ຜ່ານການເບິ່ງແກ້ວ: ສຳ ລັບການພັດທະນາເຕັກໂນໂລຢີທີ່ໃຫຍ່ທີ່ສຸດ, ເຕັກໂນໂລຍີທີ່ເຕີບໃຫຍ່ແລະກ້າວ ໜ້າ ທາງດ້ານເຕັກໂນໂລຢີກໍ່ຍິ່ງຈະເຂົ້າໃຈງ່າຍຂຶ້ນ. ແຕ່ຫນ້າເສຍດາຍ, ກົງກັນຂ້າມເບິ່ງຄືວ່າຈະເກີດຂື້ນໃນໂລກຂອງປັນຍາປະດິດຫລື AI. ຮູບພາບທີ່ພວກເຂົາທາສີແມ່ນມີຄວາມສັບສົນຫລາຍຂື້ນຍ້ອນວ່າການຮຽນຮູ້ເຄື່ອງຈັກ, ເຄືອຂ່າຍທາງປະສາດ, ການປັບປຸງຮາດແວແລະການປັບປຸງຊອບແວທີ່ໃຊ້ໃນການຂັບຂີ່ປັນຍາປະດິດສືບຕໍ່ມີການພັດທະນາ.

ໃນລະດັບພື້ນຖານ, ມັນບໍ່ຄ່ອຍຈະແຈ້ງກ່ຽວກັບສິ່ງທີ່ AI ສາມາດເຮັດໄດ້ແລະບໍ່ສາມາດເຮັດຕົວຈິງ, ໂດຍສະເພາະໃນປັດຈຸບັນ. ແມ່ນແລ້ວ, ມີການຄາດເດົາຢ່າງຫຼວງຫຼາຍກ່ຽວກັບສິ່ງທີ່ເຕັກໂນໂລຢີທີ່ຂັບເຄື່ອນດ້ວຍ AI ສາມາດເຮັດໄດ້ໃນທີ່ສຸດ, ແຕ່ມີບາງສິ່ງທີ່ພວກເຮົາເຊື່ອວ່າພວກເຂົາສາມາດເຮັດໄດ້ໃນປັດຈຸບັນແລະຫັນອອກມາເປັນ "ເວດມົນ" ໜ້ອຍ ກ່ວາທີ່ພວກມັນປະກົດຂຶ້ນມາກ່ອນ.

ຍົກຕົວຢ່າງ, ໃນກໍລະນີຂອງຜູ້ຊ່ວຍດິຈິຕອນທີ່ເວົ້າ, ມີຫຼາຍໆເລື່ອງໄດ້ຖືກຂຽນກ່ຽວກັບວິທີການຮັບຮູ້ຄວາມສະຫຼາດຮອບຕົວຜູ້ຊ່ວຍສ່ວນບຸກຄົນເຊັ່ນ Alexa ແລະ Google Assistant ໄດ້ສຸມໃສ່ສິ່ງຕ່າງໆຫຼາຍຂື້ນເຊັ່ນ: ສາຂາທີ່ຜະລິດໂດຍມະນຸດຈາກການຄາດຄະເນຫຼັງຈາກຟັງ. ຫລາຍພັນຊົ່ວໂມງຂອງບັນທຶກສ່ວນຕົວ.

ມັນບໍ່ຍາກທີ່ຈະເຫັນວ່າ ຄຳ ສັນຍາເດີມບາງຢ່າງຂອງປັນຍາປະດິດບໍ່ພຽງແຕ່ບໍ່ໄດ້ເຮັດຕາມຄວາມຄາດຫວັງ.

ເວົ້າອີກຢ່າງ ໜຶ່ງ, ຜູ້ຄົນໄດ້ວິເຄາະການສົນທະນາແບບ ທຳ ມະດາໂດຍອີງໃສ່ບັນທຶກເຫລົ່ານີ້, ໄດ້ ກຳ ນົດຂັ້ນຕອນທີ່ເປັນໄປໄດ້ໃນການສົນທະນາ, ແລະຈາກນັ້ນສ້າງສາຂາທີ່ມີເຫດຜົນທີ່ຊັບຊ້ອນໂດຍອີງໃສ່ການວິເຄາະນີ້. ໃນຂະນະທີ່ຂ້າພະເຈົ້າແນ່ນອນຮູ້ສຶກວ່າມັນເປັນຕົວແທນໃຫ້ແກ່ການວິເຄາະທີ່ມີຄວາມເຄົາລົບສູງແລະການຄາດຄະເນເປີເຊັນທີ່ຮູ້ຈັກໂດຍການປະຕິບັດການຮຽນຮູ້ຂອງເຄື່ອງຈັກກ່ອນ ໜ້າ ນີ້, ມັນແມ່ນ ເໝາະ ສົມກັບ“ ຄວາມສະຫຼາດ” ທີ່ເຂົ້າໃຈແລະຕອບສະ ໜອງ ກັບສິ່ງທີ່ຖືກກ່າວເຖິງ. ມັນຍັງຍົກສູງບາງ ຄຳ ຖາມທີ່ກ່ຽວຂ້ອງກັບຄວາມເປັນສ່ວນຕົວທີ່ຮ້າຍແຮງທີ່ຂ້ອຍເຊື່ອວ່າ ກຳ ລັງເລີ່ມຕົ້ນສົ່ງຜົນກະທົບທາງລົບຕໍ່ອັດຕາການ ນຳ ໃຊ້ຂອງບາງອຸປະກອນເຫຼົ່ານີ້.

ນອກ ເໜືອ ຈາກນັ້ນ, ການຄົ້ນຄ້ວາຫຼ້າສຸດຂອງ IDC ກ່ຽວກັບການສະ ໝັກ ທຸລະກິດຕົວຈິງຂອງ AI ໄດ້ສະແດງອັດຕາການລົ້ມເຫຼວສູງເຖິງ 50% ໃນບາງບໍລິສັດທີ່ສະ ໝັກ AI ໃນທຸລະກິດຂອງພວກເຂົາ. ໃນຂະນະທີ່ມີຫລາຍປັດໄຈທີ່ເປັນໄປໄດ້, ມັນບໍ່ຍາກທີ່ຈະເຫັນບາງ ຄຳ ສັນຍາເດີມຂອງ AI ບໍ່ຕອບສະ ໜອງ ຄວາມຄາດຫວັງໄດ້ຢ່າງເຕັມທີ່. ແນ່ນອນວ່າສິ່ງດັ່ງກ່າວເກືອບທັງ ໝົດ ເກືອບຈະບໍ່ສາມາດຫຼີກລ່ຽງໄດ້ເນື່ອງຈາກຄວາມຄາດຫວັງທີ່ບໍ່ແນ່ນອນເຊິ່ງເປັນສ່ວນ ໜຶ່ງ ຂອງເຕັກໂນໂລຢີ hyper ດັ່ງກ່າວໃນລະດັບສູງ.




ການໂຕ້ວາທີໃນຕອນຕົ້ນໆກ່ຽວກັບສິ່ງທີ່ປັນຍາປະດິດສາມາດເຮັດໄດ້ ໝາຍ ເຖິງລະດັບຄວາມຄ່ອງແຄ້ວແລະຄວາມສາມາດທີ່ເກີນຄວາມຈິງທີ່ເປັນໄປໄດ້ໃນເວລານັ້ນ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ມີບາງແອບພິເຄຊັນທີ່ ໜ້າ ປະທັບໃຈໃນສະຖານທີ່ເຮັດວຽກທີ່ປາກົດໃຫ້ເຫັນເຖິງຈຸດປະສົງທາງປັນຍາທົ່ວໄປ. ເອກະສານຕົວຢ່າງລະບົບດີ AlphaGoຍົກຕົວຢ່າງ, ລາວສາມາດເອົາຊະນະແມ້ກະທັ້ງຜູ້ຫຼິ້ນທີ່ດີທີ່ສຸດໃນໂລກໃນຍຸດທະສາດທີ່ມີຫຼາຍຮູບແບບທີ່ມີຄວາມຊັບຊ້ອນແລະມີຫຼາຍຊັ້ນທີ່ ຈຳ ເປັນຕ້ອງໄດ້ຮັບໄຊຊະນະໃນເກມອາຊີບູຮານທີ່ເອີ້ນວ່າ Go, ເຊິ່ງເຮັດໃຫ້ຄວາມຮູ້ສຶກວ່າຄວາມກ້າວ ໜ້າ ຂອງ AI ມາຮອດຢ່າງຖືກຕ້ອງ.



ເຊັ່ນດຽວກັນ, ໃນອາທິດນີ້ເທົ່ານັ້ນ, Microsoft ໄດ້ສັນຍາວ່າ $ 1 ຕື້ໂດລາໃຫ້ກັບການເລີ່ມຕົ້ນທີ່ເອີ້ນວ່າ OpenAI LP ໃນຄວາມພະຍາຍາມທີ່ຈະສ້າງລະບົບປັນຍາປະດິດທົ່ວໄປທີ່ດີຂື້ນ. ນີ້ບໍ່ແມ່ນສິ່ງທີ່ບໍລິສັດທີ່ຄ້າຍຄືກັບ Microsoft ໃຊ້ເວລາເບົາບາງ, ແຕ່ນີ້ແມ່ນ ຄຳ ເວົ້າທີ່ ໜັກ ແໜ້ນ ກ່ຽວກັບຄວາມໄວທີ່ໄດ້ຮັບຮູ້ໃນຄວາມກ້າວ ໜ້າ ໃນການ ນຳ ໃຊ້ AI ທີ່ມີຈຸດປະສົງທົ່ວໄປ.

ບັນຫາແມ່ນວ່າ ກຳ ລັງເຫຼົ່ານີ້ເບິ່ງຄືວ່າຂັດແຍ້ງກັນ, ຕໍ່ຕ້ານແລະຕໍ່ກັບຄວາມກ້າວ ໜ້າ ທີ່ "ມີຄວາມຫຼົງໄຫຼ" ໃນ AI, ຫຼາຍຄົນ - ລວມທັງຕົວຂ້ອຍເອງ - ຍັງບໍ່ຊັດເຈນວ່າສະຖານະການຂອງ AI ໃນປະຈຸບັນແມ່ນຫຍັງ. ຍອມຮັບຢ່າງຈິງ, ຂ້ອຍ ກຳ ລັງເບິ່ງຂ້າມບາງຢ່າງ. ມີຄວາມພະຍາຍາມໃນການຂັບຂີ່ AI ແລະຫລາກຫລາຍຢ່າງທີ່ຈະເຂົ້າໄປໃນຄວາມພະຍາຍາມເຫລົ່ານັ້ນ, ດັ່ງນັ້ນມັນບໍ່ມີເຫດຜົນທີ່ຈະຄາດຫວັງເຫດຜົນງ່າຍໆທີ່ເຮັດໃຫ້ບາງໂປແກຼມ AI ເບິ່ງຄືວ່າມັນປະສົບຜົນ ສຳ ເລັດ, ຊອກຫາໄດ້ຫລາຍ, ແລະເປັນຫຍັງບາງສ່ວນກໍ່ ໜ້ອຍ ຫລາຍ (ຫຼືຢ່າງຫນ້ອຍຫຼາຍ "ກ້າວຫນ້າ" ກ່ວາມັນໄດ້ປະກົດຕົວຄັ້ງທໍາອິດ). ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນບໍ່ງ່າຍທີ່ຈະເວົ້າວ່າປະສົບຜົນ ສຳ ເລັດໃນການສຶກສາໃນຊ່ວງຕົ້ນໆຂອງ AI ຫຼາຍປານໃດ, ຫຼືວ່າພວກເຮົາມີຄວາມສົງໄສຫຼາຍປານໃດທີ່ພວກເຮົາຄວນມີຫຼາຍກວ່າ ຄຳ ສັນຍາທີ່ໄດ້ເຮັດໄວ້.




ສິ່ງທີ່ ໜ້າ ສົນໃຈ, ບັນຫາດັ່ງກ່າວຍັງຂະຫຍາຍໄປສູ່ການປະຕິບັດການໃຊ້ Hardware ໃນຊ່ວງຕົ້ນໆຂອງຄວາມສາມາດຂອງ AI ແລະຄຸນລັກສະນະຕ່າງໆທີ່ພວກມັນສະ ໜອງ ໃຫ້. ຍົກຕົວຢ່າງ, ເກືອບທຸກລຸ້ນໂທລະສັບສະມາດໂຟນທີ່ປ່ອຍອອກມາພາຍໃນ ໜຶ່ງ ປີຫລືສອງປີ, ມີຊິລິໂຄນ AI ພິເສດບາງຢ່າງເພື່ອເລັ່ງຄວາມໄວຕ່າງໆເຊັ່ນການຮັບຮູ້ໃບ ໜ້າ ໃນອຸປະກອນຫຼືພື້ນຖານຂອງຮູບຖ່າຍຄອມພິວເຕີ້ອື່ນໆທີ່ຊ່ວຍໃຫ້ຮູບພາບຂອງທ່ານດີຂື້ນ. ເພີ່ມຜົນກະທົບ bokeh ຈາກເລນກ້ອງດຽວ, ແລະອື່ນໆ)



ສ່ວນທີ່ສັບສົນຢູ່ນີ້ແມ່ນວ່າຄວາມພ້ອມຂອງຄຸນລັກສະນະເຫຼົ່ານີ້ແມ່ນບໍ່ປົກກະຕິແລ້ວບໍ່ວ່າໂທລະສັບຂອງທ່ານຈະລວມເອົາຊິບເຊັດ Qualcomm Snapdragon 835 ຫລືໂປເຊດເຊີລຸ້ນ ໃໝ່ ກວ່າຫລື Apple A11 ຫລືຊິບເຊັດ ໃໝ່ ກວ່າເກົ່າ, ແຕ່ວ່າລຸ້ນ Android ຫລື iOS ກຳ ລັງໃຊ້ງານຫຍັງ. ໂທລະສັບທີ່ບໍ່ມີເຄື່ອງເລັ່ງເລັ່ງ AI ຍັງຄົງສະ ເໜີ ການເຮັດວຽກແບບດຽວກັນ (ໃນກໍລະນີສ່ວນໃຫຍ່) ຖ້າໃຊ້ລຸ້ນ ໃໝ່ ຂອງ Android ແລະ iOS, ແຕ່ວ່າວຽກງານແມ່ນ CPU, GPU ຫຼື SoC ຂອງໂທລະສັບ (ລະບົບຢູ່ເທິງຊິບ). ດ້ານທິດສະດີ, ຖ້າວຽກງານຕ່າງໆທີ່ອຸທິດໃຫ້ກັບຮາດແວເລັ່ງເລັ່ງຂອງ AI, ວຽກງານຈະຖືກປະຕິບັດໄດ້ໄວກ່ວາເກົ່າ, ມີປະສິດທິພາບຫລາຍກ່ວາເກົ່າ, ຫລືມີຄຸນນະພາບດີກ່ວາເກົ່າເມື່ອເວົ້າເຖິງພາບ, ແຕ່ວ່າຄວາມແຕກຕ່າງໃນປະຈຸບັນແມ່ນຍັງນ້ອຍຫຼາຍແລະ ສຳ ຄັນກວ່ານັ້ນແມ່ນອີງໃສ່ຫຼາຍ ກ່ຽວກັບຊອບແວແລະການຕິດຕໍ່ພົວພັນຊັ້ນຊອບແວ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ເຖິງແມ່ນວ່າໂທລະສັບທີ່ບໍ່ມີການເລັ່ງລະດັບ AI ທີ່ເປັນເຈົ້າຂອງລະດັບ Silicon ກໍ່ສາມາດໃຊ້ປະໂຫຍດຈາກຄຸນລັກສະນະເຫຼົ່ານີ້.

ນີ້ແມ່ນຕົ້ນຕໍຍ້ອນຊັ້ນຊອບແວທີ່ມີຄວາມຊັບຊ້ອນສູງທີ່ຕ້ອງການຂຽນໂປແກຼມ AI (ຫລືຄຸນລັກສະນະຕ່າງໆ). ສິ່ງທີ່ບໍ່ແປກປະຫລາດ, ການຂຽນລະຫັດ ສຳ ລັບ AI ແມ່ນສິ່ງທ້າທາຍຫຼາຍ ສຳ ລັບຄົນສ່ວນໃຫຍ່, ສະນັ້ນບໍລິສັດໄດ້ພັດທະນາຊອບແວຫລາຍປະເພດທີ່ບໍ່ມີຕົວຕົນອອກຈາກຮາດແວ (ໝາຍ ຄວາມວ່າໄລຍະຫ່າງຫລາຍກວ່າລະຫວ່າງລະຫັດທີ່ຂຽນແລະ ຄຳ ແນະ ນຳ ສະເພາະທີ່ປະຕິບັດໂດຍຊິລິໂຄນພາຍໃນອຸປະກອນ ). ຊັ້ນທົ່ວໄປທີ່ສຸດ ສຳ ລັບນັກຂຽນໂປແກຼມ AI ໃນການຂຽນແມ່ນກອບຕ່າງໆ (ຕົວຢ່າງ: TensorFlow, Caffe, Torch, Theano, ແລະອື່ນໆ) ແຕ່ລະກອບເຫຼົ່ານີ້ສະ ໜອງ ໂຄງສ້າງແລະ ຄຳ ສັ່ງຫລື ໜ້າ ທີ່ທີ່ແຕກຕ່າງກັນຫຼາຍສະນັ້ນທ່ານສາມາດຂຽນຊອບແວທີ່ທ່ານຕ້ອງການຂຽນ. ໃນທາງກົງກັນຂ້າມ, ເຟຣມສົນທະນາກັບລະບົບປະຕິບັດການແລະແປ ຄຳ ສັ່ງ ສຳ ລັບຮາດແວໂດຍບໍ່ ຄຳ ນຶງເຖິງສິ່ງທີ່ເກີດຂື້ນໃນອຸປະກອນ.




ທາງທິດສະດີ, ມັນຈະມີປະສິດທິພາບຫຼາຍກວ່າທີ່ຈະຂຽນໂດຍກົງໃສ່ຊິລິໂຄນ (ມັກຈະຖືກເອີ້ນວ່າ "ໂລຫະ") ແລະຈະບໍ່ສູນເສຍປະໂຫຍດດ້ານການປະຕິບັດໃດໆໃນຊັ້ນການແປພາສາຕ່າງໆທີ່ຄວນຈະເກີດຂື້ນໃນຕອນນີ້. ເຖິງຢ່າງໃດກໍ່ຕາມ, ມີຄົນ ຈຳ ນວນ ໜ້ອຍ ທີ່ມີຄວາມສາມາດຂຽນລະຫັດ AI ໂດຍກົງໃສ່ໂລຫະ. ດ້ວຍເຫດນີ້, ປະຈຸບັນພວກເຮົາມີສະພາບແວດລ້ອມການພັດທະນາທີ່ສັບສົນ ສຳ ລັບການ ນຳ ໃຊ້ AI, ເຮັດໃຫ້ມັນຍາກຍິ່ງທີ່ຈະເຂົ້າໃຈວ່າການ ນຳ ໃຊ້ເຫຼົ່ານີ້ມີຄວາມກ້າວ ໜ້າ ແນວໃດ.

ໃນທີ່ສຸດ, ບໍ່ຕ້ອງສົງໃສວ່າ AI ຈະມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ວິທີທີ່ພວກເຮົາໃຊ້ເກືອບທັງ ໝົດ ຂອງອຸປະກອນຄອມພີວເຕີ້ຂອງພວກເຮົາໃນປະຈຸບັນແລະອຸປະກອນສະຫມາດທີ່ກວ້າງຂວາງຈາກລົດໄປຍັງເຄື່ອງໃຊ້ໃນເຮືອນແລະອື່ນໆ. ຍັງຈະມາເຖິງ. ໃນໄລຍະສັ້ນ, ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນຍັງເບິ່ງຄືວ່າຍັງມີວິທີການ ໜຶ່ງ ທີ່ກ້າວ ໜ້າ ສຳ ລັບຄວາມກ້າວ ໜ້າ ທີ່ພວກເຮົາຫວັງວ່າຈະປະກົດຕົວໃນໄວໆນີ້.

ຜູ້ກໍ່ຕັ້ງແລະນັກວິເຄາະຫົວ ໜ້າ Bob O’Donnell ການຄົ້ນຄວ້າເຕັກໂນໂລຢີ, LLC ບໍລິສັດໃຫ້ ຄຳ ປຶກສາດ້ານເຕັກໂນໂລຢີແລະການຄົ້ນຄວ້າຕະຫຼາດ. ທ່ານສາມາດຕິດຕາມລາວໃນ Twitter . ບົດຂຽນນີ້ແມ່ນດັ້ງເດີມ ເທັກໂນໂລຢີ.