Posted on Leave a comment

ဟင္းခ်က္နည္းေတြကို ျမင္တာနဲ႕ ခ်က္ျပီးသားဟင္းတစ္ခြက္ရဲ႕ပံုကိုထုတ္ေပးႏုိင္မယ့္ A.I.

Zawgyi Version

ဟင္းခ်က္နည္းေတြေရးထားတဲ့စာအုပ္မွာ ဓါတ္ပံုေတြပါတယ္။ ဘာေၾကာင့္လဲသိလား။ စဥ္းစားၾကည့္ေလ ပါ၀င္ပစၥည္းေတြကိုၾကည့္လိုက္တာနဲ႕ ထြက္လာမယ့္ဟင္းေတြက ဘယ္လုိပံုစံလဲဆိုတာ မသိႏုိင္ပါဘူး။ AI ကေတာ့ ဒီလိုမဟုတ္ပါဘူး။ အနည္းဆံုးေတာ့ အစၥေရး Tel-Aviv University ရဲ႕ သုေတသီေတြရဲ႕ ပေရာဂ်က္ေလးကေပ့ါ။

ဟင္းခ်က္နည္းေပါင္း ၅၂၀၀၀ နဲ႕ ေလ့က်င့္ေပးထားတာမို႕ သုေတသီေတြဟာ ပါ၀င္ပစၥည္းေတြနဲ႕ ဟင္းခ်က္နည္းေလးကိုျမင္လုိက္တာနဲ႕ ေနာက္ဆံုးဘယ္လိုထြက္လာမလဲဆိုတာကို ပံုေလးနဲ႕ ျပသေပးႏုိင္ေတာ့မွာပါ။

“ကၽြန္ေတာ္တို႕ရဲ႕ system က ဟင္းခ်က္နည္းကို input အေနနဲ႕ယူျပီးေတာ့ ေနာက္ဆံုးထြက္ရွိိလာမယ့္ ဟင္းတစ္ခြက္ကို ထုတ္ျပေပးသြားမွာ ျဖစ္ပါတယ္။”လို႕ paper ရဲ႕ ေရးသားသူတစ္ေယာက္ျဖစ္တဲ့ Ori Bar El က ေျပာထားပါတယ္။ “အေရးၾကီးတာက ဟင္းခ်က္နည္းရဲ႕ေခါင္းစဥ္ကို system က မသိပါဘူး။ ေခါင္းစဥ္သိသြားတယ္ဆိုရင္ေတာ့ အေတာ္ေလးလြယ္ေနမွာေပါ့။ ေနာက္ျပီး ဟင္းခ်က္နည္းကလည္း ရွည္လ်ားသလို ပံုကိုတိုက္ရိုက္ျမင္ေစမယ့္အေရးအသားေတြလည္း ေရးမထားပါဘူး။ ဒါေၾကာင့္ လူသားေတြအတြက္ ဒီအလုပ္ကခက္ခဲမယ္ဆိုတာ မွန္းလို႕ရပါတယ္။ ဒါေၾကာင့္ ကြန္ပ်ဴတာေတြအတြက္ အလုပ္ရသြားတာပါ။”

ဒီလိုလုပ္ႏုိင္ဖို႕အတြက္ အဆင့္ႏွစ္ခုကိုအသံုးျပဳရပါတယ္။ ဟင္းခ်က္နည္းကို ကိန္းဂဏန္းဗက္တာအျဖစ္နဲ႕ေျပာင္းလဲရပါတယ္။ ဒါကို text embedding လို႕ ေခၚပါတယ္။ ေနာက္ျပီး အဲဒီဗက္တာေတြနဲ႕အနီးစပ္ဆံုးတူညီတဲ့ဟာေတြနဲ႕ ခ်ိတ္ဆက္ျပီးေတာ့ ဘာသာျပန္ေပးမွာျဖစ္ပါတယ္။ အဲဒီေနာက္မွာေတာ့ network ေလးက  text vector ေတြနဲ႕ခ်ိတ္ဆက္ျပီးေတာ့ ဓါတ္ပံုေလးကို ထုတ္ေပးမွာျဖစ္ပါတယ္။

ေနာက္တစ္ဆင့္ကေတာ့ Generative Adversarial Network (GAN) ကို သံုးထားပါတယ္။ သူကေတာ့ ပံုအသစ္ေတြကို ထုတ္လုပ္ေပးသလို သူတုိ႕ကိုအကဲျဖတ္ေပးတဲ့စနစ္ပါ။ ဒီလုပ္ငန္းစဥ္ေလးကေတာ့ မႏွစ္က Christie ရဲ႕ ေလလံပြဲမွာ ေရာင္းထားတဲ့ A.I.-created painting ေလးပဲ ျဖစ္ပါတယ္။ GAN ဟာ ထုတ္ေပးလုိက္တဲ့ပံုရိပ္ေလးကို တကယ့္အစစ္လို႕ ေတြးမိေအာင္လုပ္ထားတဲ့အတြက္ေၾကာင့္ ပံုေတြက တကယ့္ကိုအစစ္အတုိင္းပါပဲ။

“စိန္ေခၚမႈတစ္ခုရွိပါတယ္။ ဒါကေတာ့ ကၽြန္ေတာ္တို႕ dataset အေနနဲ႕သံုးထားတဲ့ပံုေတြရဲ႕ အရည္အေသြးေတြက နိမ့္ေနပါတယ္။ အလင္းအားနည္းတဲ့အခ်ိန္မွာရုိက္ထားသလို ၀ါးေနတာပါ။”ေနာက္ျပီး ပါစတာ၊ ထမင္း၊ စြပ္ျပဳတ္၊ အသုပ္ စတဲ့အစားအစာေတြကိုလည္း ထုတ္လုပ္ေပးႏုိင္ေအာင္၊ ဟမ္ဘာဂါလိုမ်ိဳး ပံုစံသီးသန္႕ရွိတဲ့အစားအစာေတြကိုလည္း ထုတ္ေပးႏုိင္ေအာင္ ၾကိဳးစားသြားၾကမယ္လို႕ ေျပာၾကပါတယ္။

ရလဒ္ေတြကေတာ့ Instagram ေပၚမွာ ရွယ္လို႕ေကာင္းေပမယ့္လည္း machine learning အတြက္ကေတာ့ အထင္ၾကီးဖြယ္မဟုတ္ေသးပါဘူး။ IBM ရဲ႕ recipe-generating Chef Watson နဲ႕ပူးေပါင္းလိုက္မယ္ဆိုရင္ေတာ့ မိုက္သြားႏုိင္ပါတယ္။

Unicode Version

ဟင်းချက်နည်းတွေရေးထားတဲ့စာအုပ်မှာ ဓါတ်ပုံတွေပါတယ်။ ဘာကြောင့်လဲသိလား။ စဉ်းစားကြည့်လေ ပါဝင်ပစ္စည်းတွေကိုကြည့်လိုက်တာနဲ့ ထွက်လာမယ့်ဟင်းတွေက ဘယ်လိုပုံစံလဲဆိုတာ မသိနိုင်ပါဘူး။ AI ကတော့ ဒီလိုမဟုတ်ပါဘူး။ အနည်းဆုံးတော့ အစ္စရေး Tel-Aviv University ရဲ့ သုတေသီတွေရဲ့ ပရောဂျက်လေးကပေ့ါ။
ဟင်းချက်နည်းပေါင်း ၅၂၀၀၀ နဲ့ လေ့ကျင့်ပေးထားတာမို့ သုတေသီတွေဟာ ပါဝင်ပစ္စည်းတွေနဲ့ ဟင်းချက်နည်းလေးကိုမြင်လိုက်တာနဲ့ နောက်ဆုံးဘယ်လိုထွက်လာမလဲဆိုတာကို ပုံလေးနဲ့ ပြသပေးနိုင်တော့မှာပါ။
“ကျွန်တော်တို့ရဲ့ system က ဟင်းချက်နည်းကို input အနေနဲ့ယူပြီးတော့ နောက်ဆုံးထွက်ရှိလာမယ့် ဟင်းတစ်ခွက်ကို ထုတ်ပြပေးသွားမှာ ဖြစ်ပါတယ်။”လို့ paper ရဲ့ ရေးသားသူတစ်ယောက်ဖြစ်တဲ့ Ori Bar El က ပြောထားပါတယ်။ “အရေးကြီးတာက ဟင်းချက်နည်းရဲ့ခေါင်းစဉ်ကို system က မသိပါဘူး။ ခေါင်းစဉ်သိသွားတယ်ဆိုရင်တော့ အတော်လေးလွယ်နေမှာပေါ့။ နောက်ပြီး ဟင်းချက်နည်းကလည်း ရှည်လျားသလို ပုံကိုတိုက်ရိုက်မြင်စေမယ့်အရေးအသားတွေလည်း ရေးမထားပါဘူး။ ဒါကြောင့် လူသားတွေအတွက် ဒီအလုပ်ကခက်ခဲမယ်ဆိုတာ မှန်းလို့ရပါတယ်။ ဒါကြောင့် ကွန်ပျူတာတွေအတွက် အလုပ်ရသွားတာပါ။”
ဒီလိုလုပ်နိုင်ဖို့အတွက် အဆင့်နှစ်ခုကိုအသုံးပြုရပါတယ်။ ဟင်းချက်နည်းကို ကိန်းဂဏန်းဗက်တာအဖြစ်နဲ့ပြောင်းလဲရပါတယ်။ ဒါကို text embedding လို့ ခေါ်ပါတယ်။ နောက်ပြီး အဲဒီဗက်တာတွေနဲ့အနီးစပ်ဆုံးတူညီတဲ့ဟာတွေနဲ့ ချိတ်ဆက်ပြီးတော့ ဘာသာပြန်ပေးမှာဖြစ်ပါတယ်။ အဲဒီနောက်မှာတော့ network လေးက text vector တွေနဲ့ချိတ်ဆက်ပြီးတော့ ဓါတ်ပုံလေးကို ထုတ်ပေးမှာဖြစ်ပါတယ်။
နောက်တစ်ဆင့်ကတော့ Generative Adversarial Network (GAN) ကို သုံးထားပါတယ်။ သူကတော့ ပုံအသစ်တွေကို ထုတ်လုပ်ပေးသလို သူတို့ကိုအကဲဖြတ်ပေးတဲ့စနစ်ပါ။ ဒီလုပ်ငန်းစဉ်လေးကတော့ မနှစ်က Christie ရဲ့ လေလံပွဲမှာ ရောင်းထားတဲ့ A.I.-created painting လေးပဲ ဖြစ်ပါတယ်။ GAN ဟာ ထုတ်ပေးလိုက်တဲ့ပုံရိပ်လေးကို တကယ့်အစစ်လို့ တွေးမိအောင်လုပ်ထားတဲ့အတွက်ကြောင့် ပုံတွေက တကယ့်ကိုအစစ်အတိုင်းပါပဲ။
“စိန်ခေါ်မှုတစ်ခုရှိပါတယ်။ ဒါကတော့ ကျွန်တော်တို့ dataset အနေနဲ့သုံးထားတဲ့ပုံတွေရဲ့ အရည်အသွေးတွေက နိမ့်နေပါတယ်။ အလင်းအားနည်းတဲ့အချိန်မှာရိုက်ထားသလို ဝါးနေတာပါ။”နောက်ပြီး ပါစတာ၊ ထမင်း၊ စွပ်ပြုတ်၊ အသုပ် စတဲ့အစားအစာတွေကိုလည်း ထုတ်လုပ်ပေးနိုင်အောင်၊ ဟမ်ဘာဂါလိုမျိုး ပုံစံသီးသန့်ရှိတဲ့အစားအစာတွေကိုလည်း ထုတ်ပေးနိုင်အောင် ကြိုးစားသွားကြမယ်လို့ ပြောကြပါတယ်။
ရလဒ်တွေကတော့ Instagram ပေါ်မှာ ရှယ်လို့ကောင်းပေမယ့်လည်း machine learning အတွက်ကတော့ အထင်ကြီးဖွယ်မဟုတ်သေးပါဘူး။ IBM ရဲ့ recipe-generating Chef Watson နဲ့ပူးပေါင်းလိုက်မယ်ဆိုရင်တော့ မိုက်သွားနိုင်ပါတယ်။

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.