បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាប្រឈមផ្នែកក្រមសីលធម៌ដែលកើតចេញពីការប្រើប្រាស់បញ្ញាសិប្បនិម្មិត (AI) ដែលកំពុងកើនឡើង ដូចជាភាពលំអៀងនៃក្បួនដោះស្រាយ (Algorithmic bias) ការបំពានសិទ្ធិឯកជនភាពទិន្នន័យ (Data privacy) និងកង្វះតម្លាភាពក្នុងការសម្រេចចិត្តដែលអាចបង្កផលប៉ះពាល់ដល់សង្គម។
វិធីសាស្ត្រ (The Methodology)៖ អត្ថបទនេះប្រើប្រាស់វិធីសាស្ត្រវិភាគបែបពិពណ៌នា ដោយធ្វើការត្រួតពិនិត្យ និងវាយតម្លៃលើក្របខ័ណ្ឌក្រមសីលធម៌ និងបញ្ហាប្រឈមក្នុងសង្គមបច្ចុប្បន្នទាក់ទងនឹងបច្ចេកវិទ្យា AI ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Black Box AI (Deep Learning Models) បញ្ញាសិប្បនិម្មិតប្រអប់ខ្មៅ (ម៉ូដែលរៀនស៊ីជម្រៅ) |
មានសមត្ថភាពខ្ពស់ក្នុងការវិភាគទិន្នន័យធំៗ (Massive datasets) និងដោះស្រាយបញ្ហាស្មុគស្មាញដោយស្វ័យប្រវត្តិ។ វាជួយបង្កើនប្រសិទ្ធភាពការងារបានយ៉ាងឆាប់រហ័ស។ | ខ្វះតម្លាភាព និងពិបាកក្នុងការពន្យល់ពីដំណើរការនៃការសម្រេចចិត្ត។ ប្រឈមមុខនឹងហានិភ័យខ្ពស់ក្នុងការបង្កើតឱ្យមានភាពលំអៀង (Algorithmic bias) ដោយមិនដឹងខ្លួន។ | បង្កើតឱ្យមានភាពស្រពិចស្រពិលផ្នែកគណនេយ្យភាព និងកង្វះទំនុកចិត្តពីសាធារណជន ប្រសិនបើមានកំហុសឆ្គងកើតឡើង។ |
| Explainable AI (XAI) & Ethical by Design បញ្ញាសិប្បនិម្មិតដែលអាចពន្យល់បាន និងមានក្រមសីលធម៌តាំងពីការរចនា |
ផ្តល់តម្លាភាព គណនេយ្យភាព និងកាត់បន្ថយភាពលំអៀងនៃក្បួនដោះស្រាយ ដោយអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់យល់ពីរបៀបដែលម៉ូដែលធ្វើការសម្រេចចិត្ត។ | ទាមទារការសហការពីអ្នកជំនាញពហុវិស័យ ការតាមដានជាប្រចាំ និងធនធានច្រើនក្នុងការអភិវឌ្ឍ។ វាអាចធ្វើឱ្យដំណើរការនៃការបង្កើតមានភាពយឺតយ៉ាវ។ | ជួយកសាងទំនុកចិត្ត (Public trust) ធានាបាននូវយុត្តិធម៌សង្គម និងការអនុលោមតាមស្តង់ដារសិទ្ធិមនុស្សជាសកល។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់ពីការចំណាយលើធនធានផ្នែករឹង (Hardware) ឬផ្នែកទន់ (Software) ជាក់លាក់នោះទេ ប៉ុន្តែបានសង្កត់ធ្ងន់យ៉ាងខ្លាំងលើតម្រូវការធនធានមនុស្សជំនាញ និងការបង្កើតយន្តការអភិបាលកិច្ច។
ឯកសារនេះបានលើកឡើងជាទូទៅថា ប្រព័ន្ធ AI ជារឿយៗត្រូវបានបណ្តុះបណ្តាលលើទិន្នន័យធំៗដែលឆ្លុះបញ្ចាំងពីវិសមភាព និងការរើសអើងក្នុងប្រវត្តិសាស្ត្រ (ឧទាហរណ៍៖ បច្ចេកវិទ្យាសម្គាល់ផ្ទៃមុខមិនសូវសុក្រឹតលើជនជាតិភាគតិច ឬជនជាតិស្បែកខ្មៅ)។ សម្រាប់ប្រទេសកម្ពុជា ចំណុចនេះមានសារៈសំខាន់ខ្លាំងណាស់ ព្រោះការនាំចូលប្រព័ន្ធ AI ពីបរទេសដែលអាចផ្ទុកនូវភាពលំអៀងវប្បធម៌ ឬខ្វះទិន្នន័យតំណាងប្រជាជនខ្មែរ អាចបណ្តាលឱ្យមានការសម្រេចចិត្តខុសឆ្គង ឬមានការរើសអើងដោយប្រព័ន្ធប្រឆាំងនឹងប្រជាពលរដ្ឋក្នុងស្រុក។
គោលការណ៍ក្រមសីលធម៌ AI ដែលបានលើកឡើងនៅក្នុងឯកសារនេះ មានសារៈប្រយោជន៍ និងចាំបាច់បំផុតសម្រាប់ប្រទេសកម្ពុជា ក្នុងការរៀបចំគោលនយោបាយឌីជីថលជាតិ។
ការអនុវត្តក្របខ័ណ្ឌអភិបាលកិច្ច AI ប្រកបដោយបរិយាប័ន្ន និងការយល់ដឹងពីក្រមសីលធម៌ នឹងជួយធានាថាការវិវឌ្ឍបច្ចេកវិទ្យានៅកម្ពុជាបម្រើដល់ផលប្រយោជន៍សង្គម និងមិនបន្សល់ទុកនរណាម្នាក់ចោល។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| algorithmic bias | ជាបាតុភូតដែលប្រព័ន្ធបញ្ញាសិប្បនិម្មិតបង្កើតលទ្ធផលដែលមានភាពលំអៀង ឬរើសអើង ដោយសារតែទិន្នន័យដែលគេយកមកបណ្តុះបណ្តាលវាមានផ្ទុកនូវភាពអយុត្តិធម៌ ឬប្រវត្តិនៃការរើសអើងនៅក្នុងសង្គមស្រាប់។ | ដូចជាក្មេងម្នាក់ដែលរៀនពាក្យអាក្រក់ពីចាស់ទុំ ហើយយកទៅនិយាយតាមដោយមិនដឹងខ្លួនថាវាខុស។ |
| deep learning techniques | ជាវិធីសាស្ត្រមួយនៃបញ្ញាសិប្បនិម្មិតដែលប្រើប្រាស់បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតមានស្រទាប់ច្រើន (Neural Networks) ដើម្បីរៀននិងទាញយកលំនាំពីទិន្នន័យដ៏ច្រើនសន្ធឹកសន្ធាប់ដោយស្វ័យប្រវត្តិ ដោយមិនចាំបាច់មានមនុស្សបញ្ជាគ្រប់ជំហាន។ | ដូចជាខួរក្បាលមនុស្សដែលរៀនចំណាំមុខមនុស្សម្នាក់ តាមរយៈការមើលរូបថតរាប់ពាន់សន្លឹកពីជ្រុងផ្សេងៗគ្នា។ |
| "black boxes" | សំដៅលើប្រព័ន្ធ AI ដែលមានដំណើរការគិត ឬការវិភាគនៅខាងក្នុងដ៏ស្មុគស្មាញ ដែលសូម្បីតែអ្នកបង្កើតវាផ្ទាល់ក៏មិនអាចមើលឃើញ ឬពន្យល់បានច្បាស់លាស់ពីរបៀបដែលវាឈានដល់ការសម្រេចចិត្ត ឬលទ្ធផលចុងក្រោយនោះដែរ។ | ដូចជាម៉ាស៊ីនវេទមន្តមួយដែលយើងដាក់គ្រឿងផ្សំចូលទៅ ហើយវាបញ្ចេញម្ហូបមកវិញ ដោយយើងមិនដឹងទាល់តែសោះថាវាចម្អិនដោយរបៀបណា។ |
| Predictive policing systems | ជាប្រព័ន្ធប្រើប្រាស់ទិន្នន័យ និងក្បួនដោះស្រាយដើម្បីវិភាគរកលំនាំនៃបទល្មើសក្នុងអតីតកាល ក្នុងគោលបំណងព្យាករណ៍ថាតើបទល្មើសអាចនឹងកើតឡើងនៅទីតាំងណា និងពេលវេលាណា ដើម្បីដាក់ពង្រាយកម្លាំងប៉ូលីសមុនពេលវាទាន់កើតឡើង។ | ដូចជាការព្យាករណ៍អាកាសធាតុដែរ តែនេះគឺការព្យាករណ៍រកកន្លែងដែលអាចមានចោរលួច ដោយមើលតាមប្រវត្តិដែលធ្លាប់មានចោរលួចនៅតំបន់នោះ។ |
| "trolley problem" | ជាការសាកល្បងគំនិតផ្នែកក្រមសីលធម៌ ដែលតម្រូវឱ្យជ្រើសរើសរវាងជម្រើសអាក្រក់ពីរ។ ក្នុងបរិបទ AI ដូចជារថយន្តបើកបរដោយស្វ័យប្រវត្តិត្រូវសម្រេចចិត្តក្នុងគ្រោះថ្នាក់ដែលចៀសមិនរួច ថាតើត្រូវបុកអ្នកថ្មើរជើង ឬបុកជញ្ជាំងដែលធ្វើឱ្យអ្នកដំណើរក្នុងឡានរងគ្រោះថ្នាក់។ | ដូចជាអ្នកកំពុងបើករថយន្តដាច់ហ្វ្រាំង ហើយត្រូវបង្ខំចិត្តបង្វែរចង្កូតជ្រើសរើសថាតើត្រូវបុកមនុស្ស៥នាក់នៅខាងមុខ ឬបួងចង្កូតទៅបុកមនុស្ស១នាក់នៅខាងស្តាំ។ |
| explainability | ជាសមត្ថភាពនៃប្រព័ន្ធ AI ក្នុងការបកស្រាយ ឬផ្តល់ការពន្យល់យ៉ាងច្បាស់លាស់ដល់មនុស្ស អំពីមូលហេតុ និងដំណើរការដែលវាយកមកប្រើដើម្បីធ្វើការសម្រេចចិត្ត ឬទាញសេចក្តីសន្និដ្ឋានណាមួយ។ | ដូចជាសិស្សដែលមិនត្រឹមតែសរសេរចម្លើយត្រូវក្នុងសន្លឹកប្រឡងប៉ុណ្ណោះទេ ថែមទាំងអាចបង្ហាញរូបមន្តនិងវិធីធ្វើបានយ៉ាងច្បាស់លាស់ទៀតផង។ |
| "ethical by design" | ជាគោលការណ៍នៃការបញ្ចូលគុណតម្លៃនិងក្រមសីលធម៌ (ដូចជាការការពារឯកជនភាព និងសមធម៌) ទៅក្នុងគ្រប់ដំណាក់កាលនៃការបង្កើតប្រព័ន្ធបច្ចេកវិទ្យា ចាប់តាំងពីការចាប់ផ្តើមសរសេរកូដដំបូង ជាជាងរង់ចាំមានបញ្ហាទើបដោះស្រាយតាមក្រោយ។ | ដូចជាការសាងសង់ផ្ទះដែលរៀបចំបណ្តាញសុវត្ថិភាពការពារអគ្គិភ័យតាំងពីពេលគូរជញ្ជាំងគ្រឹះ ជាជាងចាំផ្ទះឆេះទើបរត់ទៅរកទិញបំពង់ពន្លត់អគ្គិភ័យ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
