ສະຫລຸບສ່ວນສຳຄັນຈາກລາຍງານ AI Index Report 2024 ຈາກ Stanford University Human-Centered Artificial Intelligence
ປັນຍາປະດິດ (AI) ກໍາລັງສ້າງຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ຕະຫຼາດແຮງງານ, ໂດຍສ້າງທັງໂອກາດ ແລະ ຄວາມທ້າທາຍ. ໃນຂະນະທີ່ AI ສາມາດເພີ່ມປະສິດທິພາບ ແລະ ຜະລິດຕະພາບ (Productivity), ມັນກໍ່ຍັງມີທ່າແຮງທີ່ຈະທົດແທນວຽກບາງປະເພດ, ສ້າງຄວາມກັງວົນກ່ຽວກັບການຫວ່າງງານ ແລະ ການປ່ຽນແປງທີ່ຮຸນແຮງຂອງເສດຖະກິດ.
ປັນຍາປະດິດ (AI) ກໍາລັງສ້າງການປ່ຽນແປງວິທີການສິດສອນ ແລະ ການຮຽນຮູ້ຢ່າງຫຼວງຫຼາຍ. ດ້ວຍການເຊື່ອມໂຍງເຕັກໂນໂລຊີເຂົ້າໃນຫ້ອງຮຽນ, AI ມີທ່າແຮງທີ່ຈະປັບປຸງຜົນການຮຽນຂອງນັກຮຽນ, ຫຼຸດພາລະໜ້າວຽກຂອງຄູອາຈານ ແລະ ເຮັດໃຫ້ການສຶກສາສາມາດເຂົ້າເຖິງໄດ້ສໍາລັບທຸກຄົນ.
ປັນຍາປະດິດ (AI) ກຳລັງສ້າງການປ່ຽນແປງຄັ້ງໃຫຍ່ໃນຂະແໜງການຮັກສາສຸຂະພາບ, ໂດຍນັກວິໄຈໄດ້ສະເໜີວິທີການໃໝ່ໆໃນການວິນິໄສ, ປິ່ນປົວ ແລະ ຄຸ້ມຄອງເບິ່ງແຍງສຸຂະພາບ. ເທັກໂນໂລຢີ AI ເຊັ່ນ ການຮຽນຮູ້ຂອງ Deep Learning, ການປະມວນຜົນພາສາ (NLP) ແລະ ການວິເຄາະຂໍ້ມູນຂະໜາດໃຫຍ່ (Big Data Analytics) ກໍາລັງຖືກນໍາໃຊ້ເພື່ອປັບປຸງຄວາມຖືກຕ້ອງຂອງການວິນິໄສ, ເພີ່ມປະສິດທິພາບການປິ່ນປົວ ແລະ ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍດ້ານການຮັກສາສຸຂະພາບ.
ການເບິ່ງເຫັນຂອງຄອມພິວເຕີ (Computer Vision) ຫຼື ວິໄສທັດຂອງຄອມພິວເຕີ (ຫຼືມີຄຳແປອື່ນທີ່ສອດຄ່ອງກວ່ານີ້ ແນະນຳມາໄດ້ເດີ) ແມ່ນສາຂາຍ່ອຍໜຶ່ງຂອງປັນຍາປະດິດ (AI) ທີ່ເນັ້ນໃສ່ການເຮັດໃຫ້ຄອມພິວເຕີສາມາດ "ເບິ່ງເຫັນ" ແລະ ເຂົ້າໃຈໂລກທາງກາຍະພາບເໝືອນກັບຄົນ. ລວມເອົາການພັດທະນາວິທີການ ແລະ ອັນກໍລິທຶມເພື່ອໃຫ້ລະບົບຄອມພິວເຕີສາມາດລະບຸ, ຈຳແນກ ແລະ ວິເຄາະວັດຖຸ, ຮູບແບບ ແລະ ສີໃນຮູບພາບ ແລະ ວິດີໂອໄດ້. ການເບິ່ງເຫັນຂອງຄອມພິວເຕີນຳໃຊ້ເຕັກນິກຕ່າງໆເຊັ່ນ ການປະມວນຜົນຮູບພາບ (Image processing), ການຮັບຮູ້ຮູບແບບ, ການຮຽນຮູ້ແບບ Deep Learning ແລະ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning) ເພື່ອສະກັດຂໍ້ມູນທີ່ເປັນປະໂຫຍດຈາກຮູບພາບດິຈິຕອນ.
ການປະມວນຜົນພາສາ (NLP) ແມ່ນສາຂາຍ່ອຍໜຶ່ງຂອງປັນຍາປະດິດ (AI) ທີ່ເນັ້ນໃສ່ການໂຕ້ຕອບລະຫວ່າງຄອມພິວເຕີ ແລະ ພາສາມະນຸດ. ມັນລວມເອົາການພັດທະນາເຕັກນິກ ແລະ ອັນກໍລິທຶມເພື່ອໃຫ້ຄອມພິວເຕີສາມາດເຂົ້າໃຈ, ວິເຄາະ ແລະ ສ້າງພາສາໄດ້. ເປົ້າໝາຍຫຼັກຂອງ NLP ແມ່ນເພື່ອເຮັດໃຫ້ການສື່ສານລະຫວ່າງມະນຸດ ແລະ ຄອມພິວເຕີເປັນໄປຢ່າງທຳມະຊາດຄືກັບຄົນລົມກັນໃຫ້ຫຼາຍຂຶ້ນ.
Deep Learning ແມ່ນສາຂາໜຶ່ງຂອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning) ທີ່ໄດ້ຮັບແຮງບັນດານໃຈມາຈາກໂຄງສ້າງ ແລະ ການເຮັດວຽກຂອງສະໝອງມະນຸດ. ເຊິ່ງນຳໃຊ້ເຄືອຂ່າຍປະສາດ (Neural Networks) ທີ່ມີຫຼາຍຊັ້ນເພື່ອສະກັດຄຸນລັກສະນະ (Feature Extraction) ຂັ້ນສູງຈາກຂໍ້ມູນດິບ (Raw data). ວິທີການນີ້ປະສົບຜົນສຳເລັດຢ່າງສູງໃນການແກ້ໄຂບັນຫາທີ່ຊັບຊ້ອນ ເຊັ່ນ ການຈຳແນກຮູບພາບ ແລະ ການປະມວນຜົນພາສາ (Natural Language Processing - NLP).
ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning) ແມ່ນສາຂາຍ່ອຍໜຶ່ງຂອງປັນຍາປະດິດ (AI) ທີ່ເນັ້ນໃສ່ການພັດທະນາອັນກໍລິທຶມທີ່ສາມາດຮຽນຮູ້ ແລະ ປັບປຸງຕົນເອງໄດ້ຈາກຂໍ້ມູນ, ໂດຍບໍ່ຈຳເປັນຕ້ອງຂຽນໂປຣແກຣມໃຫ້ເຮັດວຽກແບບມີຂັ້ນຕອນລະອຽດ. ເຄື່ອງຈັກທີ່ຖືກຝຶກດ້ວຍເຕັກນິກການຮຽນຮູ້ແບບ Machine Learning ສາມາດຄົ້ນພົບຮູບແບບ ແລະ ຄວາມສໍາພັນໃນຂໍ້ມູນເພື່ອສ້າງການຄາດຄະເນທີ່ຖືກຕ້ອງຫຼືຕັດສິນໃຈທີ່ເໝາະສົມ.
ປັນຍາປະດິດ (AI) ສາມາດແບ່ງອອກໄດ້ເປັນ 3 ປະເພດຫຼັກຕາມລະດັບຄວາມສາມາດ ແລະ ຄວາມຄ້າຍຄືກັບສະຕິປັນຍາຂອງມະນຸດ. ເຊິ່ງປະກອບດ້ວຍ:
ສະບາຍດີທຸກທ່ານ ກັບມາແລ້ວກັບບົດຄວາມກ່ຽວກັບປັນຍາປະດິດສຳລັບພາສາລາວ. ບົດຄວາມນີ້ຈະເປັນບົດຄວາມເລີ່ມຕົ້ນທີ່ຈະກ້າວເຂົ້າສູ່ການທຳຄວາມຮູ້ຈັກກັບປັນຍາປະດິດກັນແລ້ວ.
ສະບາຍດີທຸກຄົນ ຂ້າພະເຈົ້າຊື່ ສະຫວາດ ໄຊປະດິດ ເປັນຜູ້ທີ່ສົນໃຈ ແລະ ສຶກສາກ່ຽວກັບປັນຍາປະດິດ (AI - Artificial Intelligence) ມາໄດ້ໄລຍະໜຶ່ງ ກໍ່ເລີຍຢາກມາແບ່ງປັນຄວາມຮູ້ດ້ານນີ້ໃຫ້ທຸກຄົນໄດ້ຮູ້ນຳກັນ.