မောင်မျိုးခိုင် (ကွန်ပျူတာတက္ကသိုလ်)

ယနေ့ကမ္ဘာတွင် နည်းပညာများသည် အရှိန်အဟုန်ဖြင့် တိုးတက်ပြောင်းလဲနေပြီး ကျွန်ုပ်တို့အားလုံးသည် “ဉာဏ်ရည်တုနည်းပညာခေတ် (AI Age)” ထဲသို့ အပြည့်အဝရောက်ရှိနေပြီဖြစ်ပါသည်။

ဉာဏ်ရည်တုနည်းပညာ(AI)သည် ကျွန်ုပ်တို့၏လုပ်ငန်းခွင်နှင့် နေ့စဉ်ဘဝနယ်ပယ်အသီးသီးတွင် အဓိကအခန်းကဏ္ဍမှပါဝင်လာပြီး နေထိုင်မှုပုံစံသစ်တစ်ခုသို့ ကူးပြောင်းပေးလျက်ရှိပါသည်။ ဘဏ် ဝန်ဆောင်မှုများကို Digital Payment စနစ်ဖြင့် အသုံးပြုခြင်း၊ ဖျော်ဖြေ ရေးနှင့် ဗဟုသုတများအတွက် YouTube ကြည့်ခြင်း၊ Email နှင့် Viber တို့မှတစ်ဆင့် ဆက်သွယ်ပြောဆိုခြင်းတို့သည် AI နည်းပညာက ကျွန်ုပ်တို့၏အနီးအနားသို့ မည်မျှအထိ နက်နက်ရှိုင်းရှိုင်း ချင်းနင်း ဝင်ရောက်နေပြီဖြစ်ကြောင်း ပြသနေသည့် ခိုင်လုံသောအထောက်အထားများပင်ဖြစ်ပါသည်။

ထို့ကြောင့် AI ဆိုသည်မှာ အဘယ်နည်း၊ ၎င်း၏ သဘောသဘာဝက မည်သို့ရှိသနည်း၊ ကျွန်ုပ်တို့၏အနာဂတ်အတွက် မည်သို့သော အခွင့်အလမ်းနှင့် ပြောင်းလဲမှုများကို ယူဆောင်လာနိုင်သနည်းဆိုသည်တို့ကို မဖြစ်မနေ သိရှိနားလည်ထားရန် လိုအပ်လာပြီဖြစ်ပါသည်။

‘ဉာဏ်ရည်’နှင့် ‘တုပခြင်း’ဟူ၍ ခွဲခြားရှုမြင်နိုင်

ဦးစွာ “ဉာဏ်ရည်တုနည်းပညာ”ဆိုသည်မှာ လူသားတို့၏ ဉာဏ်ရည်ကို တုပဖန်တီးထားသော နည်းပညာဖြစ်ပြီး “ဉာဏ်ရည်တုစနစ် (AI System)”ဆိုသည်မှာ လူသားတို့လုပ်ဆောင်ရမည့် လုပ်ငန်းတာဝန်များကို လူ့ကိုယ်စား ဆောင်ရွက်ပေးနိုင်သောစနစ်ကို ဆိုလိုခြင်းဖြစ်ပါသည်။ ဝေါဟာရအားဖြင့် ‘ဉာဏ်ရည်’နှင့် ‘တုပခြင်း’ဟူ၍ ခွဲခြားရှုမြင် နိုင်ပါသည်။

ဉာဏ်ရည်တုနည်းပညာ၏ အခြေခံသဘောတရားကို လေ့လာကြည့်လျှင် AI စနစ်တစ်ခုသည် ပတ်ဝန်းကျင်မှ အချက်အလက်များကို အာရုံခံကိရိယာများမှတစ်ဆင့် ဖမ်းယူသိရှိပါသည်။ ထို့နောက် ရရှိလာသော အချက်အလက်များအပေါ် ကျိုးကြောင်းဆင်ခြင်၍ တွက်ချက်မှုများပြုလုပ်ကာ အခြေအနေနှင့်သင့်လျော်သော တုံ့ပြန်မှုများကို တုံ့ပြန်ကိရိယာများမှတစ်ဆင့် ပတ်ဝန်းကျင်သို့ ပြန်လည် ထုတ်လွှတ်သည့် ဖြစ်စဉ်ပင်ဖြစ်ပါသည်။

ဥပမာအားဖြင့် မိသားစုဝင်များ၏အသံ ဟုတ်၊ မဟုတ် စစ်ဆေးပေးမည့် Voice Recognition System တစ်ခုကို တည်ဆောက်မည် ဆိုပါစို့။ ဦးစွာ နေ့စဉ်ဘဝကို လေ့လာကြည့်လျှင် မိသားစုဝင်အချင်းချင်း တစ်ဦးကိုတစ်ဦးမမြင်ရဘဲ မျက်ကွယ်မှ စကားပြောကြသည့်တိုင် မည်သူမည်ဝါဖြစ်သည်ကို ချက်ချင်းသိရှိကြပါသည်။ အဘယ်ကြောင့် ဆိုသော် တစ်ဦး၏အသံကို တစ်ဦးက နှစ်ရှည်လများ စကားလုံးပေါင်း မြောက်မြားစွာ ကြားဖူးနားဝရှိကာ အကျွမ်းတဝင် မှတ်မိနေကြသော ကြောင့်ဖြစ်ပါသည်။

ဝမ်းသာချိန်၊ ဝမ်းနည်းချိန်၊ ဒေါသထွက်ချိန်၊ ပျော်ရွှင်ချိန်၊ ကျန်းမာချိန်နှင့် ဖျားနာချိန် စသည်ဖြင့် အခြေအနေမျိုးစုံ၌ အတိုးအကျယ်၊ အပြင်းအပျော့ ပုံစံအမျိုးမျိုးဖြင့် ပြောကြားခဲ့သည့်စကားသံများကို ကြားဖူးနားဝရှိခြင်းကြောင့် အသံရှင်ကို တိကျစွာခွဲခြားနိုင်ခြင်းဖြစ်ပါသည်။ ထို့ကြောင့် မိသားစုဝင်တစ်ဦးက အိမ်အပြင်မှနေ၍ “တံခါးဖွင့်ပါဦး”ဟုဆိုပါက “အေးအေးလာပြီ”ဟုဆိုကာ ချက်ချင်းတံခါးဖွင့်ပေးပါလိမ့်မည်။ သို့သော် သူစိမ်းတစ်ဦးက ထိုသို့ဆိုလာပါက ဖွင့်ပေးမည် မဟုတ်ပါ။ အဘယ်ကြောင့်ဆိုသော် မိသားစုဝင်များသည် အချင်းချင်း ငယ်စဉ်ကတည်းက ပြောကြားခဲ့သည့် စကားသံအားလုံးကို မှတ်မိနေပြီးသားဖြစ်သဖြင့် ယခုကြားရသောအသံသည် မည်သူ၏အသံဖြစ်သည် ကို လွယ်ကူစွာ ခွဲခြားသိမြင်နိုင်ခြင်းဖြစ်ပါသည်။

ထို့ကြောင့် “အသံအသုံးပြု လူပုဂ္ဂိုလ်အတည်ပြုစနစ်” (Voice Recognition AI System) တစ်ခုကို တည်ဆောက်မည်ဆိုပါက မိမိတို့ မှတ်မိစေလိုသည့် လူပုဂ္ဂိုလ်များ၏ အသံနေ အသံထားမျိုးစုံကို စနစ် အတွင်း ဦးစွာထည့်သွင်းမှတ်တမ်းတင်ရပါမည်။ အသံ၏ဝိသေသ လက္ခဏာများအပေါ်မူတည်၍ မည်သည့်အသံသည် မည်သူ၏အသံဖြစ်သည်ဟု ယှဉ်တွဲမှတ်သားရခြင်းကို “ကြိုတင်လေ့ကျင့်ပေးခြင်း”ဟု ခေါ်ဆိုပါသည်။ ထိုသို့လေ့ကျင့်ပြီးနောက် စနစ်ရှိ အသံဖမ်းမိုက်ခွက်မှ အသံတစ်ခုကို ဖမ်းယူရရှိသည့်အခါ

- ယခုရရှိလာသော အသံ၏ ထူးခြားချက်များနှင့်

- ကြိုတင်မှတ်သားထားခဲ့သော အသံ၏ထူးခြားချက်များကို အပြန်အလှန် တိုက်ဆိုင်စစ်ဆေးပြီး ယခုအသံသည် မိမိတို့ သိရှိပြီးသားသူ ဖြစ်သလား သို့မဟုတ် လူစိမ်းလားဟု ခွဲခြားဆုံးဖြတ်ပေးမည်ဖြစ်ပါသည်။

မျက်နှာပုံဖမ်း လူပုဂ္ဂိုလ်အတည်ပြုစနစ်

အကယ်၍ အသံအစား “မျက်နှာပုံဖမ်း လူပုဂ္ဂိုလ်အတည်ပြုစနစ်” (Face Recognition AI System) တစ်ခုကို တည်ဆောက်မည်ဆိုပါကလည်း အဆိုပါနည်းလမ်းအတိုင်းပင်ဖြစ်ပါသည်။ အတည်ပြုရမည့် လူပုဂ္ဂိုလ်တို့၏မျက်နှာပုံရိပ်များကို ရှေ့တည့်တည့်၊ ဘေးတိုက်၊ အပေါ်အောက် ရှုထောင့်စုံမှလည်းကောင်း၊ အလင်းအမှောင် အနေအထား မျိုးစုံမှလည်းကောင်း ကြိုတင်မှတ်သားထားရမည်ဖြစ်ပါသည်။ ထို့နောက် မျက်နှာဖတ်ကင်မရာမှ ဖမ်းယူရရှိသည့်ပုံရိပ်ကို ကြိုတင် မှတ်သားထားသော မျက်နှာသွင်ပြင်လက္ခဏာများနှင့် တိုက်ဆိုင် စစ်ဆေးရပါမည်။ ထိုသို့ တိုက်ဆိုင်စစ်ဆေးပြီးနောက် တူညီမှုရှိ၊ မရှိ အပေါ်မူတည်၍ သတ်မှတ်ထားသော လုပ်ငန်းတာဝန်များကို အလိုအလျောက် ဆက်လက်ဆောင်ရွက်စေမည်ဖြစ်ပါသည်။

အထက်ဖော်ပြပါ စနစ်နှစ်ခုစလုံးတွင် ဉာဏ်ရည်တုနည်းပညာ၏ လုပ်ဆောင်ချက်သည် လူသား၏ ဆင်ခြင်တွေးခေါ်နိုင်စွမ်းကို အစားထိုးဆောင်ရွက်ပေးခြင်းဖြစ်၍ လူသား၏ ကိုယ်စားလှယ်အဖြစ် သတ်မှတ်နိုင်ပါသည်။ သို့သော် မျက်နှာပုံဖမ်းစနစ်များ၌ စိန်ခေါ်မှုအချို့ ရှိခဲ့ပါသည်။ ယခင်က မှတ်သားခဲ့သည့်လူပုဂ္ဂိုလ်သည် အချိန်ကာလ ကြာမြင့်လာခြင်း၊ အသက်အရွယ်နှင့် ကျန်းမာရေးအခြေအနေပြောင်းလဲခြင်း၊ ဆံပင်ပုံစံပြောင်းလဲခြင်း သို့မဟုတ် မျက်နှာအစိတ်အပိုင်းအချို့ ဖုံးကွယ်ထားခြင်းတို့ကြောင့် မူလသွင်ပြင်လက္ခဏာများနှင့် ကွဲပြား သွားပါက စနစ်အနေဖြင့် ခွဲခြားမှတ်မိရန် ခက်ခဲသွားနိုင်ပါသည်။ လူသားအချင်းချင်း ကြာရှည်မတွေ့ရသောအခါ ရုတ်တရက်မမှတ်မိတော့သည့် သဘောနှင့် ဆင်တူပါသည်။ ထိုသို့သော အခြေအနေများကို ကျော်လွှားနိုင်ရန် အမျိုးစုံသော အချက်အလက်မှတ်သားမှုများနှင့် အနီးစပ်ဆုံး ခန့်မှန်းတွက်ချက်နိုင်သောစွမ်းရည်များ လိုအပ်လာပြန်ပါသည်။

အထင်ရှားဆုံး ဥပမာတစ်ခုမှာ ကိုဗစ်ကပ်ရောဂါကာလအတွင်း နှာခေါင်းစည်းများ တပ်ဆင်လာကြသည့်အခါ ယခင်မျက်နှာပုံဖမ်းစနစ် များသည် အလုပ်မဖြစ်တော့ခြင်းပင်ဖြစ်ပါသည်။ ထိုအခါ ပညာရှင်များသည် မျက်နှာတစ်ခုတည်းကိုသာ အခြေမခံတော့ဘဲ လူ့ခန္ဓာကိုယ်၏ ပုံပန်းသဏ္ဌာန်နှင့် လမ်းလျှောက်ဟန်တို့ကိုပါ ထည့်သွင်းတွက်ချက်သည့် Gait Recognition စနစ်ကို တီထွင်ကြံဆကာ အစားထိုး အသုံးပြုခဲ့ကြရပါသည်။

ထို့ကြောင့် ယနေ့ခေတ် ဉာဏ်ရည်တုနည်းပညာစနစ်များတွင် တွက်ချက်မှုပုံစံထက် လေ့ကျင့်ပေးထားသည့် အချက်အလက်များ၏ အရည်အသွေးနှင့် ပြည့်စုံမှုက ပို၍အရေးပါသော အသက်သွေးကြော ဖြစ်လာသည်ဟု ဆိုကြပါသည်။

လူသားတို့တွင် မိမိတို့ကြုံတွေ့ရသည့် အခြေအနေများအပေါ် ဘက်စုံခြုံငုံသုံးသပ်ကာ အကောင်းဆုံး ဆောင်ရွက်နိုင်စွမ်းရှိသူကို ‘ဉာဏ်ကောင်းသူ’ဟု ခေါ်ဆိုကြပါသည်။ ထိုနည်းတူစွာပင် ပိုမို ကောင်းမွန်ပြီး အသုံးတည့်သော ဉာဏ်ရည်တုစနစ်များတည်ဆောက်နိုင်ရန်မှာလည်း ပတ်ဝန်းကျင်အခြေအနေမျိုးစုံမှ ရရှိလာသော အချက်အလက်များကိုအခြေခံကာ တိကျမှန်ကန်စွာ သုံးသပ်ဆုံးဖြတ်ပြီး အဖြေထုတ်တုံ့ပြန်နိုင်ရန် လိုအပ်လှပါသည်။ ယနေ့ခေတ်၏ ရည်မှန်း ချက်မှာ ပိုမိုထက်မြက်သောနှင့် ပိုမိုပါးနပ်သောစနစ်များ ပေါ်ပေါက်လာစေရန်ပင်ဖြစ်ပါသည်။

ဥပမာအားဖြင့် လူသားဝန်ထမ်းတစ်ဦးက အဖွင့်အပိတ်လုပ်ပေးသည့် တံခါးစနစ်အစား ကွန်ပျူတာပရိုဂရမ် ထည့်သွင်းထားသည့် အလိုအလျောက်တံခါးစနစ်ကို ‘စမတ်တံခါး’ဟု ခေါ်ဆိုနိုင်ပါသည်။ အကြောင်းမှာ သက်မဲ့တံခါးသည် သက်ရှိတစ်ဦးကဲ့သို့ အသိဉာဏ်ဖြင့် ဆောင်ရွက်လာနိုင်သောကြောင့်ဖြစ်ပါသည်။ ထိုမှတစ်ဆင့် တံခါးရှေ့ သို့ရောက်လာသော အရာဝတ္ထုသည် ဘောလုံးတစ်လုံးဖြစ်ပါက ဖွင့်မပေးဘဲ လူသားဖြစ်မှသာ ဖွင့်ပေးသည်ဆိုလျှင် ပို၍ဉာဏ်ကောင်း သောစနစ်ဟု ဆိုနိုင်ပါသည်။

ထို့ထက်မက လူသားချင်းအတူတူပင်ဖြစ်သော်လည်း အခြားသူဆိုပါက ဖွင့်မပေးဘဲ သတ်မှတ်ထားသည့် လူပုဂ္ဂိုလ်ကိုသာခွဲခြား၍ ဖွင့်ပေးနိုင်ပါက ပို၍ပင် စမတ်ကျသောစနစ် ဖြစ်လာပါလိမ့်မည်။ ထို့ကြောင့် ပိုမိုဉာဏ်ကောင်းသောစနစ်များဖြစ်လာစေရန် အကောင်း ဆုံး တွက်ချက်ဆင်ခြင်နိုင်မှုရှိရန်နှင့် ပတ်ဝန်းကျင်အခြေအနေမျိုးစုံမှ အချက်အလက်များကို လေ့ကျင့်သင်ကြားပေးထားရန် လိုအပ်လှပါသည်။ ယခုအခါတွင် လူသားတို့ ကြိုတင်ထည့်သွင်းပေးထားသည့် အချက်အလက်များအပေါ်တွင်သာ အခြေခံ၍ ဆုံးဖြတ်ခြင်းမျိုးမဟုတ် တော့ဘဲ အလုပ်လုပ်ရင်းရရှိလာသည့် အတွေ့အကြုံများမှ သင်ခန်းစာ ယူကာ စက်က ၎င်း၏အသိဉာဏ်ကို ကိုယ်တိုင်ပြန်လည်မွမ်းမံ တည်ဆောက်နိုင်သည့် ဉာဏ်ရည်တုနည်းပညာစနစ်များပင် ပေါ်ပေါက်နေပြီဖြစ်ပါသည်။

ဥပမာအားဖြင့် ကလေးငယ်တစ်ဦးကို “ဟောဒါက ကစားစရာအရုပ်၊ ကိုင်လို့ရတယ်... ဟောဒါကတော့ ရေနွေးခွက်၊ ပူတယ်၊ ကိုင်လို့ မရဘူး၊ နောက်မကိုင်နဲ့နော်”ဟု လေ့ကျင့်သင်ကြားပေးထားပါက ကလေးငယ်သည် နောင်တွင် အရုပ်ကိုသာယူဆော့ပြီး အငွေ့တထောင်း ထောင်းထွက်နေသည့် ရေနွေးခွက်ကိုမူ လက်ရှောင်ရန် ဆုံးဖြတ်ပေလိမ့်မည်။ သို့သော် သင်ကြားမှုထဲတွင် မပါဝင်ခဲ့ဖူးသည့် ရေခဲတုံးတစ်တုံး ကို ကိုင်မိသည့်အခါ ‘အေးသည်’ ဟူသော အသိသစ်ကို ၎င်း၏အသိ ဉာဏ်ထဲတွင် ကိုယ်တိုင်ပေါင်းထည့်ကာ မွမ်းမံပြင်ဆင်သွားမည်ဖြစ်ပါ သည်။ ဤသို့ဖြင့် နေ့ရက်များကို တစ်ရက်ပြီးတစ်ရက် ဖြတ်ကျော်ရင်း အတွေ့အကြုံသစ်များမှ သင်ခန်းစာယူကာ ရင့်ကျက်သောလူသား တစ်ဦးအဖြစ် ကြီးပြင်းလာမည်ဖြစ်ပါသည်။ ဤဖြစ်စဉ်ကို AI ၏အဆင့် မြင့်သင်ယူမှုဖြစ်စဉ်ဖြစ်သော Machine Learning နှင့် Reinforcement Learning တို့တွင် တွေ့ရှိနိုင်ပါသည်။

ထိုသို့ အချက်အလက်နှင့် အတွေ့အကြုံများမှတစ်ဆင့် ‘အသိဉာဏ်’ ထုတ်နုတ်ပုံနှင့် လက်ရှိရင်ဆိုင်နေရသောအခြေအနေကို ထိုအသိဉာဏ်နှင့်ယှဉ်၍ မည်သို့တုံ့ပြန်ရမည်ဆိုသည့် ‘ဆုံးဖြတ်ပုံ’ ဟူသော အချက်နှစ်ချက်အပေါ်တွင်မူတည်၍ ဉာဏ်ရည်တုစနစ်များ၏ ဆင့်ကဲပြောင်းလဲတိုးတက်မှု ဖြစ်ပေါ်လာရခြင်းဖြစ်ပါသည်။

လူလုပ်ဉာဏ်ရည်တုဆိုသည့်စကားလုံးကို ပထမဆုံး စတင်သုံးနှုန်းခဲ့

ဉာဏ်ရည်တုနည်းပညာ၏ သမိုင်းကြောင်းကို လေ့လာကြည့်မည်ဆိုပါက ၁၉၅၀ ပြည့်လွန်နှစ်များတွင် ဗြိတိသျှလူမျိုး သင်္ချာနှင့် သိပ္ပံပညာရှင် Alan Turing ၏ “စက်များက လူလိုတွေးနိုင်မလား” ဆိုသည့်မေးခွန်းမှ စတင်ခဲ့ပါသည်။ ၁၉၅၆ ခုနှစ် အမေရိကန် ပြည်ထောင်စု New Hampshire ပြည်နယ် Dartmouth College တွင် ကျင်းပခဲ့သည့် သုတေသနညီလာခံ၌ ဦးဆောင်သူ John McCarthy က လူလုပ်ဉာဏ်ရည်တု “Artificial Intelligence” ဆိုသည့် စကားလုံးကို ပထမဆုံး စတင်သုံးနှုန်းခဲ့ပါသည်။ ညီလာခံ၏ရည်ရွယ်ချက်မှာ လူသားတို့၏ဉာဏ်ရည်နှင့် သင်ယူနိုင်မှုကို စက်ပစ္စည်းများက အတုယူနိုင်ခြင်း ရှိ၊ မရှိ စူးစမ်းလေ့လာရန်ဖြစ်ပါသည်။

အစောပိုင်းကာလများ (၁၉၅၀-၁၉၈၀) တွင် AI သည် လူသားက ကြိုတင်သတ်မှတ်ပေးထားသည့်စည်းမျဉ်းများအတိုင်း တိတိကျကျ လုပ်ဆောင်နိုင်သည့် “Expert Systems” များအဖြစ်ရှိခဲ့ပါသည်။ ‘ဒီလို ဖြစ်လျှင်၊ ဒီလိုလုပ်ပါ’ ဆိုသည့် “If….., then…..” Rule များအပေါ်တွင် အခြေခံပါသည်။ အဆိုပါအဆင့်တွင် AI သည် သူ့အလိုအလျောက် မတွေးခေါ်နိုင်သေးဘဲ ခိုင်းထားသည့်အတိုင်းပဲ လုပ်ဆောင်နိုင်သည့် အဆင့်ဖြစ်ပါသည်။ အဆိုပါခေတ်ကို AI ခေတ်ဦး “Early AI” ဟုခေါ်ဆို ကြပါသည်။

၁၉၉၀ နောက်ပိုင်း (၁၉၉၀-၂၀၀၀) တွင် AI သည် စည်းမျဉ်းများကို လိုက်နာရုံသာမက အချက်အလက်အများကြီးထဲမှနေ၍ သူ့အလိုအလျောက် သင်ယူနိုင်သည့် “Machine Learning”အဆင့်သို့ ကူးပြောင်း ခဲ့ပါသည်။ ၁၉၉၇ ခုနှစ်တွင် IBM ၏ Deep Blue ကွန်ပျူတာက ကမ္ဘာ့ စစ်တုရင်ချန်ပီယံ Garry Kasparov ကို အနိုင်ရရှိခဲ့ခြင်းက အချက်အလက် များကို အသုံးချပြီး မဟာဗျူဟာမြောက် ဆုံးဖြတ်ချက်ချနိုင်ခဲ့သော ထင်ရှားသည့်သာဓကတစ်ခုဖြစ်ပါသည်။

၂၀၁၀ - ၂၀၂၀ ဝန်းကျင်ကာလစနစ်များတွင် ယခင်က Keyboard အသုံးပြု၍ လူက ရိုက်ထည့်ရသည့် အချက်အလက်မျှသာမကတော့ဘဲ အင်တာနက်နှင့်ချိတ်ဆက်ထားသည့် ကိရိယာပစ္စည်းများ၏ ကျေးဇူး ကြောင့် ဖမ်းယူရရှိနိုင်သည့် ဗီဒီယို၊ ပုံ၊ အသံ၊ စာသား စသည့် အချက်အလက်ပမာဏမှာ လွန်စွာများပြားလာပြီး Big Data အဖြစ်သို့ ရောက်ရှိခဲ့ပါသည်။ အဆိုပါအချက်အလက်များကို တွက်ချက်ဆောင်ရွက်ရမည့် ကွန်ပျူတာစက်များ၏ တွက်ချက်မှု စွမ်းရည်ကလည်း အလွန်ပင်စွမ်းအားမြင့်၍ မြန်ဆန်လာသည့် High Performance Computing ဖြစ်လာပါသည်။

အချက်အလက်များများကို မြန်မြန်၊ မှန်မှန်တွက်နိုင်သည့် ကွန်ပျူတာများ၏ အကျိုးဆက်အနေဖြင့် လူ့ဦးနှောက်၏အလုပ် လုပ်ပုံကို အတုယူထားသည့် တွက်ချက်မှုနည်းလမ်း “Deep Learning” ပေါ်ထွက်လာပါသည်။ Neural Networks နည်းပညာဖြစ်ပါသည်။ လူ့ဦးနှောက်အတွင်းရှိ နျူရွန် (Neurons) ဆဲလ်လေးများ တစ်ခုနှင့် တစ်ခုဆက်သွယ်၍ အချက်အလက်ပို့ဆောင်သကဲ့သို့ Artificial Neurons လေးများကို ချိတ်ဆက်ထားခြင်းဖြစ်ပြီး အချက်အလက် များကို အလွှာပေါင်းများစွာ (Layers) သို့ တစ်ဆင့်ပြီးတစ်ဆင့် ဖြတ်သန်းစေခြင်းဖြင့် ခွဲခြမ်းစိတ်ဖြာသည့်နည်းလမ်းဖြစ်ပါသည်။

Neural Networks အလွှာများ များပြားလာသည့်အခါ ယနေ့ခေတ်တွင်ကျယ်စွာအသုံးပြုနေသည့် Deep Learning ဖြစ်ပေါ် လာပါသည်။ ၂၀၁၆ ခုနှစ်တွင် Google DeepMind ၏ AlphaGo AI Program က Go ကစားပွဲ၌ ပရော်ဖက်ရှင်နယ် လူသားကစားသမားကို အနိုင်ရရှိခဲ့ခြင်းအားဖြင့် AI သည် ရှုပ်ထွေးခက်ခဲသည့်အခြေအနေတွင် လူသားကဲ့သို့ပင် “အလိုလိုသိစိတ်”ဖြင့် ဆုံးဖြတ်ချက်ချနိုင်လာပြီ ဖြစ်ကြောင်း သက်သေပြနိုင်ခဲ့ပါသည်။

“Generative AI” အဆင့်သို့ရောက်ရှိလာ

ယနေ့ခေတ်(၂၀၂၀ မှ ယနေ့အထိ)တွင်မူ AI သည် အချက်အလက် များအား နားလည်ရုံမျှသာမက စာများ၊ ပုံများနှင့် အကြံဉာဏ်အသစ်များ ကိုပါ ဖန်တီးပေးနိုင်သည့် “Generative AI”(ဥပမာ- Chat GPT, Gemini) အဆင့်သို့ ရောက်ရှိလာပါသည်။ AI Evolution ၏ အမြင့်ဆုံးအဆင့် ဖြစ်သော “အတွေ့အကြုံမှ အသိထုတ်ယူခြင်း”နှင့် “အခြေအနေအလိုက် အကောင်းဆုံးတုံ့ပြန်ခြင်း”တည်းဟူသော စမတ်ကျသည့် ဆုံးဖြတ်ချက်များကို လက်တွေ့ကျကျ လုပ်ဆောင်ပြနိုင်ခြင်းပင် ဖြစ်ပါသည်။

အနှစ်ချုပ်အားဖြင့် ဉာဏ်ရည်တုနည်းပညာသည် “ခိုင်းတာလုပ် ပေးခြင်း”မှသည် “ကိုယ်တိုင်သင်ယူခြင်း”၊ ထိုမှတစ်ဆင့် “အသစ်ဖန်တီးဆုံးဖြတ်ခြင်း” ဟူသော အဓိက အဆင့်သုံးဆင့်ကို ဖြတ်ကျော် ကာ ဆင့်ကဲတိုးတက်ပြောင်းလဲလာခဲ့ပြီးဖြစ်သည်ဟု ဆိုနိုင်ပါသည်။

အနာဂတ်ကာလတွင် ဉာဏ်ရည်တုနည်းပညာသည် ကျွန်ုပ်တို့ ၏ အလုပ်လုပ်ပုံနှင့် နေထိုင်ပုံကို အခြေခံကျကျ ပြောင်းလဲပစ်မည့် အဆင့်ဖြစ်ပါသည်။ မေးခွန်းများကို စာဖြင့် ပြန်လည်ဖြေကြားရုံသာ မဟုတ်တော့ဘဲ လူသားတစ်ဦးကဲ့သို့ ရှုပ်ထွေးသောအလုပ်များကို အစအဆုံး တာဝန်ယူလုပ်ဆောင်ပေးနိုင်မည့် Autonomous Agents “ကိုယ်ပိုင်ဆုံးဖြတ်ချက်ဖြင့် အလုပ်လုပ်သောစနစ်” များအဖြစ် ပေါ်ထွက်လာမည်ဖြစ်ပါသည်။ ဥပမာအားဖြင့် ခရီးသွားရန်ဟု ပြောလိုက်ရုံဖြင့် လေယာဉ်လက်မှတ်ဖြတ်ခြင်း၊ ဟိုတယ်အခန်းကြိုတင် ငှားရမ်းခြင်းနှင့် အချိန်ဇယားဆွဲခြင်းတို့ကို AI က ဘာသာစကားမျိုးစုံ၊ ပုံရိပ်မျိုးစုံကို သိရှိနားလည်ပြီး သူ့အလိုအလျောက် ဆောင်ရွက်ပေးသွားတော့မည် ဖြစ်ပါသည်။

ထို့အပြင် ဉာဏ်ရည်တုနည်းပညာသည် ကွန်ပျူတာထဲမှထွက်လာပြီး စက်ရုပ်ခန္ဓာကိုယ်များထဲသို့ ရောက်ရှိလာကာ လက်တွေ့လောက ထဲတွင် လူသားတို့နှင့်အတူ ဘေးချင်းယှဉ်၍ အလုပ်လုပ်မည့် Physical AI ခေတ်သို့ ရောက်ရှိလာတော့မည်ဖြစ်ပြီး ကျွန်ုပ်တို့ကို အကူအညီ ပေးရုံမဟုတ်တော့ဘဲ ကျွန်ုပ်တို့နှင့်အတူ ပူးပေါင်းလုပ်ဆောင်မည့် Partner အဆင့်သို့ တက်လှမ်းလာမည်ဖြစ်ပါသည်။

မည်သို့ပင်ဆိုစေကာမူ ကျွန်ုပ်တို့သည် AI ခေတ်အတွင်းသို့ ရောက်ရှိနေပြီဖြစ်ရာ ဤနည်းပညာ၏အလုပ်လုပ်ပုံ သဘောတရားများကို နားလည်သဘောပေါက်ထားခြင်းအားဖြင့် အနာဂတ်၏ ပြောင်းလဲမှုများကို ရင်ဆိုင်ကျော်လွှားနိုင်မည်ဖြစ်ပါသည်။ AI စနစ်များ သည် လူသားတို့၏ ကိုယ်စားလှယ်များအဖြစ် လုပ်ငန်းခွင်နှင့် နေ့စဉ် ဘဝတွင် ပိုမိုနက်ရှိုင်းစွာ ပါဝင်လာမည်ဖြစ်ရာ ၎င်းတို့ကို အကျိုးရှိရှိနှင့် ဘေးကင်းစွာ အသုံးပြုနိုင်ရန်မှာ ကျွန်ုပ်တို့အားလုံး၏ တာဝန်ပင်ဖြစ်ကြောင်း ရေးသားတင်ပြလိုက်ရပါသည်။ ။

မှီငြမ်းကိုးကား

“Artificial Intelligence: A Modern Approach”, Stuart Russell and Peter Norvig, Third Edition