generative AI
အသက်အရွယ် အရ ရော၊ လေ့လာမှု အရရော အထူးသဖြင့်တော့ generative AI အကြောင်းလေ့ လာ ပြီး တဲ့ အခါ ပညာသင်ကြားလေ့လာ ပုံ ကို နားလည် တာပြောင်း လဲလာပါတယ်။
ငယ်ငယ် တုန်း က ၁၀ တန်း လောက်အထိ မှာ သခ်ျာ ဆိုလည်း ဆရာ၊ ဆရာ မ တွက် ပြ တာ ကို နားလည်အောင် ကြည့်ပြီး၊ တခြား အလားတူ တွေ တွက်ခိုင်း တာ များ ပါတယ်၊ unseen ဆို ဝေးဝေး ရှောင် ကြတယ်၊ တကယ်လို့သာ တက္ကသိုလ် ထိ ဒီ ပုံစံ အတိုင်း သွား ရင် critical thinking, logical reasoning, analytical abilities and problem solving skills တွေ ကို ရရှိ သင့်သ လောက် မရရှိနိုင်တော့ ပါဘူး၊ တကယ်တော့ အဲဒီ skill set တွေ က သာ ဘဝ အတွက်၊ အလုပ်အတွက်၊ အတွေးအခေါ် အယူအဆ အတွက် အရေး ပါ သွားတာပါ။
ငယ်စဉ် အခါ ပညာရှာ ရာ မှာတော့ ဦးနှောက် ထဲ မှာ ဘာ အကြောင်းအရာ မှ မသိရှိ နားမလည် ကြသေးတာ ကြောင့် လူ ၏ အသိဉာဏ် ဖွံ့ဖြိုး တိုးတက်မှု အတွက် အမျိုးမျိုး အဖုံဖုံ လေ့လာကြရပါတယ်၊ စာဖတ်ခြင်းက ဖြစ်စေ၊ သခ်ျာတွက်လို့ဖြစ်စေ၊ ပါတ်ဝန်းကျင် လေ့လာမှု က ဖြစ်စေ၊ ရုပ်ရှင် ဗီဒီယို ထဲ ကဖြစ်စေ အမျိုးမျိုး လေ့လာမှတ်သား သင်ယူကြရပါတယ်၊ အခု အင်တာနက် ခေတ် မှာ ဆိုရင် တော့ ၎င်း က တဆင့် data တွေ ဖြစ်တဲ့ text, image and video တို့ကို လေ့လာ ကြရမှာ ဖြစ်ပါတယ်၊ ဒါကြောင့် အင်တာနက်ခေတ် မှာ အင်တာနက် ကို အသုံးမပြု နိုင်ဖူး ဆိုရင် လေ့လာသင်ကြားမှု အားနည်းသွား မှာ အမှန် ပါ၊ နောက်ပြီး အင်တာနက် က နေ လေ့လာမှု သည် တခြားသော လေ့လာမှု များ ထက် ပိုမို မြန်ဆန် အဆင်ပြေ လွယ်ကူတာကို တွေ့ နိုင်ပါတယ်၊ စက်ရုံ တခုကို ကွင်းဆင်း လေ့လာတာ အကျိုးရှိပေမယ့် အဲဒီ လိုမျိုး ထက် ပိုကောင်း တာ က YouTube က နေ အဲဒီ စက်ရုံ လုပ်ငန်း ဆိုင်ရာ ဗီဒီယို တပုဒ် ကို လေ့လာခြင်းမျိုး ပဲ ဖြစ်ပါတယ်၊ အခု နောက်ပိုင်း AI ဝင်ရောက် လာတဲ့ အခါ လေ့လာမှု ကို ပို၍ပို၍ ထိရောက် အဆင်ပြေ လွယ်ကူစေပါတယ်။
ငယ်စဉ် က လေ့လာမှု မျိုး ကတော့ ဦးနှောက်ထဲ သို့ အခြေခံ ဗဟုသုတ အကြောင်း အရာ တချို့ကို စတင် မှတ်မိ နားလည် အောင် လုပ်ဆောင်ခြင်း မျိုး ဖြစ်ပါတယ်၊ အဲဒီ အဆင့် မှာ ကိုယ်ပိုင် အတွေးအခေါ် အယူ လိုမျိုး ထုတ် နိုင်အုံး မယ် မဟုတ်ပါဘူး၊ အကြောင်း က တော့ အခြေခံ အပိုင်း များ ကို သာ သိနားလည် ထားခြင်း ဖြစ်ပါတယ်၊ ဒါပေမယ့် တဆင့်ပြီး တဆင့် skill set (logical/critical/analytical) တွေ တည်ဆောက် ပြီး တဲ့ အခါ၊ သိမြင် တတ်မြောက် နားလည် မှု များလာတဲ့ အခါ မှာ တော့ unknown problems တွေ ကို ဖြေရှင်းတာမျိုး၊ အတွေးအခေါ် အသစ် တွေ ထုတ်တာမျိုး (သိပ္ပံပညာရှင်)၊ အသစ် အသစ်သော ရှာဖွေ တွေ့ ရှိမှု တွေ တွေ့တာမျိုး (researchers) ဖြစ်လာတာပါ၊ AGI (သို့) human-level AI ဆိုတာ အဲဒီ အဆင့်မျိုး ရောက်ရတော့ မှာပါ။
နားလည် လေ့လာ မိသလောက် creative thinking ဆိုတာက ရရှိထား တဲ့ experience တွေ ကို ထိုးထွင်းသိမြင်မှု intuition က တဆင့် ဖြစ်ပေါ် လာတာမျိုး ပါ၊ ပန်းချီ ဆရာ တယောက် creative ဖြစ်တဲ့ ပန်းချီ ကားတချပ် ရဖို့ ကို ရှေ့ မှာ ပန်းချီ ကားချပ် ပေါင်း များစွာ ဆွဲ ခဲ့ ရမှာ အသေအချာပါ၊ exhaust fan တလုံး လည်ပါတ်ပုံ မှာ clockwise or counterclockwise ရှိပါတယ်၊ အဲဒီ အတွက် ခလုတ် တမျိုး ရှိပါတယ်၊ ခလုတ် တဖက် က clockwise လည်စေပြီး နောက်တဖက် က counterclockwise လည်စေ မှာ ဖြစ်ပါတယ်၊ ဒါကို original switch ရှာမရပါက ရိုးရိုး မီးချောင်း ထွန်း တဲ့ ခလုပ် နှစ်ခု နဲ့ လည်း ထွင်သုံး လို့ရပါတယ်၊ အဲဒီ မှာ ဝါယာ ဘယ်လိုဆက်ရမယ် ဆိုတာကို အင်တာနက် မှာ ကော၊ generative AI မှာ ကော မရှိပါဘူး၊ ဘာလို့ လဲ ဆိုတော့ လူမှာ ဖြစ်ပေါ်တဲ့ creative thinking မျိုး သူ့ မှာ မှ မရှိတာပါ၊ ရှိပြီးသား အချက်အလက်၊ အတွေ့အကြုံ တွေ ပေါ်မှာ လူ၏ ဦးနှောက်၏ skill set (logical/critical/analytical) တွေ နဲ့ ပေါင်းစပ်ပြီး စဉ်းစား မှ သာ creative thinking ဖြစ်ပေါ်လာတာပါ၊ generative AI က မစဉ်းစား နိုင်ပေမယ့်၊ လျှပ်စစ် ပညာ ကို အခြေခံ လောက်သာ နားလည်ပြီး၊ ဉာဏ်ရည် အသင့်အသင့်ရှိ တဲ့ လူသား တိုင်း က လုပ်နိုင်ပါတယ်၊ အဓိက ကွာခြားသွား တာ က လူသား ၏ ဦးနှောက်ပါပဲ။
ဒါကြောင့် algorithm တခု တည်း နဲ့ AGI (သို့) human-level AI တည်ဆောက်ဖို့ ဆိုတာ မဖြစ်နိုင်ဖူး လို့ ယူဆ ရမလိုပါ၊ AGI အဆင့်ရောက်ဖို့ က unknown problems (သို့) creative thinking ရှိရမှာ ပါ၊ ဒါပေမယ့် အဲဒီ အတွက် လိုအပ်တဲ့ algorithms အသစ် ကို ရှိပြီး သား algorithms က တည်ဆောက်ဖို့ ဆိုတာ လုံးဝ နီးပါး မဖြစ်နိုင်လောက်ပါဘူး။
