Artificial Intelligence ဘက်လိုက်မှု- စက်များသည် ကျွန်ုပ်တို့မျှော်လင့်ထားသလောက် ရည်ရွယ်ချက်မရှိပါ။

ပုံခရက်ဒစ်-
image ကိုအကြွေး
iStock

Artificial Intelligence ဘက်လိုက်မှု- စက်များသည် ကျွန်ုပ်တို့မျှော်လင့်ထားသလောက် ရည်ရွယ်ချက်မရှိပါ။

Artificial Intelligence ဘက်လိုက်မှု- စက်များသည် ကျွန်ုပ်တို့မျှော်လင့်ထားသလောက် ရည်ရွယ်ချက်မရှိပါ။

ခေါင်းစဉ်ခွဲ စာသား
AI သည် ဘက်မလိုက်ဘဲ ဖြစ်သင့်သည်ဟု လူတိုင်းက သဘောတူသော်လည်း ဘက်လိုက်မှုများကို ဖယ်ရှားခြင်းသည် ပြဿနာကို သက်သေပြနေသည်။
    • Author:
    • စာရေးသူနာမည်
      Quantumrun Foresight
    • ဖေဖေါ်ဝါရီလ 8, 2022

    ဝိပဿနာ အကျဉ်းချုပ်

    ဒေတာမောင်းနှင်သည့်နည်းပညာများသည် တရားမျှတသောလူ့အဖွဲ့အစည်းတစ်ရပ်ကို ဖော်ဆောင်ပေးမည်ဟု ကတိပြုထားသော်လည်း ၎င်းတို့သည် လူသားတို့ ခိုအောင်းနေသည့် တူညီသောဘက်လိုက်မှုများကို ထင်ဟပ်စေပြီး ဖြစ်ပေါ်လာနိုင်သည့် မတရားမှုများကို ဖြစ်ပေါ်စေသည်။ ဥပမာအားဖြင့်၊ ဉာဏ်ရည်တု (AI) စနစ်များတွင် ဘက်လိုက်မှုများသည် အန္တရာယ်ရှိသော ပုံစံများကို အမှတ်မထင် ပိုဆိုးသွားစေနိုင်သည်။ သို့သော်လည်း AI စနစ်များ ပိုမိုမျှတစေရန် ကြိုးပမ်းမှုများ လုပ်ဆောင်နေသော်လည်း ၎င်းသည် အသုံးဝင်မှုနှင့် တရားမျှတမှုကြား ချိန်ခွင်လျှာနှင့် နည်းပညာအဖွဲ့များတွင် တွေးခေါ်မှုဆိုင်ရာ စည်းမျဥ်းစည်းကမ်းများနှင့် ကွဲပြားမှုများအတွက် လိုအပ်ကြောင်း ရှုပ်ထွေးသောမေးခွန်းများ ပေါ်ပေါက်စေပါသည်။

    AI ဘက်လိုက်မှု ယေဘူယျအကြောင်းအရာ

    ဒေတာဖြင့် မောင်းနှင်သော နည်းပညာများသည် လူသားအားလုံးအတွက် တရားမျှတမှု စံနှုန်းဖြစ်သည့် လူ့အဖွဲ့အစည်းကို ထူထောင်ရာတွင် လူသားမျိုးနွယ်အပေါ် အထောက်အကူ ဖြစ်စေမည်ဟု မျှော်လင့်ပါသည်။ သို့သော် လက်ရှိလက်တွေ့တွင် ကွဲပြားသောပုံကို ရေးဆွဲထားသည်။ ယခင်က မတရားမှုများဆီသို့ ဦးတည်စေခဲ့သည့် လူသားများ၏ ဘက်လိုက်မှုများစွာကို ယခုအခါ ကျွန်ုပ်တို့၏ ဒစ်ဂျစ်တယ်ကမ္ဘာကို အုပ်ချုပ်သည့် အယ်လဂိုရီသမ်များတွင် ထင်ဟပ်နေပါသည်။ AI စနစ်များတွင် အဆိုပါ ဘက်လိုက်မှုများသည် ဤစနစ်များကို တီထွင်သည့် လူတစ်ဦးချင်းစီ၏ မလိုမုန်းထားမှုများမှ ပေါက်ဖွားလာလေ့ရှိပြီး အဆိုပါ ဘက်လိုက်မှုများသည် ၎င်းတို့၏ လုပ်ငန်းများတွင် မကြာခဏ စိမ့်ဝင်နေပါသည်။

    ဥပမာအားဖြင့်၊ စက်သင်ယူမှုစနစ်လေ့ကျင့်မှုအတွက် ရုပ်ပုံများကို အညွှန်းတပ်ခြင်းအား လူစုလူဝေးဖြစ်စေရန် ကြိုးပမ်းခဲ့သည့် ImageNet ဟုခေါ်သော 2012 ခုနှစ်တွင် ပရောဂျက်တစ်ခုကို ကြည့်ပါ။ ဤဒေတာကို လေ့ကျင့်သင်ကြားထားသော အာရုံကြောကွန်ရက်ကြီးတစ်ခုသည် နောက်ပိုင်းတွင် အရာဝတ္တုများကို စွဲမက်ဖွယ်တိကျမှုဖြင့် ဖော်ထုတ်နိုင်ခဲ့သည်။ သို့သော်၊ အနီးကပ်စစ်ဆေးပြီးနောက်၊ သုတေသီများသည် ImageNet ဒေတာအတွင်း ဝှက်ထားသော ဘက်လိုက်မှုများကို ရှာဖွေတွေ့ရှိခဲ့သည်။ အထူးသဖြင့် ကိစ္စရပ်တစ်ခုတွင်၊ ဤဒေတာအတွက် လေ့ကျင့်ထားသော အယ်လဂိုရီသမ်တစ်ခုသည် ဆော့ဖ်ဝဲလ်ပရိုဂရမ်မာများအားလုံး လူဖြူများဖြစ်ကြသည်ဟူသော ယူဆချက်ဆီသို့ ဘက်လိုက်ပါသည်။

    ဤဘက်လိုက်မှု သည် အလုပ်ခန့်ထားမှု လုပ်ငန်းစဉ်ကို အလိုအလျောက်လုပ်ဆောင်သောအခါတွင် အမျိုးသမီးများအား လျစ်လျူရှုခံရစေနိုင်သည်။ "အမျိုးသမီး" ၏ပုံများတွင် အညွှန်းများထည့်သည့်လူတစ်ဦးချင်းစီသည် နှိမ့်ချသောအသုံးအနှုန်းပါ၀င်သော နောက်ထပ်အညွှန်းတစ်ခုပါ၀င်သောကြောင့် ဘက်လိုက်မှုများသည် ဒေတာအတွဲများထဲသို့ ရောက်ရှိသွားပါသည်။ ဤဥပမာတွင် ဘက်လိုက်မှုများသည် ရည်ရွယ်ချက်ရှိရှိ သို့မဟုတ် မရည်ရွယ်ဘဲဖြစ်စေ အဆန်းပြားဆုံးသော AI စနစ်များပင် စိမ့်ဝင်နိုင်ပြီး အန္တရာယ်ရှိသော ပုံစံများနှင့် မညီမျှမှုများ ဆက်လက်တည်ရှိနေနိုင်ပုံကို သရုပ်ဖော်ထားသည်။

    အနှောင့်အယှက်ဖြစ်စေတယ်။ 

    ဒေတာနှင့် အယ်လဂိုရီသမ်များတွင် ဘက်လိုက်မှုများကို ဖြေရှင်းရန် ကြိုးပမ်းမှုများကို အစိုးရနှင့် ပုဂ္ဂလိက အဖွဲ့အစည်းအသီးသီးရှိ သုတေသီများက စတင်လုပ်ဆောင်ခဲ့သည်။ ဥပမာအားဖြင့် ImageNet ပရောဂျက်တွင်၊ အချို့သောရုပ်ပုံများပေါ်တွင် ပျက်ဆီးစေသော အလင်းတန်းများကို ခွဲခြားသတ်မှတ်ရန်နှင့် ဖယ်ရှားပစ်ရန် လူစုလူဝေးအရင်းအမြစ်ကို အသုံးပြုခဲ့သည်။ ဤအစီအမံများသည် AI စနစ်များကို ပိုမိုသာတူညီမျှဖြစ်အောင် ပြန်လည်ပြင်ဆင်ရန် အမှန်တကယ် ဖြစ်နိုင်ကြောင်း သက်သေပြခဲ့သည်။

    သို့သော်လည်း ဘက်လိုက်မှုကို ဖယ်ရှားခြင်းသည် အထူးသဖြင့် ဘက်လိုက်မှုများစွာကို ကစားသည့်အခါတွင် ဒေတာအတွဲကို ထိရောက်မှုနည်းစေနိုင်ကြောင်း ကျွမ်းကျင်သူအချို့က စောဒကတက်ကြသည်။ အချို့သော ဘက်လိုက်မှုများမှ ဖယ်ထုတ်ထားသော ဒေတာအတွဲသည် ထိရောက်သောအသုံးပြုမှုအတွက် လုံလောက်သော အချက်အလက်များ ချို့တဲ့သွားနိုင်သည်။ ၎င်းသည် အမှန်တကယ် ကွဲပြားသော ရုပ်ပုံဒေတာအတွဲ၏ ပုံပန်းသဏ္ဌာန်နှင့် ၎င်း၏ အသုံးဝင်မှုကို မထိခိုက်စေဘဲ မည်သို့အသုံးပြုနိုင်မည်ကို မေးခွန်းထုတ်စေသည်။

    ဤလမ်းကြောင်းသည် AI နှင့် ဒေတာမောင်းနှင်သည့်နည်းပညာများအသုံးပြုခြင်းအတွက် စဉ်း စားသောချဉ်းကပ်မှုလိုအပ်မှုကို အလေးပေးဖော်ပြသည်။ ကုမ္ပဏီများအတွက်၊ ၎င်းသည် ဘက်လိုက်မှု-ထောက်လှမ်းသည့်ကိရိယာများတွင် ရင်းနှီးမြှုပ်နှံမှုနှင့် နည်းပညာအဖွဲ့များတွင် ကွဲပြားမှုကို မြှင့်တင်ခြင်းကို ဆိုလိုနိုင်သည်။ အစိုးရများအတွက် AI ကို တရားမျှတစွာ အသုံးပြုမှုသေချာစေရန် စည်းမျဉ်းများ အကောင်အထည်ဖော်ရာတွင် ပါဝင်နိုင်သည်။ 

    AI ဘက်လိုက်မှု၏သက်ရောက်မှုများ

    AI ဘက်လိုက်မှု၏ ကျယ်ပြန့်သောသက်ရောက်မှုများ ပါဝင်နိုင်သည်-

    • အဖွဲ့အစည်းများသည် AI ၏ ကုန်ထုတ်စွမ်းအားနှင့် စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးခြင်းဖြင့် တရားမျှတမှုနှင့် ခွဲခြားမှုကင်းရှင်းရေး သေချာစေရန်အတွက် တက်ကြွစွာ လုပ်ဆောင်လျက်ရှိသည်။ 
    • ပရောဂျက်တစ်ခုတွင် ကျင့်ဝတ်ဆိုင်ရာအန္တရာယ်များကို စောစီးစွာသိရှိနိုင်စေရန်နှင့် လျော့ပါးသက်သာစေရန် ဖွံ့ဖြိုးရေးအဖွဲ့များတွင် AI ကျင့်ဝတ်သိက္ခာရှိသူရှိခြင်း။ 
    • လိင်၊ လူမျိုး၊ အတန်းအစားနှင့် ယဉ်ကျေးမှုတို့ကဲ့သို့ ကွဲပြားသည့်အချက်များဖြင့် AI ထုတ်ကုန်များကို ဒီဇိုင်းထုတ်ခြင်း
    • ကုမ္ပဏီတစ်ခု၏ AI ထုတ်ကုန်ကို အသုံးပြုမည့် မတူကွဲပြားသော အုပ်စုများမှ ကိုယ်စားလှယ်များကို မထုတ်ပြန်မီ ၎င်းကို စမ်းသပ်ရန်။
    • အများသူငှာ ဝန်ဆောင်မှု အမျိုးမျိုးကို အများသူငှာ အဖွဲ့ဝင်အချို့ထံမှ ကန့်သတ်ထားသည်။
    • အချို့သော အများသူငှာ အဖွဲ့ဝင်များသည် အချို့သော အလုပ်အကိုင် အခွင့်အလမ်းများအတွက် အရည်အချင်းပြည့်မီစွာ လက်လှမ်းမမီနိုင်ခြင်း၊
    • ဥပဒေစိုးမိုးရေးအေဂျင်စီများနှင့် ကျွမ်းကျင်ပညာရှင်များသည် လူ့အဖွဲ့အစည်းအတွင်းရှိ အချို့သောအဖွဲ့ဝင်များကို အခြားသူများထက် ပိုမိုတရားမျှတစွာ ပစ်မှတ်ထားသည်။ 

    စဉ်းစားရန်မေးခွန်းများ

    • အလိုအလျောက် ဆုံးဖြတ်ချက်ချခြင်းသည် အနာဂတ်တွင် တရားမျှတမည်ဟု သင်အကောင်းမြင်ပါသလား။
    • AI ဆုံးဖြတ်ချက်ချခြင်းသည် သင့်အား စိတ်အနှောက်အယှက်အဖြစ်စေဆုံးဖြစ်သနည်း။

    ဝိပဿနာကိုးကား

    ဤထိုးထွင်းသိမြင်မှုအတွက် အောက်ပါလူကြိုက်များပြီး အဖွဲ့အစည်းဆိုင်ရာလင့်ခ်များကို ကိုးကားထားပါသည်။