Artificial Intelligence <ဒုတိယပိုင္း>

   1760 အဂၤလန္ႏိုင္ငံမွ စက္မွဳေတာ္လွန္ေရးၿဖစ္ေပၚၿပီးေနာက္ပိုင္းမွာ လူေတြရဲ႕ၾကြက္သား(muscle) စြမ္းအင္နဲ႔ လုပ္ငန္းလုပ္ေဆာင္ရတဲ႔ေနရာေတြမွာ machine ေတြအစားထိုးလာခဲ႔ပါတယ္။ AI ရဲ႕ရည္ရြယ္ခ်က္ ကေတာ႔ လူ ေတြရဲ႕အသိဥာဏ္နဲ႔လုပ္ေဆာင္ရတဲ႔ေနရာေတြမွာ machine ေတြကိုအစားထိုးဖို႔ပဲၿဖစ္ပါတယ္။ AI ကို 1950 အေစာပိုင္းမွာစတင္ခဲ႔ေပမယ္႔ 1956 မွသာ AI ဆိုတဲ႔အေခၚအေ၀ၚကိုစတင္ခဲ႔တာၿဖစ္ပါတယ္။
*  
   Artificial Intelligence နဲ႕ပက္သပ္ၿပီး အမ်ားသေဘာတူ စံအဓိပၸာယ္ဖြင္႔ဆိုခ်က္ တိတိက်က်ေတာ႔မရွိ ေသးပါဘူး။ အဓိပၸာယ္အမ်ိဳးမ်ိဳးဖြင္႔ဆိုၾကတဲ႔အထဲက ဘံုတူအဓိပၸာယ္တစ္ခုကိုေဖာ္ၿပရမယ္ဆိုရင္ AI ဆိုတာ လူတို႔ရဲ႕စဥ္းစားေတြးေခၚမွဳပံုစံေတြၿဖစ္တဲ႔ အေၾကာင္းအခ်က္အလက္မ်ားေထာက္ဆ၍ေ၀ဖန္ ေတြးေတာၿခင္း (reasoning) ၊ ေလ႔လာသင္ယူႏိုင္ၿခင္း(learning) စတာေတြကို တုပၿပဳလုပ္ႏိုင္ေအာင္ဖန္တီးထားေသာ computer (သုိ႔) program ကိုဆိုလာပါသည္။ ဒီအဓိပၸာယ္ဖြင္႔ဆိုထားခ်က္ဟာသင္႔တင္႔သလိုရွိေပမယ္႔ ေရွးရိုး လက္ခံထားခ်က္သာၿဖစ္ပါတယ္။ AI ရဲ႕ နယ္ပယ္ကြဲေတြဟာတၿဖည္းၿဖည္းက်ယ္၀န္းလာေနပါတယ္။ ဒါေၾကာင္႔ AI ကိုပိုမိုက်ယ္က်ယ္၀န္း၀န္းအဓိပၸယ္ဖြင္႔မယ္ဆိုရင္ လူတို႔၏ အသိဥာဏ္ၿဖင္႔သာလုပ္ေဆာင္ႏိုင္မည္႔လုပ္ငန္း ေဆာင္ တာမ်ားကို လုပ္ေဆာင္ႏိုင္ေသာ computer မ်ားအားတီထြင္ၿပဳလုပ္ရန္ ေလ႔လာမွဳ ကိုေခၚဆိုပါသည္။ ဒီဒုတိယေဖာ္ၿပခ်က္မွာေတာ႔ AI ဟာလူေတြရဲ႕အေတြးလုပ္ငန္းစဥ္ကိုု လိုက္လံတုပဖို႔သီးသန္႔ မဟုတ္ပဲ intelligent task ေတြ ကိုလုပ္ေဆာင္ႏုိင္မယ္႔ computer ေတြကိုဖန္တီးမည္႔ နည္းပညာနယ္ပယ္ကိုပါသက္ ေရာက္ေစပါတယ္။ machine ကိုလူနဲ႔တူေအာင္သာလွ်င္အားထုတ္ေနၾကမည္ဆိုပါက AI ရဲ႕လုပ္ငန္းစဥ္ပန္း တိုင္ဟာ ဘာမွန္းမသိ မေရရာမေသခ်ာ ၿဖစ္ေနပါတယ္။ ဒါေၾကာင္႔ AI ရဲ႕နယ္ပယ္ဟာအသိဥာဏ္ရွိရွိနဲ႔ စြမ္း ေဆာင္ရည္ၿမင္႔မားတဲ႔ computer ေတြကိုၿပဳလုပ္ဖို႔ရာ အတြက္နည္းပညာမ်ားကိုစူးစမ္းရွာေဖြၿခင္း ဆိုတဲ႔ goal ဟာအေတာ္သင္႔တင္႔ပါတယ္။
*
   ဟုတ္ၿပီ ဒါဆိုအသိဥာဏ္ရွိတဲ႔တြက္ခ်က္မွဳ(Intelligent Computation)ဆိုတာဘာလဲ။ အသိဥာဏ္ (Intelligence) ပါ၀င္စရာမလိုတဲ႔ တြက္ခ်က္မွဳ(computation)အမ်ိဳးအစားေတြနဲ႔မတူတဲ႔အမ်ိဳးအစားၿဖစ္ပါ တယ္။ ဥပမာ ေပါင္းၿခင္း(adding)၊ စားၿခင္း(multiplying) စတဲ႔ pure numeric computation ေတြကိုအ လြန္လ်င္လ်င္ၿမန္ၿမန္တြက္ခ်က္ႏိုင္တာဟာ AI မဟုတ္ပါဘူး။ pure numeric computation ဆိုတာ engineering problem ေတြကိုေၿဖရွင္းရာမွာပါ၀င္တဲ႔ linear equations ၊ numeric differentiation and integration ၊ statistical analysis စတာေတြပဲၿဖစ္ပါတယ္။ ဒီလိုပဲ အခ်က္အလက္(data)မ်ားကိုသိမ္းဆည္း ၿခင္း ထိုအခ်က္အလက္မ်ားမွတဆင္႔ information အၿဖစ္ထုတ္ယူၿခင္းစတာေတြဟာလည္း AI မဟုတ္ေသးပါ ဘူး။ business data and file processing မ်ား၊ simple word processing မ်ား၊ non-intelligent database စနစ္မ်ား၊ စတာေတြဟာလည္း non-AI processing မ်ားပဲၿဖစ္ပါတယ္။
* 
   Intelligent computation ဟာ problem ရဲ႕ၿဖစ္ပြားပံုကိုအေၿခၿပဳၿပီး ေၿဖရွင္းပါတယ္။ ဥပမာ 2 + 2 မွ 4 ရေအာင္တြက္ခ်က္ႏိုင္တဲ႔ computer ဟာ intelligence ရွိတယ္လို႔မဆိုႏုိင္ပါဘူး။ sin^2x e^-x ဆိုတဲ႔ symbolic integration ကိုေၿဖရွင္းႏိုင္တဲ႔ computer ကိုမွ intelligence ရွိတယ္လို႔ေခၚႏိုင္မွာပါ။ အသိဥာဏ္ (Intelligence)ကိုအသံုးၿပဳေၿဖရွင္းရတဲ႔ၿပသနာအမ်ိဳးအစားေတြကေတာ႔ ဗဟုသုတ (knowledge)ကိုအေၿခၿပဳၿပီး ခန္႔မွန္းေၿဖရွင္းရၿခင္း၊ မတိက် မၿပည္႔စံုေသာ အခ်က္အလက္မ်ားၿဖင္႔ ဆင္ၿခင္စဥ္းစားရၿခင္း၊ ရွဳေထာင္႔စံုမွေလ႔ လာရၿခင္း၊ စတာေတြၿဖစ္ပါတယ္။
* 
   အေၿခံအားၿဖင္႔ AI ကိုခ်ဥ္းကပ္ပံု ၂မ်ိဳးကြာၿခားပါတယ္။ ပထမတစ္မ်ိဳးက symbolic AI လို႔ေခၚပါတယ္။ သေကၤတအေၿခၿပဳၿပီးေယဘုယ်က်က် ၿပသနာေၿဖရွင္းႏိုင္တဲ႔ AI ပဲၿဖစ္ပါတယ္။ ေရွးမူ လို႔လဲဆိုႏိုင္ပါတယ္။  traditional AI ပဲၿဖစ္ပါတယ္။ Knowledge engineering system နဲ႔ logic programming ေတြဟာ symbolic AI အမ်ိဳးအစားေတြပဲၿဖစ္ပါတယ္။ Knowledge based systems, logical reasoning, symbolic machine learning, search techniques, နဲ႔ natural language processing စတာေတြဟာ symbollic AI ကိုအသံုးၿပဳ ထားတဲ႔ နယ္ပယ္ေတြပဲၿဖစ္ပါတယ္။
*
   ဒုတိယတစ္မ်ိဳးကေတာ႔ အေၿခံက်ၿပီး အလြန္ေသးငယ္တဲ႔ ဇီ၀တည္ေဆာက္မွဳပံုစံ(biological model) ကိုအေၿခ ၿပဳထားတာ ပါ။ ဇီ၀ၿဖစ္စဥ္(Physiology)၊ မ်ိဳးရိုးဗီဇ(Genetics) စတာေတြေပၚမွာအေၿခၿပဳေလ႔လာ တည္ေဆာက္တာပါ။ Neural network ႏွင္႔ genetic algorithm တို႔ဟာ ဒီ ဒုတိယအမ်ိဳးအစားAI ခ်ဥ္းကပ္မွဳမွာ အဓိကပါ၀ငပက္ သတ္တဲ႔ နည္းပညာေတြပဲၿဖစ္ပါတယ္။ ဇီ၀ပံုစံ(biological model) အတိုင္းတုပတယ္ဆိုေပ မယ္႔လည္း တကယ္႔ ဇီ၀ပံုစံနဲ႔လံုး၀တူေနေအာင္ တည္ေဆာက္ထားၿခင္းလဲမဟုတ္ပါဘူး။ အေၿခံသေဘာအခ်ိဳ႕ ရဲ႕သေဘာအဓိပၸါယ္ကိုသာ ပံုစံယူသံုးစြဲထားတာပဲၿဖစ္ပါတယ္။ အနာဂါတ္မွာ သိသိ သာသာလက္ေတြ႔အသံုး ခ်သြားႏိုင္မယ္႔ AI ခ်ဥ္းကပ္မွဳနည္းပညာအေနနဲ႔ အေတာ္မ်ားမ်ားကေမွ်ာ္လင္႔ထား ၾကပါတယ္။
*
   နည္းပညာအသစ္ေတြၿဖစ္တဲ႔ fuzzy systems, rough set theory ႏွင္႔ chaotic system (chaos) တို႔ဟာ ေရွးေဟာင္းမူၿဖစ္တဲ႔ symbolic AI အတြက္အသံုး၀င္သလို ဒုတိယအမ်ိဳးအစား biological model ကို အေၿခၿပဳတဲ႔ numeric application ေတြမွာလည္းအသံုးၿပဳလို႔ရႏိုင္ပါတယ္။ AI ရဲ႕နည္းပညာေတြၿဖစ္တဲ႔ Neural network, Genetic Algorithm, Fuzzy System, rough set ႏွင္႔ chaos တို႔အေၾကာင္းကို အက်ဥ္းခ်ဳပ္ေဖာ္ ၿပေပးသြားပါမွာၿဖစ္ပါတယ္။
 
******
ဆက္လက္ေဖာ္ၿပပါမည္။
 
ညီညီေဇာ္....

https://www.facebook.com/mathcorner.myanmar/