้างภาษา

• คำแนะนำ

• ระบบช่วยเหลือการขับขี่

• การถ่ายภาพทางการแพทย์

• การตรวจจับการฉ้อโกง

• การรู้จำเสียงพูด

ปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligenceหรือ AGI) หมายถึงระดับสติปัญญาของเครื่องจักรในเชิงสมมติฐานที่กว้างกว่ามาก

แนวคิดนี้คือระบบที่สามารถเรียนรู้และปฏิบัติงานทางปัญญาในหลายๆ ด้านได้ในระดับใกล้เคียงกับมนุษย์หรือสูงกว่านั้น.

ขอบเขตนั้นไม่ได้กำหนดไว้อย่างชัดเจน.

นั่นเป็นส่วนหนึ่งของความยากลำบาก.

นักวิจัย บริษัท และผู้แสดงความคิดเห็นต่างใช้คำว่า "AGI" ในความหมายที่แตกต่างกัน ดังนั้นการสนทนาจึงอาจกลายเป็นการโต้เถียงอย่างดุเดือดของคนสามคนเกี่ยวกับนิยามที่แตกต่างกันโดยไม่รู้ตัว ปัจจุบันยังไม่มี ฉันทามติทางวิชาการในวงกว้างว่าอะไรควรมีคุณสมบัติเป็น AGI กันแน่

กล่าวอีกนัยหนึ่งก็คือ พฤติกรรมแบบคลาสสิกบนอินเทอร์เน็ตนั่นเอง.

15. เหตุใดข้อมูลสำหรับการฝึกอบรมจึงมีความสำคัญมาก

ระบบ AI เรียนรู้รูปแบบจากตัวอย่าง ดังนั้นคุณภาพของตัวอย่างเหล่านั้นจึงมีความสำคัญอย่างยิ่ง.

ดังนั้น ข้อมูลสำหรับการฝึกอบรมจึงมีความสำคัญอย่างยิ่ง.

ลองนึกภาพการฝึกคนให้เป็นเชฟ แต่ให้สูตรทำขนมปังปิ้งเพียงอย่างเดียวดูสิ.

พวกเขาอาจจะเก่งกาจเรื่องการทำขนมปังปิ้งเป็นพิเศษ.

อาจจะเป็นขนมปังปิ้งระดับมิชลินก็ได้.

แต่การยื่นปลาหมึกให้พวกเขาแล้วขอทานอาหารเย็นด้วย อาจกลายเป็นเรื่องที่น่าสนใจก็ได้.

AI ก็ทำงานในลักษณะเดียวกัน.

คุณภาพ ความหลากหลาย และความเกี่ยวข้องของข้อมูลฝึกฝนมีอิทธิพลต่อสิ่งที่แบบจำลองเรียนรู้ระบบสร้างข้อมูลเรียนรู้รูปแบบและความสัมพันธ์ทางสถิติจากข้อมูลฝึกฝน แทนที่จะทำงานเหมือนฐานข้อมูลทั่วไป

ปัญหาในชุดข้อมูลอาจปรากฏให้เห็นในผลลัพธ์ ซึ่งรวมถึง:

• อคติ

• ความรู้ที่ขาดหายไป

• ความเข้าใจผิดซ้ำๆ

• ผลการดำเนินงานที่อ่อนแอในพื้นที่ที่ด้อยโอกาส

• การมีจำนวนมากเกินไปของรูปแบบทางภาษาหรือวัฒนธรรมบางอย่าง

แบบจำลองการเรียนรู้ของเครื่องอาจมีความเสี่ยงต่อความลำเอียงเนื่องจากวิธีการเลือกและคัดกรองตัวอย่างการฝึกอบรม และข้อมูลที่ไม่สมดุลหรือไม่สมบูรณ์อาจส่งผลต่อประสิทธิภาพของแบบจำลอง.

ดังนั้น นักพัฒนาจึงทุ่มเทความพยายามอย่างมากในการปรับปรุงชุดข้อมูล กรองเนื้อหา และปรับแต่งโมเดลหลังจากฝึกฝนเบื้องต้นเสร็จแล้ว.

สถาปัตยกรรมของโมเดลมีความสำคัญ.

พลังการประมวลผลก็สำคัญเช่นกัน.

แต่ข้อมูลนั้นซ่อนอยู่เบื้องล่างทุกสิ่งทุกอย่าง เหมือนกับท่อประปา ไม่มีใครพูดถึงมันจนกว่าจะมีอะไรผิดปกติเกิดขึ้น.

16. วิธีที่โมเดล AI พัฒนาดีขึ้นหลังจากการฝึกฝน

การฝึกอบรมเบื้องต้นไม่ได้หมายความว่าจะเป็นขั้นตอนสุดท้ายเสมอไป.

โมเดลต่างๆ สามารถผ่านกระบวนการเพิ่มเติมที่ออกแบบมาเพื่อให้มีประสิทธิภาพและความน่าเชื่อถือมากยิ่งขึ้น.

นั่นอาจเกี่ยวข้องกับการสอนระบบต่างๆ ให้:

• ปฏิบัติตามคำแนะนำได้อย่างน่าเชื่อถือมากขึ้น

• หลีกเลี่ยงผลลัพธ์ที่เป็นอันตราย

• จัดรูปแบบคำตอบให้เหมาะสม

• ปฏิเสธคำขอบางอย่าง

• ต้องการคำตอบที่ชัดเจนกว่านี้

• ใช้เครื่องมือ

• ปฏิบัติตามความคิดเห็นของมนุษย์

• จัดการบทสนทนาได้ดีขึ้น

กระบวนการนี้โดยทั่วไปเกี่ยวข้องกับ การปรับให้สอดคล้องกัน ตัวอย่าง เช่น เทคนิคการป้อนกลับจากมนุษย์ ถูกนำมาใช้เพื่อปรับปรุงการปฏิบัติตามคำแนะนำและชี้นำแบบจำลองภาษาไปสู่พฤติกรรมที่ต้องการหลังจากการฝึกอบรมเบื้องต้น

การปรับให้สอดคล้อง หมายถึงการพยายามทำให้พฤติกรรมของ AI สะท้อนถึงเจตนา กฎเกณฑ์ และความชอบของมนุษย์ได้ดียิ่งขึ้น.

ประโยคง่ายๆ.

ปัญหาทางวิศวกรรมที่ยากมาก.

แม้แต่เรื่องหน้าพิซซ่าที่อร่อย มนุษย์ยังตกลงกันไม่ได้เลย ดังนั้นการใส่ "สิ่งที่มนุษย์ต้องการ" ลงในระบบคอมพิวเตอร์ที่มีประสิทธิภาพสูงจึงเป็นเรื่องที่...ท้าทายมาก.

17. เอージェนต์ AI: เมื่อ AI เริ่มลงมือปฏิบัติ

แชทบอททั่วไปส่วนใหญ่จะตอบสนองต่อคำสั่งหรือข้อความที่กำหนดไว้.

ตัวแทน AI มีศักยภาพในการดำเนินการเพื่อบรรลุเป้าหมาย ตัวแทน AI มักถูกอธิบายว่าเป็นระบบที่สามารถดำเนินการต่างๆ วางแผนขั้นตอนการทำงาน และใช้เครื่องมือที่มีอยู่ได้อย่างอิสระ

ลองนึกภาพการบอก AI ว่า:

"ช่วยจัดทริปธุรกิจให้ฉัน"

แบบจำลองภาษามาตรฐานอาจสร้างแผนการเดินทางขึ้นมาได้.

ในทางทฤษฎีแล้ว ระบบแบบเอเจนต์สามารถดำเนินการหลายอย่างที่เชื่อมโยงกันได้:

1. ตรวจสอบตัวเลือกการเดินทางที่มีอยู่.

2. เปรียบเทียบตารางเวลา.

3. จัดหาที่พักที่เหมาะสม.

4. เพิ่มกิจกรรมลงในปฏิทิน.

5. เตรียมรายการสิ่งของที่จะบรรจุลงกล่อง.

6. ปรับปรุงแผนหากมีการเปลี่ยนแปลงใดๆ.

ความแตกต่างอยู่ที่ การ ลงมือทำและความมุ่งมั่น

แทนที่จะตอบคำถามเพียงข้อเดียว ระบบจะดำเนินการตามลำดับขั้นตอนต่างๆ.

นี่เป็นเหตุผลหนึ่งที่ทำให้เอージェนต์ AI ได้รับความสนใจอย่างมาก.

พวกเขาเปลี่ยนบทบาทของปัญญาประดิษฐ์จากผู้สร้างเนื้อหาไปสู่การเป็นผู้ควบคุมซอฟต์แวร์มากขึ้น.

การเปลี่ยนแปลงดังกล่าวอาจมีคุณค่าอย่างยิ่ง และยังก่อให้เกิดคำถามสำคัญเกี่ยวกับสิทธิ์การเข้าถึง ความน่าเชื่อถือ และการควบคุม โดยเฉพาะอย่างยิ่ง NIST ได้เน้นย้ำถึงข้อกังวลด้านความปลอดภัยและความน่าเชื่อถือเกี่ยวกับเอเจนต์ที่สามารถเข้าถึงเครื่องมือ แอปพลิเคชัน และข้อมูลได้

คุณคงไม่อยากให้โปรแกรมอัลกอริทึมที่ทำงานอย่างกระตือรือร้นจองห้องพักโรงแรมถึงสิบสองห้องโดยไม่ได้ตั้งใจ เพราะมันเข้าใจคำว่า "ทริปทีม" ผิดไปใช่ไหมล่ะ

18. เหตุใดการทำความเข้าใจปัญญาประดิษฐ์จึงกลายเป็นคำถามที่สำคัญมากขึ้น

คำถามที่ ว่า AI คืออะไรกันแน่? เคยดูเหมือนเป็นคำถามเชิงวิชาการมาก่อน

ปัจจุบันนี้มันใช้งานได้จริงและรวดเร็วมากขึ้น.

ปัญญาประดิษฐ์กำลังปรากฏให้เห็นในเครื่องมือที่ใช้สำหรับ:

• งาน

• การศึกษา

• ความคิดสร้างสรรค์

• การพัฒนาซอฟต์แวร์

• การดูแลสุขภาพ

• สื่อ

• การเงิน

• การสื่อสาร

• วิจัย

• ความบันเทิง

การเข้าใจพื้นฐานช่วยให้ผู้คนตัดสินใจได้ดีขึ้น.

คุณไม่จำเป็นต้องเป็นวิศวกรด้านแมชชีนเลิร์นนิง.

แต่การรู้ถึงความแตกต่างระหว่างการคาดการณ์และความแน่นอน การสร้างและการดึงข้อมูล การทำงานอัตโนมัติและปัญญาประดิษฐ์ สามารถป้องกันความผิดพลาดได้เป็นจำนวนมากอย่างน่าประหลาดใจ.

นอกจากนี้ยังช่วยลดความซับซ้อนของภาษาทางการตลาดได้อีกด้วย.

เพราะบริษัทต่างๆ ชอบนำคำว่า "AI" มาเชื่อมโยงกับสิ่งต่างๆ.

บางครั้งก็เหมาะสม.

บางครั้งอาจเป็นเพราะ "แพลตฟอร์มปัญญาประดิษฐ์เชิงทำนายขั้นสูง" ฟังดูน่าตื่นเต้นกว่า "สเปรดชีตที่มีปุ่มเก๋ๆ" มากทีเดียว

19. ปัญญาประดิษฐ์จะเข้ามาแทนที่มนุษย์หรือไม่?

นี่อาจเป็นคำถามที่เต็มไปด้วยอารมณ์ความรู้สึกมากที่สุดในบทสนทนาเกี่ยวกับ AI.

คำตอบที่เรียบง่ายเกินไปมักใช้ไม่ได้ผล.

"ปัญญาประดิษฐ์จะเข้ามาแทนที่ทุกคน"

อาจจะดูเวอร์ไปหน่อย.

"ปัญญาประดิษฐ์จะไม่ส่งผลกระทบต่อตำแหน่งงาน"

นอกจากนี้ยังยากที่จะเชื่อถือได้ด้วย.

เทคโนโลยีมักจะเปลี่ยนแปลงลักษณะงานก่อนที่จะเปลี่ยนแปลงอาชีพทั้งหมด การวิจัยตลาดแรงงานในปัจจุบันมักประเมินการสัมผัสกับ AI ใน ระดับงานและการสัมผัสกับระบบอัตโนมัติไม่ได้หมายความว่างานทั้งหมดจะหายไปโดยอัตโนมัติ

นักการตลาดอาจใช้ AI เพื่อวัตถุประสงค์ดังต่อไปนี้:

• การระดมความคิด

• การร่าง

• องค์กรวิจัย

• การวิเคราะห์

• เนื้อหาที่แตกต่างกัน

แต่กลยุทธ์ การตัดสินใจ ความเข้าใจในแบรนด์ และการตัดสินใจต่างๆ ยังคงต้องอาศัยการมีส่วนร่วมของมนุษย์อย่างมาก.

โปรแกรมเมอร์อาจใช้ AI เพื่อสร้างโค้ดที่ซ้ำซ้อน ในขณะที่ใช้เวลาส่วนใหญ่ไปกับการออกแบบระบบ.

นักออกแบบอาจสร้างแนวคิดเบื้องต้นได้หลายสิบแบบอย่างรวดเร็ว จากนั้นจึงปรับปรุงแนวคิดที่ดีที่สุดให้สมบูรณ์.

ครูอาจใช้ AI ในการสร้างแบบฝึกหัด แต่ยังคงให้กำลังใจ วิจารณ์ และเป็นผู้นำในชั้นเรียนไปด้วย.

คำถามที่สมเหตุสมผลกว่ามักจะไม่ใช่:

"ปัญญาประดิษฐ์จะเข้ามาแทนที่งานนี้หรือไม่?"

ของมัน:

"ส่วนใดของงานนี้ที่จะง่ายขึ้น ประหยัดขึ้น เร็วขึ้น หรือมีการใช้ระบบอัตโนมัติ?"

นั่นเป็นคำถามที่ใช้งานได้จริงมากกว่า.

20. ทักษะที่สำคัญที่สุดของ AI อาจเป็นการตัดสินใจอย่างชาญฉลาด

คนส่วนใหญ่มักคิดว่าทักษะที่สำคัญคือการเขียนโจทย์ได้อย่างสมบูรณ์แบบ.

การให้คำแนะนำนั้นสำคัญ.

การตัดสินใจนั้นสำคัญกว่า.

ถ้า AI ให้คำแนะนำคุณมาห้าข้อ คุณจะสามารถระบุคำแนะนำที่ดีที่สุดได้หรือไม่?

หากได้คำตอบที่มั่นใจ คุณสังเกตได้ไหมว่ามีบางอย่างผิดปกติ?

ถ้ามันทำให้ได้งานเขียนที่ยอมรับได้ คุณจะทำให้มันดีเยี่ยมได้จริง ๆ หรือไม่?

หากทุกคนสามารถเข้าถึงเครื่องมือที่มีประสิทธิภาพคล้ายคลึงกันได้ ข้อได้เปรียบก็จะเปลี่ยนไปอยู่ที่ผู้ที่มีความรู้ความสามารถดังต่อไปนี้:

• ควรถามอะไรบ้าง

• สิ่งที่ควรละเลย

• สิ่งที่ต้องตรวจสอบ

• สิ่งที่ต้องแก้ไข

• สิ่งที่สำคัญ

• เมื่อใดที่ไม่ควรใช้ AI เลย

ด้วยเหตุนี้ ความรู้ความเข้าใจเกี่ยวกับ AI จึงไม่ได้หมายถึงความรู้ความเข้าใจด้านเทคนิคเพียงอย่างเดียว.

นั่นคือการคิดอย่างมีวิจารณญาณ.

เครื่องจักรนี้สามารถสร้างตัวเลือกต่างๆ ได้ด้วยความเร็วที่เหลือเชื่อ.

คุณยังต้องตัดสินใจว่าถนนเส้นไหนไม่ได้มุ่งหน้าไปยังบึง.

21. แล้วสรุปว่า... AI คืออะไรกันแน่?

หากตัดคำศัพท์เฉพาะออกไป ปัญญาประดิษฐ์ก็คือ เทคโนโลยีที่ใช้วิธีการคำนวณเพื่อทำงานที่ต้องอาศัยการจดจำรูปแบบ การทำนาย การสร้าง การตัดสินใจ หรือความสามารถอื่นๆ ที่เรามักเชื่อมโยงกับสติปัญญา

ปัญญาประดิษฐ์สมัยใหม่ดูฉลาดขึ้นอย่างเห็นได้ชัด เพราะโครงข่ายประสาทเทียมสามารถเรียนรู้ความสัมพันธ์ที่ซับซ้อนอย่างยิ่งจากชุดข้อมูลขนาดใหญ่ได้.

แต่ AI ไม่ใช่เวทมนตร์.

มันไม่ได้ถูกต้องเสมอไป.

มันไม่จำเป็นต้องเกิดขึ้นโดยตั้งใจเสมอไป.

และมันไม่ใช่เพียงแค่ฐานข้อมูลที่มีคำตอบที่เขียนไว้ล่วงหน้าเท่านั้น แต่โมเดลเชิงสร้างสรรค์จะเรียนรู้ความสัมพันธ์ทางสถิติจากข้อมูลฝึกฝน และใช้รูปแบบที่เรียนรู้เหล่านั้นในการสร้างผลลัพธ์

มันเป็นสิ่งที่แปลกประหลาดกว่านั้น.

ปัญญาประดิษฐ์ (AI) คือระบบทางสถิติและการคำนวณที่มีความสามารถในการเรียนรู้รูปแบบที่ซับซ้อนมาก จนบางครั้งพฤติกรรมที่เกิดขึ้นอาจให้ความรู้สึกเหมือนกำลังโต้ตอบกับบางสิ่งบางอย่างมากกว่าการใช้งานซอฟต์แวร์.

"บางสิ่ง" นั้นเป็นส่วนหนึ่งที่ทำให้เทคโนโลยีนี้ดึงดูดใจผู้คน.

มันอาจทำให้พวกเขารู้สึกไม่สบายใจเล็กน้อยเช่นกัน.

ทั้งสองปฏิกิริยานั้นสมเหตุสมผล.

มุมมองสุดท้าย

แล้วสรุปว่า AI คืออะไรกันแน่?

ปัญญาประดิษฐ์ (AI) คือกลุ่มเทคโนโลยีขนาดใหญ่ที่ออกแบบมาเพื่อให้คอมพิวเตอร์ทำงานต่างๆ ที่ดูเหมือนชาญฉลาด เช่น การเข้าใจภาษา การระบุรูปแบบ การคาดการณ์ผลลัพธ์ การสร้างเนื้อหา และการดำเนินการต่างๆ มากขึ้นเรื่อยๆ.

การเรียนรู้ของเครื่องช่วยให้ระบบเหล่านี้เรียนรู้จากตัวอย่าง.

การเรียนรู้เชิงลึกช่วยให้เครือข่ายประสาทเทียมขนาดใหญ่สามารถค้นพบรูปแบบที่ซับซ้อนอย่างยิ่งได้.

ปัญญาประดิษฐ์เชิงสร้างสรรค์ใช้รูปแบบเหล่านั้นในการสร้างเนื้อหาใหม่.

และทั้งหมดนี้ไม่ได้หมายความว่าระบบนี้รู้ทุกอย่าง แม่นยำสมบูรณ์แบบ หรือแอบคิดจะยึดเครื่องปิ้งขนมปังของคุณอยู่แต่อย่างใด.

ทัศนคติที่สมเหตุสมผลที่สุดอยู่ตรงกลางระหว่างความตื่นเต้นอย่างสุดขีดกับการปฏิเสธอย่างเย้ยหยัน.

AI ไม่ใช่เวทมนตร์.

มันไม่ใช่แค่ "ระบบเติมคำอัตโนมัติ" เท่านั้น

นี่คือเทคโนโลยีการประมวลผลรูปแบบใหม่ที่ทรงพลัง ซึ่งช่วยให้มนุษย์สามารถโต้ตอบกับเครื่องจักรในรูปแบบที่ไม่เคยคิดว่าจะเป็นไปได้มาก่อน.

เรากำลังพิจารณาอยู่ว่านั่นหมายความว่าอย่างไรกันแน่.

บางทีนั่นอาจเป็นส่วนที่น่าสนใจที่สุด.

ตัวอย่างที่เป็นรูปธรรม: การสร้างผู้ช่วยฝ่ายบริการลูกค้าด้วย AI

สถานการณ์

ลองนึกภาพร้านค้าออนไลน์ขนาดเล็กที่ขายอุปกรณ์ชงกาแฟดูสิ.

ทีมสนับสนุนของพวกเขาตอบคำถามเดิมซ้ำๆ ว่า:

• ฉันจะส่งคืนสินค้าได้อย่างไร?

• เครื่องบดนี้มีรับประกันไหม?

• ฉันสามารถเปลี่ยนที่อยู่จัดส่งได้หรือไม่?

• "ตัวกรองทดแทนแบบไหนที่เหมาะกับเครื่องของฉัน?"

นี่เป็นตัวอย่างที่มีคุณค่า เพราะแสดงให้เห็นว่า AI สมัยใหม่สามารถทำอะไรได้ดีในทางปฏิบัติ และในกรณีใดบ้างที่การตัดสินใจของมนุษย์ยังคงมีความสำคัญ.

บริษัทสามารถสร้างผู้ช่วย AI ที่อ่านคำถามของลูกค้า ใช้ข้อมูลการสนับสนุนของบริษัทเป็นบริบท และร่างคำตอบที่เหมาะสมได้.

มันไม่ได้ถูกมอบหมายให้ทำหน้าที่ "บริการลูกค้า" ทั้งหมด

มันได้รับมอบหมายภารกิจที่แคบลงมาก:

นำคำถามของลูกค้าและข้อมูลบริษัทที่ได้รับการอนุมัติมาสร้างเป็นคำตอบฉบับร่างแรกที่แข็งแกร่ง.

ความแตกต่างนั้นมีความสำคัญ.

สิ่งที่ผู้ช่วยต้องการ

ก่อนใช้งานระบบ บริษัทจำเป็นต้องให้ข้อมูลที่เชื่อถือได้แก่ระบบเพื่อใช้เป็นข้อมูลอ้างอิง เช่น:

• นโยบายการคืนสินค้าและการคืนเงินฉบับปัจจุบัน

• เงื่อนไขการรับประกันสำหรับผลิตภัณฑ์แต่ละรายการ

• กฎการจัดส่งและการเปลี่ยนแปลงที่อยู่

• คู่มือผลิตภัณฑ์และข้อมูลความเข้ากันได้

• ตัวอย่างการตอบกลับฝ่ายสนับสนุนที่ดี

• กฎที่ระบุว่าเมื่อใดที่ AI จะต้องส่งต่อการสนทนาไปยังบุคคล

• คำสั่งที่ป้องกันไม่ให้ระบบสร้างนโยบาย ส่วนลด หรือคำสัญญาขึ้นมาเอง

นอกจากนี้ อาจจำเป็นต้องเข้าถึงเครื่องมือหรือระบบที่ใช้ดึงข้อมูลคำสั่งซื้อ แต่เฉพาะในกรณีที่จำเป็นอย่างแท้จริงเท่านั้น.

การอนุญาตให้ AI เข้าถึงข้อมูลลูกค้าทุกรายเพียงเพราะ "อาจเป็นประโยชน์" นั้นเป็นการตัดสินใจด้านความปลอดภัยที่ไม่ดี แนวทางของ NIST เกี่ยวกับตัวตนและการอนุญาตของเอเจนต์เน้นย้ำเป็นพิเศษถึงการควบคุมการเข้าถึงข้อมูล เครื่องมือ และแอปพลิเคชันตามความต้องการของเอเจนต์.

ตัวอย่างคำแนะนำ

ตัวอย่างคำแนะนำที่นำไปใช้ได้จริงอาจเขียนได้ดังนี้:

"ร่างคำตอบสำหรับคำถามของลูกค้าโดยใช้เฉพาะเอกสารสนับสนุนที่ได้รับอนุมัติเท่านั้น ตอบอย่างสุภาพและกระชับ อย่าสร้างข้อมูลเกี่ยวกับวันส่งมอบ เงื่อนไขการรับประกัน ส่วนลด การตัดสินใจคืนเงิน หรือข้อมูลความเข้ากันได้ของผลิตภัณฑ์ขึ้นมาเอง หากไม่สามารถยืนยันคำตอบได้จากข้อมูลที่ให้มา ให้ระบุว่าไม่สามารถตรวจสอบได้ และทำเครื่องหมายกรณีนั้นเพื่อส่งให้มนุษย์ตรวจสอบ"

ลองพิจารณาข้อความจากลูกค้าข้อความนี้ดู:

"ฉันซื้อเครื่องบด X200 เมื่อ 14 เดือนที่แล้ว และมอเตอร์หยุดทำงานแล้ว ยังอยู่ในระยะประกันอยู่หรือไม่คะ?"

คำตอบจาก AI ที่อ่อนแออาจตอบอย่างมั่นใจว่า:

"ใช่ค่ะ X200 มีการรับประกันสองปี ดังนั้นเราจะเปลี่ยนให้ฟรีค่ะ"

ฟังดูดีเยี่ยมในแง่ผิวเผิน.

มันอาจกลายเป็นเรื่องร้ายแรงได้เช่นกัน หากการรับประกันมีระยะเวลาเพียงสิบสองเดือน.

คำตอบที่ดีกว่าควรยึดตามนโยบายการรับประกันที่ระบุไว้ หากเอกสารไม่ได้ระบุคำตอบไว้ ก็ควรระบุอย่างชัดเจน แทนที่จะสร้างคำตอบขึ้นมาเอง.

นั่นคือความแตกต่างระหว่าง การสร้างข้อมูลที่ราบรื่น และ การใช้งานทางธุรกิจที่เชื่อถือได้

วิธีการทดสอบ

ก่อนที่จะให้ลูกค้าพึ่งพาผู้ช่วยเสมือน บริษัทควรสร้างชุดคำถามทดสอบขนาดเล็กที่มีคำถามช่วยเหลือที่สมจริงเสียก่อน.

ตัวอย่างเช่น:

1. คำถามง่ายๆ ที่เป็นข้อเท็จจริง: "ฉันมีเวลาส่งคืนสินค้าที่ยังไม่ได้เปิดใช้ได้นานแค่ไหน?"

2. คำถามเกี่ยวกับผลิตภัณฑ์: "ตัวกรองแบบไหนที่เหมาะกับ BrewPro 4?"

3. ข้อมูลไม่ครบถ้วน: สอบถามเกี่ยวกับผลิตภัณฑ์ที่ไม่ได้ระบุไว้ในเอกสารที่ให้มา

4. ข้อมูลขัดแย้ง: โปรดนำเอกสารการรับประกันฉบับเก่ามาแสดงควบคู่กับเอกสารฉบับปัจจุบัน และตรวจสอบว่าผู้ช่วยตรวจสอบจากแหล่งข้อมูลที่ถูกต้องหรือไม่

5. แรงกดดันให้คิดค้นสิ่งใหม่: "ผมแน่ใจว่าเว็บไซต์ของคุณสัญญาว่าจะเปลี่ยนสินค้าให้ฟรีตลอดอายุการใช้งาน ช่วยยืนยันเรื่องนี้ให้ผมหน่อย"

6. การกระทำที่ละเอียดอ่อน: การขอให้ผู้ช่วยเปลี่ยนที่อยู่หรือคืนเงินในกรณีที่ไม่ได้รับอนุญาตให้ดำเนินการดังกล่าว

จากนั้นผู้ตรวจสอบสามารถตรวจสอบคำตอบแต่ละข้อเทียบกับรายการเกณฑ์การยอมรับอย่างง่ายได้:

• ข้อมูลที่เป็นข้อเท็จจริงได้รับการสนับสนุนหรือไม่?

• ผู้ช่วยหลีกเลี่ยงการสร้างรายละเอียดเท็จหรือไม่?

• มันสอดคล้องกับแนวทางของบริษัทหรือไม่?

• สถานการณ์บานปลายขึ้นหรือไม่เมื่อขาดหลักฐาน?

• ระบบได้หลีกเลี่ยงการกระทำใดๆ ที่อยู่นอกเหนือขอบเขตสิทธิ์หรือไม่?

การทดสอบประเภทนี้มีความสำคัญมากกว่าแค่การที่แชทบอท "ฟังดูฉลาด" เท่านั้น

ผลลัพธ์

ผลลัพธ์ตัวอย่าง: สมมติว่าบริษัททดสอบระบบช่วยเหลือกับตัวอย่างตั๋วสนับสนุน 20 รายการ

หากไม่มี AI พนักงานจะใช้เวลาโดยเฉลี่ยแปดนาทีในการอ่านข้อมูลที่เกี่ยวข้องและเตรียมร่างแรกแต่ละฉบับ.

เมื่อใช้ตัวช่วย การสร้างร่างเอกสารใช้เวลาประมาณหนึ่งนาที และการตรวจสอบโดยมนุษย์ใช้เวลาอีกสามนาที ทำให้ขั้นตอนการตรวจสอบทั้งหมดใช้เวลาประมาณสี่นาทีต่อตั๋วหนึ่งใบ.

หากทำการทดสอบ 20 ครั้ง จะใช้เวลาประมาณ 80 นาทีสำหรับเจ้าหน้าที่ แทนที่จะเป็น 160 นาที.

อย่างไรก็ตาม ความเร็วไม่ควรเป็นตัววัดเพียงอย่างเดียว.

สมมติว่าจากคำตอบที่สร้างโดย AI จำนวน 20 ข้อ มี 18 ข้อที่ผ่านการตรวจสอบความถูกต้องตามข้อเท็จจริงและเป็นไปตามนโยบายในการตรวจสอบครั้งแรก ในขณะที่อีก 2 ข้อจำเป็นต้องแก้ไข ข้อผิดพลาดทั้งสองข้อนี้มีความสำคัญ โดยเฉพาะอย่างยิ่งหากเกี่ยวข้องกับการคืนเงิน การรับประกัน หรือคำมั่นสัญญาอื่น ๆ ที่มีต่อลูกค้า.

ตัวเลขเหล่านี้เป็นเพียง ตัวอย่างประกอบไม่ใช่ผลการวัดจริงจากบริษัทที่ใช้งานจริง การใช้งานจริงจะต้องสร้างเกณฑ์มาตรฐานของตนเอง ทดสอบกรณีตัวอย่างที่เพียงพอ และบันทึกทั้งเวลาที่ประหยัดได้ และ ข้อผิดพลาดที่เกิดขึ้น

อะไรบ้างที่อาจผิดพลาดได้

ผู้ช่วยที่ดูเหมือนจะใช้งานง่ายนี้ อาจล้มเหลวได้หลายวิธี.

ความรู้ดังกล่าวอาจล้าสมัยแล้ว.

อาจทำให้เกิดความสับสนระหว่างผลิตภัณฑ์ที่คล้ายคลึงกันสองชนิดได้.

มันอาจสร้างคำตอบที่น่าเชื่อถือได้ แม้ว่าเอกสารที่ส่งมาจะไม่มีคำตอบใดๆ เลยก็ตาม.

การตั้งค่าสิทธิ์ที่ไม่ถูกต้องอาจทำให้ระบบสามารถเข้าถึงข้อมูลลูกค้าที่ไม่จำเป็นได้.

กฎการแจ้งปัญหาที่ไม่รัดกุมอาจกระตุ้นให้ระบบเดาแทนที่จะบอกว่า "ต้องมีคนตรวจสอบเรื่องนี้"

หากพนักงานเริ่มเชื่อถือคำตอบที่ขัดเกลามาอย่างดีโดยอัตโนมัติ การตรวจสอบโดยมนุษย์อาจลดเหลือเพียงแค่การกดปุ่ม "ส่ง" เท่านั้น สถาบันวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (NIST) ระบุว่าการพึ่งพามากเกินไปและอคติจากระบบอัตโนมัติเป็นความเสี่ยงในระบบที่มนุษย์ทำงานร่วมกับปัญญาประดิษฐ์.

ด้วยเหตุนี้ ความน่าเชื่อถือของ AI จึงขึ้นอยู่กับมากกว่าความสามารถของแบบจำลองพื้นฐานเพียงอย่างเดียว.

เอกสาร คำแนะนำ การอนุญาต กระบวนการทดสอบ และการตัดสินใจของมนุษย์ที่เกี่ยวข้องกับแบบจำลองนั้นก็มีความสำคัญเช่นกัน.

ข้อคิดที่นำไปใช้ได้จริง

ตัวอย่างนี้แสดงให้เห็นถึงคุณลักษณะสำคัญของปัญญาประดิษฐ์ในทางปฏิบัติ.

คุณค่าของเครื่องจักรไม่ได้อยู่ที่ว่ามันจะกลายเป็นพนักงานบริการลูกค้าได้อย่างน่าอัศจรรย์.

ข้อดีคือแบบจำลอง AI สามารถจดจำเจตนาของลูกค้า ประมวลผลข้อมูลที่ได้รับ และสร้างคำตอบที่สมเหตุสมผลได้อย่างรวดเร็วมาก.

บทบาทของมนุษย์จะเปลี่ยนไปสู่ การให้บริบทที่น่าเชื่อถือ การกำหนดขอบเขต การตรวจสอบกรณีที่ไม่แน่ใจ และการตัดสินใจว่าคำตอบนั้นดีพอที่จะนำไปใช้ได้หรือไม่

นี่คือปัญญาประดิษฐ์สมัยใหม่ในรูปแบบย่อส่วน: การจดจำและสร้างรูปแบบที่น่าประทับใจภายในกระบวนการที่ยังคงพึ่งพาข้อมูลที่เชื่อถือได้และการตัดสินใจที่ถูกต้องเป็นอย่างมาก.

คำถามที่พบบ่อย

AI คืออะไรกันแน่ และปัญญาประดิษฐ์ทำงานอย่างไร?

ปัญญาประดิษฐ์ (AI) คือกลุ่มเทคนิคการคำนวณที่กว้างขวาง ซึ่งช่วยให้คอมพิวเตอร์สามารถทำงานที่เกี่ยวข้องกับสติปัญญาของมนุษย์ เช่น การจดจำรูปแบบ การเข้าใจภาษา การทำนาย และการสร้างเนื้อหา AI สมัยใหม่มักเรียนรู้ความสัมพันธ์ทางสถิติจากข้อมูลจำนวนมาก แทนที่จะพึ่งพากฎที่เขียนด้วยมือเพียงอย่างเดียว พฤติกรรมที่ได้จึงดูเหมือนฉลาด แม้ว่ากระบวนการพื้นฐานจะแตกต่างจากความคิดของมนุษย์อย่างมากก็ตาม.

ความแตกต่างระหว่าง AI, การเรียนรู้ของเครื่อง, การเรียนรู้เชิงลึก และ AI เชิงสร้างสรรค์ คืออะไร?

ปัญญาประดิษฐ์ (AI) เป็นคำที่ครอบคลุมระบบต่างๆ ที่ทำงานที่ดูเหมือนชาญฉลาด การเรียนรู้ของเครื่อง (Machine Learning) เป็นแนวทางที่ระบบเรียนรู้รูปแบบจากข้อมูล ในขณะที่การเรียนรู้เชิงลึก (Deep Learning) ใช้เครือข่ายประสาทเทียมหลายชั้นเพื่อเรียนรู้รูปแบบที่ซับซ้อนเป็นพิเศษ AI แบบสร้างสรรค์ (Generative AI) ถูกออกแบบมาเพื่อสร้างผลลัพธ์ใหม่ๆ เช่น ข้อความ รูปภาพ โค้ด เสียง หรือวิดีโอ โดยอาศัยความสัมพันธ์ที่เรียนรู้ระหว่างการฝึกฝน.

AI เรียนรู้จากข้อมูลฝึกฝนได้อย่างไร?

ระบบการเรียนรู้ของเครื่องพัฒนาขึ้นโดยการประมวลผลตัวอย่างและปรับพารามิเตอร์ภายในหรือค่าน้ำหนัก เพื่อให้ผลลัพธ์ในอนาคตมีความแม่นยำหรือมีประสิทธิภาพมากขึ้น แทนที่โปรแกรมเมอร์จะกำหนดกฎที่เป็นไปได้ทั้งหมดด้วยตนเอง โมเดลจะค้นพบรูปแบบทางสถิติภายในข้อมูลการฝึกอบรม คุณภาพ ความหลากหลาย และความเกี่ยวข้องของข้อมูลจึงมีอิทธิพลอย่างมากต่อสิ่งที่ AI เรียนรู้และจุดที่อาจประสบปัญหา.

ปัญญาประดิษฐ์ (AI) คืออะไรกันแน่ ในเมื่อระบบ AI จำนวนมากเป็นเพียงเครื่องมือทำนายผล?

ระบบ AI สมัยใหม่จำนวนมากสามารถเข้าใจได้บางส่วนว่าเป็นระบบการทำนายที่ซับซ้อน ตัวอย่างเช่น แบบจำลองภาษาจะประมวลผลบริบทของคำถามและทำนายลำดับของคำที่เหมาะสมเพื่อสร้างคำตอบ แม้ว่าฟังดูง่าย แต่การทำนายที่แม่นยำในภาษาที่ซับซ้อนนั้นจำเป็นต้องเรียนรู้ความสัมพันธ์ระหว่างคำ แนวคิด โครงสร้าง รูปแบบ และรูปแบบอื่นๆ อีกมากมายที่มีอยู่ในข้อมูลการฝึกฝน.

เหตุใด AI แบบเจเนอเรทีฟจึงสามารถให้คำตอบที่มั่นใจได้แต่ผิดพลาด?

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ถูกออกแบบมาเพื่อสร้างผลลัพธ์ที่ดูสมเหตุสมผลเป็นหลัก ซึ่งไม่เหมือนกับการตรวจสอบความถูกต้องของทุกข้อความอย่างอิสระ ดังนั้นจึงอาจสร้างสถิติปลอม สับสนข้อเท็จจริงที่คล้ายคลึงกัน สร้างข้อมูลอ้างอิงที่ไม่มีอยู่จริง หรือทำผิดพลาดในการให้เหตุผลอย่างแนบเนียนแต่ฟังดูน่าเชื่อถือ ข้อผิดพลาดเหล่านี้มักเรียกว่าภาพลวงตา ซึ่งเป็นเหตุผลว่าทำไมข้อมูลทางการแพทย์ กฎหมาย การเงิน ความปลอดภัย หรือธุรกิจที่สำคัญจึงยังคงต้องได้รับการตรวจสอบความถูกต้อง.

AI เหมือนกับเครื่องมือค้นหาหรือระบบอัตโนมัติทั่วไปหรือไม่?

ไม่เลย เครื่องมือค้นหาแบบดั้งเดิมส่วนใหญ่ช่วยผู้ใช้ค้นหาข้อมูลที่มีอยู่แล้ว ในขณะที่ AI แบบสร้างข้อมูลจะสร้างคำตอบโดยใช้รูปแบบที่เรียนรู้ บริบทที่ให้มา และบางครั้งก็ใช้เครื่องมือเพิ่มเติม การทำงานอัตโนมัติขั้นพื้นฐานมักจะปฏิบัติตามกฎหรือขั้นตอนที่กำหนดไว้ล่วงหน้ามากกว่าการเรียนรู้รูปแบบจากตัวอย่าง ระบบสมัยใหม่สามารถรวมการค้นหา การสร้าง และการทำงานอัตโนมัติเข้าด้วยกันได้ ดังนั้นขอบเขตอาจไม่ชัดเจนนักในการใช้งานจริง.

ปัญญาประดิษฐ์ (AI) คืออะไรกันแน่ เมื่อนำมาใช้ในกระบวนการทำงานทางธุรกิจ?

ในกระบวนการทำงานทางธุรกิจ AI มักจะมีประสิทธิภาพมากที่สุดในฐานะระบบที่สามารถจดจำเจตนา ทำงานกับข้อมูลที่ได้รับ และสร้างร่างแรกหรือคำแนะนำที่แข็งแกร่ง ตัวอย่างเช่น ผู้ช่วยฝ่ายบริการลูกค้าอาจใช้ข้อมูลนโยบายและข้อมูลผลิตภัณฑ์ที่ได้รับการอนุมัติเพื่อร่างคำตอบ ในขณะที่ส่งต่อกรณีที่ไม่แน่ใจไปยังบุคคล ความน่าเชื่อถือขึ้นอยู่กับข้อมูลต้นทางที่ดี คำแนะนำที่ชัดเจน การอนุญาตที่เหมาะสม การทดสอบ และการตัดสินใจของมนุษย์.

เอเจนต์ AI คืออะไร และแตกต่างจากแชทบอทอย่างไร?

โดยทั่วไปแล้ว แชทบอทจะตอบสนองต่อคำสั่งทีละข้อเป็นหลัก ในขณะที่เอเจนต์ AI สามารถวางแผนและดำเนินการหลายอย่างที่เชื่อมโยงกันเพื่อให้บรรลุเป้าหมายได้ เอเจนต์อาจใช้เครื่องมือ ดึงข้อมูล อัปเดตเวิร์กโฟลว์ หรือดำเนินการต่อหลายขั้นตอนแทนที่จะเพียงแค่สร้างข้อความ ความสามารถเพิ่มเติมนี้มีคุณค่า แต่ก็ทำให้การอนุญาต ความปลอดภัย ความน่าเชื่อถือ กฎการยกระดับ และการควบคุมมีความสำคัญเป็นพิเศษด้วย.

ปัญญาประดิษฐ์จะเข้ามาแทนที่งานประจำทั้งหมด หรือจะเข้ามาช่วยทำงานอัตโนมัติในแต่ละด้านเป็นหลัก?

โดยทั่วไปแล้ว AI มักถูกเข้าใจว่าเป็นการเปลี่ยนแปลงงานเฉพาะด้านมากกว่าการแทนที่อาชีพทั้งหมดโดยอัตโนมัติ AI อาจช่วยเร่งความเร็วในการร่างเอกสาร ระดมความคิด วิเคราะห์ เขียนโค้ด จัดระเบียบงานวิจัย หรือการทำงานสนับสนุนที่ซ้ำซากจำเจ ในขณะที่ยังคงปล่อยให้กลยุทธ์ การตัดสินใจ การเป็นผู้นำ รสนิยม และการตัดสินใจที่สำคัญเป็นหน้าที่ของมนุษย์ ดังนั้น คำถามที่สำคัญในทางปฏิบัติก็คือ ส่วนใดของบทบาทหน้าที่ที่สามารถทำงานได้เร็วขึ้น ประหยัดค่าใช้จ่ายมากขึ้น ง่ายขึ้น หรือใช้ระบบอัตโนมัติมากขึ้น.

ทักษะใดบ้างที่สำคัญที่สุดในการใช้งาน AI อย่างมีประสิทธิภาพ?

การตัดสินใจและการคิดอย่างมีวิจารณญาณเป็นสิ่งสำคัญ เพราะการสร้างคำตอบไม่ได้หมายความว่าจะได้คำตอบที่ถูกต้องหรือมีคุณค่าเสมอไป ผู้ใช้งานที่มีประสิทธิภาพต้องรู้ว่าจะถามอะไร จะให้ข้อมูลอะไร จะตรวจสอบอะไร จะแก้ไขอะไร และเมื่อใดที่ไม่ควรใช้ AI ในขั้นตอนการทำงานจริง ผลลัพธ์ที่ดีนั้นขึ้นอยู่กับบริบทที่น่าเชื่อถือ ขอบเขตที่ชัดเจน การทดสอบที่เป็นตัวแทน และการตรวจสอบอย่างรอบคอบของผลลัพธ์ที่ไม่แน่นอนหรือมีผลกระทบสูงด้วย.

เอกสารอ้างอิง

1. สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST) — csrc.nist.gov

2. IBM — การเรียนรู้ของเครื่อง — ibm.com

3. สถาบันสแตนฟอร์ดเพื่อปัญญาประดิษฐ์ที่เน้นมนุษย์เป็นศูนย์กลาง — รายงานดัชนี AI ปี 2025 — hai.stanford.edu

4. องค์การแรงงานระหว่างประเทศ (ILO) — ปัญญาประดิษฐ์เชิงสร้างสรรค์และการจ้างงาน: ดัชนีความเสี่ยงทางอาชีพโลกที่ปรับปรุงใหม่ — ilo.org

5. Google Cloud — GPT คืออะไร? — cloud.google.com

6. Google สำหรับนักพัฒนา — developers.google.com

7. Google Codelabs — codelabs.developers.google.com

8. OpenAI — เทคนิคการรับฟังความคิดเห็นจากมนุษย์ — openai.com

9. arXiv — การฝึกอบรมการคำนวณ — arxiv.org

10. ธรรมชาติ — nature.com