អត្ថបទនេះបកប្រែពីភាសាអង់គ្លេសដោយ AI។ អានអត្ថបទដើមជាភាសាអង់គ្លេស →
បកស្រាយពី Dream-RSI របស់ Google DeepMind៖ តើ AI ពិតជាកំពុងអភិវឌ្ឍខ្លួនឯងមែនឬ?
Dream-RSI ជួយឱ្យ agent សរសេរកូដស្វែងរកដំណោះស្រាយកាន់តែពូកែ ដោយគ្រាន់តែរំលឹកប្រវត្តិសកម្មភាពចាស់ៗឡើងវិញ ខណៈ weights របស់ម៉ូឌែលមិនប្រែប្រួលសូម្បីតែបន្តិច។ ស្វែងយល់ពីរបៀបដំណើរការ និងដែនកំណត់របស់វា។
Google DeepMind បានចេញផ្សាយឯកសារស្រាវជ្រាវថ្មីមួយឈ្មោះថា Dream-RSI។ ពាក្យកាត់ RSI នេះមកពីពាក្យពេញថា recursive self-improvement ដែលជាគំនិតធ្វើឱ្យមនុស្សទូទៅព្រួយបារម្ភអស់រយៈពេលហុកសិបឆ្នាំមកហើយ ពោលគឺ AI ដែលអាចអភិវឌ្ឍសមត្ថភាពខ្លួនឯងឱ្យកាន់តែពូកែឡើង។ គ្រាន់តែឃើញឈ្មោះភ្លាម អ្នកសារព័ត៌មានក៏នាំគ្នាចុះផ្សាយព្រោងព្រាតភ្លែត។
ខ្ញុំបានអានឯកសារស្រាវជ្រាវនេះហើយ។ ការពិតទៅ ម៉ូឌែលមិនបានឆ្លាតជាងមុនបន្តិចណាឡើយ ហើយ weights របស់វាក៏មិនប្រែប្រួលសូម្បីតែបន្តិច។ ប៉ុន្តែវាបែរជាដំណើរការបានល្អប្រសើរជាងមុនទៅវិញ។
▶ WATCH ON YOUTUBEWatch the video
▶ WATCH ON YOUTUBEវីដេអូពេញ៖
បញ្ហាប្រឈម៖ ការស្វែងរកត្រូវចំណាយធនធានច្រើន
បច្ចុប្បន្ន AI agent អាចធ្វើកិច្ចការស្រាវជ្រាវរកអ្វីថ្មីៗបានហើយ ដូចជាការបង្កើត algorithm ឱ្យលឿនជាងមុន ការដោះស្រាយបញ្ហា optimization និងការបង្កើត kernel លើ GPU ជាដើម។ វិធីធ្វើគឺសាមញ្ញណាស់៖ សាកល្បងវិធីមួយ រួចវាស់វែងលទ្ធផល បន្ទាប់មកសាកល្បងវិធីមួយផ្សេងទៀត។ នេះហើយជាដំណើរការរុករកស្វែងរកដំណោះស្រាយ (search) ហើយរាល់ការសាកល្បងម្តងៗ តម្រូវឱ្យដំណើរការកូដពិតប្រាកដនៅលើ hardware ផ្ទាល់តែម្តង។
ដូច្នេះហើយ ឧបសគ្គធំមិនមែនស្ថិតនៅលើភាពឆ្លាតវៃនោះទេ ប៉ុន្តែគឺការដឹងច្បាស់ថា តើត្រូវសាកល្បងអ្វីបន្តទៀត។ គេហៅចំណុចនេះថា គោលការណ៍រុករក (exploration policy)។
បញ្ហាជាប់គាំងគឺ៖
- យុទ្ធសាស្ត្រថេរមួយ នឹងលែងដំណើរការនៅពេលទំហំនៃការស្វែងរក (search space) កាន់តែធំឡើង។
- រីឯការរៀនបង្កើតយុទ្ធសាស្ត្រល្អជាងមុនតាមដំណើរការផ្ទាល់ (online) តម្រូវឱ្យរត់កូដរាប់ពាន់ដងជាមុនសិន ដែលត្រូវចំណាយធនធានច្រើនមហាសាល។
បើចង់រៀន ក៏គ្មានលទ្ធភាពចំណាយ បើមិនរៀន ក៏មិនកើតទៀត។
អ្វីដែល Dream-RSI ធ្វើ
រាល់ពេលដែល agent ធ្វើការរុករក វាតែងតែបន្សល់ទុកនូវដានប្រវត្តិសកម្មភាពជានិច្ច ដូចជាការសាកល្បងនីមួយៗ និងពិន្ទុដែលទទួលបាន។ ជាទូទៅ កំណត់ត្រា (logs) ទាំងនេះតែងតែត្រូវគេបោះចោលឥតប្រយោជន៍។
ប៉ុន្តែ Dream-RSI រក្សាទុកកំណត់ត្រាទាំងនោះ ហើយបំប្លែងវាឱ្យទៅជា ប្រព័ន្ធក្លែងធ្វើឡើងវិញ (replay simulator)។ យោងតាមពាក្យពេចន៍ក្នុងឯកសារស្រាវជ្រាវផ្ទាល់ ប្រវត្តិស្វែងរកដែលប្រមូលបាន "អាចប្រើជា replay simulator លើ search space ជាក់ស្តែងដែលធ្លាប់បានឆ្លងកាត់"។
- Dream (យល់សប្តិ)៖ សាកល្បងយុទ្ធសាស្ត្ររុករកថ្មីៗរាប់ពាន់ប្រៀបធៀបលើផែនទីទិន្នន័យចាស់ ដោយមិនបាច់រត់កូដជាក់ស្ដែងឡើយ។
- Wake (ភ្ញាក់ដឹងខ្លួន)៖ យកយុទ្ធសាស្ត្រដែលឈ្នះទៅប្រើក្នុងការដំណើរការកូដជាក់ស្តែង។
- Log (កត់ត្រា)៖ វានឹងបង្កើតប្រវត្តិទិន្នន័យថ្មីបន្ថែមទៀត ដែលធ្វើឱ្យផែនទីកាន់តែរីកធំជាងមុន។
- Repeat (ធ្វើឡើងវិញ)៖ បន្តអនុវត្តវដ្តនេះសារជាថ្មី។
វដ្តវិលជុំនេះហើយដែលជាផ្នែក recursive នោះ។ វាជាការកែលម្អអ្វីដែលជួយកែលម្អអ្វីមួយផ្សេងទៀត។
ប្រយោគមួយឃ្លាដែលមនុស្សភាគច្រើនមើលរំលង
នៅក្នុងសេចក្តីសង្ខេប (abstract) បានបញ្ជាក់យ៉ាងច្បាស់ថា ប្រព័ន្ធនេះគ្រាន់តែជា "ស្រទាប់សម្របសម្រួលកម្រិតស្រាល (lightweight orchestration layer) ប៉ុណ្ណោះ ដោយទុកឱ្យ agent សរសេរកូដខាងក្រោមនៅដដែលឥតកែប្រែ"។
- គ្មានការបង្វឹកបន្ថែម (fine-tuning) ឡើយ។
- គ្មានការអាប់ដេត gradient ឡើយ។
- គ្មាន weights ថ្មីនោះទេ។
ម៉ូឌែលដដែលនេះដំណើរការតាំងពីដើមរហូតដល់ចប់។ អ្វីដែលបានកែលម្អនោះ គឺគ្រាន់តែជាការណែនាំអំពីរបៀបរុករកស្វែងរកប៉ុណ្ណោះ។
សូមស្រមៃគិតដល់កីឡាករអុកម្នាក់ ដែលមិនដែលពូកែជាងមុនខាងក្បួនលេងអុកនោះទេ ប៉ុន្តែគាត់ចេះក្បួនបើកឆាក (opening book) កាន់តែច្រើនឡើងៗ។ គាត់អាចឈ្នះការប្រកួតបានច្រើនជាងមុន ប៉ុន្តែគាត់មិនបានឆ្លាតជាងមុនឡើយ។ រឿងទាំងពីរនេះសុទ្ធតែជាការពិតដូចគ្នា។
| សំណួរ | ចម្លើយ |
|---|---|
| តើនេះជាការផ្ទុះឡើងនៃបញ្ញាសិប្បនិម្មិតមែនទេ? | ទេ |
| តើវាជាការអភិវឌ្ឍសមត្ថភាពខ្លួនឯងមែនទេ? | ពិតមែន ប៉ុន្តែក្នុងកម្រិតចង្អៀតមួយប៉ុណ្ណោះ |
តើវាគ្រាន់តែជាការធ្វើ caching ប៉ុណ្ណោះមែនទេ?
នេះជាចម្ងល់ដ៏សមហេតុផលមួយ។ ការធ្វើ caching គឺគ្រាន់តែរក្សាទុកចម្លើយ ហើយផ្តល់ចម្លើយដដែលនោះត្រឡប់មកវិញ។ ប៉ុន្តែ Dream-RSI រក្សាទុកទម្រង់នៃដំណើរការរុករកទាំងមូល រួចចោទសួរនូវសេណារីយ៉ូដែលមិនធ្លាប់បានកើតឡើងពីមុនមកថា៖ ចុះបើខ្ញុំរុករកតាមរបៀបផ្សេងវិញ តើនឹងទៅជាយ៉ាងណា? នេះគឺជាប្រព័ន្ធក្លែងធ្វើ (simulator) មិនមែនគ្រាន់តែជាការស្រង់ទិន្នន័យចាស់មកមើល (lookup) នោះឡើយ។
ដែនកំណត់របស់វា
ឯកសារស្រាវជ្រាវនេះបានបញ្ជាក់យ៉ាងត្រង់ៗតែម្តង។ ប្រព័ន្ធក្លែងធ្វើនេះគ្របដណ្តប់តែលើទំហំនៃការស្វែងរកដែល ធ្លាប់បានកើតឡើងជាក់ស្តែង (realized) ប៉ុណ្ណោះ ពោលគឺអ្វីដែលធ្លាប់បានកើតឡើងពិតប្រាកដ។ អ្នកអាចយល់សប្តិឃើញបាន តែពីកន្លែងដែលអ្នកធ្លាប់បានទៅដល់ប៉ុណ្ណោះ។
វាចេះដើរលើផែនទីបានស្ទាត់ជំនាញជាងមុន ប៉ុន្តែវាមិនអាចពង្រីកផែនទីដោយខ្លួនឯងបានឡើយ។ ហេតុនេះហើយបានជាពាក្យថា "ការផ្ទុះឡើងនៃបញ្ញាសិប្បនិម្មិត (intelligence explosion)" មិនមែនជាពាក្យត្រឹមត្រូវសម្រាប់ករណីនេះទេ។
លទ្ធផលសម្រេចបាន
នៅក្នុងវិស័យចំនួនបី (រួមមានវិស្វកម្ម algorithm, ការធ្វើ optimization ផ្នែកគណិតវិទ្យា និងវិស្វកម្ម kernel លើ GPU) ឯកសារស្រាវជ្រាវនេះបានបង្ហាញថា ពួកគេទទួលបាន "គុណភាពនៃការរកឃើញដំណោះស្រាយប្រហាក់ប្រហែល ឬល្អជាងមុន ខណៈពេលដែលកាត់បន្ថយការចំណាយបានយ៉ាងច្រើនក្នុងការកំណត់មួយចំនួន"។
សូមចាប់អារម្មណ៍លើពាក្យពេចន៍ដែលពួកគេប្រើ៖ ប្រហាក់ប្រហែល ឬល្អជាងមុន ក្នុងការកំណត់មួយចំនួន។ នេះជាសំដីរបស់អ្នកស្រាវជ្រាវដែលបញ្ជាក់ថា វាពិតជាដំណើរការមែន វាមិនមែនជាមន្តអាគមអ្វីនោះទេ ហើយពួកគេក៏មិនបាននិយាយបំផ្លើសហួសហេតុដែរ។ ឯកសារស្រាវជ្រាវនេះមានអ្នកនិពន្ធចំនួន 17 នាក់ មកពី Google, Google DeepMind, University of Maryland និង University of Virginia។
ហេតុអ្វីបានជារឿងនេះសំខាន់ចំពោះអ្នកបង្កើត agent
ផ្នែកដែលត្រូវចំណាយច្រើនបំផុតរបស់ agent មិនមែនជាម៉ូឌែលនោះទេ ប៉ុន្តែគឺការសាកល្បង៖ រាល់ការហៅប្រើ tool, ការរត់តេស្ត, ការ build និងការសាកល្បងម្ដងហើយម្ដងទៀត។ អ្វីក៏ដោយដែលជួយឱ្យ agent ចេះសាកល្បងដោយឆ្លាតវៃ ជំនួសឱ្យការចេះតែសាកល្បងឥតឈប់ឈរ នោះហើយជាចំណុចគន្លឹះដែលសម្រេចជោគជ័យ។
ដូច្នេះហើយ នេះគឺជា ឯកសារស្រាវជ្រាវស្តីពីការកាត់បន្ថយថ្លៃចំណាយ ដែលគ្រាន់តែប្រើចំណងជើងគួរឱ្យខ្លាចប៉ុណ្ណោះ។ ប៉ុន្តែនោះមិនមែនជារឿងអន់ថយឡើយ ពីព្រោះការចំណាយខ្ពស់ពេកនេះហើយ ជាមូលហេតុដែលគំនិតបង្កើត agent ភាគច្រើនត្រូវបរាជ័យ មុនពេលអាចបញ្ចេញឱ្យប្រើប្រាស់ជាក់ស្តែង។
ការសន្និដ្ឋាន
តើ Google បានចាប់ផ្តើមការផ្ទុះឡើងនៃបញ្ញាសិប្បនិម្មិតមែនទេ? ចម្លើយគឺ ទេ! weights មិនដែលប្រែប្រួលសូម្បីតែបន្តិច ផែនទីនៅតែមានដែនកំណត់ ហើយ agent ក៏នៅតែជា agent ដដែលដូចកាលពីថ្ងៃដំបូង។ ប៉ុន្តែវាពិតជាបានរៀនពីរបៀបរុករកកាន់តែប្រសើរ តាមរយៈការដំណើរការប្រវត្តិអតីតកាលរបស់វាឡើងវិញ។ នេះមិនមែនជាការផ្ទុះឡើងនៃបញ្ញាអ្វីនោះទេ ប៉ុន្តែវាជាការចងចាំដ៏ពូកែអស្ចារ្យមួយ។
តំណភ្ជាប់
- វីដេអូពេញ៖ https://youtu.be/09bInxi8p0U
- ឯកសារស្រាវជ្រាវ arXiv 2609.14858៖ https://arxiv.org/abs/2609.14858
- អត្ថបទពាក់ព័ន្ធ៖ GPT-6 Astra និងកំណត់សម្គាល់ជើងទំព័រ ARC-AGI-3


