ปัญญาประดิษฐ์สร้างขึ้นเอง

ปัญญาประดิษฐ์สร้างขึ้นเอง คืออัลกอริทึม (เช่น ChatGPT) ที่สามารถใช้สร้างเนื้อหาใหม่ รวมถึงเสียง โค้ด รูปภาพ ข้อความ การจำลอง และวิดีโอ

ปัญญาประดิษฐ์สร้างขึ้นเอง

Generative AI

พลตรี มารวย  ส่งทานินทร์

[email protected]

20 กรกฎาคม 2566

บทความเรื่อง ปัญญาประดิษฐ์สร้างขึ้นเอง (Generative AI) ดัดแปลงมาจากบทความในอินเตอร์เน็ตคือ https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-generative-ai (January 19, 2023 | Article)

 ผู้ที่สนใจบทความนี้ ในรูปแบบ  PowerPoint (PDF file) สามารถ download ได้ที่ https://www.slideshare.net/maruay/generative-aipdf 

 

ปัญญาประดิษฐ์สร้างขึ้นเอง คืออะไร? 

• ปัญญาประดิษฐ์สร้างขึ้นเอง (Generative Artificial Intelligent: Generative AI) คืออัลกอริทึม (เช่น ChatGPT) ที่สามารถใช้สร้างเนื้อหาใหม่ รวมถึงเสียง โค้ด รูปภาพ ข้อความ การจำลอง และวิดีโอ 
• ความก้าวหน้าล่าสุดในสาขานี้ มีศักยภาพที่จะเปลี่ยนแปลงวิธีการสร้างเนื้อหาของเราอย่างมาก

ระบบปัญญาประดิษฐ์สร้างขึ้นเอง 

• ระบบปัญญาประดิษฐ์สร้างขึ้นเอง จัดอยู่ในหมวดหมู่กว้างๆ ของการเรียนรู้ของเครื่องจักรกล (machine learning) อย่างเช่น ChatGPT
• คุณพร้อมที่จะยกระดับความคิดสร้างสรรค์ของคุณไปอีกขั้นแล้วหรือยัง? ให้มองหาปัญญาประดิษฐ์สร้างขึ้นเอง การเรียนรู้ของเครื่องจักรกลรูปแบบนี้ ช่วยให้คอมพิวเตอร์สร้างเนื้อหาใหม่และน่าตื่นเต้นได้ทุกประเภท ตั้งแต่ดนตรีและศิลปะไปจนถึงโลกเสมือนจริงทั้งหมด และไม่ใช่แค่เพื่อความสนุกเท่านั้น ปัญญาประดิษฐ์สร้างขึ้นเองยังมีประโยชน์อีกมากมาย เช่น การสร้าง การออกแบบผลิตภัณฑ์ใหม่ และการปรับกระบวนการทางธุรกิจให้เหมาะสม 
• ทำไมต้องรอ? ปลดปล่อยพลังของปัญญาประดิษฐ์สร้างขึ้นเอง และดูว่าคุณจะสร้างสรรค์สิ่งที่น่าทึ่งอะไรได้บ้าง!

ChatGPT และ DALL-E คืออะไร 

• นั่นเป็นเหตุผลที่ ChatGPT (GPT ย่อมาจาก generative pretrained transformer) กำลังได้รับความสนใจอย่างมากในขณะนี้ นี่เป็น chatbot ฟรีที่สามารถสร้างคำตอบให้กับคำถามได้เกือบทุกข้อ พัฒนาโดย OpenAI และเปิดให้สาธารณชนทั่วไปทดสอบในเดือนพฤศจิกายน ค.ศ. 2022 ถือว่าเป็น AI chatbot ที่ดีที่สุดเท่าที่เคยมีมาและเป็นที่นิยม มีผู้ลงชื่อสมัครใช้มากกว่าล้านคนในเวลาเพียงห้าวัน 
• แฟนๆ ที่มีตาเป็นประกายได้โพสต์ตัวอย่างของ chatbot ที่ผลิตรหัสคอมพิวเตอร์ เรียงความระดับวิทยาลัย บทกวี และแม้แต่มุกตลก รวมถึงคนอื่นๆ ในบรรดาผู้คนหลากหลายประเภทที่หาเลี้ยงชีพด้วยการสร้างเนื้อหา ตั้งแต่นักเขียนคำโฆษณาไปจนถึงศาสตราจารย์
• ในขณะที่หลายคนมีปฏิกิริยาด้วยความกลัวต่อ ChatGPT (AI และ machine learning) แต่ machine learning มีศักยภาพที่ดีอย่างชัดเจน ในช่วงหลายปีนับตั้งแต่มีการใช้งานในวงกว้าง machine learning ได้แสดงให้เห็นผลกระทบในหลายอุตสาหกรรม บรรลุผลสำเร็จในสิ่งต่างๆ เช่น การวิเคราะห์ผลของภาพทางการแพทย์ และการพยากรณ์อากาศที่มีความละเอียดสูง 
• ผลสำรวจของ McKinsey ในปี ค.ศ. 2022 แสดงให้เห็นว่า มีการนำ AI มาใช้เพิ่มขึ้นกว่าสองเท่าในช่วงห้าปีที่ผ่านมา และการลงทุนใน AI ก็เพิ่มขึ้นอย่างรวดเร็ว 
• ซึ่งเป็นที่ชัดเจนว่าเครื่องมือเช่น ChatGPT และ DALL-E (เครื่องมือสำหรับงานศิลปะที่สร้างโดย AI) มีศักยภาพในการเปลี่ยนแปลงวิธีการทำงานของงานต่างๆ 
• ส่วนขอบเขตทั้งหมดของผลกระทบนั้นยังไม่ทราบอย่างชัดเจน เช่นเดียวกับความเสี่ยง

การเรียนรู้ของเครื่องจักรกลกับปัญญาประดิษฐ์ต่างกันอย่างไร? 

• ปัญญาประดิษฐ์ดูเหมือนเป็นการฝึกให้เครื่องจักรเลียนแบบสติปัญญาของมนุษย์ในการทำงาน คุณอาจเคยโต้ตอบกับ AI โดยที่ไม่รู้ตัว เช่นผู้ช่วยด้านเสียงอย่าง Siri และ Alexa นั้น ใช้เทคโนโลยี AI และเช่นเดียวกับ chatbots ฝ่ายบริการลูกค้า ที่โผล่ขึ้นมาเพื่อช่วยนำทางคุณไปยังเว็บไซต์ต่างๆ
• การเรียนรู้ของเครื่องจักรกลเป็นปัญญาประดิษฐ์ประเภทหนึ่ง ด้วยการเรียนรู้ของเครื่องจักรกลนี้ ผู้ปฏิบัติงานได้พัฒนาปัญญาประดิษฐ์ ผ่านแบบจำลองที่สามารถ "เรียนรู้" ได้จากรูปแบบข้อมูลที่ไม่ต้องมีการควบคุมโดยมนุษย์ 
• ปริมาณข้อมูลมหาศาลและความซับซ้อน (ที่มนุษย์ไม่สามารถจัดการได้) ที่ถูกสร้างขึ้นในขณะนี้ ได้เพิ่มศักยภาพของการเรียนรู้ของเครื่องจักรกล รวมถึงความจำเป็นในการใช้ข้อมูลดังกล่าวด้วย

รูปแบบการเรียนรู้หลักของเครื่องจักรกลคืออะไร? 

• การเรียนรู้ของเครื่องจักรกลมีรากฐานมาจากส่วนประกอบของบล็อกจำนวนมาก โดยเริ่มจากเทคนิคทางสถิติแบบคลาสสิกที่พัฒนาขึ้นระหว่างศตวรรษที่ 18 และ 20 สำหรับชุดข้อมูลขนาดเล็ก 
• ในช่วงทศวรรษที่ 1930 และ 1940 ผู้บุกเบิกด้านคอมพิวเตอร์ รวมถึงนักคณิตศาสตร์เชิงทฤษฎีคือ Alan Turing ได้เริ่มทำงานเกี่ยวกับเทคนิคพื้นฐานสำหรับการเรียนรู้ของเครื่อง แต่เทคนิคเหล่านี้ยังจำกัดอยู่เฉพาะในห้องปฏิบัติการ จนถึงช่วงปลายทศวรรษ 1970 ซึ่งเป็นช่วงที่นักวิทยาศาสตร์ได้พัฒนาคอมพิวเตอร์ที่มีประสิทธิภาพเพียงพอที่จะติดตั้งได้
• ก่อนหน้านี้ การเรียนรู้ของเครื่องจักรกลจำกัดอยู่เฉพาะรูปแบบจำลองการคาดการณ์ ซึ่งใช้ในการสังเกตและจัดประเภทรูปแบบในเนื้อหา ตัวอย่างเช่น การเรียนรู้ของเครื่องจักรกลแบบคลาสสิกคือ การเริ่มต้นด้วยรูปภาพหรือหลายๆ รูปของแมวที่น่ารัก โปรแกรมจะระบุรูปแบบต่างๆ ของภาพ จากนั้นพิจารณาภาพแบบสุ่ม เพื่อหารูปแบบที่ตรงกับรูปแบบแมวที่น่ารัก 
• ระบบปัญญาประดิษฐ์สร้างขึ้นเอง เป็นความก้าวหน้า แทนที่จะเพียงแค่รับรู้และจำแนกรูปภาพของแมว ตอนนี้การเรียนรู้ของเครื่องสามารถสร้างรูปภาพหรือข้อความอธิบายแมวได้ตามต้องการ

รูปแบบจำลองการเรียนรู้ของเครื่องจักรกลแบบข้อความทำงานอย่างไร ? และได้รับการฝึกฝนมาอย่างไร? 

• ChatGPT อาจได้รับการพาดหัวข่าวทั้งหมดในขณะนี้ แต่นี่ไม่ใช่รูปแบบจำลองการเรียนรู้ของเครื่องจักรกลแบบข้อความตัวแรก ที่สร้างความโดดเด่นคือ GPT-3 ของ OpenAI และ BERT ของ Google (ทั้งคู่เปิดตัวในช่วงไม่กี่ปีที่ผ่านมา)
• ก่อนมี ChatGPT เครื่องจักรกลโดยส่วนใหญ่ทำงานได้ดีเกือบตลอดเวลา (แม้ว่าจะยังอยู่ระหว่างการประเมิน) แต่ AI chatbots ไม่ได้รับการชื่นชมที่ดีที่สุดเสมอไป
• GPT-3 นั้น "เปลี่ยนไปอย่างน่าประทับใจและน่าผิดหวังสุดๆ" Cade Metz นักข่าวด้านเทคโนโลยีของ New York Times กล่าวในวิดีโอที่เขา และ Priya Krishna นักเขียนด้านอาหารที่ขอให้ GPT-3 เขียนสูตรอาหารสำหรับอาหารค่ำวันขอบคุณพระเจ้า (ซึ่งออกมาค่อนข้างจะหายนะ)
• รูปแบบจำลองการเรียนรู้ของเครื่องจักรกลรุ่นแรกที่ทำงานกับข้อความ ได้รับการฝึกฝนโดยมนุษย์เพื่อจำแนกการนำเข้าต่างๆ ตามป้ายกำกับที่นักวิจัยกำหนด ตัวอย่างคือ รูปแบบจำลองที่ได้รับการฝึกฝนให้ติดป้ายกำกับโพสต์บนโซเชียลมีเดียว่าเป็นบวกหรือลบ การฝึกประเภทนี้เรียกว่าการเรียนรู้ภายใต้การดูแล เนื่องจากมนุษย์มีหน้าที่รับผิดชอบในการ "สอน" รูปแบบจำลองว่าต้องทำอะไร 
• รูปแบบจำลองการเรียนรู้ของเครื่องจักรกลแบบข้อความรุ่นถัดไป อาศัยสิ่งที่เรียกว่าการเรียนรู้แบบดูแลตนเอง การฝึกประเภทนี้เกี่ยวข้องกับการป้อนข้อความจำนวนมากให้กับรูปแบบจำลองเพื่อให้สามารถสร้างการคาดคะเนได้ ตัวอย่างเช่น บางแบบจำลองสามารถคาดเดาได้ว่าประโยคจะจบลงอย่างไรโดยอาศัยคำไม่กี่คำด้วยจำนวนข้อความตัวอย่างที่เหมาะสม เช่น ในอินเทอร์เน็ตที่ใช้อย่างกว้างขวาง
• เรากำลังเห็นว่าความสำเร็จของเครื่องมือเช่น ChatGPT นั้น ว่ามีความแม่นยำเพียงใด

ต้องใช้อะไรบ้างในการสร้างแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง? 

• การสร้างแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง เป็นภารกิจหลักของผู้เชี่ยวชาญด้านเทคโนโลยีที่มีทรัพยากรอย่างดีเพียงไม่กี่คนเท่านั้น
• OpenAI บริษัทที่อยู่เบื้องหลัง ChatGPT มีรูปแบบจำลองในอดีตคือ GPT และ DALL-E ที่ได้รับเงินทุนหลายพันล้านจากผู้บริจาคเงินหนา 
• DeepMind เป็นบริษัทในเครือของ Alphabet ซึ่งเป็นบริษัทแม่ของ Google และ Meta ได้เปิดตัวผลิตภัณฑ์ Make-A-Video ที่ใช้ปัญญาประดิษฐ์สร้างขึ้นเอง บริษัทเหล่านี้จ้างนักวิทยาศาสตร์และวิศวกรคอมพิวเตอร์ที่เก่งที่สุดในโลก
• แต่ไม่ใช่แค่คนเก่งเท่านั้น แบบจำลองฝึกโดยใช้อินเทอร์เน็ตเกือบทั้งหมดนั้น มีค่าใช้จ่ายมหาศาล 
• OpenAI ไม่ได้เปิดเผยค่าใช้จ่ายที่แน่นอน แต่ประมาณการระบุว่า GPT-3 ใช้การฝึกเกี่ยวกับข้อมูลข้อความประมาณ 45 เทราไบต์ ซึ่งเท่ากับพื้นที่ชั้นวางหนังสือประมาณหนึ่งล้านฟุต หรือหนึ่งในสี่ของหอสมุดรัฐสภาทั้งหมด โดยมีค่าใช้จ่ายประมาณหลายล้านดอลลาร์ สิ่งเหล่านี้ไม่ใช่ทรัพยากรที่สตาร์ทอัพสามารถเข้าถึงได้

แบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง สามารถสร้างผลลัพธ์ประเภทใดได้บ้าง? 

• ดังที่คุณอาจสังเกตเห็นข้างต้น ผลลัพธ์จากแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง อาจทำให้เราแยกแยะเนื้อหาไม่ออกจากสิ่งที่มนุษย์สร้างขึ้น หรืออาจดูลึกลับเล็กน้อย
• ผลลัพธ์ขึ้นอยู่กับคุณภาพของรูปแบบจำลอง ดังที่เราได้เห็นแล้วว่าผลลัพธ์ของ ChatGPT นั้น ดูเหนือกว่ารุ่นก่อนหน้า (รวมถึงการจับคู่ระหว่างรูปแบบจำลองกับกรณีการใช้งาน หรือสิ่งนำเข้า)
• ChatGPT สามารถสร้างสิ่งที่นักวิจารณ์คนหนึ่งเรียกว่า เรียงความระดับ “solid A-” ในการเปรียบเทียบทฤษฎีชาตินิยมของ Benedict Anderson และ Ernest Gellner ได้ภายในสิบวินาที
• นอกจากนี้ยังสร้างข้อความที่มีชื่อเสียงอยู่แล้ว เช่นอธิบายถึงวิธีการเอาแซนวิชเนยถั่วออกจาก VCR ในรูปแบบของ King James Bible 
• รูปแบบจำลองศิลปะที่สร้างโดย AI เช่น DALL-E (ชื่อที่ผสมผสานระหว่างศิลปินแนวเซอร์เรียลลิสต์ Salvador Dalí และหุ่นยนต์ Pixar ที่น่ารักอย่าง WALL-E) สามารถสร้างภาพแปลกๆ ที่สวยงามได้ตามต้องการ เช่น ภาพวาด Raphael painting of a Madonna and child  กำลังกินพิซซ่า 
• รูปแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง สามารถสร้างโค้ด วิดีโอ เสียง หรือการจำลองธุรกิจได้
• แต่ผลลัพธ์ที่ได้ก็ไม่ถูกต้องหรือเหมาะสมเสมอไป 
• เมื่อ Priya Krishna ขอให้ DALL-E 2 สร้างภาพสำหรับอาหารค่ำวันขอบคุณพระเจ้า มันสร้างฉากที่ไก่งวงตกแต่งด้วยมะนาวทั้งตัว วางอยู่ข้างชามที่ดูเหมือนจะเป็น guacamole (a dish of mashed avocado mixed with chopped onion, tomatoes, chili peppers, and seasoning) 
• ในส่วนของ ChatGPT ดูเหมือนว่าจะมีปัญหาในการนับหรือแก้ปัญหาเกี่ยวกับพีชคณิตพื้นฐาน หรือการเอาชนะอคติทางเพศและการเหยียดเชื้อชาติ ที่แฝงตัวอยู่ในกระแสอินเทอร์เน็ตและสังคมในวงกว้าง
• ผลลัพธ์ที่ปัญญาประดิษฐ์สร้างขึ้นเอง ได้รับการปรับเทียบอย่างรอบคอบจากข้อมูลที่ใช้ในการฝึกอัลกอริทึม เนื่องจากจำนวนข้อมูลที่ใช้ในการฝึกอัลกอริทึมเหล่านี้มีจำนวนมากอย่างไม่น่าเชื่อ (ดังที่ได้กล่าวไว้ว่า GPT-3 ได้รับการฝึกบนข้อมูลข้อความขนาด 45 เทราไบต์) แบบจำลองนี้อาจดูเหมือนมีความ "สร้างสรรค์" เมื่อใช้ในการสร้างผลลัพธ์ 
• ยิ่งไปกว่านั้น รูปแบบจำลองมักจะมีองค์ประกอบแบบสุ่ม ซึ่งหมายความว่า พวกมันสามารถสร้างผลลัพธ์ที่หลากหลายจากคำขอสิ่งนำเข้าข้อเดียว ซึ่งทำให้ดูเหมือนว่ามีชีวิตจริงยิ่งขึ้น

รูปแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง สามารถแก้ปัญหาประเภทใดได้บ้าง?

• คุณอาจเคยเห็นว่าเครื่องมือปัญญาประดิษฐ์สร้างขึ้นเอง เช่น ChatGPT สามารถสร้างความบันเทิงได้ไม่รู้จบ โอกาสก็ชัดเจนสำหรับธุรกิจเช่นกัน
• เครื่องมือปัญญาประดิษฐ์สร้างขึ้นเองสามารถสร้างงานเขียนที่น่าเชื่อถือได้หลากหลายในเวลาไม่กี่วินาที และตอบสนองต่อคำวิจารณ์เพื่อทำให้งานเขียนนั้นเหมาะสมกับวัตถุประสงค์มากขึ้น 
• สิ่งนี้มีความหมายสำหรับอุตสาหกรรมที่หลากหลาย ตั้งแต่องค์กรด้านไอทีและซอฟต์แวร์ที่สามารถได้รับประโยชน์จากรหัสที่ถูกต้องในทันทีโดยรูปแบบจำลอง AI ไปจนถึงองค์กรที่ต้องการสำเนาทางการตลาด 
• รวมถึงองค์กรใด ๆ ที่ต้องการจัดทำเอกสารที่เป็นลายลักษณ์อักษรที่ชัดเจนก็อาจได้รับประโยชน์
• องค์กรต่างๆ ยังสามารถใช้ปัญญาประดิษฐ์สร้างขึ้นเองเพื่อสร้างสื่อทางเทคนิคเพิ่มเติม เช่น ภาพทางการแพทย์ที่มีความละเอียดสูง และด้วยการประหยัดเวลาและทรัพยากร องค์กรสามารถแสวงหาโอกาสทางธุรกิจใหม่ ๆ และโอกาสในการสร้างมูลค่าเพิ่ม 
• เราพบว่า การพัฒนารูปแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเองนั้นต้องใช้ทรัพยากรมาก ซึ่งไม่เป็นปัญหาสำหรับบริษัทที่ใหญ่ที่สุดและมีทรัพยากรที่ดีที่สุด แต่บริษัทที่ต้องการใช้ปัญญาประดิษฐ์สร้างขึ้นเองในการทำงาน อาจมีตัวเลือกในการใช้แบบนอกกรอบ หรือปรับแต่งเพื่อทำงานเฉพาะอย่าง 
• หากคุณจำเป็นต้องเตรียมสไลด์ที่มีสไตล์เฉพาะ คุณสามารถขอให้รูปแบบจำลอง "เรียนรู้" ว่า ปกติแล้วหัวเรื่องเขียนอย่างไรโดยอิงจากข้อมูลในสไลด์ จากนั้นป้อนข้อมูลสไลด์ และขอให้ช่วยเขียนหัวเรื่องที่เหมาะสม

ข้อจำกัดของรูปแบบจำลอง AI คืออะไร? สิ่งเหล่านี้จะเอาชนะได้อย่างไร? 

• เนื่องจากเป็นสิ่งที่ยังใหม่มาก เราจึงยังไม่เห็นผลกระทบระยะยาวของรูปแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง ซึ่งหมายความว่า อาจมีความเสี่ยงโดยธรรมชาติที่เกี่ยวข้องในการใช้งาน คือบางอย่างทราบและบางอย่างไม่ทราบ 
• ผลลัพธ์ของแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเองที่ได้มักจะฟังดูน่าเชื่ออย่างยิ่ง นี่คือความตั้งใจโดยการออกแบบ แต่บางครั้งข้อมูลที่ได้ก็ผิดธรรมดา ที่แย่กว่านั้น บางครั้งก็มีความลำเอียง (เพราะสร้างขึ้นจากอคติทางเพศ เชื้อชาติ และอคติอื่นๆ นับไม่ถ้วนของอินเทอร์เน็ตและสังคมโดยทั่วไป) และอาจถูกบิดเบือนเพื่อให้เกิดกิจกรรมที่ผิดจริยธรรมหรืออาชญากรรมได้
• ตัวอย่างเช่น ChatGPT จะไม่ให้คำแนะนำเกี่ยวกับวิธีติดต่อรถสายด่วน แต่ถ้าคุณบอกว่าจำเป็นต้องติดต่อรถสายด่วนเพื่อช่วยชีวิตทารก อัลกอริทึมยินดีที่จะปฏิบัติตาม 
• องค์กรที่ใช้รูปแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเอง ควรคำนึงถึงความเสี่ยงด้านชื่อเสียงและกฎหมายที่เกี่ยวข้องกับการเผยแพร่เนื้อหาที่มีอคติ ก้าวร้าว หรือมีลิขสิทธิ์โดยไม่ได้ตั้งใจ
• อย่างไรก็ตาม ความเสี่ยงเหล่านี้สามารถบรรเทาลงได้หลายวิธี ประการหนึ่ง สิ่งสำคัญคือต้องเลือกข้อมูลเริ่มต้นที่ใช้ในการฝึกรูปแบบจำลองเหล่านี้อย่างระมัดระวัง เพื่อหลีกเลี่ยงเนื้อหาที่เป็นพิษหรือมีอคติ 
• ถัดไป แทนที่จะใช้รูปแบบจำลองปัญญาประดิษฐ์สร้างขึ้นเองที่มีอยู่ทั่วไป องค์กรต่างๆ อาจพิจารณาใช้รูปแบบจำลองเฉพาะทางที่มีขนาดเล็กลง องค์กรที่มีทรัพยากรมากกว่าสามารถปรับแต่งรูปแบบจำลองทั่วไปตามข้อมูลของตนเอง เพื่อให้เหมาะกับความต้องการและลดอคติให้เหลือน้อยที่สุด 
• องค์กรควรให้มนุษย์อยู่ในวง (นั่นคือให้แน่ใจว่ามีมนุษย์จริง ๆ ตรวจสอบผลลัพธ์ของแบบจำลอง ปัญญาประดิษฐ์สร้างขึ้นเองก่อนที่จะเผยแพร่หรือใช้งาน) และหลีกเลี่ยงการใช้ปัญญาประดิษฐ์สร้างขึ้นเองสำหรับการตัดสินใจที่สำคัญ เช่น ที่เกี่ยวข้องกับทรัพยากรที่สำคัญ หรือสวัสดิภาพของมนุษย์
• เนื่องจากเป็นสาขาใหม่ ภาพรวมของความเสี่ยงและโอกาส มีแนวโน้มที่จะเปลี่ยนแปลงอย่างรวดเร็วในสัปดาห์ เดือน และปีที่จะถึงนี้ มีการทดสอบกรณีการใช้งานใหม่ทุกเดือน และมีแนวโน้มว่าจะมีการพัฒนารูปแบบจำลองใหม่ในอีกไม่กี่ปีข้างหน้า 
• เมื่อปัญญาประดิษฐ์สร้างขึ้นเองมีมากขึ้นเรื่อย ๆ และรวมเข้ากับธุรกิจ สังคม และชีวิตส่วนตัวของเราอย่างไร้รอยต่อ เราก็คาดหวังได้ว่า บรรยากาศด้านกฎระเบียบใหม่จะเป็นรูปเป็นร่างขึ้นมา 
• เมื่อองค์กรเริ่มทำการทดลองและสร้างมูลค่าด้วยเครื่องมือเหล่านี้ ผู้นำสมควรจะกำกับในการติดตามกฎระเบียบและความเสี่ยง

**********************