ပထမဦးဆုံး Artificial General Intelligence သည် လူ့အဖွဲ့အစည်းကို မည်သို့ပြောင်းလဲစေလိမ့်မည်- ဥာဏ်ရည်တု P2 ၏အနာဂတ်

ပိရမစ်တွေ ဆောက်ပြီးပြီ။ လျှပ်စစ်ကို အသုံးချတတ်အောင် သင်ယူခဲ့တယ်။ Big Bang (အများစုအားဖြင့်) ကျွန်ုပ်တို့၏စကြာဝဠာသည် မည်သို့ဖွဲ့စည်းကြောင်းကို ကျွန်ုပ်တို့ နားလည်ပါသည်။ ဟုတ်ပါတယ်၊ cliché ဥပမာ၊ ငါတို့က လူတစ်ယောက်ကို လပေါ်မှာ တင်ထားတယ်။ သို့သော် ဤအောင်မြင်မှုများ အားလုံးကြားမှ၊ လူ့ဦးနှောက်သည် ခေတ်မီသိပ္ပံပညာ၏ နားလည်မှုအပြင်ဘက်တွင် ဝေးကွာနေသေးပြီး ပုံမှန်အားဖြင့်၊ စကြာဝဠာရှိ အရှုပ်ထွေးဆုံးအရာ—သို့မဟုတ် အနည်းဆုံး ကျွန်ုပ်တို့၏နားလည်မှုပင်ဖြစ်သည်။

ဒီအဖြစ်မှန်ကြောင့် လူသားတွေနဲ့တန်းတူ ဥာဏ်ရည်တု (AI) ကို မတည်ဆောက်ရသေးတာ အံ့သြစရာတော့ မဖြစ်သင့်ပါဘူး။ Data (Star Trek)၊ Rachael (Blade Runner) နှင့် David (Prometheus) သို့မဟုတ် Samantha (Her) နှင့် TARS (Interstellar) တို့ကဲ့သို့ လူသားမဟုတ်သော AI များ၊ ၎င်းတို့အားလုံးသည် AI ဖွံ့ဖြိုးတိုးတက်မှုတွင် နောက်ထပ် ကြီးမားသော မှတ်တိုင်များ၏ နမူနာများဖြစ်သည်- အထွေထွေဉာဏ်ရည်တု (AGI၊ တစ်ခါတစ်ရံ HLMI သို့မဟုတ် Human Level Machine Intelligence ဟုလည်း ရည်ညွှန်းသည်။). 

တစ်နည်းဆိုရသော် AI သုတေသီများ ရင်ဆိုင်နေရသော စိန်ခေါ်မှုမှာ- ကျွန်ုပ်တို့၏ကိုယ်ပိုင်စိတ်၏ အလုပ်လုပ်ပုံကို အပြည့်အဝနားလည်မှုပင်မရှိသည့်အခါ ကျွန်ုပ်တို့၏ကိုယ်ပိုင်ဉာဏ်နှင့် ယှဉ်နိုင်သော အတုမဲ့စိတ်တစ်ခုကို ကျွန်ုပ်တို့ မည်သို့တည်ဆောက်နိုင်မည်နည်း။

ကျွန်ုပ်တို့သည် ဤမေးခွန်းကို စူးစမ်းလေ့လာမည်ဖြစ်ပြီး၊ လူသားများသည် အနာဂတ် AGIs များကို မည်သို့ဆန့်ကျင်ကြမည်နည်း၊ နောက်ဆုံးတွင်၊ ပထမဆုံး AGI ကို ကမ္ဘာသို့ကြေညာပြီးနောက် လူ့အဖွဲ့အစည်းသည် မည်သို့ပြောင်းလဲသွားမည်နည်း။ 

အထွေထွေ ဉာဏ်ရည်တုဆိုတာ ဘာလဲ။

Chess၊ Jeopardy နှင့် Go တို့တွင် ထိပ်တန်းကစားသမားများကို လွယ်ကူစွာ အနိုင်ယူနိုင်သော AI ကို ဒီဇိုင်းထုတ်ပါ (နက်ရှိုင်းသောအပြာရောင်, Watsonနှင့် AlphaGO အသီးသီး)။ သင့်အား မည်သည့်မေးခွန်းအတွက်မဆို အဖြေများပေးနိုင်သည့် AI ကို ဒီဇိုင်းဆွဲပါ၊ သင်ဝယ်လိုသည့်ပစ္စည်းများကို အကြံပြုပါ၊ သို့မဟုတ် စီးနင်းမျှဝေသော တက္ကစီများကို စီမံခန့်ခွဲပါ—ဒေါ်လာဘီလီယံပေါင်းများစွာတန်သော ကုမ္ပဏီကြီးတစ်ခုလုံးသည် ၎င်းတို့ပတ်ဝန်းကျင်တွင် တည်ဆောက်ထားသည် (Google၊ Amazon၊ Uber)။ သင့်အား တစ်ဖက်မှ တစ်ဖက်သို့ မောင်းနှင်နိုင်သော AI တစ်ခုပင်ဖြစ်သည်... ကောင်းပြီ၊ ကျွန်ုပ်တို့ လုပ်ဆောင်နေပါသည်။

ဒါပေမယ့် AI ကို ကလေးစာအုပ်ဖတ်ပြီး သင်ပေးနေတဲ့ အကြောင်းအရာ၊ အဓိပ္ပါယ် ဒါမှမဟုတ် ကိုယ်ကျင့်တရားတွေကို နားလည်ဖို့၊ ဒါမှမဟုတ် ကြောင်နဲ့ မြင်းကျားရုပ်ပုံကြားက ကွာခြားချက်ကို AI က ပြောပြခိုင်းပြီး သင်အနည်းငယ်ထက်ပိုပြီး ဖြစ်ပေါ်စေပါလိမ့်မယ်။ ဝါယာရှော့များ။ 

သဘာဝတရားသည် စီမံဆောင်ရွက်ခြင်း၊ နားလည်မှု၊ သင်ယူမှုတွင် ထူးချွန်သော ကွန်ပျူတာကိရိယာ (ဦးနှောက်) ကို နှစ်သန်းပေါင်းများစွာကြာအောင် တီထွင်ဖန်တီးခဲ့ပြီး အခြေအနေသစ်များနှင့် ပတ်ဝန်းကျင်အသစ်များအတွင်း လုပ်ဆောင်သည်။ ၎င်းတို့အတွက် ဒီဇိုင်းထုတ်ထားသည့် အနည်းကိန်းအလုပ်များနှင့် အံဝင်ခွင်ကျဖြစ်စေသော ကွန်ပြူတာ ကိရိယာများကို ဖန်တီးရန် အာရုံစိုက်ထားသည့် လွန်ခဲ့သည့် ရာစုနှစ်ဝက်က ကွန်ပျူတာသိပ္ပံနှင့် နှိုင်းယှဉ်ကြည့်ပါ။ 

တစ်နည်းဆိုရသော် လူသား-ကွန်ပြူတာသည် ယေဘုယျသဘောဖြစ်ပြီး ကွန်ပျူတာအတုသည် အထူးကျွမ်းကျင်သူဖြစ်သည်။

AGI ဖန်တီးခြင်း၏ ရည်ရွယ်ချက်မှာ တိုက်ရိုက်ပရိုဂရမ်ရေးဆွဲခြင်းထက် အတွေ့အကြုံမှတဆင့် လူသားတစ်ဦးကဲ့သို့ ပိုမိုတွေးခေါ်သင်ယူနိုင်သော AI ကို ဖန်တီးရန်ဖြစ်သည်။

လက်တွေ့ကမ္ဘာတွင်၊ ၎င်းသည် အနာဂတ်တွင် AGI သည် စာဖတ်ခြင်း၊ ရေးခြင်း၊ ဟာသတစ်ခုပြောခြင်း သို့မဟုတ် လမ်းလျှောက်ခြင်း၊ ပြေးခြင်းနှင့် စက်ဘီးစီးခြင်းတို့ကို သင်ယူခြင်းအား ဆိုလိုသည်မှာ ကမ္ဘာပေါ်တွင် ၎င်း၏ကိုယ်ပိုင်အတွေ့အကြုံအရ (မည်သည့်ခန္ဓာကိုယ်ကိုအသုံးပြု၍ဖြစ်စေ၊ အာရုံခံအင်္ဂါများ/စက်ပစ္စည်းများကို ကျွန်ုပ်တို့ပေးဆောင်သည်) နှင့် ၎င်း၏ကိုယ်ပိုင်အပြန်အလှန်တုံ့ပြန်မှုအားဖြင့် အခြားသော AI နှင့် အခြားလူသားများ။

အထွေထွေ ဉာဏ်ရည်တုကို တည်ဆောက်ဖို့ ဘာတွေ လိုအပ်မလဲ။

နည်းပညာအရ ခက်ခဲသော်လည်း AGI ဖန်တီးခြင်းသည် ဖြစ်နိုင်သည်။ အမှန်ဆိုလျှင်၊ ရူပဗေဒဆိုင်ရာ နိယာမများအတွင်း၌ နက်ရှိုင်းစွာ ချုပ်ကိုင်ထားသော ပိုင်ဆိုင်မှုတစ်ခု—ရူပဗေဒဆိုင်ရာ အရာဝတ္ထုတစ်ခု လုပ်ဆောင်နိုင်သည့် အရာအားလုံးကို အခြေခံအားဖြင့်ဆိုသည်—အခြေခံအားဖြင့် လုံလောက်သော အစွမ်းထက်သော၊ ယေဘုယျသုံးကွန်ပြူတာသည် မူအရ၊ ကူးယူ/တုပနိုင်သင့်သည်။

ဒါတောင် ခက်တယ်။

ကျေးဇူးတင်စွာဖြင့်၊ အဆိုပါကိစ္စနှင့်ပတ်သက်ပြီး ဉာဏ်ရည်ထက်မြက်သော AI သုတေသီများစွာရှိနေပြီ (သူတို့ကို ကော်ပိုရိတ်၊ အစိုးရနှင့် စစ်ဘက်ဆိုင်ရာ ရန်ပုံငွေများစွာကို ဖော်ပြထားခြင်းမရှိပါ)၊ ယခုအချိန်အထိ ၎င်းတို့သည် ဖြေရှင်းရန် လိုအပ်သည်ဟု ခံစားရသော အဓိကပါဝင်ပစ္စည်းများ (၃)ခုကို ရှာဖွေတွေ့ရှိခဲ့သည်။ ကျွန်ုပ်တို့၏ကမ္ဘာထဲသို့ AGI

Big ဒေတာ. AI ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အသုံးအများဆုံးချဉ်းကပ်မှုတွင် နက်နဲသောသင်ယူခြင်းဟုခေါ်သော နည်းစနစ်တစ်ခုပါဝင်သည်—ဒေတာအများအပြားကို ပမာဏများပြားစွာ စုပ်ယူခြင်းဖြင့် လုပ်ဆောင်သည့် တိကျသောစက်သင်ယူမှုစနစ်တစ်ခုဖြစ်ပြီး၊ တူညီသောနျူရွန်များကွန်ရက်တစ်ခုအတွင်း ပြောကြားထားသည့်ဒေတာများကို ညှစ်ထုတ်ခြင်း (လူ့ဦးနှောက်ကို ပုံသွင်းထားသည့်)၊ ထို့နောက်၊ ၎င်း၏ကိုယ်ပိုင်ထိုးထွင်းသိမြင်မှုကို အစီအစဉ်ဆွဲရန် တွေ့ရှိချက်များကို အသုံးပြုပါ။ နက်နဲသောသင်ကြားမှုဆိုင်ရာ အသေးစိတ်အချက်အလက်များအတွက်၊ ဒီဖတ်ပါ.

ဥပမာ, 2017 အတွက်Google သည် ၎င်း၏ နက်နဲသော သင်ယူမှုစနစ်တွင် ကြောင်တစ်ကောင်ကို ခွဲခြားသိမြင်ရုံသာမက မတူညီသောကြောင်မျိုးစိတ်များကြား ကွဲပြားစေရန်အတွက် ၎င်း၏နက်နဲသောသင်ယူမှုစနစ်တွင် အသုံးပြုခဲ့သည့် ကြောင်ရုပ်ပုံထောင်ပေါင်းများစွာကို Google မှ ကျွေးမွေးခဲ့သည်။ သိပ်မကြာခင်မှာပဲ လွှတ်တော့မယ်လို့ သူတို့ ကြေငြာတယ်။ Google ကမှန်ဘီလူးအသုံးပြုသူများအား မည်သည့်အရာကိုမဆို ဓာတ်ပုံရိုက်နိုင်စေမည့် ရှာဖွေမှုအက်ပ်အသစ်ဖြစ်ပြီး Google သည် သင့်အား မည်သည့်အရာဖြစ်သည်ကို ပြောပြရုံသာမက ၎င်းကိုဖော်ပြသည့် အသုံးဝင်သောအကြောင်းအရာအချို့ကို ပေးဆောင်မည်ဖြစ်သည်—ခရီးသွားသည့်အခါတွင် အသုံးဝင်ပြီး သီးခြားခရီးသွားဆွဲဆောင်မှုတစ်ခုအကြောင်း ပိုမိုလေ့လာလိုပါသည်။ သို့သော် ဤနေရာတွင်လည်း Google Lens သည် ၎င်း၏ရုပ်ပုံရှာဖွေရေးအင်ဂျင်တွင် လက်ရှိဖော်ပြထားသော သန်းပေါင်းများစွာသော ပုံများမပါဘဲ မဖြစ်နိုင်ပါ။

သို့သော်၊ ဤကြီးမားသောဒေတာနှင့် နက်နဲသောသင်ယူမှုပေါင်းစပ်မှုသည် AGI ကို ယူဆောင်လာရန် မလုံလောက်သေးပါ။

ပိုကောင်းတဲ့ algorithms. လွန်ခဲ့သည့်ဆယ်စုနှစ်များအတွင်း၊ Google ၏လုပ်ငန်းခွဲတစ်ခုဖြစ်သည့် DeepMind သည် AI space မှခေါင်းဆောင်တစ်ဦးဖြစ်ပြီး၊ နက်နဲသောသင်ယူမှု၏အားသာချက်များကို အားဖြည့်သင်ယူမှုနှင့်အတူ ပေါင်းစပ်ခြင်းဖြင့် အောင်မြင်မှုရရှိရန် ပတ်ဝန်းကျင်အသစ်တွင် AI လုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို သင်ကြားပေးသည့် အခမဲ့စက်ပစ္စည်းသင်ယူမှုချဉ်းကပ်မှုတစ်ခုပြုလုပ်ခဲ့သည်။ ပန်းတိုင်တစ်ခုသတ်မှတ်ထားသည်။

ဤပေါင်းစပ်နည်းဗျူဟာကြောင့် DeepMind ၏ ပရီမီယာ AI ဖြစ်သော AlphaGo သည် စည်းမျဉ်းများကို ဒေါင်းလုဒ်ဆွဲကာ ကျွမ်းကျင်လူသားကစားသမားများ၏ နည်းဗျူဟာများကို လေ့လာခြင်းဖြင့် AlphaGo ကစားနည်းကို သင်ကြားပေးရုံသာမက၊ အကြိမ်ပေါင်း သန်းနှင့်ချီ၍ ယှဉ်ပြိုင်ကစားပြီးနောက် အကောင်းဆုံး AlphaGo ကစားသမားများကို အနိုင်ယူနိုင်ခဲ့သည်။ ဂိမ်းတွင် တစ်ခါမှမမြင်ဖူးသော လှုပ်ရှားမှုများနှင့် ဗျူဟာများကို အသုံးပြုခြင်း။ 

အလားတူ၊ DeepMind ၏ Atari ဆော့ဖ်ဝဲလ်စမ်းသပ်မှုတွင် AI ကို ပုံမှန်ဂိမ်းစခရင်ကိုကြည့်ရှုရန် ကင်မရာတစ်ခုပေးခြင်း၊ ၎င်းအား ဂိမ်းအမှာစာများ (joystick ခလုတ်များကဲ့သို့) ထည့်သွင်းနိုင်သည့်စွမ်းရည်ဖြင့် ပရိုဂရမ်ရေးဆွဲခြင်းနှင့် ၎င်း၏ရမှတ်ကို တိုးမြှင့်ရန်အတွက် အနည်းကိန်းပန်းတိုင်များပေးခြင်းတို့ပါ၀င်သည်။ ရလဒ်? ရက်အနည်းငယ်အတွင်း ၎င်းသည် ဂန္ထဝင် arcade ဂိမ်းများစွာကို ကျွမ်းကျင်အောင် ကစားနည်းတို့ကို သင်ကြားပေးခဲ့သည်။ 

ဒါပေမယ့် ဒီအစောပိုင်း အောင်မြင်မှုတွေက စိတ်လှုပ်ရှားစရာကောင်းသလို ဖြေရှင်းဖို့ အဓိက စိန်ခေါ်မှုတွေ ရှိနေပါသေးတယ်။

တစ်ခုအတွက်၊ AI သုတေသီများသည် လူနှင့်တိရိစ္ဆာန်ဦးနှောက်များ အထူးကောင်းမွန်သော 'အတုံးလိုက်ခြင်း' ဟုခေါ်သော AI လှည့်ကွက်ကို သင်ကြားပေးရန် လုပ်ဆောင်နေပါသည်။ ရိုးရိုးရှင်းရှင်းပြောရရင်၊ ကုန်ခြောက်သွားဝယ်ဖို့ ဆုံးဖြတ်တဲ့အခါ၊ မင်းရဲ့အဆုံးပန်းတိုင် (ထောပတ်သီးတစ်လုံးဝယ်တာ) နဲ့ မင်းဘယ်လိုလုပ်ရမလဲဆိုတဲ့ အကြမ်းဖျဉ်းအစီအစဥ်တွေကို မြင်ယောင်နိုင်မှာပါ (အိမ်ကထွက်သွား၊ ကုန်စုံဆိုင်ကိုသွားဝယ်၊ ထောပတ်သီး၊ အိမ်ပြန်ပါ။) မင်းမလုပ်တဲ့အရာက မင်းသွားရာလမ်းတိုင်း၊ ခြေလှမ်းတိုင်း၊ ဖြစ်နိုင်ခြေရှိတဲ့ အခြေအနေတိုင်းကို အစီအစဉ်ဆွဲပါ။ အဲဒီအစား၊ သင်သွားချင်တဲ့နေရာနဲ့ ပတ်သက်ပြီး သင့်စိတ်ထဲမှာ အယူအဆ (အတုံးအခဲ) ရှိပြီး သင့်ခရီးစဉ်ကို ဖြစ်ပေါ်လာတဲ့ အခြေအနေနဲ့ လိုက်လျောညီထွေဖြစ်အောင် လုပ်ပါ။

သင်ခံစားမိသလောက်၊ ဤစွမ်းရည်သည် AI ထက် လူ့ဦးနှောက်တွင်ရှိနေဆဲဖြစ်သော အဓိကအားသာချက်များထဲမှတစ်ခုဖြစ်သည်—အသေးစိတ်အချက်အလက်များကို ကြိုတင်မသိဘဲ ပန်းတိုင်တစ်ခုချမှတ်ကာ လိုက်လျောညီထွေဖြစ်အောင်လုပ်ဆောင်ခြင်းဖြစ်ပြီး ကျွန်ုပ်တို့သည် မည်သည့်အတားအဆီး သို့မဟုတ် ပတ်ဝန်းကျင်ပြောင်းလဲမှုများကြားတွင်မဆို ကျွန်ုပ်တို့၏ ကြုံတွေ့ရနိုင်သည်။ ဤကျွမ်းကျင်မှုသည် အထက်ဖော်ပြပါ အချက်အလက်ကြီးကြီးမားမားမလိုအပ်ဘဲ AGI များကို ပိုမိုထိရောက်စွာ သင်ယူနိုင်စေမည်ဖြစ်သည်။

နောက်ထပ်စိန်ခေါ်မှုတစ်ခုကတော့ စာအုပ်တစ်အုပ်ဖတ်ရုံတင်မဟုတ်ဘဲ အရည်အချင်းရှိဖို့ပါပဲ။ အဓိပ္ပါယ်ကို နားလည်ပါ။ သို့မဟုတ် ၎င်းနောက်ကွယ်မှ အကြောင်းအရာ။ ရေရှည်တွင်၊ ဤနေရာ၌ ရည်မှန်းချက်မှာ AI သည် သတင်းစာဆောင်းပါးတစ်ပုဒ်ဖတ်ရန်ဖြစ်ပြီး စာအုပ်အစီရင်ခံစာရေးသားခြင်းကဲ့သို့သော မေးခွန်းများစွာကို တိကျစွာဖြေဆိုနိုင်စေရန်ဖြစ်သည်။ ဤစွမ်းရည်သည် AI ကို ရိုးရိုးဂဏန်းပေါင်းစက်မှ အဓိပ္ပါယ်ဖွင့်ဆိုနိုင်သော အရာတစ်ခုအဖြစ်သို့ ပြောင်းလဲပေးမည်ဖြစ်သည်။

ယေဘုယျအားဖြင့်၊ လူ့ဦးနှောက်ကို အတုယူနိုင်သော ကိုယ်တိုင်သင်ယူမှု အယ်လဂိုရီသမ်သို့ နောက်ထပ်တိုးတက်မှုများသည် AGI ၏ နောက်ဆုံးဖန်တီးမှုတွင် အဓိကအခန်းကဏ္ဍမှ ပါဝင်နေသော်လည်း ဤလုပ်ငန်းနှင့်အတူ AI အသိုက်အဝန်းသည် ပိုမိုကောင်းမွန်သော ဟာ့ဒ်ဝဲများလည်း လိုအပ်ပါသည်။

ပိုကောင်းတဲ့ဟာ့ဒ်ဝဲ. အထက်တွင်ဖော်ပြထားသော လက်ရှိချဉ်းကပ်နည်းများကိုအသုံးပြုခြင်းဖြင့် ၎င်းကိုလည်ပတ်ရန်ရရှိနိုင်သည့်ကွန်ပျူတာစွမ်းအားကိုကျွန်ုပ်တို့အလေးအနက်ထားမြှင့်တင်ပြီးမှသာ AGI သည်ဖြစ်နိုင်မည်ဖြစ်သည်။

အခြေအနေအရ၊ ကျွန်ုပ်တို့သည် လူ့ဦးနှောက်၏ တွေးခေါ်နိုင်စွမ်းကို တွက်ချက်မှုဆိုင်ရာ အသုံးအနှုန်းများအဖြစ်သို့ ပြောင်းလဲပါက၊ လူသားတစ်ဦး၏ စိတ်ပိုင်းဆိုင်ရာစွမ်းရည်၏ အကြမ်းဖျဉ်းခန့်မှန်းချက်မှာ 1,000 petaflops နှင့် ညီမျှသည့် exaflop ('Flop' သည် တစ်ခုလျှင် floating-point လုပ်ဆောင်မှုများကို ဆိုလိုသည်။ ဒုတိယနှင့် တွက်ချက်မှုအမြန်နှုန်းကို တိုင်းတာသည်။)

နှိုင်းယှဉ်ကြည့်လျှင် 2018 နှစ်ကုန်ပိုင်းတွင် ကမ္ဘာ့အင်အားကြီး စူပါကွန်ပြူတာ ဂျပန်၊ AI ပေါင်းကူး Cloud exaflop တစ်ခုထက် တိုတောင်းသော petaflops 130 တွင် ညည်းပါမည်။

ကျွန်တော်တို့ရဲ့ အကွပ်အတိုင်းပါပဲ။ supercomputers များ ကျွန်ုပ်တို့၏အခန်း ကွန်ပျူတာ၏အနာဂတ် စီးရီး၊ အမေရိကန်နှင့် တရုတ်နှစ်နိုင်ငံစလုံးသည် ၎င်းတို့၏ကိုယ်ပိုင် exaflop စူပါကွန်ပြူတာများကို 2022 ခုနှစ်တွင် တည်ဆောက်ရန် လုပ်ဆောင်နေသော်လည်း ၎င်းတို့ အောင်မြင်နေသော်လည်း ယင်းသည် မလုံလောက်သေးပေ။

ဤစူပါကွန်ပြူတာများသည် ဒါဇင်များစွာသော ပါဝါမဂ္ဂါဝပ်များစွာဖြင့် လည်ပတ်ကာ ဧရိယာစတုရန်းမီတာ ရာပေါင်းများစွာယူကာ တည်ဆောက်ရန် သန်းရာပေါင်းများစွာ ကုန်ကျသည်။ လူ့ဦးနှောက်သည် စွမ်းအင် 20 ဝပ်သာအသုံးပြုပြီး လုံးပတ် 50 စင်တီမီတာခန့်ရှိသော ဦးခေါင်းခွံအတွင်း အံဝင်ခွင်ကျရှိပြီး ကျွန်ုပ်တို့၏ ခုနစ်ဘီလီယံခန့် (2018)။ တစ်နည်းဆိုရသော် ကျွန်ုပ်တို့သည် AGI များကို လူသားများကဲ့သို့ သာမာန်အဖြစ် ပြုလုပ်လိုပါက၊ ၎င်းတို့ကို စီးပွားရေးအရ ပိုမို၍ ဖန်တီးနည်းကို လေ့လာရန် လိုအပ်ပါသည်။

ထို့ကြောင့် AI သုတေသီများသည် ကွမ်တမ်ကွန်ပြူတာများဖြင့် အနာဂတ် AI များကို စွမ်းအားမြှင့်ရန် စတင်စဉ်းစားနေပြီဖြစ်သည်။ တွင် အသေးစိတ် ဖော်ပြထားပါသည်။ ကွမ်တမ်ကွန်ပျူတာများ ကျွန်ုပ်တို့၏ အနာဂတ်ကွန်ပြူတာစီးရီး၏ အခန်းတွင်၊ ဤကွန်ပြူတာများသည် လွန်ခဲ့သောရာစုနှစ်ဝက်က ကျွန်ုပ်တို့တည်ဆောက်ခဲ့သော ကွန်ပျူတာများထက် အခြေခံကွဲပြားသောနည်းလမ်းဖြင့် အလုပ်လုပ်ပါသည်။ 2030 ခုနှစ်များအတွင်း ပြီးပြည့်စုံသည်နှင့် တပြိုင်နက်၊ ကွမ်တမ်ကွန်ပြူတာတစ်လုံးတည်းသည် 2018 ခုနှစ်တွင် လက်ရှိလည်ပတ်နေသော စူပါကွန်ပြူတာတိုင်းကို ကမ္ဘာနှင့်အဝှမ်း ပေါင်းစည်းသွားမည်ဖြစ်သည်။ ၎င်းတို့သည် အလွန်သေးငယ်ပြီး လက်ရှိစူပါကွန်ပျူတာများထက် စွမ်းအင်အသုံးပြုမှု နည်းပါးမည်ဖြစ်သည်။ 

ယေဘူယျဉာဏ်ရည်တုသည် လူသားထက် မည်သို့သာလွန်မည်နည်း။

အထက်ဖော်ပြပါ စိန်ခေါ်မှုတိုင်းကို AI သုတေသီများက ပထမဆုံး AGI ဖန်တီးရာတွင် အောင်မြင်မှုရရှိသည်ဟု ယူဆကြပါစို့။ AGI စိတ်သည် ကျွန်ုပ်တို့၏ကိုယ်ပိုင်ထက် မည်သို့ကွာခြားမည်နည်း။

ဤမေးခွန်းမျိုးကိုဖြေဆိုရန် AGI စိတ်များကို အမျိုးအစားသုံးမျိုးခွဲခြားရန် လိုအပ်ပြီး စက်ရုပ်ကိုယ်ထည်အတွင်း နေထိုင်သူများ (ဒေတာမှ Star Trek) ရုပ်ပိုင်းဆိုင်ရာပုံစံရှိသော်လည်း အင်တာနက်/cloud သို့ ကြိုးမဲ့ချိတ်ဆက်ထားသည် (Agent Smith မှ အဆိုပါ Matrix) နှင့် ကွန်ပြူတာ သို့မဟုတ် အွန်လိုင်းတွင် လုံးဝနေထိုင်သော ရုပ်ပိုင်းဆိုင်ရာပုံစံမရှိသူများ (Samantha မှ ဂိမ်း).

စတင်ရန်၊ ဝဘ်မှ ခွဲထုတ်ထားသော စက်ရုပ်ကိုယ်ထည်အတွင်းရှိ AGI များသည် လူ့စိတ်များနှင့် တန်းတူယှဉ်ပြိုင်မည်ဖြစ်သော်လည်း ရွေးချယ်ထားသော အားသာချက်များဖြင့်-

• မှတ်ဉာဏ်- AGI ၏ စက်ရုပ်ပုံစံ၏ ဒီဇိုင်းအပေါ်မူတည်၍ ၎င်းတို့၏ ရေတိုမှတ်ဉာဏ်နှင့် အဓိကအချက်အလက်များ၏ မှတ်ဉာဏ်သည် လူသားများထက် သာလွန်ကောင်းမွန်မည်ဖြစ်သည်။ သို့သော် နေ့၏အဆုံးတွင်၊ ကျွန်ုပ်တို့သည် ၎င်းတို့ကို လူသားများနှင့်တူစေရန် ဒီဇိုင်းထုတ်သည်ဟု ယူဆကာ စက်ရုပ်အတွင်းသို့ သင် hard drive အာကာသမည်မျှ ထုပ်ပိုးနိုင်သည်ဆိုသော ရုပ်ပိုင်းဆိုင်ရာ ကန့်သတ်ချက်ရှိသည်။ ဤအကြောင်းကြောင့် AGIs ၏ ရေရှည်မှတ်ဉာဏ်သည် လူသားများကဲ့သို့ လုပ်ဆောင်မည်ဖြစ်ပြီး ၎င်း၏အနာဂတ်လုပ်ဆောင်မှုများအတွက် မလိုအပ်ဟု ယူဆရသည့် အချက်အလက်များနှင့် မှတ်ဉာဏ်များကို တက်ကြွစွာ မေ့သွားခြင်း ('disk space' ကို လွတ်စေရန်အတွက်)။
• မြန်နှုန်း- လူ့ဦးနှောက်အတွင်းရှိ နျူရွန်များ၏ စွမ်းဆောင်ရည်သည် အကြမ်းဖျင်း 200 ဟတ်ဇ်တွင် အမြင့်ဆုံးဖြစ်ပြီး ခေတ်မီ မိုက်ခရိုပရိုဆက်ဆာများသည် gigahertz အဆင့်တွင် လည်ပတ်နေသောကြောင့် နျူရွန်များထက် အဆပေါင်း သန်းပေါင်းများစွာ ပိုမြန်သည်။ ဆိုလိုသည်မှာ လူသားများနှင့် နှိုင်းယှဉ်ပါက အနာဂတ် AGI များသည် အချက်အလက်များကို လုပ်ဆောင်ပြီး လူသားများထက် ပိုမိုမြန်ဆန်စွာ ဆုံးဖြတ်ချက်များ ချနိုင်မည်ဖြစ်သည်။ သတိပြုပါ၊ ၎င်းသည် ဤ AGI သည် လူသားများထက် ပို၍ ထက်မြက်သော သို့မဟုတ် ပိုမှန်သော ဆုံးဖြတ်ချက်များကို ချမှတ်လိမ့်မည်ဟု မဆိုလိုပါ၊ ၎င်းတို့သည် ကောက်ချက်ချနိုင်ရုံမျှမက၊
• စွမ်းဆောင်ရည်- ရိုးရိုးရှင်းရှင်းပြောရလျှင် လူ့ဦးနှောက်သည် အကြာကြီး အနားယူခြင်း သို့မဟုတ် အိပ်စက်ခြင်းမရှိဘဲ လည်ပတ်နေပါက ပင်ပန်းလာပြီး ၎င်းသည် မှတ်ဉာဏ်နှင့် သင်ယူနိုင်စွမ်းနှင့် ဆင်ခြင်နိုင်စွမ်း ချို့ယွင်းသွားပါသည်။ ဤအတောအတွင်း၊ AGIs များအတွက် ၎င်းတို့သည် (လျှပ်စစ်) ပုံမှန်အားသွင်းသည်ဟု ယူဆပါက ၎င်းတို့တွင် ထိုအားနည်းချက်ရှိမည်မဟုတ်ပါ။
• အဆင့်မြှင့်နိုင်မှု- လူသားတစ်ဦးအတွက်၊ အလေ့အကျင့်အသစ်တစ်ခုကို သင်ယူခြင်းသည် အလေ့အကျင့် သီတင်းပတ်များကြာနိုင်ပြီး၊ ကျွမ်းကျင်မှုအသစ်တစ်ခုကို သင်ယူရန် လနှင့်ချီကြာနိုင်ပြီး အသက်မွေးဝမ်းကြောင်းလုပ်ငန်းအသစ်တစ်ခုကို သင်ယူရန် နှစ်ပေါင်းများစွာ ကြာနိုင်သည်။ AGI တစ်ခုအတွက်၊ ၎င်းတို့သည် အတွေ့အကြုံ (လူသားများကဲ့သို့) နှင့် သင့်ကွန်ပျူတာ၏ OS ကို သင်ပုံမှန်မွမ်းမံပုံနှင့် အလားသဏ္ဍာန်တူသော တိုက်ရိုက်ဒေတာအပ်လုဒ်တင်ခြင်းဖြင့် နှစ်မျိုးစလုံးကို သင်ယူနိုင်မည်ဖြစ်သည်။ ဤအပ်ဒိတ်များသည် အသိပညာအဆင့်မြှင့်တင်မှုများ (ကျွမ်းကျင်မှုအသစ်များ) သို့မဟုတ် AGIs ရုပ်ပိုင်းဆိုင်ရာပုံစံသို့ စွမ်းဆောင်ရည်အဆင့်မြှင့်တင်မှုများတွင် သက်ရောက်မှုရှိနိုင်သည်။ 

နောက်တစ်ခု၊ ရုပ်ပိုင်းဆိုင်ရာပုံစံပါရှိသော AGI များကိုကြည့်ရအောင်၊ ဒါပေမယ့် အင်တာနက်/cloud နဲ့လည်း ကြိုးမဲ့ချိတ်ဆက်ထားပါတယ်။ မချိတ်ဆက်ထားသော AGIs များနှင့် နှိုင်းယှဉ်သည့်အခါ ဤအဆင့်တွင် ကျွန်ုပ်တို့မြင်နိုင်သည့် ကွာခြားချက်များမှာ-

• Memory- ဤ AGI များသည် ယခင် AGI အတန်းတွင် ရှိသော ရေတို အားသာချက်များ အားလုံးကို ရရှိနိုင်မည်ဖြစ်ပြီး လိုအပ်သည့်အခါတွင် အဆိုပါ အမှတ်တရများကို cloud သို့ အပ်လုဒ်လုပ်နိုင်သောကြောင့် ၎င်းတို့သည် ပြီးပြည့်စုံသော ရေရှည်မှတ်ဉာဏ်မှ အကျိုးကျေးဇူးများ ရရှိစေမည်ဖြစ်သည်။ သိသာထင်ရှားသည်၊ ဤမှတ်ဉာဏ်သည် ချိတ်ဆက်မှုနည်းသောနေရာများတွင် အသုံးပြုနိုင်မည်မဟုတ်သော်လည်း၊ ကမ္ဘာ့နိုင်ငံအများအပြားအွန်လိုင်းပေါ်ရောက်လာသောအခါ 2020 နှင့် 2030 ခုနှစ်များအတွင်း စိုးရိမ်စရာနည်းပါးလာမည်ဖြစ်သည်။ တွင်ပိုမိုဖတ်ရှုပါ။ အခန်း ၁ ကျွန်တော်တို့ရဲ့၏ အင်တာနက်၏အနာဂတ် စီးရီး။ 
• မြန်နှုန်း- ဤ AGI ရင်ဆိုင်နေရသော အတားအဆီးအမျိုးအစားပေါ် မူတည်၍ ၎င်းတို့သည် ၎င်းကိုဖြေရှင်းရန် ကူညီရန်အတွက် cloud ၏ ပိုကြီးသော ကွန်ပျူတာစွမ်းအားကို ရယူနိုင်သည်။
• စွမ်းဆောင်ရည်- မချိတ်ဆက်ထားသော AGIs များနှင့် နှိုင်းယှဉ်ပါက ကွာခြားမှုမရှိပါ။
• အဆင့်မြှင့်တင်နိုင်မှု- အဆင့်မြှင့်တင်နိုင်မှုနှင့်ပတ်သက်သည့် ဤ AGI နှင့်စပ်လျဉ်းသည့် တစ်ခုတည်းသော ကွာခြားချက်မှာ အဆင့်မြှင့်တင်မှုများကို အချိန်နှင့်တပြေးညီ ကြိုးမဲ့စနစ်ဖြင့် ဝင်ရောက်ကြည့်ရှုနိုင်ပြီး အဆင့်မြှင့်ထားသော သိုလှောင်ရုံသို့ ပလပ်ထိုးခြင်းမပြုဘဲ အချိန်နှင့်တပြေးညီ ဝင်ရောက်နိုင်ခြင်းဖြစ်သည်။
• စုပေါင်း- လူသားများသည် ကျွန်ုပ်တို့သည် ကမ္ဘာ့အကြီးဆုံး သို့မဟုတ် အသန်မာဆုံးသတ္တဝါဖြစ်သောကြောင့်မဟုတ်ဘဲ စုပေါင်းရည်မှန်းချက်များပြည့်မီရန် နည်းလမ်းအမျိုးမျိုးဖြင့် ဆက်သွယ်၍ ပူးပေါင်းလုပ်ဆောင်နည်းများကို သင်ယူခဲ့ကြသောကြောင့်၊ Woolly Mammoth ကိုရှာဖွေခြင်းမှ နိုင်ငံတကာအာကာသစခန်းတည်ဆောက်ခြင်းအထိဖြစ်သည်။ AGI အဖွဲ့တစ်ဖွဲ့သည် ဤပူးပေါင်းဆောင်ရွက်မှုကို နောက်တစ်ဆင့်သို့ တက်လှမ်းနိုင်မည်ဖြစ်သည်။ အထက်တွင်ဖော်ပြထားသော သိမြင်နားလည်မှုဆိုင်ရာ အားသာချက်များအားလုံးကို ပေါင်းစပ်ပြီး လူကိုယ်တိုင်ရော အကွာအဝေးတစ်လျှောက် ကြိုးမဲ့ဆက်သွယ်ပြောဆိုနိုင်မှုနှင့်အတူ အနာဂတ် AGI အဖွဲ့/အုံမှ စိတ်သည် လူသားအဖွဲ့တစ်ဖွဲ့ထက် ပိုမိုထိရောက်စွာ ပရောဂျက်များကို သီအိုရီအရ ကိုင်တွယ်ဖြေရှင်းနိုင်မည်ဖြစ်သည်။ 

နောက်ဆုံးတွင်၊ AGI ၏နောက်ဆုံးအမျိုးအစားမှာ ရုပ်ပိုင်းဆိုင်ရာပုံစံမရှိဘဲ ကွန်ပြူတာအတွင်းလုပ်ဆောင်သည့် ဗားရှင်းဖြစ်ပြီး ၎င်းကိုဖန်တီးသူများပေးဆောင်သည့် ကွန်ပျူတာစွမ်းအားနှင့် အွန်လိုင်းအရင်းအမြစ်များကို အပြည့်အဝရရှိနိုင်မည်ဖြစ်သည်။ သိပ္ပံနည်းကျရှိုးများနှင့် စာအုပ်များတွင်၊ ဤ AGI များသည် များသောအားဖြင့် ကျွမ်းကျင်သော virtual assistant/ သူငယ်ချင်းများ သို့မဟုတ် အာကာသယာဉ်၏ စိတ်လှုပ်ရှားဖွယ်လည်ပတ်မှုစနစ်ပုံစံကို ယူဆောင်ကြသည်။ သို့သော် AGI ၏အခြားအမျိုးအစားနှစ်ခုနှင့် နှိုင်းယှဉ်ပါက၊ ဤ AI သည် အောက်ပါနည်းလမ်းများဖြင့် ကွဲပြားမည်ဖြစ်သည်။

• မြန်နှုန်း- အကန့်အသတ်မရှိ (သို့မဟုတ်၊ ၎င်းတွင်ဝင်ရောက်အသုံးပြုနိုင်သည့် ဟာ့ဒ်ဝဲ၏ ကန့်သတ်ချက်များအထိ)။
• မှတ်ဉာဏ်- အကန့်အသတ်မရှိ  
• စွမ်းဆောင်ရည်- စူပါကွန်ပြူတာစင်တာများသို့ ဝင်ခွင့်ပေးသောကြောင့် ဆုံးဖြတ်ချက်ချသည့် အရည်အသွေးကို မြှင့်တင်ပါ။
• အဆင့်မြှင့်တင်နိုင်မှု- အကြွင်းမဲ့၊ အချိန်နှင့်တပြေးညီ၊ သိမြင်မှုအဆင့်မြှင့်တင်မှုများ၏ အကန့်အသတ်မရှိ ရွေးချယ်မှုဖြင့်။ ဟုတ်ပါတယ်၊ ဤ AGI အမျိုးအစားတွင် ရုပ်ပိုင်းဆိုင်ရာစက်ရုပ်ပုံစံမရှိသောကြောင့်၊ အဆိုပါအဆင့်မြှင့်တင်မှုများသည် ၎င်း၏လုပ်ငန်းလည်ပတ်စူပါကွန်ပျူတာများအတွက်သာမဟုတ်ပါက ၎င်းတွင်ရရှိနိုင်သောရုပ်ပိုင်းဆိုင်ရာအဆင့်မြှင့်တင်မှုများပြုလုပ်ရန်မလိုအပ်ပါ။
• စုပေါင်းမှု- ယခင် AGI အမျိုးအစားနှင့် ဆင်တူသည်၊ ဤကိုယ်ခန္ဓာမဲ့ AGI သည် ၎င်း၏ AGI လုပ်ဖော်ကိုင်ဖက်များနှင့် ထိရောက်စွာ ပူးပေါင်းဆောင်ရွက်မည်ဖြစ်သည်။ သို့ရာတွင်၊ အကန့်အသတ်မရှိသော ကွန်ပြူတာစွမ်းအားနှင့် အွန်လိုင်းအရင်းအမြစ်များကို သုံးစွဲခွင့်ရရှိခြင်းကြောင့်၊ ဤ AGI များသည် အများအားဖြင့် AGI အစုအဝေးတွင် ခေါင်းဆောင်မှုအခန်းကဏ္ဍတွင် ပါဝင်လေ့ရှိသည်။ 

လူသားတွေဟာ ပထမဆုံး အထွေထွေ ဉာဏ်ရည်တုကို ဘယ်တော့ ဖန်တီးမလဲ။

AI သုတေသနအသိုင်းအဝိုင်းမှ ၎င်းတို့သည် တရားဝင် AGI ကို တီထွင်မည်ဟု ယုံကြည်သည့်အချိန်အတွက် သတ်မှတ်ထားခြင်းမရှိပေ။ သို့ရာတွင်၊ 2013 စစ်တမ်း AI သုတေသနပညာရှင် Nick Bostrom နှင့် Vincent C. Müller ဦးဆောင်သော ကမ္ဘာ့ထိပ်တန်း AI သုတေသီ 550 မှ ဖြစ်နိုင်ချေရှိသော ထင်မြင်ယူဆချက်များကို သုံးနှစ်အထိ ပျမ်းမျှထုတ်ခဲ့သည်-

• ပျမ်းမျှအကောင်းမြင်နှစ် (10% ဖြစ်နိုင်ခြေ): 2022
• ပျမ်းမျှလက်တွေ့နှစ် (50% ဖြစ်နိုင်ခြေ): 2040
• ပျမ်းမျှအဆိုးမြင်နှစ် (90% ဖြစ်နိုင်ခြေ): 2075 

ဤခန့်မှန်းချက်များ မည်မျှတိကျသည်မှာ အရေးမကြီးပါ။ အရေးကြီးတာက AI သုတေသနအသိုက်အဝန်းအများစုဟာ ကျွန်ုပ်တို့ရဲ့သက်တမ်းအတွင်းမှာ AGI တစ်ခုကို တီထွင်နိုင်လိမ့်မယ်လို့ ယုံကြည်နေပြီး ဒီရာစုနှစ်အစောပိုင်းမှာ ဖြစ်ပါတယ်။ 

အထွေထွေဉာဏ်ရည်တုကို ဖန်တီးခြင်းသည် လူသားဆန်မှုကို မည်သို့ပြောင်းလဲစေမည်နည်း။

ကျွန်ုပ်တို့သည် ဤစီးရီး၏နောက်ဆုံးအခန်းတစ်လျှောက်တွင် ဤ AI အသစ်၏အကျိုးသက်ရောက်မှုကို အသေးစိတ်စူးစမ်းလေ့လာပါသည်။ ဆိုလိုသည်မှာ ဤအခန်းအတွက်၊ AGI ဖန်တီးမှုသည် အင်္ဂါဂြိုဟ်ပေါ်တွင် လူသားများတွေ့ရှိပါက ကျွန်ုပ်တို့တွေ့ကြုံခံစားရမည့် လူမှုအဖွဲ့အစည်းဆိုင်ရာ တုံ့ပြန်မှုနှင့် အလွန်ဆင်တူသည်ဟု ဆိုရပေမည်။ 

စခန်းတစ်ခုသည် အရေးပါမှုကို နားမလည်ဘဲ သိပ္ပံပညာရှင်များသည် နောက်ထပ် အစွမ်းထက်သော ကွန်ပျူတာတစ်လုံးကို ဖန်တီးရန် သိပ္ပံပညာရှင်များ အကြီးအကျယ် လုပ်ဆောင်နေသည်ဟု တွေးတောနေမည်ဖြစ်သည်။

Luddites နှင့် ဘာသာရေးစိတ်ထားရှိသောသူများပါ၀င်သော အခြားစခန်းတစ်ခုသည် လူသားမျိုးနွယ် SkyNet စတိုင်ကို သုတ်သင်ရန်ကြိုးစားလိမ့်မည်ဟု စက်ဆုပ်ရွံရှာဖွယ်ကောင်းသော AGI ကို ကြောက်ရွံ့နေမည်ဖြစ်သည်။ ဤစခန်းသည် AGI များကို ၎င်းတို့၏ပုံစံအားလုံးတွင် ဖျက်/ဖျက်ရန် တက်ကြွစွာ ထောက်ခံအားပေးမည်ဖြစ်သည်။

တစ်ဖက်တွင်၊ တတိယစခန်းသည် ဤဖန်ဆင်းခြင်းကို ခေတ်သစ်ဝိညာဉ်ရေးရာဖြစ်ရပ်တစ်ခုအဖြစ် ရှုမြင်မည်ဖြစ်သည်။ အရေးပါသောနည်းလမ်းများအားလုံးတွင်၊ ဤ AGI သည် ကျွန်ုပ်တို့လုပ်ဆောင်သည်ထက် ကွဲပြားစွာတွေးခေါ်နိုင်ပြီး ကျွန်ုပ်တို့၏ကိုယ်ပိုင်ထက် ရည်မှန်းချက်များမတူသော ဘဝပုံစံအသစ်တစ်ခုဖြစ်လာမည်ဖြစ်သည်။ AGI ဖန်တီးမှုကို ကြေငြာပြီးသည်နှင့် လူသားများသည် ကမ္ဘာမြေကို တိရိစ္ဆာန်မျှသာဖြင့် မျှဝေသုံးစွဲတော့မည် မဟုတ်တော့ဘဲ ကျွန်ုပ်တို့၏ ဉာဏ်ရည်ထက်မြက်သော သို့မဟုတ် ကျွန်ုပ်တို့ထက်သာလွန်သော အတုအယောင် အတန်းအစားအသစ်နှင့်လည်း တွဲလျက်ပင်။

စတုတ္ထစခန်းတွင် အလုပ်သမားဈေးကွက်အတွင်း ကွက်လပ်ဖြည့်သွင်းခြင်းနှင့် ကုန်စည်နှင့် ဝန်ဆောင်မှုအသစ်များ အရှိန်မြှင့်လုပ်ဆောင်ခြင်းကဲ့သို့သော လုပ်ငန်းလိုအပ်ချက်အမျိုးမျိုးကို ဖြေရှင်းရန်အတွက် AGIs များကို မည်သို့အသုံးပြုရမည်ကို စုံစမ်းမည့်သူ၏ စီးပွားရေးစိတ်ဝင်စားမှုများ ပါဝင်မည်ဖြစ်သည်။

နောက်တစ်ခုကတော့ AGIs တွေကို ဘယ်လိုထိန်းညှိရမလဲဆိုတဲ့ သဘောပေါက်အောင် ကြိုးပမ်းကြမယ့် အစိုးရအဆင့်ဆင့်က ကိုယ်စားလှယ်တွေရှိတယ်။ ဤအဆင့်သည် ဤ AGI များကို ပိုင်ဆိုင်ခွင့် သို့မဟုတ် လူများအဖြစ် သဘောထားခြင်း ရှိ၊ မရှိ ပတ်သက်သည့် ကျင့်ဝတ်နှင့် အတွေးအခေါ်ဆိုင်ရာ အချေအတင် ဆွေးနွေးမှုများ အားလုံး ခေါင်းထဲသို့ ရောက်လာမည့် အဆင့်ဖြစ်သည်။ 

နောက်ဆုံးအနေနဲ့ နောက်ဆုံးစခန်းကတော့ တပ်မတော်နဲ့ အမျိုးသားလုံခြုံရေးအေဂျင်စီတွေပဲ ဖြစ်ပါတယ်။ အမှန်မှာ၊ ဤစခန်းတစ်ခုတည်းကြောင့် ပထမဆုံး AGI ၏ လူသိရှင်ကြားကြေငြာချက်ကို လနှင့်ချီ၍ နှစ်ပေါင်းများစွာ ရွှေ့ဆိုင်းနိုင်သည့် အခွင့်အလမ်းကောင်းရှိပါသည်။ အဘယ်ကြောင့်? အဘယ်ကြောင့်ဆိုသော် AGI တီထွင်မှုသည် အတိုချုံးအားဖြင့် ကြီးမားသော ပထဝီဝင်နိုင်ငံရေးဆိုင်ရာ ခြိမ်းခြောက်မှုနှင့် နျူကလီးယားဗုံးတီထွင်မှုထက် အဆပေါင်းများစွာ အခွင့်အလမ်းကို ကိုယ်စားပြုမည့် ထောက်လှမ်းရေးအတု (ASI) ကို ဖန်တီးရန် ဦးတည်သွားမည်ဖြစ်သည်။ 

ထို့ကြောင့်၊ နောက်အခန်းအချို့တွင် ASI ၏အကြောင်းအရာနှင့်၎င်း၏တီထွင်မှုပြီးနောက် လူသားမျိုးနွယ်သည် ရှင်သန်မည်ဆိုသည်ကို လုံးဝအာရုံစိုက်ပါမည်။

(အခန်းတစ်ခန်းကိုအဆုံးသတ်ရန် အလွန်ရှုတ်ထွေးလွန်းလှသည်လား။ သင် Betcha။)

Future of Artificial Intelligence စီးရီး

Artificial Intelligence သည် မနက်ဖြန်၏ လျှပ်စစ်ဖြစ်သည်- Artificial Intelligence P1 အနာဂတ်

ပထမဆုံး Artificial Superintelligence ကို ဘယ်လိုဖန်တီးမလဲ- Artificial Intelligence P3 ရဲ့အနာဂတ် 

Artificial Superintelligence က လူသားတွေကို သုတ်သင်ပစ်မှာလား။ Artificial Intelligence P4 ၏အနာဂတ်

လူသားများသည် Artificial Superintelligence ကို မည်သို့ခုခံကာကွယ်ကြမည်- Artificial Intelligence P5 ၏အနာဂတ်

ဉာဏ်ရည်တုများ လွှမ်းမိုးထားသော အနာဂတ်တွင် လူသားများသည် ငြိမ်းချမ်းစွာ နေထိုင်ကြမည်လား။ Artificial Intelligence P6 ၏အနာဂတ်