AGI (Artificial General Intelligence) ကို “လူသားတွေ နောက်ဆုံးတီထွင်မယ့်အရာ” အဖြစ် ရှုမြင်နေကြသော်လည်း၊ အောက်စဖို့ဒ်တက္ကသိုလ်မှ Carl Benedikt Frey က ထိုအယူအဆမှာ အလွန်ကြီးကျယ်သော သတ်မှတ်ချက်များစွာအပေါ် မူတည်နေကြောင်း ထောက်ပြထားသည်။ ၎င်း၏အမြင်အရ အကြံဉာဏ်ထုတ်လုပ်နိုင်စွမ်း မြင့်လာရုံမျှဖြင့် တကယ့် လက်တွေ့တီထွင်ဆန်းသစ်မှုများ အလိုအလျောက် ပြီးမြောက်သွားမည် မဟုတ်ကြောင်း ဆိုသည်။
Frey ၏ ဆောင်းပါးအရ ၁၉၆၀ ပြည့်လွန်နှစ်များ အလယ်ပိုင်းတွင် သင်္ချာပညာရှင်နှင့် Bletchley Park မှ cryptographer ဖြစ်သူ I.J. Good က “ultraintelligent machine” တစ်လုံးကို တည်ဆောက်နိုင်ပါက ထိုစက်သည် ပိုမိုကောင်းမွန်သည့် စက်များကို ဆက်လက်ဒီဇိုင်းထုတ်နိုင်ပြီး လူ့ဉာဏ်ရည်ကို ကျော်လွန်သွားမည့် “intelligence explosion” ဖြစ်ပေါ်လာနိုင်ကြောင်း ဆိုခဲ့သည်။ ယင်းစက်သည် “လူသားတွေ ထပ်မံတီထွင်စရာ မလိုတော့မည့် နောက်ဆုံးတီထွင်မှု” ဖြစ်လာနိုင်မည်ဟုလည်း ၎င်းက ခန့်မှန်းခဲ့သည်။
သို့သော် Frey က တီထွင်ဆန်းသစ်မှုသည် အိုင်ဒီယာတစ်ခုမှ ရလဒ်တစ်ခုအထိ ချောမွေ့စွာ ရောက်ရှိသွားသည့် လမ်းကြောင်းမဟုတ်ဘဲ၊ အားနည်းချက်တစ်ခု ရှိရုံဖြင့်ပင် တစ်ခုလုံး ပြိုလဲသွားနိုင်သည့် “ကွင်းဆက်” တစ်ခုကဲ့သို့ ဖြစ်ကြောင်း ရှင်းပြသည်။ ဥပမာအားဖြင့် ၁၉၈၆ ခုနှစ် Challenger အာကာသယာဉ် ပေါက်ကွဲမှုသည် အင်ဂျင် သို့မဟုတ် ဆော့ဖ်ဝဲ ချို့ယွင်းမှုကြောင့် မဟုတ်ဘဲ အအေးဓာတ်ကြောင့် ရာဘာတံဆိပ် O-ring ပျက်စီးခဲ့ခြင်းကြောင့် ဖြစ်ပွားခဲ့သည်ဟု Nobel ဆုရှင် ရူပဗေဒပညာရှင် Richard Feynman က စုံစမ်းကြားနာမှုတွင် ထုတ်ဖော်ပြခဲ့သည်။ ထို O-ring သည် ယခုအခါ အဆင့်မြင့်စနစ်ကြီးများကိုပင် ပြိုလဲစေနိုင်သည့် “ကျပ်တည်းနေရာ” (bottleneck) များ၏ သင်္ကေတတစ်ခုအဖြစ် ရပ်တည်လာခဲ့သည်။
AGI သည် ဆေးဘက်ဆိုင်ရာ သုတေသန၏ အစပိုင်းအဆင့်များကို အလွန်မြန်ဆန်စေနိုင်သော်လည်း၊ clinical trials (လက်တွေ့စမ်းသပ်မှု) များကို ဖြတ်ကျော်နိုင်ခြင်း၊ အကြီးစားထုတ်လုပ်နိုင်ခြင်း သို့မဟုတ် စည်းမျဉ်းဆိုင်ရာ ခွင့်ပြုချက် ရရှိနိုင်ခြင်း မရှိပါက “ရှာဖွေတွေ့ရှိမှု” သည် လူနေမှုဘဝကို တိုးတက်စေမည့် တီထွင်မှုတစ်ခုအဖြစ် မပြောင်းလဲနိုင်ကြောင်း ဆောင်းပါးက ဆိုထားသည်။ အစပိုင်း လုပ်ငန်းများကို စက်က အလိုအလျောက်လုပ်ဆောင်လာနိုင်သော်လည်း လူသားတို့၏ အခန်းကဏ္ဍ ပျောက်ကွယ်သွားမည်မဟုတ်ဘဲ၊ ဆုံးဖြတ်ချက်ချမှု၊ မထင်ရှားသည့်အသိပညာ (tacit knowledge) နှင့် လက်တွေ့ကျကျ လုပ်ဆောင်နိုင်စွမ်း လိုအပ်သည့် ကျန်ရှိနေသော ကျပ်တည်းနေရာများဘက်သို့ ရွေ့သွားမည်ဟု Frey က ဆိုသည်။
ထို့အပြင် AGI သည် လူသားများထက်သာရုံသာမက AGI ကို အသုံးပြုနေသည့် လူသားများထက်ပင် သာလွန်ရမည်ဖြစ်ကြောင်း ၎င်းက ထောက်ပြသည်။ “နောက်ဆုံးတီထွင်မှု” ဟူသော အယူအဆ မှန်ကန်ရန်ဆိုပါက လူသားများသည် AI ၏ မိတ်ဖက် သို့မဟုတ် ကြီးကြပ်သူအဖြစ်ပင် မလိုအပ်တော့သည့် အခြေအနေထိ ရောက်ရှိရမည်ဟုလည်း ဆိုထားသည်။ သို့သော် ဉာဏ်ရည်ကို “ပို” တိုးမြှင့်လိုက်ရုံမျှဖြင့် “နည်း” သည့် လူသားတို့၏ အားကို အလိုအလျောက် အစားထိုးနိုင်မည် မဟုတ်ကြောင်း၊ AGI တစ်ခုသည် လူသားထက် အမြန်နှုန်းနှင့် ပုံစံရှာဖွေမှုတွင် ထူးချွန်သော်လည်း ရှားပါးသည့် အခြေအနေများတွင် အားနည်းနိုင်ကြောင်း Frey က ရှင်းပြသည်။ လူသားနှင့် စက်တို့၏ အားသာချက်များသည် မတူညီသဖြင့် နှစ်ဖက်ပေါင်းစပ်အသုံးပြုသည့် ဆုံးဖြတ်ချက်ချမှုက တစ်ဖက်တည်းထက် မကြာခဏ ပိုမိုကောင်းမွန်ကြောင်းလည်း ၎င်းက ဆိုသည်။
ဥပမာအဖြစ် Go ကစားနည်းကိုလည်း ၎င်းက ကိုးကားထားသည်။ Google DeepMind ၏ AlphaGo သည် ၂၀၁၆ ခုနှစ်တွင် Lee Sedol ကို ၄-၁ ဖြင့် အနိုင်ယူခဲ့ပြီးနောက် လူသားကစားသမားများထက် သာလွန်မှုကို အပြီးသတ် သက်သေပြပြီးပြီဟု ထင်မြင်ခဲ့ကြသည်။ သို့သော် ၂၀၂၃ ခုနှစ်တွင် သုတေသနများက ထူးခြားဆန်းပြားသည့် အနေအထားများထဲသို့ အဓိက အင်ဂျင်များကို ဖိအားပေးရွေ့လျားစေခြင်းအားဖြင့် အလယ်အလတ်အဆင့် ကွန်ပျူတာကျွမ်းကျင်မှုသာရှိသည့် လူသားအနှစ်မဲ့ ကစားသမားတစ်ဦးကပင် အကောင်းဆုံး ပရိုဂရမ်များကို တသမတ်တည်း အနိုင်ယူနိုင်ကြောင်း ပြသခဲ့သည်။ ထင်ရှားသည့် သာလွန်မှုအောက်တွင် စနစ်တကျ အားနည်းချက်များ ပုန်းကွယ်နေနိုင်ပြီး၊ ထိုနေရာတွင် လူသားအကူအညီက အများဆုံးတန်ဖိုး ရှိလာတတ်ကြောင်း ဆောင်းပါးက ဆိုသည်။
တတိယအကြောင်းရင်းမှာ အသိပညာကိုယ်တိုင် ဖြစ်သည်။ “နောက်ဆုံးတီထွင်မှု” အယူအဆသည် လိုအပ်သည့် အချက်အလက်အားလုံးကို စနစ်တကျ ကုဒ်သွင်းနိုင်မည်ဟု ယူဆထားသော်လည်း လက်တွေ့တွင် ထိုသို့မဟုတ်ကြောင်း Frey က ပြောသည်။ Ford Model T သည် ကားကို အစုလိုက်အပြုံလိုက် သုံးစွဲနိုင်သည့် ထုတ်ကုန်အဖြစ် ပြောင်းလဲပေးခဲ့သည့် တီထွင်မှုတစ်ခုဖြစ်သော်လည်း Henry Ford ၏ အောင်မြင်မှုမှာ ဒီဇိုင်းအသစ်တစ်ခုတည်း မဟုတ်ဘဲ ထုတ်လုပ်မှုစနစ်ကို စနစ်တကျ စီမံခန့်ခွဲနိုင်ခဲ့ခြင်းတွင် ပိုမိုအရေးကြီးကြောင်း ဆောင်းပါးက ဖော်ပြထားသည်။
အကြောင်းကြားခံအဖွဲ့များသည် အီတလီ၊ ဂျာမနီ၊ ဆိုဗီယက် ပြည်ထောင်စုနှင့် အခြားနိုင်ငံများမှ Ford ၏ စက်ရုံများကို ကိုယ်တိုင်လာရောက် လေ့လာခဲ့ကြရခြင်းမှာလည်း ထိုအရေးကြီးသည့် know-how ကို ပုံကြမ်း (blueprint) တစ်ခုတည်းမှ မရနိုင်သောကြောင့် ဖြစ်သည်။ ထိုအသိပညာသည် လုပ်ငန်းစဉ်အစီအစဉ်၊ စက်ကိရိယာအသုံးပြုမှု၊ အဆင့်လိုက် လုပ်ဆောင်ပုံနှင့် စက်ရုံဝန်ထမ်းများ၏ နေ့စဉ်ပြဿနာဖြေရှင်းမှုအတွင်း ရောနှောကပ်ငြိနေခဲ့သည်။ ထို့နည်းတူ Toyota ၏ lean-production system သည်လည်း လူသားတို့၏ လုပ်ရိုးလုပ်စဉ်နှင့် ယဉ်ကျေးမှုအတွင်း တည်ရှိနေသဖြင့် ပုံစံတစ်ခုအဖြစ်သာ ပြန်လည်တည်ဆောက်ရန် ခက်ခဲခဲ့သည်။
AI ထောက်ခံသူများက “ကောင်းပြီ၊ အာရုံခံစက်တွေ၊ ကင်မရာတွေ၊ မိုက်ကရိုဖုန်းတွေကို နေရာတိုင်းမှာ တပ်ပြီး မလျော့သည့်အသိပညာကို ကုဒ်သွင်းလိုက်မယ်” ဟု ပြောနိုင်ကြောင်း Frey က ထပ်မံဆွေးနွေးသည်။ သို့သော် ထိုနည်းလမ်းသည် စောင့်ကြည့်ခံနေရသူများက ၎င်းတို့ ရရှိထားသည့် အသိပညာကို ပွင့်လင်းစွာ မျှဝေမည်ဟု ယူဆထားသည့်အပြင် နိုင်ငံရေးနှင့် ဥပဒေဆိုင်ရာ ကန့်သတ်ချက်များကို ထည့်သွင်းစဉ်းစားထားခြင်း မရှိကြောင်း ၎င်းက သတိပေးသည်။ “အရာရာကို၊ နေရာတိုင်းမှာ” record လုပ်မည်ဆိုလျှင် ပုဂ္ဂိုလ်ရေးအချက်အလက် ကာကွယ်ရေးအတွက် ကမ္ဘာတစ်ဝန်း စံပြပုံစံတစ်ခု ဖြစ်လာသည့် European Union ၏ General Data Protection Regulation (GDPR) နှင့် တိုက်ရိုက်ထိပ်တိုက်တွေ့မည်ဟု ဆိုသည်။ ထို့အပြင် EU ၏ AI Act သည် လူ့နည်းပညာအသိပညာကို အကြီးအကျယ် စုဆောင်းရန် လိုအပ်သည့် surveillance-heavy deployment များကို လွတ်ငြိမ်းခွင့် မပေးကြောင်းလည်း ဖော်ပြထားသည်။
နိဂုံးချုပ်အနေဖြင့် Frey က AGI သည် ဉာဏ်ရည်ကို အလိုအလျောက် လုပ်ဆောင်နိုင်စွမ်းရှိအောင် ပြောင်းလဲပေးနိုင်သော်လည်း တီထွင်မှု၏ လုပ်ငန်းစဉ်သည် ထို့ထက်ပိုမိုသော အချက်များပေါ် မူတည်နေကြောင်း ဆိုသည်။ အခက်အခဲအများစုမှာ ဖြေရှင်းနည်းကို စဉ်းစားရာ၌ မဟုတ်ဘဲ ထိုဖြေရှင်းနည်းကို လက်တွေ့အလုပ်ဖြစ်အောင် ပြောင်းလဲရာတွင် ဖြစ်တတ်သည်။ လက်တွေ့အသုံးချနိုင်သော local know-how၊ ယုံကြည်ရသော လုပ်ထုံးလုပ်နည်းများ၊ supply chains နှင့် အဖွဲ့အစည်းဆိုင်ရာ စွမ်းရည်တို့ မရှိလျှင် အရာတစ်ခုကို တကယ့်ကမ္ဘာတွင် တည်ငြိမ်စွာ အလုပ်လုပ်အောင် ပြုလုပ်နိုင်မည်မဟုတ်ကြောင်း ၎င်းက သတိပေးထားသည်။
“AGI သည် ရှာဖွေတွေ့ရှိမှုနယ်ပယ်ကို ပြောင်းလဲမည်” ဟု ဆိုသော်လည်း “လူသားမျိုးနွယ်၏ နောက်ဆုံးတီထွင်မှု” ဟူသော အဆိုသည် ပိုမိုတင်းကျပ်သည့် သတ်မှတ်ချက်ဖြစ်ကြောင်း ဆောင်းပါးက ထောက်ပြသည်။ ထိုအဆို မှန်ကန်ရန် digital channels များမှတစ်ဆင့် လက်တွေ့ကျွမ်းကျင်မှုအားလုံးကို အပြည့်အဝ လွှဲပြောင်းနိုင်ရမည်ဖြစ်ပြီး တာဝန်ယူမှုကိုလည်း cognition နှင့်အတူ အလိုအလျောက် လုပ်ဆောင်နိုင်ရမည်ဟု ဆိုသည်။ ထိုကဲ့သို့သော ကမ္ဘာသည် ယနေ့ကျွန်ုပ်တို့ နေထိုင်နေသည့် ကမ္ဘာ မဟုတ်ကြောင်း Frey က အဆုံးသတ်ထားသည်။
ဉာဏ်ရည်ကုန်ကျစရိတ် လျော့နည်းလာသည့်အခါ တန်ဖိုးအမြင့်ဆုံး ဖြစ်လာမည့် ပိုင်ဆိုင်မှုများလည်း ပြောင်းလဲလာမည်ဟု ၎င်းက သုံးသပ်သည်။ အကျိုးရလဒ်ကို တင်ပြနိုင်သူများဘက်သို့ အသာစီးရောက်လာမည်ဖြစ်ပြီး လူသားများသည် မလိုအပ်တော့သည့် အဖွဲ့မဟုတ်ဘဲ ကမ္ဘာပေါ်တွင် အရေးအကြီးဆုံး bottleneck များအဖြစ် ပိုမိုထင်ရှားလာနေကြောင်း ဆောင်းပါးက သတိပေးထားသည်။