Machine Learning ဆိုတာ ဘာလဲ? AI ကို သင်ပေးတဲ့နည်း

လွယ်လွယ်ပြောရရင် Machine Learning ဆိုတာ ကွန်ပျူတာကို data တွေပြပြီး သူ့ဘာသာ သင်ယူတတ်အောင် သင်ပေးတဲ့ နည်းတစ်ခုပါ။

“AI က တော်လိုက်တာ” လို့ လူတွေ ပြောကြတယ်။ ဒါပေမဲ့ ကျွန်တော် တစ်ခါ စဉ်းစားမိတယ် — ဒီ AI ကို ဘယ်သူက သင်ပေးတာလဲ? Professor တစ်ယောက် စာသင်ခန်းထဲ ထိုင်သင်ပေးတာ မဟုတ်ဘူးလေ။

ဥပမာ ကလေးတစ်ယောက်ကို ခွေးနဲ့ ကြောင် ခွဲတတ်အောင် သင်ပေးတာကို စိတ်ကူးကြည့်။ “ခွေးဆိုတာ နားရွက်ထောင်၊ အမြီးရှည်” ဆိုပြီး စည်းမျဉ်းတွေ အလွတ်ကျက်ခိုင်းမှာ မဟုတ်ဘူး။ ခွေးပုံ အပုံ ၁၀၀၊ ကြောင်ပုံ အပုံ ၁၀၀ ပြတယ်။ “ဒါ ခွေး၊ ဒါ ကြောင်” လို့ ပြောပြတယ်။ အပုံ ရာချီ ကြည့်ပြီးသွားတော့ ကလေးက သူ့ဘာသာ ပုံစံကို မှတ်မိသွားတယ်။ နောက် တစ်ခါ မမြင်ဖူးတဲ့ ခွေးပုံပြရင်တောင် “ခွေး” လို့ မှန်မှန် ပြောနိုင်တယ်။

Machine Learning လည်း ဒီအတိုင်းပါပဲ။ ကွန်ပျူတာကို data တွေ အများကြီး (ဥပမာ ခွေးပုံ ကြောင်ပုံ အပုံ သောင်းချီ) ပြတယ်။ တစ်ခုချင်းစီမှာ အဖြေမှန် (label) ပါတယ် — “ဒါ ခွေး” “ဒါ ကြောင်” ဆိုပြီး။ ကွန်ပျူတာက ဒါတွေ ကြည့်ပြီး ပုံစံ (pattern) ကို သူ့ဘာသာ ရှာတယ်။ ပြီးရင် မမြင်ဖူးတဲ့ data အသစ်ကို ခန့်မှန်းနိုင်တယ်။ ဒါကို training လို့ ခေါ်တယ်။ သင်ယူပြီးသား “ဦးနှောက်” ကို model လို့ ခေါ်တယ်။ ဒါပဲ။

အရင်တုန်းက programmer တွေက စည်းမျဉ်းတွေ ကိုယ်တိုင် ရေးတယ် — “ဒါဖြစ်ရင် ဒါလုပ်” (if-else)။ Spam email စစ်ချင်ရင် “free money” ဆိုတဲ့ စာပါရင် spam လို့ သတ်မှတ်တယ်။ ဒါပေမဲ့ spammer တွေက စာလုံး ပြောင်းရေးတယ် — “fr33 m0ney”။ စည်းမျဉ်းတွေ လိုက်မမီတော့ဘူး။

Machine Learning ကျ စည်းမျဉ်း မရေးဘူး။ Spam email အထောင်နဲ့ ပုံမှန် email အထောင် ပြတယ်။ ကွန်ပျူတာက သူ့ဘာသာ “ဒီပုံစံတွေက spam ဖြစ်ဖို့ များတယ်” လို့ သင်ယူသွားတယ်။ စာလုံး ပြောင်းရေးလည်း ပုံစံကို မိတယ်။

အတိုချုပ်ပြောရရင် ရိုးရိုး programming = လူက စည်းမျဉ်းရေးတယ်။ Machine Learning = data ကနေ စက်က စည်းမျဉ်းကို သူ့ဘာသာ ရှာတယ်။

သင်ပေးတဲ့နည်း ၃ မျိုး ရှိတယ်။ ပထမတစ်မျိုး Supervised Learning — အပေါ်က ခွေး/ကြောင် ဥပမာလိုပဲ၊ data တိုင်းမှာ အဖြေမှန် (label) ပါတယ်။ Email spam စစ်တာ၊ အိမ်ဈေး ခန့်မှန်းတာ ဒီနည်းနဲ့။ ဒုတိယတစ်မျိုး Unsupervised Learning — အဖြေမပေးဘဲ “ဒီ data တွေထဲက ပုံစံတူတာတွေ အုပ်စုခွဲစမ်း” လို့ ခိုင်းတာ။ ဥပမာ customer တွေကို ဝယ်ယူပုံအလိုက် အုပ်စုခွဲတာ။ ကွန်ပျူတာက သူ့ဘာသာ အုပ်စုတွေ ရှာတယ်။ တတိယတစ်မျိုး Reinforcement Learning — ဆုပေးဒဏ်ပေးစနစ်။ Game AI ကို ဒီနည်းနဲ့ သင်တယ်။ မှန်ရင် အမှတ်ပေး၊ မှားရင် အမှတ်နုတ်။ အကြိမ်ထောင်ချီ ဆော့ပြီးနောက် လူထက် တော်သွားတယ်။ AlphaGo က လူ့ချန်ပီယံကို ဒီနည်းနဲ့ နိုင်ခဲ့တာ။

ကိုယ့်နေ့စဉ်ဘဝမှာ ဘယ်မှာသုံးနေလဲဆိုတော့ — ဖုန်းဖွင့်လိုက်တာနဲ့ သုံးနေပြီလေ။ Facebook, YouTube က ကိုယ် ကြိုက်မယ့် post / video ခန့်မှန်းပေးတာ။ Google Translate, ChatGPT က စာသား သင်ယူထားတဲ့ model တွေ။ Bank က မူမမှန်တဲ့ ငွေလွှဲ (fraud) ထောက်လှမ်းတာ။ Phone camera ရဲ့ face unlock က မျက်နှာမှတ်မိတာ။ Netflix က ကြည့်ချင်မယ့် ဇာတ်ကား အကြံပေးတာ။

ဒါတောင် AI, Machine Learning, Deep Learning ဆိုပြီး ရောတတ်ကြတယ်။ ရှင်းရှင်းပြောရရင် AI က အကြီးစားအမည် — “လူလို တွေးခေါ်နိုင်တဲ့ စနစ်” ဆိုတဲ့ ရည်မှန်းချက်။ Machine Learning က AI ကို ရောက်ဖို့ နည်းလမ်းတစ်ခု — data ကနေ သင်ယူတာ။ Deep Learning က Machine Learning ရဲ့ အကိုင်းအခက်တစ်ခု — neural network ဆိုတဲ့ ဦးနှောက်တုပုံစံ သုံးတာ။ ChatGPT လို LLM တွေက Deep Learning နဲ့ တည်ဆောက်ထားတဲ့ Machine Learning model တွေပဲ။

ဒီတော့ မှတ်ထားစရာက ဒါပဲ။ AI က “တော်တာ” မဟုတ်ဘူး — “သင်ပေးခံရတာ”။ ပြီးတော့ သင်ပေးတဲ့သူက data ပဲ။ Data ကောင်းရင် AI ကောင်းတယ် — ဒါကြောင့် “data is the new oil” လို့ ပြောကြတာ။ 🙂