၁။ Generative AI ဆိုတာ ဘာလဲ။
Artificial Intelligence (AI) က လူသားတွေရဲ့နေ့စဉ်ဘဝထဲမှာရောက်ရှိနေခဲ့ပါပြီ။ ဥပမာပြရရင် လမ်း ကြောင်းပြအက်ပ်တွေကနေ အမြန်ဆုံးလမ်းကို ရှာပေးတာ၊ ရုပ်ရှင်နဲ့ ပစ္စည်းတွေကို ကိုယ့်အကြိုက်လိုက်ပြီး အကြံပြုပေးတာ၊ ပြီးတော့ မလိုချင်တဲ့ အီးမေးလ် (Spam) တွေကို ဖယ်ထုတ်ပေးတာမျိုးတွေဖြစ်ကြပါတယ်။ ဒီစနစ်တွေဟာ အချက်အလက်တွေကို ပိုင်းခြားစိတ်ဖြာပြီး ခန့်မှန်းပေးဖို့အတွက် တည်ဆောက်ထားတာ ဖြစ်ပါတယ်။
ဒါပေမဲ့ မကြာသေးတဲ့ကာလတွေအတွင်းမှာတော့ ကမ္ဘာတစ်ဝန်းလုံးရဲ့အာရုံစိုက်မှုကို ခံလာရတဲ့ AI အမျိုးအ စားသစ်တစ်ခု ပေါ်လာပါတယ်၊ အဲဒါကတော့ Generative AI ပါပဲ။ Generative AI ဆိုတာ AI ရဲ့ အကိုင်းအခက်တစ်ခုဖြစ်ပြီး ၁၉၅၀ ပြည့်နှစ်များကတည်းက စတင်ပေါ်ပေါက်ခဲ့သော်လည်း ၂၀၀၀ ပြည့်နှစ်နောက်ပိုင်းမှသာ လျင်မြန်စွာ တိုးတက်လာခဲ့တာ ဖြစ်ပါတယ်။ လူသားတွေလို စာသားတွေရေးနိုင်တဲ့ ပထမဆုံးသော ပရိုဂရမ်ကတော့ ၁၉၆၆ ခုနှစ်က MIT က Joseph Weizenbaum ဖန်တီးခဲ့တဲ့ ELIZA ပါ။ သူက စာသားပုံစံတွေကို တိုက်ဆိုင်စစ်ဆေးပြီး စိတ်ပညာကုထုံးဆရာတစ်ယောက်လို အသွင်ဆောင်တဲ့ အခြေခံကျကျ စည်းမျဉ်းတွေကို အခြေခံထားတဲ့ chatbot တစ်ခုပါ။ ဒါပေမယ့် စက်ပစ္စည်းတွေက စကားပြောသလိုမျိုး တုံ့ပြန်မှုတွေ ဖန်တီးနိုင်ဖို့အတွက် အခြေခံအုတ်မြစ် ချပေးခဲ့ပါတယ်။
✅GANs (Generative Adversarial Networks) ၂၀၁၄ ခုနှစ်မှာ မိတ်ဆက်ခဲ့ပြီး လက်တွေ့ကျတဲ့ ပုံတွေကို ဖန်တီးပေးနိုင်တဲ့ AI ဖြစ်ပါတယ်။
✅Transformers: ၂၀၁၇ ခုနှစ်မှာ Google က စတင်မိတ်ဆက်ခဲ့ပြီး စာသားတွေကို ဖန်တီးပေးနိုင်တဲ့ AI များအတွက် အရေးပါတဲ့ အခြေခံအုတ်မြစ်ဖြစ်ပါတယ်။
✅Diffusion Models: မကြာသေးမီက ပေါ်ပေါက်ခဲ့တဲ့ ဒီနည်းပညာကတော့ ရုပ်ပုံ၊ ဗီဒီယိုနဲ့ အခြား အကြောင်းအရာတွေကို အရည်အသွေးမြင့်မားစွာ ဖန်တီးပေးနိုင်ပါတယ်။
၁.၁ Generative AI ဘယ်လိုအလုပ်လုပ်သလဲ
ရိုးရိုးရှင်းရှင်း ပြောရရင် Generative AI က အချက်အလက် (Data) အမြောက်အမြားဆီကနေ သင်ယူပါတယ် ။ ဒီသင်ယူစရာ အချက်အလက် (Training data) တွေထဲမှာ –
- စာအုပ်များ
- ဆောင်းပါးများနှင့် ဝဘ်ဆိုက်များ
- ရုပ်ပုံများ
- အသံဖိုင်များနှင့် ဗီဒီယိုများ
- Computer code များ ပါဝင်ပါတယ် ။
အဲဒီနောက် AI က အချက်အလက်တွေထဲမှာရှိတဲ့ ပုံစံစနစ် (Patterns) နဲ့ ဆက်စပ်မှုတွေကို ရှာဖွေမှတ် သားပါတယ် ။ ဥပမာ – ဘာသာစကားကို သင်ယူတဲ့အခါ ဘယ်စကားလုံးတွေက တွဲပြီးအသုံးများလဲ၊ ဝါကျ တည်ဆောက်ပုံ ၊ ရေးဟန် ၊ သဒ္ဒါ နဲ့ အကြောင်းအရာဆက်စပ်မှုတွေ ကို စောင့်ကြည့်လေ့လာတာမျိုးပါ။
အသုံးပြုသူက Prompt (ညွှန်ကြားချက်) တစ်ခု ရိုက်ထည့်လိုက်တဲ့အခါ၊ AI က သူလေ့လာမှတ်သားထားတဲ့ ပုံစံတွေကို အခြေခံပြီး အသင့်တော်ဆုံး ဖြစ်နိုင်မယ့် အဖြေကို တွက်ချက်ပြီး ထုတ်ပေးတာ ဖြစ်ပါတယ် ။
၁.၂ ခေတ်သစ် Generative AI ရဲ့ နည်းပညာဆိုင်ရာ အချိုးအကွေ့
Generative AI အခုလို အရှိန်အဟုန်နဲ့ တိုးတက်လာတာက ၂၀၁၇ ခုနှစ်မှာ ပေါ်ထွက်လာခဲ့တဲ့ နည်းပညာ ဆန်းသစ်မှုတစ်ခုကြောင့် ဖြစ်ပါတယ်။ သုတေသီတွေက “Attention Is All You Need” ဆိုတဲ့ နာမည်ကြီးစာတမ်းကို ထုတ်ပြန်ခဲ့ပြီး Transformer လို့ခေါ်တဲ့ ဗိသုကာပုံစံ (Architecture) အသစ်တစ်ခုကို မိတ်ဆက်ခဲ့ပါတယ်။
ဒီစနစ်ကြောင့် AI တွေဟာ သတင်းအချက်အလက်တွေကို ပိုပြီးထိရောက်မြန်ဆန်စွာ တွက်ချက်လာနိုင်ခဲ့ပါ တယ်။ ဒီ Transformer architecture ကြောင့်ပဲ အကြောင်းအရာမျိုးစုံကို နားလည်ပြီး အစီအစဉ်တကျ ပြန်လည်ဖြေကြားနိုင်စွမ်းရှိတဲ့ အစွမ်းထက် Large Language Models (LLMs) တွေကို တည်ဆောက်နိုင်ခဲ့တာ ဖြစ်ပါတယ် ။
ဒီနည်းပညာ အချိုးအကွေ့ဟာ အခုလက်ရှိ သုံးနေကြတဲ့ –
- ChatGPT
- Google Gemini
- Claude AI
- Microsoft Copilot စတဲ့ စနစ်တွေရဲ့ အုတ်မြစ် ဖြစ်လာခဲ့ပါတယ်။
၁.၃ Generatiive AI ကိုအသုံးချနိုင်သည့် နယ်ပယ်များ
Generative AI ဟာ ကျွန်တော်တို့ရဲ့ လုပ်ငန်းခွင်နယ်ပယ်တွေကို ပြောင်းလဲပစ်နေပါပြီ။ ဒီနည်းပညာကို ဘယ်လိုနယ်ပယ်တွေမှာ ဘယ်လိုမျိုး အကျိုးရှိအောင် အသုံးချနိုင်လဲဆိုတာကို ကြည့်လိုက်ရအောင်။
✅ပညာရေး
ပညာရေးနယ်ပယ်မှာ Generative AI ကို အသုံးပြုပြီး သင်ကြားရေးနဲ့ သင်ယူမှုလုပ်ငန်းစဉ်တွေကို ပိုပြီး ထိရောက်အောင် လုပ်ဆောင်နိုင်ပါတယ်။
ကျောင်းသားများအတွက်: AI ကနေ စာစီစာကုံးရေးရာမှာ အကူအညီပေးနိုင်သလို၊ သုတေသနလုပ်တဲ့အခါ အချက်အလက်တွေ ရှာဖွေစုဆောင်းတာကိုလည်း လွယ်ကူစေပါတယ်။ ဒါပေမဲ့ ကျောင်းသားတွေဟာ AI ကနေ ရတဲ့ အဖြေကို တန်းပြီး လက်ခံတာမျိုး မဟုတ်ဘဲ မှန်ကန်မှုရှိမရှိ ပြန်လည်စစ်ဆေးတာ၊ ကိုယ့်အတွေးအခေါ်ကို ထည့်သွင်းတာမျိုးတွေ လုပ်ဖို့ အရေးကြီးပါတယ်။
ဆရာများအတွက်: ဆရာတွေအတွက်တော့ သင်ခန်းစာအစီအစဉ်တွေ ရေးတာ၊ မေးခွန်းတွေ ဖန်တီးတာနဲ့ ကျောင်းသားတွေရဲ့ အဆင့်ကို အကဲဖြတ်တာမျိုးတွေမှာ AI ကို အကူအညီယူနိုင်ပါတယ်။ ဒါဟာ ဆရာတွေရဲ့ အချိန်ကို ချွေတာပေးပြီး သင်ကြားရေးအပေါ်မှာ ပိုပြီး အာရုံစိုက်နိုင်စေပါတယ်။
✅စီးပွားရေး
စီးပွားရေးနယ်ပယ်မှာတော့ AI ဟာ လုပ်ငန်းဆောင်ရွက်ပုံတွေကို ပိုပြီး အဆင့်မြင့်အောင် လုပ်ဆောင်ပေးနိုင်ပါတယ်။
စျေးကွက်ရှာဖွေရေး (Marketing): AI ကိုသုံးပြီး ကြော်ငြာစာသားတွေ၊ အီးမေးလ်မက်ဆေ့ခ်ျတွေနဲ့ Social Media Content တွေကို အမြန်ဆုံး ဖန်တီးနိုင်ပါတယ်။ ဒါ့အပြင် သုံးစွဲသူတွေရဲ့ အကြိုက်ကို ခန့်မှန်းပြီး သူတို့အတွက် အသင့်တော်ဆုံး ထုတ်ကုန်တွေကိုလည်း အကြံပြုပေးနိုင်ပါတယ်။
ဖောက်သည်ဝန်ဆောင်မှု (Customer Service): AI Chatbot တွေကို အသုံးပြုပြီး ဖောက်သည်တွေရဲ့ မေးခွန်းတွေကို ၂၄ နာရီပတ်လုံး အလိုအလျောက် ဖြေကြားပေးနိုင်ပါတယ်။ ဒါဟာ ဝန်ဆောင်မှုပေးရာမှာ မြန်ဆန်စေပြီး ကုမ္ပဏီရဲ့ လုပ်ငန်းစရိတ်ကိုလည်း လျှော့ချပေးပါတယ်။
လူ့စွမ်းအားအရင်းအမြစ် (HR): ဝန်ထမ်းခေါ်ယူရေးလုပ်ငန်းစဉ်မှာ AI ကို အသုံးချပြီး ကိုယ်ရေးရာဇဝင် (Resume) တွေကို စစ်ဆေးတာ၊ အကောင်းဆုံး ကိုယ်စားလှယ်လောင်းတွေကို ရွေးချယ်တာမျိုးတွေ လုပ်နိုင်ပါတယ်။ ဒါဟာ အချိန်ကုန်သက်သာစေပြီး ပိုပြီးတိကျတဲ့ ရွေးချယ်မှုတွေ လုပ်နိုင်စေပါတယ်။
✅အနုပညာ
အနုပညာနယ်ပယ်မှာ AI ဟာ လူသားတွေရဲ့ တီထွင်ဖန်တီးနိုင်စွမ်းကို ဖြည့်ဆည်းပေးတဲ့ ကိရိယာတစ်ခုအဖြစ် ရပ်တည်လာပါတယ်။
ဒီဇိုင်း (Design): ပုံဆွဲပညာရှင်တွေနဲ့ ဒီဇိုင်နာတွေဟာ AI ကိုသုံးပြီး စိတ်ကူးသစ်တွေ ရယူတာ၊ ရှုပ်ထွေးတဲ့ ဒီဇိုင်းတွေကို အမြန်ဆွဲတာမျိုးတွေ လုပ်နိုင်ပါတယ်။
ရုပ်ရှင် (Film): AI ကိုသုံးပြီး ဇာတ်ညွှန်းတွေရေးတာ၊ ဇာတ်ကောင်ဒီဇိုင်းတွေ ဖန်တီးတာနဲ့ Special Effects တွေ ထည့်သွင်းတာမျိုးတွေ လုပ်နိုင်ပါတယ်။
ဂီတ (Music): ဂီတပညာရှင်တွေဟာ AI ကိုသုံးပြီး သီချင်းအသစ်တွေ ဖန်တီးတာ၊ စာသားတွေရေးတာနဲ့ သီချင်းအတွက် အသံသစ်တွေ ရှာဖွေတာမျိုးတွေ လုပ်နိုင်ပါတယ်။
✅ကျန်းမာရေးနှင့် သုတေသန
ကျန်းမာရေးနဲ့ သုတေသနနယ်ပယ်မှာ AI ဟာ လူသားတွေရဲ့ အသက်ကို ကယ်တင်နိုင်တဲ့အထိ အသုံးဝင်ပါတယ်။
ဆေးဝါးရှာဖွေရေး: AI ကိုသုံးပြီး ရောဂါတွေကို ကုသဖို့အတွက် ဆေးဝါးအသစ်တွေကို ပိုပြီးမြန်ဆန်စွာ ရှာဖွေနိုင်ပါတယ်။
ရောဂါရှာဖွေရေး: ဆရာဝန်တွေဟာ AI ကို အသုံးပြုပြီး ဓာတ်မှန်ရိုက်ထားတဲ့ ပုံတွေ၊ ဆေးမှတ်တမ်းတွေကို ခွဲခြမ်းစိတ်ဖြာပြီး ရောဂါတွေကို ပိုပြီးတိကျစွာ ရှာဖွေနိုင်ပါတယ်။
သုတေသန: AI ဟာ သိပ္ပံပညာရှင်တွေအတွက် ကြီးမားတဲ့ အချက်အလက် (Data) တွေကို လေ့လာသုံးသပ်ပြီး လျှို့ဝှက်ချက်တွေ၊ အဖြေတွေ ရှာဖွေရာမှာ အထူးအကူအညီပေးနိုင်ပါတယ်။
၂။ AI နှင့် Generative AI တို့ရဲ့ ကွာခြားချက်
လူအများစု မှားယွင်းနားလည်ထားကြတာက AI နဲ့ Generative AI က အတူတူပဲလို့ထင်နေကြတာပါ။ တကယ် တော့ –
- Generative AI ဆိုတာ AI နည်းပညာတစ်ခုလုံးရဲ့ အစိတ်အပိုင်း (Subset) တစ်ခုမျှသာဖြစ်ပါတယ် ။
- Generative AI အားလုံးက AI ဖြစ်ပေမယ့်၊ AI အားလုံးက Generative AI မဟုတ်ပါဘူး။
AI ကို ထီးတစ်ချောင်းလို့ မြင်ကြည့်ပါ ။ ဒီထီးအောက်မှာ –
- Machine Learning
- Computer Vision
- Expert Systems
- Natural Language Processing
- Robotics
- Predictive AI
- Generative AI စတဲ့နည်းပညာများစွာ ပါဝင်နေတာဖြစ်ပြီး Generative AI က အဲဒီအထဲကကဏ္ဍ တစ်ခုပဲ ဖြစ်ပါတယ် ။
AI နဲ့ Generative AI ရဲ့ကွာခြားချက်
| Traditional AI (ရိုးရိုး AI) | Generative AI |
| အချက်အလက်တွေကို ပိုင်းခြားစိတ်ဖြာတယ် | အကြောင်းအရာအသစ်တွေကို ဖန်တီးတယ် |
| ခန့်မှန်းချက်တွေ တွက်ချက်ပေးတယ် | Output အသစ်တွေကို ထုတ်လုပ်ပေးတယ် |
| အချက်အလက်တွေကို အမျိုးအစားခွဲခြားပေ းတယ် | စာသား၊ ပုံ၊ အသံနဲ့ code တွေကို ထုတ်လုပ်ပေးတယ် |
| ပုံစံစနစ် (Patterns) တွေကို ရှာဖွေဖော်ထုတ်တယ် | ပုံစံစနစ်တွေကို အခြေခံပြီး အသစ်ဖန်တီး ပေးတယ် |
| “ဘယ်အရာက ဖြစ်နိုင်ခြေအရှိဆုံးလဲ” ဆိုတာကို ဖြေပေးတယ် | “ဘယ်အရာကို ဖန်တီးလို့ရမလဲ” ဆိုတာကို ဖြေပေးတယ် |
၂.၁ နှိုင်းယှဉ်ချက် ဥပမာအချို့ –
ဥပမာ ၁။ အီးမေးလ် စစ်ထုတ်ခြင်း (Email Filtering)
- Traditional AI: အီးမေးလ်တွေကို စစ်ဆေးတယ် ၊ Spam ဟုတ်မဟုတ် ခန့်မှန်းတယ် ၊ ပြီးတော့ အလိုအလျောက် ခွဲခြားပေးတယ်။
- Generative AI: အီးမေးလ် ရေးပေးတယ် ၊ ပြန်စာတွေ အကြံပြုပေးတယ် ၊ စာသားအရေးအသား တိုးတက်အောင် လုပ်ပေးတယ် ၊ အီးမေးလ် အရှည်ကြီးတွေကို အကျဉ်းချုပ်ပေးတယ်။
ဥပမာ ၂။ မြေပုံနှင့် လမ်းကြောင်းပြစနစ် (Maps and Navigation)
- Traditional AI: ယာဉ်ကြောပိတ်ဆို့မှုတွေကို ခန့်မှန်းပေးတယ် ၊ အမြန်ဆုံး လမ်းကြောင်းတွေကို တွက်ချက်ပေးတယ်။
- Generative AI: ကိုယ်ပိုင်ခရီးစဉ်တွေကို ဖန်တီးပေးတယ် ၊ ခရီးသွားအစီအစဉ်တွေ အကြမ်းဆွဲပေး တယ် ၊ လည်ပတ်စရာ နေရာတွေရဲ့ ဖော်ပြချက်တွေကို ရေးသားပေးတယ်။
ဥပမာ ၃။ ရပ်ရွာလူထု ဆက်သွယ်ရေး (Community Communication)
- Traditional AI: လူထုစစ်တမ်း အချက်အလက်တွေကို ခွဲခြားစိတ်ဖြာပေးတယ် ၊ အလားအလာ (Trends) တွေကို ရှာဖွေပေးတယ်။
- Generative AI: အစီရင်ခံစာတွေ အကြမ်းရေးပေးတယ် ၊ သတင်းလွှာတွေ ဖန်တီးပေးတယ် ၊ Social media အကြောင်းအရာတွေ ထုတ်ပေးတယ် ၊ ဆက်သွယ်ရေး ပစ္စည်းတွေကို ထုတ်လုပ်ပေးတယ်။
၂.၂ Predictive AI (တွက်ချက်ခန့်မှန်းမှု AI) နှင့် Generative AI
Generative AI မတိုင်ခင် ခေတ်က သုံးခဲ့တဲ့ AI စနစ်အများစုက Predictive AI (ခန့်မှန်းမှု AI) တွေ ဖြစ်ကြပါတယ် ။ သူတို့က ရှေ့လျှောက် ဖြစ်လာမယ့် ရလဒ်တွေကို ကြိုတင်ခန့်မှန်းပေးဖို့ကိုပဲ အဓိကထားတာပါ။
- Predictive AI ဥပမာများ – ဝယ်သူတွေရဲ့ အပြုအမူကို ခန့်မှန်းခြင်း ၊ လိမ်လည်မှု (Fraud) များကို စုံစမ်းထောက်လှမ်းခြင်း ၊ မိုးလေဝသ ခန့်မှန်းခြင်း ၊ စက်ပစ္စည်း ပျက်စီးနိုင်ခြေကို ကြိုတင်ခန့်မှန်းခြင်း။
- Generative AI ဥပမာများ – အစီရင်ခံစာ ရေးသားခြင်း ၊ ရုပ်ပုံများ ဖန်တီးခြင်း ၊ Presentations များ ဒီဇိုင်းဆွဲခြင်း ၊ သင်တန်းပို့ချချက် ပစ္စည်းများ ထုတ်လုပ်ခြင်း။
နည်းပညာနှစ်ခုစလုံးက Machine learning နဲ့ အချက်အလက်တွေအပေါ်မှာပဲ အခြေခံထားတာ ဖြစ်ပေမယ့် သူတို့ရဲ့ ရည်ရွယ်ချက်ကတော့ လုံးဝ ကွာခြားပါတယ်။
၂.၃ လက်ရှိအသုံးများနေတဲ့ Generative AI အသုံးချမှုများ
Generative AI ကို ကျွန်တော်တို့ နေ့စဉ်သုံး tools တွေထဲမှာ ပိုပြီးပေါင်းစပ်ထည့်သွင်းလာကြပါပြီ။
- စာသား ထုတ်လုပ်ခြင်း (Text Generation): အစီရင်ခံစာ ၊ သတင်းလွှာ ၊ ဆောင်းပါး ၊ အစည်းအဝေး အကျဉ်းချုပ် ၊ လူမှုကွန်ရက် ပို့စ် (Social media posts) တွေကို ရေးသားပေးနိုင်ပါတယ် ။ ရပ်ရွာလူထု ခေါင်းဆောင်တွေအနေနဲ့ ရုံးလုပ်ငန်း ဝန်ထုပ်ဝန်ပိုးတွေကို လျှော့ချဖို့နဲ့ ဆက်သွယ်ရေး ပိုမိုမြန်ဆန်ဖို့ အသုံးချနိုင်ပါတယ် ။
- ရုပ်ပုံ ထုတ်လုပ်ခြင်း (Image Generation): စာသားနဲ့ အမိန့်ပေးရုံနဲ့ ပုံတွေ ဖန်တီးပေးနိုင်ပါတယ် ။ ဥပမာ – ပွဲလမ်းသဘင် ပိုစတာများ ၊ ပညာပေး သရုပ်ဖော်ပုံများ ၊ အသိပညာပေး Campaign ပစ္စည်းများ ၊ အချက်အလက်ပြပုံများ (Infographics) ။ ဒီဇိုင်းပညာရှင် အင်အားနည်းတဲ့ အဖွဲ့အစည်းတွေအတွက် အသုံးတည့်ပါတယ် ။
- အသံ ထုတ်လုပ်ခြင်း (Audio Generation): စာဖတ်ပြတာ (Narration) ၊ နောက်ခံစကားပြော (Voiceovers) ၊ အသံတုပခြင်း (Speech synthesis) ၊ အသံဖြင့် သင်ယူမှုပစ္စည်းများ ကို ထုတ်ပေးနိုင်လို့ မသန်စွမ်းသူများအတွက် အထောက်အကူပြုသလို ဘာသာစကားမျိုးစုံ ဆက်သွယ်ရေးအတွက်လည်း ကောင်းမွန်ပါတယ် ။
- ဗီဒီယို ထုတ်လုပ်ခြင်း (Video Generation): စာသား Prompt ကနေ ဗီဒီယိုတွေပါ ဖန်တီးပေးနိုင်တဲ့ tools တွေ ထွက်လာနေပါပြီ ။ အများပြည်သူ အသိပညာပေးလုပ်ငန်းတွေ ၊ သင်တန်းဗီဒီယိုတွေနဲ့ ရပ်ရွာအကြောင်း ပြောပြတဲ့ ဗီဒီယိုတွေမှာ သုံးနိုင်ပါတယ် ။
- Code ထုတ်လုပ်ခြင်း (Code Generation): Developer တွေအတွက် code ရေးပေးတာ ၊ ရှင်းပြပေးတာ ၊ Bug ရှာပေးတာနဲ့ Prototype နမူနာပုံစံတွေ ဖန်တီးပေးတာမျိုး ကူညီနိုင်ပါတယ် ။ လူထုခေါင်းဆောင်တွေ တိုက်ရိုက်မသုံးရင်တောင် ဒီအချက်က ဒစ်ဂျစ်တယ်ဝန်ဆောင်မှုတွေ တိုးတက် လာဖို့ အထောက်အကူပြုပါတယ်။
Generative AI ကို ကျွန်တော်တို့ နေ့စဉ်သုံး tools တွေထဲမှာ ပိုပြီးပေါင်းစပ်ထည့်သွင်းလာကြပုံများကို အောက်ပါပုံမှာ ဆက်လက်လေ့လာနိုင်ပါတယ်
၂.၄ Generative AI ရဲ့အားနည်းချက်များ
Generative AI မှာ ကောင်းမွန်တဲ့ စွမ်းဆောင်ရည်တွေ ရှိသလို အားနည်းချက်တွေလည်း ရှိနေပါတယ်။
- Hallucinations : Generative AI က တစ်ခါတရံမှာ အမှန်လိုလိုနဲ့ လုံးဝမှားယွင်းနေတဲ့သတင်းအ ချက်အလက်တွေကို လုပ်ကြံဖန်တီးပြီး ပြောတတ်ပါတယ် ။ ဒါကို Hallucination လို့ ခေါ်ပါတယ် ။ ဒါကြောင့် AI က ထုတ်ပေးတဲ့ အကြောင်းအရာတွေကို အသုံးမပြုခင် အမြဲတမ်း ပြန်လည်စစ်ဆေး (Verify) ရပါမယ်။
- ဘက်လိုက်မှု (Bias): AI က လူတွေဖန်တီးထားတဲ့ အချက်အလက်တွေဆီကနေ သင်ယူတာ ဖြစ်လို့ Training data ထဲမှာ ဘက်လိုက်မှုတွေ ပါနေရင် AI ရဲ့ အဖြေတွေထဲမှာလည်း အဲဒီ ဘက်လိုက်မှုတွေ ပါလာတတ်ပါတယ်။
- လူသားဆန်သော ဝေဖန်ပိုင်းခြားမှု မရှိခြင်း: AI မှာ စာနာစိတ် (Empathy) Advice/Ethics (ကျင့်ဝတ်) ၊ ယဉ်ကျေးမှုဆိုင်ရာ နားလည်မှု နဲ့ ရပ်ရွာဒေသဆိုင်ရာ အသိပညာတွေ မရှိပါဘူး။ လူတွေအပေါ် သက်ရောက်မှုရှိမယ့် ဆုံးဖြတ်ချက်တွေမှာ လူကိုယ်တိုင် ကြီးကြပ်ဖို့ (Human oversight) မဖြစ်မနေ လိုအပ်ပါတယ်။
- Privacy (ကိုယ်ရေးအချက်အလက်လုံခြုံမှု) ဆိုင်ရာစိုးရိမ်ရမှုများ: သင့်လျော်တဲ့ ကာကွယ်ရေးစနစ် တွေ မရှိရင် AI ထဲကို ကိုယ်ရေးကိုယ်တာ အချက်အလက်တွေ ၊ လျှို့ဝှက် မှတ်တမ်းတွေနဲ့ အထိမခံတဲ့ ရပ်ရွာလူထုဆိုင်ရာ အချက်အလက်တွေကို မထည့်သွင်းသင့်ပါဘူး။
References