AI មាននៅគ្រប់ទីកន្លែង ប៉ុន្តែពេលខ្លះវាអាចពិបាកក្នុងការយល់វាក្យស័ព្ទ និងវាចា។ នៅក្នុងការបង្ហោះប្លក់នេះ យើងពន្យល់ពាក្យ និងនិយមន័យ AI ជាង 50 ដូច្នេះអ្នកអាចយល់បានកាន់តែច្រើនអំពីបច្ចេកវិទ្យាដែលកំពុងរីកចម្រើនយ៉ាងឆាប់រហ័សនេះ។
មិនថាអ្នកជាអ្នកចាប់ផ្តើមដំបូង ឬអ្នកជំនាញនោះទេ យើងភ្នាល់ថាមានលក្ខខណ្ឌមួយចំនួននៅទីនេះដែលអ្នកមិនដឹង!
1 សិប្បនិម្មិតវៃឆ្លាត
បញ្ញាសិប្បនិម្មិត (AI) សំដៅលើការអភិវឌ្ឍន៍ប្រព័ន្ធកុំព្យូទ័រដែលមានសមត្ថភាពរៀន និងដំណើរការដោយឯករាជ្យ ជាញឹកញាប់ដោយត្រាប់តាមបញ្ញារបស់មនុស្ស។
ប្រព័ន្ធទាំងនេះវិភាគទិន្នន័យ ស្គាល់គំរូ ធ្វើការសម្រេចចិត្ត និងសម្របឥរិយាបថរបស់ពួកគេដោយផ្អែកលើបទពិសោធន៍។ តាមរយៈការប្រើប្រាស់ក្បួនដោះស្រាយ និងម៉ូដែល AI មានគោលបំណងបង្កើតម៉ាស៊ីនឆ្លាតវៃដែលមានសមត្ថភាពយល់ដឹង និងយល់ដឹងពីជុំវិញខ្លួន។
គោលដៅចុងក្រោយគឺដើម្បីឱ្យម៉ាស៊ីនអាចអនុវត្តការងារប្រកបដោយប្រសិទ្ធភាព រៀនពីទិន្នន័យ និងបង្ហាញសមត្ថភាពយល់ដឹងស្រដៀងនឹងមនុស្ស។
2 ។ ក្បួនដោះស្រាយ
ក្បួនដោះស្រាយគឺជាសំណុំនៃការណែនាំ ឬច្បាប់ជាប្រព័ន្ធច្បាស់លាស់ និងជាប្រព័ន្ធដែលណែនាំដំណើរការនៃការដោះស្រាយបញ្ហា ឬសម្រេចកិច្ចការជាក់លាក់ណាមួយ។
វាបម្រើជាគោលគំនិតជាមូលដ្ឋាននៅក្នុងដែនផ្សេងៗ និងដើរតួយ៉ាងសំខាន់ក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រ គណិតវិទ្យា និងវិញ្ញាសាដោះស្រាយបញ្ហា។ ការយល់ដឹងអំពីក្បួនដោះស្រាយគឺមានសារៈសំខាន់ ដោយសារពួកវាអាចឱ្យវិធីសាស្រ្តដោះស្រាយបញ្ហាប្រកបដោយប្រសិទ្ធភាព និងរចនាសម្ព័ន្ធ ជំរុញឱ្យមានការជឿនលឿនក្នុងបច្ចេកវិទ្យា និងដំណើរការធ្វើការសម្រេចចិត្ត។
3. ទិន្នន័យធំ
ទិន្នន័យធំសំដៅទៅលើសំណុំទិន្នន័យធំ និងស្មុគស្មាញខ្លាំង ដែលលើសពីសមត្ថភាពនៃវិធីសាស្ត្រវិភាគបែបប្រពៃណី។ ជាធម្មតាសំណុំទិន្នន័យទាំងនេះត្រូវបានកំណត់លក្ខណៈដោយកម្រិតសំឡេង ល្បឿន និងប្រភេទរបស់វា។
បរិមាណសំដៅទៅលើចំនួនដ៏ធំនៃទិន្នន័យដែលបានបង្កើតពីប្រភពផ្សេងៗដូចជា ប្រព័ន្ធផ្សព្វផ្សាយសង្គមឧបករណ៍ចាប់សញ្ញា និងប្រតិបត្តិការ។
Velocity សំដៅលើល្បឿនខ្ពស់ដែលទិន្នន័យត្រូវបានបង្កើត ហើយត្រូវការដំណើរការក្នុងពេលជាក់ស្តែង ឬជិតពេលវេលាជាក់ស្តែង។ Variety បង្ហាញពីប្រភេទ និងទម្រង់ចម្រុះនៃទិន្នន័យ រួមទាំងទិន្នន័យដែលមានរចនាសម្ព័ន្ធ គ្មានរចនាសម្ព័ន្ធ និងពាក់កណ្តាលរចនាសម្ព័ន្ធ។
៣.១.១ ។ ទិន្នន័យរ៉ែ
ការជីកយករ៉ែទិន្នន័យគឺជាដំណើរការដ៏ទូលំទូលាយមួយដែលមានគោលបំណងទាញយកការយល់ដឹងដ៏មានតម្លៃពីសំណុំទិន្នន័យដ៏ធំ។
វារួមបញ្ចូលដំណាក់កាលសំខាន់ៗចំនួនបួន៖ ការប្រមូលទិន្នន័យ ពាក់ព័ន្ធនឹងការប្រមូលទិន្នន័យដែលពាក់ព័ន្ធ។ ការរៀបចំទិន្នន័យ ធានាគុណភាពទិន្នន័យ និងភាពឆបគ្នា; ការជីកយករ៉ែទិន្នន័យ ប្រើក្បួនដោះស្រាយដើម្បីស្វែងរកគំរូ និងទំនាក់ទំនង។ និងការវិភាគទិន្នន័យ និងការបកស្រាយ ដែលចំណេះដឹងដែលបានដកស្រង់ត្រូវបានពិនិត្យ និងយល់។
5. បណ្តាញសរសៃប្រសាទ
ប្រព័ន្ធកុំព្យូទ័រត្រូវបានរចនាឡើងដើម្បីដំណើរការដូច ខួរក្បាលរបស់មនុស្សផ្សំឡើងដោយថ្នាំង ឬណឺរ៉ូនដែលទាក់ទងគ្នាទៅវិញទៅមក។ ចូរយើងយល់ពីរឿងនេះបន្តិច ព្រោះ AI ភាគច្រើនគឺផ្អែកលើ បណ្តាញសរសៃប្រសាទ.
នៅក្នុងក្រាហ្វិកខាងលើ យើងកំពុងទស្សន៍ទាយពីសំណើម និងសីតុណ្ហភាពនៃទីតាំងភូមិសាស្រ្តមួយ ដោយសិក្សាពីគំរូអតីតកាល។ ធាតុបញ្ចូលគឺជាសំណុំទិន្នន័យសម្រាប់កំណត់ត្រាអតីតកាល។
នេះ បណ្តាញសរសៃប្រសាទរៀន លំនាំដោយការលេងជាមួយនឹងទម្ងន់ និងអនុវត្តតម្លៃលំអៀងនៅក្នុងស្រទាប់លាក់។ W1, W2….W7 គឺជាទម្ងន់រៀងៗខ្លួន។ វាហ្វឹកហាត់ខ្លួនវានៅលើសំណុំទិន្នន័យដែលបានផ្តល់ និងផ្តល់លទ្ធផលជាការព្យាករណ៍។
អ្នកប្រហែលជាត្រូវបានគ្របដណ្ដប់ដោយព័ត៌មានដ៏ស្មុគស្មាញនេះ។ ប្រសិនបើនេះជាករណី អ្នកអាចចាប់ផ្តើមជាមួយនឹងការណែនាំដ៏សាមញ្ញរបស់យើង។ នៅទីនេះ.
រៀនម៉ាស៊ីន
ការរៀនម៉ាស៊ីនផ្តោតលើការបង្កើតក្បួនដោះស្រាយ និងគំរូដែលមានសមត្ថភាពរៀនដោយស្វ័យប្រវត្តិពីទិន្នន័យ និងកែលម្អដំណើរការរបស់ពួកគេតាមពេលវេលា។
វាពាក់ព័ន្ធនឹងការប្រើប្រាស់បច្ចេកទេសស្ថិតិ ដើម្បីឱ្យកុំព្យូទ័រអាចកំណត់អត្តសញ្ញាណគំរូ ធ្វើការទស្សន៍ទាយ និងធ្វើការសម្រេចចិត្តពីទិន្នន័យដោយមិនចាំបាច់មានកម្មវិធីច្បាស់លាស់។
ក្បួនដោះស្រាយការរៀនម៉ាស៊ីន វិភាគ និងរៀនពីសំណុំទិន្នន័យធំៗ ដែលអនុញ្ញាតឱ្យប្រព័ន្ធសម្របខ្លួន និងកែលម្អឥរិយាបថរបស់ពួកគេដោយផ្អែកលើព័ត៌មានដែលពួកគេដំណើរការ។
ការសិក្សាស៊ីជម្រៅ
ការរៀនសូត្រជ្រៅដែលជាផ្នែករងនៃការរៀនម៉ាស៊ីន និងបណ្តាញសរសៃប្រសាទ ប្រើប្រាស់ក្បួនដោះស្រាយដ៏ទំនើបដើម្បីទទួលបានចំណេះដឹងពីទិន្នន័យដោយក្លែងធ្វើដំណើរការដ៏ស្មុគស្មាញនៃខួរក្បាលមនុស្ស។
តាមរយៈការប្រើប្រាស់បណ្តាញសរសៃប្រសាទជាមួយនឹងស្រទាប់លាក់កំបាំងជាច្រើន គំរូសិក្សាស៊ីជម្រៅអាចទាញយកលក្ខណៈពិសេស និងលំនាំស្មុគស្មាញដោយស្វយ័ត ដែលអាចឱ្យពួកគេដោះស្រាយកិច្ចការស្មុគស្មាញដោយភាពត្រឹមត្រូវ និងប្រសិទ្ធភាពពិសេស។
8. ការទទួលស្គាល់លំនាំ
ការទទួលស្គាល់លំនាំ ដែលជាបច្ចេកទេសវិភាគទិន្នន័យ ប្រើប្រាស់ថាមពលនៃក្បួនដោះស្រាយការរៀនម៉ាស៊ីន ដើម្បីស្វែងរកដោយស្វ័យប្រវត្តិ និងស្វែងយល់ពីគំរូ និងភាពទៀងទាត់នៅក្នុងសំណុំទិន្នន័យ។
តាមរយៈការប្រើប្រាស់គំរូគណនា និងវិធីសាស្ត្រស្ថិតិ ក្បួនដោះស្រាយការទទួលស្គាល់លំនាំអាចកំណត់អត្តសញ្ញាណរចនាសម្ព័ន្ធដែលមានអត្ថន័យ ទំនាក់ទំនង និងនិន្នាការនៃទិន្នន័យស្មុគស្មាញ និងចម្រុះ។
ដំណើរការនេះអនុញ្ញាតឱ្យទាញយកការយល់ដឹងដ៏មានតម្លៃ ការបែងចែកទិន្នន័យទៅជាប្រភេទផ្សេងគ្នា និងការព្យាករណ៍អំពីលទ្ធផលនាពេលអនាគតដោយផ្អែកលើគំរូដែលបានទទួលស្គាល់។ ការទទួលស្គាល់លំនាំគឺជាឧបករណ៍ដ៏សំខាន់មួយនៅទូទាំងដែនផ្សេងៗ ការផ្តល់សិទ្ធិអំណាចដល់ការសម្រេចចិត្ត ការរកឃើញភាពមិនប្រក្រតី និងការធ្វើគំរូទស្សន៍ទាយ។
ជីវមាត្រគឺជាឧទាហរណ៍មួយនៃរឿងនេះ។ ជាឧទាហរណ៍ ក្នុងការសម្គាល់ស្នាមម្រាមដៃ ក្បួនដោះស្រាយវិភាគលើគែម ខ្សែកោង និងលក្ខណៈពិសេសប្លែកៗនៃស្នាមម្រាមដៃរបស់មនុស្សដើម្បីបង្កើតតំណាងឌីជីថលហៅថាគំរូ។
នៅពេលអ្នកព្យាយាមដោះសោស្មាតហ្វូនរបស់អ្នក ឬចូលទៅកាន់កន្លែងសុវត្ថិភាព ប្រព័ន្ធសម្គាល់លំនាំប្រៀបធៀបទិន្នន័យជីវមាត្រដែលបានចាប់យក (ឧទាហរណ៍ ស្នាមម្រាមដៃ) ជាមួយនឹងគំរូដែលបានរក្សាទុកនៅក្នុងមូលដ្ឋានទិន្នន័យរបស់វា។
ដោយការផ្គូផ្គងគំរូ និងការវាយតម្លៃកម្រិតនៃភាពស្រដៀងគ្នា ប្រព័ន្ធអាចកំណត់ថាតើទិន្នន័យជីវមាត្រដែលបានផ្តល់ត្រូវគ្នានឹងគំរូដែលបានរក្សាទុក និងផ្តល់សិទ្ធិចូលប្រើប្រាស់តាមនោះ។
9. ការរៀនសូត្រដែលត្រូវបានត្រួតពិនិត្យ
ការរៀនតាមការត្រួតពិនិត្យគឺជាវិធីសាស្រ្តរៀនម៉ាស៊ីនដែលពាក់ព័ន្ធនឹងការបណ្តុះបណ្តាលប្រព័ន្ធកុំព្យូទ័រដោយប្រើទិន្នន័យដែលមានស្លាក។ នៅក្នុងវិធីសាស្រ្តនេះ កុំព្យូទ័រត្រូវបានផ្តល់ជូនជាមួយនឹងសំណុំទិន្នន័យបញ្ចូល រួមជាមួយនឹងស្លាក ឬលទ្ធផលដែលត្រូវគ្នា។
ឧបមាថាអ្នកមានរូបភាពខ្លះជាមួយសត្វឆ្កែ និងខ្លះទៀតជាមួយឆ្មា។
អ្នកប្រាប់កុំព្យូទ័រថារូបភាពណាមានឆ្កែ និងមួយណាមានឆ្មា។ បន្ទាប់មកកុំព្យូទ័ររៀនស្គាល់ភាពខុសគ្នារវាងសត្វឆ្កែ និងឆ្មា ដោយស្វែងរកគំរូនៅក្នុងរូបភាព។
បន្ទាប់ពីវារៀន អ្នកអាចផ្តល់ឱ្យកុំព្យូទ័រនូវរូបភាពថ្មី ហើយវានឹងព្យាយាមរកមើលថាតើពួកគេមានឆ្កែ ឬឆ្មា ដោយផ្អែកលើអ្វីដែលវាបានរៀនពីឧទាហរណ៍ដែលមានស្លាក។ វាដូចជាការបណ្តុះបណ្តាលកុំព្យូទ័រដើម្បីធ្វើការទស្សន៍ទាយដោយប្រើព័ត៌មានដែលគេស្គាល់។
10. ការរៀនដែលគ្មានការត្រួតពិនិត្យ
ការរៀនដោយគ្មានការត្រួតពិនិត្យគឺជាប្រភេទនៃការរៀនម៉ាស៊ីនដែលកុំព្យូទ័ររុករកសំណុំទិន្នន័យដោយខ្លួនឯង ដើម្បីស្វែងរកគំរូ ឬភាពស្រដៀងគ្នាដោយគ្មានការណែនាំជាក់លាក់ណាមួយឡើយ។
វាមិនពឹងលើឧទាហរណ៍ដែលមានស្លាកដូចក្នុងការសិក្សាដែលស្ថិតក្រោមការគ្រប់គ្រងនោះទេ។ ផ្ទុយទៅវិញ វាស្វែងរករចនាសម្ព័ន្ធ ឬក្រុមដែលលាក់នៅក្នុងទិន្នន័យ។ វាដូចជាកុំព្យូទ័រកំពុងរកឃើញរបស់ដោយខ្លួនឯង ដោយមិនមានគ្រូប្រាប់ថាត្រូវរកអ្វីនោះទេ។
ប្រភេទនៃការសិក្សានេះជួយយើងស្វែងរកការយល់ដឹងថ្មី រៀបចំទិន្នន័យ ឬកំណត់អត្តសញ្ញាណរបស់មិនធម្មតាដោយមិនចាំបាច់មានចំណេះដឹងពីមុន ឬការណែនាំច្បាស់លាស់។
11. ដំណើរការភាសាធម្មជាតិ (NLP)
ដំណើរការភាសាធម្មជាតិផ្តោតលើរបៀបដែលកុំព្យូទ័រយល់ និងអន្តរកម្មជាមួយភាសាមនុស្ស។ វាជួយកុំព្យូទ័រវិភាគ បកស្រាយ និងឆ្លើយតបទៅនឹងភាសារបស់មនុស្សតាមរបៀបដែលមានអារម្មណ៍ធម្មជាតិជាងសម្រាប់យើង។
NLP គឺជាអ្វីដែលធ្វើឱ្យវាអាចទៅរួចសម្រាប់យើងក្នុងការទំនាក់ទំនងជាមួយជំនួយការសំឡេង និង chatbots ហើយថែមទាំងមានអ៊ីមែលរបស់យើងត្រូវបានតម្រៀបដោយស្វ័យប្រវត្តិទៅក្នុងថតឯកសារ។
វាពាក់ព័ន្ធនឹងការបង្រៀនកុំព្យូទ័រឱ្យយល់ពីអត្ថន័យនៅពីក្រោយពាក្យ ប្រយោគ និងសូម្បីតែអត្ថបទទាំងមូល ដូច្នេះពួកគេអាចជួយយើងក្នុងកិច្ចការផ្សេងៗ និងធ្វើឱ្យអន្តរកម្មរបស់យើងជាមួយបច្ចេកវិទ្យាកាន់តែរលូន។
12. ចក្ខុវិស័យកុំព្យូទ័រ
ចក្ខុវិស័យរបស់កុំព្យូទ័រ គឺជាបច្ចេកវិទ្យាដ៏គួរឱ្យចាប់អារម្មណ៍ ដែលអនុញ្ញាតឱ្យកុំព្យូទ័រមើលឃើញ និងយល់រូបភាព និងវីដេអូ ដូចមនុស្សយើងធ្វើដោយភ្នែករបស់យើងដែរ។ វាទាំងអស់អំពីការបង្រៀនកុំព្យូទ័រឱ្យវិភាគព័ត៌មានដែលមើលឃើញ និងធ្វើឱ្យយល់អំពីអ្វីដែលពួកគេឃើញ។
និយាយឱ្យសាមញ្ញជាងនេះ ចក្ខុវិស័យកុំព្យូទ័រជួយឱ្យកុំព្យូទ័រស្គាល់ និងបកស្រាយពិភពដែលមើលឃើញ។ វាពាក់ព័ន្ធនឹងភារកិច្ចដូចជាការបង្រៀនពួកគេឱ្យស្គាល់វត្ថុជាក់លាក់នៅក្នុងរូបភាព ចាត់ថ្នាក់រូបភាពទៅជាប្រភេទផ្សេងៗ ឬសូម្បីតែបែងចែករូបភាពទៅជាផ្នែកដែលមានអត្ថន័យ។
ស្រមៃមើលរថយន្តដែលបើកបរដោយខ្លួនឯងដោយប្រើកុំព្យូទ័រដើម្បី "មើល" ផ្លូវ និងអ្វីៗគ្រប់យ៉ាងនៅជុំវិញវា។
វាអាចរកឃើញ និងតាមដានអ្នកថ្មើរជើង ផ្លាកសញ្ញាចរាចរណ៍ និងយានជំនិះផ្សេងទៀត ជួយឱ្យពួកគេធ្វើដំណើរដោយសុវត្ថិភាព។ ឬគិតអំពីរបៀបដែលបច្ចេកវិទ្យាសម្គាល់មុខប្រើចក្ខុវិស័យកុំព្យូទ័រដើម្បីដោះសោស្មាតហ្វូនរបស់យើង ឬផ្ទៀងផ្ទាត់អត្តសញ្ញាណរបស់យើងដោយការសម្គាល់លក្ខណៈផ្ទៃមុខតែមួយគត់របស់យើង។
វាត្រូវបានគេប្រើផងដែរនៅក្នុងប្រព័ន្ធឃ្លាំមើលដើម្បីតាមដានកន្លែងដែលមានមនុស្សច្រើន និងស្វែងរកសកម្មភាពគួរឱ្យសង្ស័យណាមួយ។
ចក្ខុវិស័យកុំព្យូទ័រគឺជាបច្ចេកវិទ្យាដ៏មានអានុភាពដែលបើកពិភពលោកនៃលទ្ធភាព។ តាមរយៈការបើកឱ្យកុំព្យូទ័រមើលឃើញ និងយល់ព័ត៌មានដែលមើលឃើញ យើងអាចបង្កើតកម្មវិធី និងប្រព័ន្ធដែលអាចយល់ឃើញ និងបកស្រាយអំពីពិភពលោកជុំវិញយើង ធ្វើឱ្យជីវិតរបស់យើងកាន់តែងាយស្រួល សុវត្ថិភាព និងមានប្រសិទ្ធភាពជាងមុន។
13. ឆាតប៊ឺក
chatbot គឺដូចជាកម្មវិធីកុំព្យូទ័រដែលអាចនិយាយទៅកាន់មនុស្សតាមរបៀបដែលហាក់ដូចជាការសន្ទនារបស់មនុស្សពិត។
វាត្រូវបានគេប្រើជាញឹកញាប់នៅក្នុងសេវាកម្មអតិថិជនតាមអ៊ីនធឺណិត ដើម្បីជួយអតិថិជន និងធ្វើឱ្យពួកគេមានអារម្មណ៍ថាពួកគេកំពុងនិយាយជាមួយមនុស្សម្នាក់ ទោះបីជាការពិតវាគឺជាកម្មវិធីដែលដំណើរការលើកុំព្យូទ័រក៏ដោយ។
chatbot អាចយល់ និងឆ្លើយតបទៅនឹងសារ ឬសំណួរពីអតិថិជន ដោយផ្តល់នូវព័ត៌មាន និងជំនួយដ៏មានប្រយោជន៍ ដូចអ្នកតំណាងផ្នែកសេវាកម្មអតិថិជនរបស់មនុស្សដែរ។
14. ការទទួលស្គាល់សំឡេង
ការទទួលស្គាល់សំឡេងសំដៅលើសមត្ថភាពនៃប្រព័ន្ធកុំព្យូទ័រក្នុងការយល់ និងបកស្រាយការនិយាយរបស់មនុស្ស។ វាពាក់ព័ន្ធនឹងបច្ចេកវិទ្យាដែលអាចឱ្យកុំព្យូទ័រ ឬឧបករណ៍ "ស្តាប់" ពាក្យនិយាយ និងបំប្លែងវាទៅជាអត្ថបទ ឬពាក្យបញ្ជាដែលវាអាចយល់បាន។
ជាមួយ ការស្គាល់សំលេងអ្នកអាចធ្វើអន្តរកម្មជាមួយឧបករណ៍ ឬកម្មវិធីដោយគ្រាន់តែនិយាយទៅកាន់ពួកគេ ជំនួសឱ្យការវាយបញ្ចូល ឬប្រើវិធីសាស្ត្របញ្ចូលផ្សេងទៀត។
ប្រព័ន្ធវិភាគពាក្យដែលនិយាយ ស្គាល់លំនាំ និងសំឡេង ហើយបន្ទាប់មកបកប្រែវាទៅជាអត្ថបទ ឬសកម្មភាពដែលអាចយល់បាន។ វាអនុញ្ញាតឱ្យមានការប្រាស្រ័យទាក់ទងដោយមិនប្រើដៃ និងធម្មជាតិជាមួយបច្ចេកវិទ្យា ធ្វើឱ្យកិច្ចការដូចជាការបញ្ជាដោយសំឡេង ការសរសេរតាមអាន ឬអន្តរកម្មដែលគ្រប់គ្រងដោយសំឡេងអាចធ្វើទៅបាន។ ឧទាហរណ៍ទូទៅបំផុតគឺជំនួយការ AI ដូចជា Siri និង Google Assistant ។
15. ការវិភាគមនោសញ្ចេតនា
ការវិភាគមនោសញ្ចេតនា គឺជាបច្ចេកទេសមួយដែលប្រើដើម្បីយល់ និងបកស្រាយអារម្មណ៍ គំនិត និងអាកប្បកិរិយាដែលបានបង្ហាញក្នុងអត្ថបទ ឬការនិយាយ។ វាពាក់ព័ន្ធនឹងការវិភាគភាសាសរសេរ ឬនិយាយ ដើម្បីកំណត់ថាតើអារម្មណ៍ដែលបានបង្ហាញគឺវិជ្ជមាន អវិជ្ជមាន ឬអព្យាក្រឹត។
ដោយប្រើក្បួនដោះស្រាយការរៀនម៉ាស៊ីន ក្បួនដោះស្រាយការវិភាគអារម្មណ៍អាចស្កេន និងវិភាគទិន្នន័យអត្ថបទមួយចំនួនធំ ដូចជាការពិនិត្យអតិថិជន ការបង្ហោះប្រព័ន្ធផ្សព្វផ្សាយសង្គម ឬមតិកែលម្អរបស់អតិថិជន ដើម្បីកំណត់ពីអារម្មណ៍ដែលនៅពីក្រោយពាក្យ។
ក្បួនដោះស្រាយស្វែងរកពាក្យ ឃ្លា ឬគំរូជាក់លាក់ដែលបង្ហាញពីអារម្មណ៍ ឬគំនិត។
ការវិភាគនេះជួយឱ្យអាជីវកម្ម ឬបុគ្គលយល់អំពីអារម្មណ៍របស់មនុស្សចំពោះផលិតផល សេវាកម្ម ឬប្រធានបទ ហើយអាចត្រូវបានប្រើដើម្បីធ្វើការសម្រេចចិត្តដែលផ្អែកលើទិន្នន័យ ឬទទួលបានការយល់ដឹងអំពីចំណូលចិត្តរបស់អតិថិជន។
ឧទាហរណ៍ ក្រុមហ៊ុនមួយអាចប្រើការវិភាគមនោសញ្ចេតនា ដើម្បីតាមដានការពេញចិត្តរបស់អតិថិជន កំណត់តំបន់សម្រាប់ការកែលម្អ ឬតាមដានមតិសាធារណៈអំពីម៉ាករបស់ពួកគេ។
16. ការបកប្រែម៉ាស៊ីន
ការបកប្រែដោយម៉ាស៊ីន នៅក្នុងបរិបទនៃ AI សំដៅលើការប្រើប្រាស់ក្បួនដោះស្រាយកុំព្យូទ័រ និងបញ្ញាសិប្បនិម្មិត ដើម្បីបកប្រែអត្ថបទ ឬសុន្ទរកថាពីភាសាមួយទៅភាសាមួយទៀតដោយស្វ័យប្រវត្តិ។
វាពាក់ព័ន្ធនឹងការបង្រៀនកុំព្យូទ័រឱ្យយល់ និងដំណើរការភាសារបស់មនុស្ស ដើម្បីផ្តល់នូវការបកប្រែត្រឹមត្រូវ។ ឧទាហរណ៍ទូទៅបំផុតគឺ ហ្គូហ្គលបកប្រែ។
ជាមួយនឹងការបកប្រែដោយម៉ាស៊ីន អ្នកអាចបញ្ចូលអត្ថបទ ឬការនិយាយជាភាសាមួយ ហើយប្រព័ន្ធនឹងវិភាគការបញ្ចូល និងបង្កើតការបកប្រែដែលត្រូវគ្នាជាភាសាមួយផ្សេងទៀត។ វាមានប្រយោជន៍ជាពិសេសនៅពេលទំនាក់ទំនង ឬចូលប្រើព័ត៌មានតាមភាសាផ្សេងៗ។
ប្រព័ន្ធបកប្រែម៉ាស៊ីនពឹងផ្អែកលើការរួមបញ្ចូលគ្នានៃច្បាប់ភាសា គំរូស្ថិតិ និងក្បួនដោះស្រាយការរៀនម៉ាស៊ីន។ ពួកគេរៀនពីទិន្នន័យភាសាជាច្រើន ដើម្បីកែលម្អភាពត្រឹមត្រូវនៃការបកប្រែតាមពេលវេលា។ វិធីសាស្រ្តបកប្រែតាមម៉ាស៊ីនមួយចំនួនក៏រួមបញ្ចូលបណ្តាញសរសៃប្រសាទផងដែរ ដើម្បីបង្កើនគុណភាពនៃការបកប្រែ។
17. រ៉ូបូត
មនុស្សយន្តគឺជាការរួមបញ្ចូលគ្នានៃបញ្ញាសិប្បនិម្មិត និងវិស្វកម្មមេកានិច ដើម្បីបង្កើតម៉ាស៊ីនឆ្លាតវៃហៅថាមនុស្សយន្ត។ មនុស្សយន្តទាំងនេះត្រូវបានរចនាឡើងដើម្បីបំពេញភារកិច្ចដោយស្វ័យភាព ឬដោយមានអន្តរាគមន៍ពីមនុស្សតិចតួចបំផុត។
មនុស្សយន្តគឺជាអង្គភាពរាងកាយដែលអាចដឹងពីបរិយាកាសរបស់ពួកគេ ធ្វើការសម្រេចចិត្តដោយផ្អែកលើការបញ្ចូលញ្ញាណនោះ និងអនុវត្តសកម្មភាព ឬកិច្ចការជាក់លាក់។
ពួកគេត្រូវបានបំពាក់ដោយឧបករណ៍ចាប់សញ្ញាផ្សេងៗ ដូចជាកាមេរ៉ា មីក្រូហ្វូន ឬឧបករណ៍ចាប់សញ្ញាប៉ះ ដែលអនុញ្ញាតឱ្យពួកគេប្រមូលព័ត៌មានពីពិភពលោកជុំវិញពួកគេ។ ដោយមានជំនួយពី AI algorithms និងការសរសេរកម្មវិធី មនុស្សយន្តអាចវិភាគទិន្នន័យនេះ បកស្រាយវា និងធ្វើការសម្រេចចិត្តប្រកបដោយភាពវៃឆ្លាត ដើម្បីបំពេញកិច្ចការដែលបានកំណត់របស់ពួកគេ។
AI ដើរតួនាទីយ៉ាងសំខាន់ក្នុងផ្នែកមនុស្សយន្ត ដោយធ្វើឱ្យមនុស្សយន្តអាចរៀនពីបទពិសោធន៍របស់ពួកគេ និងសម្របខ្លួនទៅនឹងស្ថានភាពផ្សេងៗ។
ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនអាចត្រូវបានប្រើដើម្បីបណ្តុះបណ្តាលមនុស្សយន្តឱ្យស្គាល់វត្ថុ រុករកបរិស្ថាន ឬសូម្បីតែទំនាក់ទំនងជាមួយមនុស្ស។ នេះអនុញ្ញាតឱ្យមនុស្សយន្តកាន់តែមានភាពបត់បែន បត់បែន និងមានសមត្ថភាពគ្រប់គ្រងកិច្ចការស្មុគស្មាញ។
18 ។ ដាច់អយស្ម័យយាន
Drones គឺជាប្រភេទមនុស្សយន្ត ដែលអាចហោះ ឬហើរលើអាកាស ដោយមិនចាំបាច់មានអ្នកបើកយន្តហោះ។ ពួកគេត្រូវបានគេស្គាល់ផងដែរថាជាយានអវកាសគ្មានមនុស្សបើក (UAVs) ។ យន្តហោះគ្មានមនុស្សបើកត្រូវបានបំពាក់ដោយឧបករណ៍ចាប់សញ្ញាផ្សេងៗដូចជា កាមេរ៉ា GPS និង gyroscopes ដែលអនុញ្ញាតឱ្យពួកគេប្រមូលទិន្នន័យ និងរុករកជុំវិញខ្លួនរបស់ពួកគេ។
ពួកវាត្រូវបានគ្រប់គ្រងពីចម្ងាយដោយប្រតិបត្តិករមនុស្ស ឬអាចដំណើរការដោយស្វ័យភាពដោយប្រើការណែនាំដែលបានរៀបចំទុកជាមុន។
យន្តហោះគ្មានមនុស្សបើកបម្រើគោលបំណងជាច្រើន រួមទាំងការថតរូបពីលើអាកាស និងការថតវីដេអូ ការស្ទង់មតិ និងការធ្វើផែនទី សេវាកម្មដឹកជញ្ជូន បេសកកម្មស្វែងរក និងជួយសង្គ្រោះ ការត្រួតពិនិត្យវិស័យកសិកម្ម និងសូម្បីតែការប្រើប្រាស់កម្សាន្ត។ ពួកគេអាចចូលទៅកាន់តំបន់ដាច់ស្រយាល ឬគ្រោះថ្នាក់ដែលពិបាក ឬគ្រោះថ្នាក់សម្រាប់មនុស្ស។
19. Augmented Reality (AR)
Augmented reality (AR) គឺជាបច្ចេកវិទ្យាមួយដែលរួមបញ្ចូលគ្នារវាងពិភពពិតជាមួយនឹងវត្ថុនិម្មិត ឬព័ត៌មាន ដើម្បីបង្កើនការយល់ឃើញ និងអន្តរកម្មរបស់យើងជាមួយបរិស្ថាន។ វាត្រួតលើរូបភាព សំឡេង ឬការបញ្ចូលអារម្មណ៍ផ្សេងទៀតដែលបង្កើតដោយកុំព្យូទ័រទៅលើពិភពពិត បង្កើតបទពិសោធន៍ដ៏អស្ចារ្យ និងអន្តរកម្ម។
និយាយឱ្យសាមញ្ញ ស្រមៃថាពាក់វ៉ែនតាពិសេស ឬប្រើស្មាតហ្វូនរបស់អ្នកដើម្បីមើលពិភពលោកជុំវិញអ្នក ប៉ុន្តែជាមួយនឹងការបន្ថែមធាតុនិម្មិតបន្ថែម។
ជាឧទាហរណ៍ អ្នកអាចចង្អុលស្មាតហ្វូនរបស់អ្នកនៅផ្លូវក្នុងទីក្រុង ហើយឃើញស្លាកសញ្ញានិម្មិតដែលបង្ហាញពីទិសដៅ ការវាយតម្លៃ និងការវាយតម្លៃសម្រាប់ភោជនីយដ្ឋាននៅក្បែរនោះ ឬសូម្បីតែតួអក្សរនិម្មិតដែលធ្វើអន្តរកម្មជាមួយបរិយាកាសពិត។
ធាតុនិម្មិតទាំងនេះរួមបញ្ចូលគ្នាយ៉ាងរលូនជាមួយនឹងពិភពពិត បង្កើនការយល់ដឹង និងបទពិសោធន៍របស់អ្នកជុំវិញជុំវិញ។ ការពិតបន្ថែមអាចប្រើក្នុងវិស័យផ្សេងៗដូចជាហ្គេម ការអប់រំ ស្ថាបត្យកម្ម និងសូម្បីតែសម្រាប់កិច្ចការប្រចាំថ្ងៃដូចជាការរុករក ឬសាកល្បងគ្រឿងសង្ហារឹមថ្មីនៅក្នុងផ្ទះរបស់អ្នកមុនពេលទិញវា។
20. ការពិតនិម្មិត (VR)
ការពិតនិម្មិត (VR) គឺជាបច្ចេកវិទ្យាដែលប្រើការក្លែងធ្វើដែលបង្កើតដោយកុំព្យូទ័រដើម្បីបង្កើតបរិយាកាសសិប្បនិម្មិតដែលមនុស្សម្នាក់អាចរុករក និងធ្វើអន្តរកម្មជាមួយ។ វាធ្វើឱ្យអ្នកប្រើប្រាស់ចូលទៅក្នុងពិភពនិម្មិត រារាំងពិភពពិត និងជំនួសវាដោយអាណាចក្រឌីជីថល។
និយាយឱ្យសាមញ្ញ ស្រមៃថាដាក់កាសពិសេសដែលគ្របភ្នែក និងត្រចៀករបស់អ្នក ហើយដឹកអ្នកទៅកន្លែងផ្សេងទាំងស្រុង។ នៅក្នុងពិភពនិម្មិតនេះ អ្វីគ្រប់យ៉ាងដែលអ្នកឃើញ និងឮមានអារម្មណ៍ថាពិតជាមិនគួរឱ្យជឿ ទោះបីជាវាទាំងអស់ត្រូវបានបង្កើតដោយកុំព្យូទ័រក៏ដោយ។
អ្នកអាចផ្លាស់ទីជុំវិញ រកមើលក្នុងទិសដៅណាមួយ និងធ្វើអន្តរកម្មជាមួយវត្ថុ ឬតួអង្គដូចជាមានវត្តមានរាងកាយ។
ជាឧទាហរណ៍ នៅក្នុងហ្គេមការពិតនិម្មិត អ្នកអាចនឹងឃើញខ្លួនអ្នកនៅក្នុងប្រាសាទមជ្ឈិមសម័យ ដែលអ្នកអាចដើរកាត់ច្រករបៀងរបស់វា រើសអាវុធ និងចូលរួមក្នុងការប្រយុទ្ធដាវជាមួយគូប្រជែងនិម្មិត។ បរិយាកាសនៃការពិតនិម្មិតឆ្លើយតបទៅនឹងចលនា និងសកម្មភាពរបស់អ្នក ធ្វើឱ្យអ្នកមានអារម្មណ៍ជ្រួតជ្រាបយ៉ាងពេញលេញ និងចូលរួមក្នុងបទពិសោធន៍នេះ។
ការពិតនិម្មិតមិនត្រឹមតែត្រូវបានប្រើប្រាស់សម្រាប់ការលេងហ្គេមប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងសម្រាប់កម្មវិធីផ្សេងៗដូចជា ការហ្វឹកហាត់សាកល្បងសម្រាប់អ្នកបើកយន្តហោះ គ្រូពេទ្យវះកាត់ ឬបុគ្គលិកយោធា ការដើរឆ្លងកាត់ស្ថាបត្យកម្ម ទេសចរណ៍និម្មិត និងសូម្បីតែការព្យាបាលសម្រាប់លក្ខខណ្ឌផ្លូវចិត្តមួយចំនួន។ វាបង្កើតអារម្មណ៍នៃវត្តមាន និងបញ្ជូនអ្នកប្រើប្រាស់ទៅកាន់ពិភពនិម្មិតថ្មី និងគួរឱ្យរំភើប ធ្វើឱ្យបទពិសោធន៍មានអារម្មណ៍ជិតស្និទ្ធនឹងការពិតតាមដែលអាចធ្វើទៅបាន។
21. វិទ្យាសាស្ត្រទិន្នន័យ
វិទ្យាសាស្រ្តទិន្នន័យ គឺជាវិស័យមួយដែលពាក់ព័ន្ធនឹងការប្រើប្រាស់វិធីសាស្រ្តវិទ្យាសាស្រ្ត ឧបករណ៍ និងក្បួនដោះស្រាយដើម្បីទាញយកចំណេះដឹង និងការយល់ដឹងដ៏មានតម្លៃពីទិន្នន័យ។ វារួមបញ្ចូលគ្នានូវធាតុនៃគណិតវិទ្យា ស្ថិតិ ការសរសេរកម្មវិធី និងជំនាញដែនដើម្បីវិភាគសំណុំទិន្នន័យធំ និងស្មុគស្មាញ។
នៅក្នុងពាក្យសាមញ្ញជាងនេះ វិទ្យាសាស្ត្រទិន្នន័យគឺអំពីការស្វែងរកព័ត៌មានដែលមានអត្ថន័យ និងគំរូដែលលាក់នៅក្នុងក្រុមនៃទិន្នន័យ។ វាពាក់ព័ន្ធនឹងការប្រមូល សម្អាត និងរៀបចំទិន្នន័យ បន្ទាប់មកប្រើប្រាស់បច្ចេកទេសផ្សេងៗដើម្បីរុករក និងវិភាគវា។ អ្នកវិទ្យាសាស្ត្រទិន្នន័យ ប្រើគំរូស្ថិតិ និងក្បួនដោះស្រាយដើម្បីបង្ហាញនិន្នាការ ធ្វើការព្យាករណ៍ និងដោះស្រាយបញ្ហា។
ឧទាហរណ៍ ក្នុងវិស័យថែទាំសុខភាព វិទ្យាសាស្ត្រទិន្នន័យអាចត្រូវបានប្រើដើម្បីវិភាគកំណត់ត្រាអ្នកជំងឺ និងទិន្នន័យវេជ្ជសាស្រ្តដើម្បីកំណត់កត្តាហានិភ័យសម្រាប់ជំងឺ ទស្សន៍ទាយលទ្ធផលអ្នកជំងឺ ឬបង្កើនប្រសិទ្ធភាពផែនការព្យាបាល។ នៅក្នុងអាជីវកម្ម វិទ្យាសាស្ត្រទិន្នន័យអាចត្រូវបានអនុវត្តចំពោះទិន្នន័យអតិថិជន ដើម្បីស្វែងយល់ពីចំណូលចិត្តរបស់ពួកគេ ណែនាំផលិតផល ឬកែលម្អយុទ្ធសាស្ត្រទីផ្សារ។
22. ជម្លោះទិន្នន័យ
Data wrangling ត្រូវបានគេស្គាល់ផងដែរថាជា data munging គឺជាដំណើរការនៃការប្រមូលផ្តុំ សម្អាត និងបំប្លែងទិន្នន័យឆៅទៅជាទម្រង់ដែលមានប្រយោជន៍ និងសមរម្យសម្រាប់ការវិភាគ។ វាពាក់ព័ន្ធនឹងការគ្រប់គ្រង និងរៀបចំទិន្នន័យ ដើម្បីធានាបាននូវគុណភាព ភាពស៊ីសង្វាក់គ្នា និងភាពឆបគ្នាជាមួយនឹងឧបករណ៍វិភាគ ឬគំរូ។
នៅក្នុងពាក្យសាមញ្ញ ការឈ្លោះប្រកែកគ្នាទិន្នន័យគឺដូចជាការរៀបចំគ្រឿងផ្សំសម្រាប់ចម្អិនអាហារ។ វាពាក់ព័ន្ធនឹងការប្រមូលទិន្នន័យពីប្រភពផ្សេងៗគ្នា តម្រៀបវាចេញ និងសម្អាតវាដើម្បីលុបកំហុស ភាពមិនស៊ីសង្វាក់ ឬព័ត៌មានដែលមិនពាក់ព័ន្ធ។
លើសពីនេះ ទិន្នន័យអាចនឹងត្រូវផ្លាស់ប្តូរ រៀបចំរចនាសម្ព័ន្ធឡើងវិញ ឬប្រមូលផ្តុំដើម្បីធ្វើឱ្យវាកាន់តែងាយស្រួលក្នុងការធ្វើការជាមួយ និងទាញយកការយល់ដឹងពី។
ឧទាហរណ៍ ការឈ្លោះប្រកែកគ្នាទិន្នន័យអាចពាក់ព័ន្ធនឹងការលុបធាតុស្ទួន ការកែអក្ខរាវិរុទ្ធ ឬបញ្ហាទម្រង់ ការគ្រប់គ្រងតម្លៃដែលបាត់ និងការបំប្លែងប្រភេទទិន្នន័យ។ វាក៏អាចរួមបញ្ចូលផងដែរនូវការរួមបញ្ចូលគ្នា ឬភ្ជាប់សំណុំទិន្នន័យផ្សេងៗគ្នាជាមួយគ្នា បំបែកទិន្នន័យទៅជាសំណុំរង ឬបង្កើតអថេរថ្មីដោយផ្អែកលើទិន្នន័យដែលមានស្រាប់។
23. ការនិទានរឿងទិន្នន័យ
ការនិទានរឿងទិន្នន័យ គឺជាសិល្បៈនៃការបង្ហាញទិន្នន័យក្នុងវិធីទាក់ទាញ និងទាក់ទាញ ដើម្បីទំនាក់ទំនងប្រកបដោយប្រសិទ្ធភាពនូវនិទានរឿង ឬសារ។ វាពាក់ព័ន្ធនឹងការប្រើប្រាស់ ការមើលឃើញទិន្នន័យនិទានរឿង និងបរិបទដើម្បីបញ្ជូនការយល់ដឹង និងការរកឃើញក្នុងលក្ខណៈដែលអាចយល់បាន និងអាចបំភ្លេចបានដល់ទស្សនិកជន។
នៅក្នុងពាក្យសាមញ្ញជាង ការនិទានរឿងទិន្នន័យគឺអំពីការប្រើប្រាស់ទិន្នន័យដើម្បីប្រាប់រឿងមួយ។ វាហួសពីការបង្ហាញពីលេខ និងតារាង។ វាពាក់ព័ន្ធនឹងការបង្កើតការនិទានរឿងជុំវិញទិន្នន័យ ដោយប្រើធាតុដែលមើលឃើញ និងបច្ចេកទេសនិទានរឿង ដើម្បីនាំយកទិន្នន័យមកជីវិត និងធ្វើឱ្យវាទាក់ទងជាមួយទស្សនិកជន។
ជាឧទាហរណ៍ ជំនួសឱ្យការគ្រាន់តែបង្ហាញតារាងនៃតួលេខលក់ ការនិទានរឿងទិន្នន័យអាចពាក់ព័ន្ធនឹងការបង្កើតផ្ទាំងគ្រប់គ្រងអន្តរកម្ម ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ស្វែងយល់ពីនិន្នាការលក់ដោយមើលឃើញ។
វាអាចរួមបញ្ចូលការនិទានរឿងដែលរំលេចការរកឃើញសំខាន់ៗ ពន្យល់ពីហេតុផលនៅពីក្រោយនិន្នាការ និងណែនាំអនុសាសន៍ដែលអាចអនុវត្តបានដោយផ្អែកលើទិន្នន័យ។
24. ការសម្រេចចិត្តដែលជំរុញដោយទិន្នន័យ
ការសម្រេចចិត្តដែលជំរុញដោយទិន្នន័យ គឺជាដំណើរការនៃការសម្រេចចិត្ត ឬធ្វើសកម្មភាពដោយផ្អែកលើការវិភាគ និងការបកស្រាយទិន្នន័យដែលពាក់ព័ន្ធ។ វាពាក់ព័ន្ធនឹងការប្រើប្រាស់ទិន្នន័យជាមូលដ្ឋានគ្រឹះដើម្បីណែនាំ និងគាំទ្រដល់ដំណើរការធ្វើការសម្រេចចិត្ត ជាជាងការពឹងផ្អែកតែលើវិចារណញាណ ឬការវិនិច្ឆ័យផ្ទាល់ខ្លួន។
នៅក្នុងពាក្យសាមញ្ញជាង ការសម្រេចចិត្តដែលជំរុញដោយទិន្នន័យមានន័យថា ការប្រើប្រាស់អង្គហេតុ និងភស្តុតាងពីទិន្នន័យ ដើម្បីជូនដំណឹង និងណែនាំជម្រើសដែលយើងធ្វើ។ វាពាក់ព័ន្ធនឹងការប្រមូល និងវិភាគទិន្នន័យ ដើម្បីយល់អំពីលំនាំ និន្នាការ និងទំនាក់ទំនង និងការប្រើប្រាស់ចំណេះដឹងនោះដើម្បីធ្វើការសម្រេចចិត្តប្រកបដោយការយល់ដឹង និងដោះស្រាយបញ្ហា។
ជាឧទាហរណ៍ នៅក្នុងការកំណត់អាជីវកម្ម ការសម្រេចចិត្តដែលផ្អែកលើទិន្នន័យអាចពាក់ព័ន្ធនឹងការវិភាគទិន្នន័យការលក់ មតិកែលម្អរបស់អតិថិជន និងនិន្នាការទីផ្សារដើម្បីកំណត់យុទ្ធសាស្ត្រកំណត់តម្លៃដ៏មានប្រសិទ្ធភាពបំផុត ឬកំណត់តំបន់សម្រាប់ការកែលម្អក្នុងការអភិវឌ្ឍន៍ផលិតផល។
ក្នុងការថែទាំសុខភាព វាអាចពាក់ព័ន្ធនឹងការវិភាគទិន្នន័យអ្នកជំងឺ ដើម្បីបង្កើនប្រសិទ្ធភាពផែនការព្យាបាល ឬព្យាករណ៍លទ្ធផលជំងឺ។
25. បឹងទិន្នន័យ
បឹងទិន្នន័យគឺជាឃ្លាំងទិន្នន័យកណ្តាល និងអាចធ្វើមាត្រដ្ឋានបាន ដែលរក្សាទុកទិន្នន័យយ៉ាងច្រើននៅក្នុងទម្រង់ឆៅ និងមិនទាន់កែច្នៃរបស់វា។ វាត្រូវបានរចនាឡើងដើម្បីផ្ទុកនូវប្រភេទទិន្នន័យ ទ្រង់ទ្រាយ និងរចនាសម្ព័ន្ធជាច្រើនប្រភេទ ដូចជាទិន្នន័យដែលមានរចនាសម្ព័ន្ធ ពាក់កណ្តាលរចនាសម្ព័ន្ធ និងមិនមានរចនាសម្ព័ន្ធ ដោយមិនចាំបាច់ត្រូវការគ្រោងការណ៍ដែលបានកំណត់ជាមុន ឬការផ្លាស់ប្តូរទិន្នន័យ។
ឧទាហរណ៍ ក្រុមហ៊ុនមួយអាចប្រមូល និងរក្សាទុកទិន្នន័យពីប្រភពផ្សេងៗ ដូចជាកំណត់ហេតុគេហទំព័រ ប្រតិបត្តិការអតិថិជន មតិព័ត៌មានប្រព័ន្ធផ្សព្វផ្សាយសង្គម និងឧបករណ៍ IoT នៅក្នុងបឹងទិន្នន័យ។
បន្ទាប់មកទិន្នន័យនេះអាចត្រូវបានប្រើប្រាស់សម្រាប់គោលបំណងផ្សេងៗដូចជា ធ្វើការវិភាគកម្រិតខ្ពស់ ការអនុវត្តក្បួនដោះស្រាយការរៀនម៉ាស៊ីន ឬស្វែងរកគំរូ និងនិន្នាការនៅក្នុងអាកប្បកិរិយារបស់អតិថិជន។
26. ឃ្លាំងទិន្នន័យ
ឃ្លាំងទិន្នន័យគឺជាប្រព័ន្ធមូលដ្ឋានទិន្នន័យឯកទេសដែលត្រូវបានរចនាឡើងជាពិសេសសម្រាប់ការរក្សាទុក រៀបចំ និងវិភាគទិន្នន័យមួយចំនួនធំពីប្រភពផ្សេងៗ។ វាត្រូវបានរៀបចំតាមរបៀបដែលគាំទ្រការទាញយកទិន្នន័យប្រកបដោយប្រសិទ្ធភាព និងសំណួរវិភាគស្មុគស្មាញ។
វាបម្រើជាឃ្លាំងកណ្តាលដែលរួមបញ្ចូលទិន្នន័យពីប្រព័ន្ធប្រតិបត្តិការផ្សេងៗគ្នា ដូចជាមូលដ្ឋានទិន្នន័យប្រតិបត្តិការ ប្រព័ន្ធ CRM និងប្រភពទិន្នន័យផ្សេងទៀតនៅក្នុងស្ថាប័នមួយ។
ទិន្នន័យត្រូវបានបំប្លែង សម្អាត និងផ្ទុកទៅក្នុងឃ្លាំងទិន្នន័យក្នុងទម្រង់រចនាសម្ព័ន្ធដែលធ្វើឲ្យប្រសើរឡើងសម្រាប់គោលបំណងវិភាគ។
៧. ភាពវៃឆ្លាតពាណិជ្ជកម្ម (ប៊ីអាយ)
Business Intelligence សំដៅលើដំណើរការនៃការប្រមូល វិភាគ និងការបង្ហាញទិន្នន័យក្នុងវិធីមួយដែលជួយអាជីវកម្មធ្វើការសម្រេចចិត្តប្រកបដោយការយល់ដឹង និងទទួលបានការយល់ដឹងដ៏មានតម្លៃ។ វាពាក់ព័ន្ធនឹងការប្រើប្រាស់ឧបករណ៍ បច្ចេកវិទ្យា និងបច្ចេកទេសផ្សេងៗដើម្បីបំប្លែងទិន្នន័យឆៅទៅជាព័ត៌មានដែលមានអត្ថន័យ និងអាចធ្វើសកម្មភាពបាន។
ជាឧទាហរណ៍ ប្រព័ន្ធស៊ើបការណ៍អាជីវកម្មអាចវិភាគទិន្នន័យលក់ដើម្បីកំណត់ផលិតផលដែលរកបានប្រាក់ចំណេញច្រើនបំផុត តាមដានកម្រិតសារពើភ័ណ្ឌ និងតាមដានចំណូលចិត្តរបស់អតិថិជន។
វាអាចផ្តល់នូវការយល់ដឹងតាមពេលវេលាជាក់ស្តែងទៅលើសូចនាករការអនុវត្តសំខាន់ៗ (KPIs) ដូចជាប្រាក់ចំណូល ការទិញអតិថិជន ឬដំណើរការផលិតផល ដែលអនុញ្ញាតឱ្យអាជីវកម្មធ្វើការសម្រេចចិត្តដែលផ្អែកលើទិន្នន័យ និងចាត់វិធានការសមស្របដើម្បីកែលម្អប្រតិបត្តិការរបស់ពួកគេ។
ឧបករណ៍ស៊ើបការណ៍ធុរកិច្ច ច្រើនតែរួមបញ្ចូលលក្ខណៈពិសេសដូចជា ការមើលឃើញទិន្នន័យ ការសួរដេញដោល និងសមត្ថភាពរុករកទិន្នន័យ។ ឧបករណ៍ទាំងនេះអនុញ្ញាតឱ្យអ្នកប្រើដូចជា អ្នកវិភាគអាជីវកម្ម ឬអ្នកគ្រប់គ្រង ដើម្បីធ្វើអន្តរកម្មជាមួយទិន្នន័យ កាត់ និងគ្រាប់ឡុកឡាក់វា ហើយបង្កើតរបាយការណ៍ ឬតំណាងដែលមើលឃើញដែលរំលេចនូវការយល់ដឹង និងនិន្នាការសំខាន់ៗ។
28. ការវិភាគព្យាករណ៍
ការវិភាគទស្សន៍ទាយ គឺជាការអនុវត្តនៃការប្រើប្រាស់ទិន្នន័យ និងបច្ចេកទេសស្ថិតិ ដើម្បីធ្វើការព្យាករណ៍ ឬការព្យាករណ៍អំពីព្រឹត្តិការណ៍ ឬលទ្ធផលនាពេលអនាគត។ វាពាក់ព័ន្ធនឹងការវិភាគទិន្នន័យប្រវត្តិសាស្ត្រ ការកំណត់អត្តសញ្ញាណគំរូ និងការកសាងគំរូ ដើម្បីបូកសរុប និងប៉ាន់ប្រមាណនិន្នាការ អាកប្បកិរិយា ឬការកើតឡើងនាពេលអនាគត។
វាមានគោលបំណងលាតត្រដាងទំនាក់ទំនងរវាងអថេរ និងប្រើប្រាស់ព័ត៌មាននោះដើម្បីធ្វើ ការទស្សន៍ទាយ។ វាហួសពីការពិពណ៌នាអំពីព្រឹត្តិការណ៍អតីតកាល។ ផ្ទុយទៅវិញ វាប្រើប្រាស់ទិន្នន័យប្រវត្តិសាស្ត្រដើម្បីយល់ និងប្រមើលមើលអ្វីដែលទំនងជានឹងកើតឡើងនាពេលអនាគត។
ឧទាហរណ៍ ក្នុងវិស័យហិរញ្ញវត្ថុ ការវិភាគទស្សន៍ទាយអាចប្រើដើម្បីព្យាករណ៍ ភាគហ៊ុន តម្លៃផ្អែកលើទិន្នន័យទីផ្សារប្រវត្តិសាស្រ្ត សូចនាករសេដ្ឋកិច្ច និងកត្តាពាក់ព័ន្ធផ្សេងទៀត។
នៅក្នុងទីផ្សារ វាអាចត្រូវបានជួលដើម្បីទស្សន៍ទាយអាកប្បកិរិយា និងចំណូលចិត្តរបស់អតិថិជន បើកការផ្សាយពាណិជ្ជកម្មតាមគោលដៅ និងយុទ្ធនាការទីផ្សារផ្ទាល់ខ្លួន។
នៅក្នុងការថែទាំសុខភាព ការវិភាគព្យាករណ៍អាចជួយកំណត់អត្តសញ្ញាណអ្នកជំងឺដែលមានហានិភ័យខ្ពស់ចំពោះជំងឺមួយចំនួន ឬព្យាករណ៍ពីលទ្ធភាពនៃការចូលរៀនដោយផ្អែកលើប្រវត្តិវេជ្ជសាស្ត្រ និងកត្តាផ្សេងៗទៀត។
29. ការវិភាគតាមវេជ្ជបញ្ជា
ការវិភាគតាមវេជ្ជបញ្ជាគឺជាកម្មវិធីនៃទិន្នន័យ និងការវិភាគដើម្បីកំណត់សកម្មភាពដែលអាចធ្វើបានល្អបំផុតដើម្បីធ្វើសកម្មភាពក្នុងស្ថានភាពជាក់លាក់មួយ ឬសេណារីយ៉ូធ្វើការសម្រេចចិត្ត។
វាហួសពីការពិពណ៌នានិង វិភាគព្យាករណ៍ ដោយមិនត្រឹមតែផ្តល់នូវការយល់ដឹងអំពីអ្វីដែលអាចនឹងកើតឡើងនាពេលអនាគតប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងណែនាំអំពីដំណើរការដ៏ល្អប្រសើរបំផុតនៃសកម្មភាពដើម្បីសម្រេចបាននូវលទ្ធផលដែលចង់បាន។
វារួមបញ្ចូលគ្នានូវទិន្នន័យប្រវត្តិសាស្ត្រ គំរូព្យាករណ៍ និងបច្ចេកទេសបង្កើនប្រសិទ្ធភាព ដើម្បីក្លែងធ្វើសេណារីយ៉ូផ្សេងៗ និងវាយតម្លៃលទ្ធផលសក្តានុពលនៃការសម្រេចចិត្តផ្សេងៗ។ វាពិចារណាលើឧបសគ្គ គោលបំណង និងកត្តាជាច្រើនដើម្បីបង្កើតអនុសាសន៍ដែលអាចអនុវត្តបាន ដែលបង្កើនលទ្ធផលដែលចង់បាន ឬកាត់បន្ថយហានិភ័យ។
ឧទាហរណ៍នៅក្នុង ខ្សែសង្វាក់ផ្គត់ផ្គង់ ការគ្រប់គ្រង ការវិភាគតាមវេជ្ជបញ្ជាអាចវិភាគទិន្នន័យលើកម្រិតសារពើភ័ណ្ឌ សមត្ថភាពផលិត ថ្លៃដឹកជញ្ជូន និងតម្រូវការអតិថិជនដើម្បីកំណត់ផែនការចែកចាយប្រកបដោយប្រសិទ្ធភាពបំផុត។
វាអាចណែនាំការបែងចែកធនធានដ៏ល្អ ដូចជាទីតាំងស្តុកសារពើភ័ណ្ឌ ឬផ្លូវដឹកជញ្ជូន ដើម្បីកាត់បន្ថយការចំណាយ និងធានាបាននូវការដឹកជញ្ជូនទាន់ពេលវេលា។
30. ទីផ្សារដែលជំរុញដោយទិន្នន័យ
ទីផ្សារដែលជំរុញដោយទិន្នន័យ សំដៅលើការអនុវត្តនៃការប្រើប្រាស់ទិន្នន័យ និងការវិភាគ ដើម្បីជំរុញយុទ្ធសាស្ត្រទីផ្សារ យុទ្ធនាការ និងដំណើរការធ្វើការសម្រេចចិត្ត។
វាពាក់ព័ន្ធនឹងការប្រើប្រាស់ប្រភពទិន្នន័យផ្សេងៗ ដើម្បីទទួលបានការយល់ដឹងអំពីឥរិយាបទ ចំណូលចិត្ត និងនិន្នាការរបស់អតិថិជន និងការប្រើប្រាស់ព័ត៌មាននោះដើម្បីបង្កើនប្រសិទ្ធភាពកិច្ចខិតខំប្រឹងប្រែងទីផ្សារ។
វាផ្តោតលើការប្រមូល និងវិភាគទិន្នន័យពីចំណុចប៉ះជាច្រើនដូចជា អន្តរកម្មគេហទំព័រ ការចូលរួមប្រព័ន្ធផ្សព្វផ្សាយសង្គម ប្រជាសាស្រ្តអតិថិជន ប្រវត្តិការទិញ និងច្រើនទៀត។ បន្ទាប់មកទិន្នន័យនេះត្រូវបានប្រើដើម្បីបង្កើតការយល់ដឹងដ៏ទូលំទូលាយអំពីទស្សនិកជនគោលដៅ ចំណូលចិត្ត និងតម្រូវការរបស់ពួកគេ។
តាមរយៈការប្រើប្រាស់ទិន្នន័យ អ្នកទីផ្សារអាចធ្វើការសម្រេចចិត្តប្រកបដោយការយល់ដឹងទាក់ទងនឹងការបែងចែកអតិថិជន ការកំណត់គោលដៅ និងការកំណត់ផ្ទាល់ខ្លួន។
ពួកគេអាចកំណត់អត្តសញ្ញាណផ្នែកអតិថិជនជាក់លាក់ដែលទំនងជាឆ្លើយតបជាវិជ្ជមានចំពោះយុទ្ធនាការទីផ្សារ និងកែសម្រួលសារ និងការផ្តល់ជូនរបស់ពួកគេស្របតាម។
លើសពីនេះ ទីផ្សារដែលជំរុញដោយទិន្នន័យជួយក្នុងការបង្កើនប្រសិទ្ធភាពបណ្តាញទីផ្សារ កំណត់ល្បាយទីផ្សារដែលមានប្រសិទ្ធភាពបំផុត និងវាស់ស្ទង់ភាពជោគជ័យនៃគំនិតផ្តួចផ្តើមទីផ្សារ។
ជាឧទាហរណ៍ វិធីសាស្រ្តទីផ្សារដែលជំរុញដោយទិន្នន័យអាចពាក់ព័ន្ធនឹងការវិភាគទិន្នន័យរបស់អតិថិជនដើម្បីកំណត់ពីអាកប្បកិរិយានៃការទិញ និងលំនាំចំណូលចិត្ត។ ដោយផ្អែកលើការយល់ដឹងទាំងនេះ អ្នកទីផ្សារអាចបង្កើតយុទ្ធនាការគោលដៅជាមួយនឹងខ្លឹមសារផ្ទាល់ខ្លួន និងការផ្តល់ជូនដែលឆ្លើយតបទៅនឹងផ្នែកអតិថិជនជាក់លាក់។
តាមរយៈការវិភាគជាបន្តបន្ទាប់ និងការបង្កើនប្រសិទ្ធភាព ពួកគេអាចវាស់ស្ទង់ប្រសិទ្ធភាពនៃកិច្ចខិតខំប្រឹងប្រែងទីផ្សាររបស់ពួកគេ និងកែលម្អយុទ្ធសាស្រ្តតាមពេលវេលា។
31. ការគ្រប់គ្រងទិន្នន័យ
ការគ្រប់គ្រងទិន្នន័យគឺជាក្របខ័ណ្ឌ និងសំណុំនៃការអនុវត្តដែលអង្គការអនុវត្តដើម្បីធានាបាននូវការគ្រប់គ្រង ការការពារ និងសុចរិតភាពនៃទិន្នន័យពេញមួយវដ្តជីវិតរបស់វា។ វារួមបញ្ចូលដំណើរការ គោលការណ៍ និងនីតិវិធីដែលគ្រប់គ្រងពីរបៀបដែលទិន្នន័យត្រូវបានប្រមូល រក្សាទុក ចូលប្រើ ប្រើប្រាស់ និងចែករំលែកនៅក្នុងស្ថាប័នមួយ។
វាមានគោលបំណងបង្កើតគណនេយ្យភាព ទំនួលខុសត្រូវ និងការគ្រប់គ្រងលើទ្រព្យសកម្មទិន្នន័យ។ វាធានាថាទិន្នន័យមានភាពត្រឹមត្រូវ ពេញលេញ ស្រប និងគួរឱ្យទុកចិត្ត ដែលអនុញ្ញាតឱ្យអង្គការធ្វើការសម្រេចចិត្តដែលមានព័ត៌មាន រក្សាគុណភាពទិន្នន័យ និងបំពេញតាមតម្រូវការបទប្បញ្ញត្តិ។
អភិបាលកិច្ចទិន្នន័យពាក់ព័ន្ធនឹងការកំណត់តួនាទី និងទំនួលខុសត្រូវសម្រាប់ការគ្រប់គ្រងទិន្នន័យ ការបង្កើតស្តង់ដារ និងគោលនយោបាយទិន្នន័យ និងការអនុវត្តដំណើរការត្រួតពិនិត្យ និងអនុវត្តការអនុលោមតាមច្បាប់។ វាដោះស្រាយទិដ្ឋភាពផ្សេងៗនៃការគ្រប់គ្រងទិន្នន័យ រួមទាំងឯកជនភាពទិន្នន័យ សុវត្ថិភាពទិន្នន័យ គុណភាពទិន្នន័យ ចំណាត់ថ្នាក់ទិន្នន័យ និងការគ្រប់គ្រងវដ្តជីវិតទិន្នន័យ។
ឧទាហរណ៍ ការគ្រប់គ្រងទិន្នន័យអាចពាក់ព័ន្ធនឹងការអនុវត្តនីតិវិធី ដើម្បីធានាថាទិន្នន័យផ្ទាល់ខ្លួន ឬទិន្នន័យរសើបត្រូវបានគ្រប់គ្រងដោយអនុលោមតាមបទប្បញ្ញត្តិឯកជនភាពដែលអាចអនុវត្តបាន ដូចជាបទប្បញ្ញត្តិការពារទិន្នន័យទូទៅ (GDPR) ជាដើម។
វាក៏អាចរួមបញ្ចូលផងដែរនូវការបង្កើតស្តង់ដារគុណភាពទិន្នន័យ និងការអនុវត្តដំណើរការផ្ទៀងផ្ទាត់ទិន្នន័យ ដើម្បីធានាថាទិន្នន័យមានភាពត្រឹមត្រូវ និងអាចទុកចិត្តបាន។
សុវត្ថិភាពទិន្នន័យ
សុវត្ថិភាពទិន្នន័យគឺអំពីការរក្សាព័ត៌មានដ៏មានតម្លៃរបស់យើងឱ្យមានសុវត្ថិភាពពីការចូលប្រើដោយគ្មានការអនុញ្ញាត ឬការលួច។ វាពាក់ព័ន្ធនឹងការចាត់វិធានការដើម្បីការពារការសម្ងាត់ទិន្នន័យ សុចរិតភាព និងភាពអាចរកបាន។
សំខាន់ វាមានន័យថាការធានាថាមានតែមនុស្សត្រឹមត្រូវប៉ុណ្ណោះដែលអាចចូលប្រើទិន្នន័យរបស់យើងបាន ថាវានៅតែត្រឹមត្រូវ និងមិនមានការផ្លាស់ប្តូរ ហើយវាមាននៅពេលចាំបាច់។
ដើម្បីសម្រេចបាននូវសុវត្ថិភាពទិន្នន័យ យុទ្ធសាស្ត្រ និងបច្ចេកវិទ្យាផ្សេងៗត្រូវបានប្រើប្រាស់។ ជាឧទាហរណ៍ ការគ្រប់គ្រងការចូលប្រើ និងវិធីសាស្ត្រអ៊ិនគ្រីបជួយកំណត់ការចូលប្រើបុគ្គល ឬប្រព័ន្ធដែលមានការអនុញ្ញាត ដែលធ្វើឱ្យវាកាន់តែពិបាកសម្រាប់អ្នកខាងក្រៅក្នុងការចូលប្រើទិន្នន័យរបស់យើង។
ប្រព័ន្ធត្រួតពិនិត្យ ជញ្ជាំងភ្លើង និងប្រព័ន្ធរាវរកការឈ្លានពានដើរតួនាទីជាអ្នកការពារ ដោយជូនដំណឹងដល់យើងអំពីសកម្មភាពគួរឱ្យសង្ស័យ និងការពារការចូលប្រើប្រាស់ដោយគ្មានការអនុញ្ញាត។
33 វត្ថុនៃអ៊ិនធឺណេត
Internet of Things (IoT) សំដៅលើបណ្តាញនៃវត្ថុរូបវន្ត ឬ "វត្ថុ" ដែលភ្ជាប់ទៅអ៊ីនធឺណិត ហើយអាចទំនាក់ទំនងគ្នាទៅវិញទៅមក។ វាដូចជាបណ្តាញដ៏ធំនៃវត្ថុប្រចាំថ្ងៃ ឧបករណ៍ និងម៉ាស៊ីនដែលអាចចែករំលែកព័ត៌មាន និងបំពេញការងារដោយធ្វើអន្តរកម្មតាមរយៈអ៊ីនធឺណិត។
នៅក្នុងពាក្យសាមញ្ញ IoT ពាក់ព័ន្ធនឹងការផ្តល់សមត្ថភាព "ឆ្លាតវៃ" ដល់វត្ថុ ឬឧបករណ៍ផ្សេងៗដែលតាមទម្លាប់មិនភ្ជាប់អ៊ីនធឺណិត។ វត្ថុទាំងនេះអាចរួមបញ្ចូលឧបករណ៍ប្រើប្រាស់ក្នុងផ្ទះ ឧបករណ៍ដែលអាចពាក់បាន ទែម៉ូស្តាត រថយន្ត និងសូម្បីតែម៉ាស៊ីនឧស្សាហកម្ម។
តាមរយៈការតភ្ជាប់វត្ថុទាំងនេះទៅអ៊ីនធឺណិត ពួកគេអាចប្រមូលផ្តុំ និងចែករំលែកទិន្នន័យ ទទួលការណែនាំ និងអនុវត្តកិច្ចការដោយស្វ័យភាព ឬឆ្លើយតបទៅនឹងពាក្យបញ្ជារបស់អ្នកប្រើប្រាស់។
ឧទាហរណ៍ ទែម៉ូស្ដាតឆ្លាតវៃអាចតាមដានសីតុណ្ហភាព កែតម្រូវការកំណត់ និងផ្ញើរបាយការណ៍ការប្រើប្រាស់ថាមពលទៅកាន់កម្មវិធីស្មាតហ្វូន។ កម្មវិធីតាមដានសម្បទាដែលអាចពាក់បានអាចប្រមូលទិន្នន័យអំពីសកម្មភាពរាងកាយរបស់អ្នក និងធ្វើសមកាលកម្មវាទៅវេទិកាផ្អែកលើពពកសម្រាប់ការវិភាគ។
34. មែកធាងការសម្រេចចិត្ត
មែកធាងការសម្រេចចិត្តគឺជាតំណាងដែលមើលឃើញ ឬដ្យាក្រាមដែលជួយយើងធ្វើការសម្រេចចិត្ត ឬកំណត់ដំណើរការសកម្មភាពដោយផ្អែកលើជម្រើស ឬលក្ខខណ្ឌជាបន្តបន្ទាប់។
វាដូចជាតារាងលំហូរដែលណែនាំយើងឱ្យឆ្លងកាត់ដំណើរការធ្វើការសម្រេចចិត្តដោយពិចារណាលើជម្រើសផ្សេងៗ និងលទ្ធផលសក្តានុពលរបស់ពួកគេ។
ស្រមៃថាអ្នកមានបញ្ហា ឬសំណួរមួយ ហើយអ្នកត្រូវធ្វើការជ្រើសរើស។
មែកធាងនៃការសម្រេចចិត្តបំបែកការសម្រេចចិត្តទៅជាជំហានតូចៗ ដោយចាប់ផ្តើមជាមួយនឹងសំណួរដំបូង ហើយបែងចែកទៅជាចម្លើយ ឬសកម្មភាពផ្សេងៗដែលអាចធ្វើទៅបានដោយផ្អែកលើលក្ខខណ្ឌ ឬលក្ខណៈវិនិច្ឆ័យនៅជំហាននីមួយៗ។
35. ការគណនាការយល់ដឹង
ការគណនាការយល់ដឹង ជាពាក្យសាមញ្ញ សំដៅលើប្រព័ន្ធកុំព្យូទ័រ ឬបច្ចេកវិទ្យាដែលធ្វើត្រាប់តាមសមត្ថភាពយល់ដឹងរបស់មនុស្ស ដូចជាការរៀន ហេតុផល ការយល់ដឹង និងការដោះស្រាយបញ្ហា។
វាពាក់ព័ន្ធនឹងការបង្កើតប្រព័ន្ធកុំព្យូទ័រដែលអាចដំណើរការ និងបកស្រាយព័ត៌មានតាមរបៀបដែលស្រដៀងនឹងការគិតរបស់មនុស្ស។
ការគណនាការយល់ដឹងមានគោលបំណងអភិវឌ្ឍម៉ាស៊ីនដែលអាចយល់ និងទំនាក់ទំនងជាមួយមនុស្សតាមរបៀបធម្មជាតិ និងឆ្លាតវៃជាងមុន។ ប្រព័ន្ធទាំងនេះត្រូវបានរចនាឡើងដើម្បីវិភាគទិន្នន័យដ៏ច្រើនសន្ធឹកសន្ធាប់ ស្គាល់គំរូ ធ្វើការព្យាករណ៍ និងផ្តល់ការយល់ដឹងដ៏មានអត្ថន័យ។
គិតពីការគណនាការយល់ដឹងជាការប៉ុនប៉ងដើម្បីធ្វើឱ្យកុំព្យូទ័រគិត និងធ្វើសកម្មភាពដូចមនុស្ស។
វាពាក់ព័ន្ធនឹងការប្រើប្រាស់បច្ចេកវិទ្យាដូចជា បញ្ញាសិប្បនិមិត្ត ការរៀនម៉ាស៊ីន ដំណើរការភាសាធម្មជាតិ និងចក្ខុវិស័យកុំព្យូទ័រ ដើម្បីឱ្យកុំព្យូទ័រអាចបំពេញកិច្ចការនានាដែលត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងភាពឆ្លាតវៃរបស់មនុស្ស។
36. ទ្រឹស្ដីសិក្សាកុំព្យួទ័រ
ទ្រឹស្តីនៃការរៀនគណនាគឺជាសាខាឯកទេសមួយនៅក្នុងអាណាចក្រនៃបញ្ញាសិប្បនិមិត្តដែលវិលជុំវិញការអភិវឌ្ឍន៍ និងការពិនិត្យនៃក្បួនដោះស្រាយដែលត្រូវបានរចនាឡើងជាពិសេសដើម្បីរៀនពីទិន្នន័យ។
វាលនេះស្វែងយល់ពីបច្ចេកទេស និងវិធីសាស្រ្តផ្សេងៗសម្រាប់បង្កើតក្បួនដោះស្រាយ ដែលអាចកែលម្អដំណើរការដោយស្វ័យភាពដោយការវិភាគ និងដំណើរការព័ត៌មានយ៉ាងច្រើន។
តាមរយៈការប្រើប្រាស់ថាមពលនៃទិន្នន័យ ទ្រឹស្ដីសិក្សាកុំព្យួទ័រមានគោលបំណងបង្ហាញពីគំរូ ទំនាក់ទំនង និងការយល់ដឹងដែលអាចឱ្យម៉ាស៊ីនបង្កើនសមត្ថភាពធ្វើការសម្រេចចិត្តរបស់ពួកគេ និងអនុវត្តការងារកាន់តែមានប្រសិទ្ធភាព។
គោលដៅចុងក្រោយគឺបង្កើតក្បួនដោះស្រាយដែលអាចសម្រប សម្រួល និងធ្វើការទស្សន៍ទាយបានត្រឹមត្រូវដោយផ្អែកលើទិន្នន័យដែលពួកគេបានលាតត្រដាង រួមចំណែកដល់ការរីកចំរើននៃបញ្ញាសិប្បនិម្មិត និងការអនុវត្តជាក់ស្តែងរបស់វា។
37. ការធ្វើតេស្ត Turing
ការធ្វើតេស្ត Turing ដែលត្រូវបានស្នើឡើងដំបូងដោយគណិតវិទូដ៏អស្ចារ្យ និងអ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ Alan Turing គឺជាគំនិតគួរឱ្យចាប់អារម្មណ៍ដែលប្រើដើម្បីវាយតម្លៃថាតើម៉ាស៊ីនអាចបង្ហាញអាកប្បកិរិយាឆ្លាតវៃអាចប្រៀបធៀបទៅនឹងមនុស្ស ឬមិនអាចបែងចែកបានពីមនុស្ស។
នៅក្នុងការធ្វើតេស្ត Turing អ្នកវាយតម្លៃមនុស្សធ្វើការសន្ទនាជាភាសាធម្មជាតិជាមួយទាំងម៉ាស៊ីន និងអ្នកចូលរួមផ្សេងទៀត ដោយមិនដឹងថាមួយណាជាម៉ាស៊ីន។
តួនាទីរបស់អ្នកវាយតម្លៃគឺដើម្បីដឹងថាអង្គភាពមួយណាជាម៉ាស៊ីនដោយផ្អែកលើការឆ្លើយតបរបស់ពួកគេ។ ប្រសិនបើម៉ាស៊ីនអាចបញ្ចុះបញ្ចូលអ្នកវាយតម្លៃថាវាជាសមភាគីរបស់មនុស្ស នោះវាត្រូវបានគេនិយាយថាបានឆ្លងកាត់ការធ្វើតេស្ត Turing ដោយហេតុនេះបង្ហាញពីកម្រិតនៃភាពវៃឆ្លាតដែលឆ្លុះបញ្ចាំងពីសមត្ថភាពដូចមនុស្ស។
លោក Alan Turing បានស្នើការធ្វើតេស្តនេះជាមធ្យោបាយមួយដើម្បីស្វែងយល់ពីគំនិតនៃភាពវៃឆ្លាតរបស់ម៉ាស៊ីន និងចោទជាសំណួរថាតើម៉ាស៊ីនអាចសម្រេចបានការយល់ដឹងកម្រិតមនុស្សដែរឬទេ។
តាមរយៈការដាក់បញ្ចូលការសាកល្បងទាក់ទងនឹងភាពមិនអាចបែងចែករបស់មនុស្សលោក Turing បានគូសបញ្ជាក់ពីសក្តានុពលសម្រាប់ម៉ាស៊ីនដើម្បីបង្ហាញអាកប្បកិរិយាដែលឆ្លាតវៃគួរឱ្យជឿជាក់ ដែលវាក្លាយជាការប្រកួតប្រជែងក្នុងការបែងចែកពួកវាពីមនុស្ស។
ការធ្វើតេស្ត Turing បានជំរុញឱ្យមានការពិភាក្សា និងស្រាវជ្រាវយ៉ាងទូលំទូលាយនៅក្នុងវិស័យបញ្ញាសិប្បនិមិត្ត និងវិទ្យាសាស្ត្រការយល់ដឹង។ ខណៈពេលដែលការឆ្លងកាត់ការធ្វើតេស្ត Turing នៅតែជាព្រឹត្តិការណ៍ដ៏សំខាន់មួយ វាមិនមែនជាវិធានការតែមួយគត់នៃភាពវៃឆ្លាតនោះទេ។
ទោះជាយ៉ាងណាក៏ដោយ ការធ្វើតេស្តនេះបម្រើជាគោលបំផុសគំនិតដែលជំរុញឱ្យមានការខិតខំប្រឹងប្រែងជាបន្តបន្ទាប់ក្នុងការអភិវឌ្ឍម៉ាស៊ីនដែលមានសមត្ថភាពត្រាប់តាមបញ្ញា និងអាកប្បកិរិយាដូចមនុស្ស ហើយរួមចំណែកដល់ការរុករកកាន់តែទូលំទូលាយនូវអត្ថន័យនៃភាពឆ្លាតវៃ។
38. ការពង្រឹងការរៀនសូត្រ
ការរៀនសូត្រពង្រឹង គឺជាប្រភេទនៃការរៀនសូត្រដែលកើតឡើងតាមរយៈការសាកល្បង និងកំហុស ដែល "ភ្នាក់ងារ" (ដែលអាចជាកម្មវិធីកុំព្យូទ័រ ឬមនុស្សយន្ត) រៀនអនុវត្តភារកិច្ចដោយទទួលបានរង្វាន់សម្រាប់អាកប្បកិរិយាល្អ និងប្រឈមមុខនឹងផលវិបាក ឬការដាក់ទណ្ឌកម្មចំពោះអាកប្បកិរិយាមិនល្អ។
ស្រមៃមើលសេណារីយ៉ូដែលភ្នាក់ងារកំពុងព្យាយាមបំពេញកិច្ចការជាក់លាក់មួយ ដូចជាការរុករកផ្ទាំងទឹកកក។ ដំបូង ភ្នាក់ងារមិនដឹងផ្លូវត្រឹមត្រូវក្នុងការធ្វើទេ ដូច្នេះហើយវាព្យាយាមធ្វើសកម្មភាពផ្សេងៗ និងរុករកផ្លូវផ្សេងៗ។
នៅពេលដែលវាជ្រើសរើសសកម្មភាពដ៏ល្អដែលធ្វើឲ្យវាកាន់តែខិតទៅជិតគោលដៅនោះ វាទទួលបានរង្វាន់ដូចជា "ទះដៃនៅខាងក្រោយ"។ ទោះជាយ៉ាងណាក៏ដោយ ប្រសិនបើវាធ្វើការសម្រេចចិត្តមិនល្អដែលនាំទៅដល់ទីបញ្ចប់ ឬយកវាចេញពីគោលដៅនោះ វានឹងទទួលបានការដាក់ទណ្ឌកម្ម ឬមតិរិះគន់អវិជ្ជមាន។
តាមរយៈដំណើរការសាកល្បង និងកំហុសនេះ ភ្នាក់ងាររៀនដើម្បីភ្ជាប់សកម្មភាពមួយចំនួនជាមួយនឹងលទ្ធផលវិជ្ជមាន ឬអវិជ្ជមាន។ វាគិតជាបណ្តើរៗនូវលំដាប់នៃសកម្មភាពល្អបំផុត ដើម្បីបង្កើនរង្វាន់របស់វា និងកាត់បន្ថយការដាក់ទណ្ឌកម្ម ទីបំផុតកាន់តែស្ទាត់ជំនាញក្នុងកិច្ចការ។
ការរៀនពង្រឹងទាញការបំផុសគំនិតពីរបៀបដែលមនុស្ស និងសត្វរៀនដោយទទួលបានមតិកែលម្អពីបរិស្ថាន។
តាមរយៈការអនុវត្តគំនិតនេះចំពោះម៉ាស៊ីន អ្នកស្រាវជ្រាវមានគោលបំណងអភិវឌ្ឍប្រព័ន្ធឆ្លាតវៃដែលអាចរៀន និងសម្របខ្លួនទៅនឹងស្ថានភាពផ្សេងៗដោយស្វ័យភាពស្វែងរកអាកប្បកិរិយាដែលមានប្រសិទ្ធភាពបំផុតតាមរយៈដំណើរការនៃការពង្រឹងជាវិជ្ជមាន និងផលវិបាកអវិជ្ជមាន។
39. ការស្រង់ចេញរបស់អង្គភាព
ការស្រង់ចេញអង្គភាពសំដៅលើដំណើរការដែលយើងកំណត់អត្តសញ្ញាណ និងស្រង់ចេញនូវព័ត៌មានសំខាន់ៗ ដែលត្រូវបានគេស្គាល់ថាជាអង្គភាព ពីប្លុកនៃអត្ថបទ។ អង្គភាពទាំងនេះអាចជាវត្ថុផ្សេងៗដូចជាឈ្មោះមនុស្ស ឈ្មោះទីកន្លែង ឈ្មោះអង្គការជាដើម។
សូមស្រមៃថាអ្នកមានកថាខណ្ឌដែលពិពណ៌នាអត្ថបទព័ត៌មាន។
ការស្រង់ចេញធាតុនឹងពាក់ព័ន្ធនឹងការវិភាគអត្ថបទ និងជ្រើសរើសប៊ីតជាក់លាក់ដែលតំណាងឱ្យអង្គភាពផ្សេងគ្នា។ ជាឧទាហរណ៍ ប្រសិនបើអត្ថបទរៀបរាប់ពីឈ្មោះរបស់មនុស្សដូចជា "John Smith" ទីតាំង "New York City" ឬអង្គការ "OpenAI" ទាំងនេះនឹងជាអង្គភាពដែលយើងមានបំណងកំណត់អត្តសញ្ញាណ និងស្រង់ចេញ។
តាមរយៈការអនុវត្តការទាញយកធាតុ យើងកំពុងបង្រៀនកម្មវិធីកុំព្យូទ័រយ៉ាងសំខាន់ដើម្បីសម្គាល់ និងញែកធាតុសំខាន់ៗចេញពីអត្ថបទ។ ដំណើរការនេះអនុញ្ញាតឱ្យយើងរៀបចំ និងចាត់ថ្នាក់ព័ត៌មានកាន់តែមានប្រសិទ្ធភាព ធ្វើឱ្យវាកាន់តែងាយស្រួលក្នុងការស្វែងរក វិភាគ និងទាញយកការយល់ដឹងពីទិន្នន័យអត្ថបទដែលមានបរិមាណច្រើន។
សរុបមក ការស្រង់ចេញរបស់អង្គភាពជួយឱ្យយើងធ្វើស្វ័យប្រវត្តិកម្មនូវភារកិច្ចនៃការកំណត់អត្តសញ្ញាណអង្គភាពសំខាន់ៗ ដូចជាមនុស្ស ទីកន្លែង និងអង្គការនានានៅក្នុងអត្ថបទ សម្រួលដល់ការទាញយកព័ត៌មានដ៏មានតម្លៃ និងបង្កើនសមត្ថភាពរបស់យើងក្នុងដំណើរការ និងយល់អំពីទិន្នន័យអត្ថបទ។
40. ចំណារពន្យល់ភាសា
ចំណារពន្យល់ភាសាភាសាពាក់ព័ន្ធនឹងការពង្រឹងអត្ថបទជាមួយនឹងព័ត៌មានភាសាបន្ថែម ដើម្បីបង្កើនការយល់ដឹង និងការវិភាគរបស់យើងអំពីភាសាដែលបានប្រើ។ វាដូចជាការបន្ថែមស្លាក ឬស្លាកដែលមានប្រយោជន៍ទៅផ្នែកផ្សេងៗនៃអត្ថបទ។
នៅពេលយើងអនុវត្តចំណារពន្យល់ភាសា យើងហួសពីពាក្យ និងប្រយោគជាមូលដ្ឋាននៅក្នុងអត្ថបទ ហើយចាប់ផ្តើមដាក់ស្លាក ឬដាក់ស្លាកធាតុជាក់លាក់។ ឧទាហរណ៍ យើងអាចបន្ថែមស្លាកផ្នែកនៃការនិយាយ ដែលបង្ហាញពីប្រភេទវេយ្យាករណ៍នៃពាក្យនីមួយៗ (ដូចជា noun, verb, adjective, etc.)។ វាជួយយើងឱ្យយល់ពីតួនាទីដែលពាក្យនីមួយៗដើរតួក្នុងប្រយោគមួយ។
ទម្រង់នៃចំណារពន្យល់ភាសាផ្សេងទៀតត្រូវបានគេហៅថា ការទទួលស្គាល់អង្គភាព ដែលយើងកំណត់អត្តសញ្ញាណ និងដាក់ស្លាកអង្គភាពដែលមានឈ្មោះជាក់លាក់ ដូចជាឈ្មោះមនុស្ស ទីកន្លែង អង្គការ ឬកាលបរិច្ឆេទ។ នេះអនុញ្ញាតឱ្យយើងកំណត់ទីតាំង និងទាញយកព័ត៌មានសំខាន់ៗពីអត្ថបទបានយ៉ាងឆាប់រហ័ស។
តាមរយៈការកត់ចំណាំអត្ថបទតាមវិធីទាំងនេះ យើងបង្កើតការតំណាងដែលមានរចនាសម្ព័ន្ធ និងរៀបចំកាន់តែច្រើននៃភាសា។ នេះអាចមានប្រយោជន៍យ៉ាងសម្បើមនៅក្នុងកម្មវិធីផ្សេងៗ។ ជាឧទាហរណ៍ វាជួយកែលម្អភាពត្រឹមត្រូវនៃម៉ាស៊ីនស្វែងរកដោយការយល់ដឹងអំពីចេតនានៅពីក្រោយសំណួរអ្នកប្រើប្រាស់។ វាក៏ជួយក្នុងការបកប្រែម៉ាស៊ីន ការវិភាគមនោសញ្ចេតនា ការទាញយកព័ត៌មាន និងកិច្ចការដំណើរការភាសាធម្មជាតិជាច្រើនទៀត។
ចំណារពន្យល់ភាសាភាសាបម្រើជាឧបករណ៍សំខាន់សម្រាប់អ្នកស្រាវជ្រាវ អ្នកភាសាវិទ្យា និងអ្នកអភិវឌ្ឍន៍ ដែលអាចឱ្យពួកគេសិក្សាគំរូភាសា បង្កើតគំរូភាសា និងបង្កើតក្បួនដោះស្រាយដ៏ទំនើបដែលអាចវិភាគ និងយល់អត្ថបទបានកាន់តែប្រសើរ។
41. Hyperparameter
In ការរៀនម៉ាស៊ីនប៉ារ៉ាម៉ែត្រខ្ពស់គឺដូចជាការកំណត់ពិសេស ឬការកំណត់រចនាសម្ព័ន្ធដែលយើងត្រូវសម្រេចចិត្តមុនពេលបណ្តុះបណ្តាលគំរូ។ វាមិនមែនជាអ្វីដែលគំរូអាចរៀនដោយខ្លួនឯងពីទិន្នន័យនោះទេ។ ជំនួសមកវិញ យើងត្រូវកំណត់វាជាមុន។
គិតថាវាជាប៊ូតុង ឬកុងតាក់ដែលយើងអាចកែសម្រួលរបៀបដែលគំរូរៀន និងធ្វើការទស្សន៍ទាយ។ ប៉ារ៉ាម៉ែត្រខ្ពស់ទាំងនេះគ្រប់គ្រងទិដ្ឋភាពផ្សេងៗនៃដំណើរការសិក្សា ដូចជាភាពស្មុគស្មាញនៃគំរូ ល្បឿននៃការបណ្តុះបណ្តាល និងការដោះដូររវាងភាពត្រឹមត្រូវ និងការធ្វើឱ្យទូទៅ។
ជាឧទាហរណ៍ ចូរយើងពិចារណាបណ្តាញសរសៃប្រសាទ។ ប៉ារ៉ាម៉ែត្រសំខាន់មួយគឺចំនួនស្រទាប់នៅក្នុងបណ្តាញ។ យើងត្រូវជ្រើសរើសថាតើយើងចង់ឱ្យបណ្តាញមានជម្រៅប៉ុណ្ណា ហើយការសម្រេចចិត្តនេះប៉ះពាល់ដល់សមត្ថភាពរបស់វាក្នុងការចាប់យកគំរូស្មុគស្មាញនៅក្នុងទិន្នន័យ។
ប៉ារ៉ាម៉ែត្រលើសធម្មតាផ្សេងទៀត រួមមានអត្រាសិក្សា ដែលកំណត់ថាតើម៉ូដែលលៃតម្រូវប៉ារ៉ាម៉ែត្រខាងក្នុងរបស់វាបានលឿនប៉ុណ្ណា ដោយផ្អែកលើទិន្នន័យបណ្តុះបណ្តាល និងភាពទៀងទាត់នៃកម្លាំង ដែលគ្រប់គ្រងថាតើម៉ូដែលនេះពិន័យគំរូស្មុគ្រស្មាញប៉ុណ្ណា ដើម្បីការពារការហួសកម្រិត។
ការកំណត់ប៉ារ៉ាម៉ែត្រខ្ពស់ទាំងនេះឱ្យបានត្រឹមត្រូវគឺសំខាន់ណាស់ ព្រោះវាអាចប៉ះពាល់យ៉ាងខ្លាំងដល់ការអនុវត្ត និងឥរិយាបថរបស់គំរូ។ ជារឿយៗវាពាក់ព័ន្ធនឹងការសាកល្បង និងកំហុសបន្តិចបន្តួច ការពិសោធន៍ជាមួយនឹងតម្លៃផ្សេងៗគ្នា និងការសង្កេតពីរបៀបដែលពួកវាប៉ះពាល់ដល់ដំណើរការរបស់ម៉ូដែលនៅលើសំណុំទិន្នន័យដែលមានសុពលភាព។
42. ទិន្នន័យមេតា
ទិន្នន័យមេតាសំដៅលើព័ត៌មានបន្ថែមដែលផ្តល់ព័ត៌មានលម្អិតអំពីទិន្នន័យផ្សេងទៀត។ វាដូចជាសំណុំនៃស្លាក ឬស្លាកដែលផ្តល់ឱ្យយើងនូវបរិបទបន្ថែម ឬពណ៌នាអំពីលក្ខណៈនៃទិន្នន័យចម្បង។
នៅពេលដែលយើងមានទិន្នន័យ ថាតើវាជាឯកសារ រូបថត វីដេអូ ឬព័ត៌មានប្រភេទផ្សេងទៀត ទិន្នន័យមេតាជួយយើងឱ្យយល់អំពីទិដ្ឋភាពសំខាន់ៗនៃទិន្នន័យនោះ។
ឧទាហរណ៍ នៅក្នុងឯកសារ ទិន្នន័យមេតាអាចរួមបញ្ចូលព័ត៌មានលម្អិតដូចជាឈ្មោះអ្នកនិពន្ធ កាលបរិច្ឆេទដែលវាត្រូវបានបង្កើត ឬទម្រង់ឯកសារ។ ក្នុងករណីរូបថត ទិន្នន័យមេតាអាចប្រាប់យើងពីទីតាំងដែលវាត្រូវបានថត ការកំណត់កាមេរ៉ាដែលបានប្រើ ឬសូម្បីតែកាលបរិច្ឆេទ និងពេលវេលាដែលវាត្រូវបានថត។
ទិន្នន័យមេតាជួយយើងរៀបចំ ស្វែងរក និងបកស្រាយទិន្នន័យកាន់តែមានប្រសិទ្ធភាព។ តាមរយៈការបន្ថែមព័ត៌មានពិពណ៌នាទាំងនេះ យើងអាចស្វែងរកឯកសារជាក់លាក់បានយ៉ាងឆាប់រហ័ស ឬយល់ពីប្រភពដើម គោលបំណង ឬបរិបទរបស់វា ដោយមិនចាំបាច់ស្វែងរកខ្លឹមសារទាំងមូលនោះទេ។
43. ការកាត់បន្ថយវិមាត្រ
ការកាត់បន្ថយវិមាត្រគឺជាបច្ចេកទេសដែលប្រើដើម្បីសម្រួលសំណុំទិន្នន័យដោយកាត់បន្ថយចំនួនមុខងារ ឬអថេរដែលវាមាន។ វាដូចជាការបង្រួម ឬសង្ខេបព័ត៌មាននៅក្នុងសំណុំទិន្នន័យ ដើម្បីធ្វើឱ្យវាអាចគ្រប់គ្រងបាន និងងាយស្រួលធ្វើការជាមួយ។
ស្រមៃថាអ្នកមានសំណុំទិន្នន័យដែលមានជួរឈរ ឬគុណលក្ខណៈជាច្រើនដែលតំណាងឱ្យលក្ខណៈផ្សេងគ្នានៃចំណុចទិន្នន័យ។ ជួរនីមួយៗបន្ថែមលើភាពស្មុគស្មាញ និងតម្រូវការគណនានៃក្បួនដោះស្រាយការរៀនម៉ាស៊ីន។
ក្នុងករណីខ្លះ ការមានវិមាត្រច្រើនអាចធ្វើឱ្យវាពិបាកក្នុងការស្វែងរកលំនាំ ឬទំនាក់ទំនងដែលមានអត្ថន័យនៅក្នុងទិន្នន័យ។
ការកាត់បន្ថយវិមាត្រជួយដោះស្រាយបញ្ហានេះដោយបំប្លែងសំណុំទិន្នន័យទៅជាតំណាងវិមាត្រទាប ខណៈពេលដែលរក្សាបាននូវព័ត៌មានពាក់ព័ន្ធជាច្រើនតាមដែលអាចធ្វើទៅបាន។ វាមានគោលបំណងចាប់យកទិដ្ឋភាពសំខាន់ៗ ឬការប្រែប្រួលនៃទិន្នន័យ ខណៈពេលដែលការលុបចោលទំហំដែលមិនមានព័ត៌មានច្រើន ឬមិនសូវមានព័ត៌មាន។
44. ចំណាត់ថ្នាក់អត្ថបទ
ការចាត់ថ្នាក់អត្ថបទគឺជាដំណើរការដែលពាក់ព័ន្ធនឹងការផ្តល់ស្លាក ឬប្រភេទជាក់លាក់ទៅប្លុកនៃអត្ថបទដោយផ្អែកលើខ្លឹមសារ ឬអត្ថន័យរបស់វា។ វាដូចជាការតម្រៀប ឬរៀបចំព័ត៌មានជាអត្ថបទទៅក្នុងក្រុម ឬថ្នាក់ផ្សេងៗ ដើម្បីជួយសម្រួលដល់ការវិភាគបន្ថែម ឬធ្វើការសម្រេចចិត្ត។
ចូរយើងពិចារណាឧទាហរណ៍នៃការចាត់ថ្នាក់អ៊ីមែល។ ក្នុងសេណារីយ៉ូនេះ យើងចង់កំណត់ថាតើអ៊ីមែលចូលគឺជាសារឥតបានការ ឬមិនមែនសារឥតបានការ (ហៅម្យ៉ាងទៀតថា Ham)។ ចំណាត់ថ្នាក់អត្ថបទ algorithms វិភាគមាតិកានៃអ៊ីមែល ហើយកំណត់វាឱ្យដាក់ស្លាកតាម។
ប្រសិនបើក្បួនដោះស្រាយកំណត់ថាអ៊ីមែលបង្ហាញលក្ខណៈដែលជាប់ទាក់ទងជាទូទៅជាមួយសារឥតបានការ នោះវាកំណត់ស្លាក "សារឥតបានការ"។ ផ្ទុយទៅវិញ ប្រសិនបើអ៊ីមែលនោះមានលក្ខណៈស្របច្បាប់ និងមិនមានសារឥតបានការ នោះវាកំណត់ស្លាកថា "មិនមែន spam" ឬ "ham"។
ការចាត់ថ្នាក់អត្ថបទស្វែងរកកម្មវិធីនៅក្នុងដែនផ្សេងៗលើសពីការត្រងអ៊ីមែល។ វាត្រូវបានប្រើក្នុងការវិភាគមនោសញ្ចេតនាដើម្បីកំណត់ពីអារម្មណ៍ដែលបានបង្ហាញនៅក្នុងការពិនិត្យអតិថិជន (វិជ្ជមាន អវិជ្ជមាន ឬអព្យាក្រឹត)។
អត្ថបទព័ត៌មានអាចត្រូវបានចាត់ថ្នាក់ទៅជាប្រធានបទ ឬប្រភេទផ្សេងៗដូចជា កីឡា នយោបាយ ការកម្សាន្ត និងច្រើនទៀត។ កំណត់ហេតុជជែកកំសាន្តរបស់អតិថិជនអាចត្រូវបានចាត់ថ្នាក់ដោយផ្អែកលើចេតនា ឬបញ្ហាដែលកំពុងត្រូវបានដោះស្រាយ។
45. ខ្សោយ AI
Weak AI ដែលត្រូវបានគេស្គាល់ផងដែរថាជា AI តូចចង្អៀត សំដៅលើប្រព័ន្ធបញ្ញាសិប្បនិម្មិតដែលត្រូវបានរចនា និងរៀបចំកម្មវិធីដើម្បីបំពេញការងារ ឬមុខងារជាក់លាក់។ មិនដូចការស៊ើបការណ៍សម្ងាត់របស់មនុស្សទេ ដែលរួមបញ្ចូលនូវសមត្ថភាពយល់ដឹងដ៏ធំទូលាយ AI ខ្សោយត្រូវបានកំណត់ចំពោះដែន ឬភារកិច្ចជាក់លាក់មួយ។
គិតពី AI ខ្សោយជាកម្មវិធីឯកទេស ឬម៉ាស៊ីនដែលពូកែក្នុងការបំពេញការងារជាក់លាក់។ ជាឧទាហរណ៍ កម្មវិធី AI លេងអុកអាចនឹងត្រូវបានបង្កើតឡើងដើម្បីវិភាគស្ថានភាពហ្គេម យុទ្ធសាស្ត្រផ្លាស់ទី និងប្រកួតប្រជែងជាមួយអ្នកលេងមនុស្ស។
ឧទាហរណ៍មួយទៀតគឺប្រព័ន្ធសម្គាល់រូបភាពដែលអាចកំណត់អត្តសញ្ញាណវត្ថុនៅក្នុងរូបថត ឬវីដេអូ។
ប្រព័ន្ធ AI ទាំងនេះត្រូវបានបណ្តុះបណ្តាល និងធ្វើឱ្យប្រសើរឡើងដើម្បីឱ្យពូកែក្នុងផ្នែកជំនាញជាក់លាក់របស់ពួកគេ។ ពួកគេពឹងផ្អែកលើក្បួនដោះស្រាយ ទិន្នន័យ និងច្បាប់ដែលបានកំណត់ជាមុន ដើម្បីសម្រេចកិច្ចការរបស់ពួកគេប្រកបដោយប្រសិទ្ធភាព។
ទោះជាយ៉ាងណាក៏ដោយ ពួកគេមិនមានបញ្ញាទូទៅដែលអនុញ្ញាតឱ្យពួកគេយល់ ឬអនុវត្តកិច្ចការក្រៅដែនដែលបានកំណត់របស់ពួកគេនោះទេ។
46. AI ខ្លាំង
Strong AI ត្រូវបានគេស្គាល់ផងដែរថាជា AI ទូទៅ ឬបញ្ញាទូទៅសិប្បនិម្មិត (AGI) សំដៅលើទម្រង់នៃបញ្ញាសិប្បនិមិត្តដែលមានសមត្ថភាពក្នុងការយល់ រៀន និងអនុវត្តកិច្ចការបញ្ញាណាមួយដែលមនុស្សអាចធ្វើបាន។
មិនដូច AI ខ្សោយ ដែលត្រូវបានរចនាឡើងសម្រាប់កិច្ចការជាក់លាក់ AI ខ្លាំងមានគោលបំណងចម្លងភាពវៃឆ្លាតដូចមនុស្ស និងសមត្ថភាពយល់ដឹង។ វាខិតខំបង្កើតម៉ាស៊ីន ឬសូហ្វវែរដែលមិនត្រឹមតែពូកែក្នុងកិច្ចការឯកទេសប៉ុណ្ណោះទេ ថែមទាំងមានការយល់ដឹងទូលំទូលាយ និងអាចសម្របខ្លួនបាន ដើម្បីដោះស្រាយបញ្ហាប្រឈមខាងបញ្ញាយ៉ាងទូលំទូលាយ។
គោលដៅនៃ AI ដ៏រឹងមាំគឺដើម្បីអភិវឌ្ឍប្រព័ន្ធដែលអាចវែកញែក យល់ព័ត៌មានស្មុគស្មាញ រៀនពីបទពិសោធន៍ ចូលរួមក្នុងការសន្ទនាតាមភាសាធម្មជាតិ បង្ហាញភាពច្នៃប្រឌិត និងបង្ហាញគុណភាពផ្សេងទៀតដែលទាក់ទងនឹងភាពឆ្លាតវៃរបស់មនុស្ស។
ជារួម វាមានបំណងបង្កើតប្រព័ន្ធ AI ដែលអាចក្លែងធ្វើ ឬចម្លងការគិតកម្រិតមនុស្ស និងការដោះស្រាយបញ្ហាឆ្លងកាត់ដែនជាច្រើន។
47. ការបន្តខ្សែសង្វាក់
ខ្សែសង្វាក់ទៅមុខគឺជាវិធីសាស្រ្តនៃហេតុផល ឬតក្កវិជ្ជាដែលចាប់ផ្តើមជាមួយនឹងទិន្នន័យដែលមាន ហើយប្រើវាដើម្បីបង្កើតការសន្និដ្ឋាន និងទាញការសន្និដ្ឋានថ្មី។ វាដូចជាការភ្ជាប់ចំនុចដោយប្រើព័ត៌មានដែលមាននៅក្នុងដៃ ដើម្បីឆ្ពោះទៅមុខ និងឈានដល់ការយល់ដឹងបន្ថែម។
ស្រមៃថាអ្នកមានសំណុំនៃច្បាប់ ឬការពិត ហើយអ្នកចង់ទាញយកព័ត៌មានថ្មី ឬឈានដល់ការសន្និដ្ឋានជាក់លាក់ដោយផ្អែកលើពួកវា។ ខ្សែសង្វាក់បញ្ជូនបន្តដំណើរការដោយការពិនិត្យមើលទិន្នន័យដំបូង និងអនុវត្តច្បាប់ឡូជីខលដើម្បីបង្កើតការពិត ឬការសន្និដ្ឋានបន្ថែម។
ដើម្បីងាយស្រួល សូមយើងពិចារណាអំពីសេណារីយ៉ូសាមញ្ញមួយក្នុងការកំណត់នូវអ្វីដែលត្រូវពាក់ដោយផ្អែកលើលក្ខខណ្ឌអាកាសធាតុ។ អ្នកមានច្បាប់មួយចែងថា “បើភ្លៀងត្រូវយកឆ័ត្រមក” និងច្បាប់មួយទៀតថា “បើត្រជាក់ត្រូវពាក់អាវ”។ ឥឡូវនេះ ប្រសិនបើអ្នកសង្កេតឃើញថា ពិតជាមានភ្លៀងមែននោះ អ្នកអាចប្រើខ្សែសង្វាក់ទៅមុខ ដើម្បីសន្និដ្ឋានថា អ្នកគួរតែយកឆ័ត្រមក។
48. ច្រវ៉ាក់ថយក្រោយ
ខ្សែសង្វាក់ថយក្រោយគឺជាវិធីសាស្ត្រវែកញែកដែលចាប់ផ្តើមដោយការសន្និដ្ឋាន ឬគោលដៅដែលចង់បាន ហើយដំណើរការថយក្រោយដើម្បីកំណត់ទិន្នន័យចាំបាច់ ឬអង្គហេតុដែលត្រូវការដើម្បីគាំទ្រការសន្និដ្ឋាននោះ។ វាដូចជាការតាមដានជំហានរបស់អ្នកពីលទ្ធផលដែលអ្នកចង់បានទៅកាន់ព័ត៌មានដំបូងដែលត្រូវការដើម្បីសម្រេចវា។
ដើម្បីស្វែងយល់ពីខ្សែសង្វាក់ថយក្រោយ សូមពិចារណាឧទាហរណ៍ដ៏សាមញ្ញមួយ។ ឧបមាថាអ្នកចង់កំណត់ថាតើវាសាកសមនឹងទៅហែលទឹកដែរឬទេ។ ការសន្និដ្ឋានដែលចង់បានគឺថាតើការហែលទឹកសមស្របឬអត់ដោយផ្អែកលើលក្ខខណ្ឌជាក់លាក់។
ជំនួសឱ្យការចាប់ផ្តើមជាមួយនឹងលក្ខខណ្ឌ ខ្សែសង្វាក់ថយក្រោយចាប់ផ្តើមដោយការសន្និដ្ឋាន ហើយដំណើរការថយក្រោយដើម្បីស្វែងរកទិន្នន័យគាំទ្រ។
ក្នុងករណីនេះ ការដាក់ច្រវ៉ាក់ថយក្រោយនឹងពាក់ព័ន្ធនឹងការសួរសំណួរដូចជា "តើអាកាសធាតុក្តៅទេ?" ប្រសិនបើចម្លើយគឺបាទ អ្នកនឹងសួរថា "តើមានអាងហែលទឹកទេ?" ប្រសិនបើចម្លើយគឺបាទម្តងទៀត អ្នកនឹងសួរសំណួរបន្ថែមដូចជា "តើមានពេលគ្រប់គ្រាន់ដើម្បីហែលទឹកទេ?"
តាមរយៈការឆ្លើយសំណួរទាំងនេះម្តងហើយម្តងទៀត ហើយធ្វើការថយក្រោយ អ្នកអាចកំណត់លក្ខខណ្ឌចាំបាច់ដែលចាំបាច់ត្រូវបំពេញ ដើម្បីគាំទ្រដល់ការបញ្ចប់នៃការទៅហែលទឹក។
49. Heuristic
តាមន័យសាមញ្ញ គឺជាក្បួនអនុវត្តជាក់ស្តែង ឬយុទ្ធសាស្ត្រដែលជួយយើងធ្វើការសម្រេចចិត្ត ឬដោះស្រាយបញ្ហា ជាធម្មតាផ្អែកលើបទពិសោធន៍ ឬវិចារណញាណរបស់យើងកន្លងមក។ វាដូចជាផ្លូវកាត់ផ្លូវចិត្តដែលអនុញ្ញាតឱ្យយើងបង្កើតដំណោះស្រាយសមហេតុផលយ៉ាងឆាប់រហ័ស ដោយមិនចាំបាច់ឆ្លងកាត់ដំណើរការដ៏វែងឆ្ងាយ ឬពេញលេញនោះទេ។
នៅពេលប្រឈមមុខនឹងស្ថានការណ៍ ឬកិច្ចការដ៏ស្មុគស្មាញនោះ ទ្រឹស្ដីវិទ្យាដើរតួជាគោលការណ៍ណែនាំ ឬ "ច្បាប់នៃមេដៃ" ដែលជួយសម្រួលដល់ការសម្រេចចិត្ត។ ពួកគេផ្តល់ឱ្យយើងនូវការណែនាំទូទៅ ឬយុទ្ធសាស្ត្រដែលជារឿយៗមានប្រសិទ្ធភាពក្នុងស្ថានភាពជាក់លាក់ ទោះបីជាពួកគេប្រហែលជាមិនធានានូវដំណោះស្រាយដ៏ល្អប្រសើរក៏ដោយ។
ជាឧទាហរណ៍ ចូរយើងពិចារណាអំពីហេតុផលសម្រាប់ការស្វែងរកកន្លែងចតរថយន្តនៅក្នុងតំបន់ដែលមានមនុស្សច្រើន។ ជំនួសឱ្យការវិភាគយ៉ាងល្អិតល្អន់គ្រប់កន្លែងដែលមាន អ្នកអាចពឹងផ្អែកលើការស្វែងរករថយន្តចតជាមួយនឹងម៉ាស៊ីនរបស់ពួកគេដែលកំពុងដំណើរការ។
ភាពច្របូកច្របល់នេះសន្មតថារថយន្តទាំងនេះហៀបនឹងចាកចេញ ដោយបង្កើនឱកាសក្នុងការស្វែងរកកន្លែងដែលមាន។
50. គំរូភាសាធម្មជាតិ
គំរូភាសាធម្មជាតិ និយាយឱ្យសាមញ្ញ គឺជាដំណើរការនៃការបណ្តុះបណ្តាលគំរូកុំព្យូទ័រឱ្យយល់ និងបង្កើតភាសារបស់មនុស្សតាមរបៀបដែលស្រដៀងទៅនឹងរបៀបដែលមនុស្សប្រាស្រ័យទាក់ទងគ្នា។ វាពាក់ព័ន្ធនឹងការបង្រៀនកុំព្យូទ័រឱ្យដំណើរការ បកស្រាយ និងបង្កើតអត្ថបទក្នុងលក្ខណៈធម្មជាតិ និងមានន័យ។
គោលដៅនៃការបង្កើតគំរូភាសាធម្មជាតិគឺដើម្បីឱ្យកុំព្យូទ័រអាចយល់ និងបង្កើតភាសារបស់មនុស្សតាមរបៀបដែលស្ទាត់ជំនាញ ស៊ីសង្វាក់គ្នា និងពាក់ព័ន្ធតាមបរិបទ។
វាពាក់ព័ន្ធនឹងគំរូបណ្ដុះបណ្ដាលលើទិន្នន័យអត្ថបទយ៉ាងច្រើន ដូចជាសៀវភៅ អត្ថបទ ឬការសន្ទនា ដើម្បីរៀនលំនាំ រចនាសម្ព័ន្ធ និងអត្ថន័យនៃភាសា។
នៅពេលដែលបានទទួលការបណ្តុះបណ្តាល ម៉ូដែលទាំងនេះអាចអនុវត្តកិច្ចការផ្សេងៗដែលទាក់ទងនឹងភាសា ដូចជាការបកប្រែភាសា ការសង្ខេបអត្ថបទ ការឆ្លើយសំណួរ អន្តរកម្ម chatbot និងច្រើនទៀត។
ពួកគេអាចយល់ពីអត្ថន័យ និងបរិបទនៃប្រយោគ ទាញយកព័ត៌មានពាក់ព័ន្ធ និងបង្កើតអត្ថបទដែលត្រឹមត្រូវតាមវេយ្យាករណ៍ និងស៊ីសង្វាក់គ្នា។
សូមផ្ដល់យោបល់