ဆင်းရဲတဲ့ နိုင်ငံတွေ အတွက် အေအိုင်

AI က အတိတ်က ထွက်ပေါ်လာခဲ့တဲ့ နည်းပညာများနည်းတူ တန်းတူညီမျှ‌တဲ့ ယှဉ်ပြိုင်ခွင့်ကို ပေးပါတယ်

အီလီတန်ဒေ (Elly Ntonde) က ယူဂန္ဓာနိုင်ငံ ဘူဒွန်ဒို (Budondo) ရွာမှာ ဓာတုဗေဒ စာမေးပွဲ ဖြေဆိုဖို့ စာကျက်နေပါတယ်။ ဒီရွာလေးက လမ်းတွေမှာ ပလက်ဖောင်းများ မရှိပါဘူး။ ရေပိုက်လိုင်းတွေလည်း မရှိပါဘူး။ မီးကတော့ လာတစ်လှည့် ပျက်တစ်လှည့်ပါ။ ဒါပေမဲ့ အသက် ၁၈ နှစ်အရွယ် အီလီတန်ဒေ က သတ္တုတွေ အက်ဆစ်နဲ့ ဘယ်လို ဓာတ်ပြုလဲ သိရှိဖို့ လေ့လာတဲ့အခါ ကမ္ဘာ့ အဆင့်မြင့်ဆုံး ဆရာတစ်ယောက်က လက်နဲ့ သုံးလေးချက် တို့လိုက်တာနဲ့ ရောက်လာပါတယ်။ သူက ဈေးဆိုင်လေးဆီ လမ်းလျှောက်သွားပြီး အင်တာနက် ဒေတာ ၁၀၀ မီဂါဘိုက် ဝယ်လိုက်တယ်။ ပြီးတော့ သူ့ဖုန်းထဲကို ထည့်လိုက်တဲ့အခါ ChatGPT က သူ့မေးခွန်းတွေ အားလုံးကို ဖြေပေးလိုက်ပါတယ်။

တန်ဒေ ရဲ့ အတွေ့အကြုံက ဉာဏ်ရည်တု နည်းပညာရဲ့ အလားအလာတွေကို မီးမောင်းထိုး ပြသနေပါတယ်။ ChatGPT ဟာ ထွက်ရှိလာပြီး သုံးနှစ် မပြည့်ခင်မှာပဲ လူဦးရေ သန်းပေါင်း ၈၀၀ ခန့် (ကမ္ဘာပေါ်ရှိ အရွယ်ရောက်ပြီးသူများရဲ့ ခုနစ် ပုံ တစ်ပုံ) က သီတင်း တစ်ပတ်မှာ တစ်ကြိမ် အနည်းဆုံး သုံးစွဲလာကြပါတယ်။ အများစုက လူငယ်တွေ အများအပြားရှိပြီး နည်းပညာ စိတ်ဝင်စားတဲ့ ဖွံ့ဖြိုးဆဲနိုင်ငံများက ဖြစ်ပါတယ်။ အမေရိကန်နိုင်ငံ ပြီးရင် အိန္ဒိယနဲ့ ဘရာဇီးက ဒုတိယ အကြီးဆုံးဈေးကွက် ဖြစ်တယ်။ ကုလသမဂ္ဂရဲ့ စစ်တမ်းအရ AI ကို ယုံကြည်သူများဟာ လူသားရင်းမြစ် ဖွံ့ဖြိုးမှု နည်းပါးတဲ့ နိုင်ငံများက ဖြစ်တယ်။ စားသုံးသူ သုတေသန ကုမ္ပဏီဖြစ်တဲ့ GWI ရဲ့ အဆိုအရ ဂါနာနိုင်ငံသားများနဲ့ နိုင်ဂျီးရီယားနိုင်ငံသားများက စိတ်ဝင်စားမှု အများဆုံး ဖြစ်ပါတယ်။ ကျောင်းဆရာတွေ၊ ဆရာဝန်တွေ၊ အကြံပေးတွေကို မိမိအိတ်ကပ်ထဲ ထည့်ထားပြီး ဗဟုသုတ ရှာဖွေမှုကို လွတ်လပ်အောင် AI က လုပ်ဆောင်ပေးနိုင်မလား။ အစောပိုင်း လေ့လာမှုများကတော့ အလားအလာကောင်းတွေ ရှိနေတယ်လို့ ညွှန်ပြနေပါတယ်။ နိုင်ရိုဘီ မြို့မှာ ChatGPT နဲ့ ရှေးဦးပြုစု ကုသမှုပေးတဲ့ ဆေးခန်းတွေဖြစ်တဲ့ Penda Health က လူနာတွေနဲ့ တိုင်ပင်ဆွေးနွေးတဲ့အခါ ဆရာဝန်တွေကို အကူအညီပေးတဲ့ နည်းလမ်းတစ်ခုကို စမ်းသပ်ခဲ့ပါတယ်။ ဆေးခန်းပေါင်း ၁၅ ခုမှာ လာပြတဲ့ လူနာပေါင်း ၄၀ ၀၀၀ နီးပါးကို ကျပန်း စမ်းသပ်ကြည့်တဲ့အခါ AI အကူအညီယူတဲ့ ဆရာဝန်တွေက ရောဂါရှာဖွေရာမှာ ၁၆ ရာနှုန်း ပိုမို အမှားကင်းရှင်းကြောင်း တွေ့ရတယ်။ ကုသမှု အမှားကတော့ ၁၃ ရာနှုန်း ပိုမိုကင်းရှင်းတာကို တွေ့ရတယ်။ နိုင်ဂျီးရီးယားမှာ စာသင်ကျောင်းပြင်ပ သီတင်းပတ် ခြောက်ပတ်ကြာ သင်တန်းမှာ ကျောင်းသားတွေကို Microsoft Copilot နဲ့ သင်ကြားပေးခဲ့ရာ ကျောင်းသားများက တပတ်ကို နှစ်ကြိမ် Chatbot နဲ့ လေ့လာခဲ့ကြတယ်။ ကျောင်းသားများရဲ့ အင်္ဂလိပ်စာ ရမှတ်တွေက နှစ်နှစ်တာ ပိုမိုသင်ကြားခဲ့တဲ့ ရမှတ်နဲ့ ညီမျှနေတာကို တွေ့ရပါတယ်။

မျှော်လင့်ထားတာကတော့ ယခင် မိုဘိုင်းဖုန်းများ ထွက်ပေါ်လာတုန်းကလို AI က မကျော်လွှားနိုင်တဲ့ အခက်အခဲတွေကို တစ်မုဟုတ်ချင်း ကျော်လွှားပေးနိုင်မယ်လို့ ဖြစ်တယ်။ ၁၉၉၀ ပြည့်နှစ်များက အာဖရိကန်နိုင်ငံ အများစုက အယောက် ၁၀၀ မှာ တစ်ယောက်သာ တယ်လီဖုန်းလိုင်းကို ပိုင်ဆိုင်ကြပါတယ်။ ဝါယာကြိုးဖုန်းခေတ်ကို ကျော်လွန်ပြီး ဆယ်စုနှစ် နှစ်စု ကြာတဲ့အခါမှာ သူတို့က မိုဘိုင်းဖုန်းကို လူတိုင်း ပိုင်ဆိုင်လာကြပါတယ်။ AI က ဈေးပေါတဲ့ စမတ်ဖုန်းတွေ ပြည်တွင်းထုတ် ဖုန်းတွေနဲ့ ပျံ့နှံ့လာနိုင်ပါတယ်။ ဒီလိုဖြစ်ဖို့ဆိုရင် အတားအဆီး သုံးမျိုးကို ဖြတ်ကျော်ရမယ်။ လိုင်းချိတ်ဆက်မှု အားကောင်းခြင်း၊ အသုံးပြုသူများရဲ့ ကျွမ်းကျင်မှုနဲ့ အဖွဲ့အစည်းများရဲ့ လုပ်နိုင်စွမ်း ကောင်းလာဖို့ လိုပါတယ်။

လိုင်းချိတ်ဆက်မှု အားကောင်းခြင်းကို ပြောရရင် AI အသုံးပြုနိုင်ဖို့ အင်တာနက်လိုင်း လိုအပ်ပါတယ်။ ၂၀၂၄ ခုနှစ်မှာ ချမ်းသာတဲ့ နိုင်ငံများက လူ ၁၀ ယောက်မှာ တစ်ယောက်က အင်တာနက်လိုင်းပေါ်မှာ ရှိနေကြပါတယ်။ ဆင်းရဲတဲ့ နိုင်ငံများကတော့ လူလေး ယောက်မှာ တစ်ယောက်သာ အင်တာနက်လိုင်း အသုံးပြုနိုင်ပါတယ်။ အာဖရိကန် ၈၅ ရာနှုန်းက မိုဘိုင်းကွန်ရက် လွှမ်းခြုံနိုင်တဲ့ နေရာတွေမှာ နေထိုင်ကြပါတယ်။ ဒါပေမဲ့ အင်တာနက် ဒေတာ ဈေးနှုန်းများကတော့ သုံးသလောက်ပေး (pay as you go) စနစ် ကပင် ဈေးကြီး လွန်းလှပါတယ်။

အကောင်းဘက်က ကြည့်မယ်ဆိုရင်တော့ အသုံးပြု တစ်ဦးအတွက် AI သုံးရတာက အတော်လေး ဈေးပေါပါတယ်။ အင်တာနက်မှာ ရှာဖွေမှု တစ်ခုပြုလုပ်ရင် ရုပ်ပုံ ကြော်ငြာများ ပါဝင်ပါက AI မှာ မေးခွန်းတစ်ခုကို စာသားနဲ့ မေးရတာထက် အဆပေါင်း ၃၀၀၀ လောက် အင်တာနက် ဒေတာ ပိုမိုကုန်ကျနိုင်ပါတယ်။ AI အသုံးပြုရာမှာ ကုန်ကျစရိတ်တွေ ကျဆင်း လာတာကြောင့် ChatGPT ကို မေးခွန်းတစ်ခု မေးခြင်းက အင်တာနက်ပေါ်မှာ ရှာဖွေမှုတစ်ခု ပြုလုပ်ရတာထက် ၂၀၂၄ ခုနှစ်မှာ ၉၀ ရာနှုန်း ပိုမိုသက်သာလာပါတယ်။ ဒါကြောင့် သတင်းအချက်အလက် ရရှိနိုင်ခြင်းက လူတိုင်းအတွက် ဖြစ်လာနိုင်ပါတယ်။ ဒါပေမဲ့ အသုံးပြုသူက အင်တာနက်ပေါ်မှာတော့ ရှိနေရပါမယ်။ မိုဘိုင်း အော်ပရေတာများက အမြတ်ရစေရန် ဈေးတင်ထားခြင်းကြောင့် SMS ဖြင့် AI ဝန်ဆောင်မှု ရယူရန်မှာ အလွန်ဈေးကြီးလွန်းပါတယ်။ အင်တာနက် ဒေတာတွေ ဈေးပေါ မလာမချင်း ကွန်ရက် ချိတ်ဆက်မှုတွေ မကျယ်ပြန့်လာမချင်း AI ဘက်ကို ပြောင်းလဲရေးမှာ ငွေမသုံးနိုင်သူတွေ ပါဝင်နိုင်မှာ မဟုတ်သေးပါဘူး။

အင်တာနက်တွေ ရရှိနိုင်တဲ့ နေရာတွေမှာပင် လူအများအပြားက AI ကို ထိရောက်စွာ အသုံးမပြုတတ်ကြပါ။ ဒါက လူတွေရဲ့ ကျွမ်းကျင်မှု အခက်အခဲ တစ်ရပ် ဖြစ်ပါတယ်။ ကမ္ဘာ့ဘဏ်က ခန့်မှန်းတာကတော့ ဝင်ငွေအနိမ့်နဲ့ အလယ်အလတ် နိုင်ငံတွေက ၁၀ နှစ်အရွယ် ကလေးတွေရဲ့ ၇၀ ရာခိုင်နှုန်းက ရိုးရှင်းတဲ့ စာတစ်ကြောင်းကိုပင် မဖတ်တတ်ကြပါ။ အသုံးပြုသူ အသစ်တွေအတွက် Chatbot ကိုဖွင့်ခြင်း မေးခွန်း တစ်ခုမေးခြင်း အဖြေကို နားလည်ခြင်းကပင် ခက်ခဲနေနိုင်ပါတယ်။ ဒီလို AI တွေက တန်ဖိုးရှိတဲ့ အဖြေရနိုင်ဖို့ မေးတတ်ဖို့လည်း လိုပါတယ်။ ဘာကလီ၊ ကယ်လီဖိုးနီးယား တက္ကသိုလ် (University of California, Berkeley) မှ နီကိုလပ်စ် အော့တစ် (Nicholas Otis) က ပြောကြားရာမှာ ကျွမ်းကျင်တဲ့ ကင်ညာ စီးပွားရေး လုပ်ငန်းရှင်တွေက AI အကူအညီနဲ့ အမြတ်အစွန်း ၁၅ ရာနှုန်း ပိုမိုရရှိနေကြပြီး မကျွမ်းကျင်တဲ့ လုပ်ငန်းရှင်တွေကတော့ သာမန် ပါးစပ်ပြော အကူအညီတွေနဲ့ အရှုံးပေါ်နေကြတယ်လို့ ဆိုပါတယ်။ ဘူဒွန်ဒို ရွာတွင်လည်း တန်ဒေက ဒီလို ကွာဟမှုတွေကို တွေ့မြင်နေရပါတယ်။ ရွာက လူငယ် ထက်ဝက်ခန့်က အခြေခံ စမတ်ဖုန်းတွေ ပိုင်ဆိုင်နေကြပြီး AI ကို စမ်းသုံးနေကြတယ်။ ဒါပေမဲ့ အများစုက ဖျော်ဖြေရေး အတွက်သာ သုံးနေကြပြီး လေ့လာသင်ယူရေးနဲ့ အလုပ်လုပ်ကိုင်ရေးထက် Ghibli style ဂျပန် ကာတွန်းစတိုင် မိမိပုံတူများကို AI နဲ့ ဖန်တီးပြီး ဆိုရှယ်မီဒီယာပေါ် တင်ကြတာက များပါတယ်။

ဘာသာစကား အခက်အခဲကလည်း အတားအဆီးတစ်ခု ဖြစ်နေပါတယ်။ AI စနစ် အများစုကို အင်္ဂလိပ် ဘာသာစကား သို့မဟုတ် ချမ်းသာတဲ့ နိုင်ငံများရဲ့ ဘာသာစကားနဲ့သာ သင်ကြားပေးထားခြင်း ဖြစ်တယ်။ ရာချီတဲ့ အာဖရိကန် ဘာသာစကားတွေတော့ မပါဝင်ကြပါဘူး။ အကျိုးရလဒ်အနေနဲ့ AI က ရှင်းပြနိုင်စွမ်းနဲ့ ၎င်းတို့ နားလည်နိုင်စွမ်းကြား ကွာဟမှုက ကြီးထွားနေပါတယ်။ ယင်းကွာဟမှုကို သုတေသန အဖွဲ့အစည်းငယ်လေး တစ်ခုက ပပျောက်အောင် စတင်ကြိုးစားနေပါတယ်။ အာဖရိကန် ဘာသာစကားတွေ အတွက် အများသူငါ ပါဝင်နိုင်တဲ့ အချက်အလက် စုဆောင်းမှုကို လုပ်ဆောင်နေတဲ့ Kasakhane၊ Ghana NLP နဲ့ Kencorpus စတဲ့ လူ့အဖွဲ့အစည်း အခြေပြု သုတေသနအဖွဲ့တွေက အခြေခံ အလုပ်တွေကို လုပ်ဆောင်နေပါပြီ။ open source ဆော့ဝဲတွေနဲ့ စကားသံ အခြေပြု ဆော့ဝဲတွေက ၎င်းတို့ရဲ့ အလုပ်ကို ပိုမိုကောင်းမွန်လာစေပါတယ်။ အနာဂတ်မှာ မိမိရဲ့ မိခင် ဘာသာစကားနဲ့ AI စက်တွေကို စကားပြောလို့ ရလာတော့မှာပါ။

ဒါပေမဲ့ အကြီးမားဆုံး အတားအဆီးက နည်းပညာကို လက်လှမ်းမမီခြင်း မဟုတ်ပါ။ သုတေသန စင်တာတစ်ခုဖြစ်တဲ့ Abdul Latif Jameel Poverty Action Lab မှ Iqbal Dhaliwal က ပြောရာမှာ ခက်ခဲရှုပ်ထွေးတဲ့ ပြဿနာတွေကို ဖြေရှင်းဖို့ ရေးဆွဲထားတဲ့ ဆော့ဖ်ဝဲလ်တွေဟာ အဖွဲ့အစည်းတွေမှာ လက်တွေ့မသုံးနိုင်လို့ ကျရှုံးသွားရတဲ့ သာဓကများကို ထောက်ပြပါတယ်။ ပညာ သင်ကြားရေး အတွက် အလားအလာကောင်းလို့ ယူဆခဲ့ကြတဲ့ များပြားစွာ ပေါ်ထွက်လာတဲ့ အွန်လိုင်း စာသင်ကြားရေး သင်တန်းတွေဟာ ကျောင်းတွေမှာ မလုပ်ဆောင်နိုင်ဘဲ ဆရာမပါတဲ့ သင်ကြားရေး ထောက်ကူပစ္စည်းတွေကို အွန်လိုင်းက ပေးပြီး စာမေးပွဲလည်း မပြုလုပ်ပေးနိုင်ခြင်းကြောင့် အောင်မြင်မှု မရရှိခဲ့ပါ။ ယခု AI ကလည်း အဲဒီလို ဖြစ်လာနိုင်ပါတယ်။ ကိုလံဘီယာ တက္ကသိုလ် က Taha Barwaniwala က အိန္ဒိယနိုင်ငံမှာ ပြည်နယ်တစ်ခုမှာ အသုံးပြုနေတဲ့ ကုမ္ပဏီ အတု အစစ် ခွဲခြား စစ်ဆေး နိုင်တဲ့ AI မော်ဒယ်တစ်ခုကို လေ့လာခဲ့ပါတယ်။ ယင်း AI စနစ်က ကုမ္ပဏီအတုတွေကို အောင်မြင်စွာ ရှာဖွေပေးနိုင်ပေမယ့် အရာရှိတွေက ဆက်လက် အရေးယူဆောင်ရွက်ဖို့ မက်လုံးမရှိသဖြင့် အသုံးမဝင် ဖြစ်ခဲ့ပါတယ်။

AI ရဲ့ အောင်မြင်မှုက AI ကို သုံးပြီး စီးပွားရေး ကဏ္ဍအားလုံးမှာ ထုတ်လုပ်မှုတွေ တိုးတက်လာသလား ကြည့်ရမှာ ဖြစ်ပါတယ်။ တစ်ဦးချင်းစီကို ဝန်ဆောင်မှု ပေးနိုင်ရုံနဲ့ မရပါဘူး။ London School of Economics မှ Lant Pritchett ပြောသလိုပါပဲ။ ဘယ်နိုင်ငံမှ စီးပွားရေး တိုးတက်အောင် အရင်မလုပ်ဆောင်ဘဲ ပညာရေးနဲ့ ကျန်းမာရေးကို အောင်မြင်အောင် မလုပ်ဆောင် နိုင်ပါဘူး။ အလုပ်သမားတွေရဲ့ ထုတ်လုပ်နိုင်စွမ်း ကျယ်ကျယ်ပြန့်ပြန့် တိုးတက်လာပါမှ ရေရှည်ခံတဲ့ လူ့စွမ်းအားရင်းမြစ် ဖွံ့ဖြိုးမှုကို လုပ်ဆောင်နိုင်မှာပါ။

စီးပွားရေး လုပ်ငန်းတွေက နည်းပညာကို အသုံးချမှသာ နည်းပညာက ကုန်ထုတ်လုပ်မှုကို တိုးတက်စေမှာပါ။ စက်ရုံတွေက ရေနံဆီ မီးအိမ်အစား လျှပ်စစ်မီးလုံးတွေကို အစားထိုးသုံးတော့ ပြောင်းလဲမှုက မသိသာပါ။ လျှပ်စစ်သုံး စက်ယန္တရားတွေကို အစားထိုး သုံး‌တဲ့အခါမှ ထုတ်လုပ်မှုက တစ်ဟုန်ထိုး တိုးတက်လာတာပါ။ ဒါ့မောက် ကောလိပ် (Dartmouth College) မှ ဒီရေဂို ကိုမင် (Diego Comin) နဲ့ အနောက် မြောက်ပိုင်း တက္ကသိုလ် (Northwestern University) မှ မာတီ မက်စ်တီရီ (Marti Mestieri) တို့ရဲ့ သုတေသနက ဆိုရာမှာ ရာစုနှစ် နှစ်ခုအတွင်း ထွက်ပေါ်ခဲ့တဲ့ နည်းပညာပေါင်း ၂၅ ခုမှာ တစ်ကိုယ်ရေသုံး ကွန်ပျူတာနဲ့ အင်တာနက် နည်းပညာတွေက ဆင်းရဲတဲ့ နိုင်ငံတွေကို လျင်မြန်စွာ ရောက်လာနိုင်ပေမယ့် တွင်တွင်ကျယ်ကျယ် အသုံးပြု နိုင်ရာမှာတော့ အားနည်းတာကို တွေ့ရပါတယ်။ AI ကို တွင်တွင်ကျယ်ကျယ် အသုံးပြုလာနိုင်ဖို့က လိုအပ်ချက်တွေ များစွာ ရှိနေပါသေးတယ်။ ချမ်းသာတဲ့ နိုင်ငံတွေက ကုမ္ပဏီတွေတောင် AI ကို တွင်ကျယ်စွာ အသုံးပြုဖို့ ရုန်းကန်နေရပါတယ်။ အမေရိကန်နိုင်ငံက ကုမ္ပဏီ ဆယ်ခုမှာ တစ်ခုသာ AI ကို ထုတ်လုပ်ရေးမှာ သုံးကြောင်း တွေ့ရှိရတယ်။ ဆင်းရဲတဲ့ နိုင်ငံတွေ အတွက်ကတော့ စိန်ခေါ်မှုက ပိုမိုနက်ရှိုင်းပါလိမ့်မယ်။

ကိုးကား – Can AI make Poor World Richer? The Economist, Oct 25