ការប្រកាសនេះធ្វើឡើងបន្ទាប់ពី Meta បានណែនាំឧបករណ៍នេះនៅក្នុងឯកសារស្រាវជ្រាវមួយកាលពីខែសីហា ដោយពិពណ៌នាអំពីរបៀបដែលវាប្រើបច្ចេកទេស "ខ្សែសង្វាក់គំនិត" ស្រដៀងទៅនឹងម៉ូដែលថ្មីរបស់ OpenAI ដើម្បីធ្វើការសម្រេចចិត្តត្រឹមត្រូវអំពីការឆ្លើយតបរបស់ម៉ូដែល AI ។ បច្ចេកទេសនេះបំបែកបញ្ហាស្មុគ្រស្មាញទៅជាជំហានឡូជីខលដ៏សាមញ្ញជាងមុន ដោយជួយកែលម្អភាពត្រឹមត្រូវក្នុងវិស័យដូចជា វិទ្យាសាស្ត្រ កម្មវិធី និងគណិតវិទ្យា។

អ្នកស្រាវជ្រាវមេតាបានប្រើទិន្នន័យដែលបង្កើតដោយ AI ទាំងស្រុងដើម្បីបណ្តុះបណ្តាលគំរូវាយតម្លៃនេះ ដោយលុបបំបាត់ទាំងស្រុងនូវអន្តរាគមន៍របស់មនុស្សនៅដំណាក់កាលនោះ។

សមត្ថភាពក្នុងការប្រើប្រាស់ AI ដើម្បីវាយតម្លៃ AI ខ្លួនវាបង្ហាញពីសក្តានុពលសម្រាប់ការអភិវឌ្ឍភ្នាក់ងារ AI ស្វយ័តដែលអាចរៀនពីកំហុសរបស់ពួកគេ នេះបើយោងតាមអ្នកស្រាវជ្រាវ Meta ពីរនាក់។

អ្នកជំនាញជាច្រើននៅក្នុងវិស័យ AI ស្រមៃមើលភ្នាក់ងារឌីជីថលដ៏ឆ្លាតវៃទាំងនេះថាជាជំនួយការឌីជីថលដែលមានសមត្ថភាពបំពេញការងារជាច្រើនដោយមិនមានការអន្តរាគមន៍ពីមនុស្ស។

គំរូដែលមានសមត្ថភាពកែលម្អខ្លួនឯងអាចលុបបំបាត់តម្រូវការសម្រាប់ដំណើរការ 'ការពង្រឹងការរៀនសូត្រពីមតិកែលម្អរបស់មនុស្ស' ដែលទាមទារអ្នកជំនាញដែលមានជំនាញខ្ពស់ក្នុងការដាក់ស្លាកទិន្នន័យ និងផ្ទៀងផ្ទាត់ភាពត្រឹមត្រូវនៃចម្លើយគណិតវិទ្យា និងសរសេរស្មុគស្មាញ។ ដំណើរការនេះបច្ចុប្បន្នចំណាយច្រើន និងគ្មានប្រសិទ្ធភាព។

លោក Jason Weston ដែលជាអ្នកស្រាវជ្រាវម្នាក់នៃគម្រោងនេះបាននិយាយថា "យើងសង្ឃឹមថា នៅពេលដែល AI កាន់តែអស្ចារ្យជាងមនុស្សទៅ វានឹងកាន់តែប្រសើរឡើងក្នុងការត្រួតពិនិត្យការងាររបស់ខ្លួន សូម្បីតែលើសពីសមត្ថភាពរបស់មនុស្ស" ។

លោកបានបន្ថែមថា "សមត្ថភាពក្នុងការរៀន និងវាយតម្លៃដោយខ្លួនឯង គឺជាគន្លឹះក្នុងការអភិវឌ្ឍន៍ AI ដល់កម្រិតមនុស្សអស្ចារ្យ" ។

បន្ថែមពីលើ Meta ក្រុមហ៊ុនផ្សេងទៀតដូចជា Google និង Anthropic ក៏បានបោះពុម្ពផ្សាយការស្រាវជ្រាវលើគោលគំនិតនៃ RLAIF ឬ "ការពង្រឹងការរៀនសូត្រពីមតិយោបល់នៅក្នុង AI" ។ ទោះជាយ៉ាងណាក៏ដោយ មិនដូច Meta ក្រុមហ៊ុនទាំងនេះកម្រនឹងបញ្ចេញម៉ូដែលរបស់ពួកគេសម្រាប់ការប្រើប្រាស់ជាសាធារណៈ។

Cao Phong (យោងតាម ​​Reuters)