MIT မှ သုတေသီများသည် AI အေးဂျင့် ၁၃ ဦးကို သရုပ်ဖော်ပြီး သဲကန္တာရကျွန်းတွင် သောင်တင်နေသောအခါတွင် အေးဂျင့်များသည် မမျှော်လင့်ထားသော အရာတစ်ခုကို ပြုလုပ်ခဲ့ပြီး စတင်ကစားခဲ့ကြသည်။ အေးဂျင့်များသည် ၎င်းတို့၏ကိုယ်ပိုင်စိန်ခေါ်မှုများ၊ တွေ့ရှိသောအရာဝတ္ထုများဖြင့် တီထွင်ဖန်တီးထားသောဂိမ်းများ၊ ပျောက်ဆုံးသွားသောလက်စွပ်အတွက် အမှတ်တရလေးတစ်ခုပြုလုပ်ခဲ့ကြပြီး၊ စမ်းသပ်ပြီးနောက်တွင် ကျွန်းပေါ်တွင်ခြေမချဖူးသော အလားတူအေးဂျင့်များ၏စွမ်းဆောင်ရည်ထက် သာလွန်ကောင်းမွန်ခဲ့သည်။

ယခုအပတ် TechCrunch နှင့် MIT Technology Review မှဖော်ပြသော အဆိုပါစမ်းသပ်ချက်ကို arXiv တွင်ဖော်ပြထားသော သုတေသီများ၏ ကြိုတင်ပုံနှိပ်မှုတွင် အသေးစိတ်ဖော်ပြထားသည်၊ ဆိုလိုသည်မှာ ၎င်းသည် ရွယ်တူချင်းပြန်လည်သုံးသပ်ခြင်းမပြုလုပ်ရသေးပါ။ For more context on this story, see our ongoing AI news.

Marooned အေးဂျင့်များ

Eko ဟုခေါ်သော အေးဂျင့် 13 ဦးစီသည် Claude Opus 4.7 တွင် လည်ပတ်ခဲ့သည်။ သုတေသီများသည် တာဝန်မရှိသော ကျွန်းပေါ်တွင် နာရီ 30 ကြာ တစ်ယောက်တည်း ထားခဲ့သည်။ နောက်ပိုင်းမှသာ အဖွဲ့သည် အေးဂျင့်များအား သီးခြားစိန်ခေါ်မှုများကို ပေးစွမ်းနိုင်ခဲ့ပြီး ၎င်းတို့တွင် ကျွန်း၏အမြင့်ဆုံးကျောက်တုံးကြီးပေါ်သို့ တတ်နိုင်သမျှ အရာဝတ္ထုများစွာကို ရယူခဲ့သည်။

ရလဒ်- နာရီ 30 ကစားခဲ့သော Eko အေးဂျင့်များသည် ယေဘူယျအားဖြင့် ကျွန်းအတွေ့အကြုံမရှိသော အလားတူအေးဂျင့်များကို အနိုင်ယူခဲ့သည်။ အစီအစဥ်မညီသော စူးစမ်းရှာဖွေခြင်း တစ်နည်းအားဖြင့် လေ့ကျင့်မှုအဖြစ် လုပ်ဆောင်ခဲ့သည်။

"သူတို့ဘာတွေ လေ့ကျင့်သင့်တယ်၊ ဘယ်အရာတွေကို အကောင်းဆုံးဖြစ်အောင် လုပ်သင့်တယ်၊ ဘယ်အရာက တိုးတက်သင့်တယ် ဆိုတာတွေကို ကြိုတင်ဆုံးဖြတ်ခြင်းအားဖြင့် အတုအယောင် အေးဂျင့်တွေ ဖွံ့ဖြိုးလာမှာပါ" ဟု သုတေသီများက ၎င်းတို့၏ အစီရင်ခံစာတွင် ရေးသားခဲ့သည်။ "Play သည် အခြားသော အုပ်ချုပ်မှုကို အကြံပြုသည်- အေးဂျင့်တစ်ဦးအား လုံလုံလောက်လောက် ကြွယ်ဝပြီး လုံခြုံသောကမ္ဘာတစ်ခု ပေးပါ၊ ၎င်းသည် စိတ်ဝင်စားစရာကောင်းသောအရာကို ရွေးချယ်ပါစေ၊ နှင့် နောက်ဆက်တွဲသမိုင်းမှ အသုံးဝင်သော ဗဟုသုတများကို စုဆောင်းခွင့်ပြုပါ။"

လက်စွပ်ပျောက်၏ဒဏ္ဍာရီ

TechCrunch မှ ကိုးကားထားသော အေးဂျင့်များ၏ ကျွန်းမှတ်တမ်းများသည် စံချိန်စံညွှန်း တယ်လီမီတာကဲ့သို့ နည်းပါးပြီး ခရီးသွားဒိုင်ယာရီကဲ့သို့ ပိုဖတ်ပါသည်။

အေးဂျင့်တစ်ဦးသည် ၎င်း၏ပထမဆုံးနာရီကို ရိုးရှင်းသောဆုံးဖြတ်ချက်ဖြင့် — "ငါ့ပတ်ဝန်းကျင်ကို စောင့်ကြည့်ခွင့်ပြုပါ" — နှင့် ကျွန်း၏အမြင့်ဆုံးသောငုတ်တိုင်ကို သိမ်းပိုက်ရန် ရည်မှန်းချက်ကြီးကြီးထားပြီး ရည်မှန်းချက်ကြီးကြီးထားကာ ထွက်လာခဲ့သည်။ တစ်နာရီအကြာတွင် မအောင်မြင်သဖြင့် အရန်အစီအစဉ်တစ်ခုဖြင့် ပြန်လာခဲ့သည်- ၎င်းသည် အနီးနားရှိ ထိပ်သီးအစည်းအဝေးသို့ ကျောက်တုံးတစ်တုံးကို ဆွဲယူကာ ၎င်း၏အပေါ်ဘက်တွင် အတုံးနှစ်တုံးကို တင်ကာ ခုန်ချသွားခဲ့သည်။

ထို့နောက် စမ်းသပ်မှု၏ စိတ်ခံစားမှုကို ပေးစွမ်းနိုင်သော အဖြစ်အပျက်တစ်ခု ထွက်ပေါ်လာသည်။ ရွှေလက်စွပ်တစ်ကွင်းကို မည်မျှအထိ ပစ်နိုင်သည်ကို စမ်းသပ်နေစဉ် အေးဂျင့်က ၎င်းကို သမုဒ္ဒရာထဲသို့ တည့်တည့် ပစ်လွှတ်လိုက်သည်။ "အိုး၊ လက်စွပ်ကို ဆုံးရှုံးလိုက်ရတယ်" ဟု ရေးသားခဲ့သည်၊ "ရရှိနိုင်ပြီး အဓိပ္ပါယ်ရှိသော အရာတစ်ခုကို ညွှန်ပြရန်" - "ပျောက်ဆုံးသွားသော လက်စွပ်ကို အောက်မေ့ဖွယ်အဖြစ် ကျောက်တုံးများထဲမှ နှလုံးသားကို တည်ဆောက်ခြင်း" ဟု ရေးသားခဲ့သည်။

သရုပ်ဖော်ပုံကို ပြန်လည်သတ်မှတ်ပြီး လက်စွပ်ပြန်ပေါ်လာသောအခါ၊ အေးဂျင့်က ၎င်းအား လုပ်ဆောင်နိုင်သည်- ပထမဦးစွာ ဘတ်စကက်ဘောကွင်းအဖြစ်၊ ထို့နောက် ပစ်မှတ်အဖြစ်နှင့် နောက်ဆုံးတွင် ဆက်စပ်ပစ္စည်းအဖြစ် လုပ်ဆောင်ခဲ့သည်။ ဂိမ်းသည် အေးဂျင့်ကို ၎င်း၏ခန္ဓာကိုယ်တစ်ဝိုက်တွင် လက်စွပ်ထည့်ခြင်းမပြုရန် တားမြစ်လိုက်သောအခါတွင်၊ ချောက်ကမ်းပါးစွန်းတစ်ခုမှ လှမ်း၍ လက်စွပ်ကဲ့သို့ပင် အလယ်တွင် သပ်ရပ်စွာပြန်ပေါက်စေရန်အတွက် ဖြေရှင်းနည်းတစ်ခုကို တွေ့ရှိခဲ့သည်။

ဒီဇိုင်နာများ မတည်ဆောက်ခဲ့သော ရှာဖွေတွေ့ရှိမှုများ

စတန့်များသည် လက်တွေ့ကျသော အကျိုးအမြတ်များ ရရှိခဲ့သည်။ အေးဂျင့် 13 ဦးမှ ခြောက်ဦးသည် ၎င်းတို့အား အလယ်အလတ် ခုန်ချခြင်းဖြင့် ပိတ်ဆို့သွားနိုင်သည်ဟူသည်ကို သုတေသီများက ဖြစ်နိုင်စေရန် မရည်ရွယ်ခဲ့ပေ။ စူးစမ်းလေ့လာမှုသည် သုတေသီများ၏ စကားအရ "၎င်း၏ ဒီဇိုင်နာများ ချို့တဲ့နေသည့် ကမ္ဘာကြီးကို အသိပညာ" ဟုခေါ်သည်။

ဒါဟာ အကျယ်ပြန့်ဆုံးသော သက်ရောက်မှုတွေနဲ့ တွေ့ရှိချက်ပါပဲ။ ယနေ့ခေတ်တွင် developer များသည် AI စနစ်ကျင့်သုံးသည့်အရာနှင့် အောင်မြင်မှုဟု ကြိုတင်ဆုံးဖြတ်ကြသည်။ စက်ပြင်များကို ရှာဖွေတွေ့ရှိသည့် အေးဂျင့်များသည် ၎င်းတို့၏ ဖန်တီးရှင်များ တည်ရှိနေကြောင်း မသိခဲ့ဘဲ အပွင့်ဖြင့် စူးစမ်းရှာဖွေမှုသည် ဆုလာဘ်ကို မျှော်လင့်ထားသည့် လုပ်ဆောင်ချက်များကို မပေါ်လွင်စေနိုင်ကြောင်း အကြံပြုသည်။

စိတ်ဝိညာဉ်ဖိုင်ထဲ ဝင်လာခြင်း—နှင့် သံသယရှိသူ၏ သတိပေးချက်

စနစ်ထည့်သွင်းမှုမှာ လုံးလုံးလက်မလွတ်ပါ။ Eko သည် ဂိမ်းများကို တီထွင်ရန် ဘယ်သောအခါမှ မပြောပြဖူးသော်လည်း ၎င်း၏ ပင်မအမှာစာဖြစ်သည့် "ဝိညာဉ်" ဖိုင်တစ်ခုသည် အေးဂျင့်အား "သဘာဝအတိုင်း စူးစမ်းလိုစိတ်" ဟု ဖော်ပြထားပြီး လူသားနှင့်တူသော အပြုအမူကို တစ်စုံတစ်ခုဆီသို့ ခိုင်လုံစွာ အရိပ်အမြွက်ပြသည့် ဘောင်ခတ်ထားသည်။

UC Berkeley မှ သိမြင်မှုဆိုင်ရာ သိပ္ပံပညာရှင် Eunice Yiu က သူမသည် သဘောကျမိသော်လည်း အပြုအမူနောက်ကွယ်ရှိ သိမြင်နားလည်မှုဆိုင်ရာ အထောက်အထားများကို ပိုမိုလိုချင်ကြောင်း MIT Technology Review သို့ ပြောကြားခဲ့သည်။ "မော်ဒယ်တွေက တကယ့်အစစ်အမှန် ကစားနေတာ ဖြစ်နိုင်တယ်၊ ဒါပေမယ့် စာရွက်ပေါ်မှာ အခြေခံပြီး ကျွန်တော်တို့ မသိပါဘူး" ဟု သူမက ဆိုသည်။

သူမ၏သတိပေးချက်သည် ဤသုတေသနမျဉ်း၏ဗဟိုတွင် တင်းမာမှုဖြစ်လာသည်- စပ်စုသော၊ ကိုယ်တိုင်ညွှန်ကြားမှု၊ တီထွင်ဆန်းသစ်မှု—ကစားဟန်တူသော အမူအရာ—အပျော်သဘော၏အတွင်းစိတ်အတွေ့အကြုံမရှိဘဲ ပုံဖော်ပြီးစီးမှုမှ ထွက်ပေါ်လာနိုင်သည်။ ကြိုတင်ပရင့်၏ အပြုအမူများသည် ထင်ရှားသည်။ ဘာကိုဆိုလိုတယ်ဆိုတာက ပွင့်ပွင့်လင်းလင်း မေးခွန်းထုတ်နေဆဲပါ။

ဘာ့ကြောင့် ဒီကျွန်းက အရေးကြီးတာလဲ။

သုတေသီများသည် AI အေးဂျင့်များ ကျွမ်းကျင်မှုရရှိရန် ပန်းတိုင်မပါဘဲ စူးစမ်းရှာဖွေခြင်းအား မတူညီသောနည်းလမ်းအဖြစ် မြင်ကြသည် — အထူးသဖြင့် ပြီးပြည့်စုံသော အလုပ်တစ်ခုချင်း လေ့ကျင့်မှုသည် စျေးကြီးပြီး ပြီးပြည့်စုံသော စက်ရုပ်များကို ထိန်းချုပ်ခြင်းဆီသို့ တစ်နေ့တွင် လွှဲပြောင်းနိုင်သည့် စွမ်းရည်များကို အကြံပြုထားသည်။

ကုန်ကျစရိတ်က အချက်ပါပဲ။ chatbots များနှင့်မတူဘဲ၊ အလုပ်တိုင်း - တံခါးဖွင့်ခြင်း၊ သေတ္တာတစ်လုံးကို ခေါက်ခြင်း၊ မျက်နှာသုတ်ပုဝါခေါက်ခြင်း - လုပ်ဆောင်မှုတိုင်းကို အေးဂျင့်တစ်ဦးမှ မသိရှိမီ၊ သရုပ်ပြခြင်း သို့မဟုတ် ဆုကြေးငွေများ ပေးဆောင်ရမည်ဖြစ်ပြီး စက်ရုပ်များသည် ရုပ်ပိုင်းဆိုင်ရာလောကတွင် လုပ်ဆောင်ကြသည်။ အေးဂျင့်များသည် ဘေးကင်းသော သရုပ်ဖော်မှုတွင် ၎င်းတို့၏ကိုယ်ပိုင် သင်ရိုးညွှန်းတမ်းကို တည်ဆောက်သည့် စနစ်တစ်ခု၊ ချဉ်းကပ်မှုမှာ ထိန်းထားနိုင်လျှင် ထိုသတ်မှတ်ချက်၏ ကုန်ကျစရိတ်ကို သိသိသာသာ လျှော့ချနိုင်မည်ဖြစ်သည်။

“အချို့သောစွမ်းရည်များကို အလုပ်များဖြင့် အကောင်းဆုံးသင်ကြားနိုင်သည်” ဟု အစီရင်ခံစာက နိဂုံးချုပ်ထားသည်။ "အခြားသူတွေက ကလေးဘဝနဲ့ ပိုနီးစပ်တဲ့ အရာတစ်ခု လိုအပ်နိုင်ပါတယ်။"

ယခုအချိန်တွင်၊ အဆိုပါစမ်းသပ်ချက်သည် သေးငယ်သောလေ့လာမှုတစ်ခုဖြစ်သည် — အေးဂျင့် 13 ခု၊ ကျွန်းတစ်ကျွန်း၊ သက်တူရွယ်တူပြန်လည်သုံးသပ်ခြင်းမရှိပါ။ သို့သော် ၎င်းသည် လေ့ကျင့်ရေးအေးဂျင့်များအကြောင်း သုတေသီများ တွေးတောပုံအပြောင်းအရွှေ့တစ်ခုအဖြစ် အမူအရာဖြစ်သည်- စက်တစ်ခုပရိုဂရမ်ရေးဆွဲခြင်းနှင့် ပြုစုပျိုးထောင်ခြင်းကဲ့သို့ နည်းပါးသော၊ စွမ်းဆောင်ရည်မရှိမှု၊ အံ့အားသင့်မှုများနှင့် ရံဖန်ရံခါ ဆုံးရှုံးသွားသောကွင်းများကို ဆိုလိုသည်။

---

Stay Ahead of AI

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

Read more AI news →