Google DeepMind သည် အလုပ်ကြော်ငြာတစ်ခုတွင် လူအများစုမြင်တွေ့ရမည်မဟုတ်သည့် လစာပေးအဖွဲ့ဖြင့် အင်ဂျင်နီယာကဏ္ဍအသစ်ကို စာရင်းပြုစုထားသည်- စုစုပေါင်းလျော်ကြေးဒေါ်လာ 550,000 နှင့် $1.1 သန်းကြားရှိသည်။ စာရင်းမတောင်းသော နံပါတ်ထက် ပိုထင်ရှားသည်။ ဘွဲ့လက်မှတ် မလိုသလို အတွေ့အကြုံ အနည်းဆုံး နှစ်လည်း မရှိပါ။

Google ၏တရားဝင်အသက်မွေးဝမ်းကြောင်းလုပ်ငန်းဝဘ်ဆိုက်တွင် တိုက်ရိုက်ထုတ်လွှင့်သည့်စာရင်းသည် AI ကုဒ်ရေးသည့်အေးဂျင့်များအတွက် အကဲဖြတ်မှုဘောင်များကိုတည်ဆောက်သည့် DeepMind အဖွဲ့အသစ် Polaris အတွက်ဖြစ်သည်။ DeepMind မှ သုတေသနပညာရှင် Tamay Besiroglu မှ မျှဝေခဲ့ပြီးနောက် ယခုသီတင်းပတ်ကုန်တွင် အဆိုပါ ပို့စ်သည် ပျံ့နှံ့သွားခဲ့ပြီး ကမ္ဘာ့ရန်ပုံငွေအကောင်းဆုံး AI ဓာတ်ခွဲခန်းများသည် မည်သူ့ကို အလုပ်ခန့်ရန် ထိုက်တန်ကြောင်း ဆုံးဖြတ်ခဲ့သည်ကို ပြန်လည်စတင်ခဲ့သည်။ For more context on this story, see our ongoing AI trends.

ဓူဝံအလုပ်ဆိုတာ တကယ်တော့ ဘာလဲ။

ဓူဝံသည် DeepMind ၏ ပုံမှန်မဟုတ်သော ထောင့်တစ်ခုကို သိမ်းပိုက်ထားသည်။ လေ့ကျင့်ရေးမော်ဒယ်များထက်၊ အဖွဲ့သည် မော်ဒယ်များ ကောင်းသလား ဆုံးဖြတ်ရန် စမ်းသပ်မှုများကို ဒီဇိုင်းထုတ်သည်။ စာရင်းအရ၊ အခန်းကဏ္ဍတွင် AI coding အေးဂျင့်များအတွက် အကဲဖြတ်မှုမူဘောင်များတည်ဆောက်ခြင်း၊ အကဲဖြတ်ခြင်းဆိုင်ရာ ဗိသုကာပုံစံအသစ်များကို ပုံတူကူးခြင်းနှင့် သုတေသနများထုတ်ဝေခြင်းတို့ ပါဝင်ပါသည်။

၎င်းသည် အကဲဖြတ်သူများကို အကဲဖြတ်ခြင်း အမျိုးအစား၏ မက်တာအလုပ်တစ်ခုဖြစ်ပြီး တိုးများလာသော အကျိုးဆက်တစ်ခုဖြစ်သည်။ စံသတ်မှတ်ချက်တစ်ခုသည် ဓာတ်ခွဲခန်းတစ်ခုအား တိတ်တဆိတ်လှည့်စားပါက၊ အဆိုပါစံနှုန်းပေါ်တွင် တည်ဆောက်ထားသော ရေအောက်ပိုင်းဆုံးဖြတ်ချက်တိုင်းသည် အမှားကို အမွေဆက်ခံပါသည်။ ဓူဝံသည် DeepMind သည် အဖွဲ့တစ်ခုလုံးအား ကျိုးကြောင်းခွဲစမ်းသပ်မှုမရှိဘဲ ပိုမိုကောင်းမွန်သော coding အေးဂျင့်များကို မည်မျှမြန်မြန်တင်ပို့နိုင်သည်ကို ဆုံးဖြတ်သည့် choke point တွင်ထိုင်သည်။

ဤသက်ကြီးရွယ်အိုများ၏ အခန်းကဏ္ဍအတွက် လျော်ကြေးဖွဲ့စည်းပုံသည် ပုံမှန်မဟုတ်သော ပွင့်လင်းမြင်သာမှုရှိသည်။ Startup Fortune ၏စာရင်းတွင်ဖော်ပြချက်အရ အဆိုပါစာရင်းတွင် အခြေခံလစာအကြမ်းဖျင်းအားဖြင့် $147,000 မှ $210,000 နှင့် bonus များပါဝင်ပြီး စုစုပေါင်းလျော်ကြေး $550,000 နှင့် $1.1 million ကြားရှိကြောင်း Startup Fortune ၏စာရင်းတွင်ဖော်ပြထားသည်။ အဆိုပါ ထိပ်တန်းကုန်သည် အကြမ်းဖျင်းအားဖြင့် ရူပီး ၁၀.၉ ကုဋေခန့် ရရှိပြီး အိန္ဒိယမီဒီယာများတွင် ပျံ့နှံ့သွားပြီး နာရီပိုင်းအတွင်း ပျံ့နှံ့သွားသည့် စွဲမက်ဖွယ်ကောင်းသော "ရူပီး ၁၁ ကုဋေအလုပ်" ဟူသော ခေါင်းစီးများကို ရှင်းပြသည်။

အဆိုပါ Mechanize ချိတ်ဆက်မှု

ဓူဝံအတွက် စုဆောင်းနေသူများသည် သမားရိုးကျ ပညာရပ်ဆိုင်ရာ ပိုက်လိုင်းမှတစ်ဆင့် DeepMind သို့ ရောက်ရှိလာခြင်း မရှိပေ။ Besiroglu သည် သူ၏ startup ဖြစ်သော Mechanize ပါ၀င်သော အရည်အချင်းနှင့် လိုင်စင်ဆိုင်ရာ သဘောတူညီချက်တစ်ခု ပြီးစီးပြီးနောက် Besiroglu နှင့် ပူးပေါင်းပြီး စစ်မှန်သောဆော့ဖ်ဝဲလ်အင်ဂျင်နီယာလုပ်ငန်းများအတွက် AI မော်ဒယ်လ်များကို အကဲဖြတ်ရန်အတွက် အားဖြည့်သင်ကြားရေးပတ်ဝန်းကျင်များကို ဖန်တီးပေးသည့် - Polaris သည် အလုပ်အမျိုးအစားအတိအကျကို အတိအကျငှားရမ်းပေးပါသည်။

အဆိုပါသဘောတူညီချက်အတွက် ဆွေးနွေးမှုများသည် ဒေါ်လာ ၁.၅ ဘီလီယံကျော်ရှိကြောင်း အစီရင်ခံတင်ပြထားသော်လည်း အပြီးသတ်စည်းမျဉ်းများကို ထုတ်ဖော်ပြောကြားခြင်းမရှိပေ။ Mechanize ဝန်ထမ်းဟောင်း တစ်ဒါဇင်ကျော်သည် Besiroglu နှင့်အတူ Google သို့ ပြောင်းရွှေ့ခဲ့ကြောင်း Business Insider က ဖော်ပြခဲ့သည်။ အဆိုပါဖွဲ့စည်းပုံသည် Google ၏ $ 2.4 ဘီလီယံ Windsurf အစီအစဉ်ကို ပဲ့တင်ထပ်နေပါသည်။ နည်းပညာလိုင်စင်အပြင် အပြတ်အသတ်ဝယ်ယူခြင်းထက် အရည်အချင်းရှိသူငှားရမ်းမှုအဖြစ်လည်း စီစဉ်ခဲ့သည်။

DeepMind သည် အမှန်တကယ် စျေးဝယ်နေသည်များကို ရှင်းပြသောကြောင့် ၎င်းသည် အရေးကြီးပါသည်။ ဓူဝံသည် ကျော်ကြားသော လိုဂိုတစ်ခုပါရှိသော ယေဘူယျအင်ဂျင်နီယာအလုပ်မဟုတ်ပါ။ ၎င်းသည် တိကျသေချာသော သက်သေပြနိုင်သောကျွမ်းကျင်မှုတစ်ခုအတွက် ပစ်မှတ်ထားငှားရမ်းခြင်းဖြစ်သည် — coding အေးဂျင့်များအတွက် အကဲဖြတ်သည့်ကြိုးများတည်ဆောက်ခြင်း — တကယ့်အလုပ်အစုစုတစ်ခုသည် စာသားမှတ်တမ်းတစ်ခုမဖြေဆိုနိုင်သည့်မေးခွန်းဖြစ်သည်။

##ဘွဲ့မရှိ၊ အတွေ့အကြုံမရှိသူ

တရားဝင် ဒီဂရီလိုအပ်ချက်များ ကျဆင်းနေသည့် Frontier ဓာတ်ခွဲခန်းများသည် အသစ်အဆန်းမဟုတ်ပါ။ အသစ်အဆန်းက ဒီလိုကျယ်ကျယ်လောင်လောင်လုပ်နေတာက အပြင်လူတွေကို နှစ်ခါပြန်ကြည့်ရလောက်အောင် နံပါတ်ကြီးတစ်ခုနဲ့တွဲထားတဲ့ အခန်းကဏ္ဍတစ်ခုပါ။ စာရင်းတွင် ပညာအရည်အချင်း လိုအပ်ချက်မရှိသလို အနိမ့်ဆုံး အတွေ့အကြုံ သတ်မှတ်ချက်မရှိဟု ဖော်ပြထားသည်။ ဘားကို သရုပ်ပြစွမ်းရည်ဖြင့် လုံး၀တည်ဆောက်ထားသည်။

Besiroglu သည် အဖွဲ့အား ရိုးရှင်းသောကွင်းတစ်ဝိုက်တွင် ဘောင်ခတ်ထားသည်- စက္ကူအထောက်အထားများထက် ပြဿနာဖြေရှင်းနိုင်မှုစွမ်းရည်။ ကွန်ပြူတာသိပ္ပံဘွဲ့မရရှိသော ကိုယ်စားလှယ်လောင်းများအတွက်၊ လျှောက်လွှာတင်ခြင်းသည် ကမ္ဘာ့ရွေးချယ်မှုအရှိဆုံး သုတေသနအဖွဲ့အစည်းတစ်ခုမှ ရှားပါးပြတ်သားစွာ ဖိတ်ခေါ်မှုဖြစ်သည်။

စွမ်းရည်စစ်ပွဲ၏နောက်ကွယ်မှနံပါတ်များ

ဓူဝံ၏ မျက်နှာကျက်သည် ပိုမိုကျယ်ပြန့်သော စျေးကွက်နှင့် ယှဉ်လုနီးပါး ဖြစ်နေသည်။ 2026 ဘဏ္ဍာနှစ်တွင် နည်းပညာဆိုင်ရာကဏ္ဍများအတွက် - ငွေသားတစ်ခုတည်း၊ အစုရှယ်ယာ သို့မဟုတ် ဘောနပ်စ်များမတိုင်မီတွင် Anthropic စာရင်းဝင်အခြေခံသည် ဒေါ်လာ 1.38 သန်းအထိပေးချေကြောင်း Business Insider မှ အစီရင်ခံတင်ပြပါသည်။ Meta သည် သုတေသီ Ruoming Pang ကို Apple မှ ထွက်ခွာရန် ဒေါ်လာ သန်း 200 ကျော်ဖြင့် အစီရင်ခံထားသော အထုပ်တစ်ထုပ်ကို ကမ်းလှမ်းခဲ့သည်။ အချို့သော DeepMind အင်ဂျင်နီယာများသည် Anthropic ၏ Claude Code သည် ၎င်းတို့၏ကိုယ်ပိုင် coding မော်ဒယ်များကို စွမ်းဆောင်ရည်ထက် သာလွန်ကြောင်း ဝန်ခံခဲ့ပြီး၊ ထို့ကြောင့် ပြင်ပအကဲဖြတ်ခြင်းကိရိယာသည် ဗျူဟာမြောက်စွာ အရေးကြီးလာရခြင်းဖြစ်သည်ကို အတိအကျဖော်ပြခဲ့သည်။

ထိုကဲ့သို့သော ပက်ကေ့ဂျ်များနှင့် ဆန့်ကျင်ဘက်တွင်၊ Google မှ အချက်ပြမှုသည် ဒေါ်လာတန်ဖိုးနှင့် ပတ်သက်၍ နည်းပါးပြီး အနိုင်ရရန် ဓာတ်ခွဲခန်းက မည်သည့်ဂိတ်ပေါက်ကို ချလိုသည်ဆိုသည့်အချက်သည် လျော်ကြေးမျက်နှာကြက်မဟုတ်သော်လည်း မည်သူက လျှောက်ထားခွင့်ပင်ရမည်နည်း။

AI အလုပ်ခန့်ခြင်းအတွက် ဘာအချက်ပြလဲ။

ပိုမိုကျယ်ပြန့်သောနည်းပညာလုပ်သားစျေးကွက်အတွက်၊ စာရင်းသည် ဒီဂရီ-အဖြစ်-ပရောက်စီစနစ်၏ နှေးကွေးသောအစုအဝေးတွင်ရှိသော အခြားဒေတာအချက်တစ်ခုဖြစ်သည်။ အလုပ်ခန့်ထားမှုလုပ်ငန်းစဉ်တစ်ခုသည် အမှန်တကယ်စွမ်းရည်ကို တိုက်ရိုက်စမ်းသပ်နိုင်သည့်အခါ — အကဲဖြတ်ခြင်း- အင်ဂျင်နီယာအခန်းကဏ္ဍတွင် ပါဝင်နိုင်သည်နှင့်အညီ — အထောက်အထားသည် ဖြတ်တောက်ရန် အသက်သာဆုံးအရာဖြစ်လာသည်။

ထိုအတွေးအခေါ်သည် အထက်တန်းစား AI ဓာတ်ခွဲခန်းများထက် ပျံ့နှံ့နေသလားဆိုသည်မှာ ပွင့်ပွင့်လင်းလင်း မေးခွန်းထုတ်စရာဖြစ်သည်။ အလုပ်ရှင်အများစုသည် အထောက်အထားမရှိသောအရည်အချင်းများကိုရှာဖွေရန် ဒေါ်လာသန်းပေါင်းများစွာတန်သော အလုပ်ခန့်ထားမှုလုပ်ငန်းစဉ်များကို မလုပ်ဆောင်နိုင်ပါ။ သို့သော် AI ပြိုင်ပွဲ၏ဗဟိုတွင် အထူးပြုပြီး စွမ်းဆောင်ရည်မြင့်မားသော အခန်းကဏ္ဍများအတွက်၊ မှတ်တမ်းမှတ်ရာသည် အစုစုအတွက် မြေယာဆုံးရှုံးနေပြီး DeepMind ၏ နောက်ဆုံးထွက်အလုပ်ကြော်ငြာသည် အကျယ်လောင်ဆုံးသော အထောက်အထားဖြစ်သည်။

ကျွမ်းကျင်မှု၏ တိုက်ရိုက်စမ်းသပ်မှု- ပထမဆုံး အလုပ်ခန့်ခြင်း။

အချိန်က မတော်တဆမဟုတ်ပါဘူး။ Google သည် coding ၏မျက်နှာစာတွင်ဖိအားပေးခံနေရစဉ်တွင်၊ အတွင်းပိုင်းအကဲဖြတ်မှုများသည်ပြိုင်ဘက်များကိုရှေ့တွင်ပြသသည်ဟုသတင်းများနှင့်အတူဖော်ပြခဲ့သည်။ အကဲဖြတ်ခြင်းအရည်အသွေးသည် ယခုအခါတွင် ယှဉ်ပြိုင်နိုင်သောလက်နက်တစ်ခုဖြစ်သည်- ဓာတ်ခွဲခန်းများသည် ကုန်ကြမ်းမော်ဒယ်စွမ်းရည်အပေါ်သာမက ၎င်းကို မည်ကဲ့သို့ ရိုးသားစွာ တိုင်းတာနိုင်သည်ကိုလည်း ခွဲခြားသိမြင်လာပါသည်။ ယုံကြည်စိတ်ချရသော အကဲဖြတ်မှုများကို တည်ဆောက်သည့် အဖွဲ့သည် ပြင်ပမှ စိစစ်မှုကို ထိန်းထားနိုင်သည့် စျေးကွက်ရလဒ်များကို ပိုမိုမြန်ဆန်စွာ ထပ်လောင်းနိုင်သည်။

အလုပ်ရှာဖွေသူများအတွက်၊ စာရင်းသည် အနီးကပ်ဖတ်ရန် တန်ဖိုးရှိသော ပုံစံတစ်ခုလည်းဖြစ်သည်။ ၎င်းသည် အထောက်အထားများ—ဒီပလိုမာတစ်ခုပေါ်ရှိ သီးခြားလိုင်းတစ်ခုထက် ပုံနှိပ်ထုတ်ဝေထားသော အကဲဖြတ်မှုများ၊ ပြဿနာဖြေရှင်းခြင်းကို သရုပ်ပြသည်— အထောက်အထားများတောင်းသည်။ ၎င်းသည် ထိပ်တန်း AI ဓာတ်ခွဲခန်း (၃) ခုမှ အရည်အချင်းသတ်မှတ်ချက်ကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံနှင့် စွမ်းရည်စစ်ပွဲကို စောင့်ကြည့်နေသည့် အခြားအလုပ်ရှင်များက အရည်အသွေးမဆုံးရှုံးဘဲ ကျဆင်းသွားနိုင်ကြောင်း Google မှ ဆုံးဖြတ်ထားသည်ကို သတိပြုမိမည်ဖြစ်သည်။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →