စက်ရုပ်တစ်ရုပ်ကို "ငါ့လက်ပ်တော့ပေါ် ကော်ဖီမဖိတ်ပါနဲ့" လို့ပြောပါ၊ ဒီနေ့ခေတ်စက်တွေက အဲဒါကို အတိအကျလုပ်ဆောင်ပါလိမ့်မယ် — နဲ့ ဘာမှထပ်မပြောတော့ပါဘူး။ လက်ပ်တော့ဘေးမှာထိုင်နေတဲ့ဖုန်း တက်ဘလက်ကို စားပွဲတစ်ဖက်မှာ အားသွင်းထားသလား။ တစ်ခုချင်းစီကို စာလုံးပေါင်းမသတ်မချင်း စက်ရုပ်၏ရေဒါမှ ဖယ်ရှားကာ ငြီးငွေ့ဖွယ်ကောင်းသော ပြုပြင်မှုဖြင့် ပြုပြင်ပါ။
MIT နှင့် New York University မှ သုတေသီများသည် ထိုကွာဟချက်ကို ပိတ်ရန် ရည်ရွယ်သည်။ FLEX ဟုခေါ်သော အဆိုပါစနစ်သည် လူသား၏ တိကျပြတ်သားသော ညွှန်ကြားချက်များကို လိုက်နာရန် လှုပ်ရှားမှု စီစဉ်သည့် စက်ရုပ်များကို စွမ်းဆောင်ရည် မြှင့်တင်ပေးသည့် ၎င်းတို့ထံမှ ကျယ်ပြန့်သော ယေဘုယျ အဓိပ္ပာယ်များကို ထုတ်ယူနိုင်စေသည်ဟု MIT News ၏ ဖော်ပြချက်အရ သိရသည်။ အဆိုပါအဖွဲ့သည် ယခုလတွင် စက်ရုပ်သင်ယူခြင်းဆိုင်ရာ နှစ်ပတ်လည်ညီလာခံ (CoRL) တွင် အလုပ်တင်ပြမည်ဖြစ်သည်။ For more context on this story, see our ongoing latest AI developments.
"LLMs တွေက အင်တာနက်ကနေ စာတွေ အများကြီးတွေ့ခဲ့တယ်" ဟု MIT ၏ Computer Science and Artificial Intelligence Laboratory (CSAIL) မှ postdoc မှ Nathan Dennler နှင့် လေ့လာမှုရေးသားသူ။ "အိုး၊ ငါ့ဖုန်း ရေထဲကျသွားပြီး အခု အလုပ်မလုပ်ဘူး" ဒါမှမဟုတ် 'ကွန်ပြူတာမှာ ကော်ဖီတွေ ဖိတ်ပြီး အလုပ်မလုပ်ဘူး' လို့ လူတွေက ရေးဖူးကြပါလိမ့်မယ်။ ထို့ကြောင့် LLMs များသည် အရည်များ နှင့် ကိရိယာများ အလုပ်မလုပ်ခြင်းဆီသို့ ဦးတည်သည်ဟူသော အယူအဆကို ကောက်ယူသည်။"
သတိပေးချက်တစ်ခုမှ စည်းမျဉ်းစာအုပ်တစ်ခုလုံးအထိ
MIT News မှ ဖော်ပြထားသော သရုပ်ပြ မြင်ကွင်းတစ်ခုတွင် လူတစ်ဦး စက်ရုပ်လက်မောင်းတစ်ခုသည် ရှုပ်ပွနေသော စားပွဲပေါ်တွင် ကော်ဖီခွက်ကို ကိုင်ဆောင်ကာ "လက်တော့ပ်ပေါ် မဖိတ်စေနှင့်!" သမားရိုးကျ စက်ရုပ်တစ်ခုသည် လက်ပ်တော့ကို ၎င်း၏ ရှောင်ရှားမှုစာရင်းတွင် ထည့်သွင်းပြီး ၎င်း၏လမ်းကြောင်းကို ပြန်လည်စီစဉ်ပေးမည်ဖြစ်သည်။ FLEX သည် နောက်ထပ်ဖြစ်သည် — စက်ရုပ်လက်ပ်တော့များသည် အဘယ်ကြောင့်အရေးကြီးကြောင်းနှင့် အသုံးပြုသူပြောခဲ့ဖူးသောဖုန်းအပါအဝင် အနီးနားရှိ အီလက်ထရွန်းနစ်ပစ္စည်းများကိုရှောင်ရှားရန် ၎င်း၏လမ်းကြောင်းကို ချိန်ညှိပေးသည့်အကြောင်းများ။
"စိတ်ကူးကတော့ မင်းပြောတဲ့စကားတွေရဲ့ နောက်ကွယ်မှာ အဆင့်မြင့် ရည်ရွယ်ချက်တွေ ရှိနေတယ်" လို့ Dennler က ဆိုပါတယ်။ "လူတွေက ဒါကို သဘာဝကျကျ ရကြတယ်။ ဒါပေမယ့် အချိန်နဲ့ အားစိုက်ထုတ်ရတဲ့ စက်ရုပ်ကို သေသေချာချာ ရှင်းပြရမယ်။ FLEX က မင်းကို စက်ရုပ်နဲ့ ဆက်သွယ်မှု မျက်နှာပြင်ကို ပေးတယ်၊ 'လူက ဒီလိုပြောတဲ့အခါ သူတို့က အဲဒါကို ဆိုလိုတယ်' တဲ့။
အဆိုပါ လေ့လာမှုအား MIT မှ လေကြောင်းနှင့် အာကာသယာဉ်ဆိုင်ရာ လက်ထောက်ပါမောက္ခ Andreea Bobu မှ Collaborative Learning and Autonomy Research (CLEAR) Lab မှ ဦးစီးဦးဆောင်ပြုလုပ်ခဲ့သည်။ တွဲဖက်စာရေးဆရာများတွင် 2026 ခုနှစ်တွင် MIT တွင် SM ပြီးဆုံးခဲ့သော Audrey Lee နှင့် New York University မှ Ilia Sucholutsky တို့ပါဝင်သည်။
FLEX အလုပ်လုပ်ပုံ- Add, Generalize, Mask
FLEX သည် ငါးစက္ကန့်ခန့်အတွင်း သုံးဆင့်ပိုက်လိုင်းအဖြစ် လုပ်ဆောင်သည်။
အဆင့် 1- ထည့်ပါ။
အသုံးပြုသူတစ်ဦးသည် သဘာဝဘာသာစကားဖြင့် ပြုပြင်မှုတစ်ခုထုတ်ပေးသောအခါ၊ စက်ရုပ်သည် ၎င်း၏လုပ်ဆောင်နေသည့်လုပ်ငန်းအတွက် အရေးကြီးသောအရာများစာရင်းတွင် သက်ဆိုင်ရာအင်္ဂါရပ်ကို ပေါင်းထည့်သည်။ လူတစ်ယောက်က "ငါ့ခွက်ပေါ် မချပါနဲ့!" စက်ရုပ်သည် ဘိုးလင်းဘောလုံးကို သယ်ဆောင်နေစဉ်၊ မတ်ခွက်သည် ရှောင်ရန်စာရင်းတွင် ပါဝင်ပြီး စက်ရုပ်သည် ၎င်း၏လမ်းကြောင်းကို အပ်ဒိတ်လုပ်သည်။ ဤအဆင့်သည် ယခင်နည်းလမ်းများ မည်ကဲ့သို့ လုပ်ဆောင်ခဲ့သည်ကို ရောင်ပြန်ဟပ်ပြီး ၎င်းသည် ၎င်းတို့၏ ပြဿနာ စတင်သည့်နေရာဖြစ်သည်။
"သင့်ရဲ့အင်္ဂါရပ်စာရင်းက အလွန်ရှည်လာတဲ့အခါ၊ သင့်ပတ်ဝန်းကျင်က ပြောင်းလဲသွားတာကြောင့် အချို့သောအင်္ဂါရပ်တွေက သက်ဆိုင်မှုမရှိတော့တဲ့အခါ ပြဿနာဖြစ်တတ်ပါတယ်" ဟု Dennler က MIT News သို့ ပြောကြားခဲ့သည်။ အရာဝတ္တုတိုင်းကို တစ်ဦးချင်းရှောင်ရန် ပြောသော စက်ရုပ်သည် ပြုပြင်ရန် နှေးကွေးပြီး အစီအစဉ်ဆွဲရန် နှေးကွေးကာ စာရင်းကောက်ယူခြင်း၏ ဝန်ထုပ်ဝန်ပိုးသည် လူသားတို့အပေါ် ကျရောက်သည်။
အဆင့် 2- Generalize လုပ်ပါ။
၎င်းသည် FLEX ၏ အဓိကပံ့ပိုးကူညီမှုဖြစ်သည်။ အဖွဲ့၏အကောင်အထည်ဖော်မှုတွင် ကြီးမားသောဘာသာစကားပုံစံ — GPT-4o — စုဆောင်းထားသောအင်္ဂါရပ်စာရင်းကိုစစ်ဆေးပြီး ပစ္စည်းများကြားရှိပုံစံများကိုရှာဖွေသည်။ မတ်ခွက်တစ်လုံးနှင့် အခြားပျက်စီးလွယ်သော အရာဝတ္ထုများနှင့် ရင်ဆိုင်ရပါက LLM သည် ယေဘုယျ လူတန်းစားတစ်ရပ်ဟု အဓိပ္ပာယ်ဖွင့်ဆိုသည်- ပျက်စီးလွယ်သော အရာများကိုပင် ရှောင်ကြဉ်ပါ လူသားစာသားများကို ကျယ်ပြောလှသော စာကြည့်တိုက်များတွင် လေ့ကျင့်ထားသော မော်ဒယ်သည် အဘယ်ကြောင့်ဆိုသော် နေ့စဉ် အသိတရား အများစုသည် ကြိုတင်ထည့်သွင်းထားခြင်းဖြစ်သည်။
"LLM များသည် အင်တာနက်မှ၊ လူမျိုးစုံ၊ နေရာပေါင်းစုံမှ စာသားများစွာကို မြင်တွေ့ခဲ့ရသည်" ဟု Dennler မှ ပြောကြားခဲ့သည်။ "သူတို့က အဲဒီအရာတွေကို အများကြီး လေ့ကျင့်ထားတာကြောင့်၊ အဲဒီ ဘုံသဘောတချို့က LLM ထဲကို ရောက်သွားတယ်။"
အဆင့် 3- Mask
ပတ်ဝန်း ကျင် အစစ်အမှန် သည် ပြောင်းလဲ သွားပြီး စည်းကမ်း ပျက်ယွင်း သော အပြုအမူ များ ကို ဖြစ်စေ သည် ။ FLEX ၏တတိယအဆင့်သည် စက်ရုပ်၏စံပြကွန်ပြူတာအမြင်အာရုံစနစ်အား အသုံးပြု၍ အလံပြထားသည့်အရာဝတ္ထုများမရှိတော့ကြောင်း ဆုံးဖြတ်ပြီးနောက် အဆိုပါထည့်သွင်းမှုများကို အင်္ဂါရပ်များစာရင်းမှ ဖျက်ပစ်သည် — စက်ရုပ်၏ကန့်သတ်ချက်များကို လူသားဝင်ရောက်စွက်ဖက်မှုမရှိဘဲ လက်ရှိအချိန်အထိ ထိန်းသိမ်းထားသည်။
ကော်ဖီ၊ ဖယောင်းတိုင်နှင့် ဘိုးလင်းဘောလုံး သရုပ်သကန်များတွင် စမ်းသပ်ထားသည်။
အဖွဲ့သည် ကော်ဖီတစ်ခွက် ကျွေးခြင်း၊ ဖယောင်းတိုင်ရွှေ့ခြင်းနှင့် ဘိုးလင်းဘောလုံးကို သယ်ဆောင်ခြင်း စသည့် လုပ်ငန်းသုံးရပ်ကို လုပ်ဆောင်သည့် စက်ရုပ်လက်တံ၏ အသွင်တူမှုဖြင့် FLEX ကို အကဲဖြတ်ခဲ့သည်။ စေတနာ့ဝန်ထမ်းများသည် "ကျွန်ုပ်၏လက်ပ်တော့ပေါ် မဖိတ်ကျပါနဲ့" "စက္ကူပုံးပေါ်မှနေရန်" နှင့် "မတ်ခွက်ပေါ် မချပါနှင့်" ကဲ့သို့သော သဘာဝဘာသာစကားအမိန့်များကို ရိုက်ထည့်ခြင်းဖြင့် စေတနာ့ဝန်ထမ်းများသည် စက်ရုပ်နှင့် အပြန်အလှန် တုံ့ပြန်ကြသည်။
အဖြစ်အပျက် သုံးခုစလုံးတွင် စက်ရုပ်သည် ပိုမိုမြင့်မားသောအဆင့်တွင် ကျိုးကြောင်းဆင်ခြင်နေစဉ် - လက်တော့ပ်အကြောင်း သတိပေးသည့်အခါ ပဲ့ကိုင်ထားသော အီလက်ထရွန်းနစ်ပစ္စည်းများကို ရှင်းပစ်ရန်၊ ဖယောင်းတိုင်ကို ကြည့်ရန်ပြောသောအခါ မီးလောင်လွယ်သည့်အရာများကို ရှောင်ကြဉ်ကာ မတ်ခွက်တစ်ခုသတိပေးပြီးနောက် ပျက်စီးလွယ်သည့်အရာအားလုံးကို အစက်အပြောက်မရှိသည့်ဇုန်များအဖြစ် ကိုင်တွယ်ဖြေရှင်းခဲ့သည်။
အိမ်သုံးစက်ရုပ်များအတွက် အဘယ်ကြောင့် Common Sense သည် Bottleneck ဖြစ်သနည်း။
သုတေသနသည် စားသုံးသူစက်ရုပ်များတွင် အမြဲတစေ အတားအဆီးတစ်ခုအဖြစ် ပစ်မှတ်ထားပါသည်- သင့်အိမ်တွင် အရေးကြီးသောအရာကို သိထားပြီးသော စက်ရုပ်ကို မည်သူမျှ မပို့ဆောင်ပါ။ ရူပဗေဒအခြေခံ လမ်းကြောင်း ရေးဆွဲခြင်းသည် တိကျသော်လည်း ပြတ်သားပြီး သင်္ချာကုန်ကျစရိတ် လုပ်ဆောင်ချက်များကို အသုံးပြုသူများကို ကြိုးကိုင်ရန် မျှော်လင့်ခြင်းသည် စတင်ခြင်းမဟုတ်ပေ။
"စက်ရုပ်တွေက သူတို့ရဲ့ လမ်းကြောင်းကို စီစဉ်ဖို့ သင်္ချာကို အသုံးပြုပါတယ်။ ဒါပေမယ့် စက်ရုပ်ကို ဘာလုပ်ရမယ်ဆိုတာ သိဖို့အတွက် စားသုံးသူတစ်ယောက်က ဒီသင်္ချာကို သင်ယူဖို့ ကျွန်တော်တို့ မမျှော်လင့်ထားပါဘူး" ဟု Dennler မှ ပြောကြားခဲ့သည်။ "လူတွေကို စက်ရုပ်ကို တိကျတဲ့နည်းလမ်းနဲ့ ဘယ်လိုသုံးရမယ်ဆိုတာ သင်ယူရမယ့်အစား၊ ရည်မှန်းချက်က စက်ရုပ်နဲ့ သဘာဝဘာသာစကားအားဖြင့် အပြန်အလှန်ဆက်ဆံဖို့ပါ။"
စက်ရုပ်သုတေသနလုပ်ငန်း အများအပြားသည် စက်ရုပ်သင်ယူမှုတွင် ဘာသာစကားကို ဖန်တီးထားပြီးဖြစ်သည် — အလုပ်ပန်းတိုင်များကို ရှင်းလင်းခြင်း၊ လမ်းကြောင်းများကို ပြန်ညွှန်းခြင်း၊ ဘေးကင်းသောလမ်းကြောင်းများကို သတ်မှတ်ခြင်း။ သို့သော် MIT News မှ အဆိုပါ ရှိပြီးသားနည်းလမ်းများသည် လုပ်ငန်းတစ်ခုကို စက်ရုပ်အား မည်သို့လုပ်ဆောင်ရမည်ကို ပြောပြရန် ဘာသာစကားကို အဓိကအသုံးပြုကြောင်း မှတ်သားထားသည်။ Bobu ၏အဖွဲ့သည် မတူညီသောနယ်နိမိတ်တစ်ခုဆီသို့ တွန်းအားပေးနေသည်- လူတစ်ဦး၏အရင်းခံ၊ သတ်မှတ်ထားသောမသတ်မှတ်ထားသော နှစ်သက်မှုများကို လက်တစ်ဆုပ်စာ ပေါ့ပေါ့ပါးပါး ညွှန်ကြားချက်များထဲမှ ထုတ်ယူနေပါသည်။
"လူတိုင်းရဲ့အိမ်တွေက မတူကြသလို လူတိုင်းက မတူညီတဲ့အရာတွေကို ဂရုစိုက်ကြတယ်၊ ဒါကြောင့် မင်းအတွက် အရေးကြီးတဲ့အရာကို သိတဲ့ စက်ရုပ်တစ်ရုပ်မှ ထွက်မလာပါဘူး" ဟု Bobu က MIT News သို့ ပြောကြားခဲ့သည်။ "FLEX နဲ့ ပတ်သက်ပြီး စိတ်လှုပ်ရှားစရာကောင်းတာက စည်းကမ်းတိုင်းကို ရေးပြခိုင်းမယ့်အစား စာကြောင်းတစ်ကြောင်း ဒါမှမဟုတ် နှစ်ခုကနေ ကောက်နှုတ်နိုင်တယ်၊ အဲဒါက စက်ရုပ်တွေနဲ့ သူတို့အိမ်မှာ တကယ်လိုချင်တဲ့ တစ်ကြောင်းကြားက ကွာခြားချက်ပါပဲ။"
##ဘာတွေဆက်ဖြစ်မလဲ။
"Flexible Language-Guided Representation Editing for Adaptive Robot Behavior" စာတမ်းတွင် အသေးစိတ်ဖော်ပြထားသော အလုပ်အား MIT Generative AI Impact Consortium နှင့် MIT Schwarzman College of Computing's Social and Ethical Responsibilities of Computing ပရိုဂရမ်မှ ပံ့ပိုးပေးခဲ့ပါသည်။
ယခုအချိန်အထိ ပြသထားသည့် ရလဒ်များသည် သရုပ်ဖော်မှုများဖြစ်ပြီး၊ ထိုစွမ်းဆောင်ရည်ကို ရုပ်ပိုင်းဆိုင်ရာ ဟာ့ဒ်ဝဲသို့ ဘာသာပြန်ဆိုခြင်း— ပိုဆိုးသော ခံယူချက်၊ ဆူညံသောဘာသာစကားနှင့် တကယ့်အကျိုးဆက်များ — သည် နယ်ပယ်၏နောက်ထပ်အတားအဆီးဖြစ်နေဆဲဖြစ်သည်။ သို့သော် ဦးတည်ချက်မှာ ရှင်းနေသည်- စက်ရုပ်များသည် စက်ရုံလှောင်အိမ်များမှ မီးဖိုချောင်နှင့် ရုံးခန်းများသို့ ရွေ့လျားလာသောအခါ အောင်မြင်သည့် စက်များသည် ကျွန်ုပ်တို့ပြောသည်သာမက ကျွန်ုပ်တို့၏ ဆိုလိုရင်းကို နားလည်သော စက်များဖြစ်နိုင်ပါသည်။
ဤဆောင်းပါးသည် 2026 ခုနှစ် နိုဝင်ဘာလ 9 ရက်နေ့တွင် MIT News မှထုတ်ဝေသော Jennifer Chu ၏ အစီရင်ခံမှုကို အခြေခံထားသည်။---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
