Andrew Ng က Stanford တက္ကသိုလ် မှ Computer Science အထူးပြု ဂုဏ်ထူးဆောင် ပါမောက္ခတစ်ဦး ဖြစ်ပါတယ်။ Stanford မှာ သူ့ရဲ့ အစောပိုင်းအချိန်တွေတုန်းက အလိုအလျောက် မောင်းနှင်နိုင်တဲ့ ရဟတ်ယာဥ်တွေ နဲ့ STAIR Project တွေမှာ အလုပ်လုပ်ခဲ့ပါတယ်။ အခုဆိုရင် သူဟာ ကျန်းမာရေး ၊ ပညာရေး နဲ့ ကုန်ထုတ်လုပ်မှုဆိုင်ရာတွေမှာ Artificial Intelligence ကို အသုံးချနိုင်ဖို့ အာရုံစိုက်နေပါတယ်။
အမေး – အဖြေ ဂဏ္ဌ ကို အောက်မှာ ဆက်လက် ဖော်ပြပါမယ် ။
မေး – ခဗျား အနေနဲ့ ဒီ Robot တွေကို စိတ်ဝင်စားလာအောင် ဘယ်လိုအရာက တွန်းအားပေးခဲ့သလဲဗျ ?
ဖြေ – ကျွန်တော့်အထင် Robot တွေနဲ့က အမြဲတမ်း ကစားနေဖြစ်ခဲ့ပါတယ်ဗျ။ ဥပမာ အနေနဲ့ဆို အထက်တန်းကျောင်းသားဘဝ က ပြိုင်ပွဲတခုကို သတိရမိတယ်။ ကျွန်တော့်သူငယ်ချင်းနဲ့အတူ စစ်တုရင်ခုံ ပေါ်က စစ်တုရင်အရုပ်တွေကို ရွေ့ပြောင်းရတဲ့ စက်ရုပ်လက်တံ တခု တည်ဆောက်ခဲ့ကြတာ။ အခုချိန်မှာ အဲဒီပရောဂျက် က အရမ်းလွယ်တယ် ထင်ရပေမယ့် အဲဒီအချိန် ၊ နည်းပညာ အရမ်းမဖွံ့ဖြိုးစဥ်ကတည်းက robot တွေက လူ့ပတ်ဝန်းကျင် နဲ့ ပတ်သတ်ဆက်နွယ်နေတယ် လို့ ခံစားရတယ်။ ပီးတော့ အထက်တန်းကျောင်းသားတယောက်အနေနဲ့လဲ အဲဒီအချိန် အဲဒီလို robot တည်ဆောက်ခဲ့တာက ကြီးမားတဲ့ စိန်ခေါ်မှု တစ်ခုပါ ။
အမေး – ဒါဆို ခဗျားရဲ့ ပထမဦးဆုံး (စနစ်တကျ) robotics project ဆိုရင်ကော ?
ဖြေ – UC Berkeley မှာ ကျွန်တော့် PhD Thesis ကာလတုန်းက လူတော်တော်များများကို ကျွန်တော်လိုက်မေးဖြစ်ခဲ့တယ် ။ ‘robotics မှာ အခက်ဆုံး ပြဿနာတွေက ဘာတွေများလဲ’ ပေါ့ ။ သူငယ်ချင်းအချို့က ရဟတ်ယာဥ်ပျံသန်းမှု အကြောင်း ထောက်ပြကြတယ်။ အဲဒီမှာ ကျွန်တော့် PhD Thesis က အလိုအလျောက် ပျံသန်းမယ့် ရဟတ်ယာဥ်တွေ အကြောင်း ဖြစ်သွားခဲ့တာပဲ ။ ဒီနောက် Stanford မှာ ကျွန်တော့်ရဲ့ စီနီယာ PhD ကျောင်းသားတွေ ဖြစ်တဲ့ Pieter Abbeel နဲ့ Adam Coates တို့ကလဲ ဒီအရာ နဲ့ ပတ်သတ်ပြီး တကယ်ပြောင်မြောက်တဲ့ သုတေသနတွေကို ဆောင်ရွက်ထားခဲ့ဖူးသားမို့ ကျွန်တော်တို့အနေနဲ့ ဒါကိုပဲ တဆင့် ပီး တဆင့် ထပ်မြင့်အောင် ကြိုးစားရင်းနဲ့ပဲ အလိုအလျောက် မောင်းနှင်နိုင်တဲ့ ရဟတ်ယာဥ်ပျံသန်းမှု တွေကို ပြုလုပ်နိုင်ခဲ့ပါတယ်။ နောက်ပိုင်းမှာတော့ ဒီသုတေသန က ဆိုင်းငင့်သွားခဲ့ရပါတယ်။
(ဘာသာပြန်သူ မှတ်ချက် – Andrew Ng ရဲ့ autonomous helicopter thesis က အသေးစား RC ရဟတ်ယာဥ်ပုံစံ ကို ပတ်ဝန်းကျင် ကို အလိုအလျောက် sensing လုပ်ပြီး သွားလိုရာ ကို တန်းတန်းမတ်မတ် (လေပေါ်မှာမို့ လိုအပ်တဲ့အခါ အလိုအလျောက် တိမ်းစောင်း ရှောင်တာမျိုးနဲ့ ) သွားနိုင်တဲ့ ပုံစံမျိုး ဖြစ်ပါမယ်။ Youtube မှာ သူ့နာမည် နဲ့ ရိုက်ရှာကြည့်ရင် သူ့ thesis implemetation video တွေ ရှာတွေ့နိုင်ပါတယ်ဗျ။)
နောက်ပိုင်းမှာတော့ ကျွန်တော့်အနေနဲ့ Machine Learning နဲ့ Computer Vision ပိုင်း ကို ဆက်လုပ်ဖြစ်တယ်။ STanford AI Robot (အတိုကောက် – STAIR ) လို့ အမည်ပေးထားတဲ့ ပရောဂျက်မှာ AI ပြဿနာတွေနဲ့ ပတ်သတ်ပြီး အမြင်မျိုးစုံ ဖြေရှင်းနည်းမျိုးစုံ အတွက် မိတ်ဆွေတွေနဲ့အတူ တာဝန်ယူခဲ့ပါတယ်။ ဒီ စက်ရုပ် က ယေဘုယျ စက်ရုပ်ပုံစံ ဖြစ်ပြီး ကမ္ဘာ့ပထမဆုံး AI စက်ရုပ် – Shakey ကို အများစု နမူနာပုံစံ ယူခဲ့ပါတယ်။
ဒီ STAIR ပရောဂျက် ကနေ တဆင့် ထွက်လာခဲ့တဲ့ အကောင်းဆုံးအရာတွေထဲက တစ်ခုကတော့ Robot Operating System (ROS) လို့ ထင်တယ်ဗျ။ အခုဆို ခဗျားအနေနဲ့ ကြိုက်တဲ့ တက္ကသိုလ်တခုခု မှာ robotics နဲ့ ပတ်သတ်ပြီး အလုပ်လုပ်ကြည့်ရင် သူတို့တွေက ROS ကို အသုံးပြုနေကြတာ မြင်ရမှာပါ။
ROS က ဒီကမ္ဘာမြေပေါ်မှာ ဖန်တီးခဲ့တယ် ဆိုပေမယ့် အခုဆိုရင် နိုင်ငံတကာ အာကာသစခန်း (ISS) မှာ အလုပ်လုပ်နေတဲ့ စက်ရုပ် ပေါ်မှာ run နေပါပြီ ။ နောက်ပြီး ဒီအရာကို လူ အယောက် ၂၀ လောက်ကနေ ကိုယ်ကျိုးမဖက်ပဲ Open Source Robotics Foundation အနေနဲ့ ထိန်းသိမ်း ထောက်ပံ့ပေးနေတာပါ။ ဒီ Foundation ကို ကျွန်တော့်ရဲ့ PhD ကျောင်းသားတွေထဲက တယောက် ဖြစ်တဲ့ Morgan Quigley ကနေ တွဲဖက် တည်ထောင်ခဲ့ပါတယ်။
ဒါတွေ အားလုံး ပြောပြနေမိတဲ့ အကြောင်း က ကျွန်တော်က ပါမောက္ခတစ်ယောက် သက်သက်မျှသာဆိုတာ သိစေချင်လို့ပါ ။ ရိုးသားစွာ ဝန်ခံရမယ် ဆိုရင် ပြီးမြောက်ခဲ့တဲ့ အလုပ်တွေအများစု ဆိုတာ ဒီအလုပ်တွေရဲ့ နောက်ကွယ်က သူရဲကောင်းစစ်စစ် ဖြစ်တဲ့ PhD ကျောင်းသူ၊ကျောင်းသားများရဲ့ ကြိုးစားအားထုတ်မှု တွေကြောင့်သာ ဖြစ်မြောက် အောင်မြင်ခဲ့ပါတယ်။
မေး – အတိတ် ကို ပြန်တွေးကြည့်မယ်ဗျာ ။ robot တွေအနေနဲ့ အနာဂတ်မှာ ဘာတွေများ လုပ်နိုင်မယ် ဆိုတာ ခဗျား အရင်က ဘာတွေ မျှော်လင့်ခဲ့ဖူးသလဲဗျ?
ကျွန်တော် အထက်တန်းကျောင်းသားဘဝ က အလုပ်သင် ဆင်းခဲ့ဖူးတယ်ဗျ။ရုံးတစ်ရုံး ရဲ့ ရုံးအကူ အဖြစ် မိတ္တူဆွဲပေးရတဲ့ အလုပ်တွေ လုပ်ရပါတယ်။ အဲဒီအချိန်တုန်းက ဒီ ပျင်းရိစရာကောင်းတဲ့ အလုပ်တွေကို အလိုအလျောက် အလုပ်လုပ်ခိုင်းထားပြီး တခြား စိတ်ဝင်စားစရာတွေမှာ ကျွန်တော့်အချိန်တွေ သုံးခွင့်ရရင် အရမ်းကောင်းမှာပဲ ဆိုပြီး စဥ်းစားခဲ့ဖူးတာကို မှတ်မိတယ်ဗျ။ ဒါကလဲ ကျွန်တော့်အတွက် ထပ်တလဲလဲ လုပ်ရတဲ့ တာဝန်တွေကို အလိုအလျောက် ဖြစ်အောင် ဘယ်လို လုပ်လို့ရနိုင်မလဲ ဆိုတဲ့ ရှာဖွေခြင်းရဲ့ နောက်ကွယ်က တွန်းအားတခု ဖြစ်စေခဲ့ပါတယ်။
ယနေ့အချိန်မှာဆို AI နဲ့ ပတ်သတ်ပြီး နားလည်မှု လွဲမှားနေတယ်လို့ ကျွန်တော် ထင်တယ်ဗျ။ ယနေ့ခေတ် AI ရဲ့ အဓိက စွမ်းအားက ခံစားတတ်တဲ့ စက်ရုပ်တွေ တည်ဆောက်ခြင်း မဟုတ်ပါဘူး ။ အထင်ကြီးလောက်ဖွယ်ဖြစ်မယ့် အလိုအလျောက် (Automation) စနစ် ကို တည်ဆောက်ခြင်းသာ ဖြစ်ပါတယ်။
ကံမကောင်းစရာအကြောင်းရင်းတခု က Artificial General Intelligence (သာမာန်စွမ်းရည်ရှိ) နဲ့ Artificial Specialized Intelligence(အထူးပြုစွမ်းရည်ရှိ) ကြားက ခြားနားချက်ပါ။ လက်ရှိ ပရောဂျက်တွေအားလုံးနီးပါးက သတ်မှတ်ထားတဲ့ အလုပ်တွေကို လုပ်ဆောင်နိုင်ဖို့ AI ကို အသုံးချနေကြပါတယ်။ ဒါပေမယ့် လူတွေရဲ့ အမြင်မှာ မကောင်းဆိုးဝါးသဖွယ်၊ လူသတ်စက်ရုပ်လိုမျိုး ကျွန်တော်တို့ ကျွန်ပြုသွားနိုင်တယ် ဆိုတဲ့ သာမန်အတွေးအခေါ် မျိုးလဲ ရှိနေပါတယ်။ AI တွေ အနေနဲ့ ဒီလို သာမာန်အတွေးအခေါ်မျိုး ဖြစ်နိုင်ဖို့ ရာ နှစ် ရာဂဏာန်း ၊ ထောင်ဂဏာန်း ကြာနိုင်ပါတယ်။ ဒါပေမယ့် ဘယ်သူ မှ ဒီကိစ္စ ကို ရှင်းရှင်းလင်းလင်း မမြင်ပေးကြပါဘူး ။
မေး – Robotics နဲ့ ပတ်သတ်ပြီး အခု ခဗျား ဘာတွေ လုပ်နေသလဲ ဗျ ?
PhD ကာလတုန်းက သတ်မှတ်ထားတဲ့ အလုပ်ကို အကောင်အထည်ဖော်ပေးရတဲ့ စက်ရုပ်မျိုးတွေကို ထိန်းချုပ်တဲ့ Control Project တခု မှာ ပါဝင်ခဲ့ပါတယ်။ ဒါပေမယ့် ဒီ STAIR ပရောဂျက်မှာ ကျွန်တော်တို့အနေနဲ့ ပြဿနာဖြစ်စေတဲ့ အကြောင်းရင်းတခုကို သေချာနားလည်လာခဲ့တယ်။ ဒီအကြောင်းရင်း (Perception problem) က စက်ရုပ်တွေအနေနဲ့ ပတ်ဝန်းကျင် ကို ဘယ်လို တုန့်ပြန်သလဲ ? ပတ်ဝန်းကျင် ကို ဘယ်လို sense(တိုင်းတာ) ပြီး ကျွန်တော်တို့ကို ပြန်ပြောသလဲ ဆိုတာတွေ – “လူ ဘယ်မှာလဲ ၊ တံခါးလက်ကိုင် ဘယ်မှာလဲ ၊ အရာဝတ္ထု ဘယ်မှာလဲ” စသဖြင့် ပေါ့ ။
ဆက်လက် ဖော်ပြပါမည်။
Ref : https://news.stanford.edu/2019/01/16/stanfords-robot-makers-andrew-ng/
