ကျွန်တော်တို့ရဲ့ ဘဝတွေမှာ AI (အထက်တန်းကွန်ပျူတာဦးနှောက်) ကို အသုံးပြုတဲ့ ဆော့ဖ်ဝဲဖန်တီးမှုနည်းလမ်းတွေက ပိုမိုအားကောင်းလာတာနဲ့အတူ ဆော့ဖ်ဝဲဖန်တီးတာက ပိုလွယ်ကူလာတယ်လို့ ထင်ကြပါတယ်။ ဒါကြောင့် ပုံမှန် ဆော့ဖ်ဝဲကုမ္ပဏီတွေအတွက် နေရာတစ်ခုမှ မကျန်ဘူးလို့ ဆိုကြပါတယ်။
ဒီလိုပါပဲ၊ "AI ဆော့ဖ်ဝဲဖန်တီးမှုနည်းလမ်းတွေက ပြဿနာတွေကိုလည်း ဖြစ်ပေါ်စေတယ်" လို့ စက်မှုပညာရှင်တွေက ပြောကြပါတယ်။ AI ဆော့ဖ်ဝဲဖန်တီးမှုနည်းလမ်းတွေက အသုံးပြုရလွယ်ကူတာကြောင့် ညံ့ဖျင်းတဲ့ ကုဒ်တွေကို ပြန်ပြန်ဆန်ဆန်ထုတ်လုပ်လာကြတယ်။ လုပ်ဆောင်ချက်သစ်တွေ ထည့်သွင်းတာက ပိုလွယ်ကူလာတယ်ဆိုပေမယ့် ထိန်းသိမ်းစောင့်ရှောက်တာက ပိုခက်ခဲလာတာကြောင့် ဆော့ဖ်ဝဲစနစ်တွေလည်း ပိုပြားလာတာပါ။
ဒါကြောင့် AI ဆော့ဖ်ဝဲဖန်တီးမှုနည်းလမ်းတွေက ပြဿနာတွေကိုလည်း ဖြစ်ပေါ်စေတယ်လို့ ဆိုလိုတာပါ။ ဒီ AI ဆော့ဖ်ဝဲဖန်တီးမှုနည်းလမ်းတွေရဲ့ ဒီလိုမျိုး သက်ရောက်မှုတွေကြောင့် ဆော့ဖ်ဝဲရေးသားသူတွေက မပျောက်ကွယ်သွားမှာ မဟုတ်ဘူးလို့ ထင်ပါတယ်။
ဘလင်ဒါ (Blender) ဆိုတဲ့ 3D မော်ဒယ်လ်လုပ်ဖို့ အသုံးပြုတဲ့ ပွင့်လင်းရင်းမြစ် (open source) နည်းပညာမှာလည်း အလားတူ ပြဿနာတွေ ရှိခဲ့ပါတယ်။ ဘလင်ဒါ ဖောင်ဒေးရှင်း (Blender Foundation) ၏ CEO ဖရန်ကို ဆီဒီ (Franceso Siddi) က LLM (ကြီးမားတဲ့ ဘာသာစကားစနစ်) ကူညီတဲ့ အကြောင်းအရာတွေဟာ ပုံမှန် ပြန်ဆန်းစစ်သူတွေရဲ့ အချိန်ကို ပျက်ကွက်စေတယ်လို့ ပြောပါတယ်။ ဘလင်ဒါကတော့ AI ကုဒ်တွေအတွက် တရားဝင် မူဝါဒတစ်ခု ရေးဆွဲဆဲ ဖြစ်ပေမယ့်၊ ဆီဒီက "အကြံပြုထားတာလည်း မဟုတ်၊ ပါဝင်သူတွေနဲ့ ပင်မ ဖွံ့ဖြိုးတိုးတက်ရေး အဖွဲ့ဝင်တွေအတွက်လည်း မလိုအပ်ဘူး" လို့ ပြောပါတယ်။
ပွင့်လင်းရင်းမြစ် (open source) ဖွံ့ဖြိုးတိုးတက်ရေး အဖွဲ့ဝင်တွေဟာ ဒီလို AI ကုဒ်တွေကြောင့် ပြဿနာတွေ ရင်ဆိုင်နေရလို့၊ အဲဒီကို စီမံခန့်ခွဲဖို့ အသစ်တွေ ဖန်တီးနေကြပါတယ်။
ဒီလောက်ကာလအတွင်းမှာ ဒိုင်ဗယ်လော့ပါ မစ်ချယ် (Mitchell Hashimoto) က GitHub ပါဝင်မှုကို "အာမခံခံရသူ" အသုံးပြုသူတွေနဲ့သာ ကန့်သတ်မယ့် စနစ်တစ်ခု စတင်လုပ်ဆောင်ခဲ့ပါတယ်။ အဲဒါက အမြင့်ဆုံး ပွင့်လင်းရင်းမြစ် (open source) ဆော့ဖ်ဝဲ စီမံခန့်ခွဲမှုရဲ့ ဖွင့်ပေးထားတဲ့ မူဝါဒကို ပိတ်ပစ်လိုက်တာ ဖြစ်ပါတယ်။ ဟက်ရီမိုတို (Hashimoto) က ဒီကြေငြာထဲမှာ "AI က OSS ရဲ့ ယုံကြည်မှုအပေါ် ရှိခဲ့တဲ့ သဘာဝ ကန့်သတ်ချက်ကို ဖယ်ရှားလိုက်ပါတယ်" လို့ ပြောပါတယ်။
ဒီလို အလားတူ ပြဿနာက ဘတ်ဂျက်ဆုံးပွင့်ပရိုဂရမ်များမှာလည်း ရှိပါတယ်။ ဒါကတော့ ပြင်ပသုတေသီတွေကို လုံခြုံရေး အားနည်းချက်တွေကို တင်ပြဖို့ ပွင့်လင်းပေးထားတဲ့ နည်းလမ်းဖြစ်ပါတယ်။ cURL ဆိုတဲ့ ပွင့်လင်းရင်းမြစ် (open source) ဒေတာ လွှဲပြောင်းရေး ပရိုဂရမ်က အဲဒီ ဘတ်ဂျက်ဆုံးပွင့် ပရိုဂရမ်ကို ဆိုးရွားတဲ့ "AI အရည်အသွေးမဲ့" ဝင်ရောက်မှုတွေကြောင့် ရပ်ဆိုင်းလိုက်ရပါတယ်။
"ဟိုးအရင်ကတော့ လုံခြုံရေး အစီရင်ခံစာတွေအတွက် လူတွေ အမြတ်အစွန်း ပါဝင်ခဲ့ကြတယ်" လို့ ဒေါက်တာ ဒါနီယယ် စတင်ဘာ (Daniel Stenberg) က လတ်တလော ကွန်ဖရင့်တစ်ခုမှာ ပြောပါတယ်။ "အဲဒီလို ကြိုတင်ကြိုးစားခဲ့တဲ့ အရာတွေ ရှိခဲ့တယ်။ ဒါပေမယ့် ဒီအချိန်မှာတော့ အဲဒီလို ကြိုးစားရတာ မလိုအပ်တော့ဘူး။ တံခါးတွေ ပွင့်ပွင့်ပါးပါး ဖွင့်ပေးထားတယ်"
ဒါပေမယ့် ပွင့်လင်းရင်းမြစ် (open source) စီမံကိန်းတွေမှာ AI ကုဒ်တွေရဲ့ အကျိုးကျေးဇူးတွေကိုလည်း တွေ့ရှိနေကြပါတယ်။ ဗီအယ်လ်စီ (VLC) ရဲ့ မော်ဂျူးအသစ်တွေ ဖန်တီးရာမှာ အဲဒါ အလွန်အကျိုးရှိတယ်လို့ ကင်ပ်ဖ် (Kempf) က ပြောပါတယ်။ ဒါပေမယ့် အဲဒီကုဒ်တွေကို စီမံခန့်ခွဲဖို့ကတော့ အတွေ့အကြုံရှိတဲ့ ဖွံ့ဖြိုးတိုးတက်ရေး အဖွဲ့ဝင်တွေ ရှိဖို့ လိုအပ်ပါတယ်။
"ဗီအယ်လ်စီ (VLC) ရဲ့ စုစုပေါင်း ကုဒ်ဘေ့စ်ကို ပေးပြီး 'ဒါကို ဒီ ဖွံ့ဖြိုးတိုးတက်ရေး အပိုင်းကို ပုံပြင်ပြောင်းလဲဖို့ ကူညီပါ' လို့ ပြောလို့ ရပါတယ်" လို့ ကင်ပ်ဖ်က ပြောပါတယ်။ "အတွေ့အကြုံရှိတဲ့ ဖွံ့ဖြိုးတိုးတက်ရေး အဖွဲ့ဝင်တွေအတွက် အသုံးဝင်ပေမယ့်၊ မသိကျွမ်းတဲ့ လူတွေအတွက်ကတော့ စီမံခန့်ခွဲဖို့ ခက်ခဲပါတယ်"
ဆန့်ကျင်ဘက် ဦးတည်ချက်များ
ပွင့်လင်းရင်းမြစ် ပရောဂျက်များအတွက် ပိုကြီးလာတဲ့ ပြဿနာက ဦးစားပေးချက်တွေ ကွာဟချက်ပါ။ Meta လိုကုမ္ပဏီတွေက ကုဒ်သစ်နဲ့ ပစ္စည်းတွေကို ဦးစားပေးကြပေမယ့်၊ ပွင့်လင်းရင်းမြစ် software တွေက တည်ငြိမ်မှုကို ပိုဦးစားပေးကြပါတယ်။
"ကုမ္ပဏီကြီးတွေနဲ့ ပွင့်လင်းရင်းမြစ် ပရောဂျက်တွေရဲ့ ပြဿနာက ကွာခြားပါတယ်" လို့ Kempf ကဆိုပါတယ်။ "သူတို့ကို ကုဒ်ရေးသားတာအတွက် ပိုကြီးကြီးမြတ်မြတ် ထောက်ခံပေးကြပေမယ့်၊ maintenance လုပ်တာအတွက်တော့ ဒါမျိုး မဟုတ်ပါဘူး"
AI ကုဒ်ရေးသားဖို့ ကိရိယာတွေကလည်း software ကို ယခုအချိန်မှာ အထူးကွဲပြားလာတဲ့ အချိန်မှာ ရောက်လာပါတယ်။
Open Source Index ကို တည်ထောင်သူ Konstantin Vinogradov က ပွင့်လင်းရင်းမြစ် အခင်းအကျင်းမှာ AI ကိရိယာတွေ ရင်ဆိုင်နေရတဲ့ ကျင့်သုံးလာခဲ့တဲ့ အနေအထားတစ်ခုကို ပြောပါတယ်။
"တစ်ဖက်မှာ ကုဒ်အပိုင်းက ကြီးထွားလာတာနဲ့အမျှ တွယ်တာမှုတွေလည်း ပိုများလာပါတယ်။ တစ်ဖက်မှာတော့ active maintainer တွေရဲ့ အရေအတွက်က ဘယ်လောက်ကြီးထွားလာပေမဲ့ ဒါက ဒီကိစ္စနဲ့ ကိုက်ညီမှု မရှိပါဘူး" လို့ Vinogradov ကဆိုပါတယ်။ "AI နဲ့အတူ ဒီ equation ရဲ့ နှစ်ဖက်လုံးက ဝင်မြန်လာပါတယ်"
ဒါဟာ software engineering ပေါ်မှာ AI ရဲ့ သက်ရောက်မှုအကြောင်း စဥ်းစားရတဲ့ နည်းလမ်းသစ်တစ်ခုပါ။ ဒါဟာ စက်မှုလုပ်ငန်းလောကအတွက် ဂ ရုပ်တွေ ရှိနိုင်တဲ့ အကြောင်းရင်းတစ်ခုပါ။
software engineering ကို အလုပ်လုပ်နေတဲ့ software တွေ ထုတ်လုပ်တဲ့ လုပ်ငန်းစဉ်အဖြစ် မြင်ရင်၊ AI ကုဒ်ရေးသားဖို့ ကိရိယာတွေက ပိုလွယ်ကူလာစေပါတယ်။ ဒါပေမယ့် software complexity (ရှုပ်ထွေးမှု) ကို စီမံတာဟာ software engineering ရဲ့ အဓိကလုပ်ငန်းစဉ်ဖြစ်ရင်၊ AI ကုဒ်ရေးသားဖို့ ကိရိယာတွေက ပိုခက်ခဲလာစေနိုင်ပါတယ်။ အနည်းဆုံးအားဖြင့် ဒီ ကျယ်ပြန့်လာတဲ့ ရှုပ်ထွေးမှုကို ထိန်းချုပ်ဖို့ အကြောင်းပြင်ဆင်မှု နဲ့ လုပ်ငန်းတွေ ပြုလုပ်ရပါမယ်။
Vinogradov အတွက်ကတော့ ပွင့်လင်းရင်းမြစ် ပရောဂျက်တွေရဲ့ အနေအထားလို့ ပြောရမှာပါ - လုပ်ငန်းများစွာ ရှိနေပေမယ့် ကောင်းမွန်တဲ့ software engineer တွေက လုံလောက်မှု မရှိပါဘူး။
"AI က active, skilled maintainer တွေရဲ့ အရေအတွက်ကို မတိုးမြှင့်ပေးပါဘူး" လို့ သူကဆိုပါတယ်။ "ကောင်းတဲ့ maintainer တွေကို ပိုပိုကောင်းလာစေပေမယ့်၊ အခြေခံ ပြဿနာတွေက ဆက်လက်ရှိနေဆဲပါပဲ"