ក្នុងរយៈពេលប៉ុន្មានទសវត្សន៍ចុងក្រោយនេះ ភាពខុសគ្នារវាងបញ្ញាសិប្បនិម្មិត (Artificial Intelligence) និងម៉ាស៊ីនចេះរៀន (Machine Learning) បានក្លាយជាប្រធានបទមួយដ៏ពេញនិយមហើយបានលើកមកពិភាក្សាច្រើនអំពីការប្រើប្រាស់របស់បច្ចេកវិទ្យាទាំងពីរនេះ។

តាមការសិក្សារកឃើញថា បច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) និងម៉ាស៊ីនចេះរៀន (ML) ជួយសម្រួលដល់ដំណើរការវិភាគទិន្នន័យធំ និងមានភាពស្មុគស្មាញ ដែលជំរុញឱ្យការសម្រេចចិត្តកាន់តែប្រសើរឡើង, បង្កើតការណែនាំ និងការយល់ដឹងក្នុងពេលវេលាជាក់ស្តែង និងផ្តល់ការព្យាករដ៏ត្រឹមត្រូវ ទើបជាហេតុធ្វើឱ្យយើងសង្កេតឃើញថា មនុស្សប្រើប្រាស់ពាក្យទាំងពីរនេះជំនួសគ្នានៅរាល់ពេលមានការពិភាក្សាអំពីទិន្នន័យធំ, ការវិភាគទិន្នន័យ, ការព្យាករ ឬក៏ប្រធានទាក់ទងនឹងបរិវត្តកម្មឌីជីថលជាដើម។

ភាពច្របូកច្របល់ និងភាពមិនច្បាស់លាស់នេះ គឺអាចយល់បានដោយសារបញ្ញាសិប្បនិម្មិត (AI) និងម៉ាស៊ីនចេះរៀន (ML) មានទំនាក់ទំនងជិតស្និតនឹងគ្នា ប៉ុន្តែទោះជាយ៉ាងណាក៏ដោយ បច្ចេកវិទ្យាដែលកំពុងពេញនិយមទាំងពីរនេះនូវតែមានភាពខុសគ្នា ប្រសិនបើយើងនិយាយពីវិសាលភាព និងកម្មវិធីចម្បងរបស់បច្ចេកវិទ្យាទាំងពីរនេះ។

បើតាមមជ្ឈមណ្ឌលកម្ពុជា ៤.០ បច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) គឺជាផ្នែកមួយ នៃវិទ្យាសាស្ត្រកុំព្យូទ័រដែលអនុញ្ញាតឱ្យម៉ាស៊ីន ឬកម្មវិធីកុំព្យូទ័រអាចសិក្សានិងអនុវត្តកិច្ចការ ដែលជាធម្មតាទាមទារភាពវៃឆ្លាតរបស់មនុស្ស ដូចជា អាចមើល, យល់, អាចឆ្លើយតបទៅនឹងភាសារបស់មនុស្ស, អាចវិភាគទិន្នន័យ, អាចព្យាករណ៍ និងផ្តល់ការណែនាំជាដើម។ បច្ចេកវិទ្យានេះ សំដៅដល់បណ្ដុំ នៃបច្ចេកវិទ្យាដែលត្រូវបានអនុវត្តនៅក្នុងប្រព័ន្ធមួយ ដើម្បីឱ្យវាចេះសិក្សាវែកញែក និងធ្វើសកម្មភាពដើម្បីដោះស្រាយបញ្ហាស្មុគស្មាញណាមួយ។ បញ្ញាសិប្បនិម្មិត (AI) មិនត្រូវបានកំណត់ត្រឹមតែម៉ាស៊ីនចេះរៀនប៉ុណ្ណោះទេ ប៉ុន្តែបច្ចេកវិទ្យានេះក៏រួមបញ្ចូលសំណុំរងដទៃទៀត ដូចជា Object detection, រ៉ូបូត, ដំណើរការភាសាបែបធម្មជាតិ និងការសិក្សាស៊ីជម្រៅជាដើម។

ចំណែក ម៉ាស៊ីនចេះរៀន (Machine Learning) វិញ សំដៅដល់មូលដ្ឋានគ្រឹះ នៃការសិក្សាអំពីក្បួនដោះស្រាយ និងគំរូស្ថិតិដែលម៉ាស៊ីនប្រើប្រាស់ ដើម្បីអនុវត្តការងារជាក់លាក់ណាមួយ។ ម៉ាស៊ីនសិក្សា គឺជាសំណុំរងមួយនៃបញ្ញាសិប្បនិម្មិត (AI) ដែលអាចឱ្យម៉ាស៊ីន ឬប្រព័ន្ធសិក្សានិងកែលម្អដោយស្វ័យប្រវត្តិពីបទពិសោធន៍ពីមុនមក។ បច្ចេកវិទ្យានេះ ប្រើប្រាស់ក្បួនដោះស្រាយក្នុងការកំណត់សម្គាល់ពីលំនាំ នៃទិន្នន័យ និងសិក្សាពីទិន្នន័យ ដែលនាំទៅការបង្កើតគំរូម៉ាស៊ីនចេះរៀន ដើម្បីធ្វើការព្យាករថ្មីលើទិន្នន័យ ឬលើសំណុំទិន្នន័យស្រដៀងគ្នា។ គំរូម៉ាស៊ីនចេះរៀន អាចព្យាករណ៍មានភាពច្បាស់លាស់ និងជាក់លាក់បាន អាស្រ័យទៅលើរបៀបដែលក្បួនដោះស្រាយត្រូវបានបណ្តុះបណ្តាលជាមួយទិន្នន័យប្រកបដោយប្រសិទ្ធភាពផងដែរ។ ដូច្នេះ ការប្រើប្រាស់ទិន្នន័យកាន់តែច្រើននឹងអាចទទួលបាននូវគំរូម៉ាស៊ីនចេះរៀនកាន់តែល្អ។

ខាងក្រោមនេះ ជាភាពខុសគ្នាចំនួន៦ចំណុច រវាងបញ្ញាសិប្បនិម្មិត (AI) និងម៉ាស៊ីនសិក្សា (ML) រួមមាន៖

ទី១. បញ្ញាសិប្បនិម្មិត (AI) សំដៅដល់បណ្ដុំ នៃបច្ចេកវិទ្យាដែលត្រូវបានអនុវត្តនៅក្នុងប្រព័ន្ធមួយ ដើម្បីអនុញ្ញាតឱ្យម៉ាស៊ីនអាចបំពេញកិច្ចការងារស្រដៀងនឹងមនុស្ស។ ចំណែក ម៉ាស៊ីនចេះរៀន (ML) ជាសំណុំរងនៃបញ្ញាសិប្បនិម្មិត ដែលប្រើគំរូស្ថិតិ ដើម្បីអនុញ្ញាតឱ្យម៉ាស៊ីនបង្កើតបានគំរូម៉ាស៊ីនចេះរៀនមួយដ៏ល្អប្រសើរជាមួយទិន្នន័យបណ្តុះបណ្តាលដែលផ្តល់ឱ្យ។

ទី២. បញ្ញាសិប្បនិម្មិត (AI) ផ្ដោតសំខាន់លើការពង្រឹងសមត្ថភាពសិក្សា រួមជាមួយនិងសមត្ថភាពគិត ចំណែកម៉ាស៊ីនចេះរៀន (ML) ផ្ដោតសំខាន់លើការពង្រឹងសមត្ថភាពសិក្សា។

ទី៣. បញ្ញាសិប្បនិម្មិត (AI) ត្រូវការជំនាញសំខាន់ៗ ដូចជា ការរចនាកម្មវិធី, ការដោះស្រាយបញ្ហា, វិទ្យាសាស្ត្រទិន្នន័យ, ម៉ាស៊ីនចេះរៀន, data mining និងជំនាញទាក់ទងនឹងរ៉ូបូតជាដើម។ ចំណែក ម៉ាស៊ីនចេះរៀន (ML) ត្រូវការជំនាញសំខាន់ៗ ដូចជា ចំណេះដឹងពីគណិតវិទ្យា, គំរូទិន្នន័យ, ក្បួនដោះស្រាយ, ប្រូបាប, ស្ថិតិ និងភាសាសរសេរកម្មវិធីជាដើម។

ទី៤. បញ្ញាសិប្បនិម្មិត (AI) មានវិសាលភាពធំ ដោយបច្ចេកវិទ្យានេះរួមបញ្ចូលទាំងម៉ាស៊ីនចេះរៀន, រ៉ូបូតនិងដំណើរការភាសាបែបធម្មជាតិជាដើម។ ចំណែក ម៉ាស៊ីនចេះរៀន (ML) វិសាលភាពមានការកំណត់ ដោយមានក្បួនដោះស្រាយម៉ាស៊ីនចេះរៀន Random Forest, K-means Support vector machines ជាដើម។

ទី៥. បញ្ញាសិប្បនិម្មិត (AI) អាចដោះស្រាយទាំងស្រុងជាមួយនឹងទិន្នន័យ Structured, Semi-structured និង Unstructured។ ចំណែក ម៉ាស៊ីនចេះរៀន (ML) អាចដោះស្រាយជាមួយនឹងទិន្នន័យ Structured និង Semi-structured។

ទី៦. មានគោលដៅចុងក្រោយ គឺបង្កប់ភាពវៃឆ្លាតនៅក្នុងម៉ាស៊ីន ដើម្បីឱ្យម៉ាស៊ីនអាចរៀន និងគិតដូចមនុស្សក្នុងការដោះស្រាយបញ្ហាស្មុគស្មាញ។ ចំណែក ម៉ាស៊ីនចេះរៀន (ML) មានគោលដៅចុងក្រោយ គឺបណ្តុះបណ្តាលម៉ាស៊ីនជាមួយទិន្នន័យ ដូច្នេះម៉ាស៊ីនអាចផ្តល់លទ្ធផលដែលត្រឹមត្រូវ៕