AI ကျင့်ဝတ်များနှင့် AI ဥပဒေများသည် AI ဘက်လိုက်မှုများကို ပြတ်သားစွာ ခွဲခြားသတ်မှတ်ပြီး စီမံခန့်ခွဲသည့် စံနှုန်းများဆီသို့ ဦးတည်နေသည်

ငါးဆယ့်နှစ်ကတ် ကောက်ယူကစားဖူးပါသလား။

၎င်းသည် သင်ဆန္ဒရှိရှိ သာမာန်အားဖြင့် လုပ်ဆောင်ရမည့်ဂိမ်းမဟုတ်ပါ။ ဒါကတော့ ဘာကြောင့်လဲ။ တစ်စုံတစ်ဦးက သင့်အား ၎င်းသည် ပျော်ရွှင်ဖွယ် အားကစားတစ်ခုဟု ကမ်းလှမ်းထားပြီး သင်အချိုမြိန်သော ငါးစာများကို ယူပါက ၎င်းတို့သည် ဖဲချပ်များကို ကုန်းပတ်တစ်ခုလုံးကို လေထဲသို့ ပစ်ချလိုက်ပြီး ကြမ်းပြင်ပေါ်သို့ အကျဉ်းချုံးချုံ့ပစ်လိုက်သည်။ ထို့နောက် ထိုလူက သင့်အား တင်းတင်းမာမာ ပြုံးပြပြီး ကတ်များကို ကြိုယူရန် ပြောလိုက်သည်။ ဒါဂိမ်းတစ်ခုလုံးပါ။

မထီမဲ့မြင်ပြုခြင်း!

ဒီကိစ္စနဲ့ ပတ်သက်ပြီး မင်းကို မေးဖို့ စဉ်းစားစရာ မေးခွန်းတစ်ခုရှိတယ်။

အနီးနားရှိ ဆိုဖာတစ်ခုအောက်တွင် ကတ်တစ်ခု ချော်သွားသည်ဆိုပါစို့။ ကတ်အားလုံးကို ကောက်ယူပြီးသောအခါ၊ သင့်လက်ထဲတွင် ငါးဆယ်တစ်ချောင်းသာရှိမည်ဖြစ်သောကြောင့် တစ်လုံးပျောက်ဆုံးနေကြောင်း သင်သိလိမ့်မည်။

မေးစရာကတော့ ဘယ်ကတ်ပျောက်နေတယ်ဆိုတာ ဆုံးဖြတ်နိုင်မလား။

ဘယ်ကတ်က သင့်လက်ထဲမှာ မရှိဘူးဆိုတာ အလွယ်တကူ သိနိုင်မယ်လို့ သင်ချက်ချင်းပြောမယ်ဆိုတာ သေချာပါတယ်။ သင်လုပ်ရမှာက ပက်လက်ကို စနစ်တကျထားပါ။ စံနစ်တကျတွင် ဝတ်စုံလေးခုပါရှိပြီး ဝတ်စုံတစ်ခုစီတွင် ကတ်များကို တစ်ပုံမှ ဆယ်ပုံအထိ ရေတွက်ပြီး Jack၊ Queen နှင့် King အဖြစ်သို့ သင်သိပါသည်။

ဖဲချပ်များ၏ စံကွက်တစ်ခုသည် စံတစ်ခုအပေါ် အခြေခံသောကြောင့် ၎င်းကို သင်သိသည်။

အိုး၊ ထိုထုတ်ပြန်ချက်သည် လုံးဝထင်ရှားသော အခိုင်အမာပြောဆိုချက်တစ်ခုကဲ့သို့ ထင်ရပေမည်။ ဟုတ်ပါတယ်၊ စံကစားကွက်တစ်ခုဟာ စံတစ်ခုအပေါ် အခြေခံပါတယ်။ ငါတို့အားလုံးသိတယ်။ ကျွန်တော့်ရဲ့ အဓိကအချက်ကတော့ စံတစ်ခုရှိခြင်းအားဖြင့် လိုအပ်တဲ့အခါ စံနှုန်းကို မှီခိုအားထားနိုင်ပါတယ်။ ကုန်းပတ်တစ်ခုမှ ကတ်ပျောက်နေသည့်ကတ်ကို တွက်ချက်နိုင်သည့်အပြင်၊ အခြားလူများနှင့် နာမည်ကြီး ကတ်ဂိမ်းပေါင်း သန်းပေါင်းများစွာကိုလည်း အလွယ်တကူ ကစားနိုင်သည်။ ဂိမ်းတစ်ခုရဲ့ စည်းမျဉ်းတွေကို တစ်ယောက်ယောက်က ပြောပြပြီးတာနဲ့၊ deck မှာ ဘာတွေပါလဲဆိုတာ အပြည့်အစုံသိထားပြီးဖြစ်လို့ တိုက်ရိုက်ကစားနိုင်မှာပါ။ ကြမ်းပြင်တွင် ဝတ်စုံလေးမျိုးနှင့် အမျိုးမျိုးသော နံပါတ်ကတ်များပါရှိကြောင်း ၎င်းတို့အား ရှင်းပြရန် မလိုအပ်ပါ။ အဲဒါကို သူတို့သိထားပြီးသား။

ဒီဟာနဲ့ ငါဘယ်သွားမလို့လဲ။

AI နယ်ပယ်နှင့် အထူးသဖြင့် AI Ethics နှင့် Ethical AI နယ်ပယ်တွင် တိုးတက်အောင်မြင်ရန် အရေးကြီးသောနည်းလမ်းတစ်ခုဖြစ်သည့် လမ်းကြောင်းတစ်ခုဆီသို့ ငါကြိုးစားနေပါသည်။ AI Ethics ဆိုင်ရာ စံနှုန်းများအတိုင်း ကျယ်ကျယ်ပြန့်ပြန့်နှင့် အားလုံးသဘောတူထားသည့် စံနှုန်းများအတိုင်း ကြိုးစားလုပ်ဆောင်ရန် လိုအပ်ကြောင်း သင်မြင်ပါသည်။ ထိုသို့လုပ်ဆောင်နိုင်ပါက Ethical AI ၏မွေးစားခြင်းကို လွယ်ကူလာစေပြီး စျေးကွက်ထဲသို့ pell-mell များဆက်လက်သယ်ဆောင်လာနေသည့် AI စနစ်များကို တိုးတက်ကောင်းမွန်လာစေရန် ရည်ရွယ်ကြောင်း သရုပ်ပြပါသည်။ ကျွန်ုပ်၏ AI Ethics၊ Ethical AI နှင့် AI Law တို့ကို ဆက်လက်ပြီး ကျယ်ပြန့်စွာ လွှမ်းခြုံနိုင်စေရန်၊ ဒီမှာလင့်ခ် နှင့် ဒီမှာလင့်ခ်ရုံအနည်းငယ်အမည်ကိုရန်။

မီဒီယာများ၏ အာရုံစိုက်မှုများစွာရရှိနေသည့် AI ကျင့်ဝတ်၏ အစိတ်အပိုင်းတစ်ခု သို့မဟုတ် အစိတ်အပိုင်းတစ်ခုသည် ဘက်လိုက်မှုနှင့် မမျှတမှုများကို ပြသသည့် AI ပါဝင်သည်။ AI ၏နောက်ဆုံးပေါ်ခေတ်စတင်သောအခါတွင် အချို့သောသူများက ယခုခေါ်ဝေါ်သည့်အရာအတွက် စိတ်အားထက်သန်မှု အမြောက်အမြားထွက်ရှိလာသည်ကို သင်သတိပြုမိပေမည်။ AI ကောင်းအတွက်. ကံမကောင်းစွာပဲ၊ ထိုစိတ်လှုပ်ရှားမှုကြောင့် ကျွန်ုပ်တို့ စတင်သက်သေခံလာခဲ့သည်။ AI အတွက် မကောင်းပါ။. ဥပမာအားဖြင့်၊ AI-based facial recognition စနစ်များသည် လူမျိုးရေးအရ ဘက်လိုက်မှုများနှင့် ကျားမရေးရာဘက်လိုက်မှုများပါ၀င်ကြောင်း ထုတ်ဖော်ပြသခဲ့ပြီး၊ ဒီမှာလင့်ခ်.

ပြန်တိုက်ဖို့ အားထုတ်တယ်။ AI အတွက် မကောင်းပါ။ တက်ကြွစွာ ဆောင်ရွက်လျက်ရှိပါသည်။ အပြင်က အသံထွက်တယ်။ ဥပဒေရေးရာ မှားယွင်းမှုကို ထိန်းချုပ်ရန် ကြိုးပမ်းမှုများ၊ AI ၏ ယုတ်ညံ့မှုကို ပြုပြင်ရန် AI ကျင့်ဝတ်များကို လက်ခံကျင့်သုံးရန် ခိုင်မာသော တွန်းအားပေးမှုများလည်း ရှိပါသည်။ အယူအဆမှာ ကျွန်ုပ်တို့သည် AI ၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် နယ်ပယ်ချဲ့ထွင်မှုများအတွက် အဓိကကျင့်ဝတ်ဆိုင်ရာ AI စည်းမျဉ်းများကို လက်ခံကျင့်သုံးရန် ထောက်ခံသင့်သည်ဟု အယူအဆဖြစ်သည်။ AI အတွက် မကောင်းပါ။ တစ်ပြိုင်နက်တည်း ဦးစားပေး ကြော်ငြာခြင်း ၊ AI ကောင်းအတွက်.

ဆက်စပ်ယူဆချက်တစ်ခုအရ၊ ကျွန်ုပ်သည် AI ဒုက္ခများကိုဖြေရှင်းချက်၏တစ်စိတ်တစ်ပိုင်းအဖြစ် AI ကိုအသုံးပြုရန် ကြိုးပမ်းနေသူတစ်ဦးဖြစ်ပြီး ထိုအတွေးမျိုးဖြင့် မီးကိုမီးနှင့်တိုက်ပါ။ ဥပမာအားဖြင့် ကျွန်ုပ်တို့သည် Ethical AI အစိတ်အပိုင်းများကို AI စနစ်တွင် မြှုပ်နှံထားနိုင်ပြီး ကျန် AI များ မည်သို့လုပ်ဆောင်နေသည်ကို စောင့်ကြည့်ကာ ခွဲခြားဆက်ဆံမှုဆိုင်ရာ အားထုတ်မှုများကို အချိန်နှင့်တပြေးညီ ဖမ်းဆုပ်နိုင်ချေရှိနိုင်သည်၊ ကျွန်ုပ်၏ ဆွေးနွေးချက်များကို ကြည့်ပါ၊ ဒီမှာလင့်ခ်. ကျွန်ုပ်တို့တွင် AI Ethics monitor အမျိုးအစားတစ်ခုအနေဖြင့် လုပ်ဆောင်သည့် သီးခြား AI စနစ်လည်း ရှိနိုင်သည်။ AI စနစ်သည် အခြား AI သည် သိက္ခာမဲ့သော ချောက်ထဲသို့ ရောက်သွားသည့်အခါ ခြေရာခံရန် ကြီးကြပ်သူအဖြစ် ဆောင်ရွက်သည် (ထိုစွမ်းရည်များကို ကျွန်ုပ်၏ ခွဲခြမ်းစိတ်ဖြာချက်တွင် ကြည့်ပါ။ ဒီမှာလင့်ခ်).

ခဏအကြာတွင် AI Ethics ၏အခြေခံသဘောတရားအချို့ကို မျှဝေပေးပါမည်။ ဒီလိုမျိုး စာရင်းတွေ ဟိုဟိုဒီဒီ လျှောက်လည်နေတာ အများကြီးပဲ။ စကြဝဠာအယူခံဝင်မှုနှင့် ညီညွတ်မှု၏ အနည်းကိန်းစာရင်းတစ်ခုမျှ မရှိသေးကြောင်း သင်ပြောနိုင်သည်။ အဲဒါ စိတ်မကောင်းစရာ သတင်းပဲ။ သတင်းကောင်းမှာ အနည်းဆုံး အလွယ်တကူရနိုင်သော AI Ethics စာရင်းများရှိပြီး ၎င်းတို့သည် အတော်လေး ဆင်တူနေတတ်သည်။ အားလုံးကိုပြောပြသည်၊ ဤသည်မှာ ကျိုးကြောင်းဆီလျော်သော ပေါင်းစပ်မှုပုံစံဖြင့် AI Ethics ပါ၀င်သည့် ယေဘူယျဘုံတူညီချက်ဆီသို့ ကျွန်ုပ်တို့၏နည်းလမ်းကို ရှာဖွေနေကြောင်း ညွှန်ပြနေသည်။

ဤနေရာတွင် ကျွန်ုပ်၏ဆွေးနွေးမှုများအတွက် အခြေခံအုတ်မြစ်ကို ဖြည့်ဆည်းပေးရန်အတွက် AI Ethics ၏ ပိုမိုကျယ်ပြန့်သောနယ်ပယ်၏ အစိတ်အပိုင်းတစ်ခု သို့မဟုတ် အပိုင်းကို အာရုံစိုက်မည့် AI ဘက်လိုက်မှု၏ သီးခြားဒြပ်စင်ဖြစ်သော အစောပိုင်းတွင် ဖော်ပြထားသည့်အတိုင်း၊ ဤအကြောင်းအရာကို သင်နှင့် ကျွန်ုပ်မျှဝေရခြင်း၏ အကြောင်းရင်းမှာ National Institute of Standards and Technology (NIST) မှ ထုတ်ပြန်သော စာတမ်းသည် AI ဘက်လိုက်မှုများအား စံပြုသည့် စံနှုန်းတစ်ခုဆီသို့ ကျွန်ုပ်တို့၏လမ်းကို လျှောက်လှမ်းနိုင်ရန် ကြိုးပမ်းနေခြင်းပင်ဖြစ်ပါသည်။ စာတမ်းကို ခံစားခွင့်ရှိသည်။ Artificial Intelligence တွင် ဘက်လိုက်မှုကို ခွဲခြားသတ်မှတ်ခြင်းနှင့် စီမံခန့်ခွဲခြင်းအတွက် စံတစ်ခုဆီသို့ စာရေးဆရာ Reva Schwartz၊ Apostol Vassilev၊ Kristen Greene၊ Lori Perine၊ Andrew Burt နှင့် Patrick Hall တို့မှ ထုတ်ဝေခဲ့ပြီး US Department of Commerce, NIST Special Publication 1270, March 2022 မှ ထုတ်ဝေခဲ့သည်။

ကျွန်ုပ်တို့သည် AI ဘက်လိုက်မှုများကြောင့် ကျွန်ုပ်တို့ ဆိုလိုသည့်အရာကို ထူထောင်ရန် ဤအဆင်ပြေပြီး အားတက်စရာ အားထုတ်မှုကို ထုပ်ပိုးပါမည်။ ရှေးစကားက တိုင်းတာလို့မရတဲ့ အရာတွေကို စီမံခန့်ခွဲလို့မရဘူး။ AI ဘက်လိုက်မှုအမျိုးမျိုးကို ဖော်ပြသည့် စံနှုန်းတစ်ခုရှိခြင်းဖြင့် AI ဘက်လိုက်မှုကို စတင်တိုင်းတာပြီး စီမံခန့်ခွဲနိုင်ပါသည်။

ဦးစွာ၊ AI တီထွင်ဖန်တီးသူ၊ တီထွင်ဖန်တီးသူ သို့မဟုတ် အသုံးပြုသူတိုင်းအတွက် အရေးကြီးသောထည့်သွင်းစဉ်းစားသင့်သည်များကို သရုပ်ပြရန် အလုံးစုံကျင့်ဝတ်ဆိုင်ရာ AI စည်းမျဉ်းအချို့ကို အကျဉ်းချုပ်ဖော်ပြလိုက်ကြပါစို့။

ဥပမာအားဖြင့်၊ Vatican တွင်ဖော်ပြထားသည့်အတိုင်း ရောမမြို့ AI ကျင့်ဝတ်များအတွက် ခေါ်ဆိုမှု နက်နက်နဲနဲ ခြုံငုံမိသလိုပဲ။ ဒီမှာလင့်ခ်၎င်းတို့သည် ၎င်းတို့သတ်မှတ်ထားသော AI ကျင့်ဝတ်ဆိုင်ရာ အခြေခံမူခြောက်ချက်ဖြစ်သည်။

• ပွင့်လင်းမြင်သာမှု: အခြေခံအားဖြင့် AI စနစ်များကို ရှင်းပြနိုင်ရမည်။
• ပါဝင်မှု လူသားအားလုံး၏ လိုအပ်ချက်များကို ထည့်သွင်းစဉ်းစားရန် လိုအပ်ပြီး လူတိုင်းကို အကျိုးပြုနိုင်စေရန်နှင့် လူတစ်ဦးချင်းစီသည် ၎င်းတို့ကိုယ်မိမိ ထုတ်ဖော်ပြောဆိုရန်နှင့် ဖွံ့ဖြိုးတိုးတက်ရန် အကောင်းဆုံးဖြစ်နိုင်သော အခြေအနေများကို ပေးဆောင်နိုင်မည်ဖြစ်သည်။
• တာဝန်ယူမှု: AI ကို ဒီဇိုင်းဆွဲပြီး အသုံးချသူများသည် တာဝန်နှင့် ပွင့်လင်းမြင်သာမှုဖြင့် ဆက်လက်ဆောင်ရွက်ရမည်ဖြစ်သည်။
• ဘက်မလိုက်မှု: တရားမျှတမှုနှင့် လူ့ဂုဏ်သိက္ခာကို အကာအကွယ်ပေးသည့် ဘက်လိုက်မှုအရ ဖန်တီးခြင်း သို့မဟုတ် ပြုမူခြင်း မပြုပါနှင့်
• ယုံကြည်စိတ်ချရ: AI စနစ်များ စိတ်ချယုံကြည်စွာ အလုပ်လုပ်နိုင်ရမည်။
• လုံခြုံရေးနှင့် ကိုယ်ရေးကိုယ်တာ- AI စနစ်များသည် လုံခြုံစွာအလုပ်လုပ်ရပြီး သုံးစွဲသူများ၏ လျှို့ဝှက်ရေးကို လေးစားရမည်ဖြစ်သည်။

US Department of Defence (DoD) မှာဖော်ပြထားတဲ့ အတိုင်းပါပဲ။ Artificial Intelligence ကိုအသုံးပြုခြင်းအတွက် ကျင့်ဝတ်ဆိုင်ရာအခြေခံမူများ နက်နက်နဲနဲ ခြုံငုံမိသလိုပဲ။ ဒီမှာလင့်ခ်၎င်းတို့သည် ၎င်းတို့၏ AI ကျင့်ဝတ်ဆိုင်ရာ အခြေခံမူခြောက်ချက်ဖြစ်သည်။

• တာဝန်ရှိ DoD ဝန်ထမ်းများသည် AI စွမ်းရည်များ ဖွံ့ဖြိုးတိုးတက်မှု၊ အသုံးချမှုနှင့် AI စွမ်းရည်များကို အသုံးပြုမှုအတွက် တာဝန်ရှိနေချိန်တွင် DoD ဝန်ထမ်းများသည် သင့်လျော်သော တရားစီရင်မှုနှင့် ဂရုစိုက်မှုအဆင့်များကို ကျင့်သုံးမည်ဖြစ်သည်။
• မျှမျှတတ- ဌာနသည် AI စွမ်းရည်များတွင် မလိုလားအပ်သော ဘက်လိုက်မှုများကို လျှော့ချရန် တမင်တကာ လုပ်ဆောင်သွားမည်ဖြစ်သည်။
• ခြေရာခံနိုင်သည်- ပွင့်လင်းမြင်သာစွာ စစ်ဆေးနိုင်သော နည်းလမ်းများ၊ ဒေတာရင်းမြစ်များနှင့် ဒီဇိုင်းလုပ်ထုံးလုပ်နည်းများနှင့် စာရွက်စာတမ်းများ အပါအဝင် AI စွမ်းရည်များအတွက် သက်ဆိုင်ရာ ဝန်ထမ်းများမှ သင့်လျော်သော နည်းပညာ၊ ဖွံ့ဖြိုးတိုးတက်မှု လုပ်ငန်းစဉ်များနှင့် သက်ဆိုင်သည့် လုပ်ငန်းဆောင်ရွက်မှုနည်းလမ်းများကို သင့်လျော်သော နားလည်သဘောပေါက်မှုရှိစေရန် ဌာန၏ AI စွမ်းရည်များကို တီထွင်ပြီး အသုံးချသွားမည်ဖြစ်သည်။
• ယုံကြည်စိတ်ချရသော: ဌာန၏ AI စွမ်းရည်များတွင် ရှင်းလင်းပြတ်သားစွာ ကောင်းစွာသတ်မှတ်ထားသော အသုံးပြုမှုများရှိမည်ဖြစ်ပြီး ယင်းစွမ်းရည်များ၏ ဘေးကင်းမှု၊ လုံခြုံရေးနှင့် ထိရောက်မှုတို့သည် ၎င်းတို့၏ဘဝစက်ဝန်းတစ်ခုလုံးတွင် သတ်မှတ်ထားသောအသုံးပြုမှုများအတွင်း စမ်းသပ်မှုနှင့် အာမခံမှုတို့အပေါ် မူတည်မည်ဖြစ်သည်။
• အုပ်ချုပ်နိုင်သော- ဌာနသည် ၎င်းတို့၏ ရည်ရွယ်ထားသော လုပ်ဆောင်ချက်များကို ဖြည့်ဆည်းရန် AI စွမ်းရည်များကို ဒီဇိုင်းထုတ်ကာ မရည်ရွယ်ထားသော အကျိုးဆက်များကို ရှာဖွေပြီး ရှောင်ရှားနိုင်သည့် စွမ်းရည်နှင့် မလိုလားအပ်သော အပြုအမူများကို သရုပ်ပြသည့် စနစ်များကို ဖြုတ်ပစ်ခြင်း သို့မဟုတ် ပိတ်ခြင်းတို့ကို လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။

“AI Ethics Guidelines ၏ Global Landscape Of AI Ethics Guidelines” ခေါင်းစဉ်ပါ စာတမ်းတွင် အမျိုးသားနှင့် နိုင်ငံတကာ AI ကျင့်ဝတ်ဆိုင်ရာ လမ်းညွှန်ချက်အများအပြား၏ အနှစ်သာရကို သုတေသနပြုသူများမှ ခွဲခြမ်းစိတ်ဖြာပြီး စုစည်းဖော်ပြခြင်းအပါအဝင် AI ကျင့်ဝတ်မူများကို စုပေါင်းခွဲခြမ်းစိတ်ဖြာမှု အမျိုးမျိုးကိုလည်း ဆွေးနွေးခဲ့ဖူးပါသည်။ ၌ သဘာဝ) နှင့် ကျွန်ုပ်၏ လွှမ်းခြုံမှုကို စူးစမ်းလေ့လာသည်။ ဒီမှာလင့်ခ်ဤသော့ချက်ကျောက်စာရင်းသို့ ဦးတည်စေသော၊

• ပွင့်လင်းမြင်သာမှု
• တရားမျှတမှုနှင့် တရားမျှတမှု
• Maleficence မဟုတ်သော
• တာဝန်
• သီးသန့်လုံခြုံရေး
• အကျိုးကျေးဇူး
• လွတ်လပ်မှုနှင့် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်
• ယုံကြည်ကိုးစားပါ
• သဘာဝပတ်ဝန်းကျင်အားမပျက်စီး
• ဂုဏ်သိက္ခာ
• ကြံ့ခိုင်ရေးနှင့်

သင် တိုက်ရိုက်မှန်းဆနိုင်သည်အတိုင်း၊ ဤအခြေခံမူများကို တိကျသေချာစွာ မှတ်သားရန်ကြိုးစားခြင်းသည် အလွန်ခက်ခဲပါသည်။ ထို့ထက်မက၊ ထိုကျယ်ပြန့်သောအခြေခံမူများကို AI စနစ်များဖန်တီးရာတွင် အသုံးပြုရလောက်အောင် လုံးလုံးမြင်သာထင်သာရှိပြီး အသေးစိတ်အချက်များအဖြစ်သို့ ပြောင်းလဲရန် အားထုတ်မှုသည် ကွဲထွက်ရန်ခက်ခဲသော အခွံတစ်ခုဖြစ်သည်။ AI ကျင့်ဝတ်သိက္ခာပုဒ်များနှင့် ယေဘူယျအားဖြင့် လိုက်နာသင့်ပုံတို့ကို လက်ဆွဲနှုတ်ဆက်ရန် လွယ်ကူသော်လည်း၊ ၎င်းသည် လမ်းနှင့်ကိုက်ညီသော ရော်ဘာဖြစ်ရန် အမှန်တကယ်လိုအပ်သော AI coding တွင် ပိုမိုရှုပ်ထွေးသောအခြေအနေဖြစ်နေသော်လည်း ၎င်းသည် လွယ်ကူသည်။

AI ကျင့်ဝတ်မူများကို AI developer များ၊ AI ဖွံ့ဖြိုးတိုးတက်ရေးကြိုးပမ်းအားထုတ်မှုများကို စီမံခန့်ခွဲသောသူများနှင့် AI စနစ်များကို ပြုစုစောင့်ရှောက်ပေးသည့် နောက်ဆုံးတွင် နယ်ပယ်စုံနှင့် ပြုစုစောင့်ရှောက်ပေးသည့်သူများပင် အသုံးပြုရမည်ဖြစ်သည်။ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် အသုံးပြုမှု၏ AI ဘဝစက်ဝန်းတစ်ခုလုံးတွင် သက်ဆိုင်သူအားလုံးကို Ethical AI ၏ ချမှတ်ထားသော စံနှုန်းများကို လိုက်နာခြင်း၏ နယ်ပယ်အတွင်း ထည့်သွင်းစဉ်းစားထားသည်။ ပုံမှန်ယူဆချက်မှာ “ကုဒ်ဒါများသာ” သို့မဟုတ် AI ပရိုဂရမ်ကို လုပ်ဆောင်သည့်သူများသည် AI ကျင့်ဝတ်ဆိုင်ရာ အယူအဆများကို လိုက်နာခြင်းကြောင့် အရေးကြီးသော မီးမောင်းထိုးပြမှုဖြစ်သည်။ အထက်တွင်ဖော်ပြထားသည့်အတိုင်း AI ကို တီထွင်ကြံဆရန် ရွာတစ်ရွာ လိုအပ်ပြီး တစ်ရွာလုံးက AI ကျင့်ဝတ်စည်းကမ်းများကို လိုက်နာရမည်ဖြစ်ပါသည်။

အဆိုပါ အဓိက AI Ethics စည်းမျဥ်းများစွာ၏ အရင်းခံသည် AI ဘက်လိုက်မှုများ၏ ယုတ်ညံ့သော သဘောသဘာဝဖြစ်သည်။

ကတ်ပြားတစ်ခုကဲ့သို့ပင်၊ ကျွန်ုပ်တို့သည် AI ဘက်လိုက်မှုများကို "ဝတ်စုံများ" သို့မဟုတ် အမျိုးအစားများအဖြစ် တစ်နည်းနည်းဖြင့် တစ်စုတစ်စည်းတည်း ပေါင်းစည်းနိုင်လျှင် အလွန်ကောင်းမွန်မည်မှာ သေချာပါသည်။ အမှန်မှာ၊ NIST စာရွက်စာတမ်းသည် အကြံပြုထားသော အုပ်စုဖွဲ့ခြင်းကို ပေးဆောင်သည်။

အဓိက အမျိုးအစားသုံးမျိုး အဆိုပြုထားသည်။

၁) စနစ်ပိုင်းဆိုင်ရာ ဘက်လိုက်မှုများ

2) စာရင်းအင်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုများ

၃) လူ့ဘက်လိုက်မှု

AI ဘက်လိုက်မှုအားလုံးသည် အဆိုပါ အမျိုးအစားသုံးမျိုးထဲမှ တစ်ခုအတွင်း သပ်ရပ်စွာ အံဝင်ခွင်ကျ ဖြစ်မဖြစ် သေချာစွာ ထည့်သွင်းစဉ်းစားရမည့် အရာတစ်ခုဖြစ်သည်။ AI ဘက်လိုက်မှုအချို့သည် အမျိုးအစားတစ်ခု၊ နှစ်ခု သို့မဟုတ် သုံးမျိုးစလုံးကို တစ်ချိန်တည်းတွင် ကျရောက်ကြောင်း သေချာပေါက် စောဒကတက်နိုင်ပါသည်။ ထို့အပြင်၊ အချို့သော စတုတ္ထ၊ ပဉ္စမ၊ ဆဋ္ဌမ၊ သို့မဟုတ် အချို့သော အတွဲစီးရီးများကဲ့သို့သော နောက်ထပ် အမျိုးအစားများကို ဖော်ပြရန် ထိုက်တန်သည်ဟု သင်တောင်းဆိုနိုင်သည်။

ဤစံနှုန်းများကို ပုံဖော်ရာတွင် ကူညီရာတွင် လူတိုင်းပါဝင်ရန် လိုအပ်သောကြောင့် သင်ထင်မြင်ယူဆသည်မှာ ထိုသို့ဖြစ်မည်ဟု မျှော်လင့်ပါသည်။ ဤစံနှုန်းများကို ဦးစွာပုံဖော်သည့်နည်းဖြင့် သင်အား တွန်းအားပေးနေပါက၊ ကျန်ရှိသော စံနှုန်းများကို ထွင်းထုနိုင်သမျှ ကြံ့ခိုင်ပြီး ပြီးပြည့်စုံစေရန်အတွက် ကျွန်ုပ်တို့အား အဆိုပါ စွမ်းအင်အဖြစ် ပြောင်းလဲပေးရန် သင့်အား ကျွန်ုပ် တိုက်တွန်းအပ်ပါသည်။

ယခုအချိန်တွင်၊ ကျွန်ုပ်တို့သည် အဆိုပြုထားသည့် အမျိုးအစားသုံးမျိုးအား အနီးကပ်ကြည့်ရှုနိုင်ပြီး ယခုအချိန်အထိ ကျွန်ုပ်တို့ကိုင်တွယ်ခဲ့သည့် လက်အမျိုးအစားကို ကြည့်နိုင်သည် (ဟုတ်ကဲ့၊ ဖဲချပ်တစ်ချပ်အတွက် သရုပ်ဖော်ချက်ကို ဆက်လက်အသုံးပြုသွားတော့မှာ ဖြစ်ပါတယ်။ ဤစာစု၏ တစ်ခုလုံးတွင်၊ ဤမျှမဝှက်ထားသော ဇာတ်ဝင်ခန်းတစ်ခုအတွက် သင်၏အောက်ခြေဒေါ်လာကို လောင်းနိုင်သည်။)

စနစ်ပိုင်းဆိုင်ရာ ဘက်လိုက်မှုများကို ရည်ညွှန်းခြင်းဟူသည် အဘယ်နည်း။

ဤသည်မှာ NIST စာတမ်းတွင် ဖော်ပြထားသည်- “စနစ်တကျ ဘက်လိုက်မှုများသည် အချို့သော လူမှုရေးအဖွဲ့များကို သာလွန်ခြင်း သို့မဟုတ် မျက်နှာသာပေးခံရခြင်းနှင့် အခြားသူများ ညံ့ဖျင်းခြင်း သို့မဟုတ် တန်ဖိုးဖြတ်ခြင်းတို့ကို ဖြစ်ပေါ်စေသည့် နည်းလမ်းများဖြင့် လုပ်ဆောင်သည့် အဖွဲ့အစည်းများ၏ လုပ်ထုံးလုပ်နည်းများနှင့် ကျင့်ထုံးများမှ ထွက်ပေါ်လာခြင်းဖြစ်သည်။ ဤသည်မှာ မည်သည့်အသိစိတ်မှ မလိုမုန်းထားမှု သို့မဟုတ် ခွဲခြားဆက်ဆံခြင်း၏ ရလဒ်မဟုတ်သော်လည်း အများစုမှာ တည်ဆဲစည်းမျဉ်းများ သို့မဟုတ် စံနှုန်းများကို လိုက်နာခြင်း၏ ရလဒ်ဖြစ်သည်။ အဖွဲ့အစည်းဆိုင်ရာ လူမျိုးရေးခွဲခြားမှုနှင့် လိင်မှုဝါဒများသည် အဖြစ်အများဆုံး ဥပမာများဖြစ်သည်” (၎င်းသည် အတိုကောက်ကောက်နုတ်ချက်မျှသာဖြစ်ပြီး စာဖတ်သူများအား ပိုမိုပြည့်စုံသော ရှင်းလင်းချက်ကို ကြည့်ရှုရန် အားပေးကြောင်း သတိပြုပါ)။

AI သည် AI-based အက်ပ်များတွင် အဆိုပါ ဘက်လိုက်မှုများကို သယ်ဆောင်ခြင်းနှင့် အသုံးချခြင်းနည်းလမ်းများကို ပံ့ပိုးပေးခြင်းဖြင့် စနစ်ပိုင်းဆိုင်ရာ ဘက်လိုက်မှုများ ရောနှောလာပါသည်။ သင် AI-ထည့်သွင်းထားသောဆော့ဖ်ဝဲလ်ကိုအသုံးပြုသည့်အခါတိုင်း၊ ကုမ္ပဏီများနှင့်စက်မှုလုပ်ငန်းအလေ့အကျင့်များမှတစ်ဆင့် စနစ်ထဲသို့ထည့်သွင်းထားသည့် ဘက်လိုက်မှုအချို့ပါရှိသည်ကို သင်သိသည့်အတွက်ကြောင့် AI ကိုဖန်တီးရန် ဦးတည်စေပါသည်။ NIST လေ့လာမှုအရ - "AI တွင်အသုံးပြုသည့် ဒေတာအတွဲများနှင့် AI ဘဝစက်ဝန်းတစ်လျှောက်နှင့် ကျယ်ပြန့်သောယဉ်ကျေးမှုနှင့် လူ့အဖွဲ့အစည်းအတွင်း အဖွဲ့အစည်းဆိုင်ရာ စံနှုန်းများ၊ အလေ့အကျင့်များနှင့် လုပ်ငန်းစဉ်များ NIST လေ့လာမှုအရ ဤဘက်လိုက်မှုများမှာ ရှိနေပါသည်။"

ထို့နောက်၊ ကိန်းဂဏန်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုများဟု တံဆိပ်ကပ်ထားသော ဘက်လိုက်မှုအစုများကို သုံးသပ်ကြည့်ပါ။

NIST စာတမ်းတွင် ဤသို့ဖော်ပြထားသည်- “စာရင်းအင်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုများသည် နမူနာသည် လူဦးရေကို ကိုယ်စားမပြုသည့်အခါ ဖြစ်ပေါ်လာသည့် အမှားများမှ ပေါက်ဖွားလာခြင်းဖြစ်သည်။ ဤဘက်လိုက်မှုများသည် ကျပန်းအမှားကို ဆန့်ကျင်သည့်စနစ်တကျမှ ဖြစ်ပေါ်လာပြီး မလိုမုန်းထားမှု၊ ဘက်လိုက်မှု သို့မဟုတ် ခွဲခြားဆက်ဆံမှုဆိုင်ရာ ရည်ရွယ်ချက်မရှိခြင်းတို့ကြောင့် ဖြစ်ပေါ်နိုင်သည်။ AI စနစ်များတွင် ဤဘက်လိုက်မှုများသည် AI အပလီကေးရှင်းများ ဖွံ့ဖြိုးတိုးတက်ရေးတွင် အသုံးပြုသည့် ဒေတာအတွဲများနှင့် အယ်လဂိုရီသမ်လုပ်ငန်းစဉ်များတွင် ပါရှိပြီး algorithms များကို ဒေတာအမျိုးအစားတစ်ခုတွင် လေ့ကျင့်သင်ကြားပြီး ထိုဒေတာထက် ကျော်လွန်၍မရနိုင်သည့်အခါ ပေါ်ပေါက်လာတတ်သည်။"

ဤစာရင်းအင်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုအမျိုးအစားကို Machine Learning (ML) နှင့် Deep Learning (DL) ကို အသုံးပြုသည့် AI စနစ်သို့ မကြာခဏ ထည့်သွင်းထားသည်။ ခေတ်ပြိုင် ML/DL ၏ ကြီးလေးသောကိစ္စရပ်ကို ဖော်ထုတ်ခြင်းသည် AI ဟူသည် အဘယ်အရာနှင့် ML/DL ဟူသည်တို့နှင့်ပတ်သက်သည့် ဆက်စပ်ဘက်ခြမ်းတစ်ခု လိုအပ်ပါသည်။

ယနေ့ခေတ် AI ၏ သဘာ၀အကြောင်း တစ်မျက်နှာတည်းတွင် ရှိနေကြောင်း သေချာပါစေ။

ယနေ့ခေတ်တွင် ခံစားချက်ရှိသော AI မရှိပါ။ ကျွန်ုပ်တို့တွင် ဤအရာမရှိပါ။ Senient AI က ဖြစ်နိုင်မလားဆိုတာ ကျွန်တော်တို့ မသိပါဘူး။ ကျွန်ုပ်တို့သည် Senient AI ကိုရရှိမည်လော၊ Senient AI သည် တွက်ချက်မှုဆိုင်ရာ သိမြင်မှုစူပါနိုဗာပုံစံဖြင့် အလိုလိုဖြစ်ပေါ်လာမည်လား (singularity ဟု အများအားဖြင့်ရည်ညွှန်းသည်၊ ကျွန်ုပ်၏ဖော်ပြချက်တွင် ကြည့်ပါ။ ဒီမှာလင့်ခ်).

ကျွန်ုပ်အာရုံစိုက်သော AI အမျိုးအစားသည် ယနေ့ကျွန်ုပ်တို့၌ရှိနေသည့် အာရုံခံမဟုတ်သော AI များပါဝင်သည်။ ချင့်ချင့်ချိန်ချိန် လုပ်ချင်လျှင် ခံစားချက်ရှိသူ AI၊ ဤဆွေးနွေးမှုသည် အလွန်ကွဲပြားသော ဦးတည်ရာသို့ သွားနိုင်သည်။ စိတ်ဓာတ်ကျသော AI သည် လူ့အရည်အသွေးဟု ထင်ရပေမည်။ အာရုံခံ AI သည် လူသားတစ်ဦး၏ သိမြင်နိုင်စွမ်းနှင့် ညီမျှကြောင်း သင်ထည့်သွင်းစဉ်းစားရန် လိုအပ်ပါသည်။ ထို့ထက်ပို၍ အချို့က ကျွန်ုပ်တို့တွင် စူပါဉာဏ်ရည်ဉာဏ်သွေး AI ရှိနိုင်သည်ဟု ထင်မြင်ယူဆသောကြောင့်၊ ထို AI သည် လူသားများထက် ဉာဏ်ရည်ထက်မြက်လာလိမ့်မည်ဟု စိတ်ကူးနိုင်သည် (ကျွန်ုပ်၏ ဉာဏ်ရည်ထက်မြက်သော AI ကို စူးစမ်းရှာဖွေမှုအတွက် ဖြစ်နိုင်ခြေတစ်ခုအနေဖြင့် ကြည့်ပါ။ အကျုံးဝင်သည်။).

အရာများကို ကမ္ဘာမြေကြီးပေါ်တွင် ထားရှိကာ ယနေ့ခေတ် တွက်ချက်မှုဆိုင်ရာ အာရုံမစိုက်နိုင်သော AI ကို စဉ်းစားကြည့်ကြပါစို့။

ယနေ့ခေတ် AI သည် လူသား၏တွေးခေါ်ပုံနှင့်အညီ မည်သည့်ဖက်ရှင်တွင်မဆို “တွေးခေါ်နိုင်” နိုင်သည်ကို သတိပြုပါ။ Alexa သို့မဟုတ် Siri နှင့် အပြန်အလှန် တုံ့ပြန်သောအခါတွင်၊ စကားပြောဆိုနိုင်မှုစွမ်းရည်များသည် လူသားစွမ်းရည်များနှင့် ဆင်တူနေပုံရသော်လည်း လက်တွေ့မှာ ၎င်းသည် တွက်ချက်မှုနှင့် လူသားတို့၏ အသိဉာဏ်ကင်းမဲ့ခြင်းပင်ဖြစ်သည်။ AI ၏နောက်ဆုံးပေါ်ခေတ်တွင် ကွန်ပြူတာပုံစံနှင့်ကိုက်ညီသော အသုံးချမှုဖြစ်သည့် Machine Learning နှင့် Deep Learning တို့ကို ကျယ်ကျယ်ပြန့်ပြန့်အသုံးပြုခဲ့သည်။ ယင်းကြောင့် လူသားနှင့်တူသော အသွင်အပြင်ရှိသော AI စနစ်များ ဖြစ်ပေါ်လာခဲ့သည်။ တစ်ချိန်တည်းမှာပင် ယနေ့ခေတ်တွင် သာမန်အသိတရားနှင့် ပုံသဏ္ဍာန်ရှိသော AI သည် ခိုင်မာသောလူသား၏ တွေးခေါ်မှုဆိုင်ရာ သိမြင်နိုင်စွမ်းဆိုင်ရာ အံ့ဩဖွယ်ရာ တစ်စုံတစ်ရာမျှ မရှိပါ။

ML/DL သည် တွက်ချက်မှုပုံစံနှင့် ကိုက်ညီသော ပုံစံတစ်ခုဖြစ်သည်။ ပုံမှန်ချဉ်းကပ်နည်းမှာ ဆုံးဖြတ်ချက်ချခြင်းလုပ်ငန်းတစ်ခုနှင့် ပတ်သက်သည့် အချက်အလက်များကို စုစည်းခြင်းဖြစ်သည်။ သင်သည် ဒေတာကို ML/DL ကွန်ပျူတာ မော်ဒယ်များတွင် ဖြည့်သွင်းသည်။ ထိုမော်ဒယ်များသည် သင်္ချာပုံစံများကို ရှာဖွေကြသည်။ ထိုသို့သောပုံစံများကို ရှာဖွေပြီးနောက်၊ တွေ့ရှိပါက AI စနစ်သည် ဒေတာအသစ်များနှင့် ကြုံတွေ့ရသည့်အခါ အဆိုပါပုံစံများကို အသုံးပြုမည်ဖြစ်သည်။ ဒေတာအသစ်များတင်ပြသောအခါ၊ "အဟောင်း" သို့မဟုတ် သမိုင်းအချက်အလက်ပေါ်အခြေခံထားသော ပုံစံများကို လက်ရှိဆုံးဖြတ်ချက်ကို အကောင်အထည်ဖော်ရန်အတွက် အသုံးပြုပါသည်။

ဒါက ဘယ်ကိုသွားနေလဲဆိုတာ ခန့်မှန်းလို့ရတယ်။ အကယ်၍ ဆုံးဖြတ်ချက်များအပေါ် စံနမူနာပြုထားသော လူသားများသည် ဘက်လိုက်မှု ကင်းမဲ့စွာ ပေါင်းစပ်နေပါက အချက်အလက်များသည် သိမ်မွေ့သော်လည်း သိသာထင်ရှားသော နည်းလမ်းများဖြင့် ရောင်ပြန်ဟပ်နေခြင်းမှာ သာဓကများပင်ဖြစ်သည်။ Machine Learning သို့မဟုတ် Deep Learning ကွန်ပြူတာပုံစံ ကိုက်ညီမှု သည် အချက်အလက်ကို သင်္ချာနည်းအရ အတုယူရန် ရိုးရိုးရှင်းရှင်း ကြိုးစားပါမည်။ AI မှ ဖန်တီးထားသော မော်ဒယ်လ်တစ်ခုချင်းစီ၏ သာမာန်အသိတရား သို့မဟုတ် အခြားခံစားချက်ရှိသော အသွင်အပြင်မျိုး မရှိပါ။

ထို့အပြင် AI developer များသည် ဖြစ်ပျက်နေသည်များကို မသိရှိနိုင်ပေ။ ML/DL ရှိ arcane သင်္ချာသည် ယခု ဝှက်ထားသော ဘက်လိုက်မှုများကို ဖယ်ထုတ်ရန် ခက်ခဲစေနိုင်သည်။ ၎င်းသည် ထင်ထားသည်ထက် ပိုမိုရှုပ်ထွေးသော်လည်း AI developer များသည် မြှုပ်နှံထားသော ဘက်လိုက်မှုများအတွက် စမ်းသပ်နိုင်မည်ဟု မှန်ကန်စွာမျှော်လင့်ပြီး မျှော်လင့်နေမည်ဖြစ်သည်။ ML/DL ၏ စံနမူနာများနှင့် ကိုက်ညီသော မော်ဒယ်များအတွင်း ဘက်လိုက်မှုများ ရှိနေမည်ကို အတော်လေး ကျယ်ပြန့်သော စမ်းသပ်မှုတွင်ပင် ခိုင်မာသော အခွင့်အရေးတစ်ခု ရှိနေပါသည်။

အမှိုက်မှ အမှိုက်ထွက်ခြင်း၏ ကျော်ကြားသော သို့မဟုတ် ကျော်ကြားသော ဆိုရိုးစကား ကို သင် အနည်းငယ် အသုံးပြုနိုင်သည်။ ဆိုလိုသည်မှာ၊ ၎င်းသည် AI အတွင်း၌ နစ်မြုပ်နေသော ဘက်လိုက်မှုများကဲ့သို့ တိုးလျှိုးအနှောက်အယှက်ဖြစ်စေသော ဘက်လိုက်မှုများနှင့် ပို၍တူပါသည်။ AI ၏ အယ်လဂိုရီသမ် ဆုံးဖြတ်ချက်ချခြင်း (ADM) သည် မမျှတမှုများဖြင့် သယ်ဆောင်လာပါသည်။

မကောင်းဘူး။

၎င်းသည် ကျွန်ုပ်တို့အား အထူးသဖြင့် AI ဘက်လိုက်မှုများ ပေါ်ပေါက်ရေးတွင် လူသားဘက်လိုက်မှုများ၏ အခန်းကဏ္ဍကို NIST အစုသုံးစု၏ တတိယအမျိုးအစားသို့ လေးလေးနက်နက် ပို့ဆောင်ပေးပါသည်။ ဤသည်မှာ NIST စာတမ်းတွင် ဖော်ပြထားသည့်အရာဖြစ်သည်- “လူ့ဘက်လိုက်မှုသည် လူသားတို့၏ တွေးခေါ်မှုဆိုင်ရာ ကန့်သတ်ချက်များစွာအပေါ် အခြေခံ၍ စနစ်ကျသော အမှားများကို ထင်ဟပ်စေပြီး ပိုမိုရိုးရှင်းသော တရားစီရင်ခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်များအတွက် တန်ဖိုးများကို ခန့်မှန်းပေးသည်။ ဤဘက်လိုက်မှုများသည် မကြာခဏဆိုသလို သွယ်ဝိုက်စပ်စပ်ဖြစ်ပြီး ဆုံးဖြတ်ချက်တစ်ခုချရန် သို့မဟုတ် ပျောက်ဆုံးနေသော သို့မဟုတ် မသိရသေးသောအချက်အလက်များကို ဖြည့်စွက်ရန်အတွက် သတင်းအချက်အလက် (အလိုအလျောက် အလိုအလျောက် AI ထုတ်ပေးမှုကဲ့သို့) တစ်ဦးချင်းစီ သို့မဟုတ် အဖွဲ့တစ်ခုက သတင်းအချက်အလက်ကို သိရှိပုံနှင့် ဆက်စပ်နေပါသည်။ ဤဘက်လိုက်မှုများသည် AI ဘဝစက်ဝန်းတစ်လျှောက် အဖွဲ့အစည်းဆိုင်ရာ၊ အုပ်စုနှင့် တစ်ဦးချင်း ဆုံးဖြတ်ချက်ချသည့် လုပ်ငန်းစဉ်များတွင် ကျယ်ကျယ်ပြန့်ပြန့် ရှိနေပြီး AI အပလီကေးရှင်းများ အသုံးပြုမှုတွင် ကျယ်ကျယ်ပြန့်ပြန့် ရှိနေပါသည်။"

အမျိုးအစားသုံးမျိုးအတွက် လျင်မြန်သောမီး နိဒါန်းကို ယခု သင်ရရှိပါသည်။

NIST စာတမ်းတွင် ဖော်ပြထားသည့်အတိုင်း အတွေးအမြင်အတွက် နောက်ထပ်အစားအစာအချို့ကို သင့်အား မျှဝေပေးလိုပါသည်။ ၎င်းတို့၏ဇာတ်ကြောင်းတွင် ဇယားကွက်တစ်ခုသည် AI ဘက်လိုက်မှုသုံးစုံမှ တစ်ခုစီကို အခြေခံသည့် အဓိကမေးခွန်းများနှင့် ထည့်သွင်းစဉ်းစားမှုများ၏ အသုံးဝင်သော အကျဉ်းချုပ်ကို ပေးပါသည်။ သင့်အကိုးအကားနှင့် ပြုပြင်ဖန်တီးမှု အဆင်ပြေစေရန်အတွက် ၎င်းတို့ကို ဤနေရာတွင် ဖော်ပြထားပါသည်။

#1- စနစ်ပိုင်းဆိုင်ရာ ဘက်လိုက်မှုများ

• ဘယ်သူက ရေတွက်ပြီး ဘယ်သူက ရေမတွက်တာလဲ။

- ငုပ်လျှိုးနေသော ကိန်းရှင်များနှင့် ပြဿနာများ

- ဘေးဖယ်ထားသော အုပ်စုများကို ကိုယ်စားပြုမှု နည်းပါးခြင်း။

- မညီမျှမှုများကို အလိုအလျောက်လုပ်ဆောင်ခြင်း။

- အသုံးဝင်မှု လုပ်ဆောင်ချက်ကို ဆုံးဖြတ်ရာတွင် ကိုယ်စားပြုမှု အားနည်းခြင်း။

- လူများစု/လူနည်းစုကို မျက်နှာသာပေးသော လုပ်ငန်းစဉ်များ

- ရည်ရွယ်ချက်လုပ်ဆောင်ချက်တွင် ယဉ်ကျေးမှုဘက်လိုက်မှု (တစ်ဦးချင်းစီအတွက် အကောင်းဆုံးနှင့် အုပ်စုအတွက် အကောင်းဆုံး)

• မှန်ကန်သောအရာကို ကျွန်ုပ်တို့ မည်သို့သိနိုင်သနည်း။

- မညီမျှမှုများကို အားကောင်းစေခြင်း (AI ကို ပိုမိုမြင့်မားစွာအသုံးပြုခြင်းဖြင့် အုပ်စုများကို ပိုမိုအကျိုးသက်ရောက်စေသည်)

- ကြိုတင်ခန့်မှန်းရဲခြင်းများသည် အပျက်သဘောဆောင်သော သက်ရောက်မှုများ ပိုများသည်။

- စီးနင်းမျှဝေခြင်း/ ကိုယ်တိုင်မောင်းနှင်သည့်ကားများ/ ကျယ်ကျယ်ပြန့်ပြန့် လက်ခံကျင့်သုံးခြင်း။ အသုံးပြုမှုအပေါ်အခြေခံ၍ လူဦးရေအပေါ်သက်ရောက်မှုရှိသော မူဝါဒများကို ပြောင်းလဲနိုင်သည်။

#2- စာရင်းအင်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုများ

• ဘယ်သူက ရေတွက်ပြီး ဘယ်သူက ရေမတွက်တာလဲ။

- နမူနာနှင့် ရွေးချယ်ရေးဘက်လိုက်မှု

— ၎င်းတို့ကို တိုင်းတာရန် ပိုမိုလွယ်ကူသောကြောင့် ပရောက်စီကိန်းရှင်များကို အသုံးပြုခြင်း။

- အလိုအလျောက်စနစ်ဘက်လိုက်မှု

- Likert အတိုင်းအတာ (ပုံမှန်မှ ကာဒီနယ်အထိ အမျိုးအစားအလိုက်)

- nonlinear နှင့် linear

- ဂေဟစနစ်မှားယွင်းမှု

- L1 နှင့် L2 စံနှုန်းကို လျှော့ချပါ။

- ဆက်စပ်ဖြစ်စဉ်များကို တွက်ချက်ရာတွင် အထွေထွေအခက်အခဲ

• မှန်ကန်သောအရာကို ကျွန်ုပ်တို့ မည်သို့သိနိုင်သနည်း။

- လုံလောက်သော အပြန်အလှန်အတည်ပြုချက်မရှိခြင်း။

- ရှင်သန်မှုဘက်လိုက်မှု

- တရားမျှတမှု ရှိရန် ခက်ခဲခြင်း။

နံပါတ် ၃- လူ့ဘက်လိုက်မှု

• ဘယ်သူက ရေတွက်ပြီး ဘယ်သူက ရေမတွက်တာလဲ။

- Observational Bias (လမ်းမီးအကျိုးသက်ရောက်မှု)

- ရရှိနိုင်မှုဘက်လိုက်မှု (anchoring)

- McNamara မှားယွင်းမှု

- အုပ်စုဖွဲ့တွေးခေါ်ခြင်းက ကျဉ်းမြောင်းသော ရွေးချယ်မှုများကို ဖြစ်ပေါ်စေသည်။

- Rashomon အကျိုးသက်ရောက်မှုသည် ပုဂ္ဂလဒိဋ္ဌိ ထောက်ခံအားပေးမှုကို ဦးတည်သည်။

- ရည်မှန်းချက်များကို အရေအတွက်သတ်မှတ်ရာတွင် ခက်ခဲခြင်းသည် McNamara မှားယွင်းမှုဆီသို့ ဦးတည်သွားစေနိုင်သည်။

• မှန်ကန်သောအရာကို ကျွန်ုပ်တို့ မည်သို့သိနိုင်သနည်း။

- အတည်ပြုချက်ဘက်လိုက်မှု

- အလိုအလျောက်စနစ်ဘက်လိုက်မှု

လေးလေးနက်နက် ဆွေးနွေးမှု၏ ယခုအချိန်တွင် သင်သည် AI ဘက်လိုက်မှု အမျိုးအစားသုံးရပ်ကို ပြသနိုင်သည့် သရုပ်ဖော်ပုံဥပမာအချို့ကို လိုချင်နေမည်ဟု လောင်းကြေးထပ်ထားသည်။ ကျွန်ုပ်၏ နှလုံးသားနှင့် နီးစပ်သော အထူးနှင့် သေချာပေါက် ရေပန်းစားသော ဥပမာများ ရှိပါသည်။ ကျင့်ဝတ်နှင့် ဥပဒေဆိုင်ရာ အကျိုးသက်ရောက်မှုများ အပါအဝင် AI ကျွမ်းကျင်သူတစ်ဦးအနေဖြင့် ကျွန်ုပ်၏စွမ်းရည်ဖြင့် AI Ethics အကျပ်အတည်းများကို ပြသသည့် လက်တွေ့ကျသောဥပမာများကို ဖော်ထုတ်ရန် ကျွန်ုပ်မကြာခဏ တောင်းဆိုခံရပြီး အကြောင်းအရာ၏ အနည်းငယ်သော သီအိုရီသဘောသဘာဝကို ပိုမိုလွယ်ကူစွာ ဆုပ်ကိုင်နိုင်စေရန် သင်တွေ့မြင်ရသည်။ ဤကျင့်ဝတ်ဆိုင်ရာ AI အနှောက်အယှက်ကို ထင်ရှားစွာတင်ပြနိုင်သည့် နိုးကြားတက်ကြွမှုအရှိဆုံး နယ်ပယ်တစ်ခုမှာ AI အခြေခံ စစ်မှန်သော ကိုယ်တိုင်မောင်းသူမဲ့ကားများ ပေါ်ထွန်းလာခြင်းဖြစ်သည်။ ၎င်းသည် ခေါင်းစဉ်နှင့် ပတ်သက်၍ ကျယ်ကျယ်ပြန့်ပြန့် ဆွေးနွေးမှုအတွက် အသုံးဝင်သော ဖြစ်ရပ်တစ်ခု သို့မဟုတ် စံနမူနာတစ်ခုအဖြစ် ဆောင်ရွက်မည်ဖြစ်သည်။

ဤသည်မှာ ဆင်ခြင်ထိုက်သော မှတ်သားဖွယ်မေးခွန်းတစ်ခုဖြစ်သည်။ AI အခြေခံ စစ်မှန်သော မောင်းသူမဲ့ကားများ ပေါ်ထွန်းလာခြင်းသည် AI ဘက်လိုက်မှု အမျိုးအစားသုံးမျိုးနှင့် ပတ်သက်၍ တစ်စုံတစ်ရာကို တောက်ပစေသလား၊ သို့ဆိုလျှင် ၎င်းသည် အဘယ်အရာကို ပြသသနည်း။

မေးခွန်းထုတ်ဖို့ ခဏလောက်ခွင့်ပြုပါ။

ဦးစွာ၊ စစ်မှန်သော အလိုအလျောက်မောင်းနှင်သည့်ကားတွင် လူသားယာဉ်မောင်းတစ်ဦးမျှ မပါဝင်ကြောင်း သတိပြုပါ။ စစ်မှန်သော အလိုအလျောက်မောင်းနှင်သည့်ကားများကို AI မောင်းနှင်မှုစနစ်ဖြင့် မောင်းနှင်ကြောင်း မှတ်သားထားပါ။ ဘီးမှာ လူသားယာဉ်မောင်းအတွက် မလိုအပ်သလို လူတစ်ဦးကို ယာဉ်မောင်းနှင်ရန် ပြဋ္ဌာန်းချက်လည်း မရှိပါ။ ကျွန်ုပ်၏ ကျယ်ပြောလှသော လက်ရှိ လွှမ်းခြုံထားသော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ် (AVs) နှင့် အထူးသဖြင့် အလိုအလျောက်မောင်းနှင်သည့် ကားများကို ကြည့်ပါ၊ ဒီမှာလင့်ခ်.

မောင်းသူမဲ့ကားအစစ်တွေကို ရည်ညွှန်းတဲ့အခါ ဘာကိုဆိုလိုသလဲဆိုတာ ထပ်ရှင်းချင်ပါတယ်။

ကိုယ်ပိုင်ကားမောင်းခြင်းအဆင့်များကိုနားလည်ခြင်း

ရှင်းလင်းချက်အနေဖြင့်၊ စစ်မှန်သော အလိုအလျောက်မောင်းနှင်သည့်ကားများသည် AI သည် ကားကို သူ့ဘာသာသူ အပြည့်အဝမောင်းနှင်ပေးသည့် အမျိုးအစားဖြစ်ပြီး မောင်းနှင်သည့်အလုပ်တွင် လူသားအကူအညီတစ်စုံတစ်ရာမရှိပါ။

ဤမောင်းသူမဲ့ကားများကို Level 4 နှင့် Level 5 အဖြစ် သတ်မှတ်သည် (ကျွန်ုပ်၏ ရှင်းလင်းချက်တွင် ကြည့်ပါ။ ဒီ link ကိုဒီမှာ) မောင်းနှင်မှုအား မျှဝေရန်အတွက် လူသားယာဉ်မောင်းတစ်ဦး လိုအပ်သောကားကို အဆင့် 2 သို့မဟုတ် အဆင့် 3 တွင် ထည့်သွင်းစဉ်းစားလေ့ရှိသည်။ မောင်းနှင်ခြင်းလုပ်ငန်းကို ပူးတွဲမျှဝေသည့်ကားများကို Semi-autonomous ဟုဖော်ပြထားပြီး ပုံမှန်အားဖြင့် အမျိုးမျိုးပါဝင်ပါသည်။ ADAS (Advanced Driver-Assistance Systems) အဖြစ် ရည်ညွှန်းထားသော အလိုအလျောက် အပိုပရိုဂရမ်များ။

အဆင့် 5 တွင် အမှန်တကယ် မောင်းသူမဲ့ကားတစ်စီး မရှိသေးပါ၊ ၎င်းသည် အောင်မြင်ရန် ဖြစ်နိုင်ချေ ရှိ၊ သို့မဟုတ် ထိုနေရာသို့ ရောက်ရန် အချိန်မည်မျှ ကြာမည်ကိုပင် မသိရသေးပါ။

ဤအတောအတွင်း Level 4 အားထုတ်မှုများသည်အလွန်ကျဉ်းမြောင်း။ ရွေးချယ်ထားသောအများပြည်သူသုံးလမ်းပြစမ်းသပ်မှုများကို ပြုလုပ်၍ တဖြည်းဖြည်းကြိုးစားမှုအချို့ကိုရရှိရန်ကြိုးစားနေသည်။ သို့သော်ဤစမ်းသပ်မှုကိုခွင့်ပြုသင့်ခြင်းရှိမရှိနှင့် ပတ်သက်၍ အငြင်းပွားဖွယ်ရာများရှိနေသည် (ကျွန်ုပ်တို့အားလုံးသည်စမ်းသပ်မှုတစ်ခုတွင်ပါ ၀ င်သည့်သေခြင်းတူဂီနီဝက်များဖြစ်ကြသည်။ ကျွန်တော်တို့ရဲ့အဝေးပြေးလမ်းမကြီးနဲ့အဝေးပြေးလမ်းမှာဖြစ်ပျက်နေတာကိုအချို့ကအခိုင်အမာပြောတယ်၊ ဒီ link ကိုဒီမှာ).

Semi- ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားများတွင်လူ့ယာဉ်မောင်းလိုအပ်သောကြောင့်ထိုအမျိုးအစားများကိုမွေးစားခြင်းသည်သမားရိုးကျယာဉ်များထက်သိသိသာသာကွဲပြားလိမ့်မည်မဟုတ်ပါ။ ခဏအတွက်လာမယ့်လုပ်အချက်များယေဘုယျအားဖြင့်သက်ဆိုင်ဖြစ်ကြသည်။

Semi- ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားများအတွက်လတ်တလောတွင်ပေါ်ပေါက်လာသောစိတ်အနှောက်အယှက်ဖြစ်ဖွယ်ရာများအကြောင်းအများပြည်သူအားကြိုတင်သတိပေးရန်လိုအပ်သည်။ ၎င်းတို့သည်ဗီဒီယိုများအားမိမိတို။ ၏ဗွီဒီယိုများအားဒုတိယအကြိမ် (သို့) အဆင့် ၃ ကားဘီးတွင်အိပ်ပျော်နေအောင်ကြိုတင်သတိပေးရန်လိုသည်။ , ငါတို့ရှိသမျှသည်ကားမောင်းသူတစ်ဝက်ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားမောင်းနေစဉ်ကားမောင်းခြင်းလုပ်ငန်းကနေသူတို့ရဲ့အာရုံကိုဖယ်ရှားပစ်နိုင်သည်ကိုယုံကြည်သို့လှည့်ဖြားခြင်းမှရှောင်ရှားရန်လိုအပ်သည်။

သင်သည်အဆင့် (၂) သို့မဟုတ်အဆင့် (၃) သို့အလိုအလျောက်မည်မျှတင်ပို့သည်ဖြစ်စေ၊ သင်သည်ယာဉ်၏မောင်းနှင်မှုအတွက်တာဝန်ရှိသည်။

ကိုယ်တိုင်မောင်းနှင်သောကားများနှင့် AI ဘက်လိုက်မှုများ

အဆင့် 4 နှင့်အဆင့် ၅ တွင်စစ်မှန်သောမိမိကိုယ်ကိုမောင်းနှင်သည့်ယာဉ်များအတွက်ယာဉ်မောင်းသူတွင်လူသားမောင်းသူမရှိနိုင်ပါ။

နေထိုင်သူများအားလုံးသည်ခရီးသည်များဖြစ်သည်။

အဆိုပါ AI အကားမောင်းလုပ်နေတာဖြစ်ပါတယ်။

ချက်ချင်းဆွေးနွေးရန်အချက်တစ်ချက်မှာယနေ့ခေတ် AI မောင်းနှင်မှုစနစ်တွင်ပါ ၀ င်သော AI သည်စိတ်ကျေနပ်မှုမရှိပါ။ တနည်းအားဖြင့် AI သည်ကွန်ပျူတာအခြေခံပရိုဂရမ်နှင့် algorithms စုပေါင်းမှုတစ်ခုဖြစ်ပြီးလူသားများတတ်နိုင်သည့်အတိုင်းအတာနှင့်ကျိုးကြောင်းဆင်ခြင်မှုလုံးဝမရှိပါ။

AI သည်အာရုံခံစားမှုမရှိခြင်းကိုအဘယ့်ကြောင့်ဤသို့အလေးပေးဖော်ပြသနည်း။

ငါ AI မောင်းနှင်မှုစနစ်၏အခန်းကဏ္discussကိုဆွေးနွေးတဲ့အခါငါ AI မှလူ့အရည်အသွေးတွေကိုဖော်ပြခြင်းမဟုတ်ကြောင်းအလေးပေးချင်သောကြောင့် AI ကိုမနုropဗေဒအဖြစ်ပြောင်းလဲရန်ယခုခေတ်တွင်အန္တရာယ်ရှိသောအလေ့အကျင့်ရှိသည်ကိုသတိပြုပါ။ အဓိကအားဖြင့်လူများသည်ယနေ့ခေတ် AI သို့လူသားနှင့်သက်ဆိုင်သည့်စိတ်ကျေနပ်မှုကိုပေးနေကြသော်လည်းထိုသို့သော AI မရှိသေးဟုမငြင်းနိုင်သော၊

ထိုရှင်းလင်းချက်ဖြင့် AI မောင်းနှင်မှုစနစ်သည်ကား၏ရှုထောင့်များကိုတစ်နည်းနည်းဖြင့်“ မသိ” ဟုသင်ထင်မြင်နိုင်သည်။ မောင်းနှင်မှုနှင့်ပါ ၀ င်မှုအားလုံးသည်မိမိကိုယ်ကိုမောင်းနှင်သည့်ကား၏ဟာ့ဒ်ဝဲနှင့်ဆော့ (ဖ်) ဝဲ၏အစိတ်အပိုင်းတစ်ခုအနေဖြင့်စီစဉ်ရန်လိုအပ်သည်။

ဒီခေါင်းစဉ်အပေါ်ကစားရန်လာသည်ဟုများပြားလှသောရှုထောင့်သို့လေ့လာကြပါစို့။

ဦးစွာ၊ AI မောင်းသူမဲ့ကားအားလုံးသည် တူညီကြသည်မဟုတ်ကြောင်း သိရှိထားရန် အရေးကြီးပါသည်။ ကားထုတ်လုပ်သူနှင့် မောင်းသူမဲ့ကားနည်းပညာကုမ္ပဏီတစ်ခုစီသည် မောင်းသူမဲ့ကားများကို တီထွင်ဖန်တီးရန် ချဉ်းကပ်လုပ်ဆောင်နေကြသည်။ ထို့ကြောင့် AI မောင်းနှင်မှုစနစ်များ လုပ်ဆောင်မည် သို့မဟုတ် မလုပ်သင့်သည်နှင့် ပတ်သက်၍ ကျယ်ကျယ်ပြန့်ပြန့် ထုတ်ပြန်ချက်ထုတ်ရန် ခက်ခဲသည်။

ထို့ပြင် AI မောင်းနှင်မှုစနစ်သည်တစ်စုံတစ်ရာကိုအထူးလုပ်ဆောင်ခြင်းမရှိကြောင်းဖော်ပြသည့်အခါတိုင်း၎င်းသည်အမှန်တကယ်အားကွန်ပျူတာကိုပရိုဂရမ်ရေးသားသော developer များထက်ကျော်လွန်နိုင်သည်။ တစ်ဆင့်ပြီးတစ်ဆင့် AI မောင်းနှင်မှုစနစ်များကိုတဖြည်းဖြည်းတိုးတက်လာသည်နှင့်တိုးချဲ့လာသည်။ ယနေ့တည်ရှိနေသောကန့်သတ်ချက်သည်အနာဂတ်စနစ်သို့မဟုတ်ဗားရှင်းစနစ်တွင်မရှိတော့ပါ။

ငါပြန်ပြောပြရမယ့်အရာတွေကို underlie လုပ်ဖို့အတွက် caveats တွေအလုံအလောက်ပေးနိုင်တယ်ဆိုတာငါယုံတယ်။

မောင်းသူမဲ့ကားများနှင့် AI ဘက်လိုက်မှု အမျိုးအစားသုံးမျိုးပါရှိသည့် Ethical AI ဖြစ်နိုင်ခြေများကို နက်ရှိုင်းစွာ စေ့စေ့ငုငုလုပ်ရန် ယခု ကျွန်ုပ်တို့ စတင်လုပ်ဆောင်နေပါသည်။

သင့်ပတ်ဝန်းကျင်လမ်းများပေါ်တွင် AI အခြေခံ ကိုယ်တိုင်မောင်းနှင်သည့်ကားတစ်စီး ရှိနေပြီး ဘေးကင်းစွာ မောင်းနှင်နေပုံရသည်ကို စိတ်ကူးကြည့်ပါ။ အစတွင်၊ သင်သည် ကိုယ်တိုင်မောင်းနှင်သည့်ကားကို တစေ့တစောင်း ဖမ်းစားနိုင်ချိန်တိုင်းအတွက် အထူးအာရုံစိုက်ခဲ့သည်။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်သည် ဗီဒီယိုကင်မရာများ၊ ရေဒါယူနစ်များ၊ LIDAR စက်ပစ္စည်းများနှင့် အခြားအရာများပါ၀င်သည့် အီလက်ထရွန်းနစ်အာရုံခံကိရိယာများနှင့်အတူ ထင်ရှားပေါ်လွင်ပါသည်။ သင့်အသိုင်းအဝိုင်းတစ်ဝိုက်တွင် မောင်းသူမဲ့ကားဖြင့် ရက်သတ္တပတ်များစွာ ဖြတ်သန်းပြီးနောက်၊ သင်သည် ၎င်းကို သတိထားမိသလောက်ပင်။ သင်စိုးရိမ်ရသလောက်၊ ၎င်းသည် လူစည်ကားသော အများသူငှာလမ်းများပေါ်တွင် အခြားကားတစ်စီးမျှသာဖြစ်သည်။

မောင်းသူမဲ့ကားတွေမြင်ရဖို့ဆိုတာ မဖြစ်နိုင်ဘူး ဒါမှမဟုတ် ယုံလွယ်စရာလို့ထင်မှာစိုးလို့ မောင်းသူမဲ့ကားစမ်းသပ်မှုနယ်ပယ်အတွင်းမှာရှိတဲ့ နေရာဒေသတွေက ဆန်းသစ်လာတဲ့ကားတွေကို မြင်တွေ့ရပုံကို မကြာခဏ မကြာခဏရေးဖူးပါတယ်။ ငါ၏ခွဲခြမ်းစိတ်ဖြာမှုကိုကြည့်ရှုပါ။ ဒီ link ကိုဒီမှာ. ဒေသခံအများစုသည် နောက်ဆုံးတွင် ပါးစပ်ဟပ်ကာ တရွတ်ဆို့လုပ်ရာမှ ယခု ကွေ့ကောက်နေသော မောင်းသူမဲ့ကားများကို မြင်တွေ့ရန် ပျင်းရိငြီးငွေ့ဖွယ်ရာ ကျယ်လောင်သောသမ်းဝေမှုဆီသို့ ကူးပြောင်းသွားကြသည်။

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များကို သတိပြုမိနိုင်သည့် အဓိကအကြောင်းအရင်းမှာ ယားယံခြင်းနှင့် စိတ်တိုခြင်းတို့ကြောင့်ဖြစ်သည်။ by-the-book AI မောင်းနှင်မှုစနစ်များသည် ကားများသည် အမြန်နှုန်းကန့်သတ်ချက်များနှင့် လမ်းစည်းကမ်းအားလုံးကို လိုက်နာကြောင်း သေချာစေသည်။ သူတို့ရဲ့ ရိုးရာလူသားမောင်းနှင်တဲ့ ကားတွေမှာ ရှုပ်ယှက်ခတ်နေတဲ့ လူသားယာဉ်မောင်းတွေအတွက်၊ တင်းကြပ်စွာ လိုက်နာထားတဲ့ AI အခြေခံ ကိုယ်တိုင်မောင်းနှင်တဲ့ ကားတွေရဲ့ နောက်ကွယ်မှာ ပိတ်မိနေတဲ့အချိန်တွေမှာ သင် စိတ်ညစ်သွားနိုင်ပါတယ်။

အဲဒါက ကျွန်တော်တို့အားလုံး မှန်ကန်စွာ သို့မဟုတ် မှားယွင်းစွာ ကျင့်သားရနေဖို့ လိုပါတယ်။

ငါတို့ပုံပြင်သို့ ပြန်သွားရန်။

မောင်းသူမဲ့ကားများ၏ ဤအခြေအနေတွင် စနစ်ကျသော ဘက်လိုက်မှုများ မည်သို့ပါဝင်လာမည်ကို နောက်မှ သုံးသပ်ပါမည်။

အချို့သော ပဏ္ဍိတ်များသည် မောင်းသူမဲ့ကားများသည် ချမ်းသာသူများနှင့် အထက်တန်းစားများသာ နယ်မြေဖြစ်လာမည်ကို အလွန်စိုးရိမ်ကြသည်။ မောင်းသူမဲ့ကားများ အသုံးပြုရန် ကုန်ကျစရိတ်မှာ သိသိသာသာ စျေးကြီးခြင်း ဖြစ်နိုင်သည်။ သင့်မှာ ငွေကြေးကြီးကြီးမားမားမရှိရင်၊ မောင်းသူမဲ့ကားရဲ့ အတွင်းပိုင်းကို သင် ဘယ်တော့မှ မမြင်နိုင်တော့ပါဘူး။ မောင်းသူမဲ့ကားတွေကို အသုံးချမယ့်သူတွေက ချမ်းသာဖို့ လိုမယ် လို့ ယူဆရပါတယ်။

ထို့ကြောင့်၊ အချို့သောသူများက AI အခြေခံ မောင်းသူမဲ့ကားများ ထွန်းကားလာစေရန် စနစ်ကျသော ဘက်လိုက်မှုပုံစံ စိမ့်ဝင်သွားလိမ့်မည်ကို စိတ်မကောင်းစွာ နှိုးဆော်ထားသည်။ အလုံးစုံ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမော်တော်ယာဉ်စက်မှုလုပ်ငန်းစနစ်တစ်ခုလုံးသည် ဆင်းရဲနွမ်းပါးသော သို့မဟုတ် ချမ်းသာကြွယ်ဝသူများလက်မှ မောင်းသူမဲ့ကားများကို ထိန်းထားနိုင်မည်ဖြစ်သည်။ ၎င်းသည် လွန်ကဲသော ရည်ရွယ်ချက်ဖြင့် ဖြစ်မလာဘဲ မောင်းသူမဲ့ကားများ တီထွင်ရာတွင် ဝန်ထုပ်ဝန်ပိုးဖြစ်စေသော စရိတ်စကများကို ပြန်လည်ရယူရန် တစ်ခုတည်းသော ယုံကြည်ချက်မှာ ဒေါသတကြီး စျေးနှုန်းကြီးမြင့်မှုကို ကောက်ခံခြင်းဖြစ်သည်ဟု ထင်ရှားပါသည်။

ယနေ့ခေတ်တွင် နေ့စဉ်လူတို့အား အသုံးပြုခွင့်ပေးထားသော မောင်းသူမဲ့ကား စမ်းသပ်မှုများ ရှိနေပြီဟု တုံ့ပြန်ပါက သင်သည် ချမ်းသာရန် မလိုအပ်ကြောင်း ထင်ရှားနေပုံရပြီး၊ ဤသည်မှာ ရှဲလ်ဂိမ်းတစ်မျိုးဖြစ်သည်၊ အဲဒါ။ ကားထုတ်လုပ်သူများနှင့် မောင်းသူမဲ့နည်းပညာကုမ္ပဏီများသည် ကုန်ကျစရိတ်မှာ ကြီးမားသောအတားအဆီးမဟုတ်သကဲ့သို့ ၎င်းကို အကောင်အထည်ဖော်ရန် ဆန္ဒရှိနေသည်ဟု ယူဆရသည်။ ၎င်းတို့သည် ယခုအချိန်တွင် လူထုဆက်ဆံရေးရည်ရွယ်ချက်အတွက် လုပ်ဆောင်နေပြီး အရေးအကြောင်းများကို ဖော်ထုတ်လိုက်သည်နှင့် စျေးနှုန်းများ တက်လာမည်ဖြစ်သည်။ သင်းဖွဲ့သူတစ်ဦးသည် ချမ်းသာကြွယ်ဝလာစေရန်အတွက် နေ့စဉ်လူများ ရက်စက်ကြမ်းကြုတ်စွာအသုံးပြုနေသကဲ့သို့ “ဂီနီဝက်” ဟုပင် အခိုင်အမာဆိုနိုင်သည်။

ဒါကြောင့် အဲဒီအငြင်းပွားဖွယ်ရာကိစ္စရပ်နဲ့ ဒီကြမ်းတမ်းတဲ့အကြောင်းအရာမှာ ကျွန်တော့်ကိုယ်ပိုင်နှစ်ဆင့်ကို ထည့်သွင်းထားတာကြောင့် နေ့စဉ်သုံးအတွက် မောင်းသူမဲ့ကားတွေထက် ပိုဈေးကြီးမယ်လို့ ကျွန်တော် မထင်ပါဘူး။ ဤကဲ့သို့သော အရေးဆိုမှုပြုလုပ်ခြင်းအတွက် ကျွန်ုပ်၏အခြေခံအကြောင်းအသေးစိတ်အချက်အလက်များကို ကျွန်ုပ်မပါဝင်ဘဲ ကျွန်ုပ်၏သတိချပ်ဖွယ်ဆွေးနွေးမှုများကို ကြည့်ရှုရန် ဖိတ်ကြားအပ်ပါသည်။ ဒီမှာလင့်ခ် နှင့် ဒီမှာလင့်ခ်.

ရှေ့ဆက်ပြီး AI ဆိုင်ရာ ကိန်းဂဏန်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုဆိုင်ရာ ကိစ္စရပ်ကို ကျွန်ုပ်တို့ စဉ်းစားနိုင်မည်ဖြစ်သည်။

မောင်းသူမဲ့ကားများသည် ခရီးသည်များကို ခေါ်ယူရန် မည်သည့်နေရာတွင် လည်ပတ်နေမည်နည်းဟု ထင်ရသော အကျိုးမရှိသောမေးခွန်းကို တွေးတောပါ။ ဤအရာသည် အလွန်တရာ အပြစ်ကင်းစင်သော အကြောင်းအရာတစ်ခု ဖြစ်ပုံရသည်။ AI ဆိုင်ရာ ကိန်းဂဏန်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုများ၏ အံ့အားသင့်ဖွယ် အလားအလာကောင်းများကို မီးမောင်းထိုးပြရန် မောင်းသူမဲ့ကားများရှိသည့် မြို့ သို့မဟုတ် မြို့၏ပုံပြင်ကို အသုံးပြုပါမည်။

အစပိုင်းတွင် AI သည် မောင်းသူမဲ့ကားများကို မြို့တစ်ခုလုံးအနှံ့ လှည့်ပတ်နေသည်ဟု ယူဆပါ။ မောင်းသူမဲ့ကားကို စီးနင်းချင်သူတိုင်းဟာ တကယ်တန်း တူညီတဲ့ အခွင့်အရေးတစ်ခုပါပဲ။ တဖြည်းဖြည်းနှင့် AI သည် မြို့၏အပိုင်းတစ်ခုတွင်သာ မောင်းသူမဲ့ကားများကို အဓိကထား၍ မောင်းနှင်လာခဲ့သည်။ ဤကဏ္ဍသည် ပိုမိုကောင်းမွန်သော ငွေကြေးဖန်တီးမှုတစ်ခုဖြစ်ပြီး အသိုင်းအဝိုင်းအတွင်း အသုံးပြုမှု၏တစ်စိတ်တစ်ပိုင်းအဖြစ် ဝင်ငွေအများဆုံးရရှိရန် AI စနစ်အား ကြိုးစားလုပ်ဆောင်ရန် ပရိုဂရမ်ပြုလုပ်ထားသည်။

မြို့၏ဆင်းရဲနွမ်းပါးသောဒေသများရှိ ရပ်ရွာလူထုများသည် မောင်းသူမဲ့ကားဖြင့် စီးနင်းနိုင်ခြေနည်းပါးပါသည်။ အဘယ်ကြောင့်ဆိုသော် မောင်းသူမဲ့ကားများသည် ပိုမိုဝေးကွာပြီး ဒေသ၏ ဝင်ငွေပိုရသော အစိတ်အပိုင်းတွင် လှည့်ပတ်သွားလာနေခြင်းကြောင့်ဖြစ်သည်။ မြို့၏ဝေးလံသောအရပ်မှ တောင်းဆိုချက်တစ်ခုဝင်လာသောအခါ၊ မြို့၏ "လေးစားအပ်သော" အစိတ်အပိုင်းတွင်ဖြစ်နိုင်ခြေရှိသော ပိုမိုနီးစပ်သောနေရာမှ တောင်းဆိုမှုမှန်သမျှသည် ပို၍ဦးစားပေးရလိမ့်မည်။ နောက်ဆုံးတွင်၊ ချမ်းသာသောမြို့မှလွဲ၍ အခြားမည်သည့်နေရာ၌မဆို အလိုအလျောက်မောင်းကားတစ်စီးရရှိရန်မှာ မဖြစ်နိုင်သလောက်ပင်၊ ထို့ကြောင့် ယခုအခါ သယံဇာတ ငတ်မွတ်သောဒေသများတွင် နေထိုင်ကြသူများအတွက် အလွန်အမင်း ဒေါသထွက်နေပါသည်။

AI သည် proxy ခွဲခြားဆက်ဆံမှုပုံစံ (မကြာခဏဆိုသလို သွယ်ဝိုက်ခွဲခြားဆက်ဆံမှုဟုလည်း ရည်ညွှန်းသည်) နှင့်တူသော ကိန်းဂဏန်းနှင့် တွက်ချက်မှုဆိုင်ရာ ဘက်လိုက်မှုပုံစံတစ်ခုပေါ်တွင် AI သည် များစွာရောက်ရှိသွားကြောင်း သင်အခိုင်အမာပြောနိုင်သည်။ ထိုဆင်းရဲသော ရပ်ကွက်များကို ရှောင်ရှားရန် AI သည် အစီအစဉ်မရှိပေ။ ယင်းအစား ML/DL ကိုအသုံးပြုခြင်းဖြင့် ထိုသို့ပြုလုပ်ရန် "သင်ယူ" ခဲ့သည်။

AI သည် ရှက်ဖွယ်ကောင်းသော သဲသောင်ပြင်ထဲသို့ ဘယ်တော့မှ မကျနိုင်ဟု ယူဆရသည်။ AI အခြေခံ မောင်းသူမဲ့ကားများ ဘယ်ကိုသွားသည်ကို ခြေရာခံရန် အထူးပြုစောင့်ကြည့်မှု မသတ်မှတ်ထားပေ။ ရပ်ရွာလူထုက စတင်တိုင်ကြားပြီးမှသာ မြို့တော်ခေါင်းဆောင်များ ဖြစ်ပျက်နေသည်ကို သိရှိနားလည်လာကြသည်။ မောင်းသူမဲ့ကားများနှင့် မောင်းသူမဲ့ကားများ တင်ပြသွားမည့် မြို့တွင်းပြဿနာအမျိုးအစားများအကြောင်း ပိုမိုသိရှိလိုပါက ကျွန်ုပ်၏ လွှမ်းခြုံမှုတွင် ကြည့်ပါ။ ဒီ link ကိုဒီမှာ ခေါင်းစဉ်နဲ့ ကျွန်တော် ပူးတွဲရေးသားခဲ့တဲ့ ဟားဗတ်ဦးဆောင်တဲ့ လေ့လာမှုတစ်ခုအကြောင်း ဖော်ပြထားတာပါ။

AI ဘက်လိုက်မှုများနှင့် ပတ်သက်သည့် လူသားဘက်လိုက်မှု၏ တတိယအမျိုးအစားအတွက်၊ လမ်းဖြတ်ကူးရန် လမ်းညာဘက်မရှိသော လမ်းသွားလမ်းလာများကို စောင့်မျှော်နေသော လမ်းသွားလမ်းလာများအတွက် ရပ်တန့်ခြင်းရှိမရှိ ဆုံးဖြတ်ခြင်း AI ပါ၀င်သည့် ဥပမာတစ်ခုသို့ လှည့်ပါသည်။

သင်ကားမောင်းပြီး လမ်းဖြတ်ကူးရန် စောင့်ဆိုင်းနေသော လမ်းသွားလမ်းလာများနှင့် ကြုံတွေ့ခဲ့ရသည်မှာ သံသယဖြစ်ဖွယ်မရှိသော်လည်း ၎င်းတို့တွင် ထိုသို့ပြုလုပ်ရန် လမ်းကြောင်းမှန်မရှိပေ။ ဆိုလိုတာက ရပ်တန့်ပြီး သူတို့ကို ဖြတ်ကျော်ခွင့် ပေးဖို့ သင့်မှာ ဆုံးဖြတ်ချက် ရှိတယ်လို့ ဆိုလိုတာပါ။ ၎င်းတို့ကို ဖြတ်ကျော်ခွင့်မပြုဘဲ ဆက်လက်လုပ်ဆောင်နိုင်ပြီး တရားဝင်မောင်းနှင်မှုစည်းမျဉ်းများအတွင်း အပြည့်အဝရှိနေပါသေးသည်။

ယင်းသို့ လမ်းသွားလမ်းလာများအတွက် ရပ်ရန် သို့မဟုတ် မရပ်ရန် လူသားယာဉ်မောင်းများက ဆုံးဖြတ်ပုံအား လေ့လာချက်များအရ တစ်ခါတစ်ရံတွင် လူသားယာဉ်မောင်းများသည် ဘက်လိုက်မှုအပေါ် အခြေခံ၍ ရွေးချယ်မှုပြုလုပ်ကြောင်း အကြံပြုထားသည်။ လူသားယာဉ်မောင်းတစ်ဦးသည် လမ်းသွားလမ်းလာကို မျက်စိကျကာ မရပ်တန့်ရန် ရွေးချယ်နိုင်သော်လည်း လမ်းသွားလမ်းလာတွင် လူမျိုး သို့မဟုတ် ကျားမအပေါ်အခြေခံ၍ ကွဲပြားသောအသွင်အပြင်မျိုး ရှိနေပါက ရပ်သွားမည်ဖြစ်သည်။ ဒါကို ကျနော် စစ်ဆေးပြီးပြီ။ ဒီမှာလင့်ခ်.

လမ်းညာဘက်မရှိသော လမ်းသွားလမ်းလာများအတွက် AI-based မောင်းသူမဲ့ကားများကို ရပ်တန့်ရန် သို့မဟုတ် မရပ်ရန် မေးခွန်းထုတ်ရန် အစီအစဉ်ဆွဲထားကြောင်း စိတ်ကူးကြည့်ပါ။ ဒါကတော့ AI developer တွေက ဒီလုပ်ငန်းကို ပရိုဂရမ်လုပ်ဖို့ ဆုံးဖြတ်ပုံပါပဲ။ မြို့ပတ်ပတ်လည်တွင် ထားရှိထားသော မြို့၏ ဗီဒီယိုကင်မရာများမှ အချက်အလက်များကို စုဆောင်းခဲ့ကြသည်။ ဒေတာသည် လမ်းသွားလမ်းလာမရှိသော လမ်းသွားလမ်းလာများအတွက် ရပ်တန့်ထားသော လူသားယာဉ်မောင်းများနှင့် မရပ်တန့်နိုင်သော လူသားယာဉ်မောင်းများကို ပြသထားသည်။ ၎င်းအားလုံးကို ကြီးမားသောဒေတာအတွဲအဖြစ် စုစည်းထားသည်။

Machine Learning နှင့် Deep Learning ကိုအသုံးပြုခြင်းဖြင့် ဒေတာများကို တွက်ချက်မှုပုံစံဖြင့် ပုံဖော်ထားသည်။ AI မောင်းနှင်မှုစနစ်သည် မည်သည့်အချိန်တွင် ရပ်ရမည် သို့မဟုတ် မရပ်ရန် ဆုံးဖြတ်ရန် ဤမော်ဒယ်ကို အသုံးပြုသည်။ ယေဘူယျအားဖြင့် အယူအဆမှာ ဒေသတွင်း ဓလေ့ထုံးတမ်းများပါ၀င်သည်ဖြစ်စေ AI သည် အလိုအလျောက်မောင်းနှင်သည့်ကားကို ညွှန်ကြားနေပုံဖြစ်သည်။

မြို့သူမြို့သားများနှင့် ဒေသခံများကို အံ့အားသင့်စေကာ AI သည် လမ်းသွားလမ်းလာများ၏ အသက်အရွယ်ပေါ်မူတည်၍ ရပ်တန့်ရန် သို့မဟုတ် မရပ်ရန် ရွေးချယ်ခဲ့ကြောင်း ထင်ရှားသည်။ အဲဒါ ဘယ်လိုဖြစ်သွားတာလဲ။

လူသားယာဉ်မောင်း၏ ဆုံးဖြတ်ချက် ဗီဒီယိုကို အနီးကပ် ပြန်လည်သုံးသပ်ကြည့်သောအခါ သက်ကြီးရွယ်အိုတစ်ဦး၏ လမ်းလျှောက်ကြံကို ကိုင်ဆောင်ထားသော လမ်းသွားလမ်းလာများကို မရပ်တန့်ခြင်း ဖြစ်ရပ်များစွာကို တွေ့ရှိရသည်။ လူသားယာဉ်မောင်းများသည် တစ်စုံတစ်ဦးကို ခရီးထွက်ရန် ကြာမြင့်နိုင်သည်ဟု ယူဆရသည့် အချိန်အတိုင်းအတာတစ်ခုကြောင့် သက်ကြီးရွယ်အိုတစ်ဦးအား လမ်းဖြတ်ကူးရန် မရပ်မနား ဆန္ဒရှိနေပုံရသည်။ အကယ်၍ လမ်းသွားလမ်းလာများသည် လမ်းကို လျင်မြန်စွာ ခုန်ဆင်းနိုင်ပြီး ယာဉ်မောင်း၏စောင့်ဆိုင်းချိန်ကို လျှော့ချနိုင်ပုံရပါက၊ ယာဉ်မောင်းများသည် လူကိုဖြတ်ကျော်ခွင့်ပေးရန် ပို၍သင့်လျော်ပါသည်။

၎င်းသည် AI မောင်းနှင်မှုစနစ်တွင် နက်ရှိုင်းစွာ မြှုပ်နှံထားသည်။ မောင်းသူမဲ့ကား၏ အာရုံခံကိရိယာများသည် စောင့်မျှော်နေသော လမ်းသွားလမ်းလာများကို စကင်န်ဖတ်ကာ ဤဒေတာကို ML/DL မော်ဒယ်သို့ ဖြည့်သွင်းမည်ဖြစ်ပြီး မော်ဒယ်သည် ရပ်တန့်ရန် သို့မဟုတ် ရှေ့ဆက်ရန် AI သို့ ထုတ်လွှတ်မည်ဖြစ်သည်။ လမ်းလျှောက်ရန် ကြံအသုံးပြုခြင်းကဲ့သို့သော လမ်းလျှောက်ရန် နှေးကွေးသွားနိုင်သည့် အရိပ်အယောင်များကို AI မောင်းနှင်မှုစနစ်က စောင့်ဆိုင်းနေသူအား လမ်းဖြတ်ကူးသင့်သည်ရှိမရှိ ဆုံးဖြတ်ရန် သင်္ချာနည်းဖြင့် အသုံးပြုထားသည်။

၎င်းသည် ယခင်ရှိပြီးသား လူသားတို့၏ ဘက်လိုက်မှုအပေါ် မှီခိုမှုတစ်ခုဖြစ်ကြောင်း သင် စောဒကတက်နိုင်သည်။

ကောက်ချက်

လောလောဆယ် နောက်ဆုံး အတွေးတစ်ချို့။

သင်ပေးသောကတ်များကို သင်မပြောင်းနိုင်ဘဲ သင်ပေးထားသည့် မည်သည့်လက်ဖြင့် လုံလောက်စွာ ကစားနည်းကို လေ့လာရမည်ဟူသော ရေပန်းစားသော စကားတစ်ခုရှိပါသည်။

AI ဘက်လိုက်မှုကိစ္စတွင်၊ ကျွန်ုပ်တို့သည် ဘုတ်အဖွဲ့အနှံ့ AI ကျင့်ဝတ်များကို ထူထောင်ကာ အထူးသဖြင့် AI ဘက်လိုက်မှုများ၏ စရိုက်လက္ခဏာကို ခိုင်မာစေပါက၊ ကျွန်ုပ်တို့ကိုင်တွယ်ရမည့် လက်အမျိုးအစားများသည် ယုတ်ညံ့သော ကျင့်ဝတ်သိက္ခာများနှင့် ပြည့်လျှံနေမည်ဖြစ်သည်။ ဥပဒေမဲ့ လူတန်းစားလည်း ဖြစ်နိုင်တယ်။ အဲဒီကတ်တွေကို ဘယ်တော့မှ အပေးအယူမခံရအောင် တားဆီးရမယ်။ Ethical AI စံနှုန်းများကို ဖန်တီးပြီး ထုတ်ပြန်ကြေညာရန် ရဲရင့်သော ရည်ရွယ်ချက်သည် မြင့်တက်လာမည့် ဆူနာမီကို တိုက်ဖျက်ရန် အရေးကြီးသောကိရိယာတစ်ခုဖြစ်သည်။ AI အတွက် မကောင်းပါ။.

များပြားလာသော AI ဘက်လိုက်မှုနှင့် သိက္ခာမဲ့သော AI တို့သည် ပျော့ပျောင်းသော ကတ်ပြားအိမ်တစ်ခုကဲ့သို့ ဖြစ်နေမည်ဖြစ်ပြီး၊ သူ့ကိုယ်သူ အော်ဟစ်ကာ ကျွန်ုပ်တို့အားလုံးအတွက် ဘေးအန္တရာယ်ဖြစ်နိုင်ဖွယ်ရှိသည့် ဘဏ်သို့ သင်ဆုံးဖြတ်နိုင်သည်။

သင့်လျော်သောကျင့်ဝတ် AI ဖြင့် အနိုင်ရရန် ကစားကြပါစို့။