ស្វ័យប្រវត្តិកម្ម៖ អនាគតនៃវិទ្យាសាស្ត្រទិន្នន័យនិងការរៀនម៉ាស៊ីន?

ការរៀនតាមម៉ាស៊ីនគឺជាការជឿនលឿនដ៏ធំបំផុតមួយនៅក្នុងប្រវត្តិសាស្ត្រនៃការគណនាហើយឥឡូវនេះត្រូវបានគេមើលឃើញថាអាចដើរតួនាទីយ៉ាងសំខាន់នៅក្នុងវិស័យទិន្នន័យធំនិងការវិភាគ។ ការវិភាគទិន្នន័យធំគឺជាបញ្ហាប្រឈមដ៏ធំមួយពីទស្សនៈសហគ្រាស។ ឧទាហរណ៍សកម្មភាពដូចជាការស្វែងយល់ពីទ្រង់ទ្រាយទិន្នន័យផ្សេងៗគ្នាការវិភាគការរៀបចំទិន្នន័យនិងការត្រងទិន្នន័យដែលមិនចាំបាច់អាចមានធនធានច្រើន។ ការជ្រើសរើសអ្នកជំនាញខាងវិទ្យាសាស្ត្រទិន្នន័យគឺជាសំណើថ្លៃហើយមិនមែនជាមធ្យោបាយបញ្ចប់សម្រាប់ក្រុមហ៊ុននីមួយៗឡើយ។ អ្នកជំនាញជឿជាក់ថាការរៀនម៉ាស៊ីនអាចស្វ័យប្រវត្តិនូវកិច្ចការជាច្រើនដែលទាក់ទងនឹងការវិភាគ - ទាំងទម្លាប់និងស្មុគស្មាញ។ ការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិអាចរំដោះធនធានសំខាន់ៗដែលអាចត្រូវបានប្រើសម្រាប់ការងារស្មុគស្មាញនិងច្នៃប្រឌិតថ្មី។ ការរៀនម៉ាស៊ីនហាក់ដូចជាកំពុងផ្លាស់ប្តូរទិសដៅនេះគ្រប់ពេលវេលា។

ស្វ័យប្រវត្តិកម្មនៅក្នុងបរិបទនៃបច្ចេកវិទ្យាព័ត៌មាន

នៅក្នុងបច្ចេកវិទ្យាព័ត៌មានស្វ័យប្រវត្តិកម្មគឺជាការតភ្ជាប់ប្រព័ន្ធនិងសូហ្វវែរផ្សេងៗគ្នាដែលអាចឱ្យពួកគេបំពេញការងារជាក់លាក់ដោយគ្មានការអន្តរាគមន៍ពីមនុស្ស។ នៅក្នុងប្រព័ន្ធព័ត៌មានវិទ្យាប្រព័ន្ធស្វ័យប្រវត្តិអាចអនុវត្តការងារសាមញ្ញនិងស្មុគស្មាញ។ ឧទាហរណ៏នៃការងារសាមញ្ញមួយអាចរួមបញ្ចូលទម្រង់ជាមួយឯកសារ PDF និងបញ្ជូនឯកសារទៅអ្នកទទួលត្រឹមត្រូវខណៈពេលដែលការផ្តល់ការបម្រុងទុកនៅខាងក្រៅគេហទំព័រអាចជាឧទាហរណ៍នៃការងារស្មុគស្មាញ។

ដើម្បីធ្វើការងាររបស់អ្នកបានត្រឹមត្រូវអ្នកត្រូវរៀបចំកម្មវិធីឬផ្តល់ការណែនាំច្បាស់លាស់ចំពោះប្រព័ន្ធស្វ័យប្រវត្តិ។ រាល់ពេលដែលត្រូវការប្រព័ន្ធស្វ័យប្រវត្តិដើម្បីកែប្រែវិសាលភាពនៃការងាររបស់ខ្លួនកម្មវិធីឬការណែនាំត្រូវមាននរណាម្នាក់ធ្វើបច្ចុប្បន្នភាព។ ទោះបីជាប្រព័ន្ធស្វ័យប្រវត្តិមានប្រសិទ្ធភាពក្នុងការងារក៏ដោយកំហុសអាចកើតឡើងដោយសារមូលហេតុផ្សេងៗគ្នា។ នៅពេលមានកំហុសកើតឡើងបុព្វហេតុដើមត្រូវការកំណត់អត្តសញ្ញាណនិងកែតម្រូវ។ ច្បាស់ណាស់ដើម្បីធ្វើការងាររបស់ខ្លួនប្រព័ន្ធស្វ័យប្រវត្តិគឺពឹងផ្អែកទាំងស្រុងទៅលើមនុស្ស។ លក្ខណៈនៃការងារកាន់តែស្មុគស្មាញលទ្ធភាពនៃកំហុសនិងបញ្ហាកាន់តែខ្ពស់។

ឧទាហរណ៏ទូទៅមួយនៃស្វ័យប្រវត្តិកម្មនៅក្នុងឧស្សាហកម្មអាយធីគឺស្វ័យប្រវត្តិកម្មនៃការសាកល្បងចំណុចប្រទាក់អ្នកប្រើផ្អែកលើគេហទំព័រ។ ករណីតេស្តត្រូវបានបញ្ចូលទៅក្នុងស្គ្រីបស្វ័យប្រវត្តិកម្មហើយចំណុចប្រទាក់អ្នកប្រើត្រូវបានសាកល្បង។ (សម្រាប់ព័ត៌មានបន្ថែមអំពីការអនុវត្តជាក់ស្តែងនៃការរៀនម៉ាស៊ីនសូមមើលការរៀនម៉ាស៊ីននិង Hadoop ក្នុងការរកឃើញការក្លែងបន្លំជំនាន់ក្រោយ។ )

អាគុយម៉ង់នៅក្នុងការពេញចិត្តនៃស្វ័យប្រវត្តិកម្មគឺថាវាបំពេញភារកិច្ចធម្មតានិងអាចធ្វើឡើងវិញបាននិងផ្តល់សេរីភាពដល់បុគ្គលិកក្នុងការបំពេញការងារប្រកបដោយភាពស្មុគស្មាញនិងច្នៃប្រឌិត។ ទោះយ៉ាងណាក៏ដោយវាត្រូវបានគេអះអាងផងដែរថាស្វ័យប្រវត្តិកម្មបានមិនរាប់បញ្ចូលនូវភារកិច្ចឬតួនាទីមួយចំនួនធំដែលមនុស្សបានអនុវត្តពីមុន។ ឥឡូវនេះជាមួយនឹងការរៀនម៉ាស៊ីនចូលក្នុងឧស្សាហកម្មផ្សេងៗស្វ័យប្រវត្តិកម្មអាចបន្ថែមវិមាត្រថ្មី។

អនាគតនៃការរៀនម៉ាស៊ីនស្វ័យប្រវត្តិ?

ខ្លឹមសារនៃការរៀនសូត្ររបស់ម៉ាស៊ីនគឺជាសមត្ថភាពរបស់ប្រព័ន្ធក្នុងការរៀនបន្តពីទិន្នន័យនិងវិវត្តដោយគ្មានការអន្តរាគមន៍ពីមនុស្ស។ ការរៀនម៉ាស៊ីនមានសមត្ថភាពធ្វើដូចជាខួរក្បាលមនុស្ស។ ឧទាហរណ៍ម៉ាស៊ីនផ្តល់អនុសាសន៍នៅលើគេហទំព័រពាណិជ្ជកម្មអេឡិចត្រូនិកអាចវាយតម្លៃពីចំណង់ចំណូលចិត្តនិងរសជាតិពិសេសរបស់អ្នកប្រើប្រាស់និងផ្តល់អនុសាសន៍លើផលិតផលនិងសេវាកម្មដែលសមស្របបំផុតដែលត្រូវជ្រើសរើស។ ដោយសារសមត្ថភាពនេះការរៀនម៉ាស៊ីនត្រូវបានគេមើលឃើញថាល្អបំផុតសម្រាប់ស្វ័យប្រវត្តិកម្មកិច្ចការស្មុគស្មាញដែលភ្ជាប់ជាមួយទិន្នន័យធំនិងការវិភាគ។ វាបានយកឈ្នះលើដែនកំណត់សំខាន់ៗនៃប្រព័ន្ធស្វ័យប្រវត្តិប្រពៃណីដែលមិនអនុញ្ញាតឱ្យមានការអន្តរាគមន៍ពីមនុស្សជាប្រចាំ។ មានករណីសិក្សាជាច្រើនដែលបង្ហាញពីសមត្ថភាពនៃការរៀនម៉ាស៊ីនដើម្បីអនុវត្តភារកិច្ចវិភាគទិន្នន័យស្មុគស្មាញដែលនឹងត្រូវពិភាក្សានៅពេលក្រោយនៅក្នុងក្រដាសនេះ។

ដូចដែលបានកត់សម្គាល់រួចមកហើយការវិភាគទិន្នន័យធំគឺជាសំណើដ៏លំបាកសម្រាប់អាជីវកម្មដែលអាចត្រូវបានធ្វើប្រតិភូកម្មខ្លះទៅប្រព័ន្ធរៀនម៉ាស៊ីន។ តាមទស្សនៈអាជីវកម្មនេះអាចនាំមកនូវអត្ថប្រយោជន៍ជាច្រើនដូចជាការបង្កើនធនធានវិទ្យាសាស្រ្តទិន្នន័យសម្រាប់ការច្នៃប្រឌិតនិងបេសកកម្មសំខាន់ជាងមុនបន្ទុកការងារខ្ពស់ពេលវេលាតិចក្នុងការបំពេញភារកិច្ចនិងប្រសិទ្ធភាពចំណាយ។

ករណី​សិក្សា

នៅឆ្នាំ ២០១៥ អ្នកស្រាវជ្រាវ MIT បានចាប់ផ្តើមធ្វើការលើឧបករណ៍វិទ្យាសាស្ត្រទិន្នន័យដែលអាចបង្កើតគំរូទិន្នន័យព្យាករណ៍ពីទិន្នន័យឆៅមួយចំនួនធំដោយប្រើបច្ចេកទេសដែលគេហៅថាក្បួនដោះស្រាយសំយោគលក្ខណៈស៊ីជម្រៅ។ អ្នកវិទ្យាសាស្ត្រអះអាងថាក្បួនដោះស្រាយអាចរួមបញ្ចូលគ្នានូវលក្ខណៈពិសេសល្អបំផុតនៃការរៀនម៉ាស៊ីន។ យោងតាមអ្នកវិទ្យាសាស្ត្រពួកគេបានសាកល្បងវានៅលើសំណុំទិន្នន័យចំនួន ៣ ផ្សេងគ្នាហើយកំពុងពង្រីកការសាកល្បងបន្ថែមទៀត។ នៅក្នុងក្រដាសមួយដែលត្រូវបង្ហាញនៅក្នុងសន្និសីទអន្តរជាតិស្តីអំពីវិទ្យាសាស្ត្រទិន្នន័យនិងការវិភាគអ្នកស្រាវជ្រាវ James Max Kanter និង Kalyan Veeramachaneni បាននិយាយថា“ ដោយប្រើដំណើរការកែសំរួលស្វ័យប្រវត្តិយើងធ្វើអោយប្រសើរឡើងនូវផ្លូវទាំងមូលដោយគ្មានការចូលរួមពីមនុស្សដែលអនុញ្ញាតឱ្យវាធ្វើឱ្យទូទៅទៅជាសំណុំទិន្នន័យផ្សេងៗគ្នា” ។

សូមក្រឡេកមើលភាពស្មុគស្មាញនៃភារកិច្ច៖ ក្បួនដោះស្រាយមានអ្វីដែលគេហៅថាសមត្ថភាពកែតម្រូវស្វ័យប្រវត្តិដោយមានជំនួយពីការយល់ដឹងឬតម្លៃដែលអាចទទួលបានឬស្រង់ចេញពីទិន្នន័យឆៅ (ដូចជាអាយុឬភេទ) បន្ទាប់ពីនោះទិន្នន័យព្យាករណ៍ ម៉ូដែលអាចត្រូវបានបង្កើតឡើង។ ក្បួនដោះស្រាយប្រើមុខងារគណិតវិទ្យាស្មុគ្រស្មាញនិងទ្រឹស្តីប្រូបាប៊ីលីតេដែលគេហៅថាហ្គូសៀនកូប៉ូឡា។ ដូច្នេះវាងាយស្រួលយល់អំពីកម្រិតនៃភាពស្មុគស្មាញដែលក្បួនដោះស្រាយអាចដោះស្រាយបាន។ បច្ចេកទេសនេះក៏បានឈ្នះរង្វាន់ក្នុងការប្រកួតផងដែរ។

ការរៀនម៉ាស៊ីនអាចជំនួសការងារផ្ទះ

វាកំពុងត្រូវបានពិភាក្សានៅជុំវិញពិភពលោកថាការរៀនម៉ាស៊ីនអាចជំនួសការងារបានច្រើនព្រោះវាបំពេញភារកិច្ចប្រកបដោយប្រសិទ្ធភាពខួរក្បាលមនុស្ស។ ការពិតមានការព្រួយបារម្ភខ្លះថាការរៀនម៉ាស៊ីននឹងជំនួសអ្នកវិទ្យាសាស្ត្រទិន្នន័យហើយវាហាក់ដូចជាមានមូលដ្ឋានសម្រាប់ការព្រួយបារម្ភបែបនេះ។

សម្រាប់អ្នកប្រើប្រាស់ជាមធ្យមដែលមិនមានជំនាញវិភាគទិន្នន័យប៉ុន្តែមានកម្រិតខុសៗគ្នានៃតម្រូវការវិភាគនៅក្នុងជីវិតប្រចាំថ្ងៃរបស់ពួកគេវាមិនអាចប្រើកុំព្យូទ័រដែលអាចវិភាគទិន្នន័យបានច្រើននិងផ្តល់ទិន្នន័យវិភាគបានទេ។ ទោះយ៉ាងណាបច្ចេកទេសដំណើរការភាសាធម្មជាតិ (អិន។ អិល។ ភី។ ) អាចយកឈ្នះលើដែនកំណត់នេះដោយបង្រៀនកុំព្យូទ័រឱ្យទទួលយកនិងដំណើរការភាសាមនុស្សបែបធម្មជាតិ។ តាមវិធីនេះអ្នកប្រើប្រាស់មធ្យមមិនត្រូវការមុខងារឬជំនាញវិភាគទំនើបទេ។

IBM ជឿជាក់ថាតម្រូវការសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យអាចត្រូវបានកាត់បន្ថយឬលុបបំបាត់តាមរយៈផលិតផលរបស់ខ្លួនដែលជាវេទិកាវិភាគភាសាធម្មជាតិវ៉ាតសុន។ យោងតាមលោក Marc Atschuller អនុប្រធានផ្នែកវិភាគនិងស៊ើបការណ៍អាជីវកម្មនៅវ៉ាតសុន“ ជាមួយនឹងប្រព័ន្ធយល់ដឹងដូចជាវ៉ាតសុនអ្នកគ្រាន់តែសួរសំណួររបស់អ្នកឬបើអ្នកមិនមានសំណួរអ្នកគ្រាន់តែបញ្ចូលទិន្នន័យរបស់អ្នកហើយវ៉ាតសុនអាចមើលវាបាន ហើយស្វែងយល់ពីអ្វីដែលអ្នកចង់ដឹង។ ”

សេចក្តីសន្និដ្ឋាន

ស្វ័យប្រវត្តិកម្មគឺជាជំហានឡូជីខលបន្ទាប់នៅក្នុងការរៀនសូត្ររបស់ម៉ាស៊ីនហើយយើងកំពុងជួបប្រទះនូវផលប៉ះពាល់នៅក្នុងជីវិតប្រចាំថ្ងៃរបស់យើងរួចទៅហើយ-គេហទំព័រពាណិជ្ជកម្មអេឡិចត្រូនិកការផ្តល់យោបល់ពីមិត្តហ្វេសប៊ុកការផ្តល់យោបល់លើបណ្តាញ LinkedIn និងចំណាត់ថ្នាក់ស្វែងរករបស់ Airbnb ។ ដោយពិចារណាលើឧទាហរណ៍ដែលបានផ្តល់ឱ្យមានការសង្ស័យថានេះអាចត្រូវបានកំណត់ដោយគុណភាពនៃលទ្ធផលដែលផលិតដោយប្រព័ន្ធរៀនម៉ាស៊ីនស្វ័យប្រវត្តិ។ ចំពោះគុណសម្បតិ្តនិងគុណប្រយោជន៍ទាំងអស់គំនិតនៃការរៀនម៉ាស៊ីនបង្កឱ្យមានភាពអត់ការងារធ្វើដ៏ធំហាក់ដូចជាមានប្រតិកម្មបន្តិចបន្តួច។ ម៉ាស៊ីនបានជំនួសមនុស្សនៅក្នុងផ្នែកជាច្រើននៃជីវិតរបស់យើងអស់ជាច្រើនទសវត្សមកហើយប៉ុន្តែមនុស្សបានវិវត្តនិងសម្របខ្លួនដើម្បីរក្សាភាពពាក់ព័ន្ធនៅក្នុងឧស្សាហកម្មនេះ។ យោងតាមទស្សនៈការរៀនម៉ាស៊ីនសម្រាប់ការរំខានទាំងអស់របស់វាគ្រាន់តែជារលកមួយទៀតដែលមនុស្សនឹងសម្របខ្លួន។


ពេលវេលាប្រកាស៖ ថ្ងៃទី ០៣-០៣-២០២១