ຕົ້ນກໍາເນີດຂອງສະຕິປັນຍາແລະຄວາມປັນຍາຂອງມະນຸດ
ຕົ້ນກໍາເນີດຂອງສະຕິປັນຍາ
THE ສະຕິປັນຍາ ແມ່ນວິທີການໃນຈິດຕະວິທະຍາທີ່ສຸມໃສ່ກົນໄກພາຍໃນຂອງຄວາມຄິດ, ການປິ່ນປົວຈິດໃຈຂອງມະນຸດເປັນລະບົບການປຸງແຕ່ງຂໍ້ມູນຂ່າວສານ. ຕົ້ນກໍາເນີດຂອງວິທີການນີ້ແມ່ນຕັ້ງແຕ່ປີ 1950 ແລະ 1960, ເປັນປະຕິກິລິຍາຕໍ່ພຶດຕິກໍາ, ເຊິ່ງມີຄວາມເດັ່ນຊັດໃນເວລານັ້ນແລະທີ່ສຸມໃສ່ການປະພຶດທີ່ສັງເກດໄດ້, ການລະເລີຍຂະບວນການທາງຈິດພາຍໃນ.
THE ພື້ນຖານ ສະຕິປັນຍາແມ່ນອີງໃສ່ການເຮັດວຽກຂອງຕົວເລກທີ່ໂດດເດັ່ນເຊັ່ນ: Jean Piaget, ຜູ້ທີ່ໄດ້ສຶກສາການພັດທະນາມັນສະຫມອງໃນເດັກນ້ອຍ, ຫຼື Noam Chomsky, ເຊິ່ງການວິພາກວິຈານຂອງຈິດຕະວິທະຍາດ້ານພຶດຕິກໍາແລະທິດສະດີຂອງການຮຽນຮູ້ຄໍາເວົ້າເປັນຈຸດສໍາຄັນສໍາລັບການກໍານົດທິດທາງຂອງຈິດຕະວິທະຍາໄປສູ່ຄວາມເລິກ. ການສຶກສາຈິດໃຈແລະຄວາມສາມາດຂອງຕົນ.
ມັນບໍ່ແມ່ນເລື່ອງບັງເອີນທີ່ການເກີດຂື້ນຂອງສະຕິປັນຍາເກີດຂຶ້ນພ້ອມກັນກັບການເຕີບໃຫຍ່ຂອງວິທະຍາສາດຄອມພິວເຕີແລະ cybernetics, ເຊິ່ງໄດ້ສະຫນອງຮູບແບບໃຫມ່ແລະຄໍາປຽບທຽບສໍາລັບແນວຄວາມຄິດຂອງການດໍາເນີນງານຂອງຈິດໃຈ. ສໍາລັບຕົວຢ່າງ, ການປະມວນຜົນຂໍ້ມູນໃນຫນ່ວຍຄວາມຈໍາ, ການດໍາເນີນງານ algorithmic, ແລະການນໍາໃຊ້ຕົວແບບການຄິດໄລ່ເພື່ອເປັນຕົວແທນຂະບວນການຄິດ.
ຄວາມສະຫຼາດຂອງມະນຸດ
ລສະຕິປັນຍາຂອງມະນຸດ ເປັນຄະນະວິຊາທີ່ຊັບຊ້ອນທີ່ປະກອບດ້ວຍຄວາມສາມາດທີ່ຫຼາກຫຼາຍເຊັ່ນ: ການແກ້ໄຂບັນຫາ, ຄວາມເຂົ້າໃຈ, ການຮຽນຮູ້, ການປັບຕົວເຂົ້າກັບສະພາບການໃຫມ່, ຄວາມຄິດສ້າງສັນ, ແລະການຫມູນໃຊ້ຂອງສັນຍາລັກແລະແນວຄວາມຄິດ. ພາຍໃນຂອບເຂດຂອງສະຕິປັນຍາ, ຄວາມສະຫຼາດຂອງມະນຸດມັກຈະຖືກມອງເຫັນເປັນຜົນມາຈາກຂະບວນການມັນສະຫມອງທີ່ສາມາດແບ່ງອອກແລະວິເຄາະທາງວິທະຍາສາດ.
ຫນຶ່ງໃນຄວາມກ້າວຫນ້າທີ່ຍິ່ງໃຫຍ່ໃນການເຂົ້າໃຈປັນຍາຂອງມະນຸດໂດຍຜ່ານ prism ຂອງ cognitivism ແມ່ນການພັດທະນາຂອງຈິດຕະວິທະຍາມັນສະຫມອງ, ລະບຽບວິໄນທີ່ອຸທິດຕົນເພື່ອການສຶກສາຂະບວນການທາງຈິດແລະອິດທິພົນຂອງເຂົາເຈົ້າກ່ຽວກັບພຶດຕິກໍາຂອງມະນຸດ. ການຄົ້ນຄວ້າວິທະຍາສາດດ້ານ neuroscience ຍັງໄດ້ປະກອບສ່ວນເຂົ້າໃນຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບປັນຍາ, ເປີດເຜີຍການເຮັດວຽກຂອງສະຫມອງແລະການຄົ້ນຄວ້າວິທີການໂຄງສ້າງຂອງສະຫມອງມີສ່ວນຮ່ວມໃນຂະບວນການທາງດ້ານສະຕິປັນຍາ.
ທິດສະດີຂອງປັນຍາຫຼາຍ, ສະເຫນີໂດຍນັກຈິດຕະສາດເຊັ່ນ Howard Gardner, ຍັງໄດ້ເສີມຂະຫຍາຍການໂຕ້ວາທີໂດຍການແນະນໍາວ່າປັນຍາບໍ່ແມ່ນຄວາມສາມາດທົ່ວໄປດຽວ, ແຕ່ເປັນຊຸດຂອງທັກສະສະເພາະແລະເອກະລາດ.
ຍິ່ງໄປກວ່ານັ້ນ, ຄວາມເຂົ້າໃຈໃນປັດຈຸບັນກ່ຽວກັບປັນຍາຂອງມະນຸດແມ່ນໄດ້ຮັບອິດທິພົນຢ່າງເລິກເຊິ່ງໂດຍປັນຍາປະດິດ (AI). Paradoxically, ໃນການຊອກຫາເຄື່ອງຈັກທີ່ mimic ປັນຍາຂອງມະນຸດ, ນັກຄົ້ນຄວ້າໄດ້ຮັບຄວາມເຂົ້າໃຈໃຫມ່ກ່ຽວກັບລັກສະນະຂອງປັນຍາຂອງພວກເຮົາເອງ.
ນີ້ກັບຄືນໄປບ່ອນແລະດັງນີ້ຕໍ່ໄປລະຫວ່າງ AI ແລະຈິດຕະວິທະຍາມັນສະຫມອງໄດ້ເຮັດໃຫ້ການປັບປຸງໃນທັງສອງຂົງເຂດ, ນໍາໄປສູ່ຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນຄວາມເຂົ້າໃຈແລະຄວາມສາມາດໃນການສ້າງແບບຈໍາລອງຂະບວນການທາງປັນຍາຂອງພວກເຮົາ.
ເພື່ອປຽບທຽບປັນຍາຂອງມະນຸດຂອງພວກເຮົາກັບປັນຍາປະດິດ, ໃຫ້ກັບຄືນໄປຫາພື້ນຖານຂອງ AI ເພື່ອສະຫຼຸບ:
ພື້ນຖານທິດສະດີຂອງ AI
ພື້ນຖານທາງທິດສະດີຂອງ AI ແມ່ນຮາກຖານຢູ່ໃນຂະແໜງຄະນິດສາດ ແລະ ວິທະຍາສາດຄອມພິວເຕີ. ພວກມັນສ່ວນໃຫຍ່ແມ່ນມາຈາກການຄົ້ນຄວ້າທາງດ້ານເຫດຜົນ, ສູດການຄິດໄລ່, ແລະທິດສະດີການຄິດໄລ່ທີ່ຖືກພັດທະນາໂດຍຕົວເລກເຊັ່ນ Alan Turing ແລະ John von Neumann. ພື້ນຖານເຫຼົ່ານີ້ລວມມີ:
- ການສ້າງແບບຈໍາລອງຄວາມຮູ້: ເຊິ່ງຊອກຫາວິທີທີ່ຈະສ້າງຂະບວນການທາງຈິດຂອງມະນຸດ.
- ເຫດຜົນທາງສັນຍາລັກ: ເຊິ່ງແມ່ນອີງໃສ່ລະບົບການເປັນຕົວແທນຄວາມຮູ້ ແລະ inference.
- ການຮຽນຮູ້ເຄື່ອງຈັກ: ເຊິ່ງອະນຸຍາດໃຫ້ເຄື່ອງຈັກສາມາດຮຽນຮູ້ຈາກຂໍ້ມູນ ແລະປັບປຸງປະສິດທິພາບຂອງເຂົາເຈົ້າ.
- ການເພີ່ມປະສິດທິພາບ: ເພື່ອແນໃສ່ຊອກຫາວິທີແກ້ໄຂທີ່ດີທີ່ສຸດຕໍ່ບັນຫາທີ່ກຳນົດໄວ້ໃນສະພາບທີ່ກຳນົດ.
- ທິດສະດີເກມ: ທີ່ສຶກສາການຕັດສິນໃຈຍຸດທະສາດໃນສະຖານະການການແຂ່ງຂັນຫຼືການຮ່ວມມື.
Symbolic vs connectionist ປັນຍາປະດິດ
ໃນຂົງເຂດຂອງ AI, ມີຄວາມແຕກຕ່າງກັນຫຼາຍລະຫວ່າງສອງວິທີການ:ປັນຍາປະດິດສັນຍາລັກ, ມັກຈະກ່ຽວຂ້ອງກັບການຫມູນໃຊ້ຂອງສັນຍາລັກຢ່າງມີເຫດຜົນເພື່ອຈໍາລອງເຫດຜົນຂອງມະນຸດ, ແລະແບບຈໍາລອງ ຜູ້ເຊື່ອມຕໍ່, ເຊິ່ງໃຊ້ເວລາດົນໃຈຈາກໂຄງສ້າງ neuronal ຂອງສະຫມອງເພື່ອສ້າງເຄືອຂ່າຍ neural ປອມ.
ສອງປັດຊະຍານີ້ສະແດງໃຫ້ເຫັນເຖິງຄວາມຂະໜານຂັ້ນພື້ນຖານ ແລະຄວາມແຕກຕ່າງພາຍໃນ AI:
- ວິທີການທີ່ເປັນສັນຍາລັກແມ່ນອີງໃສ່ຄວາມເຂົ້າໃຈທີ່ຊັດເຈນແລະເປັນທາງການຂອງຄວາມຮູ້, ໃນຂະນະທີ່ວິທີການເຊື່ອມຕໍ່ແມ່ນອີງໃສ່ຮູບແບບການຮຽນຮູ້ implicit.
- Symbolic AI ມັກຈະມີຄວາມໂປ່ງໃສກວ່າ ແລະການຕັດສິນໃຈຂອງມັນສາມາດອະທິບາຍໄດ້ຫຼາຍຂຶ້ນ, ແຕ່ມັນສາມາດຖືກຈຳກັດໄດ້ເມື່ອປະເຊີນກັບຄວາມສັບສົນຂອງບັນຫາຕົວຈິງບາງຢ່າງ.
- Connectionist AI, ໂດຍສະເພາະຜ່ານການຮຽນຮູ້ເລິກ, ເກັ່ງໃນການຮັບຮູ້ຮູບແບບແລະການຄຸ້ມຄອງຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ, ແຕ່ບາງຄັ້ງກໍ່ປະສົບກັບການຂາດຄວາມໂປ່ງໃສ (ກ່ອງສີດໍາ).
ການປະມວນຜົນຂໍ້ມູນ: ການປຽບທຽບລະຫວ່າງສະຫມອງແລະເຄື່ອງຈັກ
ການປະມວນຜົນຂໍ້ມູນຂ່າວສານແມ່ນຫນ້າທີ່ສໍາຄັນສໍາລັບການເຂົ້າໃຈຄວາມສັບສົນຂອງສະຫມອງຂອງມະນຸດເຊັ່ນດຽວກັນກັບການເຮັດວຽກຂອງລະບົບຄອມພິວເຕີທີ່ທັນສະໄຫມ. ມາສຳຫຼວດຄວາມຄ້າຍຄືກັນ ແລະຄວາມແຕກຕ່າງໃນວິທີການທີ່ສະໝອງ ແລະເຄື່ອງຈັກຂອງມະນຸດປະມວນຜົນຂໍ້ມູນ.
ຄວາມສາມາດໃນການປຸງແຕ່ງແລະການເກັບຮັກສາ
ສະຫມອງຂອງມະນຸດມີປະມານ 86 ຕື້ neurons, ແຕ່ລະຄົນສາມາດສ້າງການເຊື່ອມຕໍ່ synaptic ຫຼາຍ, ເຮັດໃຫ້ມັນສາມາດປະຕິບັດວຽກງານທີ່ສັບສົນດ້ວຍປະສິດທິພາບພະລັງງານສູງ.
ໃນທາງກົງກັນຂ້າມ, ເຄື່ອງຈັກໃນປະຈຸບັນ, ເຖິງແມ່ນວ່າພວກເຂົາສາມາດຈັດການແລະເກັບຮັກສາຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ, ແຕ່ຍັງຕ້ອງການພະລັງງານຫຼາຍເພື່ອປະຕິບັດງານແລະຂາດຄວາມວ່ອງໄວທໍາມະຊາດຂອງສະຫມອງທີ່ຈະຮຽນຮູ້ແລະປັບຕົວດ້ວຍປະສິດທິພາບດຽວກັນ.
ການຮຽນຮູ້ແລະການປັບຕົວ
ສະຫມອງຂອງມະນຸດແມ່ນພິເສດໃນເວລາທີ່ມັນມາກັບການຮຽນຮູ້ແລະການປັບຕົວ. ຂໍຂອບໃຈກັບ neuroplasticity, ມັນສາມາດປັບໂຄງສ້າງຕົວມັນເອງ, ໄດ້ຮັບທັກສະໃຫມ່ແລະປັບຕົວເຂົ້າກັບສະຖານະການໃຫມ່. ເຄື່ອງຈັກ, ໂດຍຜ່ານການຮຽນຮູ້ເຄື່ອງຈັກແລະເຄືອຂ່າຍ neural ປອມ, ກໍາລັງເລີ່ມຕົ້ນທີ່ຈະຮຽນແບບຄວາມສາມາດໃນການຮຽນຮູ້ນີ້.
ຢ່າງໃດກໍຕາມ, ເຖິງແມ່ນວ່າ algorithms ກ້າວຫນ້າທາງດ້ານຫຼາຍທີ່ສຸດເຊັ່ນ: ການຮຽນຮູ້ເລິກເຊິ່ງ ຍັງບໍ່ສາມາດກົງກັບຄວາມສາມາດຂອງສະຫມອງຂອງທໍາມະຊາດທີ່ຈະເຂົ້າໃຈແລະປະສົມປະສານແນວຄວາມຄິດທີ່ບໍ່ມີຕົວຕົນ.
ຄວາມໄວການປຸງແຕ່ງ
ໃນເວລາທີ່ມັນມາກັບຄວາມໄວການປຸງແຕ່ງ, ເຄື່ອງຈັກມັກຈະມີປະໂຫຍດ. ຄອມພິວເຕີສາມາດປະຕິບັດການທາງຄະນິດສາດດ້ວຍຄວາມໄວທີ່ບໍ່ມີທີ່ທຽບກັບສະຫມອງຂອງມະນຸດ.
ຢ່າງໃດກໍຕາມ, ການຕັດສິນໃຈແລະການແກ້ໄຂບັນຫາທີ່ສັບສົນໃນສະຖານະການທີ່ບໍ່ຊັດເຈນຫຼືການປ່ຽນແປງແມ່ນພື້ນທີ່ທີ່ສະຫມອງດີເລີດຍ້ອນຄວາມສາມາດໃນການປະຕິບັດວຽກງານຂະຫນານແລະເຮັດໃຫ້ການຕັດສິນຂອງ heuristic ຢ່າງໄວວາ.
ຄວາມເຂົ້າໃຈກ່ຽວກັບສະພາບການແລະ nuances
ຫນຶ່ງໃນຂໍ້ຈໍາກັດທີ່ໂດດເດັ່ນທີ່ສຸດຂອງເຄື່ອງຈັກທຽບກັບສະຫມອງຂອງມະນຸດແມ່ນຄວາມສາມາດໃນການເຂົ້າໃຈສະພາບການແລະຄວາມແຕກຕ່າງກັນ. ສະຫມອງແມ່ນພິເສດທີ່ຈະເຂົ້າໃຈ subtleties ຂອງພາສາ, ວັດທະນະທໍາ, ອາລົມ, ແລະປັດໃຈສະພາບການອື່ນໆ, ບາງສິ່ງບາງຢ່າງທີ່ເຄື່ອງຈັກ, ເຖິງແມ່ນວ່າຄວາມກ້າວຫນ້າໃນ AI, ຍັງບໍ່ທັນໄດ້ mastered ຢ່າງເຕັມສ່ວນ. ລະບົບ AI ເຊັ່ນ GPT-3 ກໍາລັງດໍາເນີນບາດກ້າວອັນໃຫຍ່ຫຼວງໃນທິດທາງນີ້, ແຕ່ຍັງມີຫຼາຍຢ່າງທີ່ຕ້ອງເຮັດເພື່ອບັນລຸຄວາມເຂົ້າໃຈໃນສະພາບການທີ່ແທ້ຈິງ.
ໃນສັ້ນ, ການປຽບທຽບການປະມວນຜົນຂໍ້ມູນລະຫວ່າງສະຫມອງແລະເຄື່ອງຈັກແມ່ນສັບສົນແລະຊີ້ໃຫ້ເຫັນເຖິງຂໍ້ຈໍາກັດແລະຄວາມສາມາດພິເສດຂອງທັງສອງລະບົບ. ໃນຂະນະທີ່ເຄື່ອງຈັກມີຄວາມກ້າວຫນ້າຢ່າງໄວວາ, ພວກມັນຍັງບໍ່ທັນໄດ້ທົດແທນຂະບວນການທາງດ້ານສະຕິປັນຍາຂອງມະນຸດໃນຈໍານວນທັງຫມົດ.
ການຢູ່ຮ່ວມກັນລະຫວ່າງມະນຸດແລະເຄື່ອງຈັກນີ້ໃຫ້ໂອກາດອັນມະຫາສານສໍາລັບອະນາຄົດ, ບໍ່ວ່າຈະເປັນການປັບປຸງຄວາມສາມາດຂອງມະນຸດຫຼືການພັດທະນາຂອງ AI ທີ່ກ້າວຫນ້າ.
ຄວາມກ້າວຫນ້າໃນການຮຽນຮູ້ເຄື່ອງຈັກ: ໄປສູ່ການລວມຕົວກັບສະຕິປັນຍາ?
ການປຸກຂອງ Cognitivism
THE ສະຕິປັນຍາ ສຸມໃສ່ການສຶກສາຂະບວນການຄິດແລະຈິດໃຈ, ຊອກຫາວິທີທີ່ຈະເຂົ້າໃຈວິທີການຂອງມະນຸດຮັບຮູ້, ຮຽນຮູ້, ຈື່ຈໍາ, ແລະແກ້ໄຂບັນຫາ. ວິທະຍາສາດມັນສະຫມອງນີ້ແຕ້ມກ່ຽວກັບວິຊາຕ່າງໆເຊັ່ນຈິດຕະສາດ, neurobiology, ປັດຊະຍາຂອງຈິດໃຈແລະວິທະຍາສາດຄອມພິວເຕີເພື່ອພະຍາຍາມທີ່ຈະສ້າງແຜນສະຖາປັດຕະແລະການທໍາງານຂອງສະຫມອງຂອງມະນຸດ.
ຂະຫນານລະຫວ່າງການຮຽນຮູ້ເຄື່ອງຈັກແລະມັນສະຫມອງ
ຫຼັກການຈໍານວນຫຼາຍຂອງ ການຮຽນຮູ້ເຄື່ອງຈັກ ຊອກຫາສຽງສະທ້ອນໃນສະຕິປັນຍາ. ສໍາລັບຕົວຢ່າງ, ເຄືອຂ່າຍ neural ປອມ, ອອກແບບມາເພື່ອ mimic ການເຮັດວຽກຂອງ neurons ຂອງມະນຸດ, ສະແດງໃຫ້ເຫັນຄວາມພະຍາຍາມວິສະວະກໍາເພື່ອ replicate ການປະມວນຜົນຂໍ້ມູນຍ້ອນວ່າມັນຈະເກີດຂຶ້ນໃນສະຫມອງ. ແນວຄວາມຄິດເຊັ່ນ: ການຮຽນຮູ້ແບບມີການຄວບຄຸມເບິ່ງແຍງ ແລະ ບໍ່ມີການເບິ່ງແຍງກວດກາຍັງສະທ້ອນເຖິງຂະບວນການຮຽນຮູ້ຂອງມະນຸດບາງອັນ, ເຖິງແມ່ນວ່າໃນແບບງ່າຍໆ.
ການປະກອບສ່ວນຂອງການຮຽນຮູ້ເຄື່ອງຈັກຕໍ່ກັບສະຕິປັນຍາ
ວິທີການປະດິດສ້າງໃນ ການຮຽນຮູ້ເຄື່ອງຈັກ ສ່ອງແສງໃໝ່ກ່ຽວກັບທັດສະນະຂອງສະຕິປັນຍາ. ໂດຍການຜະລິດແບບຈໍາລອງທີ່ສາມາດປະມວນຜົນຊຸດຂໍ້ມູນທີ່ຊັບຊ້ອນແລະຂະຫນາດໃຫຍ່, ການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ສະເຫນີເຄື່ອງມືສໍາລັບການທົດສອບທິດສະດີມັນສະຫມອງໃນລະດັບທີ່ບໍ່ເຄີຍມີມາກ່ອນ. ນອກຈາກນັ້ນ, ການພັດທະນາການໂຕ້ຕອບຂອງສະຫມອງກັບຄອມພິວເຕີສາມາດປະຕິວັດວິທີທີ່ພວກເຮົາເຂົ້າໃຈແລະພົວພັນກັບສະຫມອງຂອງມະນຸດ.
ການປະສົມປະສານລະຫວ່າງ AI ແລະວິທະຍາສາດມັນສະຫມອງ
ມີຄວາມສາມາດ convergence ລະຫວ່າງ ການຮຽນຮູ້ເຄື່ອງຈັກ ແລະວິທະຍາສາດມັນສະຫມອງ. ໂດຍສະເພາະ, ການສ້າງແບບຈໍາລອງການຄິດໄລ່ຈາກ AI ສາມາດນໍາໄປສູ່ຄວາມເຂົ້າໃຈດີຂຶ້ນກ່ຽວກັບການປະມວນຜົນຂໍ້ມູນຂອງມະນຸດ, ແລະໃນທາງກັບກັນ, intuition ກ່ຽວກັບການເຮັດວຽກຂອງມັນສະຫມອງຂອງມະນຸດສາມາດດົນໃຈສະຖາປັດຕະຍະກໍາໃຫມ່. ນັກຄົ້ນຄວ້າບາງຄົນໄດ້ໂຕ້ຖຽງວ່າການລວມກັນນີ້ສາມາດນໍາໄປສູ່ຮູບແບບຂອງ AI ທີ່ມີຄວາມເຂັ້ມແຂງ, ມີຄວາມຍືດຫຍຸ່ນ, ແລະມີຄວາມສາມາດທາງດ້ານປັນຍາທີ່ແທ້ຈິງ.
ສຸດທ້າຍ, ໄດ້ ການຮຽນຮູ້ເຄື່ອງຈັກ ແລະສະຕິປັນຍາປະຕິບັດຈຸດປະສົງຂະຫນານ: ຄວາມເຂົ້າໃຈແລະການຈໍາລອງປັນຍາ, ບໍ່ວ່າຈະເປັນປອມຫຼືທໍາມະຊາດ. ການນໍາເອົາສອງຂົງເຂດນີ້ມາຮ່ວມກັນບໍ່ພຽງແຕ່ສາມາດເລັ່ງການພັດທະນາຂອງ AI, ແຕ່ຍັງເຮັດໃຫ້ຄວາມເຂົ້າໃຈຂອງພວກເຮົາເລິກເຊິ່ງກ່ຽວກັບຈິດໃຈຂອງມະນຸດ. ຢ່າງໃດກໍຕາມ, ພວກເຮົາຍັງຢູ່ໃນຂັ້ນຕອນຕົ້ນຂອງການພົວພັນ symbiotic ນີ້, ແລະພຽງແຕ່ອະນາຄົດທີ່ຈະກໍານົດທ່າແຮງອັນເຕັມທີ່ຂອງມັນ.
