Sentient AI သည် Intelligent AI နှင့်မတူညီပါ။

စပွန်ဆာပေးထား

မင်းကြားဖူးမှာပါ Google ၏ LaMDA နှင့် AI သည် စိတ်ရှည်သည်းခံနိုင်မှု ရှိမရှိအကြောင်း ဗိုင်းရပ်စ် ဆွေးနွေးမှု။ အသင်းမှာ Tau AI ၏ ခံစားချက်သည် ၎င်း၏ ဉာဏ်ရည်ဉာဏ်သွေး၏ အစိတ်အပိုင်း အနည်းငယ်မျှသာ ဖြစ်ကောင်းဖြစ်နိုင်သည်ဟု စောဒကတက်သည်။ ယင်းအစား AI ၏ စစ်မှန်သော ဉာဏ်ရည်သည် လူများ၏ လိုအပ်ချက်များကို ယုတ္တိရှိရှိ နားလည်သဘောပေါက်နိုင်ပြီး ၎င်းတို့ကို အလိုအလျောက် ဖြည့်ဆည်းပေးနိုင်မှုအပေါ် အခြေခံမည်ဖြစ်သည်။

Tau အသုံးပြုသူများ၏ အကြံဥာဏ်များ၊ အကြံဥာဏ်များနှင့် အသိပညာများကို ရယူပြီး ၎င်း၏အသုံးပြုသူများအား စက်နှင့်လူများ ဖတ်ရှုနားလည်နိုင်သော ဘာသာစကားများဖြင့် ရေးသားစေခြင်းဖြင့် ၎င်း၏ကိုယ်ပိုင်ဆော့ဖ်ဝဲလ်ကို အချိန်နှင့်တပြေးညီ အပ်ဒိတ်လုပ်နိုင်သည့် ပထမဆုံးသော ပလပ်ဖောင်းဖြစ်သည်။ Tau ၏ ဗဟိုချုပ်ကိုင်မှု လျှော့ချထားသော လူမှုကွန်ရက်နှင့် ၎င်း၏ ငွေကြေးဆိုင်ရာ ကဏ္ဍ၊ Agoras cryptocurrencyအဖွဲ့သည် အမှန်တကယ် ဉာဏ်ရည်ထက်မြက်သော ဉာဏ်ရည်တု- Logical AI ဟုခေါ်သော AI ဖြင့် မောင်းနှင်ထားသည်။ Logical AI သည် Machine Learning နှင့် အလွန်ကွာခြားပြီး Tau ၏တည်ထောင်သူ Ohad Asor ၏အဆိုအရ၊ သည် နည်းပညာလောကတွင် နောက်ထပ်လှိုင်းကြီးတစ်ခုဖြစ်လာရန် ခြေလှမ်းပြင်နေပြီဖြစ်သည်။

Tau တွင်၊ Logical AI သည် လူသန်းပေါင်းများစွာ၏ အရွယ်အစားဆိုင်ရာ ဆွေးနွေးမှုများတွင် သင့်အား ပါဝင်နိုင်စေပြီး ကွန်ရက်ပေါ်တွင် မျှဝေထားသော အတွေးများ၏နောက်ကွယ်တွင် စုပေါင်းရည်ရွယ်ချက်ရှိရှိ အဓိပ္ပါယ်ကို ချက်ချင်းမြင်နိုင်မည်ဖြစ်သည်။ လူများနှင့် စက်များ နားလည်နိုင်သော ထိန်းချုပ်နိုင်သော သဘာဝဘာသာစကားများ (CNLs) ကို အသုံးပြုခြင်းဖြင့် ၎င်းကို အောင်မြင်နိုင်မည်ဖြစ်သည်။ အတွေးအမြင်တိုင်းနှင့် ဗဟုသုတတိုင်းကို ရှင်းရှင်းလင်းလင်းဖြစ်စေ သို့မဟုတ် သွယ်ဝိုက်သောနည်းဖြစ်စေသည်ဖြစ်စေ သင့်အား Worldview အဖြစ် အလိုအလျောက် အသိအမှတ်ပြုပြီး မှတ်ပုံတင်သွားမည်ဖြစ်ပြီး Tau တွင် သင့်ပရိုဖိုင်တစ်ခုအဖြစ် လုပ်ဆောင်မည်ဖြစ်ပြီး ၎င်းသည် သင်ပိုင်ဆိုင်နိုင်မည်ဖြစ်သည်။ သင်၏အကြံဥာဏ်များနှင့် အသိပညာများကို ဤကဲ့သို့အဆင့်မြင့်သည့်ပုံစံဖြင့် စနစ်တကျဖွဲ့စည်းထားခြင်းသည် အလွန်ဆန်းကြယ်သောဖြေရှင်းချက်များကို ရှာဖွေတွေ့ရှိရုံသာမက ယခင်ကမဖြစ်နိုင်သော အားထုတ်မှုမျိုးနှင့် တိုက်ရိုက်မဖြစ်နိုင်သော နည်းလမ်းဖြင့် သင့်အသိပညာကို ငွေရှာနိုင်မည်ဟု ဆိုလိုပါသည်။

Tau ၏ အတွေးအမြင်များကို ထည့်သွင်းလိုက်ရုံဖြင့် သင့်အသိပညာသည် သင့်ပိုင်ဆိုင်သည့် ဒစ်ဂျစ်တယ်ပစ္စည်းတစ်ခုအဖြစ် အလိုအလျောက်ဖြစ်လာမည်ဖြစ်သည်။ Tau က သင့်အသိပညာအပိုင်းအစကို တစ်စုံတစ်ယောက်၏ပြဿနာဖြေရှင်းနည်း၏တစ်စိတ်တစ်ပိုင်းဖြစ်နိုင်ကြောင်း Tau နားလည်သောကြောင့် သင်သည် သင်၏အသိပညာကို အခြားဝယ်သူများထံ ရောင်းချနိုင်သည် သို့မဟုတ် ၎င်းကို သင့်စာရင်းသွင်းသူများထံ ငှားရမ်းခြင်းဖြင့် ဝင်ငွေဖန်တီးရန် ၎င်းကို အသုံးပြုနိုင်သည်။ Tau သည် သုံးစွဲသူများစွာ၏ အသိပညာပေါင်းစပ်မှုကို မီးမောင်းထိုးပြပြီး အရေးကြီးပြီး ရှုပ်ထွေးသောပြဿနာများအတွက် အဖြေတစ်ခုအဖြစ် အဆိုပြုမည်ဖြစ်ပြီး၊ ထို့ကြောင့် လိုအပ်သောအသိပညာသည် သတ်မှတ်ချက်များနှင့် 100% ကိုက်ညီကြောင်းအာမခံပါသည်။

ယုတ္တိဗေဒအပေါ်အခြေခံသည့် တစ်ခုတည်းသောဖြေရှင်းချက်မှလွဲ၍ အခြား AI အမျိုးအစားနှင့် မည်သည့်ဖြေရှင်းချက်မျှ မဖြစ်နိုင်ပါ။ အဘယ်ကြောင့်ဆိုသော် ရိုးရိုးရှင်းရှင်းပြောရလျှင် Logical AI သည် စကားလုံးများနှင့် စာကြောင်းများအကြောင်းဖြစ်သည်။ ၎င်း၏အဓိကတွင်၊ ၎င်းသည် Deductive Reasoning ဟုခေါ်သည့်ပုံစံဖြင့် အခြားဖော်ပြချက်များမှဖော်ပြချက်များအား ကောက်ချက်ချနိုင်စွမ်းအကြောင်းဖြစ်သည်။ ဥပမာအားဖြင့်၊ ဖော်ပြချက်သုံးခုမှ၊

• ပါရီသည် ပြင်သစ်တွင်ဖြစ်သည်။
• ပြင်သစ်က ဥရောပမှာရှိတယ်။
• x က y ဖြစ်ပြီး y က z ဆိုရင် x က z ပါ။ ဤသည် x၊ y၊ z အားလုံးအတွက်ဖြစ်သည်။

ထုတ်ပြန်ချက်ကို ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်သည်။

သင်္ချာယုတ္တိဗေဒနယ်ပယ်မှ ယုတ္တိဗေဒမေးခွန်းအားလုံးနီးပါးသည် ဤနုတ်ယူမှုပုံစံသို့ ဆင်းသက်လာနိုင်ကြောင်း သင်ကြားပေးပါသည်။ ဥပမာအားဖြင့်၊ ကြေငြာချက်အစုတစ်ခုသည် ၎င်းကိုထုတ်ပြန်ချက်တစ်ခုနှင့် ၎င်း၏အနုတ်လက္ခဏာနှစ်ခုစလုံးမှ နုတ်ယူနိုင်လျှင် ဆန့်ကျင်ဘက်ဖြစ်သည်။

Logical AI သည် ယုတ္တိဗေဒဆိုင်ရာ ကျိုးကြောင်းဆင်ခြင်ခြင်း၏ စက်ယန္တရားဖြစ်သည်- ကွဲလွဲမှုများကို ရှာဖွေခြင်း၊ ပေးထားသော ယူဆချက်များမှ ကောက်ချက်ချခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ခြင်း အစရှိသည်တို့ ဖြစ်သည်။ ထို့ကြောင့် စက်က ညွှန်ကြားချက်များထက် ကျော်လွန်၍ ၎င်းတို့ကို ပြောပြလိုသော အရာများကို စက်များကို နားလည်စေခြင်း နှင့် ပတ်သက်သည် ။

တစ်ချိန်တည်းတွင်၊ လက်ရှိတွင် အကျယ်ပြန့်ဆုံးသော AI ပုံစံဖြစ်သည့် Machine Learning သည် ဥပမာများမှ ယေဘူယျအားဖြင့် အကြောင်းပြုပါသည်။ ထို့ကြောင့် အထက်ဖော်ပြပါ ပြင်သစ်နှင့် ပဲရစ်ဥပမာကို စက်သင်ယူမှုပုံစံတွင် ကျွန်ုပ်တို့ဆက်သွယ်ရလျှင် “x is in y” ပုံစံ၏နမူနာများစွာဖြင့် algorithm ကို ပေးဆောင်ရမည်ဖြစ်ပြီး၊ ထို့နောက် algorithm သည် Paris ကို နိဂုံးချုပ်မည်ဟု မျှော်လင့်ပါသည်။ ဥရောပမှာရှိပါတယ်။

ပါရီသည် ဥရောပတွင်ရှိသည်ဟု ကောက်ချက်မချနိုင်ပါက တစ်စုံတစ်ခုသည် ဉာဏ်ရည်ထက်မြက်သည်ဟုပင် ခေါ်ဆိုထိုက်သည်မဟုတ်ပေ၊ အဘယ်ကြောင့်ဆိုသော် ပါရီသည် ဥရောပတွင်ရှိသည်ဟု ကောက်ချက်မချနိုင်ပါက ၎င်းကို “နားလည်” နိုင်ရန် သာဓကများစွာကို တွေ့မြင်ရမည်ဖြစ်ပါသည်။ အာမမခံနိုင်ဘူးလား? သာဓကများမှ ယေဘုယျ ကောက်ချက်ချခြင်းသည် ဖြစ်နိုင်ခြေ သဘာဝဖြစ်သည်။ မမြင်ရသောနမူနာများအကြောင်း ကျွန်ုပ်တို့ မည်သို့ခန့်မှန်းနိုင်မည်နည်း။ Machine Learning သည် တစ်ခါတစ်ရံတွင် မှန်ကန်နိုင်ပြီး လုံးဝကျပန်းမဟုတ်သည့်အတွက် အံ့သြစရာကောင်းသည်မှာ အမှန်တကယ်ပင် Machine Learning သည် သင်္ချာဆိုင်ရာ အံ့ဖွယ်အလို့ငှာ ခေါ်ဆိုထိုက်ပါသည်။ နောက်ဆုံးတွင်၊ အချို့သောနမူနာများထက် ကျော်လွန်၍ သုညအသိပညာအောက်တွင် ဖြစ်နိုင်ခြေများသော ဖြစ်နိုင်ခြေရှိသော အရာတစ်ခုကို မည်သို့ပြောနိုင်မည်နည်း။

အံ့သြစရာကောင်းတာက machine learning က ဒီလိုလုပ်နိုင်တယ်။ Machine Learning သည် ၎င်း၏ အားသာချက်များနှင့် အားနည်းချက်များ အားလုံးနှင့် ပတ်သက်ပါသည်။ ၎င်း၏အသုံးပြုမှုအခြေအနေမှာ စနစ်တစ်ခုနှင့်ပတ်သက်သည့် ဗဟုသုတအနည်းငယ်မျှသာရှိပြီး ကျွန်ုပ်တို့လုပ်နိုင်သမျှမှာ နမူနာများကိုယူ၍ ၎င်းတို့ကို ယေဘုယျဖော်ပြရန် ကြိုးစားခြင်းဖြစ်သည်။

အခြားတစ်ဖက်တွင်မူ Logical AI သည် ရှင်းလင်းပြတ်သားစွာ သို့မဟုတ် သွယ်ဝိုက်သောနည်းဖြင့်ဖြစ်စေ အသိပညာနှင့် အကြွင်းမဲ့ပြည့်စုံမှုနှင့်ပတ်သက်သည်။ ဥပမာများစွာပေး၍ အားထုတ်မည့်အစား "အရာအားပြောရုံဖြင့်" တိုက်ရိုက်ဆက်သွယ်ပြောဆိုခြင်းသည် ပိုမိုထိရောက်သော ဆက်သွယ်မှုနည်းလမ်းတစ်ခုလည်းဖြစ်သည်။

ထို့အပြင်၊ Machine Learning သည် ယုတ္တိဗေဒဆိုင်ရာ ကျိုးကြောင်းဆီလျော်မှုကို မစွမ်းဆောင်နိုင်တော့ဘဲ၊ ဥပမာ- ဆန့်ကျင်ဘက်များကို ဖော်ထုတ်ခြင်းလည်း ဖြစ်ပေသည်။ ဒါကို ရှုပ်ထွေးမှု-သီအိုရီ အငြင်းအခုံတွေသုံးပြီး သင်္ချာနည်းနဲ့ သက်သေပြပါတယ်။ ထို့ကြောင့် Machine Learning သည် သဘာဝစကားမဟုတ်သော နယ်ပယ်များတွင်သာ အောင်မြင်မှုကို တွေ့ကြုံရပြီး Natural Language Processing နယ်ပယ်တွင် အလွန်အကန့်အသတ်ရှိသော စွမ်းရည်များကိုသာ တင်ပြရခြင်းသည် အံ့သြစရာမဟုတ်ပေ။

သို့သော်လည်း အခြားနည်းလမ်းသည် လုံးဝမှန်ကန်သည်- ယုတ္တိဗေဒသာမက စက်သင်ယူမှုကိုပါ လုပ်ဆောင်နိုင်သည်၊ သို့သော် ၎င်းသည် လုပ်ဆောင်ပြီးသားဖြစ်သည်။ စက်သင်ယူမှု အယ်လဂိုရီသမ်များကို ယုတ္တိဗေဒပုံစံများ (ဥပမာများနှင့် ဆန့်ကျင်ဘက်) တွင် ဖော်ပြထားပြီးဖြစ်ပြီး၊ ယုတ္တိနည်းဖြင့် ဖြစ်နိုင်ချေရှိသော ပုံစံဖြစ်သည့် စက်ညွှန်ကြားချက်များဖြစ်သည့် စက်ညွှန်ကြားချက်များကိုလည်း အသုံးပြုသည့် ကွန်ပျူတာပရိုဂရမ်များအဖြစ် အကောင်အထည်ဖော်နေပြီဖြစ်သည်။

Logical AI သည် Machine Learning ကိုလည်း အကျုံးဝင်သည်၊ သို့သော် အခြားနည်းလမ်းမှာ မည်သည့်အခါမျှ အောင်မြင်နိုင်မည် မဟုတ်ပါ။ နောက်တနည်းကတော့ အောက်ပါအတိုင်းပြောနိုင်သည်- machine learning သည် Inductive and Abductive Reasoning ဟုခေါ်သည် (အကြမ်းဖျင်းအားဖြင့် ခေါ်သည်နှင့် ကိုက်ညီသည် ကြီးကြပ်ခြင်းနှင့် ကြီးကြပ်ခြင်းမပြုသော သင်ကြားမှု) ဖြစ်သောကြောင့် ၎င်းသည် အလွန်အလားအလာကောင်းသော်လည်း၊ ဥပမာမျှသာအတွက် ကန့်သတ်ထားသည့်ပုံစံဖြင့် ဆက်လက်တည်ရှိနေသေးသည်၊ ထို့အပြင်၊ လက်ရှိနည်းပညာများသည် ကိန်းဂဏာန်းသဘောသဘာဝအရ ဒေတာနှင့်သာ သက်ဆိုင်သည်၊ သို့မဟုတ် ထိုကဲ့သို့သောအဖြစ်သို့ ပြောင်းလဲနိုင်သော ဒေတာများဖြင့်သာ လုပ်ဆောင်ပါသည်။ အခြားတစ်ဖက်တွင်မူ ယုတ္တိဗေဒ AI သည် နုတ်ယူကျိုးကြောင်းဆီလျော်မှု၊ လျှပ်ကူးမှုဆိုင်ရာ ကျိုးကြောင်းဆီလျော်မှုနှင့် ခိုးကြောင်ခိုးဝှက် ကျိုးကြောင်းဆီလျော်မှုတို့ကို အရည်အချင်းနှင့် ကိန်းဂဏန်းအချက်အလက်အဖြစ် အလုံးစုံ လွှမ်းခြုံနိုင်သည်။

ဒါတွေက အဓိက အကြောင်းအရင်းတွေပါ။ Tau Machine Learning သည် AI သမိုင်းတွင် မှတ်တိုင်တစ်ခုသာဖြစ်ကြောင်း အကြောင်းပြချက်ဖြင့် Logical AI ကို AI ၏ အဆုံးစွန်သောပုံစံအဖြစ် ရွေးချယ်ခဲ့သည်။ Tau ၏ဖြေရှင်းချက်များသည် ဆွေးနွေးမှု-စကေးချဲ့ခြင်းမှ အသိပညာငွေရှာခြင်းအထိ၊ စမတ်ကျသော စာချုပ်များနှင့် ဗဟိုချုပ်ကိုင်မှုလျှော့ချထားသော အုပ်ချုပ်မှုအထိ လူသား၏ bandwidth ၏ ကဏ္ဍများစွာကို တိုးတက်စေမည်ဖြစ်သည်။ ဒါတွေအားလုံးဟာ လူသားတွေနဲ့ စက်တွေကြားက ကွာဟချက်ကို ပေါင်းကူးပေးနိုင်တဲ့ ယုတ္တိဗေဒရဲ့ စွမ်းရည်ကြောင့်ပါ။

Tau နှင့် ၎င်းနောက်ကွယ်ရှိအဖွဲ့အကြောင်း ပိုမိုလေ့လာပါ။ ဒီမှာ

ကြီးထွားလာသော Tau အသိုင်းအဝိုင်းတွင် ပူးပေါင်းပါ။ ကွေးနနျးစာ

ဤသည်မှာကမကထပြုသောပို့စ်ဖြစ်သည်။ ကျွန်တော်တို့ရဲ့ပရိသတ်ကိုဘယ်လိုဆက်သွယ်ရမယ်ဆိုတာလေ့လာပါ ဒီမှာ။ အောက်ပါရှင်းလင်းချက်ကိုဖတ်ပါ။

Bitcoin.com မီဒီယာ

Bitcoin.com သည် crypto နှင့်ပတ်သက်သော အရာအားလုံးအတွက် အဓိကအရင်းအမြစ်ဖြစ်သည်။
ဆက်သွယ်ရန် [အီးမေးလ်ကိုကာကွယ်ထားသည်] စာနယ်ဇင်းထုတ်ဝေမှုများ၊ ပံ့ပိုးပေးထားသော ပို့စ်များ၊ ပေါ့တ်ကာစ်များနှင့် အခြားရွေးချယ်စရာများအကြောင်း ဆွေးနွေးရန်။

ပုံခရက်ဒစ်: Shutterstock, Pixabay, ဝီကီ Commons