ကဗျာတွေ၊ စာစီစာကုံးတွေ၊ စာအုပ်တွေတောင် ရေးနိုင်တဲ့ အဖွင့် AI ပလက်ဖောင်း ChatGPT က မလုပ်နိုင်တာများ ရှိပါသလား။ AI နယ်ပယ်မှာ ဖြစ်ပေါ်လာတဲ့ ဒီတိုးတက်မှုအသစ်တွေကြောင့် TU Delft နဲ့ ဆွစ်ဇာလန်နည်းပညာတက္ကသိုလ် EPFL က သုတေသီတွေဟာ ဒီအကြောင်းကို ပိုမိုနက်နက်ရှိုင်းရှိုင်း လေ့လာဖို့ စိတ်အားထက်သန်လာခဲ့ကြပါတယ်။ ဥပမာအားဖြင့် ChatGPT က စက်ရုပ်တစ်ရုပ်ကိုလည်း ဒီဇိုင်းဆွဲပေးနိုင်ပါသလား။ ဒီလိုလုပ်တာက ဒီဇိုင်းလုပ်ငန်းစဉ်အတွက် ကောင်းကျိုးရှိသလား၊ ဒါမှမဟုတ် အန္တရာယ်တွေ ရှိနိုင်ပါသလား။ သုတေသီတွေဟာ သူတို့ရဲ့ တွေ့ရှိချက်တွေကို Nature Machine Intelligence မှာ ထုတ်ဝေခဲ့ကြပါတယ်။
လူသားတွေအတွက် အနာဂတ်မှာ ရင်ဆိုင်ရမယ့် အကြီးမားဆုံး စိန်ခေါ်မှုတွေက ဘာတွေလဲ။ ဒါဟာ TU Delft က လက်ထောက်ပါမောက္ခ Cosimo Della Santina နဲ့ ပါရဂူကျောင်းသား Francesco Stella တို့အပြင် EPFL က Josie Hughes တို့ ChatGPT ကို မေးခဲ့တဲ့ ပထမဆုံးမေးခွန်းပါ။ “စက်ရုပ်တစ်ရုပ်ကိုပဲ ဒီဇိုင်းဆွဲခိုင်းချင်တာ မဟုတ်ဘဲ တကယ်အသုံးဝင်မယ့် စက်ရုပ်တစ်ရုပ်ကို ဒီဇိုင်းဆွဲခိုင်းချင်ခဲ့တာပါ” လို့ Della Santina က ပြောပါတယ်။ နောက်ဆုံးမှာ သူတို့ဟာ အစားအစာထောက်ပံ့ရေးကို စိန်ခေါ်မှုအဖြစ် ရွေးချယ်ခဲ့ကြပြီး ChatGPT နဲ့ ဆွေးနွေးရင်း ခရမ်းချဉ်သီးခူးဆွတ်တဲ့ စက်ရုပ်တစ်ရုပ် ဖန်တီးဖို့ စိတ်ကူးရခဲ့ကြပါတယ်။
အသုံးဝင်သော အကြံပြုချက်များ
သုတေသီများသည် ChatGPT ၏ ဒီဇိုင်းဆိုင်ရာ ဆုံးဖြတ်ချက်အားလုံးကို လိုက်နာခဲ့ကြသည်။ Stella ၏အဆိုအရ၊ အယူအဆပုံဖော်သည့်အဆင့်တွင် ၎င်း၏အကြံပြုချက်များသည် အထူးတန်ဖိုးရှိခဲ့သည်။ "ChatGPT က ဒီဇိုင်နာတွေရဲ့ အသိပညာကို အခြားကျွမ်းကျင်မှုနယ်ပယ်တွေအထိ တိုးချဲ့ပေးတယ်။ ဥပမာ၊ အလိုအလျောက်စနစ်သုံးဖို့ ဘယ်သီးနှံက စီးပွားရေးအရ အတန်ဆုံးဖြစ်မလဲဆိုတာကို ချတ်ဘော့က သင်ပေးခဲ့တယ်။" သို့သော် ChatGPT သည် အကောင်အထည်ဖော်သည့်အဆင့်တွင်လည်း အသုံးဝင်သော အကြံပြုချက်များ ပေးခဲ့သည်။ "ခရမ်းချဉ်သီးတွေ မကြေမွအောင် လက်ကိုင်ကို ဆီလီကွန် ဒါမှမဟုတ် ရာဘာနဲ့ လုပ်ပါ" နှင့် "စက်ရုပ်ကို မောင်းနှင်ဖို့ အကောင်းဆုံးနည်းလမ်းက Dynamixel မော်တာကို သုံးတာပဲ" ဟူ၍ ဖြစ်သည်။ လူသားများနှင့် AI တို့ ပူးပေါင်းဆောင်ရွက်မှုမှ ရရှိလာသော ရလဒ်မှာ ခရမ်းချဉ်သီးများကို ခူးဆွတ်နိုင်သည့် စက်ရုပ်လက်တံတစ်ခု ဖြစ်သည်။
သုတေသီအဖြစ် ChatGPT
ပူးပေါင်းဒီဇိုင်းရေးဆွဲသည့် လုပ်ငန်းစဉ်သည် အပြုသဘောဆောင်ပြီး အကျိုးဖြစ်ထွန်းကြောင်း သုတေသီများ တွေ့ရှိခဲ့ကြသည်။ "ဒါပေမဲ့ အင်ဂျင်နီယာတွေအနေနဲ့ ကျွန်တော်တို့ရဲ့ အခန်းကဏ္ဍက နည်းပညာပိုင်းဆိုင်ရာ အလုပ်တွေကို ပိုမိုလုပ်ဆောင်ဖို့ ပြောင်းလဲသွားတာကို တွေ့ခဲ့ရတယ်" ဟု Stella က ပြောသည်။ Nature Machine Intelligence တွင် သုတေသီများသည် ChatGPT အပါအဝင် Large Language Models (LLM) များနှင့် လူသားတို့အကြား ပူးပေါင်းဆောင်ရွက်မှုပုံစံ အမျိုးမျိုးကို လေ့လာထားကြသည်။ အစွန်းရောက်ဆုံးအခြေအနေတွင် AI က စက်ရုပ်ဒီဇိုင်းအတွက် လိုအပ်သည့် အချက်အလက်အားလုံးကို ပေးပြီး လူသားက ၎င်းကို မစဉ်းစားဘဲ လိုက်နာသည်။ ထိုအခြေအနေတွင် LLM သည် သုတေသီနှင့် အင်ဂျင်နီယာအဖြစ် လုပ်ဆောင်ပြီး လူသားကမူ ဒီဇိုင်းရည်မှန်းချက်များကို သတ်မှတ်ပေးရသည့် မန်နေဂျာအဖြစ် လုပ်ဆောင်သည်။
သတင်းမှားများ ဖြစ်ပေါ်နိုင်ခြေ
ယနေ့ခေတ် LLM များဖြင့် ထိုမျှအစွန်းရောက်သော အခြေအနေမျိုးကို အကောင်အထည်ဖော်နိုင်ခြင်း မရှိသေးပါ။ ထို့အပြင် ထိုသို့ဖြစ်ခြင်းက လိုလားအပ်သလားဆိုသည့် မေးခွန်းလည်း ရှိနေသည်။ "တကယ်တော့ LLM က ထုတ်ပေးတဲ့အဖြေကို စစ်ဆေးအတည်ပြုမထားရင် လမ်းလွဲစေနိုင်တယ်။ AI ဘော့တွေကို မေးခွန်းတစ်ခုအတွက် 'ဖြစ်နိုင်ခြေအများဆုံး' အဖြေကို ထုတ်ပေးဖို့ ဒီဇိုင်းဆွဲထားတာဖြစ်လို့ စက်ရုပ်ပညာနယ်ပယ်မှာ သတင်းမှားတွေနဲ့ ဘက်လိုက်မှုတွေ ဖြစ်ပေါ်နိုင်တဲ့ အန္တရာယ်ရှိတယ်" ဟု Della Santina က ပြောသည်။ LLM များနှင့် လုပ်ကိုင်ခြင်းသည် ခိုးယူကူးချမှု၊ ခြေရာခံနိုင်မှုနှင့် ဉာဏပစ္စည်းမူပိုင်ခွင့်တို့ကဲ့သို့သော အခြားအရေးကြီးကိစ္စရပ်များကိုလည်း ပေါ်ပေါက်စေသည်။
Della Santina၊ Stella နှင့် Hughes တို့သည် စက်ရုပ်ပညာဆိုင်ရာ သုတေသနများတွင် ခရမ်းချဉ်သီးခူးဆွတ်သည့် စက်ရုပ်ကို ဆက်လက်အသုံးပြုသွားမည်ဖြစ်သည်။ ၎င်းတို့သည် စက်ရုပ်အသစ်များကို ဒီဇိုင်းဆွဲရာတွင် LLM များကို အသုံးပြုနိုင်ပုံကိုလည်း ဆက်လက်လေ့လာနေကြသည်။ အထူးသဖြင့်၊ AI များက ၎င်းတို့၏ကိုယ်ပိုင်ကိုယ်ထည်ကို ဒီဇိုင်းဆွဲရာတွင် မည်မျှ ကိုယ်ပိုင်ဆုံးဖြတ်ခွင့်ရှိနိုင်သည်ကို စူးစမ်းလေ့လာနေကြသည်။ "နောက်ဆုံးမှာတော့ ကျွန်တော်တို့ရဲ့ နယ်ပယ်အနာဂတ်အတွက် ပွင့်လင်းနေဆဲ မေးခွန်းတစ်ခုက ၂၁ ရာစုရဲ့ စိန်ခေါ်မှုတွေကို စက်ရုပ်ပညာက ရင်ဆိုင်နိုင်ဖို့ လိုအပ်တဲ့ တီထွင်ဖန်တီးနိုင်စွမ်းနဲ့ ဆန်းသစ်တီထွင်မှုတွေကို မကန့်သတ်ဘဲ စက်ရုပ်တွေ တီထွင်သူတွေကို ကူညီဖို့ LLM တွေကို ဘယ်လို အသုံးပြုနိုင်မလဲဆိုတာပါပဲ" ဟု Stella က နိဂုံးချုပ်သည်။