လွယ်လွယ်ပြောရရင် NLP (Natural Language Processing) ဆိုတာ ကွန်ပျူတာက လူတွေ ပြောတဲ့စကား၊ ရေးတဲ့စာကို နားလည်ပြီး အဓိပ္ပာယ်ပြန်ထုတ်နိုင်တဲ့ နည်းပညာပါ။ သင် ChatGPT ကို မြန်မာလို မေးလိုက်ရင် သူက မေးခွန်းကို နားလည်ပြီး မြန်မာလို ပြန်ဖြေတာ — အဲဒါ NLP ပဲ။
ကျွန်တော် ဒါကို အရင်က မစဉ်းစားမိဘူး။ ဖုန်းကို စကားပြောလိုက်ရင် စာပေါ်လာတယ်၊ Google မှာ မြန်မာလို ရိုက်ရှာလိုက်ရင် လိုချင်တဲ့ အဖြေပေါ်လာတယ်။ ဒါတွေက ရိုးရိုးလေးလို့ ထင်ခဲ့တာ။ တကယ်တော့ ကွန်ပျူတာအတွက် လူစကားက အရမ်းခက်တယ်။ “စားပြီးပြီလား” ဆိုတဲ့ စကားတစ်ခွန်းထဲမှာတောင် မေးခွန်းလား၊ နှုတ်ဆက်တာလား၊ ဟာသလား ဆိုတာ ခွဲရခက်တယ်။ လူတွေကတော့ အလိုလို သိတယ်။ ကွန်ပျူတာကိုတော့ အဲဒီလို သိတတ်အောင် သင်ပေးရတယ်။
ကွန်ပျူတာက စာကို ဘယ်လို ဖတ်လဲ?
ကလေးတစ်ယောက် စာသင်သလိုပဲ၊ အဆင့်ဆင့် ခွဲပြီး သင်ပေးရတာ။
ပထမဆုံး စာကြောင်းကို စကားလုံးအပိုင်းပိုင်းခွဲတယ်။ ဒါကို Tokenization လို့ ခေါ်တယ်။ ဥပမာ “ကျွန်တော် ထမင်းစားပြီးပြီ” ဆိုတဲ့ စာကြောင်းကို “ကျွန်တော်”၊ “ထမင်း”၊ “စား”၊ “ပြီးပြီ” ဆိုပြီး ခွဲလိုက်တယ်။ မြန်မာစာမှာ စကားလုံးကြား space အမြဲမပါတော့ ဒီအဆင့်ကိုက ခက်တယ်။ အင်္ဂလိပ်စာလို space နဲ့ ခွဲလို့မရဘူး။
ပြီးတော့ စကားလုံးတစ်ခုချင်းစီက ဘာအမျိုးအစားလဲဆိုတာ ခွဲတယ်။ Noun လား၊ Verb လား၊ ဘယ်သူက ပြုလုပ်သူလဲ၊ ဘာကို ပြုလုပ်တာလဲ။ ဒါကို Part-of-Speech Tagging လို့ ခေါ်တယ်။ “မောင်မောင် စာအုပ်ဖတ်တယ်” ဆိုရင် မောင်မောင်က ပြုလုပ်သူ၊ စာအုပ်က အရာ၊ ဖတ်တယ် က လုပ်ရပ်ဆိုတာ ကွန်ပျူတာ သိရတယ်။
နောက်ဆုံးမှာ စကားလုံးတွေရဲ့ အဓိပ္ပာယ်ကို ကိန်းဂဏန်းအဖြစ် ပြောင်းတယ်။ အဓိပ္ပာယ်တူတဲ့ စကားလုံးတွေက ကိန်းဂဏန်းအနေနဲ့လည်း နီးနီးကပ်ကပ် ရှိတယ်။ “ပျော်” နဲ့ “ဝမ်းသာ” က နီးတယ်၊ “ပျော်” နဲ့ “ဝမ်းနည်း” က ဝေးတယ်။ ဒါကို Embedding လို့ ခေါ်တယ်။ ဒီလို ပြောင်းပြီးမှ ကွန်ပျူတာက စာကို တွက်ချက်ပြီး အဖြေထုတ်နိုင်တာ။
NLP က ဘာတွေ လုပ်ပေးနိုင်လဲ?
Chatbot နဲ့ AI Assistant — ChatGPT, Claude, Gemini တို့ရဲ့ အခြေခံပဲ။ သင် မေးတာကို နားလည်ပြီး စာနဲ့ ပြန်ဖြေတာ။
ဘာသာပြန် — Google Translate က မြန်မာစာကို အင်္ဂလိပ်စာ ပြောင်းပေးတာ။ စကားလုံးတစ်လုံးချင်း ပြောင်းတာမဟုတ်ဘူး၊ စာကြောင်းတစ်ခုလုံးရဲ့ အဓိပ္ပာယ်ကို ဖတ်ပြီး ပြန်ရေးတာ။
Sentiment Analysis — Customer တွေ ရေးတဲ့ review က ကောင်းတာလား၊ ဆိုးတာလား ဆိုတာ အလိုလို ခွဲတာ။ ဆိုင်တစ်ဆိုင်မှာ review ထောင်ချီ ရှိရင် လူက လိုက်ဖတ်စရာ မလိုတော့ဘူး။
စာအကျဉ်းချုပ် — အရှည်ကြီး စာတစ်ပုဒ်ကို အဓိကအချက် ၃ ချက်လောက် ထုတ်ပေးတာ။ သတင်းအရှည်ကြီး ဖတ်စရာ မလိုဘဲ အကျဉ်းဖတ်ရုံပဲ။
Spam ခွဲတာ — Email ထဲက စာကို ဖတ်ပြီး spam လား၊ အစစ်လား ဆိုတာ ဆုံးဖြတ်တာ။ “သင် ဆုရပါပြီ” ဆိုတဲ့ ပုံစံမျိုးကို စာသားအရကို မိတယ်။
Voice Assistant နဲ့ တွဲတာ — Speech Recognition က အသံကို စာအဖြစ် ပြောင်းပေးပြီး၊ NLP က အဲဒီစာကို နားလည်ပြီး အမိန့်အဖြစ် ယူတာ။ “မနက်ဖြန် ရာသီဥတု ဘယ်လိုလဲ” လို့ ပြောရင် ရာသီဥတုမေးနေတယ်ဆိုတာ NLP က သိတယ်။
ဘာလို့ တခါတလေ မှားနားလည်တာလဲ?
အကြောင်းရင်းက လူစကားကိုက မရေမရာ ဖြစ်နေလို့ပဲ။
အဓိပ္ပာယ် နှစ်မျိုးရှိတဲ့ စကား — “ဘဏ်” ဆိုတာ ငွေဘဏ်လား၊ မြစ်ကမ်းပါးလား။ စာကြောင်းတစ်ခုလုံးကို မဖတ်ဘဲ မသိနိုင်ဘူး။
လူတိုင်း စကားပြောပုံ မတူဘူး — စကားလုံးအသစ်၊ slang၊ စာလုံးပေါင်းမှားတာတွေက model ကို ရှုပ်စေတယ်။
မြန်မာစာလိုမျိုး data နည်းတဲ့ ဘာသာစကားဆိုရင် သင်ပေးဖို့ နမူနာနည်းတယ်။ အင်္ဂလိပ်စာလောက် တိကျမှု မရသေးဘူး။ ဒါကြောင့် မြန်မာစာ ဘာသာပြန်တခါတလေ လွဲနေတာပါ။
စကားရဲ့ နောက်ခံအကြောင်း — ဟာသ၊ သရော်စာ၊ ဒေါသထွက်ပြီး ပြောတာတွေကို ကွန်ပျူတာက အလွယ်တကူ မခွဲနိုင်သေးဘူး။ “တော်တော် ကောင်းတာပဲ” ဆိုတာ တကယ် ချီးကျူးတာလား၊ သရော်တာလား ဆိုတာ လူတောင် တခါတလေ မှားတယ်။
ကိုယ့်အတွက် ဘာထူးလဲ?
NLP က သင်နဲ့ နေ့တိုင်း ထိတွေ့နေတယ်။ Google မှာ ရှာတာ၊ Facebook မှာ စာရိုက်ရင် စကားလုံး အလိုလို ဖြည့်ပေးတာ၊ Gmail က email ကို အမျိုးအစားခွဲပေးတာ — ဒါတွေအားလုံး NLP ပဲ။
တစ်ခုသတိထားဖို့က NLP က အဓိပ္ပာယ်ကို ခန့်မှန်းတာပဲ၊ တကယ် “နားလည်” တာမဟုတ်ဘူး။ AI က ဖြေတဲ့စာက မှန်နေတတ်ပေမယ့် တခါတလေ အဓိပ္ပာယ်လွဲနေတတ်တယ်။ အရေးကြီးတဲ့ စာရွက်စာတမ်း၊ ဆေးပညာ၊ ဥပဒေလိုမျိုး နေရာမှာတော့ AI ဘာသာပြန်ကို အတိအကျ ယုံပြီး မသုံးပါနဲ့။ လူက ပြန်စစ်တာ အကောင်းဆုံးပဲ။
ကွန်ပျူတာက လူစကားကို နားလည်တတ်လာတာဟာ တကယ့်ကို ထူးဆန်းတဲ့ အပြောင်းအလဲပဲ။ အရင်က လူက ကွန်ပျူတာစကား သင်ရတယ်။ အခု ကွန်ပျူတာက လူစကား သင်ယူနေပြီ။ သင် စာရိုက်လိုက်ရုံပဲ၊ သူက နားလည်ပေးတော့တယ်။ 🙂
