How will AI change the world?

Translator: Sanntint Tint Reviewer: Myo Aung

In the coming years, artificial intelligence

လာမယ့်နှစ်တွေမှာ ဉာဏ်ရည်တုက

is probably going to change your life, and likely the entire world.

သင့်ဘဝနဲ့ ကမ္ဘာတစ်ခုလုံးကို ပြောင်းလဲသွားနိုင်ဖွယ်ရှိတယ်။

But people have a hard time agreeing on exactly how.

ဒါပေမဲ့ ဘယ်လိုဆိုတာကို လူတွေက အတိအကျ သဘောတူဖို့ ခက်နေတယ်။

The following are excerpts from an interview

အောက်ပါကောက်နှုတ်ချက်တွေက ထင်ရှားတဲ့

where renowned computer science professor and AI expert Stuart Russell

ကွန်ပျူတာသိပ္ပံပါမောက္ခနဲ့ AI ပညာရှင် Stuart Russell က အဓိပ္ပါယ်မဲ့မှုကနေ

helps separate the sense from the nonsense.

အဓိပ္ပာယ်ကို ခွဲခြားကူညီတဲ့ အင်တာဗျူးတစ်ခုကပါ။

There’s a big difference between asking a human to do something

လူသားတစ်ယောက် တစ်စုံတစ်ခု လုပ်ခိုင်းတာနဲ့ AI စနစ်အတွက်

and giving that as the objective to an AI system.

ရည်ရွယ်ချက်အဖြစ် ပေးတာကြားမှာ ဧရာမ ကွာခြားချက်ရှိတယ်။

When you ask a human to get you a cup of coffee,

လူတစ်ယောက်ကို ကော်ဖီတစ်ခွက် ဝယ်ခိုင်းတဲ့အခါ

you don’t mean this should be their life’s mission,

ဒါက သူရဲ့ဘဝ တာဝန်ဖြစ်သင့်တယ်၊ စကြဝဠာထဲမှာ

and nothing else in the universe matters.

တခြားဘာကမှ အရေးမကြီးဘူးလို့ မဆိုလိုပါဘူး။

Even if they have to kill everybody else in Starbucks

ဆိုင်မပိတ်ခင်မှာ ကော်ဖီရဖို့ Starbucks မှာရှိတဲ့

to get you the coffee before it closes— they should do that.

တခြားလူတွေကို သတ်ပစ်ရ မယ်ဆိုရင်တောင်မှ ဒါကို သူ လုပ်သင့်တယ်။

No, that’s not what you mean.

မဟုတ်ဘူး၊ သင်ရည်ရွယ်တာ ဒါမဟုတ်ဘူး။

All the other things that we mutually care about,

နှစ်ဦးနှစ်ဖက် အလေးထားတဲ့ အခြားအရာအားလုံး၊

they should factor into your behavior as well.

သင့် အပြုအမူကိုလည်း ထည့်သွင်းသင့်တယ်။

And the problem with the way we build AI systems now

AI စနစ်တွေကို တည်ဆောက်ပုံနဲ့ အခု ပြဿနာက ဒါတွေကို

is we give them a fixed objective.

ပုံသေ ရည်ရွယ်ချက်တစ်ခု ပေးတာပါ။

The algorithms require us to specify everything in the objective.

အယ်လဂိုရီသမ်တွေက ရည်မှန်းချက်မှာ အရာအားလုံးကို သတ်မှတ်ဖို့လိုတယ်။

And if you say, can we fix the acidification of the oceans?

သမုဒ္ဒရာတွေရဲ့ အက်စစ် သဘာဝ ရှိလာမှုကို ပြုပြင်နိုင်လားလို့ ပြောရင်

Yeah, you could have a catalytic reaction that does that extremely efficiently,

ဒါကို အလွန်ထိရောက်စွာ လုပ်ဆောင်နိုင်တဲ့ ဓာတ်ပြုတုံ့ပြန်မှုတစ်ခုရှိနိုင်ပေမဲ့

but it consumes a quarter of the oxygen in the atmosphere,

ဒါက လေထုထဲက အောက်ဆီဂျင်ရဲ့ လေးပုံတစ်ပုံကို စားသုံးပြီး

which would apparently cause us to die fairly slowly and unpleasantly

သိသာတာက နာရီပေါင်းများစွာကြာတဲ့အထိ ကျွန်ုပ်တို့ကို အတော် နှေးကွေးပြီး

over the course of several hours.

မနှစ်မြို့ဖွယ် သေဆုံးစေမှာပါ။

So, how do we avoid this problem?

ဒီတော့ ဒီပြဿနာကို ဘယ်လိုရှောင်ကြမလဲ။

You might say, okay, well, just be more careful about specifying the objective—

ကောင်းပြီ၊ ရည်မှန်းချက်ကို သတ်မှတ်တာအတွက် ပိုသတိထား၊ လေထုဆိုင်ရာ

don’t forget the atmospheric oxygen.

အောက်ဆီဂျင်ကို မမေ့နဲ့လို့ပြောနိုင်တယ်။

And then, of course, some side effect of the reaction in the ocean

ဒီနောက် သမုဒ္ဒရာအတွင်းက တုံ့ပြန်မှုရဲ့ ဘေးထွက်ဆိုးကျိုးတချို့က

poisons all the fish.

ငါးအားလုံးကိုအဆိပ်ဖြစ်စေတယ်။

Okay, well I meant don’t kill the fish either.

ပြောချင်တာက ငါးတွေကိုလည်းမသတ်နဲ့။

And then, well, what about the seaweed?

ပင်လယ်ရေမှော်တွေကျတော့ရော။

Don’t do anything that’s going to cause all the seaweed to die.

ပင်လယ်ရေမှော်တွေအားလုံးကို သေစေစေမယ့် ဘာကိုမှ မလုပ်ပါနဲ့။

And on and on and on.

အစရှိသဖြင့်ပေါ့။

And the reason that we don’t have to do that with humans is that

လူသားတွေနဲ့ ဒီလိုလုပ်ဖို့ မလိုဘူးဆိုတဲ့ အကြောင်းပြချက်က

humans often know that they don’t know all the things that we care about.

ကျွန်တော်တို့ အလေးထားတာအားလုံးကို သူတို့ မသိဘူးဆိုတာ လူသားတွေက မကြာခဏ သိနေလို့ပါ။

If you ask a human to get you a cup of coffee,

လူသားတစ်ယောက်ကို ကော်ဖီတစ်ခွက် ဝယ်ခိုင်းပြီး

and you happen to be in the Hotel George Sand in Paris,

ကော်ဖီတစ်ခွက်ကို ၁၃ ယူရိုပေးရတဲ့

where the coffee is 13 euros a cup,

ပါရီကHotel George Sand မှာ ရောက်သွားရင်

it’s entirely reasonable to come back and say, well, it’s 13 euros,

ကော်ဖီတစ်ခွက် ၁၃ ယူရို၊ လိုချင်တာသေချာလား ဒါမှမဟုတ် ဘေးအိမ်ကသွားဝယ်လို့ရလားဆိုပြီး

are you sure you want it, or I could go next door and get one?

ပြန်လာပြောတာက လုံးဝ ကျိုးကြောင်းဆီလျော်တယ်။

And it’s a perfectly normal thing for a person to do.

ဒါက လူတစ်​​ယောက်​အတွက်​ လုံးဝ ပုံမှန်​ လုပ်​​ဆောင်​ရတာပါ။

To ask, I’m going to repaint your house—

မေးစရာက မင်းအိမ်ကို ငါ ဆေးပြန်သုတ်မယ်၊

is it okay if I take off the drainpipes and then put them back?

ရေပိုက်တွေကို ဖြုတ်ပြီး ပြန်ထည့်ရင် အဆင်ပြေပါ့မလား။

We don't think of this as a terribly sophisticated capability,

ဒါကို ဆန်းပြားတဲ့ စွမ်းရည်တစ်ခုလို့ ကျွန်တော်တို့ မယူဆပေမဲ့

but AI systems don’t have it because the way we build them now,

AI စနစ်တွေ တည်ဆောက်ပုံမှာ ရည်မှန်းချက် အပြည့်အစုံ သိရမှာဆိုတော့

they have to know the full objective.

AI စနစ်တွေမှာ ဒါမရှိဘူး။

If we build systems that know that they don’t know what the objective is,

ရည်ရွယ်ချက်က ဘာဆိုတာမသိတဲ့ စနစ်တွေကို ဆောက်မယ်ဆိုရင်

then they start to exhibit these behaviors,

လေထုထဲက အောက်ဆီဂျင်အားလုံးကို မဖယ်ရှားခင်

like asking permission before getting rid of all the oxygen in the atmosphere.

ခွင့်ပြုချက်တောင်းခြင်းလိုမျိုး ဒါတွေက ဒီအပြုအမူတွေကို စတင်ပြသပါတယ်။

In all these senses, control over the AI system

ဒီအာရုံခံတွေအားလုံးမှာ ရည်မှန်းချက်အစစ်က

comes from the machine’s uncertainty about what the true objective is.

ဘာဆိုတာနဲ့ ပတ်သက်တဲ့ စက်ရဲ့မသေချာမှု ကနေ လာတဲ့ AI စနစ်ကို ထိန်းချုပ်ပါ။

And it’s when you build machines that believe with certainty

ဒါက ဒါတွေမှာ ရည်မှန်းချက်ရှိတာကို အသေအချာ ယုံကြည်တဲ့

that they have the objective,

စက်တွေကို တည်ဆောက်တဲ့အခါ

that’s when you get this sort of psychopathic behavior.

ဒီလို စိတ်ရောဂါ အမူအကျင့်မျိုး သင် ရလာတဲ့အခါမှာပါ။

And I think we see the same thing in humans.

လူသားတွေမှာလည်း အတူတူပဲလို့ ထင်ပါတယ်။

What happens when general purpose AI hits the real economy?

ယေဘုယျ ရည်ရွယ်ချက်က AI က စစ်မှန်တဲ့ စီးပွားရေးကို ထိမှန်တဲ့အခါ ဘာဖြစ်သွားလဲ။

How do things change? Can we adapt?

အရာတွေ ဘယ်လိုပြောင်းမလဲ။ လိုက်လျောညီထွေအောင် လုပ်နိုင်လား။

This is a very old point.

ဒါက အလွန်ဟောင်းတဲ့ အချက်ပါ။

Amazingly, Aristotle actually has a passage where he says,

အံ့သြစရာက အပြည့်အဝ အလိုအလျောက် ယက်ကန်းစက်တွေနဲ့ လူသားမပါဘဲ

look, if we had fully automated weaving machines

စောင်ကိုတီးခတ်ပြီး တေးဂီတ ထုတ်လုပ်တဲ့ လက်ခတ်တွေ ရှိနေရင်၊

and plectrums that could pluck the lyre and produce music without any humans,

အလုပ်သမားတွေ မလိုအပ်တော့ဘူးလို့

then we wouldn’t need any workers.

Aristotle က ပြောထားတဲ့ စကားတစ်ခွန်းရှိတယ်။

That idea, which I think it was Keynes

၁၉၃၀ မှာ နည်းပညာ အလုပ်လက်မဲ့လို့ ခေါ်တဲ့

who called it technological unemployment in 1930,

Keynes လို့ ထင်ရတဲ့ ဒီအယူအဆဟာ

is very obvious to people.

လူတွေအတွက် အလွန်ထင်ရှားပါတယ်။

They think, yeah, of course, if the machine does the work,

သူတို့ ထင်တာက စက်က အလုပ်လုပ်ရင်

then I'm going to be unemployed.

ကျွန်တော် အလုပ်လက်မဲ့ဖြစ်မယ်ပေါ့။

You can think about the warehouses that companies are currently operating

e-commerce အတွက် ကုမ္ပဏီတွေ၊ လက်ရှိ လည်ပတ်နေတဲ့ ကုန်လှောင်ရုံတွေအကြောင်း

for e-commerce, they are half automated.

သင် တွေးကြည့်နိုင်တယ်။ ဒါတွေက လူအစားထိုးစက် တစ်ဝက်ခန့်ပါ။

The way it works is that an old warehouse— where you’ve got tons of stuff piled up

အလုပ်လုပ်ပုံက ကုန်လှောင်ရုံဟောင်းတစ်ခု၊ နေရာအနှံ့မှာ ပစ္စည်းအမြောက်အမြား

all over the place and humans go and rummage around

စုပုံထားပြီး လူသားတွေ သွားရောက် လှန်လှော၊

and then bring it back and send it off—

ပြန်ယူလာပြီး ဒါကို ပို့ပေးတယ်၊

there’s a robot who goes and gets the shelving unit

သင်လိုအပ်တာ ပါဝင်တဲ့ စင်လုပ်တဲ့ပစ္စည်း ယူနစ်ကို

that contains the thing that you need,

သွားယူတဲ့ စက်ရုပ်တစ်ရုပ်ရှိပေမဲ့

but the human has to pick the object out of the bin or off the shelf,

ခက်လွန်းနေသေးတာကြောင့်လူသားက အရာဝတ္ထုကို ပုံး

because that’s still too difficult.

သို့မဟုတ်စင်ပေါ်ကနေ ရွေးချယ်ရမှာပါ။

But, at the same time,

ဒါပေမဲ့ တစ်ချိန်တည်းမှာ

would you make a robot that is accurate enough to be able to pick

သင်ဝယ်နိုင်တဲ့ အရာဝတ္တုမျိုးစုံထဲက အရာဝတ္တုများစွာကို ရွေးယူနိုင်လောက်အောင်

pretty much any object within a very wide variety of objects that you can buy?

တိကျတဲ့ စက်ရုပ်တစ်ရုပ်ကို ဖန်တီးနိုင်မလား။

That would, at a stroke, eliminate 3 or 4 million jobs?

ဒါက တစ်ချက်တည်းနဲ့ အလုပ် ၃ သန်း ဒါမှမဟုတ် ၄ သန်းလောက် ပျောက်သွားမှာလား။

There's an interesting story that E.M. Forster wrote,

E.M. Forster ရေးခဲ့တဲ့ လူတိုင်းက စက်ကို

where everyone is entirely machine dependent.

လုံးဝ မှီခိုနေရတဲ့ စိတ်ဝင်စားစရာ ဇာတ်လမ်းတစ်ပုဒ်ရှိတယ်။

The story is really about the fact that if you hand over

ဇာတ်လမ်းက သင်က ယဉ်ကျေးမှုရဲ့ စီမံမှုကို စက်တွေဆီ လွှဲပြောင်းပေးလိုက်ရင်

the management of your civilization to machines,

သင်ကိုယ်တိုင်ကို နားလည်ဖို့ ဒါမှမဟုတ် နောင်လာနောက်သားတွေကို

you then lose the incentive to understand it yourself

ဒါကို နားလည်အောင် သင်ပေးဖို့ အားပေးမှု ဆုံးရှုံးသွားတယ်ဆိုတဲ့

or to teach the next generation how to understand it.

အချက်ကို တကယ် အကြောင်းပြုတာပါ။

You can see “WALL-E” actually as a modern version,

“WALL-E” ကို ခေတ်မီမူကွဲအဖြစ် သင်တွေ့မြင်နိုင်တယ်၊

where everyone is enfeebled and infantilized by the machine,

အဲဒီမှာ စက်ကြောင့် လူတိုင်းသည် ချိနဲ့နေကာ အလိုလိုက်ခံနေရပြီး

and that hasn’t been possible up to now.

အခုအချိန်အထိတော့ မဖြစ်နိုင်သေးပါဘူး။

We put a lot of our civilization into books,

ယဉ်ကျေးမှုကို စာအုပ်တွေထဲမှာ ထည့်သွင်းထားပေမဲ့

but the books can’t run it for us.

စာအုပ်တွေက လူတွေအတွက် မလုပ်နိုင်ဘူး။

And so we always have to teach the next generation.

ဒါကြောင့် မျိုးဆက်သစ်တွေကို အမြဲ သင်ပေးရမှာပါ။

If you work it out, it’s about a trillion person years of teaching and learning

ဒါကို အဖြေရှာရင် ဒါက လူတစ်ထရီလျံရဲ့ နှစ်ပေါင်းများစွာ သင်ကြားမှု၊သင်ယူမှုနဲ့

and an unbroken chain that goes back tens of thousands of generations.

မျိုးဆက် သောင်းချီ ပြန်သွားမယ့် မပြတ်သေးတဲ့ ကွင်းဆက်တစ်ခုပါ။

What happens if that chain breaks?

ဒီကွင်းဆက်ပြတ်သွားရင် ဘာဖြစ်မလဲ။

I think that’s something we have to understand as AI moves forward.

AI က ရှေ့ကို ဆက်သွားနေတာကြောင့် ဒါကို နားလည်ထားသင့်တယ်လို့ ထင်တယ်။

The actual date of arrival of general purpose AI—

ယေဘုယျ ရည်ရွယ်ချက် AI အမှန်တကယ်ရောက်ရှိတဲ့

you’re not going to be able to pinpoint, it isn’t a single day.

ရက်စွဲကို သတ်မှတ်နိုင်မှာမဟုတ်ဘူး၊ ဒါက တစ်ရက်တည်းမဟုတ်ဘူး။

It’s also not the case that it’s all or nothing.

ဒါကက ပုံအောရမယ့်ကိစ္စလည်း မဟုတ်ဘူး။

The impact is going to be increasing.

သက်ရောက်မှုက ပိုများလာမှာပါ။

So with every advance in AI,

ဒီတော့ AI ထဲက တိုးတက်မှုတိုင်းနဲ့ဆို

it significantly expands the range of tasks.

ဒါက လုပ်ဆောင်စရာ ပမာဏကို သိသိသာသာ ချဲ့ထွင်တယ်။

So in that sense, I think most experts say by the end of the century,

ဒါကြောင့် ရာစုနှစ်အကုန်မှာ ယေဘုယျ ရည်ရွယ် ချက် AI ရှိဖို့ အလားအလာသိပ်ရှိနိုင်တယ်လို့

we’re very, very likely to have general purpose AI.

ကျွမ်းကျင်သူအများစုက ယူဆပါတယ်။

The median is something around 2045.

ပျမ်းမျှက ၂၀၄၅ ခုနှစ်ဝန်းကျင်ပါ။

I'm a little more on the conservative side.

ရှေးရိုးဆန်တဲ့ဘက်မှာ နည်းနည်းပိုရှိနေတယ်။

I think the problem is harder than we think.

ပြဿနာက ထင်တာထက် ပိုခက်တယ်လို့ ထင်တယ်။

I like what John McAfee, he was one of the founders of AI,

John McAfee ပြောတာကို သဘောကျတယ်၊ AI ကို တည်ထောင်သူတွေထဲက တစ်ယောက်ပါ၊

when he was asked this question, he said, somewhere between five and 500 years.

ဒီမေးခွန်း သူ့ကို မေးတော့ အနှစ် ၅၀ ကနေ ၅၀၀ ကြား တစ်နေရာရာမှာ ဆိုပါတယ်။

And we're going to need, I think, several Einsteins to make it happen.

ဒါဖြစ်မြောက်ဖို့ အိုင်းစတိုင်း တော်တော်များများ လိုအပ်မယ်ထင်တယ်။