Artificial Intelligence (AI) ဥာဏ်ရည်တု သည် အလိုအလျောက် ဥပဒေရေးရာ လုပ်ငန်း အမျိုးအစားများကို ဦးတည် နေသောကြောင့် ရှေ့နေများ၏ အလုပ်များကို အစားထိုးနိုင်ဖွယ် ရှိနေပါတယ်။
ခေတ်သစ် နည်းပညာ တိုးတက်မှုများကြောင့် လုံခြုံမှုရှိတယ်လို့ တစ်ချိန်က ယူဆခဲ့ရတဲ့ ရှေ့နေများရဲ့အလုပ်အကိုင်တွေဟ ယခုအခါ အန္တ ရာယ်ကြုံနေရတာကို သုတေသန ပူးပေါင်းမှု အသစ် တစ်ခုအရ သိရပါတယ်။
ပူးပေါင်းမှုကို machine learning လို့ခေါ်တဲ့ AI ဌာနခွဲကို အသုံးပြုပြီးတော့ ဥပဒေ အကျဉ်းချုပ်များကို ခွဲခြမ်းစိတ်ဖြာရန် အသုံးပြုပါတယ်။
အမှုများကိုသုတေသနလုပ်ခြင်း၊ လျှောက်လွှဲချက်များရေးဆွဲခြင်းနဲ့ အမှုသည်များအား အကြံပေးခြင်းကဲ့သို့ အလုပ်များကို စက်ရုပ်များနဲ့ AI တိုးတက်ခြင်းများအတွက် ဒုက္ခမရောက်ရန် တချိန်ကယူဆပါတယ်။
သို့သော် မကြာသေးမီကသုတေသနပူးပေါင်းလေ့လာဆန်းစစ်ချက်က သင်ဟာအလုပ်တစ်ခုလုံးကို အစားထိုးစက်သုံးရန် မလိုအပ်ပါဘူး။
၎င်းကို အခြေခံကျကျပြောင်းလဲရန်အတွက်သာ တစ်စိတ်တပိုင်းလောက်ပဲ အသုံးပြုရန်လိုတယ်ဆိုတာကို ပြခဲ့ပါတယ်။
ရှေ့နေများအတွက်အပြုသဘောမဆောင်တဲ့ မျှော်လင့်ချက်ဟာ ဥပဒေရေးရာ အကူအညီများသည် ငွေကြေးပိုမို သက်သာစေသောကြောင့်သူတို့ရဲ့အနာဂတ် အမှုသည်များအတွက် အကျိုးရှိနိုင်ပါတယ်။
သုတေသနစီမံကိန်းက အစက automationတွေအကြောင်းကို မရည်ရွယ်ပါဘူး။
စီမံကိန်းသည် ဥပဒေပါမောက္ခများ၊ Elizabeth C. Tippett နှင့် Charlotte S. Alexander နှင့် MITER ဟုခေါ်သော သုတေသနနဲ့ ဖွံ့ဖြိုးရေးအတွက် ပြည်ထောင်စုအစိုးရ အကူအညီအားဖြင့် ရန်ပုံငွေ မယူသည့် အဖွဲ့အစည်းတစ်ခုမှ ကွန်ပျူတာ သိပ္ပံပညာရှင်များနှင့် ဘာသာဗေဒပညာရှင် တို့အကြား ပူးပေါင်းခြင်း ဖြစ်ပါတယ်။
ဥပဒေပါမောက္ခများအဖြစ် Tippett နှင့် Alexander တို့သည် အောင်မြင်သော တရားဥပဒေ လျှောက်လဲချက်များနှင့် မအောင်မြင်သော လျှောက်လဲချက်တို့၏ စာသားပါ အချက်အလက်များကို ဖော်ထုတ်ရန် ကြိုးပမ်းနေပါတယ်။
၎င်းတို့မှ ‘ကျွန်တော်တို့ဟာ ဥပဒေရေးရာ အကျဉ်းချုပ်တွေနဲ့ တရားသူကြီးတွေရဲ့ထင်မြင် ယူဆချက်လေးတွေကို စုစည်းပြီး ခွဲခြမ်းစိတ်ဖြာဖို့ စာသားကို ပြုစုခဲ့တယ်’ ဆိုတဲ့ ပရောဂျက်အကြောင်းကို ပြောခဲ့ပါတယ်။
ပရောဂျက်ရဲ့ရလဒ်အရ ပါမောက္ခများက လုပ်ငန်းတွေကို အလွယ်တကူအစားထိုးဖို့ ခန့်မှန်းရန် ခက်ခဲနိုင်တယ်ဆိုတာကို လေ့လာခဲ့ပါတယ်။
ဥပမာ အညွှန်းရဲ့အတွင်းနဲ့အပြင်၌သတ်ပုံကြောင့် စက်သည် ရှုပ်ထွေးနေသောကြောင့် စက်သင်ယူမှု ဆော့ဝဲတစ်ခုနှင့် နှိုင်းယှဉ်လျှင်လူသားတစ်ဦး အတွက် ကိုးကား ဖော်ပြချက်တွေကို ကျန်တဲ့စာလုံးတွေ ကနေ ခွဲထုတ်ဖို့ ပိုပြီး လွယ်ကူပါတယ်။
တစ်ချိန်က ပါမောက္ခတွေဟာ ကိုးကားချက်တွေကို ဘယ်လို ခွဲခြားမလဲဆိုတာကို နားလည်ခဲ့ပြီး သူတို့ဟာ တရားဥပဒေ လေ့လာသုံးသပ်ချက်များရဲ့ အခက်ခဲဆုံးနှင့် အချိန်ကုန်ဆုံးသော ရှုထောင့်တစ်ခုအား စက်အစားထိုးသုံးရန် နည်းလမ်းတစ်ခုကို အမှတ်မထင်မှားမိပုံကို ဆက်ပြောခဲ့ပါတယ်။
ထိုနောက် ဂရပ်ဖစ်ခွဲခြမ်းစိတ်ဖြာခြင်းကိုသိပ္ပံပညာရှင်များက တရားဥပဒေကိုးကားချက်ဆိုင်ရာ အမြင်ကွန်ရက်များဖန်တီးရန် အသုံးပြုခဲ့ပါတယ်။
ဂရပ်များသည်သိပ္ပံပညာရှင်များအား သူတို့က သီးခြားကိုးကားချက် တစ်ခုကို ထည့်သွင်းတဲ့အခါ အခြား လျှောက်လဲချက်များ ဘယ်လိုလုပ် ဆောင်သလဲအေပါ် အခြေခံပြီး အနိုင်ရမလား မရမလားဆိုတာကို ခန့်မှန်းရန် ခွင့်ပြုပါတယ်။
သုတေသနအဖွဲ့ဟာ မကြာမီဖြစ်စဉ်ဟာ ပြောင်းပြန်လှန်နိုင်တယ်ဆိုတာကို သတိပြုမိခဲ့ပါတယ်။
“သင်ဟာ တခြားတဖက်ရဲ့လျှောက်လဲချက်ကို တုံ့ပြန်တဲ့ ရှေ့နေတစ်ယောက်ဖြစ်ရင် ပုံမှန်အားဖြင့် သင်ဟာ စျေးကြီး ဒေတာဘေ့စ်ကို သုံး၍ မှန်ကန်သောကိစ္စများအတွက် ကိုးကားရန် အားသွန်ခွန်စိုက်ရှာဖွေရလိမ့်မယ်။
ဒါပေမယ့် ငါတို့ရဲ့သုတေသနက ရှေ့နေတွေကိုအကောင်းဆုံးဖော်ပြနိုင်တဲ့ဆော့ဝဲတွေနဲ့ ဒေတာဘေ့စ်တစ်ခုကို ငါတို့တည်ဆောက်နိုင်ဖို့ အကြံပြုခဲ့ပါတယ်။
သင်လုပ်ဖို့လိုအပ်တဲ့အရာအားလုံးကတော့ တခြားသူရဲ့ လျှောက်လဲချက်ကို စက်ထဲသို့ ထည့်ရန်ပဲဖြစ်ပါတယ်” လို့ ဥပဒေပါမောက္ခများက ပြောခဲ့ပါတယ်။
Tippett နှင့် Alexander တို့ဟာ သူတို့ရဲ့ သုတေသနဖြတ်လမ်းစက်ကို အမှန်တကယ်မတည်ဆောက်ခဲ့ဘူးလို့လည်း ဆက်ပြောပါတယ်။
သူတို့ဟာ ငွေကုန်ကြေးကျ များလောက်ပေမယ့် အသုံးဝင်တဲ့ အရာတစ်ခုကို ပြုလုပ်ရန် ရှေ့နေများရဲ့ေလျှာက်လဲချက်များစွာနဲ့ တရားစီရင်ရေး ဆိုင်ရာ ထင်မြင်ယူဆချက်များ လိုအပ် ပါလိမ့်မယ်။
သို့သော် သူတို့က သုတေသနစီမံကိန်းက လူသားများအတွက် အလွန်တရာ အချိန်ကုန်စေသော မည်သည့်အလုပ်မဆို ခလုတ်တစ်ချက်နှိပ်ရုံဖြင့် ခက်ခဲတဲ့အရာတွေကို ပြုလုပ်နိုင်သော အရာတစ်ခုအဖြစ် ပြောင်းလဲနိုင်တာကို ပြတယ်လို့ ကောက်ချက်ချခဲ့ပါတယ်။
နည်းပညာအသစ်ရဲ့ရလဒ်အဖြစ် ရှေ့နေတွေဟာ နောက်ပိုင်းတွင် သူတို့မှာရှိတဲ့အချိန်၌ ပိုမိုလုပ်ဆောင်ရန်မျှော်လင့်ထားနိုင်စဉ်တွင် ပါမောက္ခက နည်းနည်းလေးမှ မညည်းသင့်လို့ ပြောခဲ့ပါတယ်။
တစ်ဖန် ဤအရာသည် အလုပ်များ လုပ်ဆောင်နေသူများအား အကူအညီပေးနိုင်ရုံသာမက ဥပဒေရေးရာ အကူအညီရယူလိုသောသူများကိုလည်း အကျိုးပြုနိုင်ပါတယ်။
ရေးသားသူ – Lily (Knowledgeworms team)
Knowledgeworms Copyright © 2021 ကူးယူ ဖော်ပြခွင့် လုံးဝ ခွင့်မပြုပါ။
