AI နှင့် လေ့ကျင့်ရေးဒေတာများအကြောင်း

၂၁ ရာစုရဲ့ လူပြောအများဆုံး အကြောင်းကိုပြောပါဆိုရင် AI ကိုပဲညွှန်းချင်ပါတယ်။ ၂၀၂၂ ခုနှစ်ကစပြီး မ‌လျှော့သော အရှိန်အဟုန်နဲ့ တိုးတက်လာတဲ့ AI တွေဟာ ယခုဆိုရင် နေ့စဉ်ဘဝမှာပါ လွယ်လွယ်ကူကူနှင့် တွေ့မြင်နိုင်လာပြီ ဖြစ်တယ်။ နေ့စဉ်နှင့် အမျှ ရင့်ကျက်လာတဲ့ AI တွေဟာ အခုဆိုရင် DeepSeek AI လို မော်ဒယ်တစ်ခုလုံးကို မိမိကိုယ်ပိုင် ကွန်ပျူတာပေါ်မှာ ထည့်သွင်းအသုံးပြုနိုင်တဲ့ အဆင့်ထိရောက်ရှိလာပြီ ဖြစ်ပါတယ်။ AI မော်ဒယ်တစ်ခုရဲ့ စွမ်းဆောင်ရည်ဟာ လေ့ကျင့်ပေးထားတဲ့ ‌‌ဒေတာများရဲ့ အရည်အသွေးနှင့် ဇာစ်မြစ်ပေါ်မှာ အများကြီးအမှီသဟဲပြုပေမယ့်၊ များမကြာသေးခင် အချိန်ကာလအထိ လေ့ကျင့်‌ရေး‌ဒေတာများရဲ့ ဖွဲ့စည်းတည်ဆောက်ပုံများဟာ အဖွဲ့အစည်းတွေရဲ့လျှို့ဝှက်ချက်တစ်ခုအနေနှင့် ရှိနေခဲ့ပါတယ်။ ယခုဆောင်းပါးမှာတော့ AI ကုမ္ပဏီကြီးများနှင့် ၎င်းတို့အသုံးပြုသော ‌ဒေတာစုများ၊ လေ့ကျင့်ပုံများ နှင့် ပွင့်လင်းမြင်သာမှုအတွက် ထွက်ပေါ်လာတဲ့ ဉပဒေများကို လက်လှမ်းမီသလောက် ဖော်ပြပေးသွား မှာဖြစ်ပါတယ်။

၁။ OpenAI (ChatGPT): OpenAI ရဲ့ ChatGPT ကိုပါဝင် အားဖြည့်ပေးနေတဲ့ အခြေခံ မော်ဒယ်တွေဟာ အင်တာနက်ပေါ်ကရရှိသော ဒေတာများ၊ စပ်တူလုပ်ငန်း သဘောတူညီချက်များကြောင့် ရရှိသော ‌ဒေတာများနှင့် လူသား လေ့ကျင့်ပေးသူများမှ ပေးသော(သို့) ဖန်တီးပေးသော ဒေတာများဆိုပြီး  (၃) မျိုးခွဲခြားနိုင်တဲ့ သတင်းအချက်အလက်တွေပေါ်မှာ လေ့ကျင့်ပေးထားတာဖြစ်ပါတယ်။ ကုမ္မဏီရဲ့ထုတ်ပြန်ချက်အရ အများသူငှာနည်းတူ ရရှိနိုင်တဲ့ ဒေတာများကိုသာ အသုံးပြုထားပြီး ‌ငွေပေးမှရသော ‌ဒေတာများနှင့် dark web ပေါ်မှ‌ဒေတာများကို အသုံးမပြုကြောင်း သိရပါတယ်။ အမုန်းစကားများ (hate speech)၊ လူကြီး content များနှင့် ကိုယ်ပိုင်အချက်အလက်များ စုစည်းထားတဲ့ ဝက်ဘ်ဆိုဒ်တွေကို ဖယ်ရှားရန်အတွက် filter(စစ်ထုတ်ကိရိယာ) ပါဝင်ပြီး OpenAI ရဲ့ပြောဆိုချက်အရ ၎င်းတို့ရဲ့ အခြေခံမော်ဒယ်တွေသည် လေ့ကျင့်ဒေတာများကို ပုံတူပွား အသုံးပြုတာမျိုးမဟုတ်ပဲနဲ့ ဖြစ်တတ်တဲ့ သဘောတရား၊ ပုံစံများကိုလေ့လာထားပြီး ဖြစ်နိုင်ခြေရှိတဲ့ အဖြေထုတ်ပေးနိုင်အောင် တည်ဆောက်ထားတယ်လို့ သိရပါတယ်။

၂။ Google DeepMind (Gemini): Gemini မော်ဒယ်များမှာလည်း OpenAI နည်းအတူ အများသူငှာ နည်းတူရရှိ နိုင်တဲ့ ဒေတာများကိုသာ အသုံးပြုထားပါတယ်။ Google ကတော့ အခြေခံမော်ဒယ်များကို အမှားအမှန်၊ အမျိုးအစားခွဲခြားနိုင်မယ့် စနစ်များကိုအသုံးပြုထားပြီး မူဝါဒဖောက်ဖျက်တဲ့ content တွေထွက်မလာနိုင်အောင် filter ထည့်သွင်းထားတယ်လို့ဆိုပါတယ်။ ကနဦးလေ့ကျင့်မှုတွေပြီးတဲ့အခါ Gemini က လူသားကြီးကြပ်မှုပါတဲ့ အချောသပ်ချိန်ညှိခြင်းနဲ့ လူသားများ၏ တုံ့ပြန်မှုများမှတစ်ဆင့် အားဖြည့်သင်ယူခြင်း (Reinforcement Learning from Human Feedback (RLHF)) အဆင့်ကိုဖြတ်သန်းရပါတယ်။ RLHF ဆိုတာက မော်ဒယ်ကထုတ်ပေးလိုက်တဲ့ အဖြေတွေကို လူသားများမှ အဆင့်သတ်မှတ်ပေးပြီး မော်ဒယ်မှ အသင့်တော်ဆုံးနဲ့ အကောင်းဆုံးတုံ့ပြန်မှုများကိုသာ ထုတ်ပေးနိုင်အောင် လေ့ကျင့်ပေးခြင်းဖြစ်ပါတယ်။

၃။ Anthropic (Claude): Anthropic သည် ၎င်းတို့၏ လေ့ကျင့်ရေးလမ်းစဉ်များထဲမှ လုံခြုံ‌ရေးနှင့် သက်ဆိုင်တဲ့ဒေတာများကို ထုတ်ပြန်ထားပါတယ်။ ကုမ္မဏီမှ (၁) အများဆိုင် သတင်းအချက်အလက်များ၊ (၂) စီးပွားရေးသဘောတူညီချက်များမှ ရရှိတဲ့ဒေတာစုများ၊ (၃) အသုံးပြုသူများမှတစ်ဆင့် ရရှိတဲ့ ‌ဒေတာတွေကို ကိုယ်ပိုင်ဒေတာတွေပါနိုင်တဲ့ လေ့ကျင့်ရေးဒေတာ အရင်းအမြစ် (၃)ခုလို့ သတ်မှတ်ထားပါတယ်။ မော်ဒယ်မှ ပုဂ္ဂလိကအချက်အလက်များ ထုတ်ဖော်မိခြင်းမဖြစ်စေရန် အပြည်ပြည်ဆိုင်ရာ လူ့အခွင့်အရေးကြေငြာချက်မူများ အပေါ်မှာ အခြေခံထားတဲ့ Constitutional AI (AI တည်ဆောက်နည်းပုံစံ) ကိုအသုံးပြုပြီး ‌ဒေတာလုံခြုံရေး လမ်းစဉ်များကိုလည်း ကျင့်သုံးပါတယ်။ ကုမ္မဏီမှ အသုံးပြုသူကိုယ်တိုင် ထည့်သွင်းခြင်းမှလွဲလို့ Claude နဲ့ပြောဆိုထားသည်များကို လေ့ကျင့်တဲ့နေရာမှာ အသုံးပြုမှာမဟုတ်ဖူးလို့ ထုတ်ဖော်ပြောဆိုထားပါတယ်။

၄။ LAION and open-image datasets: LAION (Large-scale Artificial Intelligence Open Network) ဆိုတာကတော့ Machine learning သုတေသန အတွက်ရည်ရွယ်ပြီး AI မော်ဒယ်များ၊ ကိရိယာများ နှင့် ‌‌ဒေတာစုများကို ထောက်ပံ့ပေးတဲ့ ဂျာမန်အခြေဆိုက် အကျိုးမဖက် အဖွဲ့အစည်းတစ်ခုဖြစ်ပါတယ်။ ၎င်းရဲ့ ဒေတာအရင်းအမြစ်ကတော့ commoncrawl.org မှရတာဖြစ်ပါတယ်။ LAION-400M မှာ ၂၀၁၄-၂၀၂၁ Common Crawl ‌ဒေတာများမှ ထုတ်ယူသုံးစွဲထားတဲ့ ပုံနှင့်သရုပ်ဖော်စာသား အတွဲပေါင်း (၄၀၀)မီလီယန် ပါဝင်ပါတယ်။ ၎င်းရဲ့ ဆက်ခံသူ LAION-5B မှာတော့အတွဲပေါင်း (၅)ဘီလီယံကျော်ပါဝင်ပြီး စာမှပုံသို့ ထုတ်ပေးနိုင်တဲ့ မော်ဒယ်တစ်ခုဖြစ်တဲ့ Stable Diffusion ကိုလေ့ကျင့်ရာမှာ အသုံးပြုခဲ့ပါတယ်။ LAION ရဲ့‌ဒေတာစုတွေမှာ ထိခိုက်စေနိုင်သောပုံရိပ်များနှင့် အရေးကြီးကိုယ်ပိုင်ဒေတာများရှိနေခဲ့သောကြောင့် အဆိုပါ‌‌ဒေတာစုများကို ဖယ်ရှားပြီး Re-LAION-5B နာမည်နှင့် ၂၀၂၄ မှာထပ်မံ ထွက်ရှိခဲ့ပါတယ်။

         ဖော်ပြခဲ့တာတွေကတော့ ယခုလက်ရှိ AI လောကရဲ့  ‌အကြီးဆုံးနဲ့ ရှေ့ပြေး ကုမ္ပဏီ/ပရိုဂရမ်ရေးဆွဲသူများ ထဲက အချို့နဲ့ ၎င်းတို့ရဲ့ ဒေတာစုများကို မည်သို့ရရှိ၊ မည်သို့အသုံးချတဲ့ ပုံစံတွေဖြစ်ပါတယ်။ ဒါဆိုရင် ရလာတဲ့ ဒေတာတွေနဲ့ AI ကိုဘယ်လိုလေ့ကျင့်ပေး ပါသလဲ။ ယေဘုယျအားဖြင့် အဆင့်(၄) မျိုးရှိပါတယ်။

(၁) ဒေတာစုစည်းခြင်း: တာဝန်ယူရေးဆွဲမည့် developer တွေက စာများ၊ ပုံရိပ်များ၊ ကုဒ်များ နဲ့ အခြားမီဒီယာများကို စုစည်းပြီး အရည်အသွေးစစ် filters များ အသုံးပြု၍ မလိုအပ်သည်များ၊ ညစ်ညမ်း content များ၊ အမုန်းစကားများနှင့် မူဝါဒများချိုးဖောက်နိုင်တဲ့ content တွေကို အရင်ဖယ်ထုတ်ပါတယ်။

(၂) ကနဦးလေ့ကျင့်ခြင်း: ကနဦးလေ့ကျင့်တဲ့ အဆင့်မှာ စုထားတဲ့ ဒေတာတွေကိုအသုံးပြုပြီးတော့ နောက်လာမယ့် စာလုံးတစ်လုံးစီ၊ သို့မဟုတ် ပုံရိပ်တစ်ကွက်စီ အထိခန့်မှန်းနိုင်အောင် လေ့ကျင့်ပေးပါတယ်။ ဒီလိုလေ့ကျင့်တဲ့ ပုံစံကြောင့် AI တွေက ဘာသာစကားနဲ့ ပုံရိပ်တွေရဲ့ ဆက်စပ်မှုကို နားလည်လာနိုင်တယ်။

(၃) ချိန်ညှိခြင်းနှင့် အားဖြည့်သင်ယူခြင်း: ကနဦးလေ့ကျင့်ခြင်းအပြီးမှာ AI မော်ဒယ်တွေသည် Supervised fine-tuning (SFT) လို့ခေါ်တဲ့ အကောင်းဆုံးတုံ့ပြန်မှုများပေးနိုင်အောင် လူသားကျွမ်းကျင်သူများကိုယ်တိုင် လေ့ကျင့်ပေးတဲ့ အဆင့်ကိုဖြတ်ကျော်ရပါတယ်။ နောက်တစ်ဆင့်အနေနဲ့ လိုအပ်သလို တုံ့ပြန်နိုင်စေရန် RLHF အဆင့်ကိုကျော်ဖြတ်ရပါတယ်။

(၄) အမြဲတစေ အဆင့်မြှင့်တင်ခြင်းနှင့် Red-teaming (ထောင့်မျိုးစုံမှ လှုံ့ဆော်ခြင်း): ကုမ္ပဏီတွေက AI မော်ဒယ်များကို ချိန်ညှိခြင်း၊ အသုံးပြုသူများရဲ့ တုံ့ပြန်ချက်တွေနဲ့ လုံခြုံ‌ရေး စမ်းသပ်ချက်များကို အသုံးပြုပြီး အဆင့်မြှင့်ပေးပါတယ်။ Red-team ဆိုတဲ့အဖွဲ့က ထောင့်မျိုးစုံကနေ AI ရဲ့ လစ်ဟာကွက်တွေပေါ်လာအောင် တိုက်ခိုက်တဲ့ လမ်းစဉ်နဲ့ လေ့ကျင့်ပေးပါတယ်။

         Superhero ရုပ်ရှင်ကြည့်ဖူးသူတွေ သိပါလိမ့်မယ်။ Iron-Man လို့ခေါ်တဲ့ Superhero မှာ J.A.R.V.I.S. (ဂျားဗစ်စ်) လို့ခေါ်တဲ့ personal assistant (ကိုယ်ပိုင် အတွင်းရေးမှူးကဲ့သို့) AI မော်ဒယ်တစ်ခုရှိပါတယ်။ နောက်ပိုင်းရုပ်ရှင်တွေမှာ အဲ့ AI မော်ဒယ်ကို အခြေခံပြီး နောက်ထပ် Vision လို့ခေါ်တဲ့ Superhero နောက်တစ်ယောက်နဲ့ Ultron လို့ခေါ်တဲ့ ဗီလိန်တစ်ယောက်ပေါ်လာခဲ့ပါတယ်။ ဆိုလိုချင်တာက AI ဆိုသည်မှာ တည်ဆောက်သူ (သို့) အသုံးပြုသူ လေ့ကျင့်ပေးတဲ့ ဒေတာတွေအပေါ်မှာ မူတည်ပြီး အသုံးပြုနိုင်တဲ့ နေရာကွာသွားနိုင်ပါတယ်။ ယနေ့မျက်မှောက်ခေတ်မှာဆိုရင် ရင့်ကျက်လာပြီးဖြစ်တဲ့ AI တွေဟာ လူတွေကို ဖူးဖူးမှုတ်ထားနိုင်သလို အရူးဖြစ်အောင်လည်း လုပ်နိုင်တဲ့အနေအထားကို ရောက်ရှိလာခဲ့ပါပြီ။ ၂၀၂၄ သြဂုတ်လ ၁၈ ရက်နေ့မှာ အမေရိကန်အဆိုတော် Taylor Swift ရဲ့ ရှိုးပွဲတစ်ခုသည် ISIS ရဲ့ပစ်မှတ်ထားမှုကြောင့် ဖျတ်သိမ်းခဲ့ရတဲ့ အတွက် အမေရိကန်သမ္မတလောင်း Donald Trump (‌ရွေးကောက်ပွဲ မပြီးခင်ကာလ)လို ဦးဆောင်နိုင်သူလို အပ်ကြောင်း Swifties for Trump စာသားပါတဲ့ အကျီဝတ်ဆင်ထားတဲ့ AI ထုတ် အမျိုးသမီးပုံများကို Donal Trump ကိုယ်တိုင် တရားဝင်အ‌ကောင့်နဲ့ X(twitter) မှာတင်ခဲ့ဖူးပါတယ်။ ယခုဆိုရင် ‌AI ကနေ ရုပ်သေပုံများတင် မဟုတ်ပဲ အသံပါပီပြင်တိကျတဲ့ ဗီဒီယိုတွေထိပါထုတ်လာနိုင်တဲ့ သေချာတွေးကြည့်ရင် အန္တရာယ်ရှိနိုင်တဲ့အနေအထားထိကိုပါ ရောက်လာပြီဖြစ်ပါတယ်။

         အမှန်တကယ်အကျိုးပြုမဲ့ AI တွေပေါ်လာဖို့က ပွင့်လင်းမြင်သာမှုရှိဖို့နဲ့ ယနေ့ လက်ရှိ AI ရဲ့ စွမ်းဆောင် နိုင်မှုပေါ် ထိထိရောက်ရောက် ထိန်းချုပ်နိုင်ဖို့ပါလို့အပ်လာပါတယ်။ AI မော်ဒယ် အားလုံးဟာ လူတိုင်းနေ့စဉ် ရှာဖွေနေကြ ဒေတာအများအပါအဝင် ‌နေရာစုံကဒေတာအမြောက်အမြားကို အသုံးပြုလေ့ကျင့်ရတဲ့ အတွက်ကြောင့် ဒေတာများကို စနစ်တကျစုစည်းနိုင်ဖို့နဲ့ အပြည့်အဝ မှန်မှန်ကန်ကန် နားလည်နိုင်ဖို့ဆိုတာ မလွယ်ကူတဲ့ ကိစ္စတစ်ခုပါ။ The New York Times မဂ္ဂဇင်းကနေ OpenAI နဲ့ Microsoft အား ၎င်းရဲ့ content တွေကို ခွင့်ပြုချက်၊ တောင်းဆိုချက်တွေမပါပဲနဲ့ AI မော်ဒယ်များလေ့ကျင့်တဲ့နေရာမှာ အသုံးပြုခဲ့လို့ တရားစွဲဆိုခဲ့ဖူးပါတယ်။ LAION-5B လေ့ကျင့်ပေးတဲ့ ဒေတာပုံများထဲမှာ ကလေးသူငယ် ညှင်းပန်းနှိပ်စက်မှုနဲ့ သက်ဆိုင်တဲ့ ပုံတွေပါဝင်နေခဲ့တဲ့အတွက် ပြန်လည်စီစစ်ပြီးဗာရှင်းအသစ် ထုတ်ခဲ့ရဖူးပါတယ်။ TikTok ရဲ့ မိခင် ကုမ္ပဏီဖြစ်တဲ့ ByteDance ဟာ ၎င်းတို့ကိုယ်ပိုင် AI မော်ဒယ်အတွက် OpenAI ကထုတ်ပေးထားတဲ့ ဒေတာများနဲ့ လေ့ကျင့်ပေးခဲ့တယ်လို့ စွဲချက်များကြောင့် developerလိုင်စင်ဖောက်ဖျက်မှုနဲ့ အကောင့်များရပ်ဆိုင်း ခံခဲ့ရဖူးပါတယ်။ ၂၀၂၃ နှောင်းပိုင်းမှာတင်ဖြစ်သွားခဲ့တဲ့ ဒီအဖြစ်အပျက် (၃)ခုဟာဆိုရင် ဒေတာများကို အပြည့်အဝ နားမလည်နိုင်ခြင်းနောက်ဆက်တွဲ အကျိုးဆက်တွေဖြစ်ပါတယ်။ ထို့အပြင် AI မော်ဒယ်၊ သုတေသန၊ အကျိုးစီးပွား နဲ့ အခြားပုံစံအသုံးပြုသူများအတွက် လေ့ကျင့်ရန်အသုံးပြုဒေတာများအပေါ် ပွင့်လင်းမြင်သာမှုမရှိလျှင်လည်း European Union’s AI Act လိုပေါ်ထွက်လာတဲ့ ဥပဒေများနဲ့ မူပိုင်ခွင့်ဥပဒေများနဲ့ ကိုက်ညီမှုမရှိတာမျိုးလည်း ဖြစ်လာနိုင်ပါတယ်။

         စက်တင်ဘာ ၂၀၂၄၊ ကယ်လီဖိုးနီးယားပြည်နယ်မှာ AB 2013 ခေါ်  The Generative Artificial Intelligence: Training Data Transparency Act ဥပဒေကိုပြဌာန်းခဲ့ပါတယ်။ ကယ်လီဖိုးနီးယားပြည်နယ်တွင် အများပြည်သူအသုံးပြုမယ့် AI စနစ်ကို ဒီဇိုင်းရေးဆွဲ၊ ထုတ်လုပ်၊ ထိန်းသိမ်းမယ့် အရာအားလုံးပေါ် သက်ရောက်ပါတယ်။ ဥပဒေအရ developer များမှ အသုံးပြုထားသော ဒေတာစုများ၏ အရင်းအမြစ်နှင့်ပိုင်ဆိုင်မှု၊ ရည်ရွယ်ချက်နှင့် စုစည်း၊ သန့်စင်၊ ဆောင်ရွက်ပုံနည်းလမ်းများ၊ လိုင်စင်၊ ကိုယ်ပိုင် (သို့) စားသုံးသူဒေတာများ၊ ပေါင်းစပ်‌ဒေတာများနှင့် ၎င်းတို့၏ ရရှိခဲ့သောရက်စွဲများကို အသေးစိတ် ဝက်ဘ်ဆိုဒ်ပေါ်မှာ ထုတ်ပြန်ပေးရမှာ ဖြစ်ပါတယ်။ AB 2013 နဲ့အတူ အသံပိုင်းဆိုင်ရာ content များကို ကိုယ်ပိုင်အမှတ်တံဆိပ်ပါရှိရန် ဥပဒေ SB-942 နှင့် ကျန်းမာရေးဆိုင်ရာ ပြောဆိုဆက်ဆံမှုများတွင် AI ဖြစ်ကြောင်းဖော်ပြထားရန် ချမှတ်သည့် AB 3030 ဥပဒေများကိုပါ ပြဋ္ဌာန်းခဲ့ပါတယ်။ ကမ္ဘာ့ပထမဦးဆုံး အထွေထွေဆိုင်ရာ AI ဥပဒေဖြစ်တဲ့ The EU AI Act 2024 ဟာဆိုရင် အခြေခံအဆောက်အဦး၊ ပညာရေး၊ အလုပ်အကိုင် နှင့် ဥပဒေပြုရေးဆိုင်ရာ ကိစ္စများတွင် ခွဲခြားဆက်ဆံခြင်းရလဒ်များ လျှော့ချနိုင်ရန် အရည်အသွေးမြင့် ဒေတာစုများ အသုံးပြုရန်နှင့် လေ့ကျင့်မှုတွင် အသုံးပြု ‌ဒေတာအကျဉ်းချုပ် ထုတ်ပြန်ပေးရန် ပြဋ္ဌာန်းထားပါတယ်။ သြဂုတ်လ ၂၀၂၅ မှာ ပြဋ္ဌာန်းခဲ့တဲ့ The TRAIN Act ခေါ် the Transparency and Responsibility for Artificial Intelligence Networks Act  ဟာဆိုရင် အနုပညာရှင်များအပေါ် ခွင့်ပြုချက်မရှိပဲ ဒေတာများသုံးပြုမှ ကာကွယ်ပေးထားတဲ့ ဥပဒေဖြစ်ပါတယ်။

         စွမ်းဆောင်ရည်မြင့် AI စနစ်များနှင့်အတူ အခွင့်အလမ်းအသစ်များ ပေါ်ပေါက်လာသလို ၎င်းတို့၏နောက်ကွယ်မှ အခြေခံအုတ်မြစ်များဖြစ်တဲ့ ‌ဒေတာစုများ၊ ရှုပ်ထွေးလှတဲ့ လေ့ကျင့်မှုနည်းလမ်းများနှင့် ကုမ္မဏီများရဲ့ ရွေးချယ်မှုဆောင်ရွက်မှုများကိုလည်း မြင်တွေ့နိုင်ပြီဖြစ်ပါတယ်။ အစောပိုင်းကာလများမှာ လျှို့ဝှက်ချက်အနေနဲ့ပဲ ကာကွယ်ထားတဲ့ လေ့ကျင့်ရေး‌ဒေတာများရဲ့ ဇစ်မြစ်များထိပါ လူထုရဲ့တောင်းဆိုမှုကြောင့် ကယ်လီဖိုးနီးယား နဲ့ EU လိုနေရာမျိုးတွေမှာဆိုရင် ဥပဒေသစ်များနဲ့ ပြည်ဖုံးကားများကို ဖွင့်ဟပြသနိုင်လာပြီဆိုတာလည်း အမှန်ပဲဖြစ်ပါတယ်။ ဒေတာစုများအသုံးပြုခြင်းပုံစံ၊ စီစစ်ခြင်း၊ ထိန်းချုပ်ခြင်းများ အပေါ်ပွင့်လင်းမြင်သာမှုရှိခြင်းက AI အပေါ်လူထုယုံကြည်မှုကိုတည်ဆောက်နိုင်သလို စနစ်များကိုလည်း မှန်ကန်တဲ့လမ်းစဉ်နဲ့ တိုးတတ်အောင် အထောက်အကူပြုပါတယ်။ အနာဂတ်မှာ AI နဲ့အတူယှဉ်တွဲ နေထိုင်သွားနိုင်ရန်မှာ တီထွင်ကြံဆနိုင်မှုသာမက ပွင့်လင်းမြင်သာမှု၊ တာဝန်ယူတာဝန်ခံမှုနှင့် မူရင်းဒေတာပိုင်ရှင်များအတွက် လေးစားသမှုကလည်း အရေးပါလှပါတယ်။