ဉာဏ္ရည္တုနည္းပညာ ႏွင့္ ဦးေႏွာက္ႏွင့္အာ႐ုံေၾကာဆက္ႏြယ္အက်ိဳးျပဳေနမႈ

 

ဉာဏ္ရည္တုနည္းပညာ ႏွင့္ ဦးေႏွာက္ႏွင့္အာ႐ုံေၾကာဆက္ႏြယ္အက်ိဳးျပဳေနမႈ

ေဒါက္တာဉမၼာေစာ

          ကမၻာႀကီးသည္ သိပၸံနည္းပညာ ေတာ္လွန္ေရးျဖစ္ခဲ့ၿပီး အေရြ႕တစ္ခုႏွင့္ ေခတ္တစ္ခု စနစ္တစ္ခုစီကို ေျပာင္းေရႊ႕ေန ပါသည္။ ထိုအရာသည္ Artificial Intelligence ဟုေခၚသည့္ ဉာဏ္ရည္တု မ်ားႏွင့္ တည္ေဆာက္ ထားေသာ စက္မ်ား၊ စက္႐ုပ္မ်ားျဖင့္ အလိုအေလ်ာက္ လုပ္ေဆာင္ႏိုင္သည့္ ေခတ္ပင္ျဖစ္ပါသည္။ AI သည္ လူမ်ားတြင္ရွိေသာ အသိဉာဏ္အတု တစ္မ်ိဳးျဖစ္ၿပီး ၎ကိုလူသားတို႔မွ တီထြင္ထားျခင္း ျဖစ္ပါသည္။ Russell ႏွင့္ Norvig ဆိုသည့္ သိပၸံပညာရွင္ ႏွစ္ဦးမွAI သည္ လူသားတို႔၏ ဉာဏ္ရည္ကို ေလ့လာၿပီး ၎လူသားမ်ား၏ ဉာဏ္ရည္အတိုင္း တုပ၍ လုပ္ေဆာင္ထားသည့္ အရာျဖစ္ေၾကာင္း အဓိပၸာယ္ဖြင့္ဆို ထားပါသည္။

 

          AI နည္းပညာသည္ မၾကာေသးမီ ႏွစ္မ်ားအတြင္း ႀကီးမားသည့္ ေဒတာ အခ်က္အလက္မ်ား တစ္ၿပိဳင္နက္ တိုးတက္လာျခင္း၊ Machine learning နည္းလမ္းမ်ား တိုးတက္လာျခင္း ႏွင့္တြက္ခ်က္မႈ စြမ္းရည္၊ လုပ္ေဆာင္ႏိုင္စြမ္း တိုးတက္လာျခင္းတို႔ ေပါင္းစည္းမႈ၏ ႀကီးမားေသာ ရလဒ္ အစိတ္အပိုင္းမ်ား ျဖစ္လာပါသည္။ ၁၉၆၀ ျပည့္ႏွစ္ေနာက္ပိုင္း ကြန္ပ်ဴတာသိပၸံ ပညာရွင္မ်ားက ဦးေႏွာက္ ကဲ့သို႔ေသာ အာ႐ုံေၾကာ ကြန္ရက္ တီထြင္လာခ်ိန္တြင္ AI သုေတသနမ်ားႏွင့္ ဦးေႏွာက္ အာ႐ုံေၾကာ ေဆးသိပၸံ ပညာရပ္ဆိုင္ရာ သုေတသနမ်ား အခ်င္းခ်င္း ဆက္ႏြယ္ လုပ္ေဆာင္လာခဲ့ ၾကပါသည္။

          Neurons မ်ားအၾကား ဆက္သြယ္မႈ လုပ္ငန္း ေဆာင္ရြက္မႈ စသည့္ အာ႐ုံေၾကာစနစ္၏ အျပဳအမူကို တုပ၍ Software  မ်ားတီထြင္ခဲ့ၾက သကဲ့သို႔  (Brain Institutes and Human Brain Project Capacity) AI ဆိုင္ရာ သုေတသန စီမံကိန္းမ်ားသည္ ဦးေႏွာက္ကဲ့သို႔ ခက္ခဲေသာ အသိဉာဏ္ပညာ ဆိုင္ရာ လုပ္ငန္းမ်ားကို လူသားတစ္ဦး သို႔မဟုတ္ လူသားတစ္ဦးထက္ ပင္ပိုစြမ္းႏိုင္သည့္ Computer Hardware တည္ေဆာက္ ႏိုင္ရန္ ရည္ရြယ္ခဲ့ၾက ပါသည္။ AI နည္းပညာတြင္ အလိုအေလ်ာက္ အသိဉာဏ္ ျမင့္မားစြာ အဆုံးအျဖတ္ ေပးႏိုင္မႈသည္ အားသားခ်က္ တစ္ရပ္ျဖစ္ ပါသည္။ သို႔ရာတြင္ လူသားတို႔၏ ဦးေႏွာက္သည္ အခ်က္အလက္ ေပါင္းမ်ားစြာ စိစစ္၍ စနစ္တက် ျပန္လည္တုံ႔ျပန္ လုပ္ေဆာင္ရာတြင္ အာ႐ုံေၾကာ ကလာပ္စည္း Neurons အေရအတြက္ တစ္ရာဘီလီယံ အခ်င္းခ်င္း ဆက္သြယ္ပို႔ေဆာင္၊ ဆုံးျဖတ္ ေဆာင္ရြက္ၾက ပါသည္။

          Neurons ႏွင့္ပုံသဏၭာန္၊ စြမ္းေဆာင္ရည္ တူသည့္ Neuromorphic computing  chip မ်ား တီထြင္ လာခဲ့ရာတြင္ chip တစ္ခုသည္ အာ႐ုံေၾကာ ကလာပ္စည္း ၁၆,၀၀၀ ႏွင့္ Neuron မ်ားၾကား ဆက္သြယ္မႈ နဗ္ေၾကာဆက္ ၈ သန္းကို ကိုယ္စားျပဳ စြမ္းေဆာင္ႏိုင္ေၾကာင္း သိရွိရပါသည္။ သင္ယူမွတ္သား ႏိုင္စြမ္းရွိၿပီး တိုးတက္ေအာင္ လုပ္ႏိုင္စြမ္းလည္း ရွိပါသည္။ထို႔ေၾကာင့္ AI သုေတသန ပညာရွင္မ်ားက Neuromorphic Computing ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာစနစ္ ကဲ့သို႔ တုပေဆာင္ရြက္ ႏိုင္လာလွ်င္ ေနာင္တစ္ေခတ္တြင္  AI သည္ အင္အားေကာင္း၍ လူကဲ့သို႔ လုပ္ေဆာင္ႏိုင္စြမ္း ရွိလာမည္ဟု ယုံၾကည္ၾကပါသည္။ AI သုေတသန ပညာရွင္မ်ားက အားေကာင္းေသာ၊ လူကဲ့သို႔ တုပႏိုင္ေသာ AI သည္ ၂၁ ရာစု အကုန္တြင္ ၉၀ ရာခိုင္ႏႈန္းခန္႔ပင္ ရွိလာႏိုင္မည္ဟု ယုံၾကည္ၾက ပါသည္။

          လြန္ခဲ့သည့္ ကာလမ်ားအတြင္း AI ၏ တိုးတက္ ျဖစ္ထြန္းမႈသည္ အာ႐ုံေၾကာ ကြန္ရက္ တိုးတက္ျဖစ္ထြန္းမႈ အေပၚအေျခခံခဲ့ ပါသည္။ ဦးေႏွာက္ အာ႐ုံေၾကာ ေဆးသိပၸံပညာရပ္ ၏ သေဘာတရား မ်ားႏွင့္ ေတြ႕ရွိမႈမွဆြဲယူ၍ ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာစနစ္၏ လုပ္ေဆာင္မႈမ်ားကို နက္နက္နဲနဲ ေလ့လာျခင္း (Deep Leaning)၊ အားျဖည့္ ေလ့လာျခင္း (Reinforcement Leaning) ေပၚအေျခခံၿပီး    AI  သုေတသနမ်ားကို ျပဳလုပ္ခဲ့ၾကပါသည္။  AI နည္းပညာမ်ားတြင္ စက္႐ုပ္မ်ားမွစ၍ အင္တာနက္ Game ကြၽမ္းက်င္စြာ ကစားႏိုင္မႈအဆုံး အေျခခံက်ေသာ အပိုင္းမွ ပါဝင္ခဲ့ၾကၿပီး၊ ဥပမာအေနျဖင့္ အျမင္အာ႐ုံ တစ္ခုကို မည္သို႔ သယ္ေဆာင္၍ ဦးေႏွာက္၏ အျမင္အာ႐ုံ ဆုံးျဖတ္သည့္ ေနရာတြင္ မည္ကဲ့သို႔ စိစစ္ဆုံးျဖတ္ သည္ကို ေလ့လာၿပီး ေဆာင္ရြက္ႏိုင္ရန္ ႀကိဳးပမ္းမႈ ျဖစ္ပါသည္။

          လက္ရွိကာလတြင္  AI  ႏွင့္ ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာ ေဆးသိပၸံပညာ (Neuroscience) ၏ ဆက္ႏြယ္မႈ နည္းပါးလာေသာ္လည္း တခ်ိဳ႕ေသာ Neuroscience  သေဘာတရား မ်ားကို ဆက္လက္လက္ခံ လုပ္ေဆာင္ေနဆဲ ျဖစ္ပါသည္။ Attention အာ႐ုံစူးစိုက္မႈ၊ အကန္႔လိုက္ မွတ္သားႏိုင္မႈ (Episodic    Memory) ၊ လုပ္ငန္းစဉ္ မွတ္ဉာဏ္ (Working Memory) ႏွင့္ဆက္လက္ ေလ့လာမႈ (Continual Leaning) တို႔ကို ဆက္လက္ေလ့လာ အတုယူ လုပ္ေဆာင္ေနဆဲ ျဖစ္ပါသည္။ ေနာင္အနာဂတ္တြင္ လက္ေတြ႕ သဘာဝကမၻာႀကီးကို ေသခ်ာစြာ နားလည္ႏိုင္မႈ၊ ထိေရာက္ေသာ ေလ့လာမႈ (Efficient Leaning)၊ လႊဲေျပာင္း ေလ့လာမႈ (Transfer Leaning)၊ စိတ္ကူးစိတ္သန္း ႏွင့္ စီမံခ်က္ ေရးဆြဲႏိုင္မႈ (Imagination and Planning)၊  ပကတိဦးေႏွာက္ ခြဲျခမ္းစိတ္ျဖာ ေလ့လာႏိုင္မႈ (Virtual Brain Analysis) မ်ား ျပဳလုပ္လာႏိုင္မည္ ျဖစ္ပါသည္။

          AI  နည္းပညာကို ေခတ္သစ္ ဦးေႏွာက္အာ႐ုံေၾကာ ေဆးသိပၸံ ပညာရပ္တြင္ အသုံးျပဳ လာခဲ့ၾကပါသည္။ က်န္းမာေရး ေစာင့္ေရွာက္မႈ က႑မ်ား၌ အသုံးျပဳၾကရာတြင္ လူနာႏွင့္ ဆိုင္ေသာ အခ်က္အလက္မ်ား၊ ေဆး႐ုံႏွင့္ က်န္းမာေရးဌာန ဆိုင္ရာ အေရးပါေသာ အခ်က္အလက္ မ်ားကို ေဖာ္ထုတ္ႏိုင္ သကဲ့သို႔ ဖုံးကြယ္ထားႏိုင္စြမ္း ရွိပါသည္။ အခ်က္အလက္ ေပါင္းမ်ားစြာ မွတ္သား၍ စနစ္တက် သိမ္းဆည္းႏိုင္ၿပီး လိုအပ္ပါက ျပန္လည္ေဖာ္ထုတ္ ေပးႏိုင္ပါသည္။ ေဆးဘက္ဆိုင္ရာ အခ်က္အလက္ မ်ားကို စနစ္တက် ခြဲျခမ္းစိတ္ျဖာ၊ စီမံခန္႔ခြဲႏိုင္ သကဲ့သို႔ လုပ္ငန္းဆိုင္ရာ စနစ္မ်ားလည္း ပိုမိုလြယ္ကူ လာခဲ့သျဖင့္ က်န္းမာေရး ေစာင့္ေရွာက္မႈ စနစ္၏ စံနမူနာ ေျပာင္းလဲလာမႈပင္ ျဖစ္ပါသည္။

          ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာသိပၸံတြင္ AI နည္းလမ္းမ်ားသည္ ေရာဂါရွာေဖြျခင္း၊ ခန္႔မွန္းျခင္းႏွင့္ ဦးေႏွာက္ေရာဂါမ်ား၊ စိတ္က်န္းမာေရး ခ်ိဳ႕ယြင္းခ်က္မ်ားကို ကုသျခင္းတို႔တြင္ အသုံးခ်ရန္ အတြက္ ပံ့ပိုးေပး ပါသည္။  လူႏွင့္ AI စက္ပစၥည္းတို႔ ပူးတြဲ ေဆာင္ရြက္ျခင္းျဖင့္ ပိုမိုေကာင္းမြန္ေသာ ရလဒ္ကိုရရွိႏိုင္ၿပီး လူသားကဲ့သို႔ စဉ္းစားေတြးေခၚ၊ အဓိပၸာယ္ေဖာ္၍ ျပႆနာမ်ားကို ေျဖရွင္းႏိုင္စြမ္း ရွိပါသည္။ AI နည္းပညာသုံး ပုံရိပ္ေဖာ္စက္ မ်ားသည္ ဦးေႏွာက္၏ အပိုင္းမ်ားကို ခြဲျခားပုံေဖာ္ ႏိုင္သကဲ့သို႔၊   ဦးေႏွာက္တြင္ ေရာဂါရွိေသာ အပိုင္းႏွင့္ ပုံမွန္အပိုင္းကို ခြဲျခားေစႏိုင္ ပါသည္။

၉။       AI နည္းပညာ၏ အခ်က္အလက္ မ်ားကို စနစ္တက် ကိုင္တြယ္ႏိုင္စြမ္း သည္ ကုသသူ ဆရာဝန္မ်ား အေနျဖင့္ ေရာဂါရွာေဖြ ကုသေရးတြင္ ဆုံးျဖတ္ခ်က္မ်ား ခ်ႏိုင္စြမ္း တိုးတက္လာေစ ပါသည္။ AI နည္းပညာသုံး၍ ဦးေႏွာက္ အာ႐ုံေၾကာ ခြဲစိတ္မႈႏွင့္ ေရာဂါရွာေဖြ ကုသမႈတို႔တြင္ အေထာက္အပံ့ ေပးႏိုင္ခဲ့ပါသည္။ ပုံရိပ္ေဖာ္ စနစ္မ်ားတြင္ အရည္အေသြး ထိန္းညႇိမႈ၊ ပုံရိပ္မ်ားျပတ္သား ထင္ရွားရန္ ေဆာင္ရြက္သကဲ့သို႔ ကြန္ပ်ဴတာကို အသုံးျပဳ၍ ေရာဂါအမည္ တပ္ႏိုင္စြမ္း၊ အမ်ိဴးအစား ခြဲျခားႏိုင္ၿပီး အေျဖထုတ္ေပး ႏိုင္စြမ္းရွိလာၾက ပါသည္။ ဦးေႏွာက္ အႀကိတ္အဆင့္ကို ေျပာႏိုင္ျခင္း၊ အတက္ေရာဂါ တြင္ ပုံမွန္ မဟုတ္ေသာ တက္တတ္သည့္ ေနရာကို ခန္႔မွန္းႏိုင္ျခင္း ကဲ့သို႔ မခြဲစိတ္ခင္ ကပင္ ေရာဂါ၏ အေျခအေနကို အခိုင္အမာ ထုတ္ေဖာ္ႏိုင္ ပါသည္။ ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာ သိပၸံတြင္ လုပ္ေဆာင္ခ်က္၏ အဓိက နယ္ပယ္သည္ ႀကီးမားေသာ ပုံရိပ္ပမာဏကို စီမံ ေဆာင္ရြက္ျခင္းႏွင့္ အမ်ိဳးအစား ခြဲျခားျခင္းလည္း ျဖစ္လာပါမည္။ ဥပမာအားျဖင့္ Histopathological ပုံရိပ္မ်ား (တစ္သွ်ဴးမ်ားအား အေသးစိတ္ ေလ့လာျခင္း) အမ်ိဳးအစား ခြဲျခားျခင္း၊ ဦးေႏွာက္ MRI ပုံရိပ္မ်ားတြင္ အႀကိတ္မ်ားအား အပိုင္းပိုင္း ခြဲျခင္းႏွင့္ အျခားမ်ားစြာေသာ ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာ ဆိုင္ရာ ပုံရိပ္ေဖာ္ျခင္း မ်ားတြင္ အသုံးခ်စီမံ ေဆာင္ရြက္ျခင္း တို႔ျဖစ္ပါသည္။

          ဦးေႏွာက္ အာ႐ုံေၾကာမႀကီး၏ ပုံသ႑ာန္၊ ေရာဂါျဖစ္ေသာ အပိုင္းသာမက၊ လုပ္ငန္း ေဆာင္ရြက္မႈ ေကာင္း၊ မေကာင္းကိုပါ သိရွိလာႏိုင္ခဲ့ ပါသည္။ ေလျဖတ္ေရာဂါ မ်ားတြင္လည္း အခ်ိန္ေစာစြာ ေရာဂါ အေျခအေနကို ေဖာ္ျပႏိုင္သျဖင့္ အခ်ိန္မီ ကုသႏိုင္ခဲ့ပါသည္။ ျပန္လည္ သန္စြမ္းမႈ တြင္လည္း စက္႐ုပ္သုံး၍ လည္းေကာင္း၊ အစားထိုး စက္ပစၥည္းမ်ား သုံး၍ ျပန္လည္ သန္စြမ္းရန္ အေထာက္အကူ ျပဳႏိုင္ခဲ့ပါသည္။ အာ႐ုံေၾကာ အားမေကာင္းသူ အစာမ်ိဳရ ခက္ေသာ လူနာမ်ားတြင္ အစာမ်ိဳမႈကို ၾကည့္ရႈေသာ မွန္ေျပာင္းမ်ားသည္ AI နည္းပညာကို အသုံးျပဳထား သျဖင့္ အလိုအေလ်ာက္ စစ္ေဆး၊ ဆုံးျဖတ္ အစာမ်ိဳႏိုင္စြမ္းကို မ်က္ျမင္ေတြ႕ျမင္ ေစခဲ့ပါသည္။ အလိုအေလ်ာက္ အတက္ျဖစ္စဉ္ကို သိရွိႏိုင္ေသာ (Electroencephalography-EEG) စက္မ်ားသည္ AI နည္းပညာအရ ရရွိလာေသာ အခ်က္အလက္ မ်ားကို တည္းျဖတ္၍ မလိုသည္မ်ားကို ဖယ္ရွားၿပီး အေျဖထုတ္ႏိုင္စြမ္း ရွိလာၾက ပါသည္။

          ဦးေႏွာက္ အာ႐ုံေၾကာ ခြဲစိတ္မႈတြင္ အလိုအေလ်ာက္ ေဆာင္ရြက္ႏိုင္ေသာ Robotic surgery စက္႐ုပ္အသုံးျပဳ ခြဲစိတ္မႈမ်ား ရွိလာခဲ့ပါသည္။ စက္႐ုပ္ အကူအညီျဖင့္ ပုံရိပ္ေဖာ္ကာ ဦးေႏွာက္သို႔ သံလိုက္ဓာတ္ႏွင့္ လႈံ႕ေဆာ္မႈျဖင့္ လႈပ္ရွားမႈကို ဆုံးျဖတ္ ေပးႏိုင္ေသာ ဦးေႏွာက္ အစိတ္အပိုင္းအား ႐ုပ္ပုံျဖင့္ ေဖာ္ထုတ္ျပသေပး ႏိုင္ခဲ့ပါသည္။ သုံးဖက္ျမင္ နည္းပညာျဖင့္ ဦးေႏွာက္ခြဲစိတ္မႈ အားအကူအညီ ေပးျခင္းေၾကာင့္ ခြဲစိတ္မႈ လက္ရည္တိုးတက္ လာပါသည္။ AI နည္းပညာကို လူသားအစစ္၏ အဆင့္ျမင့္ ဦးေႏွာက္ လုပ္ေဆာင္မႈမ်ား ကဲ့သို႔ ေဆာင္ရြက္ႏိုင္ရန္ ရည္ရြယ္ခဲ့ ပါသည္။ AI နည္းပညာသည္ ေဆးမဂၢဇင္း၊ စာအုပ္မ်ား၊ လက္ေတြ႕ လုပ္ေဆာင္မႈ အေတြ႕အႀကဳံမ်ား၊ ေဆးသုေတသန မ်ားမွ ေနာက္ဆုံးေပၚ ေဆးပညာ သတင္းအခ်က္အလက္ မ်ားကိုျဖည့္ဆည္း ေပးႏိုင္သျဖင့္ ေဆးပညာရွင္ မ်ား၏ ကုသမႈ နည္းလမ္းမ်ား ပိုမိုေကာင္းမြန္ လာေစပါသည္။

          ေရာဂါခန္႔မွန္းျခင္း တြင္လည္း သူငယ္ျပန္ျခင္း၏ အစကို ခန္႔မွန္းရန္ သို႔မဟုတ္ ဦးေႏွာက္တြင္ Electrode မ်ား တပ္ဆင္ျခင္းမွ ဝက္႐ူးျပန္ ေရာဂါ၏ အလားအလာမ်ား၊ ပါကင္ဆန္ ေရာဂါတြင္ လႈပ္ရွားမႈဆိုင္ရာ ေရာဂါလကၡဏာ မတည္ၿငိမ္မႈ မ်ားကို ဦးေႏွာက္တြင္းရွိ Electrode မ်ားမွ ခန္႔မွန္းျခင္းႏွင့္ အခ်ိန္ႏွင့္ တစ္ေျပးညီ ေစာင့္ၾကည့္ျခင္း မ်ားကို အသုံးျပဳႏိုင္ ပါသည္။ ကုသေရးတြင္ လူလုပ္ အာ႐ုံေၾကာ ကြန္ရက္ႏွင့္အတူ နက္ရႈိင္းေသာ သင္ယူမႈျဖင့္ ေဆးဝါးဆိုင္ရာ ပစ္မွတ္အသစ္မ်ား ဖြံ႕ၿဖိဳးရန္ အသုံးျပဳပါသည္။ ဥပမာအားျဖင့္ အေၾကာေသ ေရာဂါမ်ားတြင္ ကုသရန္ ပဋိဇီဝမ်ားႏွင့္ ပ႐ိုတိန္း ေပါင္းစပ္ အသုံးျပဳျခင္း၊ Electro-stimulation စနစ္မ်ားျဖင့္ ဝက္႐ူးျပန္ေရာဂါ ျဖစ္ခါနီးတြင္ အလိုအေလ်ာက္ လည္ပတ္ေနေသာ ဦးေႏွာက္တြင္းရွိ အာ႐ုံေၾကာပတ္လမ္း ထိန္းခ်ဳပ္ျခင္းကို ေဆာင္ရြက္လာျခင္း ျဖစ္သည္။ ဦးေႏွာက္-ကြန္ပ်ဴတာ ၾကားခံဆက္သြယ္မႈ မွတစ္ဆင့္ EEG မွတ္တမ္းတင္မႈ မ်ားကို ခြဲျခားစိတ္ျဖာျခင္း ျဖင့္ပုံမွန္ သို႔မဟုတ္ ေရာဂါေဗဒ အျဖစ္ အမ်ိဳးအစား ခြဲႏိုင္ပါသည္။ ယေန႔ေခတ္တြင္ EEG၊ Functional MRI ႏွင့္ ဦးေႏွာက္ လုပ္ေဆာင္ခ်က္ကို ေစာင့္ၾကည့္သည့္ နည္းလမ္းမ်ားတြင္ ဦးေႏွာက္ အခ်က္ျပမႈမ်ား၏ အခ်ိန္၊ အကြာအေဝးႏွင့္ ႀကိမ္ႏႈန္း ဆက္သြယ္ခ်က္ လကၡဏာမ်ားကို တိုင္းတာႏိုင္မႈ မ်ား၌ ကန္႔သတ္ခ်က္ ရွိပါသည္။

          Machine learning နည္းလမ္းမ်ား အထူးသျဖင့္ နက္ရႈိင္းေသာ သင္ယူမႈသည္ သတင္း အခ်က္အလက္ ထုတ္ယူမႈ စြမ္းရည္မ်ားျပားစြာ တိုးတက္လာသည္ကို ျမင္ေတြ႕ရၿပီး ျဖစ္ပါသည္။ အကယ္၍ ေဒတာခြဲျခား စိတ္ျဖာျခင္းႏွင့္ ပတ္သက္၍ ဥပမာအားျဖင့္ ဦးေႏွာက္ မ်က္ႏွာျပင္မ်ားမွ EEG တိုက္႐ိုက္ တိုင္းတာေသာ Intracortical microelectrode ကြန္ရက္မ်ားျဖင့္ သို႔မဟုတ္ အာ႐ုံေၾကာ အမႈန္မ်ား ကဲ့သို႔ေသာ Intra-cortical နာႏိုအမႈန္ မ်ားႏွင့္ အာထရာေဆာင္း စနစ္ျဖင့္  ဦးေႏွာက္ႏွင့္ အာ႐ုံေၾကာ နည္းပညာဆိုင္ရာ တိုင္းတာမႈမ်ားမွ ထုတ္ယူႏိုင္ေသာ သတင္း အခ်က္အလက္ သိသာစြာ တိုးတက္မႈကို ေမွ်ာ္လင့္ႏိုင္ လာမည္ ျဖစ္ပါသည္။

          လူတစ္ဦးခ်င္းစီ၏ ဦးေႏွာက္မွ အခ်က္ျပမႈကို ထုတ္ယူႏိုင္သည့္ သတင္း အခ်က္အလက္ ပမာဏႏွင့္ ျဖစ္ႏိုင္ေျခရွိ၍ တိက် ေသခ်ာသည့္ ကန္႔သတ္ခ်က္ မ်ားသည္ အနာဂတ္ ကာလတြင္ စိတ္သို႔မဟုတ္ အေတြးမ်ားကို ဖတ္ရႈႏိုင္ရန္ အတြက္ ျဖစ္ေပၚ လာႏိုင္မႈမ်ားမွာ လက္ရွိ အခ်ိန္တြင္ နားလည္ရန္ ခက္ေသာ အရာမ်ားအျဖစ္ တည္ရွိေနမည္ ျဖစ္ပါသည္။ သို႔ရာတြင္ လူသားတစ္ဦးႏွင့္ AI စနစ္တစ္ခုတို႔  ေပါင္းစပ္ လုပ္ေဆာင္မႈႏွင့္ သီးျခား လုပ္ေဆာင္ခ်က္ မ်ားတြင္ တာဝန္ယူမႈ၊ တာဝန္ခံမႈတို႔ကို ျပတ္သားစြာ ေဖာ္ျပမႈ၌ ဟာကြက္ ရွိေနခဲ့ပါသည္ ။ထို႔ေၾကာင့္ ကုလသမဂၢ အေထြေထြ ညီလာခံမွ ကမၻာ့ႏိုင္ငံမ်ား အေနျဖင့္  AI စနစ္ကို ပိုမို ေဘးကင္းမႈရွိေသာ၊ လုံၿခဳံမႈရွိေသာ၊ ယုံၾကည္စိတ္ခ်မႈ ရွိေသာ စနစ္အျဖစ္ ဖန္တီးၾကရမည္ ဆိုပါမည္။ လူ့အခြင့္အေရးႏွင့္ ပတ္သက္၍ ေလးစားမႈ၊ ကာကြယ္မႈ၊ အားေပး ျမႇင့္တင္မႈ ရွိရမည္ဟု လည္း ေဖာ္ျပခဲ့ပါသည္။

          ေဆးပညာဆိုင္ရာ ေရာဂါရွာေဖြ ကုသေရး၊ ျပန္လည္ သန္စြမ္းမႈ အေထာက္အကူျပဳ ေရးတြင္ AI နည္းပညာကို အသုံးျပဳျခင္းျဖင့္ ပိုမိုေကာင္းမြန္ေသာ ရလဒ္မ်ား ထြက္ေပၚလာ ႏိုင္ေသာ္လည္း ေဆးပညာရွင္ မ်ား၏ ဆုံးျဖတ္ႏိုင္စြမ္း၊ ဆက္စပ္ေတြးေခၚ ႏိုင္စြမ္းကို ဆက္လက္ အသုံးခ်ေနရမည္ ျဖစ္ပါသည္။ ေဆးပညာရွင္မ်ား၏ မိမိလူနာမ်ား အေပၚတြင္ ထားရွိေသာ ၾကင္နာသနားမႈ၊ ကိုယ္ခ်င္းစာနာမႈ၊ ေမတၱာ၊ ဂ႐ုဏာ ေပးဆပ္ႏိုင္မႈ၊ စိတ္ခံစားမႈ မ်ားကို AI နည္းပညာမ်ားမွ တုပအစားထိုး ေဆာင္ရြက္ႏိုင္မည္ မဟုတ္ပါ။

ဓာတ္ပံု = အင္တာနက္