ဧရာ (မန္တလေး) - ဉာဏ်ရည်တုနှင့် အနာဂတ်ပညာရေး
ဧရာ (မန္တလေး) - ဉာဏ်ရည်တုနှင့် အနာဂတ်ပညာရေး
(မိုးမခ) စက်တင်ဘာ ၂၇၊ ၂၀၁၉
စက်ပစ္စည်းတွေက smart ဖြစ်လာတာနဲ့အမျှ လူတွေက ပိုတုံးလာသလိုပဲ။ သူတို့ကို အစစအရာရာ အားကိုးလာရပြီး စက်တွေကို အားကိုးလာရတာကိုး။
ဒီဖက်ခေတ်မှာ ဉာဏ်ရည်တု AI ဆိုတဲ့ စကားက အတော်လေး တွင်ကျယ်လာတယ်။ ခပ်လွယ်လွယ်ပြောရရင် စက်တွေက လူတွေလို စဉ်းစားတတ်လာတာ, ဆုံးဖြတ်နိုင်လာတာ, အမှားကို ကိုယ်တိုင်သိပြီး ပြင်နိုင်လာတာ, အဲဒါတွေကို လုပ်နိုင်ဖို့ သင်ယူနိုင်လာတာကို ဉာဏ်ရည်တုလို့ ခေါ်တာပါပဲ။
ပြောမယ့်ဆိုရင် စက်တွေက အတော်လေးတုံးပါတယ်။ လွန်ခဲ့တဲ့ အနှစ် ၂၀-လောက်က ကွန်ပြူတာ ပရိုဂရမ်ရေးနည်း သင်တန်းမှာ ပြောလေ့ရှိတဲ့ စကားကို မှတ်မိနေသေးတယ်။ ပရိုဂရမ်ရေးတယ်ဆိုတာ အရိပ်ပြရုံနဲ့ အကောင်မထင်တဲ့ အလွန်တုံး အလွန်အတဲ့ သူတစ်ယောက်ကို (အဆင့်မကျော်ဘဲ) တဆင့်ချင်းခိုင်းရသလို စဉ်းစားပြီး ရေးရတယ်။ ကိုယ်ခိုင်းသလောက်ပဲ စက်ကလုပ်ပြီး ကိုယ်ခိုင်းတာ အဆင့်ကျန်သွားရင် စက်ကလည်း လည်ထွက်သွားရောပဲ။ စက်တွေက သူ့ထဲကို ထည့်ပေးထားတဲ့ ပရိုဂရမ်အတိုင်းသာ လုပ်နိုင်တာကိုး။
လူတွေက စက်တွေ ထက်သာတယ်ဆိုတာက ပရိုဂရမ် ထည့်ထားတာလေးတင် လုပ်ဆောင်နိုင်တာ မဟုတ်ဘဲ၊ သင်ယူနိုင်တာ re-program ပြန်လုပ်နိုင်တာပါပဲ။ လူတွေမှာလည်း စက်တွေလို စက်ရုံထွက် ပရိုဂရမ် (ဆော့ဖ်ဝဲ)တွေ ပါလာတယ်။ ဒါကတော့ ဗီဇစိတ်အရ သိပြီးတတ်ပြီး ဖြစ်နေတာမျိုးတွေပေါ့။ ဥပမာ မွေးကင်းစ ကလေးတစ်ယောက်က သင်စရာမလိုဘဲ နို့စို့တတ်တယ်။ တကယ်တော့ နို့စို့တယ် ဆိုတာထက် ပါးစပ်ထဲကို တခုခုထည့် ပေးလိုက်ရင် စုတ်တတ်အောင် ပရိုဂရမ်လုပ်ပေးထားတာပါ။
ဗီဇကပါလာတဲ့ စက်ရုံထွက် ဆော့ဖ်ဝဲချင်း ယှဉ်မယ်ဆိုရင် တိရိစ္တာန်တွေက လူတွေထက်သာတယ်။ မွေးကင်းစ ကလေးတစ်ယောက်က ဘာမှ သိပ်မလုပ်တတ်သေးပေမယ့် မွေးကင်းစ တိရစ္ဆာန်ပေါက်လေးတွေက လူတွေထက် ပိုတတ်ကြတယ်။ လူတွေကတော့ မွေးရာပါ ဆော့ဖ်ဝဲမှာ ဘာမှ သိပ်မပါဘဲ မွေးကင်းစကနေ ခုနှစ်သားလောက်ထိ သင်ယူမှုတွေလုပ်ပြီး ကြွက်သားကြီးငယ် လှုပ်ရှားမှုတွေ, သူကျင်လည်ရမယ့် ပတ်ဝန်းကျင်အလိုက် ဘာသာစကား, ယဉ်ကျေးမှု ဓလေ့ထုံစံတွေကို သင်ယူပြီး re-program, re-configure ပြန်လုပ်ရတယ်။ နောက် K-12 လို့ ပြောနေကြတဲ့ အခြေခံပညာရေး, နောက် အဆင့်မြင့် တက္ကသိုလ်ပညာရေး ဆိုတာတွေ သင်ရတယ်, နောက် လုပ်ငန်းခွင်ဝင်တော့လည်း လုပ်ငန်းခွင်ပညာရေးတွေဆိုတာတွေ သင်ကြရပြန်တယ်။ ဒီတော့ လူတွေက တိရစ္တာန်တွေထက် အပုံကြီး သာသွားတော့တာပေါ့။
ဟိုးအရင်ခေတ် စက်တွေကတော့ စက်ရုံထွက် ဆော့ဖ်ဝဲလေး လောက်နဲ့ တင် အလုပ်လုပ်ကြရတယ်။ နောက်တော့ စက်တွေ (အထူးသဖြင့် ကွန်ပြူတာတွေ) မှာ ကိုယ်ထည့်ချင်တဲ့ ဆော့ဖ်ဝဲကို ထည့်လို့ရလာတယ်။ ဒါပေမယ့်လည်း စက်တွေက လူတွေလို ကိုယ်တိုင် မသင်ယူနိုင်သေးဘူး။ ဒါတောင်မှ စက်တွေက လူတွေထက် သာတဲ့နေရာတွေ အများကြီးရှိတယ်။ လူတွေရဲ့ ဦးနှောက်မှာ နျူရွန်တွေ fire လုပ်တာက တစ်စက္ကန့်ကို အကြိမ် ၂၀၀ လောက်ပဲ ရှိတယ်။ အမြန်ဆုံး အကြိမ် ၁၀၀၀ လောက်ပဲ။ ဒီတော့ ကွန်ပြူတာစကားနဲ့ ပြောမယ်ဆိုရင် ဦးနှောက်ရဲ့ processing speed က 200~1000 Hz ပဲ ရှိတယ်။ ဒီနေ့ခေတ် အိမ်သုံးကွန်ပြူတာတွေရဲ့ အမြန်နှုန်းက GHz လောက် ရှိတော့ အဆတစ်သိန်းလောက် ပိုမြန်တယ်။ ဦးနှောက်က 4-bit prcessor အဆင့်လောက်ရှိပြီး ဒီနေ့ခေတ် ဖုန်းတွေ ကွန်ပြူတာတွေက 32-bit, 64-bit processor တွေ။ ဒီတော့ သင်္ချာတွက်ချက်ရာမှာ လူတွေထက်ပိုပြီး မြန်ဆန်တိကျတယ်။ နောက် ကွန်ပြူတာရဲ့ မှတ်ဉာဏ်က လူတွေထက် ပိုပြီး များများ မှတ်နိုင်သလို မြန်မြန် ပြန်ပြီး သတိဖော်နိုင်တယ်။
ဒါကြောင့် ဒီနေ့ခေတ် ပြောနေတဲ့ ဉာဏ်ရည်တုလောက် အဆင့်မမြင့်သေးတဲ့ Deep Blue ကွန်ပြူတာက စစ်တုရင်ချန်ပီယန် ကက်စပါရော့ဗ်ကို ၁၉၉၇-ခုနှစ်တုန်းက အနိုင်ကစားနိုင်ခဲ့တယ်။ Deep Blue မှာ တစ်ဖက်လူက ဘယ်အကွက်ကို ရွှေ့ရင် ကိုယ်က ဘယ်အကွက်တွေကို ရွှေ့နိုင်တယ်ဆိုတဲ့ ရိုးစင်းတဲ့ တွက်ချက်-ဆုံးဖြတ်မှုမျိုး လောက်ပဲပါတယ်။ ဒါပေမယ့် တစ်စက္ကန့်အတွင်းမှာ အကွက်ပေါင်း သန်း ၂၀၀ လောက်ကို တွက်ထုတ်နိုင်တယ်။
၂၁-ရာစုခေတ် ဉာဏ်ရည်တုက Deep Blue လို “ဘာဖြစ်ရင် ဘာလုပ်” လို့ ပရိုဂရမ်လုပ်ထားတဲ့ အတိုင်းသာ တွက်ချက် လုပ်ဆောင်နိုင်တဲ့ စက်မျိုး (Reactive Machine) ထက် အများကြီး သာသွားပြီ။ လူတွေလို သင်ယူနိုင်တဲ့ Machine Learning အရည်အချင်း ရှိလာလို့ပဲ။ သင်ယူနိုင်တယ် ဆိုရာမှာတောင် လူတွေလို အတွေ့အကြုံကနေ ကိုယ်တိုင် သင်ယူနိုင်လာတယ်။ ဒါကို လူတွေအတွက် ဆိုရင် self-learning, learning by example, learning by experience စသဖြင့် ခေါ်တယ်။ စက်တွေအတွက် ဆိုရင် unsupervised learning, deep learning စသဖြင့် ခေါ်ပါတယ်။
စက်က လူကို အတုယူပြီး သင်ယူနိုင်, စဉ်းစားနိုင်လာတဲ့ အခါမှာ လူထက်သာသွားတာက Big Data လို့ခေါ်တဲ့ အလွန်များပြားလှတဲ့ အချက်အလက်တွေကို သုံးပြီး တွက်ချက်စဉ်းစားနိုင်တာပါပဲ။ ဒီထက်ပိုပြီး အားသာတဲ့ အချက်ကတော့ စက်က လူတွေလို စိတ်ခံစားမှုတွေ မရှိတော့ လူတွေလို စိတ်ခံစားမှုပေါ်မှာ မူတည်ပြီး စဉ်းစားဆုံးဖြတ်မှု မလုပ်တာပါပဲ။ တနည်းပြောရရင်တော့ လူတွေလို ဆန္ဒ, ဒေါသ, ဘယာ, မောဟဆိုတဲ့ အဂတိတရားတွေ မရှိတော့ဘူးပေါ့။
ကားမောင်းလာတဲ့ လူတစ်ယောက်က ရုတ်တရက် ရှေ့လမ်းပေါ်မှာ ဘော်လုံးကန်နေတဲ့ ကလေးတွေကို တွေ့လိုက်ရတယ်၊ ဒီကလေးတွေကို ရှောင်လိုက်မယ်ရင် မျက်နှာချင်းဆိုင်က လာနေတဲ့ ထရပ်ကားနဲ့ တိုက်လိမ့်မယ် ဆိုပါစို့။ ဒီလိုအခြေအနေမျိုးမှာ ကားမောင်းသူက ဘယ်လို ဆုံးဖြတ်မလဲ။ ကိုယ့်အသက်အန္တရာယ် ကင်းအောင် ကလေးတွေကိုပဲ တိုက်ချလိုက်မလား? ဒါမှမဟုတ် ကိုယ့်ကိုယ်ကို အနစ်နာခံပြီး ကလေးတွေကို ရှောင်မလား? အကယ်၍ ဉာဏ်ရည်တုကို အသုံးပြုတဲ့ မောင်းသူမဲ့ကား (self-driving car) ဆိုရင်တော့ စက်က လူတွေလို မစဉ်းစားဘဲ အကျိုးဆက်တွေကို တွက်ချက်ပြီး အသေအပျောက် နည်းမယ့် ဆုံးဖြတ်ချက်မျိုးကို ချပါလိမ့်မယ်။ “လူတွေလို မစဉ်းစားဘဲ” လို့ ပြောလိုက်ပေမယ့် တကယ်တမ်း စက်တွေကို ပရိုဂရမ် လုပ်ပေးထားတာက လူတွေပါ။ ကားကို တီထွင်သူတွေက ဘယ်လို ကိုယ်ကျင့်ဆိုင်ရာ ဒဿနမျိုးကို လက်ခံထားသူလဲ။ ဒီကားရဲ့ ပရိုဂရမ်တွေက John Stuart Mill ရဲ့ Consequentialism ဝါဒကို အခြေခံရေးထားတာလား, ဒါမှမဟုတ် Rawls ရဲ့ Liberal Contractarianism လား စသဖြင့် မေးခွန်းထုတ်စရာဖြစ်လာတယ်။ တခါ ကားပိုင်ရှင်ရဲ့ အသက်အန္တရာယ်ထက် အများပြည်သူ ကောင်းစားရေးကို ပဓာနထားပြီး တီထွင် ထုတ်လုပ်ထားတဲ့ ကားတွေကရော လူကြိုက်များပါ့မလား။
ဉာဏ်ရည်တု စက်တွေ ကြီးစိုးမယ့် ခေတ်မှာ ကိုယ်ကျင့်တရား ဆိုင်ရာ ပြဿနာတွေက ပိုနည်း မသွားပါဘူး။ စက်တွေက စမတ်ဖြစ်လာတာနဲ့ အမျှ လူတွေရဲ့ အလုပ်တွေကို စက်တွေက နေရာ ယူလာလိမ့်မယ်။ အလုပ်အကိုင် ပုံစံတွေကလည်း သိသိသာသာ ပြောင်းလဲသွားမယ်။ ဥပမာ self-driving car တွေ တွင်ကျယ်လာတဲ့ တစ်နေ့မှာ ကားမောင်းပြီး အသက်မွေးသူတွေ အလုပ်လက်မဲ့ ဖြစ်သွားမယ်။ အလုပ်လက်မဲ့ ဖြစ်သွားသူတွေကို ထောက်ပံ့နိုင်ဖို့, ဒီလူတွေကို အခြားလုပ်ငန်းတွေမှာ ပြောင်းလုပ်နိုင်အောင် ပြန်လည် လေ့ကျင့်သင်ကြားပေးဖို့ လိုလာတယ်။
ပြဿနာတွေကို ဖြစ်လာမှ ဖုတ်ပူမီးတိုက် ဖြေရှင်းတာထက်, ဖြစ်မလာခင်က ကြိုတင်ကာကွယ်ဖို့ ပြင်ဆင်တာက ပိုကောင်းတယ်။ အထူးသဖြင့် ပညာရေးဆိုတာက အပြောင်းအလဲ တစ်ခုရဲ့ အသီးအပွင့်ကို ခံစားနိုင်ဖို့ မျိုးဆက်နဲ့ ချီပြီး အချိန်လိုတာကိုး။ ၂၁-ရာစုမှာ လိုအပ်တဲ့ အရည်အချင်းတွေ အဖြစ် Critical thinking, Creativity, Collaboration and Communication ဆိုတဲ့ 4C သတ်မှတ်ထားခဲ့ပေမယ်၊ နောက်ပိုင်းမှာ Computational Thinking (CT) ကို ထပ်တိုးဖို့ လိုလာတယ်။ ပညာရေးမှာ ရှေ့က ပြေးနေတဲ့ စင်ကာပူ, ဖင်လန်, တောင်ကိုရီးယား စတဲ့ နိုင်ငံတွေက မူကြိုကနေ စပြီး အထက်တန်းကျောင်းတွေ အထိ ကျောင်းသားတိုင်း Computational Thinking ဖွံ့ဖြိုးလာအောင် လုပ်ဖို့ စီမံကိန်းတွေ ချလာကြတယ်။ စက်တွေက လူတွေကို အတုယူပြီး ဉာဏ်ရည်တက်လာတော့ လူတွေက စက်တွေကို အမှီလိုက်နိုင်အောင် လုပ်ကြရတဲ့ သဘောပါပဲ။
Computational Thinking လို့ ပြောလိုက်ရင် အချို့က ပရိုဂရမ် ကုဒ်တွေ ရေးတာ Coding လို့ အထင် မှားတတ်ကြတယ်။ မူကြိုအရွယ် မူလတန်းအရွယ် ကလေးတစ်ယောက်က ဘယ်လိုလုပ် ပရိုဂရမ်တွေ, ကုဒ်တွေ ရေးတတ်ဦးမှာလဲ။ အချို့ကလည်း Computational Thinking ဆိုတာကို ဒစ်ဂျစ်တယ် နည်းပညာတွေ, ကွန်ပြူတာတွေ, စမတ်ဖုန်းတွေနဲ့ ယဉ်ပါးတာလို့ ထင်ပြီး ကျောင်းတွေမှာ စမတ်ဖြစ်တဲ့ ပစ္စည်းတွေ ဆော့ဖ်ဝဲတွေကို ပေးသုံးကြတယ်။ တကယ်တော့ စမတ်ဖုန်းတွေ သုံးတတ်ရုံနဲ့ လူတွေက စမတ်ဖြစ် မလာနိုင်ပါဘူး။ ဒါဆိုရင် Computational Thinking ဆိုတာက ဘာလဲ...? ခပ်လွယ်လွယ် ပြောရရင် ကွန်ပြူတာပညာရှင် တစ်ယောက်လို စဉ်းစားတွေးခေါ် တတ်တာ, ပြဿနာဖြေရှင်း တတ်တာလို့ ဆိုပါတယ်။ ဒါပေမယ့်လည်း ကွန်ပြူတာပညာရှင် မဟုတ်တဲ့သူက ကွန်ပြူတာပညာရှင်တွေရဲ့ စဉ်းစားပုံ စဉ်းစားနည်းကို ဘယ်လိုလုပ် သိနိုင်ပါ့မလဲ။
ဒါဆို Computational Thinking ဆိုတာ ဘာလဲလို့ ပညာရပ်ဆိုင်ရာ စကားတွေမပါဘဲ ခပ်လွယ်လွယ် ပြောပါဆိုရင်တော့ … (Programming သင်တန်းမှာ ပြောခဲ့ဖူးတဲ့) “အရိပ်ပြရုံနဲ့ အကောင်မထင်တဲ့ အလွန်တုံး အလွန်အတဲ့ သူတစ်ယောက်ကို (အဆင့်မကျော်ဘဲ) တဆင့်ချင်း ခိုင်းရသလို စဉ်းစား” တာလို့ ပြောကြည့်ချင်ပါတယ်။ လူတွေကို အတုယူပြီး ဉာဏ်ရည်တက်လာတဲ့ စက်တွေကို အမှီလိုက်ဖို့ ဆိုရင် သူတို့ကို ပြန်အတုယူပြီး သူတို့ စဉ်းစားသလို စဉ်းစားတတ်ရမယ် ဆိုတဲ့ သဘောပါပဲ။ စက်တွေက လူတွေဆီက အတုယူသွားတဲ့ အတွေ့အကြုံကနေ သင်ယူနိုင်စွမ်း, အမှားကို ကိုယ်တိုင် သိမြင်ပြီး ပြင်ဆင်နိုင်စွမ်း, စဉ်းစားဆုံးဖြတ်နိုင်စွမ်း စတဲ့ လူ့ရဲ့ အရည်ချင်းကောင်းတွေကို ပိုပြီး ထက်မြက်လာအောင်ရော မလုပ်သင့်ပေဘူးလားလို့ စဉ်းစားမိတယ်။
Ref:
Shuchi Grover, The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding), EdSurge, Feb 25, 2018.
Yuval Noah, 21 Lessons for the 21 Century, 2018
(image credit: Getty Image)
စက်ပစ္စည်းတွေက smart ဖြစ်လာတာနဲ့အမျှ လူတွေက ပိုတုံးလာသလိုပဲ။ သူတို့ကို အစစအရာရာ အားကိုးလာရပြီး စက်တွေကို အားကိုးလာရတာကိုး။
ဒီဖက်ခေတ်မှာ ဉာဏ်ရည်တု AI ဆိုတဲ့ စကားက အတော်လေး တွင်ကျယ်လာတယ်။ ခပ်လွယ်လွယ်ပြောရရင် စက်တွေက လူတွေလို စဉ်းစားတတ်လာတာ, ဆုံးဖြတ်နိုင်လာတာ, အမှားကို ကိုယ်တိုင်သိပြီး ပြင်နိုင်လာတာ, အဲဒါတွေကို လုပ်နိုင်ဖို့ သင်ယူနိုင်လာတာကို ဉာဏ်ရည်တုလို့ ခေါ်တာပါပဲ။
ပြောမယ့်ဆိုရင် စက်တွေက အတော်လေးတုံးပါတယ်။ လွန်ခဲ့တဲ့ အနှစ် ၂၀-လောက်က ကွန်ပြူတာ ပရိုဂရမ်ရေးနည်း သင်တန်းမှာ ပြောလေ့ရှိတဲ့ စကားကို မှတ်မိနေသေးတယ်။ ပရိုဂရမ်ရေးတယ်ဆိုတာ အရိပ်ပြရုံနဲ့ အကောင်မထင်တဲ့ အလွန်တုံး အလွန်အတဲ့ သူတစ်ယောက်ကို (အဆင့်မကျော်ဘဲ) တဆင့်ချင်းခိုင်းရသလို စဉ်းစားပြီး ရေးရတယ်။ ကိုယ်ခိုင်းသလောက်ပဲ စက်ကလုပ်ပြီး ကိုယ်ခိုင်းတာ အဆင့်ကျန်သွားရင် စက်ကလည်း လည်ထွက်သွားရောပဲ။ စက်တွေက သူ့ထဲကို ထည့်ပေးထားတဲ့ ပရိုဂရမ်အတိုင်းသာ လုပ်နိုင်တာကိုး။
လူတွေက စက်တွေ ထက်သာတယ်ဆိုတာက ပရိုဂရမ် ထည့်ထားတာလေးတင် လုပ်ဆောင်နိုင်တာ မဟုတ်ဘဲ၊ သင်ယူနိုင်တာ re-program ပြန်လုပ်နိုင်တာပါပဲ။ လူတွေမှာလည်း စက်တွေလို စက်ရုံထွက် ပရိုဂရမ် (ဆော့ဖ်ဝဲ)တွေ ပါလာတယ်။ ဒါကတော့ ဗီဇစိတ်အရ သိပြီးတတ်ပြီး ဖြစ်နေတာမျိုးတွေပေါ့။ ဥပမာ မွေးကင်းစ ကလေးတစ်ယောက်က သင်စရာမလိုဘဲ နို့စို့တတ်တယ်။ တကယ်တော့ နို့စို့တယ် ဆိုတာထက် ပါးစပ်ထဲကို တခုခုထည့် ပေးလိုက်ရင် စုတ်တတ်အောင် ပရိုဂရမ်လုပ်ပေးထားတာပါ။
ဗီဇကပါလာတဲ့ စက်ရုံထွက် ဆော့ဖ်ဝဲချင်း ယှဉ်မယ်ဆိုရင် တိရိစ္တာန်တွေက လူတွေထက်သာတယ်။ မွေးကင်းစ ကလေးတစ်ယောက်က ဘာမှ သိပ်မလုပ်တတ်သေးပေမယ့် မွေးကင်းစ တိရစ္ဆာန်ပေါက်လေးတွေက လူတွေထက် ပိုတတ်ကြတယ်။ လူတွေကတော့ မွေးရာပါ ဆော့ဖ်ဝဲမှာ ဘာမှ သိပ်မပါဘဲ မွေးကင်းစကနေ ခုနှစ်သားလောက်ထိ သင်ယူမှုတွေလုပ်ပြီး ကြွက်သားကြီးငယ် လှုပ်ရှားမှုတွေ, သူကျင်လည်ရမယ့် ပတ်ဝန်းကျင်အလိုက် ဘာသာစကား, ယဉ်ကျေးမှု ဓလေ့ထုံစံတွေကို သင်ယူပြီး re-program, re-configure ပြန်လုပ်ရတယ်။ နောက် K-12 လို့ ပြောနေကြတဲ့ အခြေခံပညာရေး, နောက် အဆင့်မြင့် တက္ကသိုလ်ပညာရေး ဆိုတာတွေ သင်ရတယ်, နောက် လုပ်ငန်းခွင်ဝင်တော့လည်း လုပ်ငန်းခွင်ပညာရေးတွေဆိုတာတွေ သင်ကြရပြန်တယ်။ ဒီတော့ လူတွေက တိရစ္တာန်တွေထက် အပုံကြီး သာသွားတော့တာပေါ့။
ဟိုးအရင်ခေတ် စက်တွေကတော့ စက်ရုံထွက် ဆော့ဖ်ဝဲလေး လောက်နဲ့ တင် အလုပ်လုပ်ကြရတယ်။ နောက်တော့ စက်တွေ (အထူးသဖြင့် ကွန်ပြူတာတွေ) မှာ ကိုယ်ထည့်ချင်တဲ့ ဆော့ဖ်ဝဲကို ထည့်လို့ရလာတယ်။ ဒါပေမယ့်လည်း စက်တွေက လူတွေလို ကိုယ်တိုင် မသင်ယူနိုင်သေးဘူး။ ဒါတောင်မှ စက်တွေက လူတွေထက် သာတဲ့နေရာတွေ အများကြီးရှိတယ်။ လူတွေရဲ့ ဦးနှောက်မှာ နျူရွန်တွေ fire လုပ်တာက တစ်စက္ကန့်ကို အကြိမ် ၂၀၀ လောက်ပဲ ရှိတယ်။ အမြန်ဆုံး အကြိမ် ၁၀၀၀ လောက်ပဲ။ ဒီတော့ ကွန်ပြူတာစကားနဲ့ ပြောမယ်ဆိုရင် ဦးနှောက်ရဲ့ processing speed က 200~1000 Hz ပဲ ရှိတယ်။ ဒီနေ့ခေတ် အိမ်သုံးကွန်ပြူတာတွေရဲ့ အမြန်နှုန်းက GHz လောက် ရှိတော့ အဆတစ်သိန်းလောက် ပိုမြန်တယ်။ ဦးနှောက်က 4-bit prcessor အဆင့်လောက်ရှိပြီး ဒီနေ့ခေတ် ဖုန်းတွေ ကွန်ပြူတာတွေက 32-bit, 64-bit processor တွေ။ ဒီတော့ သင်္ချာတွက်ချက်ရာမှာ လူတွေထက်ပိုပြီး မြန်ဆန်တိကျတယ်။ နောက် ကွန်ပြူတာရဲ့ မှတ်ဉာဏ်က လူတွေထက် ပိုပြီး များများ မှတ်နိုင်သလို မြန်မြန် ပြန်ပြီး သတိဖော်နိုင်တယ်။
ဒါကြောင့် ဒီနေ့ခေတ် ပြောနေတဲ့ ဉာဏ်ရည်တုလောက် အဆင့်မမြင့်သေးတဲ့ Deep Blue ကွန်ပြူတာက စစ်တုရင်ချန်ပီယန် ကက်စပါရော့ဗ်ကို ၁၉၉၇-ခုနှစ်တုန်းက အနိုင်ကစားနိုင်ခဲ့တယ်။ Deep Blue မှာ တစ်ဖက်လူက ဘယ်အကွက်ကို ရွှေ့ရင် ကိုယ်က ဘယ်အကွက်တွေကို ရွှေ့နိုင်တယ်ဆိုတဲ့ ရိုးစင်းတဲ့ တွက်ချက်-ဆုံးဖြတ်မှုမျိုး လောက်ပဲပါတယ်။ ဒါပေမယ့် တစ်စက္ကန့်အတွင်းမှာ အကွက်ပေါင်း သန်း ၂၀၀ လောက်ကို တွက်ထုတ်နိုင်တယ်။
၂၁-ရာစုခေတ် ဉာဏ်ရည်တုက Deep Blue လို “ဘာဖြစ်ရင် ဘာလုပ်” လို့ ပရိုဂရမ်လုပ်ထားတဲ့ အတိုင်းသာ တွက်ချက် လုပ်ဆောင်နိုင်တဲ့ စက်မျိုး (Reactive Machine) ထက် အများကြီး သာသွားပြီ။ လူတွေလို သင်ယူနိုင်တဲ့ Machine Learning အရည်အချင်း ရှိလာလို့ပဲ။ သင်ယူနိုင်တယ် ဆိုရာမှာတောင် လူတွေလို အတွေ့အကြုံကနေ ကိုယ်တိုင် သင်ယူနိုင်လာတယ်။ ဒါကို လူတွေအတွက် ဆိုရင် self-learning, learning by example, learning by experience စသဖြင့် ခေါ်တယ်။ စက်တွေအတွက် ဆိုရင် unsupervised learning, deep learning စသဖြင့် ခေါ်ပါတယ်။
စက်က လူကို အတုယူပြီး သင်ယူနိုင်, စဉ်းစားနိုင်လာတဲ့ အခါမှာ လူထက်သာသွားတာက Big Data လို့ခေါ်တဲ့ အလွန်များပြားလှတဲ့ အချက်အလက်တွေကို သုံးပြီး တွက်ချက်စဉ်းစားနိုင်တာပါပဲ။ ဒီထက်ပိုပြီး အားသာတဲ့ အချက်ကတော့ စက်က လူတွေလို စိတ်ခံစားမှုတွေ မရှိတော့ လူတွေလို စိတ်ခံစားမှုပေါ်မှာ မူတည်ပြီး စဉ်းစားဆုံးဖြတ်မှု မလုပ်တာပါပဲ။ တနည်းပြောရရင်တော့ လူတွေလို ဆန္ဒ, ဒေါသ, ဘယာ, မောဟဆိုတဲ့ အဂတိတရားတွေ မရှိတော့ဘူးပေါ့။
ကားမောင်းလာတဲ့ လူတစ်ယောက်က ရုတ်တရက် ရှေ့လမ်းပေါ်မှာ ဘော်လုံးကန်နေတဲ့ ကလေးတွေကို တွေ့လိုက်ရတယ်၊ ဒီကလေးတွေကို ရှောင်လိုက်မယ်ရင် မျက်နှာချင်းဆိုင်က လာနေတဲ့ ထရပ်ကားနဲ့ တိုက်လိမ့်မယ် ဆိုပါစို့။ ဒီလိုအခြေအနေမျိုးမှာ ကားမောင်းသူက ဘယ်လို ဆုံးဖြတ်မလဲ။ ကိုယ့်အသက်အန္တရာယ် ကင်းအောင် ကလေးတွေကိုပဲ တိုက်ချလိုက်မလား? ဒါမှမဟုတ် ကိုယ့်ကိုယ်ကို အနစ်နာခံပြီး ကလေးတွေကို ရှောင်မလား? အကယ်၍ ဉာဏ်ရည်တုကို အသုံးပြုတဲ့ မောင်းသူမဲ့ကား (self-driving car) ဆိုရင်တော့ စက်က လူတွေလို မစဉ်းစားဘဲ အကျိုးဆက်တွေကို တွက်ချက်ပြီး အသေအပျောက် နည်းမယ့် ဆုံးဖြတ်ချက်မျိုးကို ချပါလိမ့်မယ်။ “လူတွေလို မစဉ်းစားဘဲ” လို့ ပြောလိုက်ပေမယ့် တကယ်တမ်း စက်တွေကို ပရိုဂရမ် လုပ်ပေးထားတာက လူတွေပါ။ ကားကို တီထွင်သူတွေက ဘယ်လို ကိုယ်ကျင့်ဆိုင်ရာ ဒဿနမျိုးကို လက်ခံထားသူလဲ။ ဒီကားရဲ့ ပရိုဂရမ်တွေက John Stuart Mill ရဲ့ Consequentialism ဝါဒကို အခြေခံရေးထားတာလား, ဒါမှမဟုတ် Rawls ရဲ့ Liberal Contractarianism လား စသဖြင့် မေးခွန်းထုတ်စရာဖြစ်လာတယ်။ တခါ ကားပိုင်ရှင်ရဲ့ အသက်အန္တရာယ်ထက် အများပြည်သူ ကောင်းစားရေးကို ပဓာနထားပြီး တီထွင် ထုတ်လုပ်ထားတဲ့ ကားတွေကရော လူကြိုက်များပါ့မလား။
ဉာဏ်ရည်တု စက်တွေ ကြီးစိုးမယ့် ခေတ်မှာ ကိုယ်ကျင့်တရား ဆိုင်ရာ ပြဿနာတွေက ပိုနည်း မသွားပါဘူး။ စက်တွေက စမတ်ဖြစ်လာတာနဲ့ အမျှ လူတွေရဲ့ အလုပ်တွေကို စက်တွေက နေရာ ယူလာလိမ့်မယ်။ အလုပ်အကိုင် ပုံစံတွေကလည်း သိသိသာသာ ပြောင်းလဲသွားမယ်။ ဥပမာ self-driving car တွေ တွင်ကျယ်လာတဲ့ တစ်နေ့မှာ ကားမောင်းပြီး အသက်မွေးသူတွေ အလုပ်လက်မဲ့ ဖြစ်သွားမယ်။ အလုပ်လက်မဲ့ ဖြစ်သွားသူတွေကို ထောက်ပံ့နိုင်ဖို့, ဒီလူတွေကို အခြားလုပ်ငန်းတွေမှာ ပြောင်းလုပ်နိုင်အောင် ပြန်လည် လေ့ကျင့်သင်ကြားပေးဖို့ လိုလာတယ်။
ပြဿနာတွေကို ဖြစ်လာမှ ဖုတ်ပူမီးတိုက် ဖြေရှင်းတာထက်, ဖြစ်မလာခင်က ကြိုတင်ကာကွယ်ဖို့ ပြင်ဆင်တာက ပိုကောင်းတယ်။ အထူးသဖြင့် ပညာရေးဆိုတာက အပြောင်းအလဲ တစ်ခုရဲ့ အသီးအပွင့်ကို ခံစားနိုင်ဖို့ မျိုးဆက်နဲ့ ချီပြီး အချိန်လိုတာကိုး။ ၂၁-ရာစုမှာ လိုအပ်တဲ့ အရည်အချင်းတွေ အဖြစ် Critical thinking, Creativity, Collaboration and Communication ဆိုတဲ့ 4C သတ်မှတ်ထားခဲ့ပေမယ်၊ နောက်ပိုင်းမှာ Computational Thinking (CT) ကို ထပ်တိုးဖို့ လိုလာတယ်။ ပညာရေးမှာ ရှေ့က ပြေးနေတဲ့ စင်ကာပူ, ဖင်လန်, တောင်ကိုရီးယား စတဲ့ နိုင်ငံတွေက မူကြိုကနေ စပြီး အထက်တန်းကျောင်းတွေ အထိ ကျောင်းသားတိုင်း Computational Thinking ဖွံ့ဖြိုးလာအောင် လုပ်ဖို့ စီမံကိန်းတွေ ချလာကြတယ်။ စက်တွေက လူတွေကို အတုယူပြီး ဉာဏ်ရည်တက်လာတော့ လူတွေက စက်တွေကို အမှီလိုက်နိုင်အောင် လုပ်ကြရတဲ့ သဘောပါပဲ။
Computational Thinking လို့ ပြောလိုက်ရင် အချို့က ပရိုဂရမ် ကုဒ်တွေ ရေးတာ Coding လို့ အထင် မှားတတ်ကြတယ်။ မူကြိုအရွယ် မူလတန်းအရွယ် ကလေးတစ်ယောက်က ဘယ်လိုလုပ် ပရိုဂရမ်တွေ, ကုဒ်တွေ ရေးတတ်ဦးမှာလဲ။ အချို့ကလည်း Computational Thinking ဆိုတာကို ဒစ်ဂျစ်တယ် နည်းပညာတွေ, ကွန်ပြူတာတွေ, စမတ်ဖုန်းတွေနဲ့ ယဉ်ပါးတာလို့ ထင်ပြီး ကျောင်းတွေမှာ စမတ်ဖြစ်တဲ့ ပစ္စည်းတွေ ဆော့ဖ်ဝဲတွေကို ပေးသုံးကြတယ်။ တကယ်တော့ စမတ်ဖုန်းတွေ သုံးတတ်ရုံနဲ့ လူတွေက စမတ်ဖြစ် မလာနိုင်ပါဘူး။ ဒါဆိုရင် Computational Thinking ဆိုတာက ဘာလဲ...? ခပ်လွယ်လွယ် ပြောရရင် ကွန်ပြူတာပညာရှင် တစ်ယောက်လို စဉ်းစားတွေးခေါ် တတ်တာ, ပြဿနာဖြေရှင်း တတ်တာလို့ ဆိုပါတယ်။ ဒါပေမယ့်လည်း ကွန်ပြူတာပညာရှင် မဟုတ်တဲ့သူက ကွန်ပြူတာပညာရှင်တွေရဲ့ စဉ်းစားပုံ စဉ်းစားနည်းကို ဘယ်လိုလုပ် သိနိုင်ပါ့မလဲ။
ဒါဆို Computational Thinking ဆိုတာ ဘာလဲလို့ ပညာရပ်ဆိုင်ရာ စကားတွေမပါဘဲ ခပ်လွယ်လွယ် ပြောပါဆိုရင်တော့ … (Programming သင်တန်းမှာ ပြောခဲ့ဖူးတဲ့) “အရိပ်ပြရုံနဲ့ အကောင်မထင်တဲ့ အလွန်တုံး အလွန်အတဲ့ သူတစ်ယောက်ကို (အဆင့်မကျော်ဘဲ) တဆင့်ချင်း ခိုင်းရသလို စဉ်းစား” တာလို့ ပြောကြည့်ချင်ပါတယ်။ လူတွေကို အတုယူပြီး ဉာဏ်ရည်တက်လာတဲ့ စက်တွေကို အမှီလိုက်ဖို့ ဆိုရင် သူတို့ကို ပြန်အတုယူပြီး သူတို့ စဉ်းစားသလို စဉ်းစားတတ်ရမယ် ဆိုတဲ့ သဘောပါပဲ။ စက်တွေက လူတွေဆီက အတုယူသွားတဲ့ အတွေ့အကြုံကနေ သင်ယူနိုင်စွမ်း, အမှားကို ကိုယ်တိုင် သိမြင်ပြီး ပြင်ဆင်နိုင်စွမ်း, စဉ်းစားဆုံးဖြတ်နိုင်စွမ်း စတဲ့ လူ့ရဲ့ အရည်ချင်းကောင်းတွေကို ပိုပြီး ထက်မြက်လာအောင်ရော မလုပ်သင့်ပေဘူးလားလို့ စဉ်းစားမိတယ်။
Ref:
Shuchi Grover, The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding), EdSurge, Feb 25, 2018.
Yuval Noah, 21 Lessons for the 21 Century, 2018
(image credit: Getty Image)
Posts
