저자: CloudY, Jam

편집: Vincero, YL

검토: Yasmine

2022년 11월 말에 OpenAI가 지능형 대화 시스템 ChatGPT를 출시했으며, 이 소식은 전 세계적으로 빠르게 큰 관심과 뜨거운 화제를 불러일으켰습니다.

AI 관련 종목들은 A주, 미국주식, 또는 크립토 등 무엇이든 간에 모두 급등했습니다. 이후 ChatGPT가 널리 사용되면서 사람들은 그것이 전 세계에 미치는 영향에 주목하기 시작했고, 끊임없이 새로운 ChatGPT 활용 시나리오와 동일 유형의 제품들이 업데이트·진화해 왔습니다.

심지어 마이크로소프트도 OpenAI를 인수하고 ChatGPT를 Bing 및 Office 생태계에 내장하면서 투자자들의 무한한 기대를 받았고, 주가가 하늘로 치솟았습니다. ChatGPT4가 등장하기 전까지는요. ChatGPT4가 보여준 초인공지능의 성격은 사람들로 하여금 흥분에서 한발 물러나, AI가 자신이 몸담은 업계에 어떤 변화를 가져올지, 그리고 AI가 더 발전했을 때의 잠재적 위험은 무엇인지 고민하게 만들었습니다.

ဒီဆောင်းပါးက ဒီနောက်ခံအခြေအနေအောက်မှာ ရေးသားထားပြီး AI နဲ့ Blockchain နှစ်ခုလုံးကို လေ့လာပြီး စဉ်းစားရင်း ဒီပြဿနာအတွက် အဖြေကို ရှာဖွေဖို့ ကြိုးစားထားတယ်။

AI လုပ်ငန်းနယ်ပယ် ဖွံ့ဖြိုးတိုးတက်မှု၏ လက်ရှိအခြေအနေ

ထုတ်လုပ်အား ကိရိယာ (Production Tool)

AI ကို ထုတ်လုပ်အား (production) ကိရိယာတစ်မျိုးအဖြစ် ရှုမြင်နိုင်တယ်။ လက်မှတ်ကိရိယာ/ကျောက်ခေတ်ကိရိယာ၊ ရေနွေးငွေ့စက်၊ အတွင်းလောင်ကျွမ်းအင်ဂျင်၊ လျှပ်စစ်မော်တာ၊ ကွန်ပျူတာ၊ အင်တာနက် စတာတွေ လူသားအတွက် သက်ရောက်သလိုပဲ—AI က ကိရိယာတစ်ခုအနေနဲ့ လူ့လောက လူမှုအဖွဲ့အစည်းအတွက် ထုတ်လုပ်အားနဲ့ ထုတ်လုပ်ဆက်ဆံရေးတွေကို အလွန်ပြောင်းလဲစေတဲ့ အခန်းကဏ္ဍရှိတယ်။ AI ပြောင်းလဲပေးတာက ထုတ်လုပ်အားပဲ ဖြစ်ပြီး၊ လူသားတွေအတွက် ကွန်ပျူတာနဲ့ ထိတွေ့ဆက်သွယ်မှု (computer interaction) အဆင့်တံခါးကို လျှော့ချပေးတဲ့အပြင် ထပ်ခါထပ်ခါ ထုတ်လုပ်ရတဲ့ လုပ်ငန်းရဲ့ ထိရောက်မှုကိုလည်း တိုးမြှင့်ပေးတယ်။ ပထမက လူသားဘဝအရည်အသွေးကို တိုးတက်စေပြီး၊ ဒုတိယက လူသားဖွံ့ဖြိုးတိုးတက်မှုကို ဟန့်တားနေတဲ့အတားအဆီးတွေကို လျှော့ချပေးတယ်။

တိတိကျကျဆိုရင် AI နည်းပညာက စက်မှုလုပ်ငန်းများစွာမှာ နက်ရှိုင်းတဲ့ သက်ရောက်မှုတွေ ဖြစ်စေခဲ့တယ်။ ဥပမာ စမတ်ထုတ်လုပ်ရေး (intelligent manufacturing)、 ကျန်းမာရေးစောင့်ရှောက်မှု (medical health)、 ဘဏ္ဍာရေး (finance)、 သယ်ယူပို့ဆောင်ရေး (transportation)、 ပညာရေး (education) စတဲ့ နယ်ပယ်တွေ ပါဝင်တယ်။ AI နည်းပညာနဲ့ လူတွေက စက်တွေကို စက်လေ့ကျင့်ခြင်း (machine learning) နဲ့ အလိုအလျောက် non-creative task အချို့ကို လုပ်ဆောင်စေနိုင်တယ်။ ဒီအတွက် အချို့သော လုပ်ငန်းတွေမှာ ထုတ်လုပ်မှု စွမ်းဆောင်ရည်ကို တိုးစေပြီး ကုန်ကျစရိတ်ကို လျှော့ချနိုင်တယ်။ ဥပမာ AI နဲ့ ပရိုတိန်းဖွဲ့စည်းပုံကို ခန့်မှန်းပြီး သစ်လုံးဆေးအသစ်တွေကို သုတေသနလုပ်ခြင်း—Meta AI အဖွဲ့က လေ့ကျင့်ထားတဲ့ ESMFold ကတော့ မက်ခရိုဂျီနိုမ် (metagenome) dataset တွေထဲက ပရိုတိန်း ပေါင်း ၆၀၀ သန်းကျော်ကို ခန့်မှန်းနိုင်ပြီး၊ သဘာဝတရားထဲက ပရိုတိန်းတွေရှိတဲ့ အကျယ်အဝန်းနဲ့ မတူကွဲပြားမှုကို ပြသခဲ့တယ်။ ဒါက အရင်က မဖြစ်နိုင်သလို မယုံကြည်နိုင်တဲ့အရာတစ်ခု ဖြစ်တယ်။

လွယ်လွယ်ပြောရရင် AI နည်းပညာကို အသုံးပြုတဲ့အခါ သဘာဝဘာသာစကား (natural language) နဲ့ အရင်က ရှုပ်ထွေးတဲ့ ပရိုဂရမ်တွေကို ကိုင်တွယ်နိုင်တယ်။ ရှုပ်ထွေးတဲ့ ပရိုဂရမ်တွေရဲ့ အခြေခံသဘောတရားကို နားမလည်လည်းရတယ်၊ code ဘယ်လိုရေးရမလဲဆိုတာကိုလည်း မသိဖို့ မလိုဘူး။ ကျွန်တော်တို့ AI ကို “ဘယ်လို output ရလဒ်မျိုးလိုချင်တယ်” လို့ ပြောပေးလိုက်ရုံနဲ့ AI က အဲ့ဒီရလဒ်ကို ရဖို့လိုတဲ့ အလယ်အလတ်အဆင့်တွေကို ဆောင်ရွက်ပြီး “လိုချင်တဲ့ ရလဒ်” ကို ပြန်ထုတ်ပေးနိုင်တယ်။ ဒါက AI က ယူဆောင်လာတဲ့ ထုတ်လုပ်အား (production power) တိုးတက်မှုပါပဲ။

ဒါကပဲ အားလုံးသိကြတဲ့ AIGC ဖြစ်ပြီး ၎င်းကို စမတ်客服、virtual people、ဂိမ်းများ စတဲ့ နယ်ပယ်တွေမှာ ပိုမိုကျယ်ပြန့်စွာ အသုံးချလာမယ်။ ChatGPT ကရှိပြီးသား စကားလုံးအကြောင်းအရာ (corpus) တွေအပေါ်မူတည်ပြီး virtual people、ဂိမ်းတွေလို နယ်ပယ်တွေမှာ ပိုမို လွယ်ကူ သဘာဝကျတဲ့ စကားပြောအတွေ့အကြုံ (dialogue experience) ကို ပေးနိုင်ပြီး အသုံးပြုသူအတွေ့အကြုံနဲ့ product ရဲ့ စျေးကွက်ယှဉ်ပြိုင်နိုင်စွမ်းကို ပိုတိုးစေမယ်။ ပိုပြီးအရေးကြီးတာကတော့ ChatGPT က လူသားတွေကို ထပ်ခါထပ်ခါ လုပ်ရတဲ့ အကြောင်းအရာဖန်တီးမှုတွေကို အစားထိုးနိုင်တယ်။ ဥပမာ programmatic reports、ရိုးရှင်းတဲ့ သတင်းအချက်အလက်စုဆောင်းပြီး စုချုပ်ခြင်း、ဘာသာပြန်ခြင်းနဲ့ သတ်မှတ်ထားတဲ့ အခြေအနေ (limited conditions) ပါဝင်တဲ့ illustration ပုံရေးဆွဲခြင်း စတာတွေ။ လူသားတွေရဲ့ ထုတ်လုပ်အားကို ထပ်မံ လွတ်ကင်းစေပြီး အရေးကြီးတဲ့ command ကိုထည့်သွင်းခြင်း သို့မဟုတ် ဖန်တီးခြင်းကိုပဲ အဓိကထားပြီး၊ ထပ်ခါထပ်ခါ command တွေကို အခြေအနေအတိုင်း လုပ်ဆောင်နေစရာ မလိုတော့ဘူး။

နည်းပညာလမ်းကြောင်း လမ်းညွှန် (Technology Trend Guide)

AI လက်ရှိအဓိကအသုံးချမှုတွေက general artificial intelligence、knowledge graphs、data analysis & synthesis、automatic driving (autonomous driving) နဲ့ AIGC စတာတွေ ပါဝင်တယ်။

其中：

• knowledge graph：knowledge graph က müxtəlif entity、relationship နဲ့ attribute တွေကို ပုံစံတစ်ခုအဖြစ် node-edge graph လို အရာအဖြစ် ကိုယ်စားပြုပြီး smart search、recommendation、question answering (မေးခွန်းဖြေကြား) စတဲ့ application တွေကို ပံ့ပိုးပေးတယ်။

• synthetic data：synthetic data ဆိုတာက machine learning နဲ့ အခြား AI နည်းပညာတွေဖြင့် ထုတ်လုပ်ထားတဲ့ ဒေတာဖြစ်ပြီး AI model တွေကို လေ့ကျင့်ရန်နဲ့ အကဲဖြတ်ရန် အသုံးပြုနိုင်တယ်။ ကိုယ်ရေးလုံခြုံရေးနဲ့ လုံခြုံရေး စတဲ့ အကြောင်းရင်းတွေကြောင့် အမှန်တကယ် ဒေတာကို ရယူ/မျှဝေဖို့ မလွယ်ကူတတ်ဘူး။ ထို့ကြောင့် synthetic data က အချို့သော scenario တွေမှာ အမှန်ဒေတာကို အစားထိုးနိုင်တယ်။

• AIGC：AIGC နည်းပညာက deep learning နဲ့ generative models ကို အခြေခံတဲ့ နည်းပညာတစ်မျိုး ဖြစ်ပြီး စာသားထုတ်လုပ်ခြင်း、အသံထုတ်လုပ်ခြင်း、ပုံရိပ်ထုတ်လုပ်ခြင်း、ဗီဒီယိုထုတ်လုပ်ခြင်း စတဲ့ နယ်ပယ်များစွာမှာ အသုံးချနိုင်တယ်။ လက်ရှိမှာလည်း ဆွေးနွေးပြီး အသုံးချနေဆုံး သဘောတရားဖြစ်တယ်။

စျေးကွက်က စုစုပေါင်း ရန်ပုံငွေထောက်ပံ့တဲ့ အရေအတွက်/ငွေပမာဏ စာရင်းအင်းရော၊ မီဒီယာစိတ်ဝင်စားမှု (media attention) နဲ့ပါ စဉ်းစားကြည့်လျှင် ၂၀၂၂ ခုနှစ်ဟာ AIGC ပေါက်ကွဲထွက်လာတဲ့နှစ် (爆发的一年) ဖြစ်မှာ မလွဲဘူး။ ဒါပေမဲ့ AIGC ကတော့ အတော်လေး နည်းပညာအသစ် (relatively new) တစ်ခု ဖြစ်ပြီး စူးစမ်းရှာဖွေ/ဖွံ့ဖြိုးရေးအစောပိုင်း အဆင့်မှာပဲ ရှိနေသေးတယ်။

အထူးသဖြင့် AIGC ရဲ့ ဖွံ့ဖြိုးရေးအဆင့်ကို ဒီလိုဖော်ပြနိုင်တယ်—

• သုတေသနအဆင့်：အဓိကအားဖြင့် AIGC ရဲ့ အခြေခံမူ (basic principles) နဲ့ အယ်ဂိုရီသမ်တွေကို အာရုံစိုက်ပြီး၊ မော်ဒယ်ကို ဘယ်လို train/optimize လုပ်မလဲဆိုတာနဲ့ database တည်ထောင်မှုကို ရှာဖွေတယ်။

• အသုံးချအဆင့်：AIGC ကို အမျိုးမျိုးသော လက်တွေ့အသုံးချ scenario တွေမှာ စတင်အသုံးချလာပြီး၊ အဲဒီနည်းပညာကို သီးသန့်နယ်ပယ်တွေမှာ ဘယ်လိုချိတ်ဆက်အသုံးချမလဲဆိုတာကို စတင်စူးစမ်းတယ်။

• စက်မှုလုပ်ငန်းလို (industrialization) အဆင့်：AIGC ကို စက်မှုလုပ်ငန်းနဲ့ နယ်ပယ်မျိုးစုံမှာ ကျယ်ပြန့်စွာ အသုံးချလာပြီး ကိုယ့်ရဲ့ supply chain (စီးပွားရေးကွင်းဆက်) နဲ့ အထောက်အကူပြု ecosystem တစ်ခုကို ပုံသွင်းလာတယ်။

ခြုံကြည့်လျှင် ကျွန်တော်တို့က သုတေသနအဆင့်ကနေ အသုံးချအဆင့်ကို 막막 (just) စတင်လှမ်းလာတာပဲ ဖြစ်ပြီး၊ AIGC ရဲ့ ဖွံ့ဖြိုးတိုးတက်မှုက လက်စတင်တဲ့အဆင့်မှာ ရှိနေသေးတယ်။

အဓိက အချက်များ (Core Elements)

ဒေတာ၊ အယ်ဂိုရီသမ်နှင့် ကွန်ပျူတာလုပ်အား (စွမ်းအား/compute) တို့သည် AI ဖွံ့ဖြိုးတိုးတက်ရေး၏ အဓိက အရေးပါသည့် အချက် ၃ ခု ဖြစ်သည်။

• ဒေတာပိုင်းမှာတော့ AI နည်းပညာသည် အဆက်မပြတ် တိုးတက်လာတာနဲ့အမျှ ဒေတာအရည်အသွေးနှင့် မတူကွဲပြားမှု (diversity) လည်း ပိုပိုပြီး အရေးကြီးလာတယ်။ အပလီကေးရှင်း အများကြီးရှိတဲ့ စာရင်းဒေတာ (massive application scenario data) တွေအပြင် ဒေတာကို ထိရောက်စွာ သန့်ရှင်းရေး (cleaning)、 ကြိုတင်ပြင်ဆင် (preprocessing) နဲ့ အညွှန်းတင် (labeling) လုပ်ဖို့လည်း လိုအပ်တယ်။ ဒါက အယ်ဂိုရီသမ် လေ့ကျင့်မှုရဲ့ တိကျမှု (training precision) ကို တိုးမြှင့်ဖို့ ဖြစ်တယ်။ ထို့အပြင် မော်ဒယ်မျိုးစုံ (cross-modality)၊ နယ်ပယ်မျိုးစုံ (cross-domain) တွေအကြား ဒေတာပေါင်းစပ်ရေး (data fusion) ကိုလည်း ထည့်စဉ်းစားရမယ်။ ဒီလိုလုပ်ခြင်းဖြင့် ဒေတာတန်ဖိုးနဲ့ ဉာဏ်ရည် (intelligence) ကို ပိုကောင်းကောင်း ရှာဖွေ တူးဖော်နိုင်မှာ ဖြစ်တယ်။

• အယ်ဂိုရီသမ်ပိုင်းမှာတော့ လက်ရှိ AI နည်းပညာဖွံ့ဖြိုးမှုဟာ အဆက်မပြတ် ပြန်လည်တိုးတက် (iterate) နဲ့ မြှင့်တင် (improve) နေတဲ့ လုပ်ငန်းစဉ်ထဲမှာ ရှိနေသေးတယ်။ အနာဂတ်ဖွံ့ဖြိုးရေးလမ်းကြောင်း (development trend) ကတော့ အဓိကအားဖြင့် Deep Learning အယ်ဂိုရီသမ်တွေရဲ့ မော်ဒယ်ပေါင်းစုံ (multi-modal) နှင့် မော်ဒယ်ကြီးများ (large models) ဘက်မှာ တိုးတက်မှု၊ မိမိကိုယ်တိုင် သင်ယူနိုင်မှု (autonomous learning)、 ဗဟုသုတ လွှဲပြောင်းမှု (knowledge transfer) နဲ့ တိုးတက်လေ့ကျင့်မှု (incremental learning) တို့လို အပိုင်းတွေထဲက တီထွင်မှုများမှာ ပိုပြီး ထင်ရှားလာမယ်။ ဒါက AI အယ်ဂိုရီသမ်ရဲ့ ဉာဏ်ရည်အဆင့် (intelligent level) နဲ့ အသုံးချနိုင်မှု အတိုင်းအတာကို တိုးမြှင့်ပေးပြီး AI နည်းပညာကို ပိုကျယ်ပြန့်စွာ အသုံးချနိုင်အောင် ကူညီမယ်။

• ကွန်ပျူတာလုပ်အား (စွမ်းအား/compute) ပိုင်းမှာတော့ AI တွက်ချက်မှု (AI computation) ကို အရှိန်မြှင့်ပြီး အကောင်းဆုံးပြင်ဆင် (optimize) လုပ်နိုင်လာတာနဲ့အမျှ ဟာ့ဒ်ဝဲ (hardware) သယ်ဆောင်ပစ္စည်း (载体) တွေလည်း အဆင့်မြှင့်ပြီး ပြင်ဆင်တိုးတက်လာတယ်။ ဥပမာ GPU、TPU လို အထူးပြု ချစ်ပ်များ (specialized chips) ပေါ်ပေါက်လာတာကြောင့် AI တွက်ချက်မှုရဲ့ ထိရောက်မှုနဲ့ အမြန်နှုန်းကို အများကြီး တိုးတက်စေတယ်။ ထို့အပြင် cloud computing နဲ့ edge computing ဖွံ့ဖြိုးလာတာက AI compute အတွက် ပိုမို လိုက်လျောညီထွေရှိပြီး မတူကွဲပြားတဲ့ တွက်ချက်မှုပတ်ဝန်းကျင် (computing environment) ကို ပေးနိုင်တယ်။

Blockchain လုပ်ငန်းနယ်ပယ် ဖွံ့ဖြိုးတိုးတက်မှု၏ လက်ရှိအခြေအနေ

ဖြန့်ဝေစာရင်းစာအုပ် (Distributed Ledger)

Blockchain သည် ဗဟိုမဲ့ (decentralized) ဖြန့်ဝေစာရင်းစာအုပ် (distributed ledger) ဖြစ်သည်။

ပထမအချက်အနေဖြင့် Blockchain တွင် မပြောင်းလဲနိုင်/ မပြန်ရေးပြင်နိုင် (不可篡改) သည့် အရည်အသွေး (property) ရှိတယ်။ ဒီဟာက blockchain အောက်ခံ (底层) ရဲ့ သဘောတူညီမှုယန္တရား (consensus mechanism) ကလာတာဖြစ်ပြီး၊ အကြောင်းကတော့ လိုင်း (chain) ပေါ်က ဒေတာတွေကို block အဖြစ် စာရင်းသွင်းထားပြီး မိုင်းလုပ်သူ/ စစ်ဆေးအတည်ပြုသူ node များ (miner/validation nodes) ကလည်း သက်သေအဖြစ် ပါဝင်ခြင်းကြောင့် ဖြစ်တယ်။ Block တွေက ရှေ့နောက် ဆက်စပ်နေပြီး အဆက်ပြတ်မရှိ စဉ်ဆက်ပြီး မှတ်တမ်းတင်နေတဲ့အတွက် smart contract နဲ့ account တို့ကနေ ထွက်လာတဲ့ chain ပေါ်က ဒေတာကို တစ်ကြိမ် block က စာရင်းသွင်းပြီးတာနဲ့ ပြင်လို့မရတော့ဘူး။

အကြောင်းက node အရေအတွက် တိုးလာခြင်း၊ ပထဝီအနေအထား မတူကွဲပြားစွာ ဖြန့်ကျက်ခြင်း၊ compute (算力) တိုးလာခြင်း သို့မဟုတ် staking token တန်ဖိုး မြင့်တက်လာခြင်းတို့ကြောင့် သဘောတူညီမှု (consensus) ကို ပျက်စီးအောင်လုပ်ဖို့ ကြိုးစားတာရဲ့ အခက်အခဲနဲ့ကုန်ကျစရိတ်က ပိုပို ကြီးလာတယ်။ ထို့ကြောင့် ဗဟိုပြုတဲ့ တစ်ဦးချင်းကတော့ စာရင်းသွင်းပြီးသား အကြောင်းအရာကို ပြောင်းလဲဖို့ ခက်ပါတယ်။

ဒုတိယအချက်အနေဖြင့် မပြောင်းလဲနိုင် (不可篡改) ဆိုတဲ့ အခြေခံပေါ်မှာ၊ ကုဒ် (code) ကို အခြေခံပြီး တည်ဆောက်ထားတဲ့ smart contract က အသုံးပြုသူတွေကို မည်သူ့ကိုမှ မယုံကြည်ဘဲ (无需信任任何人的情况下) ၎င်းနှင့် အပြန်အလှန် ဆက်သွယ်နိုင်စေတယ်။ Smart contract က ကြိုတင်သတ်မှတ်ထားတဲ့ လမ်းကြောင်း (预设好的路径) အတိုင်း ကုဒ်ကို လည်ပတ်ပြီး သက်ဆိုင်ရာ လုပ်ဆောင်ချက်တွေကို အကောင်အထည်ဖော်မယ်။ ဒါကြောင့် မယုံကြည်မှုမလိုအပ်တဲ့ chain ပေါ်က ငွေလွှဲ/ transaction တွေ ဖြစ်လာနိုင်တယ်။

တစ်ဖက်မှာလည်း သက်ဆိုင်ရာ account ပဲ smart contract အတွင်းက သူ့ပိုင်ဆိုင်မှုများကို ခေါ်သုံးနိုင်ပြီး အခြား account တစ်ခုခုက smart contract ကို အသုံးချပြီး မူရင်း account ရဲ့ ပိုင်ဆိုင်မှုတွေကို လွှဲယူသွားတာမျိုး မရှိဘူး။ ထို့အပြင် မူရင်း account ရဲ့ အလုပ်တစ်ခုချင်းစီကို လုပ်ဆောင်ရာမှာ လက္ခဏာ (signature) နဲ့ အထောက်အထား (identity) အတည်ပြုမှု လိုအပ်တယ်။ ပထမဆုံး ငွေလွှဲဆက်သွယ်မှုတောင်မှ smart contract ကို ပိုင်ဆိုင်မှုကို ခေါ်ထုတ် (调取) သုံးစွဲဖို့ ပထမဦးစွာ Approve လုပ်ရနိုင်တယ်။ ဒါက အသုံးပြုသူရဲ့ wallet account ကို မိမိရဲ့ အကောင်းဆုံး identity (DID) နဲ့ ပိုင်ဆိုင်မှု (asset) ကို သယ်ဆောင်ပေးတဲ့ အရာအဖြစ် ဖြစ်စေတယ်။

သဘောတူညီမှုယန္တရား (consensus) နဲ့ smart contract တွေရဲ့ ဖွဲ့စည်းပုံ (framework) အတွင်းမှာတော့ chain ပေါ်က ပိုင်ဆိုင်မှုအားလုံးနဲ့ chain ပေါ်က လုပ်ဆောင်ချက်အားလုံးကို မှတ်တမ်းတင်ပြီး အခွင့်အရေးအဖြစ် အတည်ပြု (确权) လို့ရတယ်။ အဲဒီအပေါ်မှာ ထွက်ပေါ်လာတဲ့ အခွင့်အရေးတွေကိုလည်း ၎င်းတို့ပိုင်ရှင် account ထဲကို အလိုအလျောက် စုစည်းနိုင်တယ်။ ဒါက “တကယ့် Monkey King vs အတု Monkey King” နဲ့ “နေရာလွှဲခေါ်ဖို့ (李代桃僵)” လို ပြဿနာတွေကို တိုက်ရိုက်ဖြေရှင်းနိုင်တယ်။ ဘယ်သူမှ Copy Paste နဲ့ အခြားသူရဲ့ ပိုင်ဆိုင်မှုတွေကို ခိုးယူလို့မရနိုင်သလို၊ အခွင့်အရေးပိုင်ရှင်ကို အစားထိုးပြီး အမြတ်ကိုယူသွားလည်း မဖြစ်နိုင်ဘူး။

တိတိကျကျဆိုရင် ဒစ်ဂျစ်တယ်ပိုင်ဆိုင်မှု (digital assets) တွေကို Token ပုံစံနဲ့ ၎င်းရဲ့ ထူးခြားတဲ့ smart contract လိပ်စာ (unique smart contract address) အဖြစ် သတ်မှတ်နိုင်တယ်။ ဥပမာ NFT က ဒစ်ဂျစ်တယ် ပန်းချီကားတစ်ခုကို ကိုယ်စားပြုနိုင်တယ်။ ထို့ပြင် လူတိုင်းရဲ့ လုပ်ဆောင်ချက်တွေကိုလည်း လွှဲပြောင်းလို့မရတဲ့ token (SBT) နဲ့ သက်သေပြနိုင်တယ်။ ဥပမာ သူ့ရဲ့ အလုပ်အကြောင်းအရာ (work content) ဒါမှမဟုတ် အချိန်-နေရာတည်ရှိမှု (时空存在) ကို အတည်ပြုခြင်း (Proof of Work / Proof of Attendance) လိုမျိုး။

နည်းပညာလမ်းကြောင်း လမ်းညွှန် (Technology Trend Guide)

Layer 0-2 သည် Blockchain နည်းပညာ အခြေခံဖွဲ့စည်းပုံ (architecture) ၏ အလွှာလိုက် ခွဲခြားထားတဲ့ ဖွဲ့စည်းပုံ ဖြစ်ပြီး၊ alliance chain နဲ့ private chain ကတော့ Blockchain အသုံးချကိစ္စရပ်များအတွက် မတူကွဲပြားတဲ့ အမျိုးအစားများ ဖြစ်တယ်။

• Layer 0：Layer 0 သည် Blockchain ရဲ့ ရုပ်ပိုင်းဆိုင်ရာအဆောက်အဦနဲ့ ကွန်ယက်ဖွဲ့စည်းပုံ (physical facilities and network architecture) ကို ဆိုလိုပြီး ဟာ့ဒ်ဝဲပစ္စည်းတွေ၊ ကွန်ယက် ပရိုတိုကော (network protocols) နဲ့ ပို့ဆောင်ရေး မီဒီယာ (transmission media) စတာတွေ ပါဝင်တယ်။ ၎င်းတို့က အချက်အလက်ကို cross-chain ဖြတ်ကျော်ပို့ဆောင်နိုင်ခြင်းနဲ့ ပိုင်ဆိုင်မှု (assets) ကို အောက်ခံအဆင့်မှာ ဖြေရှင်းပေးတဲ့ အခန်းကဏ္ဍကို လုပ်ဆောင်တယ်။ လက်ရှိမှာ Cosmos、Polkadot နဲ့ LayerZero တို့ကို အဓိက နည်းပညာဆိုင်ရာ ကိုယ်စားပြုအဖြစ် တွေ့နိုင်တယ်။

• Layer 1：Layer 1 သည် Blockchain ၏ အခြေခံအလွှာ (base layer) ဖြစ်ပြီး public chain (အများပိုင်ကွင်းဆက်) လို့လည်း ခေါ်တယ်။ Bitcoin、Ethereum စတာတွေ ပါဝင်တယ်။ Layer 1 ရဲ့ protocol ဒီဇိုင်းနဲ့ နည်းပညာအကောင်အထည်ဖော်မှုက Blockchain ရဲ့ အခြေခံ စွမ်းဆောင်ရည် (basic performance) နဲ့ လုပ်ဆောင်နိုင်မှု (functionality) ကို သတ်မှတ်ပေးတယ်။ အမျိုးအစားအလိုက် EVM နဲ့ non-EVM ဟူ၍လည်း ပိုင်းခြားနိုင်တယ်။

• Layer 2：Layer 2 သည် Layer 1 အပေါ်မှာ တည်ဆောက်ထားတဲ့ protocol များနဲ့ ဖြေရှင်းနည်းတွေကို ဆိုလိုပြီး၊ Blockchain စွမ်းဆောင်ရည်ကို မြှင့်တင်ရန်နဲ့ အသုံးချကိစ္စရပ်များကို ချဲ့ထွင်ရန် ရည်ရွယ်တယ်။ Layer 2 protocol တွေက လက်ရှိမှာ နည်းပညာ ၆ မျိုးရှိပြီး၊ အဓိကလက်ရှိလူကြိုက်များတာတွေကတော့ ZK Rollup နဲ့ Optimistic Rollup ဖြစ်တယ်။ ဒီ protocol တွေက Blockchain ကို transaction ပိုများကို လုပ်ဆောင်နိုင်စေခြင်း၊ TPS ကို တိုးစေခြင်းနဲ့ Gas fee ကို လျှော့ချနိုင်ခြင်း စတာတွေကို ဖြစ်စေတယ်။

• Alliance chain：Alliance chain ဆိုတာကတော့ အဖွဲ့အစည်းများ သို့မဟုတ် အင်စတီကျူးရှင်းများ အများအပြားက ပူးပေါင်းစီမံခန့်ခွဲပြီး ထိန်းချုပ်တဲ့ blockchain ကွန်ယက် ဖြစ်တယ်။ အဲဒီအဖွဲ့အစည်းတွေက ပူးပေါင်းတာကလည်း မျှော်မှန်းထားတဲ့ အကျိုးစီးပွားပန်းတိုင် (common interest goals) တူညီလို့ဖြစ်တတ်တယ်။ ဥပမာ ဘဏ်များ၊ အာမခံကုမ္ပဏီများ၊ supply chain ကုမ္ပဏီများ စတာတွေ။ Alliance chain က public chain နဲ့ မတူဘဲ ပါဝင်သူတွေက အကန့်အသတ်ရှိပြီး node အရေအတွက်လည်း နည်းတဲ့အတွက် transaction အမြန်နှုန်းနဲ့ လုံခြုံရေးကို တစ်စိတ်တစ်ပိုင်း မြှင့်တင်ထားနိုင်တယ်။

• Private chain：Private chain သည် အဖွဲ့အစည်းတစ်ခု (သို့) အင်စတီကျူးရှင်းတစ်ခုက သီးသန့် ထိန်းချုပ်တဲ့ blockchain ကွန်ယက် ဖြစ်တယ်။ ပုံမှန်အားဖြင့် အတွင်းပိုင်းဝန်ထမ်းများသာ ပါဝင်ခွင့် ရှိတယ်။

အဓိက အချက်များ (Core Elements)

ဖြန့်ဝေ node များ (distributed nodes)、 cryptography (cryptographic techniques)、 သဘောတူညီမှု အယ်ဂိုရီသမ် (consensus algorithms)、 smart contracts နဲ့ cryptocurrency တို့က Blockchain ဖွံ့ဖြိုးရေး၏ အဓိက အချက်များ ဖြစ်သည်။

ဖြန့်ဝေ node များ (distributed nodes) သည် Blockchain နည်းပညာ၏ အရေးကြီးဆုံး အစိတ်အပိုင်းဖြစ်ပြီး ဒေတာကို ဗဟိုမဲ့ပုံစံဖြင့် သိမ်းဆည်းပြီး ပို့ဆောင်နိုင်စေတယ်။ သို့ရာတွင် cryptography ကတော့ Blockchain ရဲ့ လုံခြုံရေးနဲ့ ကိုယ်ရေးလုံခြုံမှု (privacy) ကို အာမခံရန် အရေးကြီးတဲ့ သီအိုရီအခြေခံကိရိယာ တစ်ခု ဖြစ်တယ်။ ထို့အပြင် consensus algorithm က Blockchain မှာ ဖြန့်ဝေတူညီမှု (distributed consistency) ကို အကောင်အထည်ဖော်နိုင်ဖို့ အဓိကသော့ချက် ဖြစ်တယ်။ Smart contract သည် အလိုအလျောက် လုပ်ဆောင်နိုင်တဲ့ ကွန်ပျူတာ ပရိုဂရမ်တစ်မျိုးဖြစ်ပြီး Blockchain ပေါ်မှာ မတူကွဲပြားတဲ့ logic instruction မျိုးစုံကို လုပ်ဆောင်နိုင်တယ်။ နောက်ဆုံးတော့ cryptocurrency ဆိုတာကတော့ encryption နည်းပညာတွေကို အသုံးပြုခြင်းဖြင့် transaction တွေရဲ့ လုံခြုံရေးနဲ့ အမည်မဖော်ခြင်း (anonymity) ကို အာမခံပေးတယ်။

ဖြန့်ဝေ node များကြောင့် ပါဝင်သူအားလုံးက ဒေတာတစ်ခုလုံးရဲ့ အပြည့်အစုံ copy (complete data replica) တစ်စောင်ကို ရယူထားနိုင်တယ်။ ဒီလိုဖြစ်တာကြောင့် ဒေတာရဲ့ ပွင့်လင်းမြင်သာမှု (transparency) နဲ့ လုံခြုံရေးကို အာမခံနိုင်တယ်။ Blockchain ရဲ့ core နည်းပညာများ— hash function、digital signature နဲ့ asymmetric encryption စတာတွေ—လည်း cryptography ရဲ့ အသုံးချမှုများ ဖြစ်တယ်။ ဒီတို့က ဒေတာရဲ့ ပြည့်စုံမှု (integrity) နဲ့ identity အတည်ပြုမှုကို အာမခံပေးနိုင်ပြီး အသုံးပြုသူရဲ့ ကိုယ်ရေးလုံခြုံမှုကိုလည်း ကာကွယ်ပေးနိုင်တယ်။

consensus algorithm ကို အသုံးပြုခြင်းဖြင့် node အားလုံးက သဘောတူညီမှု (consensus) တစ်ခုတည်းကို ရရှိနိုင်ပြီး ဒေတာရဲ့ တူညီမှု (consistency) နဲ့ မပြောင်းလဲနိုင်မှု (不可篡改) ကို အာမခံတယ်။ လက်ရှိအသုံးများတဲ့ consensus algorithm များမှာ PoW、PoS စတာတွေ ပါဝင်တယ်။ Smart contract က တတိယပါတီကို ယုံကြည်စရာ မလိုအပ်တဲ့ transaction တွေကို လုပ်ဆောင်နိုင်ပြီး သဘောတူညီမှုအတိုင်းအတာအချို့မှာတော့ transaction ရဲ့ ထိရောက်မှုနဲ့ လုံခြုံရေးကို တိုးတက်စေနိုင်တယ်။ Bitcoin、Ether (以太币) စတဲ့ cryptocurrency များ ပေါ်ပေါက်လာတာက blockchain နည်းပညာကို ကျယ်ပြန့်စွာ အသုံးချခြင်းနှင့် ဖွံ့ဖြိုးတိုးတက်စေခဲ့တယ်။

Blockchain နှင့် AI ၏ လမ်းဆုံ (Intersection)

Blockchain လုပ်ငန်းနယ်ပယ်ရဲ့ အစိတ်အပိုင်းတစ်ခုအနေနဲ့ AI ရဲ့ လှိုင်းတံခွန် (wave) ထဲမှာ ကျွန်တော်တို့လည်း စဉ်းစားဖို့ လိုလာတယ်—AI က ကမ္ဘာကို ပြောင်းလဲစေတဲ့အခါ Blockchain ပါဝင်ပါသလား။ ပါဝင်မယ်ဆိုရင် ဒီပြောင်းလဲမှုက ဘာဖြစ်မလဲ။ ပြီးတော့ Blockchain ရဲ့ ဗဟိုမဲ့ခြင်း (decentralization) နဲ့ အခွင့်အရေးအတည်ပြုနိုင်စွမ်း (确权能力) က AI ကို ဘာလိုမျိုး အကျိုးသက်ရောက်မလဲ။

ပထမအချက်အနေဖြင့် AI ကို ထုတ်လုပ်အား (production tool) အဖြစ် သတ်မှတ်နိုင်တာကြောင့် နည်းပညာအဆင့်တံခါး (technical threshold) ကို လျှော့ချနိုင်တယ်။ ဒါကြောင့် Blockchain လုပ်ငန်းနယ်ပယ်တွင်လည်း နည်းပညာအဆင့်တံခါးကို လျှော့ချနိုင်ပြီး ထုတ်လုပ်စွမ်းအား (production efficiency) ကိုလည်း တိုးမြှင့်နိုင်တယ်။

ဒုတိယအချက်အနေဖြင့် AIGC က ဂိမ်းနဲ့ မက်တာယူနီဗာ့ (metaverse) ကို ပုံစံချပြီး သတ်မှတ်ထားတဲ့ programmatic setting တွေကနေ လွတ်ကင်းစေပြီး Blockchain အတွက် စကားလုံးအသစ်နဲ့ gameplay အသစ်တွေကို ယူဆောင်လာမယ်။

တစ်ဖက်မှာ Blockchain ရဲ့ smart contract က AI ဝင်ရောက်ဆောင်ရွက်နိုင်တဲ့ နယ်ပယ်နဲ့ အတိုင်းအတာကို သတ်မှတ်နိုင်ပြီး၊ ဒါမှမဟုတ် AI အတွက် ခွင့်ပြုချက် (permissions) ကို ကန့်သတ်နိုင်တယ်။ ဒါက AI ကို အလွန်အကျွံ ဖွံ့ဖြိုးလာခြင်း (过度发展) ကို တားဆီးနိုင်ပြီး ထိန်းအကွာအပြင် လုပ်ဆောင်တာ (越权) မဖြစ်အောင် ကာကွယ်ပေးနိုင်တယ်။

တစ်ချိန်တည်းမှာပဲ Blockchain ရဲ့ ဗဟိုမဲ့ခြင်းက AI အတွက် အောက်ခံဒေတာ (bottom-level data) နဲ့ လေ့ကျင့်မှု (training) အတွက်လိုအပ်တဲ့ compute အရင်းအမြစ်တွေကို မျှဝေခွဲဝေတဲ့ အခွင့်အလမ်းပေးနိုင်တယ်။

နောက်တစ်ချက်အနေဖြင့် Blockchain ရဲ့确权 (အခွင့်အရေးအတည်ပြု) စွမ်းရည်က ဒေတာ၊ identity နဲ့ ပိုင်ဆိုင်မှု (ownership) တို့ကို သက်သေပြနိုင်ပြီး AI ကြောင့် ဖြစ်လာနိုင်တဲ့ အကျိုးစီးပွား ပဋိပက္ခ (利益冲突) ကို ရှောင်ရှားနိုင်တယ်။

AI က Blockchain အတွက် အရေးပါမှု

ပထမအချက်အနေဖြင့် AI သည် ကိရိယာတစ်ခုအနေနဲ့ အကြောင်းအရာ ဖန်တီးခြင်း (content creation) ရဲ့ အဆင့်တံခါးကို လျှော့ချနိုင်တယ်။ လူတိုင်း (ordinary people) က နည်းပညာကန့်သတ်ချက်တွေ မခံရဘဲ မိမိရဲ့ ဖန်တီးမှုစွမ်းအားကို ပြသနိုင်ပြီး အရည်အသွေးကောင်းတဲ့ content သို့မဟုတ် NFT လက်ရာတွေကို ထုတ်ပေးနိုင်တယ်။ အထူးသဖြင့် NFT ဖန်တီးမှု၊ ဂိမ်း assets ဖန်တီးမှု၊ metaverse modeling၊ code တည်ဆောက်မှု စတာတွေ ပါဝင်တယ်။

ဒါပေမဲ့ လက်ရှိ AIGC က NFT နယ်ပယ်မှာ အသုံးပြုမှုက ရိုးရှင်းတဲ့ ပုံရိပ် output တစ်မျိုးတည်းသာ ဖြစ်နေသေးတယ်။ ဒါက traditional Generative Art နဲ့ မျက်နှာချင်းဆိုင်မှာ အဓိကကွာခြားချက် မရှိသလောက်ပါပဲ။ NFT မှာ AIGC ကို တကယ်အသုံးချမယ်ဆိုရင် NFT ရဲ့ အထူးလက္ခဏာ (NFT features) ပေါ်မှာ ပိုမို တိုးချဲ့ဖန်တီးနိုင်ရပါမယ်။ Mirror World က AI နဲ့ NFT ရဲ့ “ဝိညာဉ် (soul)” ကို တည်ဆောက်သလိုပဲ။

နောက်တစ်ချက်ကတော့ ကုဒ်ရေးသားခြင်း (code writing) ရဲ့ နည်းပညာအဆင့်တံခါးကို လျှော့ချတာပဲ ဖြစ်တယ်။ ကုဒ်က လမ်းကြောင်း ၂ ခု အဖြစ် ခွဲထားနိုင်တယ်—တစ်ခုက ပရောဂျက်ကို ထုတ်ပေးခြင်း (发行项目) နဲ့ smart contract ကို deploy လုပ်ခြင်း၊ နောက်တစ်ခုက hacker သို့မဟုတ် white-hat တို့လို အပြန်အလှန်တိုက်ခိုက်ခြင်း/စမ်းသပ်ခြင်း (hack/attack) ဘက်ဖြစ်တယ်။ ဒီ ၂ ခုက အကြမ်းဖက်ပြိုင်ဖက်တစ်ဖက်တစ်ချက် (adversarial generation) ရဲ့ အစွန်းနှစ်ဖက်လိုပဲ ဖြစ်တယ်။ ဆိုလိုတာက ကျွန်တော်တို့က AI ကို natural language ပရိုဂရမ်ရေးခြင်း (natural language programming) အဖြစ် အသုံးပြုပြီး ကိုယ်လိုချင်တဲ့ smart contract ကို deploy လုပ်နိုင်တယ်။ အခြားဘက်ကတော့ AI နဲ့ အဆိုပါ contract ကုဒ်ကို ခွဲခြမ်းစိတ်ဖြာပြီး တိုက်ခိုက်မှုကို စတင်နိုင်တယ်။ ဒီနည်းလမ်းနဲ့ ကျွန်တော်တို့က AI ကို သုံးပြီး deploy လုပ်ပြီးသား contract ကုဒ်ကို iterate ပြုလုပ်နိုင်ပြီး လုပ်ငန်းတစ်ခုလုံးမှာ “အတွင်းထဲပိုက်ဆံ/အပြိုင်အဆိုင်ကြိုးစားမှု (内卷)” ပုံစံ ထွက်လာကာ စက်မှုလုပ်ငန်းတစ်ခုလုံးရဲ့ ကုဒ်ကို ပိုမို ပြည့်စုံပြီး ယုံကြည်ရနိုင်အောင် ကူညီနိုင်တယ်။ ဒီအခြေခံပေါ်မှာတော့ လူတိုင်းက ပိုမိုအားစိုက်ရမယ့်အရာကို—blockchain architecture ကို optimize လုပ်တာ၊ ပရောဂျက်ကို design လုပ်တာ၊ ဒါမှမဟုတ် စီးပွားရေးမော်ဒယ် (economic model) ကို ကြွယ်ဝစေပြီး ပရောဂျက်ရဲ့ gameplay နည်းလမ်းတွေကို ဖန်တီးတာ—လို ပိုမို business-level ဆိုင်ရာ အသစ်အဆန်းများကို အကောင်အထည်ဖော်နိုင်တယ်။

အလားတူပဲ AI က နည်းပညာအဆင့်တံခါးတွေကို လွယ်ကူလာစေပြီးနောက်၊ အရင်က ခက်ခဲတဲ့ လုပ်ဆောင်ချက်တွေကို အများပြည်သူ အသုံးချနိုင်လာမယ်။ ဥပမာ loop loan（လည်ပတ်ချေးငွေ）、flash loan（ချက်ချင်းချေးငွေ）、အကောင်းဆုံးတူးဖော်နည်းဗျူဟာ (most optimal mining strategy)、အလိုအလျောက် အမြတ်ရယူခြင်း (automatically yield)၊ ခေါင်းတုံးအထုတ်/ခေါင်းမြင့်ထွက် (头矿离场时间) ခန့်မှန်းခြင်း စတာတွေ—AI က တစ်လမ်းလုံး (whole path) ကို လုပ်ဆောင်ပေးနိုင်မယ်။ AI သည် ကိုယ်တိုင် programming လုပ်နိုင်ပြီး လမ်းကြောင်းကို ရွေးနိုင်ကာ အဆင့်တကျ deploy လုပ်နိုင်တယ်။ ဂိမ်းက “Yu-Gi-Oh” 技能ကတ် (skill cards) လိုပဲ—ကတ်ကို အသုံးပြုပြီးနောက် ကတ်ရဲ့ effect က သူ့အလိုလို ပေါ်လာပြီး အကျိုးသက်ရောက်စေတယ်။ ဒါက အရင်က မြင့်မားတဲ့ အဆင့်တံခါးအောက်က လုပ်ဆောင်ချက်တွေကို အဆင့်နိမ့်အသုံးပြုသူတွေထံသို့ လျှော့ချပေးနိုင်တယ်။ MEV ဥပမာနဲ့ဆိုရင် MEV တန်ဖိုးရယူချင်ရင် MEV sandwich trap robot (夹子机器人) ကိုရေးဖို့ လိုတယ်။ ဒါပေမဲ့ သာမန်လူတွေပါလုပ်နိုင်လာမယ်ဆိုရင် အမြတ်အခွင့်အလမ်း (profit space) မရှိတော့ဘူး။ လူတိုင်းလုပ်နိုင်လာတဲ့အခါ Gas နဲ့ “စောပြီးပြေး (抢跑)” အပြိုင်အဆိုင်ကတော့ အရေးကြီးလာတယ်။ Game theory အခြေခံအရ နောက်ဆုံး MEV တန်ဖိုးကို Gas fee တွေက ချေဖျက်ပစ်လိုက်ပြီး အမြတ်မကျန်တော့တာကြောင့် MEV ရဲ့ သက်ရောက်မှု ကျသွားနိုင်တယ်။ ဒါက နည်းပညာအဆင့်တံခါးကို လွှဲချပေးခြင်းကြောင့် စက်မှုလုပ်ငန်းတစ်ခုလုံးကို ပိုမို优化（အကောင်းဆုံးပြင်ဆင်）လုပ်ဖို့ တွန်းအားပေးတာမျိုး ဖြစ်တယ်။

သို့မဟုတ် blockchain နည်းပညာကို ပိုမိုလူသိများထံ ပျံ့နှံ့စေမယ်။ Footprint Analytics ဒေတာအရ လက်ရှိ Ethereum မှာ active user က ၃၂ သိန်းဝန်းကျင်မျှသာဖြစ်ပြီး အင်တာနက်အသုံးပြုသူတွေထဲက တစ်စိတ်တစ်ပိုင်းတောင် မဟုတ်ဘူး။ အကြီးမားဆုံးပြဿနာကတော့ အသုံးပြုသူတွေမှာ blockchain ထဲကို ဝင်လိုတဲ့ လိုအပ်ချက် (need) မရှိတာဖြစ်တယ်။ လိုအပ်ချက်ရှိတဲ့ user အနည်းငယ်ကလည်း ရှုပ်ထွေးလွန်းတဲ့ chain အတွင်း အပြန်အလှန်လုပ်ဆောင်မှုတွေကြောင့် တံခါးပိတ်ကာ မဝင်နိုင်ဘူး။ ထို့အပြင် အရင်က ဒေတာကို chain ပေါ်သို့တင်တာ ဒါမှမဟုတ် blockchain အခြေခံ လက်မှတ်/စာရွက်စာတမ်းတွေကို အသုံးပြုတာတွေဟာ blockchain စနစ်တစ်ခုတည်ဆောက်ဖို့ လိုအပ်သလို သို့မဟုတ် gas fee အများကြီး ပေးရတာဖြစ်လို့ ကုန်ကျစရိတ်က ကြီးမားတယ်။ ယခုတော့ AI နည်းပညာနဲ့အခြေပြုပြီး low cost နဲ့ blockchain တည်ဆောက်ခြင်း (construct) သို့မဟုတ် chain ပေါ်က ဒေတာအသုံးချလမ်းကြောင်း (data usage path) ကို optimize လုပ်ပြီး gas fee ကို လျှော့ချနိုင်တယ်။ ထို့ကြောင့်确权 နှင့် သတင်းအချက်အလက် ပွင့်လင်းမြင်သာမှု လိုတဲ့နေရာတိုင်းမှာ blockchain နည်းပညာကို အသုံးချပြီး smart contract ကို deploy လုပ်နိုင်တယ်။ AI နဲ့ လွယ်ကူစေတဲ့ interaction system ကတော့ Blockchain လုပ်ငန်းနယ်ပယ်ကို အသုံးပြုသူများစွာ ယူဆောင်ပေးနိုင်လိမ့်မယ်။

ကျွန်တော်တို့ သိထားရမယ့်အချက်က AI က ယူဆောင်လာမယ့် အပြောင်းအလဲတွေဟာ Blockchain ရဲ့ application layer အဆင့်မှာသာ ရှိတယ်ဆိုတာပဲ။ အသုံးပြုသူတွေက မိမိရဲ့ interaction အပေါ်က သိနားလည်မှုအပေါ် မူတည်ပြီး AI ကို သုံးကာ smart contract ရေးသားတဲ့ လုပ်ငန်းစဉ်ကို ကျော်ဖြတ်ပြီး သီးခြားလိုအပ်ချက်တစ်ခုကို ဖြေရှင်းပေးမယ့် application ကို တိုက်ရိုက် deploy လုပ်မယ်။ ပရောဂျက် ထုတ်ပေးခြင်း (发行项目) ရဲ့ အရေးပါမှုကတော့ ထုတ်ပေးခြင်းအပိုင်းကနေ “တီထွင်မှုနဲ့ လည်ပတ်မှု (innovation and operation)” ဘက်သို့ ပြောင်းသွားမယ်။ အနာဂတ်မှာ application layer ရဲ့ လက်ရှိပုံစံ (pattern/structure) ကတော့ အလွန်ပြောင်းလဲသွားမယ်လို့ ယုံကြည်တယ်။ သို့သော် application layer အောက်က execution layer、consensus layer、data layer တွေပြောင်းလဲရေးမှာတော့ AI က မကူညီနိုင်ဘူး။ အကြောင်းကတော့ bottom-level mechanism ကို တီထွင်ပြောင်းလဲခြင်း (innovation) ဖြစ်ပြီး ရိုးရိုးထပ်တလဲလဲ လုပ်ငန်းကို လွယ်ကူအောင်လုပ်တာနဲ့သာ “အရည်အသွေးကွာခြားတဲ့ အပြောင်းအလဲ (质变)” ဖြစ်လာနိုင်တဲ့ နယ်ပယ်မဟုတ်လို့ ဖြစ်တယ်။ London upgrade ထဲက EIP1559 ကို အကောင်အထည်ဖော်လိုက်တာက Ethereum ကို နောက်ထပ်ရှေ့ဆက်ဖို့ အားပေးခဲ့သလိုပဲ၊ Shanghai upgrade ပြီးမြောက်မှ ETH staking ပမာဏ တိုးလာပြီး Ethereum ရဲ့ လုံခြုံရေးကို မြှင့်ပေးကာ LSD နယ်ပယ်ကိုလည်း ပြန်လည် တက်လာစေတယ်။

AI ထဲမှာ Blockchain ရဲ့ အခန်းကဏ္ဍ

Blockchain ရဲ့ ဗဟိုမဲ့ (decentralized) အင်္ဂါရပ်နဲ့ လက်ရှိ AI နည်းပညာဖွံ့ဖြိုးမှုမှာ တွေ့ရတဲ့ ဗဟိုပြု (centralized) အင်္ဂါရပ်တို့မှာ အနည်းငယ်ကွဲလွဲနေတယ်။ ဒါပေမယ့် ဒီကွဲလွဲမှုကြောင့်ပဲ AI ရင်ဆိုင်နေရတဲ့ ပြဿနာတွေကို ဖြေရှင်းပေးနိုင်တဲ့ solution တစ်ခုလည်း ဖြစ်လာတယ်။

ခေတ်သစ် AI နဲ့ Big Data နည်းပညာတွေဟာ အများအားဖြင့် ဗဟိုပြု (centralized) ဖြစ်ကြတယ်။ အဲဒါကတော့ အများအားဖြင့် ကုမ္ပဏီကြီးတွေ သို့မဟုတ် အဖွဲ့အစည်းအနည်းငယ်ကသာ အုပ်ချုပ်/ထိန်းချုပ်ထားပြီး၊ အဲဒီကုမ္ပဏီတွေမှာ နည်းပညာနဲ့ အရင်းအမြစ်တွေ အင်အားကြီးရှိတဲ့အပြင် စျေးကွက်လမ်းကြောင်း (market direction) နဲ့ အသုံးပြုသူရဲ့ အပြုအမူ (user behavior) ကို ဆုံးဖြတ်ပေးနိုင်တဲ့ အာဏာလည်း ရှိတယ်။ ဒီဗဟိုပြုသဘောအရ၊ လူတွေက AI ကို အသုံးပြုတဲ့အခါ AI က ညွှန်ကြားချက်အတိုင်း တကယ်ပဲ အမှန်တကယ် သစ္စာရှိရှိ လုပ်ဆောင်လိမ့်မယ်လို့ ယုံကြည်ရတာဖြစ်တယ်။ ထို့ကြောင့် AI ကို ဖန်တီးပြီး အသုံးချတဲ့လုပ်ငန်းစဉ်မှာ ကိုယ်ရေးလုံခြုံမှု ပေါက်ကြား (privacy leakage)、 algorithm bias、 data misuse စတာလို အန္တရာယ်နဲ့ ပြဿနာတွေ ရှိနိုင်တယ်။

သို့ရာတွင် Blockchain ရဲ့ ဖြန့်ဝေ (distributed) နဲ့ ဗဟိုမဲ့ (decentralized) အင်္ဂါရပ်က ဒီပြဿနာတွေကို တိတိကျကျ ဖြေရှင်းပေးနိုင်တယ်။ smart contract နဲ့ AI သုံးနိုင်တဲ့ data set ကို ကန့်သတ်ပြီး AI လုပ်ဆောင်နိုင်တဲ့ scope ကို ကန့်သတ်နိုင်တာကြောင့် AI က မကောင်းလုပ် (做恶) မလုပ်နိုင်အောင် တားဆီးနိုင်တယ်။ အပြင် node တွေတည်ဆောက်ပြီး AI ရဲ့ အပြုအမူကို စောင့်ကြည့် (monitor) လုပ်နိုင်တယ်။ AI က မကောင်းလုပ်ရင် စောင့်ကြည့်သူက သတင်းပေးတိုင်ကြား (举报) နိုင်ပြီး AI သုံးတဲ့ compute ကို ပြစ်ဒဏ်အဖြစ် နုတ်ယူ (罚没) လုပ်နိုင်တယ်။ ဒါနဲ့ AI က လူသားတိုးတက်မှုကို ကူညီစေတဲ့ အပြုအမူသာလုပ်ဆောင်စေနိုင်ပြီး AI ကို အလွန်အကျွံ အသုံးချခြင်းနဲ့ လက်လွှဲကျော် (越权) လုပ်ခြင်းကို တားဆီးနိုင်တယ်။

တိတိကျကျဆိုရင် AI လေ့ကျင့်မှုအတွက်လိုအပ်တဲ့ အောက်ခံဒေတာတွေကို မျှဝေခြင်းနဲ့确权 အတည်ပြုခြင်းအပိုင်းမှာ Blockchain က အသုံးပြုသူတွေကို မိမိဒေတာကို AI model လေ့ကျင့်ဖို့ ထောက်ပံ့/မထောက်ပံ့ ဆိုတာ ကိုယ်တိုင်ရွေးချယ်ခွင့်ပေးနိုင်တယ်။ ဒီလိုလုပ်ဖို့ zk နည်းပညာ (zk technology) ရဲ့ နောက်ထပ်ဖွံ့ဖြိုးတိုးတက်မှုကို မှီခိုလိုအပ်မယ်။ ဒါကြောင့် လူတစ်ဦးတစ်ယောက်ရဲ့ ကိုယ်ရေးအချက်အလက်ကို မထုတ်ဖော်ဘဲ အသုံးပြုသူဒေတာကို ပေးနိုင်မယ်။ ဒေတာစုဆောင်းခြင်း၊ သိမ်းဆည်းခြင်းနဲ့ မျှဝေခြင်း လုပ်ငန်းစဉ်အားလုံးကို ဗဟိုမဲ့ node တွေအပေါ်မှာ တည်ဆောက်ထားမယ်။ ဒါက ဒေတာလုံခြုံရေးနဲ့ အသုံးပြုနိုင်မှု (availability) ကို အာမခံပြီး ဒေတာရင်းမြစ် (data source) ကိုလည်း 确权 လုပ်ပေးနိုင်တယ်။ အဲဒီလို ဒေတာတွေနဲ့ လေ့ကျင့်ထားတဲ့ AI က အမြတ်ရလာတဲ့အခါ သက်ဆိုင်ရာဒေတာတွေ ပါဝင်မှုအလိုက် အမြတ်ရဲ့ အပိုင်းတချို့ကို ဒေတာပိုင်ရှင်တွေထံသို့ အမြတ်ခွဲဝေ (dividend) အဖြစ် ပြန်ပေးနိုင်ပြီး ဒေတာပေးသူတွေရဲ့ အခွင့်အရေးကို အာမခံမယ်။ အရင်ကပြောခဲ့တဲ့ AI လေ့ကျင့်မှုဒေတာ ထုတ်လုပ်ခြင်းနဲ့ မျှဝေခြင်းကိုလည်း Blockchain ရဲ့ ဖြန့်ဝေ၊ လုံခြုံ၊ ပွင့်လင်းမြင်သာ (decentralized, security, transparency) တို့လို အားသာချက်တွေကို အသုံးချပြီး ကိုယ်ရေးလုံခြုံမှုနဲ့ လုံခြုံရေးကို အာမခံနိုင်တယ်။

AI ကို လုပ်ဆောင်ဖို့ Prompt ပေးတဲ့အသုံးပြုသူတွေကလည်း မိမိတို့ရဲ့ prompt ပိုင်ဆိုင်မှု (ownership) အပေါ် မူတည်ပြီး prompt ကို ခေါ်သုံးရာကနေ ထွက်လာတဲ့ အမြတ်ရဲ့ အပိုင်းတစ်ချို့ကို ရယူနိုင်တယ်။ ဒီနည်းနဲ့ AI ဒေတာပိုင်ရှင်တွေနဲ့ AI ကို run လုပ်ပေးတဲ့ prompt ပိုင်ရှင်တွေရဲ့ အကျိုးစီးပွားကို တစ်ပြိုင်နက်တည်း အာမခံနိုင်တယ်။

ထို့အပြင် ထည့်ပြောရမယ့်အချက်က compute mining (算力挖矿) ပါ။ AI model တည်ဆောက်ဖို့ ဒေတာအများကြီးလိုသလို လေ့ကျင့်ဖို့ compute လည်းလိုတယ်။ ဒါပေမဲ့ လက်ရှိကမ္ဘာမှာ compute က ရှားပါးပြီး လိုအပ်ချက်က ပိုများနေတယ်။ ထို့ကြောင့် compute ကို ဗဟိုမဲ့ပုံစံနဲ့ စုပေါင်းပြီး cloud computing mining pool လို ပုံစံနဲ့ တည်ဆောက်နိုင်တယ်။ ပြီးတော့ compute mining subsidy အဖြစ် compute ပံ့ပိုးသူတွေကို ဆုချပြီး၊ အဆုံးမှာ auction ပုံစံနဲ့ AI model လေ့ကျင့်မှုအတွက် ရောင်းချနိုင်တယ်။ ဒီလိုနည်းလမ်းနဲ့ စောင့်ဆိုင်းနေတဲ့ compute အကန့်အသတ်ကို အများဆုံးအသုံးချနိုင်ပြီး၊ တွက်ချက်မှု လုံခြုံရေးနဲ့ ယုံကြည်ရနိုင်မှု (security and reliability) ကိုလည်း အာမခံနိုင်တယ်။ ပိုပြီးအရေးကြီးတာကတော့ ဒေတာ၊ အယ်ဂိုရီသမ်၊ compute တွေကို ပေါင်းစည်းပြီး “AI as a Service” (AI အဖြစ် ဝန်ဆောင်မှု) ပရိုတိုကော (protocol) တစ်ခု တည်ထောင်နိုင်ပြီး၊ မိမိရဲ့ ဗဟိုမဲ့ အားသာချက်နဲ့ ပြန်လည်အသုံးချနိုင်မှု (reusability) ကို အခြေခံပြီး လိုအပ်တဲ့ user တွေအတွက် AI model တည်ဆောက်မှုဝန်ဆောင်မှုကို ပေးနိုင်တယ်။ ဒေတာရယူမှုကနေ ဒေတာပြင်ဆင်မှုအထိ၊ အယ်ဂိုရီသမ်ရွေးချယ်မှုနဲ့ compute ခေါ်သုံးမှုအထိ—အရာအားလုံးကို ecosystem တစ်ခုအတွင်း ဖြတ်သန်းသွားမယ်။ supply chain အားသာချက်ကို ထိန်းသိမ်းထားရင်းနဲ့ ဗဟိုချုပ်ကိုင်မှု (centralization) အန္တရာယ်ကိုလည်း ရှောင်ရှားနိုင်မယ်။

AI model တည်ဆောက်မှုအပြင် AI ကို အသုံးချမယ့်ဘက်ကို ကြည့်လိုက်မယ်ဆိုရင် AI ရဲ့ အလွန်သင်ယူနိုင်စွမ်း (super learning ability) ကြောင့် ဖြစ်လာတဲ့ ကော်ပီခိုးမှု (盗版)、 washing稿 (washing up / လက်ရာရှုပ်ထွေးရေး)、 virtual human စတာတွေက Blockchain ရှေ့မှာ မပြဿနာတော့ဘူးဆိုတာ တွေ့နိုင်တယ်။ အနုပညာလက်ရာတွေကို NFT ပုံစံနဲ့ chain ပေါ်မှာ မှတ်တမ်းတင်ပြီး၊ ၎င်းရဲ့ ထူးခြားတဲ့ smart contract လိပ်စာက လက်ရာရဲ့ တကယ့်အဖြစ် (authenticity) ကို သက်သေပြနိုင်တယ်။ အနုပညာလက်ရာတန်ဖိုးက အနုပညာကိုယ်တိုင်အပြင် အဲဒီလက်ရာကို ဖန်တီးသူရဲ့ identity ပေါ်မှာလည်း မူတည်တယ်။ ဥပမာ နောက်လူတွေက Van Gogh ရဲ့ “Sunflowers” ကို တုပပြီး ပိုတူအောင်လုပ်ပေမယ့် မထိုက်တန်ဘူး။ Blockchain ကတော့ ဘယ် “Sunflowers” သည် Van Gogh လက်မှ ဖြစ်မှန်းကို သက်သေပြနိုင်တယ်။ AI အပလီကေးရှင်းတစ်ခုဖြစ်တဲ့ knowledge graph ကိုလည်း Blockchain ပေါ်မှာ decentralized knowledge graph တည်ဆောက်ပြီး၊ ထဲက ဒေတာတွေကို မပြောင်းလဲ၊ မဖျက်၊ မတက်ခိုး (冒领) နိုင်အောင် အာမခံနိုင်တယ်။

AI က လူတစ်ဦးရဲ့ ကိုယ်ပိုင်အတိတ်ဒေတာကို အသုံးပြုပြီး virtual identity (virtual persona) တည်ဆောက်တဲ့ ပြဿနာကိုလည်း OAT သို့မဟုတ် SBT နဲ့ ဖြေရှင်းနိုင်တယ်။ chain ပေါ်က လုပ်ဆောင်ချက်တိုင်းမှာ သက်ဆိုင်ရာ မှတ်တမ်းရှိပြီး၊ အဲဒီမှတ်တမ်းနဲ့ပတ်သက်တဲ့ OAT သို့မဟုတ် SBT တို့လည်း ထူးခြားမှုရှိတယ်။ account ထဲက OAT သို့မဟုတ် SBT တွေအပေါ် အခြေခံပြီး identity ကို သတ်မှတ်နိုင်တယ်။ ဒီအရာအားလုံးက Blockchain ရဲ့ မပြောင်းလဲနိုင်မှု (不可篡改性) ကြောင့်ဖြစ်တယ်။ အတိတ်မှာ ဖြစ်ခဲ့တာတွေကို အဲဒီနောက်ပိုင်းတင်တဲ့ ဘလောက်တစ်ခုချင်းစီထဲမှာ မှတ်တမ်းတင်ထားတာကြောင့် အတိတ်က မဖြစ်ခဲ့တဲ့ လုပ်ဆောင်ချက်တွေကို အကြောင်းမဲ့ ဖန်တီးဖို့ မဖြစ်နိုင်ဘူး။

အကျဉ်းချုပ်ပြောရရင် AI ကို ထုတ်လုပ်အားကိရိယာ (production tool) အဖြစ် အသုံးပြုခြင်းက Blockchain လုပ်ငန်းနယ်ပယ် ဖွံ့ဖြိုးတိုးတက်ခြင်းနဲ့ ပိုမိုကျယ်ပြန့်အောင် ထောက်ပံ့နိုင်ပြီး၊ AIGC က metaverse နဲ့ NFT အပိုင်းတွေထဲကို မျက်နှာသစ်လမ်းကြောင်းနဲ့ narrative အသစ်တွေ ယူဆောင်လာမယ်။ ဒါပေမယ့် AI က ရိုးရိုး ထပ်ခါထပ်ခါ လုပ်ရတဲ့ အလုပ်တွေကိုပဲ အစားထိုးနိုင်ပြီး၊ နည်းပညာအဆင့်တံခါးကို လျှော့ချနိုင်ပေမယ့် အဓိကနည်းပညာတွေမှာ ဆန်းသစ်တီထွင်မှု (innovation) မလုပ်နိုင်ဘူး။ ထို့ကြောင့် Blockchain အတွက် AI ယူဆောင်လာတဲ့ အပြောင်းအလဲတွေက application layer မှာသာ ရပ်တည်နေမယ်။

Blockchain က AI အတွက်ကတော့ risk control ကိရိယာတစ်မျိုးဖြစ်သလို resource optimization ပြုလုပ်ပေးတဲ့ တစ်မျိုးလည်း ဖြစ်တယ်။ Blockchain က AI ရဲ့ အလွန်အကျွံ ဖွံ့ဖြိုးမှုနဲ့ လက်လွှဲကျော်လုပ်ဆောင်မှုတွေကို ကန့်သတ်နိုင်ပြီး၊ ဒေတာနဲ့ ပိုင်ဆိုင်မှု确权 ကာကွယ်မှုက user ရဲ့ အခွင့်အရေးကိုလည်း ဖြေရှင်းပေးနိုင်တယ်။ ထို့ပြင် AI လိုအပ်တဲ့ ဒေတာနဲ့ compute ကို ပေါင်းစည်းပြီး optimize လုပ်နိုင်တယ်။ သို့သော် အကန့်အသတ်နဲ့ပဲ—AI ကို ပိုမို transparent (ပွင့်လင်းမြင်သာ)၊ ပိုမို decentralized (ဗဟိုမဲ့) နဲ့ ဒေတာ确权 အပေါ်သာ အကူအညီပေးနိုင်တာပါ။

Reference

[1](Web3 ကို ကျော်လွန်ပြီး AIGC—ရင်းနှီးမြှုပ်နှံမှုအသစ်ရဲ့ စိတ်ကူးယဉ်ခရီး)0xmin (2022.10)

[2](AIGC အကျပ်အတည်းနဲ့ Web3 ကို အုပ်ချုပ်ဖက်ဝင်အောင်လုပ်နည်း)wheart.eth (2022.11)

[3](AIGC：အကြောင်းအရာ ထုတ်လုပ်အား တော်လှန်ရေး)杨仁文 (2022.12)

[4](Large language model များ ပေါ်ထွက်လာတဲ့ ဆင့်ကဲပြောင်းလဲမှု—အချက်အလက်များကို အရှိန်မြှင့်ပြီး ပရိုတိန်းဖွဲ့စည်းပုံ ခန့်မှန်းခြင်း)Zeming Lin (2023.03)

[5](တိတ်တိတ်လေး စဉ်းစားချက်：AI ပေါက်ကွဲမှုက ဖန်တီးသူတွေနဲ့ NFT အပေါ် သက်ရောက်မှု)Sleepy (2023.04)

[6](Bitcoin: A Peer-to-Peer Electronic Cash System)Satoshi Nakamoto （2009.03）

[7](Mastering Bitcoin)Andreas Antonopoulos (2016.03)

[8](Challenges and Recent Advances)Blockchain-Based Payment Channel Networks (2021.07)

[9](How AI Can Help Build Web3)crypto.com (2023.03)

[10](Ethereum White Paper)Vitalik Buterin （2023.05）