Genius Makers Book Review

ဒီစာအုပ်ကို ဖတ်ဖြစ်လိုက်တဲ့ အဓိက အကြောင်းအရင်းကတော့ ဒီနှစ်ရဲ့ ရူပဗေဒနိုဗယ်ဆုကနေ စတာပါပဲ။ ဒီနှစ်ရတဲ့ ရူပဗေဒနိုဗယ်ဆုရှင်တွေက AI နဲ့ပတ်သက်ပြီးရတာပါ။ အဲ့ထဲကမှ အဓိကအရေးပါသူတစ်ယောက်ဖြစ်တဲ့ Geoffrey Hinton အကြောင်းကို ရှာဖတ်မိတယ်။ သူ့အကြောင်းပါတဲ့ စာအုပ်တွေရှာရင်း ဒီစာအုပ်ကိုတွေ့တာပဲ။ စာအုပ်အစမှာတော့ Hinton တည်ထောင်ခဲ့တဲ့ DNNresearch ဆိုတဲ့ machine learning နဲ့ဆိုင်တဲ့ ကုမ္ပဏီကို သူ့အသက် ၆၆နှစ်ရောက်မှ လေလံတင်ရောင်းချတာ ဒေါ်လာ ၄၄ သန်းနဲ့ Google က လေလံအောင်သွားတာနဲ့စထားပါတယ်။ Geoffrey Hinton ရဲ့ဘဝက စိတ်ဝင်စားဖို့တော်တော်ကောင်းပါတယ်။ သူ့အဘိုးရဲ့ အဖေက နာမည်ကြီးသင်္ချာ equation ဖြစ်တဲ့ Boolean Equation ကို ဖန်တီးခဲ့တဲ့ သင်္ချာပညာရှင် George Boole ဖြစ်ပါတယ်။ Geoffrey Hinton ရဲ့အဖေကတော့ Howard Everest Hinton ဖြစ်ပြီး ပိုးမွှားပညာရှင်တစ်ယောက်ဖြစ်ပါတယ်။ Geoffrey Hinton ရဲ့ အဘေးဖြစ်သူရော ဖခင်ဖြစ်သူရောဟာ နာမည်ကြီး Royal Society လို့ခေါ်တဲ့ နယူတန်၊ အိုင်းစတိုင်း၊ စတီဖင်ဟော့ကင်းလို လူမျိုးတွေမှ အဖွဲ့ဝင်ဖြစ်ခွင့်ရတဲ့ အဖွဲ့ကြီးရဲ့ အဖွဲ့ဝင်တွေအနေနဲ့လည်း ရွေးကောက်ခံထားရသူတွေဖြစ်ပါတယ်။ ဒါကြောင့် သူ့ပညာရေးဟာ အဘေးနဲ့ ဖခင်ရဲ့ အရိပ်တွေက လွှမ်းမိုးခဲ့ပါတယ်။ Cambridge မှာ Physics နဲ့ ဘွဲ့ယူဖို့ကြိုးစားခဲ့ပေမယ့် Physics အတွက်သူ့မှာရှိတဲ့ သင်္ချာစွမ်းရည်က မလုံလောက်ခဲ့ပါဘူး။ အဲ့ဒါနဲ့ Philosophy နဲ့ဘွဲ့ယူဖို့ကြိုးစားခဲ့ပြီး နောက်ဆုံးမှာတော့ Experimental Psychology ကို ပြောင်းခဲ့ပါတယ်။ သူ့အဖေရဲ့ ဖိအားပေးမှုတွေ နှိမ်ချမှုတွေကြောင့် သူဟာ ပညာရေးလမ်းကြောင်းဆက်မလိုက်တော့ပဲ လက်သမားတစ်ယောက်အဖြစ် လုပ်ကိုင်ခဲ့ပါသေးတယ်။ အဲ့မှာ စိတ်ပညာရှင် Donald Hebb ရဲ့ The Organization of Behavior ဆိုတဲ့စာအုပ်ကိုဖတ်မိပြီး လူ့ဦးနှောက်ထဲက Neuron တွေ အလုပ်လုပ်ပုံကို စာကြည့်တိုက်အမြဲသွားလေ့လာခဲ့ပါတယ်။ လူ့ဦးနှောက်ရဲ့ အလုပ်လုပ်ပုံတွေကို စဥ်းစားတွေးခေါ်ကြည့်ပြီး ကိုယ်ပိုင်သီအိုရီတွေထုတ်ခဲ့ပါတယ်။ အဲ့ခေတ်တုန်းက ဦး‌နှောက်ကို အစိတ်အပိုင်းအလိုက် ကျွမ်းကျင်နားလည်သူတွေရှိကြပေမယ့် သူက ဦးနှောက်အစိတ်အပိုင်းအားလုံးရဲ့ အလုပ်လုပ်ပုံကို သိရှိနားလည်ခဲ့ပြီး ကိုယ်ပိုင်သီအိုရီတွေထုတ်နေနိုင်ခဲ့တာပါ။ အဲ့အချိန်မှာပဲ Edinburgh University က ၁၉၇၁ ခုနှစ်မှာ Artificial Intelligence (AI) ဆိုင်ရာ Ph.D ကို စတင်ဖွင့်လှစ်ခဲ့ပြီး Geoffrey Hinton တက်ရောက်ခဲ့ပါတယ်။ သူကျောင်းတက်နေစဥ်ကာလအတွင်းမှာပဲ သူ့ကို အမြဲနှိမ်ချဆက်ဆံခဲ့တဲ့ သူ့အဖေဆုံးသွားပါတယ်။ အဲ့အချိန် သူစကားတစ်ခွန်းပြောခဲ့ပါတယ်။ မျိုးမစစ်လူအိုကြီးတော့ ငါမအောင်မြင်ခင် သေသွားပြီ ဆိုပြီးတော့ ပြောခဲ့တဲ့အထိ မုန်းတီးခဲ့ပါတယ်။ Geoffrey Hinton ဟာ ၁၉၇၈ ခုနှစ်မှာ Ph.D ကို AI အထူးပြုနဲ့ ရရှိခဲ့ပါတယ်။ အခု Geoffrey Hinton က သူ့အဘေးနဲ့ သူ့အဖေကဲ့သို့ Royal Society ရဲ့ အဖွဲ့ဝင်တစ်ယောက်အဖြစ် အသိအမှတ်ပြုခံရပြီးပါပြီ။ ဒီမှာ AI နဲ့ပတ်သက်ပြီး ပြောချင်တာကတော့ AI မှာ ၂ ဂိုဏ်းကွဲပါတယ်။ Neural Network AI နဲ့ Symbolic AI ဆိုပြီးတော့ပါ။ Neural Network AI ရဲ့ဖခင်ကြီးကတော့ Frank Rosenblatt ဖြစ်ပြီး Symbolic AI ရဲ့ ဖခင်ကြီးကတော့ Marvin Minsky ပါ။ လူ့ဦးနှောက်မှာ သိရှိနားလည်သင်ယူနိုင်ဖို့အတွက် Neuron လေးတွေရှိပါတယ်။ Neuron လေးတွေကတစ်ခုနဲ့တစ်ခုချိတ်ဆက်နေပြီး ပူးပေါင်းအလုပ်လုပ်ပါတယ်။ လူဟာ တစ်စုံတစ်ခုကို သင်ယူနေချိန် တစ်ချို့ Neuron တွေက အားနည်းသွားပြီး တစ်ချို့ neuron တွေက အားပိုကောင်းလာပါတယ်။ အဲ့လို Neuron Network တည်ဆောက်ပုံအတိုင်း computer program မှာ neuron တစ်ခုချင်းစီတည်ဆောက်ပြီး neural network တစ်ခုအနေနဲ့ computer ကို သိရှိနားလည်သင်ယူနိုင်အောင် AI ဖန်တီးတဲ့သူတွေဟာ Neural Network AI ဂိုဏ်းသားတွေ ဖြစ်ပါတယ်။ Geoffrey Hinton က ခုနပြောခဲ့တဲ့ computer မှာ လူ့ဦးနှောက်နဲ့ဆင်တူ neural network program တွေ ဖန်တီးနိုင်ခဲ့တဲ့အတွက် နိုဗယ်ဆုရခဲ့ခြင်းဖြစ်ပါတယ်။ Symbolic AI ကျတော့ Rules based ဖြစ်ပါတယ်။ စပြီး program ဆွဲကတည်းက Rules တွေနဲ့ကန့်ထားပြီး instruction တွေပေးထားတဲ့အတိုင်း ဆုံးဖြတ်ချက်တွေ ချနိုင်ပါတယ်။ Symbolic AI က Neural Network AI လို လူဦးနှောက်ပုံစံ ရှုပ်ထွေးတဲ့ အချက်အလက်တွေပေါ်မှာ Deep Learning လုပ်ပြီး မသင်ယူနိုင်ပါဘူး။ ဒါပေမယ့် Symbolic AI က သူ့ကို Rules တွေ Instruction detail ပေးပြီးတာနဲ့ အဆင်ပြေပေမယ့် Neural network AI ကတော့ လူ့ဦးနှောက်ကဲ့သို့ Deep Learning လုပ်ရတာကြောင့် train ပေးနိုင်ဖို့ data တွေအမြောက်အမြားလိုအပ်ပါတယ်။ ဒါကြောင့် ကနဦး Neural network AI သမားတွေဟာ data အမြောက်အမြားထားရှိဖို့နဲ့ data အမြောက်အမြားဆီမှ တွက်ချက်သင်ယူနိုင်ဖို့ စွမ်းဆောင်မြင့် computer တွေလိုအပ်ခဲ့တာကြောင့် ခေတ်အနေအထားအရ ကြန့်ကြာခဲ့တာမျိုးတွေရှိပါတယ်။ ဒီစာအုပ်ဖတ်ရင်း AI ဖန်တီးခဲ့တဲ့ သမိုင်းမှာ အရေးပါတဲ့ လူတစ်ယောက်အကြောင်းထပ်သိရပြန်တယ်။ သူက Demis Hassabis ဆိုတဲ့သူဖြစ်ပါတယ်။ သူက Cambridge မှာပဲ Computer Science နဲ့ဘွဲ့ရခဲ့ပါတယ်။ ပြီးတော့ Game Designer တစ်ယောက်လုပ်နေခဲ့ပါတယ်။ အဲ့အချိန်မှာ သူက AI algorithm တစ်ခုဖန်တီးချင်နေပါတယ်။ ဒါပေမယ့်သူက လူ့ဦးနှောက်အကြောင်းနားမလည်တဲ့အတွက် လူ့ဦးနှောက်အကြောင်း သေချာနားလည်အောင် Neuroscience နဲ့ကျောင်းပြန်တက်ပြီး Ph.D ယူခဲ့ပါတယ်။ သူ့ကိုနာမည်ကြီးစေခဲ့တာတော့ သူဦးဆောင်ဖန်တီးထားတဲ့ AlphaGo ဆိုတဲ့ ဂိုဂိမ်းဆော့နိုင်တဲ့ AI program ပါ။ Demis Hassabis ရဲ့ AlphaGo program ဟာ Neural Network AI ကို အသုံးပြုပြီး ဖန်တီးထားတာပါ။ ဂိုဂိမ်းက သာမန်ဂိမ်းတစ်ခုမဟုတ်ပါဘူး။ ဂိုဂိမ်းမှာ ရွှေ့နိုင်ချေရှိတဲ့ ကစားကွက်ပေါင်း ၁ အနောက်မှာ သုည ၁၇၀ လုံးလောက်အထိ ရှိနေလို့ပါ။ ဒါကြောင့် Symbolic AI ဖြစ်တဲ့ Rule based နဲ့ရေးလို့အဆင်မပြေပါဘူး။ AI က Deep learning လုပ်နေဖို့လိုပါတယ်။ AlphaGo program ဟာ သူ့ဟာသူ ဖြစ်နိုင်ချေရှိတဲ့ကစားကွက်တွေကို အမြဲကစားကြည့်နေပြီး သင်ယူနေတာပါ။ အဲ့ AlphaGo program ကို တောင်ကိုရီးယားက ကမ္ဘာ့ဂိုဂိမ်းပြိုင်ပွဲတွေမှာ ဆုတွေရယူထားနိုင်တဲ့ ဂိုဂိမ်းချန်ပီယံကြီး Lee Sedol နဲ့ပြိုင်ပြီး ၅ ပွဲကစားဖို့ စီစဥ်ခဲ့ပါတယ်။ AlphaGo program ဟာ ဥရောပက ဂိုဂိမ်းချိန်ပီယံကို ၅ ပွဲကစားရာမှာ ၅ ပွဲလုံးအနိုင်ရရှိခဲ့ပါတယ်။ Lee Sedol နဲ့ AlphaGo ကစားကြတဲ့အခါ AlphaGo က ၃ပွဲဆက်အနိုင်ရရှိခဲ့ပါတယ်။ AlphaGo program ရဲ့တွက်ချက်မှုအရ လူသားတစ်ယောက်က သူ့ကို အနိုင်ယူနိုင်ဖို့ ရာခိုင်နှုန်း အလွန်နည်းပါးလွန်းပါတယ်။ ၄ ပွဲမြောက်မှာတော့ ဘယ်လိုမှထင်မထားပဲ Lee Sedol က AlphaGo ကို အနိုင်ရရှိခဲ့ပါတယ်။ ၅ ပွဲမြောက်ကိုတော့ Lee Sedol ဟာ AlphaGo နဲ့ဆက်မဆော့တော့ပဲ AlphaGo ကို အနိုင်ပေးကြောင်း ကြေညာခဲ့ပါတယ်။ Demis Hassabis ဟာ ဒီမှာတင် ရပ်တန့်မသွားပါဘူး။ AlphaFold ဆိုတဲ့ protein မှာပါတဲ့ ရှုပ်ထွေးလွန်းတဲ့ Amino acid sequences တွေကို လေ့လာပြီး protein structure တွေကို 3D နဲ့ပုံဖော်ပေးနိုင်တဲ့ AI program ကို ဖန်တီးခဲ့ပြန်ပါတယ်။ ထူးခြားတာကတော့ အဲ့ AlphaFold program ဖန်တီးခဲ့မှုကြောင့်ပဲ Demis Hassabis ဟာ ဒီနှစ် ဓာတုဗေဒနိုဗယ်ဆုကို ရရှိခဲ့ပါတယ်။ ဒီစာအုပ်ဟာ AI ရဲ့ သမိုင်းကြောင်းတွေကို အတွင်းကျကျ ရေးသားထားပြီး ယနေ့ AI အဆင့်အထိရောက်လာအောင် ဘယ်ပညာရှင်တွေက ပူးပေါင်းပါဝင်ဖန်တီးခဲ့လဲဆိုတာကို သိရှိနားလည်သွားစေတာကြောင့် စာအုပ်ဖတ်ဖို့ ပေးရတဲ့အချိန်နဲ့ တော်တော့်ကို တန်ပါတယ်။ ဒီစာအုပ်ဖတ်မိလို့ နောင်တရစေမှာ မဟုတ်ပါဘူး။ မဖတ်မိရင်တော့ နောင်တရစရာဖြစ်နေတော့မှာပါ။