អ្នកជំនាញផ្នែក AI ពី Google បានបង្ហាញ Debug ប្រព័ន្ធ Machine Learning ដែលមានបញ្ហាប្រឈមមុខជាច្រើន

Descriptions

     ពីមុនការបង្កើត Software ជាប្រព័ន្ធដែលធ្វើការក្នុងលក្ខណះជា Logic ជាគោល ហើយអាចបង្កើតប្រព័ន្ធ Test ដើម្បីមកបញ្ជាក់ភាពត្រឹមត្រូវក្នុងការប្រើប្រាស់ software បានព្រោះជាការបង្កើត software ដែលយើងបានដឹងនៃលិទ្ធផលហើយថាយើងត្រូវការវា ហើយមានឧបករណ៍ផ្សេងៗសម្រាប់ជួយក្នុងការបង្កើតវាផងដែរ

     អ្វីដែលផ្ទុយពីគ្នា ប្រព័ន្ទ Machine Learning នោះមានភាពជា Black Box ខ្ពស់ជាងព្រោះការអភិវឌ្ឍប្រព័ន្ធ Machine Learning ដើម្បីបង្កើតប្រព័ន្ធឬសមីការសម្រាប់ការវិភាគភាពប្រហែលរបស់ទិន្នន័យមួយកន្លែងទៀត ធ្វើឲ្យការពិនិត្យភាពត្រឹមត្រូវនៃការធ្វើការលក្ខណះដើមៗ ដែលមិនអាចប្រើការបាននោះទេ

      ក្រៅពីនេះមានបញ្ហាជាច្រើន ដែល  Machine Learning ព្យាយាមកែតម្រូវនោះគឺ ជាបញ្ហាដែលមនុស្សក៏មិនអាចផ្ដល់ចម្លើយឲ្យបានត្រង់គ្នាផងដែរ ដូចជាប្រព័ន្ធសម្រាប់ការវិភាគពណ៌របស់សម្លៀកបំពាក់ យើងធ្លាប់ឃើញបញ្ហានេះមកហើយដូចនៅក្នុងឧទាហរណ៏ខាងក្រោម http://www.cbsnews.com/news/blue-black-white-gold-dress-color-debate-goes-viral/ ឬពេលខ្លះមនុស្សក៏មិនអាចដឹងបញ្ហាមួយចំនួនខ្លះៗដូចគ្នាដែរ ដូច្នោះបញ្ហាទាំងអស់នេះការពិនិត្យថា  Machine Learning ធ្វើការបានមិនត្រឹមត្រូវឬក៏អត់នោះក្លាយជាបញ្ហាដែលពិបាកបំផុត
ហើយក្នុងការបង្កើតប្រព័ន្ធ  Machine Learning ណាខ្លះឡើងមក ការកើតបញ្ហា  Bug ឡើងមកតែមួយកន្លែងក៏មានផលប៉ះពាល់ដល់ការវិភាគទិន្នន័យទាំងអស់នាពេលដែលកំពុងកែតម្រូវ  Software គ្រាន់តែមួយកន្លែង ក៏មានផលប៉ះពាល់ក្នុងការវិភាគទិន្នន័យដូចគ្នា ទោះបីជាបច្ចុប្បន្នមានវិធីសាស្រ្តជាច្រើនក្នុងការកែតម្រូវក៏ដោយយើងនៅតែមិនទាន់មានវិធីសាស្ត្រក្នុងការកែបញ្ហាចំពោះតែមួយកន្លែងដែលមានបញ្ហាជាមួយនឹងប្រព័ន្ធ  Machine Learning

ទាំងនេះក្រុមហ៊ុន  Google ក៏កំពុងតែមានការអភិវឌ្ឍនឹងស្វែងរកវិធីសាស្រ្តនិងឧបករណ៍ផ្សេងៗ ឡើងមកដើម្បីកែបញ្ហាទាំងនេះ តែបញ្ហានេះក៏នៅតែជាបញ្ហាដ៏ធំសម្រាប់ Google ផងដែរហើយត្រូវចំណាយពេលវេលាយូរទៀតក្នងការអភិវឌ្ឍបន្ត
Machine Learning បានទទួលការពេញនិយមយ៉ាងខ្ពស់ព្រោះវាជាវិធីមួយក្នុងការបង្កើត ស៊ូលូសិនសម្រាប់ការកែបញ្ហាច្រើនប្រភេទដែលអាចធ្វើបានលឿនជាការបង្កើតកម្មវិធីដោយប្រើបច្ចេកទេសដែលមានពីមុនមក មិនថាជាប្រព័ន្ធ  Recognition ឬ  Classification ក៏ដោយ