តើម៉ាស៊ីន «រៀន» ដោយរបៀបណា? ស្វែងយល់ពី Machine Learning និង Deep Learning

បច្ចេកវិទ្យា និងការច្នៃប្រឌិត · ស៊េរីពិសេស «បញ្ញាសិប្បនិម្មិត»

ដោយ ក្រុមនិពន្ធ Eksastra · ផ្សាយ ២៧ មិថុនា ២០២៦ · ផ្នែកទី ២ ក្នុងចំណោម ៥ · អាន ១០ នាទី

កុំព្យូទ័របុរាណ ធ្វើតែអ្វីដែលមនុស្សសរសេរបញ្ជាឱ្យធ្វើ។ ប៉ុន្តែ AI សម័យទំនើប ធ្វើអ្វីមួយខុសប្លែកជាមូលដ្ឋាន៖ វា «រៀន» ដោយខ្លួនឯងពីបទពិសោធន៍។ តើបាតុភូតដ៏អស្ចារ្យនេះ កើតឡើងយ៉ាងដូចម្តេច?

#MachineLearning · #DeepLearning · #AI · #ណឺរ៉ូន · #បច្ចេកវិទ្យា

ភាពខុសគ្នាដ៏ធំរវាងកម្មវិធីបុរាណ និង AI សម័យទំនើប ស្ថិតនៅត្រង់ពាក្យតែមួយ៖ «ការរៀន» (Learning)។ ការយល់ដឹងពីគោលគំនិតនេះ គឺជាកូនសោ ដើម្បីយល់ពីគ្រប់រឿងផ្សេងទៀតអំពី AI — ចាប់ពី ChatGPT រហូតដល់រថយន្តបើកបរដោយខ្លួនឯង។

តើភាពខុសគ្នារវាងកម្មវិធីធម្មតា និង AI នៅត្រង់ណា?

ស្រមៃថា អ្នកចង់បង្រៀនកុំព្យូទ័រឱ្យស្គាល់រូបឆ្មា។ ជាមួយវិធីសាស្ត្របុរាណ អ្នកត្រូវសរសេរវិធានរាប់រយ៖ «ឆ្មាមានត្រចៀកស្រួច មានពុកមាត់ មានកន្ទុយ…»។ ប៉ុន្តែតើធ្វើដូចម្តេច បើឆ្មាងងុយ ឬឆ្មាបាក់កន្ទុយ? វិធានទាំងនេះ លែងដំណើរការ។

ការរៀនរបស់ម៉ាស៊ីន (Machine Learning) ដោះស្រាយបញ្ហានេះតាមរបៀបផ្ទុយស្រឡះ៖ ជំនួសឱ្យការប្រាប់វិធាន អ្នកបង្ហាញរូបឆ្មារាប់ពាន់ ឬរាប់លានសន្លឹក រួចឱ្យម៉ាស៊ីនស្វែងរក «លំនាំ» (pattern) ដោយខ្លួនឯង។ បន្ទាប់ពីឃើញឧទាហរណ៍គ្រប់គ្រាន់ ម៉ាស៊ីនអាចស្គាល់ឆ្មាថ្មីៗ ដែលវាមិនធ្លាប់ឃើញពីមុនមក [1]។ នេះគឺជាការផ្លាស់ប្តូរគំនិតដ៏ជ្រៅ៖ យើងលែងសរសេរ «ចម្លើយ» ទៀតហើយ — យើងសរសេរតែ «វិធីរៀន» ប៉ុណ្ណោះ។

តើ «ការរៀន» របស់ម៉ាស៊ីន ដំណើរការយ៉ាងដូចម្តេច?

ដំណើរការនេះ ស្រដៀងនឹងការប្រឡងម្តងហើយម្តងទៀត។ ដំបូង ម៉ាស៊ីនធ្វើការទស្សន៍ទាយ ដែលភាគច្រើនខុស។ បន្ទាប់មក វាប្រៀបធៀបចម្លើយរបស់ខ្លួនជាមួយចម្លើយត្រឹមត្រូវ រួចកែតម្រូវខ្លួនឯងបន្តិចម្តងៗ ដើម្បីកាត់បន្ថយកំហុស។ ដំណើរការនេះ ត្រូវបានធ្វើម្តងហើយម្តងទៀតរាប់លានដង រហូតដល់ការទស្សន៍ទាយ កាន់តែត្រឹមត្រូវ។ វាគឺជា «ការបណ្តុះបណ្តាល» (training) — ដែលជាបេះដូងនៃ Machine Learning។

ហេតុអ្វីគេហៅថា «ការរៀនជ្រៅ» (Deep Learning)?

«ការរៀនជ្រៅ» (Deep Learning) គឺជាសាខាដ៏មានឥទ្ធិពលបំផុតនៃ Machine Learning។ វាប្រើរចនាសម្ព័ន្ធដែលហៅថា «បណ្តាញនុយរ៉ូនសិប្បនិម្មិត» (Artificial Neural Network) ដែលបំផុសគំនិតយ៉ាងសាមញ្ញពីរបៀបដែលណឺរ៉ូន (កោសិកាប្រសាទ) ក្នុងខួរក្បាលមនុស្សភ្ជាប់គ្នា។

បណ្តាញនេះមាន «ស្រទាប់» (layers) ជាច្រើននៃ «ថ្នាំង» (nodes) ដែលបញ្ជូនទិន្នន័យពីស្រទាប់មួយទៅស្រទាប់មួយ។ ស្រទាប់ដំបូងអាចស្គាល់បន្ទាត់សាមញ្ញ ស្រទាប់បន្ទាប់ស្គាល់រូបរាង ហើយស្រទាប់ជ្រៅជាងនេះ ស្គាល់វត្ថុទាំងមូល។ កាលណាស្រទាប់កាន់តែច្រើន ម៉ាស៊ីនអាចរៀនលំនាំកាន់តែស្មុគស្មាញ — នេះជាមូលហេតុនៃពាក្យ «ជ្រៅ» (deep) [2]។

ហេតុអ្វីបដិវត្តន៍នេះ ទើបតែផ្ទុះឡើងថ្មីៗ?

បើគោលគំនិតបណ្តាញនុយរ៉ូនមានតាំងពីយូរមកហើយ ហេតុអ្វីបានជាវាទើបតែមានឥទ្ធិពលនាប៉ុន្មានឆ្នាំចុងក្រោយនេះ? ចម្លើយ ស្ថិតលើកត្តាបី៖ ទីមួយ «ទិន្នន័យដ៏ច្រើនសន្ធឹក» (big data) ពីអ៊ីនធឺណិត; ទីពីរ «កម្លាំងគណនាខ្លាំង» ជាពិសេសបន្ទះ GPU; និងទីបី ក្បួនដោះស្រាយ (algorithms) ដែលប្រសើរឡើង។

ចំណុចរបត់ដ៏ល្បីមួយ គឺការប្រកួត ImageNet ឆ្នាំ ២០១២ ដែលក្នុងនោះ ប្រព័ន្ធរៀនជ្រៅបានស្គាល់រូបភាពបានត្រឹមត្រូវ លើសវិធីសាស្ត្រចាស់យ៉ាងឆ្ងាយ។ ជោគជ័យនេះ បានបញ្ជាក់ឱ្យពិភពលោកឃើញថា ការរៀនជ្រៅ ពិតជាដំណើរការ — ហើយវាបានបើកសម័យកាលថ្មីនៃ AI [2]។

អ្វីដែលរង់ចាំនៅខាងមុខ

ការរៀនរបស់ម៉ាស៊ីន គឺជាបេះដូងនៃ AI សម័យទំនើប។ ប៉ុន្តែការច្នៃប្រឌិតមួយនៅឆ្នាំ ២០១៧ បាននាំ AI ឆ្ពោះទៅរកសម័យកាលថ្មីទាំងស្រុង — សម័យកាលនៃ ChatGPT និងម៉ូដែលភាសាធំ ដែលយើងនឹងពិនិត្យក្នុងផ្នែកបន្ទាប់។

ការបញ្ជាក់៖ អត្ថបទនេះគឺជាការសំយោគ និងវិភាគទិន្នន័យពីប្រភពស្រាវជ្រាវផ្សេងៗ ក្នុងគោលបំណងចែករំលែកចំណេះដឹងទូទៅប៉ុណ្ណោះ។