အနာဂတ်ကွန်ပျူတာ

အနာဂတ်ကွန်ပျူတာ

မိတ်ဆက်

သက္ကရာဇ် ၂၀၄၀ အရောက်မှာ တစ်ကမ္ဘာလုံးမှာရှိနေတဲ့ ကွန်ပျူတာတွေအတွက် လုံလောက်တဲ့ စွမ်းအင်ပေးဖို့ မဖြစ်နိုင်တော့ဘူးလို့ တစ်ပိုင်းလျှပ်ကူးပစ္စည်းထုတ်လုပ်သူများအသင်း (Semiconductor Industry Association)ရဲ့ ၂၀၁၂ အစီခံစာက ဆိုထားပါတယ်။(http://www.pwc.com/gx/en/technology/publications/assets/pwc-faster-greener-smarter.pdf) ဒီဖြစ်ရပ်ကို တားဆီးကာကွယ်နိုင်ဖို့အတွက် ကွန်ပျူတာထုတ်လုပ်ရေးနယ်ပယ်ကြီးတွေဟာ စွမ်းအင်ကိုထိထိရောက်ရောက် အသုံးပြုနိုင်မယ့် ကွန်ပျူတာမျိုးတွေ တည်ထွင်ထုတ်လုပ်နိုင်ဖို့ လုံးပမ်းလာကြတယ်။ ဒါပေမယ့်လည်း ခက်တာက သမားရိုးကျကွန်ပျူတာတွေမှာက အလုပ်တစ်ခုလုပ်နိုင်ဖို့အတွက် လုံးဝအနည်းဆုံးစွမ်းအင်လိုအပ်ချက် ဆိုတာရှိတယ်။ ဒီအချက်ကို ၁၉၆၁ ခုနှစ်ကတည်းက ဂျာမန်-အမေရိကန် ရူပဗေဒပညာရှင်၊ နာဆာရဲ့ သိပ္ပံပညာရှင် ရော့ဖ် ဒဗလျူ လန်ဒါး Rolf William Landauer(February 4, 1927 – April 28, 1999)က အိုင်ဘီအမ် IBM သုတေသနစမ်းသပ်ခန်းမှာ သင်္ချာပုံသေနည်းတစ်ခုတည်ဆောက်ပြီး တွက်ချက်ပြခဲ့တယ်။

အခု ၂၀၁၇ ခုနှစ် မတ်လ အရောက်မှာတော့ သုတေသနပညာရှင်တွေက ကွန်ပျူတာချစ်ပ် (chip) တစ်ခုဟာ အဲဒီလိုအနည်းဆုံးစွမ်းအင်လိုအပ်ချက်ပမာဏနဲ့ တကယ်အလုပ်လုပ်နိုင်ကြောင်း လက်တွေ့သရုပ်ပြနိုင်ခဲ့ကြတယ်။ အဲဒီပမာဏဟာ လက်ရှိကွန်ပျူတာတွေသုံးစွဲနေတဲ့ စွမ်းအင်ရဲ့ အပုံတစ်သန်းပုံတစ်ပုံသာရှိတယ်။ ဒါဟာ စွမ်းအင်ကိုထိထိရောက်ရောက်အသုံးချနိုင်တဲ့ တွက်ချက်ခြင်း နယ်ပယ်အတွက် အကြီးအကျယ်အောင်မြင်မှုတစ်ခုပဲ ဖြစ်ပါတယ်။ ဒါပေမယ့်လည်း အဲဒီစွမ်းအင်နည်းပညာကို ကျွန်တော်တို့ရဲ့ လက်ပ်တော့ပ်ကွန်ပျူတာတွေမှာ အသုံးချနိုင်ဖို့ဆိုတာကတော့ နောက်ထပ်နှစ်ပေါင်းများစွာကြာဦးမှာဖြစ်ပြီး၊ အဲဒီလို လုပ်နိုင်ပြီဆိုတဲ့အချိန်ကို ရောက်ခဲ့ရင်တောင် လန်းဒါးရဲ့ကန့်သတ်ချက် (Landauer Limit) ထက်တော့ ကျော်လွန်နေဦးမှာသာဖြစ်ပါတယ်။ ဒီအချက်ကြောင့် ကမ္ဘာ့ထိပ်တန်းပညာရှင်တွေ အဖွဲ့အစည်းကြီးတွေက ကွန်ပျူတာတွေရဲ့ စွမ်းအင်သုံးစွဲမှုကို လျော့ချနိုင်ဖို့ လုံးဝ မတူကွဲပြားခြားနားတဲ့ တွက်ချက်မှု(computing) နယ်ပယ်အသစ်ကို ရှာဖွေလာကြပါတယ်။ အဲဒီနယ်ပယ်ကတော့ ကွမ်တမ်တွက်ချက်မှု နဲ့ ကွမ်တမ်ကွန်ပျူတာတွေပဲဖြစ်ပါတယ်။

ကွမ်တမ်ကွန်ပျူတာ

ကျွန်တော်တို့ရဲ့လက်ရှိသုံးစွဲနေတဲ့ ကွန်ပျူတာတွေဟာ သုည နဲ့ တစ် ပါဝင်တဲ့ ရှေးရိုးဂန္ထဝင် စီဘစ် “cbit” (classical bit) တွေအပေါ်မှာ အခြေပြုတည်ဆောက်ထားတာဖြစ်ဖြစ်တယ်။ ရိုးရိုးသာမန် ကွန်ပျူတာတွေမှာ သုံးတဲ့ အခြေခံအကျဆုံး unit က bit ။ ဒီ bit လို့ခေါ်တဲ့ သုညနဲ့တစ်သာပါဝင်တဲ့ ကိန်းနှစ်ခုစနစ် (Binary Digit System) အလုပ်လုပ်ဖို့အတွက် အကောင်အထည်ဖေါ်ပေးမယ့် စီပီယူ မှာပါဝင်တဲ့ transistor တစ်ခုချင်းစီဟာ တစ် သို့မဟုတ် သုညကို ကိုယ်စားနိုင်ပြုတဲ့ အခြေအနေဖြစ်အောင် တည်ဆောက်ထားတာဖြစ်ပါတယ်။ အထူးသတိထားဖို့ကတော့၊ တစ်ချိန်မှာ တိကျတဲ့အခြေအနေတစ်ခုပဲရှိမယ်။ တစ် ဖြစ်ချင်ဖြစ်မယ်။ သုည ဖြစ်ချင်ဖြစ်မယ်။ တစ်ရော သုညရော နှစ်ခုလုံး တစ်ပြိုင်တည်း မဖြစ်နိုင်ဘူး” ဆိုတာပါပဲ။

ကွမ်တမ်ကွန်ပျူတာမှာ သုံးမယ့် unit က တော့ quantum bits လို့ခေါ် တဲ့ “qubits” တွေဖြစ်တယ်။ ဒီလို ကွမ်တမ်အခြေအနေရှိနေတဲ့ bit တွေဟာ၊ သူတို့ရဲ့လက်ရှိအခြေအနေကို ယတိပြတ် yes or no, true or false, zero or one ဆုံးဖြတ်လို့မရဘူး။ ဒီ qubit တွေဟာ တစ် နဲ့ သုည၊ အဖွင့် နဲ့အပိတ် အခြေအနေ နှစ်ရပ်လုံးမှာလည်း တပြိုင်တည်း ရှိနေနိုင်တယ်။ ဒါကြောင့် qubit တစ်ခုဟာ၊ သီးခြား အခြေအနေ ဖြစ်တဲ့ တစ်ကိုသော်လည်းကောင်း၊ သုညကိုကိုသော်လည်းကောင်း ဖေါ်ပြနိုင်တဲ့အပြင်၊ တစ် နဲ့ သုည အခြေအနေ နှစ်ရပ်စလုံးကိုပါ တစ်ပြိုင်တည်း ကိုယ်စားပြုဖေါ်ပြနိုင်စွမ်းရှိတယ်။ အဲဒီလို အခြေအနေ နှစ်ရပ်လုံးကို တစ်ပြိုင်နက် ဖေါ်ပြနေတဲ့အခြေအနေကို မခွဲခြားနိုင်သောအခြေအနေ entangled state လို့ခေါ်တယ်။ အဲဒီအရည်အချင်းကို မဟာ အနေအထား“superposition” လို့လည်း ခေါ်ဆိုနိုင်တယ်။ နှစ်ခုလုံး၏ ညီညွတ်ပေါင်းစည်းမှု မဟာအနေအထား “coherent superposition of both” ဆိုပြီး ပညာရပ်ဆန်ဆန်မှတ်သားနိုင်ပါတယ်။

ဒီ ကွမ်တမ်ကွန်ပျူတာတွေရဲ့ အဓိက စွမ်းရည် ဟာ ဘာလဲဆိုတော့၊ သင်္ချာတွက်ချက်မှု Mathematical operation တခုကို အခြေအနေ(state) နှစ်ရပ် အပေါ်မှာ တပြိုင်တည်း တွက်ချက် ဆောင်ရွက်နိုင် ခြင်းပဲဖြစ်တယ်။ ဆိုလိုတာက ကျူဘစ်တစ်ခုဟာ တစ် နဲ့ သုည နှစ်ခုလုံးပါတဲ့ မဟာအနေအထားမှာရှိနေပြီး၊ သူ တွက်ချက်ခြင်းလုပ်မယ့် တခြား ကျူဘစ်တစ်ခုကလည်း သူ့လိုပဲ မဟာအနေအထားမှာရှိမယ်ဆိုရင်၊ တစ်ခါတည်းတွက်လိုက်ရုံနဲ့ အဖြေလေးခု တစ်ပြိုင်တည်းရလာမှာဖြစ်တယ်။ ကျူဘစ်နှစ်ခုလုံး တစ် ဖြစ်လို့ ရတဲ့အဖြေတစ်ခု၊ ပထမကျူဘစ် တစ်- ဒုတိယကျူဘစ် သုညဖြစ်တဲ့အချိန်ရတဲ့အဖြေတစ်ခု၊ ပထမကျူဘစ် သုည- ဒုတိယကျူဘစ် တစ် ဖြစ်တဲ့အချိန်ရတဲ့အဖြေတစ်ခု၊ နှစ်ခုလုံး သုညဖြစ်တဲ့အချိန်ရတဲ့အဖြေတစ်ခု၊ စုစုပေါင်းလေးခု ဖြစ်တယ်။ အဲဒါကြောင့် ကျူဘစ် စနစ်ကိုသုံးတဲ့ ကွမ်တမ်ကွန်ပျူတာတွေရဲ့တွက်ချက်နိုင်စွမ်းဟာ two power n ဖြစ်တယ်။ ဆိုလိုတာက

two-qubit system တခု ဟာ (2^2) တန်ဘိုး လေးခု ကို တပြိုင်တည်းတွက်နိုင်တယ်။

three-qubit system တခု ဟာ (2^3) တန်ဘိုး ရှစ်ခု ကို တပြိုင်တည်းတွက်နိုင်တယ်

four-qubit system ဆိုရင် (2^4) ၁၆ ခု…. စသည်ဖြင့် ဖြစ်ပါတယ်။

qubit ရဲ့ အရေအတွက်ကို တခုချင်း တိုးမြှင့်လိုက်တာနဲ့ သူရဲ့ တွက်ချက်နိုင်မှု စွမ်းရည်ဟာ“ထပ်ကိန်း”နဲ့အမျှ တိုးတက်လာတာကိုတွေ့ရမှာပါ။ သူ့ရဲ့တွက်ချက်နိုင်မှု စွမ်းရည်ရဲ့ အကျိုးဆက်နဲ့ပတ်သက်ပြီး မြင်သာတဲ့ ဥပမာတစ်ခု ပေးရရင်

ကျွန်တော်တို့ရဲ့ ခု လက်ရှိ classic computer နဲ့ ကိန်းလုံးရေ တစ်ထောင်(၁၀၀၀) ပါတဲ့ ကိန်းဂဏန်းတစ်ခုကို ဆခွဲကိန်းခွဲမယ်ဆိုရင် 10- million- billion-billion -years ကြာနိုင်မယ်။ ဒါပေမယ့် အဲဒီအလုပ်ကို quantum computer က မိနစ် နှစ်ဆယ်ပဲကြာမှာဖြစ်ပါတယ်။

ကွမ်တမ်ကွန်ပြူတာနှင့် လက်တွေ့ပြဿနာများ

ဒါပေမယ့် အထူးအရေးအကြီးဆုံး သတိပြုရမယ့် အချက်ကတော့ ဒီလို quantum computing power ရဖို့ ဆိုရင် qubit တွေရဲ့ တစ်ပြိုင်နက်တွက်ချက်နိုင်စွမ်း “power of quantum parallelism” ကို ထိထိရောက်ရောက် အသုံးချနိုင်မယ့် algorithm တွေ ရှိရမယ် ဆိုတဲ့ အချက်ပဲဖြစ်ပါတယ်။ တကယ်တော့ နယ်ပယ်အစုံအတွက်အသုံးချနိုင်မယ့် အဲဒီလို Algorithm မျိုးတွေ ဖေါ်ထုတ်ဖို့ဆိုတာ အခုလောလောဆယ်မှာတော့ ခက်ခဲနေပါသေးတယ်။ ဘာလို့လဲဆိုတော့ ကျွန်တော်တို့ ခုလက်ရှိ အသုံးပြုနေတဲ့ ကွန်ပြူတာတွေရဲ့ hardware, software နဲ့ အဲဒါတွေကို စီစဉ်ခိုင်းစေတဲ့ programming language မှန်သမျှဟာ တစ် နဲ့ သုည၊ အမှား သို့မဟုတ် အမှန်ဆိုတဲ့ ယုတ္တိဗေဒကို အခြေပြု တည်ဆောက် ထားတာ ဖြစ်နေလို့ပါပဲ။ ခုလိုမျိုး ကွမ်တမ်အခြေအနေတွေကို ပြေလည်နိုင်စေဖို့ ဆိုရင်၊ လုံးဝဥသုံ မတူညီ ကွဲပြားခြားနားတဲ့ သဘောတရားတွေကို hardware, software, programming langauange, computing algorithm စတဲ့ နယ်ပယ်စုံမှာ တစ်ပြိုင်နက် ပြောင်းလဲ အသုံးချမှသာ ဖြစ်နိုင်ပါမယ်။ လက်ရှိရှိနေပြီးသားအရာတွေနဲ့ လုံးဝဥဿုံကွဲပြားခြားနားတဲ့ပညာရပ်တွေကို ဘက်ပေါင်းစုံကနေ တစ်ပြိုင်နက် ပြောင်းလဲရမယ်ဆိုတဲ့ ကိစ္စဟာ quantum computing လောကအတွက် အကြီးမား ဆုံးစိန်ခေါ်မှုကြီးတစ်ခုဖြစ်နေပါတယ်။ သုတေသနပညာရှင်အများစုကလည်း ကွမ်တမ်ကွန်ပျူတာကို လက်ရှိသုံးစွဲနေတဲ့ ကွန်ပျူတာအရွယ်အစားမျိုး စီးပွားဖြစ် လက်တွေ့တည်ဆောက်ဖို့ဆိုတာတော့ အလွန်ကြီး မားခက်ခဲတဲ့ အင်ဂျင်နီယာပညာရပ်ဆိုင်ရာ အခက်အခဲတွေရှိနေတယ် လို့ဆိုပါတယ်။ ဒါ့အပြင် ဒီ ကွမ်တမ်ကွန်ပျူတာ ဟာ တစ်နေ့မှာ ရောင်းတန်းဝင်စျေးကွက်ထဲရောက်လာပြီး၊ လက်ရှိသုံးစွဲနေတဲ့ ကွန်ပျူတာတွေကို အစားထိုးနေရာယူသွားလိမ့်မယ်လို့ တစ်ချို့ပညာရှင်တွေက မယုံကြည်ကြဘူး။ ဘာလို့လဲဆိုတော့ ကွမ်တမ်ကွန်ပျူတာဆိုတာ အလွန်ရှုပ်ထွေးနက်နဲ တဲ့ပြဿနာ မျိုးတွေဖြစ်တဲ့၊ လျှို့ဝှက်ကုဒ်ဖြည်ဖို့၊ ကွမ်တမ်ရူပဗေဒဆိုင်ရာ ပြဿနာတွေ ဖြေရှင်းဖို့၊ ကမ္ဘာကြီးရဲ့ သဘာဝအဖြစ်အပျက်တွေကို ပုံတူဖန်တီးကြည့်ဖို့ ၊ စင်္ကြာဝဠာကြီးကိုလေ့လာဖို့၊ ကိန်းလုံးရေ တွေအလွန်များတဲ့ ကိန်းတွေကို ဆခွဲကိန်းခွဲကြည့်ဖို့ .. စတဲ့နေရာတွေမှာ အသုံးချရမှာဖြစ်လို့ပါပဲ။ ဒါတွေဟာ အထူးပြုထိပ်တန်းပညာရှင်တွေပဲ လုပ်တဲ့ လုပ်နိုင်တဲ့ အလုပ်မျိုးတွေဖြစ်ပြီး၊ သာမန် နေ့စဉ်သုံးစွဲသူ တစ်ရောက် အတွက်တော့ ကွမ်တမ်ကွန်ပျူတာ လိုအပ်မှာမဟုတ်ဘူး လို့ ယူဆကြလို့ပါ။

လတ်တလောနှင့်အနာဂတ်

ဂူးဂဲလ် နဲ့ နာဆာက သိပ္ပံပညာရှင် အဖွဲ့တစ်ဖွဲ့ရဲ့ စမ်းသပ်စစ်ဆေးချက်အရ၊ ကွမ်တမ်တွက်ချက်မှုကုမ္ပဏီကြီး D-Wave က တည်ထွင်ဖန်တီးထားတဲ့ ကျူဘစ်၂၀၀၀ အထိပါဝင်လို့ 2000Q လို့နာမည်ပေးထားတဲ့ ကွမ်တမ်ကွန်ပျူတာဟာ သမားရိုးကျကွန်ပျူတာထက် အဆပေါင်း သန်းတစ်ရာ ပိုမြန်တယ်ဆိုတာ လေ့လာတွေ့ရှိခဲ့ကြတယ်။ အိုင်ဘီအမ် ကုမ္ပဏီကြီးက သူ့ရဲ့ ကျူဌာနခွဲ Q Division ကနေ လာမယ့်နှစ်အနည်းငယ်အတွင်း၊ စီးပွားဖြစ်ရောင်းလို့ရမယ့် ကျူဘစ်ငါးဆယ် 50 qubits လောက်အထိပါမယ့် ကွမ်တမ်ကွန်ပျူတာတွေ တည်ဆောက်နေတယ်လို့ လတ်တလောကြေငြာထားတယ်။ (မှတ်ချက်။ ကျူဘစ်ငါးဆယ်၏ တစ်ပြိုင်နက်တွက်ချက်နိုင်စွမ်း = 2^50 = 1,125,899,906,842,624) ၂၀၁၇၊ မတ်လ ၃ ရက်နေ့ထုတ်၊ နေးချား အပြည်ပြည်ဆိုင်ရာ သိပ္ပံပညာအပတ်စဉ်ဂျာနယ်( Nature: International Weekly Journal of Science)မှာ ဂူးဂဲလ်က သုတေသနပညာရှင်တွေကလည်း နောက်ငါးနှစ်လောက်အတွင်းမှာ ကွမ်တမ်ကွန်ပျူတာအတွက် ရင်းနှီးထားရတာတွေက ပြန်ပြီး ဝင်ငွေစတင်ရရှိလာတော့မှာ ဖြစ်တယ်လို့ ဆိုပါတယ်။ (http://www.nature.com/news/commercialize-quantum-technologies-in-five-years-1.21583) ဒါပေမယ့် အခက်အခဲတွေကတော့ရှိနေဆဲပါ။ ကွမ်တမ်တွက်ချက်မှုဆိုတာက ကျူဘစ်တွေအချင်းချင်း အပြန်အလှန် ထိတွေ့အလုပ်ကြတဲ့အခါမှာ ဖြစ်ပေါ်တာ။ ဒါကြောင့် ကွန်ပျူတာတစ်လုံးအလုပ်လုပ်နိုင်ဖို့အတွက် ကျူဘစ်တွေအများကြီးလိုတယ်။ အဲဒီလို ကျူဘစ်တွေ အများကြီးသုံးလိုက်တဲ့အခါ ဖြစ်ပေါ်လာတဲ့ ကျူဘစ်တွေရဲ့အလွန်ရှုပ်ထွေးတဲ့စနစ်ကို ထိန်းချုပ်ကိုင်တွယ်နိုင်ဖို့ သိပ္ပံပညာရှင်တွေမှာ လွယ်ကူ ရိုးရှင်းတဲ့ နည်းလမ်းမရှိသေးပါဘူး။

အခုအခါမှာ မော်စကို ရူပဗေဒနှင့် နည်းပညာသိပ္ပံ (MIPT - Moscow Institute of Physics and Technology) နဲ့ ရပ်ရှားကွမ်တမ်စင်တာ (Russian Quantum Centre) က သိပ္ပံပညာရှင်တွေက တခြားနည်းလမ်းအသစ်တစ်ခုကို ရှာဖွေကြံဆ နေကြပါတယ်။ "ကွမ်တမ်တွက်ချက်မှုအတွက် ခွဲခြားနိုင်စွမ်းရှိသော အခြေအနေပေါင်းများစွာပါဝင်တဲ့ ကွမ်တမ်ဝတ္တုတွေ ကို အသုံးချနိုင်ဖို့ ကျွန်တော်တို့ကို ရုပ်သဘာဝက ခွင့်ပြုထားတယ်ဗျ" လို့ MIPT က ရူပဗေဒပညာရှင် အလက်စ်ဆေး ဖီဒိုရော့ဗ် Alexey Fedorov က ဆိုပါတယ်။ သူတို့အဖွဲ့ဟာ ကျူဒစ် qudits လို့ခေါ်တဲ့ အထွေထွေ အမျိုးမျိုးသော စွမ်းအင်အဆင့်(energy level) တွေများစွာပါဝင်တဲ့ ကျူဘစ် qubits တွေကို ဖန်တီးကြည့်ခဲ့ကြတယ်။ ကျူဒစ် မှာပါတဲ့ "ဒီ - d " က မတူညီတဲ့စွမ်းအင်အဆင့် (different energy level)အရေအတွက်ကို ကိုယ်စားပြုတယ်။ "ကျူဒစ် တစ်ခု (1 qudit) တစ်နည်းပြောရရင် ဒီ-အရေအတွက်ရှိတဲ့ စွမ်းအင်အဆင့်တွေပါဝင်တဲ့ ကွမ်တမ်ဝတ္ထုတစ်ခုမှာ၊ ကျူဘစ် ယောင် (virtual qubit) များစွာပါဝင်နိုင်တယ်။ ဒါကြောင့် ကျူဒစ်တွေအချင်းချင်း ဆက်သွယ်ဆောင်ရွက် အလုပ်လုပ်တယ်ဆိုတဲ့ ကိစ္စမှာ၊ ကျူဘစ်ယောင်တွေ အချင်းချင်း အပြန်အလှန်ဆက်သွယ်လုပ်ဆောင်တဲ့ကိစ္စတွေပါ ပါဝင်တယ်။ ထိတွေ့ဆုပ်ကိုင်၍မရသော ကွမ်တမ်သတင်းအချက် သီအိုရီ abstract quantum information theory ရှုထောင့်ကကြည့်မယ်ဆိုရင်၊ အားလုံးဟာ အတူတူအခြေအနေအတိုင်း ဆက်လက်တည်ရှိနေမယ်။ ဒါပေမယ့် တကယ့်ရုပ်ဝတ္ထုပိုင်းဆိုင်ရာ အကောင်အထည်ဖေါ်တဲ့ကိစ္စမှာတော့ မတူညီတဲ့အဆင့်တွေအများကြီးပါတဲ့စနစ်က အသုံးဝင်နိုင်လောက်တဲ့ စွမ်းအင်ရင်းမြစ်ကို ကိုယ်စားပြုတယ်..." လို့ သူကရှင်းပြပါတယ်။ နောက်ဆုံးမှာ သူမှတ်ချက်ပြုတာကတော့ "ဒီကွမ်တမ်တွက်ချက်မှုနယ်ပယ်ဟာ အလျင်အမြန်တိုးတက်လာပေမယ့်လို့ ဘယ်တော့လောက်မှာ ကျယ်ကျယ်ပြန့်ပြန့် အသုံးပြုလာကြမယ်ဆိုတာကိုတော့ ဘယ်သူကမှ ကံသေကံမ မပြောနိုင်ဘူးဗျ" လို့ သူကဆိုပါတယ်။ ဒါပေမယ့် ဘာပဲပြောပြော ဒီ-ဝေဗ့်၊ နာဆာ၊ ဂူးဂဲလ် နဲ့ အိုင်ဘီအမ် တို့ရဲ့ အခု ၂၀၁၇ ပထမနှစ်ဝက်ရဲ့ လတ်တလောတိုးတက်မှုတွေကို ကြည့်လိုက်မယ်ဆိုရင်၊ ကွမ်တမ်ကွန်ပျူတာဆိုတာ ကျွန်တော်တို့ရဲ့ လက်နှစ်ကမ်း အကွာလောက်ကို ရောက်နေပြီလို့ ရဲရဲကြီးမှတ်ချက်ပြုနိုင်ပါတယ်။

ရွှင်လန်းချမ်းမြေ့ပါစေ။

ကျော်ခိုင်စိုး(infoTherapy)

ပိုင်သွန် သို့မဟုတ် ရိုးရှင်းမှု၏စွမ်းအား

မိတ်ဆက်နိဒါန်း

                ကျွန်တော်တို့မှာ C, C++ , Java, PHP တို့ထက် ဆော့ဖ်ဝဲ ရေးသားထုတ်လုပ်နိုင်စွမ်း (productivity) ပိုကောင်းတဲ့ ပရိုဂရမ်ဘာသာစကားတစ်ခုရှိတယ်။ အဲဒီပရိုဂရမ်ဘာသာစကားရဲ့ ကွန်ပျူတာမှတ်ဉာဏ်သုံးစွဲမှု(memory consumption)အပိုင်းဟာ Java ထက်ပိုကောင်းပြီး၊ C သို့မဟုတ် C++ ထက်လည်း အများကြီးတော့ ပိုပြီးတော့ မဆိုးလှဘူး။ အဲဒီ ဘာသာစကားဟာ ၂၀၀၃ ကနေ အခု ၂၀၁၇ အထိ ဆယ့်ငါးနှစ်ဆက်တိုက် TIOBE Programming Community Index ရဲ့ အောင်မြင်ကျော်ကြားမှုအရှိဆုံး ထိပ်တန်း ပရိုဂရမ်ဘာသာစကားဆယ်မျိုးစာရင်းမှာအမြဲပါဝင်နေတယ်။ ၂၀၀၇ နဲ့ ၂၀၁၀ နှစ်တွေမှာ နှစ်တစ်နှစ်ရဲ့ ပရိုဂရမ်ဘာသာစကား (Programming Language of the Year)အဖြစ်လည်းသတ်မှတ်ခံခဲ့ရတယ်။  အခု ၂၀၁၇ ခု မတ်လ စစ်တမ်းတွေအရ ပဉ္စမမြောက် အကျော်ကြားဆုံးပရိုဂရမ်ဘာသာစကားဖြစ်တယ်။ ဒါ့အပြင် ၂၀၁၀ခုနှစ်လောက်ကစပြီး အဲဒီ ပရိုဂရမ်ဘာသာစကားကို ကမ္ဘာ့ထိပ်တန်း တက္ကသိုလ်ကြီးတွေမှာ ကွန်ပျူတာသိပ္ပံ၊ တုပအသိဉာဏ်ပညာ နဲ့ တခြား သိပ္ပံနဲ့အင်ဂျင်နီယာပညာရပ်တွေရဲ့ လက်တွေ့အသုံးချ ပရိုဂရမ်ဘာသာစကားအဖြစ်အသုံးပြုလာကြတယ်။ အဲဒီပရိုဂရမ်ဘာသာစကားအပါအဝင် အခြားဘာသာစကား တစ်မျိုးအထက် တတ်ကျွမ်းသူတွေအားလုံးက အဲဒီပရိုဂရမ်ဘာသာစကားကို "သင်ယူလေ့လာ အသုံးချဖို့ အလွယ်ကူဆုံး ဘာသာစကား" အဖြစ် တညီတညွတ်တည်းသတ်မှတ်ကြတယ်။ အဲဒီ ပရိုဂရမ်ဘာသာစကားကတော့ ပိုင်သွန် (Python) ပဲဖြစ်ပါတယ်။

 

နောက်ခံသမိုင်း

                ဘာသာပြန်အမျိုးအစားinterpreted language တစ်ခုဖြစ်တဲ့၊ အထွေထွေသုံး general purpose ပရိုဂရမ်ဘာသာစကား ပိုင်သွန်ကို  နယ်သာလန်နိုင်ငံသား ဒတ်ချ်လူမျိုး ကွန်ပျူတာပညာရှင် ဂူရီဒို ဗန် ရော့စ်ဆမ် (Guido van Rossum, born 31 January 1956) က ၁၉၈၉ ဒီဇင်ဘာမှာ စတင်တည်ထွင်ဖန်တီးခဲ့ပြီး ၁၉၉၁မှာ အများသုံးဖို့ ပထမဆုံးဖြန့်ဝေပေးခဲ့ပါတယ်။ Python 2.0 ကို ၂၀၀၀ခုနှစ် အောက်တိုဘာ ၁၆ ဖြန့်ချီခဲ့ပြီး၊ Python 3.0 ကို လုံးဝကွဲပြားခြားနားတဲ့ သီးသန့်လမ်းကြောင်းအသစ်တစ်ခုအဖြစ် ၂၀၀၈ ခုနှစ် ဒီဇင်ဘာ ၃ ရက်မှာ ဖြန့်ချိခဲ့တယ်။

 ပိုင်သွန်မှာပါဝင်ဖွဲ့စည်းထားတဲ့ လိုင်ဘရီ(library = ပရိုဂရမ်များ၊ ဆော့ဖ်ဝဲ module များ၊ ဆော့ဖ်ဝဲ package များ)တွေကို စုစည်းသိမ်းဆည်းထားတဲ့ တရားဝင်နေရာ (official repository) မှာ၊ ၂၀၁၇ မေလ စာရင်းတွေအရ ပိုင်သွန်ကိုထောက်ပံ့တဲ့၊ ပိုင်သွန် ပရိုဂရမ်ဘာသာစကားအတွက် အလုပ်လုပ်ပေးတဲ့၊ တခြားအဖွဲ့အစည်းတွေရဲ့ဆော့ဖ်ဝဲ( third-party software library) ပေါင်း ဟာ တစ်သိန်းခုနှစ်ထောင်ကျော် (၁၀၇၀၀၀)ရှိနေပြီလို့ဆိုပါတယ်။ အဲဒီဆော့ဖ်ဝဲလိုင်ဘရီတွေမှာ

·         gui, web frameworks, multimedia, databases, networking, communications စတာတွေနဲ့ပတ်သက်ပြီအသုံးချလို့ရတဲ့ အပိုင်းတွေပါဝင်သလို၊

·         ဆော့ဖ်ဝဲစနစ်တွေ နဲ့ တခြားစနစ်တွေကို စီမံခန့်ခွဲဖို့အတွက် လိုအပ်တဲ့ test frameworks, automation and web scraping နဲ့ documentation tools တွေလည်းပါဝင်ပါတယ်။

·         ဒါ့အပြင် သိပ္ပံ နဲ့ နည်းပညာ နယ်ပယ်တွေအတွက် scientific computing, text processing နဲ့ image processing တို့လို အလုပ်မျိုးတွေအတွက် တကယ့်ကိုပြည့်စုံကောင်းမွန်တဲ့ လိုင်ဘရီ တွေလည်း အမြောက်အများပါဝင်ပါတယ်။

 

သွင်ပြင်လက္ခဏာနှင့် အတွေးအခေါ်

                ပိုင်သွန်ဟာ ပရိုဂရမ်တည်ဆောက်ရေးသားမှုပုံစံအမျိုးမျိုးကို ထောက်ပံ့တဲ့ multi-paradigm programming language အမျိုးအစားဖြစ်တယ်။ ပိုင်သွန်ဟာ object-oriented programming  နဲ့ structured programming ပုံစံတွေကို အပြည့်အဝထောက်ပံ့ပေးတဲ့အပြင်၊ functional programming နဲ့ aspect-oriented programming တွေကိုပါ ထောက်ပံ့တယ်။ ဒါ့အပြင် design by contract နဲ့ logic programming ပုံစံတွေကိုပါ ချဲ့ထွင်သုံးစွဲလို့ရအောင် ပိုင်သွန်ကို ဒီဇိုင်းပြုတည်ဆောက်ထားတယ်။ ပိုင်သွန်ဟာ variable အမျိုးအစားတွေကို အရှင်ထားတဲ့ တစ်နည်းပြောရရင် variable တွေရဲ့ data type တွေကို ကြိုတင် ကြေငြာဖို့မလိုတဲ့ dynamic type အမျိုးအစားဖြစ်တယ်။ C, C++ ရဲ့လွှမ်းမိုးမှုခံရတဲ့ တခြား ပရိုဂရမ်ဘာသာစကားတွေလို ဆီမီးကော်မာ နဲ့ တွန့်ကွင်းကိုမသုံးပဲ ပိုင်သွန်ဟာ line of code တွေ code block တွေကို ခွဲခြားဖို့အတွက် white space ကိုသာအသုံးပြုတယ်။

ပိုင်သွန်ရဲ့ အတွေးအခေါ်ပိုင်းဆိုင်ရာ ဆောင်ပုဒ်တွေကတော့

·         လှပခြင်းဟာ ကြည့်ရဆိုးခြင်းထက် ပိုကောင်းတယ်။

·         တိတိကျကျ တိုက်ရိုက်ပြောလိုက်တာက သွယ်ဝိုက်ပြောတာထက် ပိုကောင်းတယ်။

·         ရိုးရှင်းခြင်းဟာ ရှုပ်ထွေးခြင်းထက် ပိုကောင်းတယ်။

·         ရှုပ်ထွေးခြင်းဟာ နားလည်ရခက်လောက်အောင်ရှုပ်ထွေးခြင်းထက် ပိုကောင်းတယ်။

·         ကုဒ်တွေကို ဖတ်ရှုနိုင်စွမ်းဟာ ထည့်သွင်းစဉ်းစားရမယ့်အချက်ဖြစ်တယ်။

 

ဘာကြောင့် ပိုင်သွန်ကိုလေ့လာသင့်တာလဲ

·         ပိုင်သွန်ဟာ လွတ်လပ်စွာ အခမဲ့ သုံးစွဲနိုင်တဲ့ ဆော့ဖ်ဝဲ Free and Open Source Software ဖြစ်တယ်။

·         သင်ယူလေ့လာရတာလည်းလွယ်ကူတယ်။ မြန်မြန်ဆန်ဆန်လည်း လက်တွေ့အသုံးချနိုင်တယ်။ ကုဒ် တွေက ကျစ်ကျစ်လျစ်လျစ်ရှိတဲ့အပြင် အလွယ်တကူ ဖတ်ရှုနားလည်နိုင်တယ်။ တွေးသလို ရေးနိုင်တဲ့ ပရိုဂရမ်ဘာသာစကားဖြစ်တယ်။

·         အသုံးအများဆုံး operating system ( Linux, Windows, Macintosh, Solaris, OS/2, Amiga, AROS, AS/400, BeOS, OS/390, z/OS, Palm OS, QNX, VMS, Psion, Acorn RISC OS, VxWorks, PlayStation, Sharp Zaurus, Windows CE and PocketPC) တိုင်းအတွက် ပိုင်သွန်ဘာသာပြန်ဆော့ဖ်ဝဲ Python Interpreter တွေရှိတယ်။ ဒါ့အပြင် Python ကုဒ်တွေကို C, C++, Java, JavaScript,Go ကုဒ်တွေအဖြစ် compile လုပ်ပေးနိုင်တဲ့ compiler တွေလည်း အများကြီးရှိတယ်။

·         (သီအိုရီအရ)အကန့်အသတ်မရှိတဲ့ ကိန်းပြည့်တွေကို အသုံးပြုနိုင်တယ်။ array နဲ့ matrix ဆိုင်ရာ တွက်ချက်မှုတွေ၊ numerical data processing and manipulation တွေကို အလွန်လျင်မြန်စွာ လုပ်ဆောင်နိုင်တယ်။

·         စာသား(String)နဲ့ပတ်သက်တဲ့ပြဿနာတွေနဲ့ အဘိဓါန်ရှာဖွေရေး(Dictionay Search)နဲ့ဆိုင်တဲ့ ပြဿနာတွေနဲ့ပတ်သက်လာရင် ပိုင်သွန်ဟာ တခြားပရိုဂရမ်ဘာသာစကားတွေထက် သိသိသာသာ အကောင်းမွန်ဆုံးလုပ်ဆောင်နိုင်တယ်။

·         CSV, Excel, relational and non-relational databases, HDF5 နဲ့  JSON အစရှိတဲ့ file format ပေါင်းများစွာနဲ့ အချက်အလက်ပေါင်းမြောက်များစွာကို အလွယ်တကူ ရေးနိုင်ဖတ်နိုင် ပြင်ဆင်ပြောင်းလဲတယ်။

·         Yahoo!, Google Finance, the World Bank အစရှိတဲ့ အဖွဲ့အစည်းကြီးတွေက ဝက်ဘ်အခြေခံ အချက်အလက်ရင်းမြစ် web-based data source တွေကိုလည်း အလွယ်တကူ တိုက်ရိုက်ဖတ်နိုင်တယ်။ processing လုပ်နိုင်တယ်။

·         အချက်အလက်တွေကို ရုပ်ပုံကားချပ်တွေနဲ့ သရုပ်ပြခြင်း data visualization ကိစ္စတွေကို အလွယ်တကူလုပ်ဆောင်နိုင်တယ်။

·         ပိုင်သွန်ရဲ့ ပြည့်စုံကြွယ်ဝတဲ့ လိုင်ဘရီတွေကြောင့် တုပအသိဉာဏ်ပညာ နဲ့ အချက်အလက်သိပ္ပံပညာအတွက် အသင့်တော်ဆုံး နဲ့ အကောင်းဆုံး ပရိုဂရမ်ဘာသာစကားဖြစ်တယ်။

 

အသုံးချနယ်ပယ်များနှင့် ဥပမာများ

ဂူးဂဲလ် ရှာဖွေရေးပရိုဂရမ်စာမျက်နှာ (google search engine)ဟာ အသွင်အပြင် အမြင်အာရုံအားဖြင့် ရိုးရှင်းပါတယ်။ ဒါပေမယ့် သူ့ရဲ့နောက်ကွယ်မှာ အလုပ်လုပ်နေတဲ့ ဂရပ်ဖ်သီအိုရီ(Grapyh Theory) ကိုလက်တွေ့အသုံးချထားတဲ့ အယ်ဂိုရစ်သမ်တွေ၊ တုပအသိဉာဏ်ပညာကိုင်းကွဲတစ်ခုဖြစ်တဲ့ သဘာဝဘာသာစကားအား အဆင့်ဆင့်အသုံးချမှု (natural language processing)ဆိုင်ရာ အယ်ဂိုရစ်သမ်တွေ၊ အသံဖြင့်ရှာဖွေမှု(voice search)၊ ရုပ်ပုံဖြင့်ရှာဖွေမှု (image search) တို့လိုကိစ္စရပ်နဲ့ ဆိုင်တဲ့ အယ်ဂိုရစ်သမ်တွေကို ပိုင်သွန်နဲ့ ​ရေးသားဖန်တီးထားတာဖြစ်ပါတယ်။ ဒီကနေ့ခေတ်ရဲ့ မရှိမဖြစ်နီးနီးအဆင့်ကိုရောက်ရှိနေပြီဖြစ်တဲ့ ဖျော်ဖြေရေးဆိုဒ် ယူကျုဘ်(Youtube) နဲ့ အဲဒီဆိုဒ်ရဲ့ စီမံခန့်ခွဲမှုဆိုင်ရာကိစ္စတွေကို  ပိုင်သွန်နဲ့ရေးထားတာပါ။ (မှတ်ချက်။ ဒီနေရာမှာ ယူကျုဘ် ကို ဖြော်ဖြေရေးဆိုဒ်လို့ သုံးစွဲလိုက်ခြင်းဟာ တစ်ဝက်တစ်ပျက်သာမှန်ပါတယ်။ တကယ်တော့ ပညာကို အမှန်တကယ်လိုလားသူတို့ရဲ့ အဓိက၊ ပင်မ၊ ပညာရင်းမြစ်ဟာလည်း ယူကျုဘ်ပဲဖြစ်ပါတယ်။ ပညာရှင်တွေ ပါမောက္ခကြီးတွေ ဝါသနာရှင်တွေရဲ့ သင်ခန်းစာပို့ချချက်တွေ၊ ဆွေးနွေးချက်တွေ၊ သင်ကြားမှုတွေဟာ Youtube ပေါ်မှာ ပညာရပ်နယ်ပယ်တိုင်းအတွက် အလျှံပယ်ရှိနေပါတယ်။)

                Instagram ဝက်ဘ်ဆိုဒ်ကလည်း ပိုင်သွန်နဲ့ရေးထားတာဖြစ်သလို လူမှုရေးသတင်းကွန်ယက်ဆိုဒ် social news networking site တစ်ခုဖြစ်တဲ့ Reddit ဆိုရင်လည်း အစအဆုံး အပြီးအစီး ပိုင်သွန်နဲ့ရေးသားထားတာပါ။ ဒါ့အပြင် Wikipedia, Google, Yahoo!, CERN - European Organization for Nuclear Research  ဥရောပ နြူကလီးယားသုတေသနအဖွဲ့၊ NASA- National Aeronautics and Space Administration  အမေရိကန် အမျိုးသား လေကြောင်းနဲ့အာကာသဆိုင်ရာ အုပ်ချုပ်ရေးအဖွဲ့ တို့လိုအဖွဲ့အစည်း...စတာတွေအပြင်၊ အမေရိကားရဲ့အကြီးမားဆုံး ငွေကြေးအဖွဲ့အစည်းတွေ ဘဏ်တွေဖြစ်တဲ့ Bank of America, Merrill Lynch နဲ့ J.P. Morgan တို့မှာ  ပိုင်သွန်ကို ကျယ်ကျယ်ပြန့်ပြန့်အသုံးချနေကြပါတယ်။ အထူးအလေးအနက်ထားပြောလိုတာက အခုတင်ပြခဲ့တဲ့အဖွဲ့အစည်းတွေအနေနဲ့ ပိုင်သွန်ဘာသာစကားတစ်ခုတည်းကို အသုံးပြုတယ်လို့ ဆိုလိုတာမဟုတ်ပါဘူး။ တခြား ပရိုဂရမ်ဘာသာစကားတွေကိုလည်းအသုံးပြုကြမှာ ဧကန်မလွဲပါ။ တကယ်တော့ အသေးစား ဆော့ဖ်ဝဲကုမ္ပဏီလေးတွေတောင် ပရိုဂရမ်ဘာသာစကားတစ်ခုတည်းကိုသုံးတာမျိုးမဟုတ်ပဲ စူးနေရာစူး ဆောက်နေရာဆောက်၊ ဒူးနေရာဒူး တော်နေရာတော် သင့်လျော်ရာ ပရိုဂရမ်ဘာသာစကားတွေကို သင့်လျော်တဲ့နေရာမှာ သင့်လျော်သလို အသုံးချကြတာပဲဖြစ်ပါတယ်။

နိဂုံးအမှာ

ui, database, business logic, login စတဲ့ ဆင်တူယိုးမှား စကားလုံးတွေပဲ ထပ်တလဲလဲပါဝင်နေတဲ့ အသေးစား နဲ့ အလတ်စား စီးပွားရေးဆိုင်ရာဆော့ဖ်ဝဲတွေ၊ စီမံခန့်ခွဲမှုဆိုင်ရာပရိုဂရမ်တွေကို နှစ်ပေါင်းများစွာ ရေးသားနေရတာ ငြီးငွေ့နေပြီဆိုရင် အခုအချိန်မှာ မိတ်ဆွေဟာ ပိုင်သွန်ကို လေ့လာပြီး အသစ်အဆန်းတွေ တည်ထွင်ဖန်တည်း စမ်းသပ်ကြည့်ဖို့ အသင့်လျော်ဆုံးအချိန်ပါပဲ။ ကွန်ပျူတာသိပ္ပံနဲ့ အိုင်တီပညာရဲ့ အရပ်ဂတ်လားရာတွေဖြစ်တဲ့ တုပအသိဉာဏ် (Artificial Intelligence)၊ သဘာဝဘာသာစကား အဆင့်ဆင့်အသုံးချမှု (natural language processing)၊ အချက်အလက်သိပ္ပံ (Data Science)၊ စက် လေ့လာသင်ကြားမှု(machine learning) နဲ့ဆိုင်တဲ့ သုတေသနလုပ်ငန်းတွေ ဆော့ဝဲတွေ ပရိုဂရမ်တွေ အတွက် အကောင်းဆုံး အထိရောက်ဆုံး အလိုက်ဖက် အသင့်တော်ဆုံး ပရိုဂရမ်ဘာသာစကားက ပိုင်သွန်ပါ။ သိပ္ပံ နည်းပညာနဲ့ အင်ဂျင်နီယာဆိုင်ရာ လုပ်ငန်းတွေနဲ့ ပတ်သက်ပြီး ရှုပ်ထွေးအဆင့်မြင့်တဲ့ တွက်ချက်မှုတွေကို  အဆင်ပြေချောမွေ့စွာ လုပ်ဆောင်နိုင်တဲ့ ပရိုဂရမ်ဘာသာစကားက ပိုင်သွန်ပါ။ မိတ်ဆွေရဲ့ မဟာဘွဲ့ ပါရဂူဘွဲ့စာတမ်းတွေအတွက် မူလသုတေသနနယ်ပယ်အတွက် ပေးရတဲ့အချိန်တွေကို မထိခိုက်စေဘဲ မိတ်ဆွေရဲ့ ကျမ်းကြီးကြပ် စစ်ဆေးသူတွေ စိတ်ဝင်စား အထင်ကြီးအလေးထားနိုင်လောက်တဲ့ mathematical model, software model, prototype တွေ အလွယ်တကူ တည်ဆောက် သရုပ်ပြနိုင်တဲ့ ပရိုဂရမ်ဘာသာစကားက ပိုင်သွန်ပါ။ နိဂုံးချုပ်ရရင်တော့ အနာဂတ်မှာတွေ့ကြုံလာရနိုင်တဲ့  နည်းပညာပိုင်းဆိုင်ရာစိန်ခေါ်မှုတွေကို  ရင်ဆိုင်ဖြေရှင်းဖို့ အသင့်ရှိနေကြောင်း သက်သေပြတဲ့အနေနဲ့၊ မိတ်ဆွေရဲ့ ကျွမ်းကျင်မှုစာရင်းထဲမှာ ပိုင်သွန်ပရိုဂရမ်ဘာသာစကားကို ထပ်မံဖြည့်စွက်လိုက်ပါလို့ လေးစားစွာ အကြံပြုလိုက်ပါတယ်။

REF:  

1.https://en.wikipedia.org/wiki/Python_(programming_language)

2. PH526x: Using Python for Research, video lectures by Jukka-Pekka "JP" Onnela, Assistant Professor of Biostatistics, Harvard University

https://www.edx.org/course/using-python-research-harvardx-ph526x

3. YVES HILPISCH(2015), Derivatives Analytics with Python, John Wiley & Sons Ltd

 

ရွှင်လန်းချမ်းမြေ့ပါစေ။

ကျော်ခိုင်စိုး(infoTherapy)

Verified Certificate:Using Python for Research(Harvard University via edX)

 

Artificial Intelligence: A Modern Approach - Lesson IV

Chapter 2 Intelligent Agents

အသိဉာဏ်ရှိသောအေးဂျင့်များ

"အေးဂျင့်တွေရဲ့ သဘောသဘာဝ၊ ပြီးပြည့်စုံသော သို့မဟုတ် မပြည့်စုံသော - ပတ်ဝန်းကျင်ရဲ့ ကွဲပြားမှု နဲ့ အေးဂျင့်အမျိုးအစားတွေရဲ့ မတူကွဲပြားတဲ့ရလဒ်တွေအကြောင်း ဆွေးနွေးထားတယ်။"

           

            အခန်း ၁ မှာ ဉာဏ်ရည်တုဆိုင်ရာချဉ်းကပ်မှုရဲ့ ဗဟိုချက်အဖြစ် ဆင်ခြင်တုံတရားရှိသောအေးဂျင့် (rational agent) အယူအဆကို တင်ပြခဲ့တယ်။ ဒီအခန်းမှာ အဲ့ဒီအယူအဆကို ပိုမိုခိုင်မာစေမှာ ဖြစ်ပါတယ်။ စိတ်ကူးလို့ရနိုင်သမျှသောပတ်ဝန်းကျင်မှာ အလုပ်လုပ်နေတဲ့ အေးဂျင့် (agents operating in any imaginable environment) ပေါင်းမြောက်များစွာအတွက် ဆင်ခြင်တုံတရားရဲ့သဘောတရား (concept of rationality) ကို အသုံးချနိုင်တယ်။ ဉာဏ်ရှိတယ်လို့ ကျိုးကြောင်းဆီလျော်စွာခေါ်ဆိုနိုင်တဲ့ အောင်မြင်တဲ့အေးဂျင့်တွေကို တည်ဆောက်ဖို့အတွက် ဒီဇိုင်းအခြေခံမူ (design principles) တစ်ခုတည်ဆောက်ဖို့ ဒီသဘောတရားကို အသုံးပြုရန်ဖြစ်တယ်။

            ဒီအခန်းမှာ အေးဂျင့်တွေ ပတ်ဝန်းကျင်တွေ နဲ့ ၎င်းတို့ကြားမှာရှိတဲ့ ဆက်နွယ်ချိတ်ဆက်မှုကို စစ်ဆေးခြင်းဖြင့် စတင်လေ့လာမယ်။ အချို့အေးဂျင့်တွေဟာ တခြားအေးဂျင့်တွေထက် ပိုကောင်းအောင် ပြုမူတာကို သတိပြုမိခြင်းဟာ  "အတတ်နိုင်ဆုံး ကောင်းစွာပြုမူသော အေးဂျင့်", "ဆင်ခြင်တုံတရားရှိသော အေးဂျင့်", "ကျိုးကြောင်းဆီလျော်သော အေးဂျင့်" (rational agent) ဆိုတဲ့ အယူအဆကို ဖြစ်ပေါ်လာစေတယ်။ အေးဂျင့်တစ်ခု ဘယ်လောက်ကောင်းမွန်စွာ ပြုမူနိုင်တယ် ဆိုတဲ့အချက်ဟာ ပတ်ဝန်းကျင်ရဲ့ သဘောသဘာဝပေါ်မှာ မူတည်တယ်။ အချို့သောပတ်ဝန်းတွေဟာ အခြားပတ်ဝန်းကျင်တွေထက် ပိုခက်တယ်။ ကျွန်တော်တို့ဟာ ပတ်ဝန်းကျင်ကို အကြမ်းဖျင်းအမျိုးအစားခွဲမယ်၊ ပတ်ဝန်းကျင်တစ်ခုရဲ့ ဂုဏ်သတ္တိတွေဟာ၊ အဲ့ဒီပတ်ဝန်းကျင်အတွက် သင့်လျော်တဲ့ အေးဂျင့်တွေရဲ့ ဒီဇိုင်းကို မည်ကဲ့သို့ လွှမ်းမိုးကြောင်း ပြသမှာဖြစ်တယ်။ ဒီစာအုပ်ရဲ့ နောက်ပိုင်းတွေမှာ ပုံဖော်သွားမဲ့ အခြေခံ "ပင်မကျောရိုးပုံကြမ်း"(skeleton) အေးဂျင့်ဒီဇိုင်းတွေကို ဖော်ပြထားပါတယ်။

2.1 Agents and Enviroments

အေးဂျင့် နှင့် ပတ်ဝန်းကျင်

            အာရုံခံကရိယာ(sensor) တွေကတဆင့်၊ ပတ်၀န်းကျင် (environment) ရဲ့ အခြေအနေ (state) ကို သိမြင်နားလည်အောင် အာရုံခံ (percepts) ပြီး၊ အလိုအလျောက် တုန့်ပြန်ဆောင်ရွက်နိုင်တဲ့အရာ (actuator) တွေကတဆင့်၊ အဲဒီပတ်၀န်းကျင်ကို တစ်စုံတစ်ရာ တုန့်ပြန်လုပ်ဆောင်တဲ့ အရာမှန်သမျှဟာ အေးဂျင့် ဖြစ်တယ်။

Figure 2.1 Agents interact with environments through sensors and actuators.

 

ဥပမာ။

•           Thermostat, Cell phone, Vacuum cleaner, Self-driving car, Human, Robot စတာတွေဟာ agent တွေ။

•           လူသားအေးဂျင့် ရဲ့ အာရုံခံကရိယာ sensor တွေဟာ နား၊ မျက်စိ၊ နှာခေါင်း အစရှိတဲ့ အာရုံခံအင်္ဂါတွေဖြစ်ပြီး တုန့်ပြန်ကရိယာ actuator တွေကတော့ လက်၊ ခြေထောက်၊ ပါးစပ် စတဲ့ တုန့်ပြန်လုပ်ဆောင်တဲ့ ခန္ဓာကိုယ်အစိတ်အပိုင်းတွေ။

•           စက်ရုပ် ရဲ့ sensors တွေဟာ၊  Cameras, sound recorder, infrared range, Smoke-detector စတာတွေဖြစ်ပြီး actuator ကတော့ အဲဒီစက်ရုပ် လှုပ်ရှား လည်ပတ်နိုင်ဖို့တည်ဆောက်ထားတဲ့ အထွေထွေ အမျိုးမျိုးသော motors တွေ၊ arms (လက်တံ) တွေ။

 

အေးဂျင့်တွေမှာ

၁။ ပတ်၀န်းကျင်(environment) က သိမြင်ကြားမှုတွေကို နားလည်အောင်လုပ်ဆောင်ခြင်း (perceive)

၂။ အဆင့် ၁ ကရရှိလာတဲ့ perception နဲ့၊ သူ့ရဲ့ ရည်ရွယ်ချက် ဦးတည်ချက်(goal) ပေါ်မူတည်ပြီး တွေးတောခြင်း၊ ဆုံးဖြတ်ခြင်း၊ ရွေးချယ်ခြင်း၊ တွက်ချက်ခြင်း (think) နဲ့

၃။ တုန့်ပြန်ဆောင်ရွက်ခြင်း (act)

ဆိုတဲ့ Circle of [perceive-->think-->act] ဆိုတဲ့အခြေအနေတွေဟာ ထပ်တလဲလဲ ဖြစ်ပျက်နေပါတယ်။

 

အာရုံခံရရှိမှုနှင့် အာရုံခံရရှိမှုအစီအစဉ်များ (Percept and Percept Sequence)

·         ပေးထားတဲ့ သတ်မှတ်ထားတဲ့ အချိန်တစ်ခုမှာ agent ရဲ့ input အဖြစ် ပတ်ဝန်းကျင်က အာရုံခံရရှိလာတဲ့သတင်းအချက်အလက်တစ်ခုဟာ percept

·         ပေးထားတဲ့ သတ်မှတ်ထားတဲ့ အချိန်တစ်ခုအထိ agent က ပတ်ဝန်းကျင်ကနေ အာရုံခံရရှိထားတဲ့ အချက်အလက်တွေအားလုံး(history)ဟာ percept sequence

ယေဘုယျပြောမယ်ဆိုရင် agent တစ်ခုဟာ၊ သူ့အတွက် လုပ်ဆောင်ချက် (action) ရွေးချယ်တဲ့အခါ၊ သူအာရုံခံရရှိထားတဲ့ အချက်အလက်တွေအားလုံး (percept sequence) အပေါ်မှာ မူတည်ပြီးရွေးချယ်တာဖြစ်တယ်။ သူ မရရှိ မသိရှိတဲ့ အချက်အလက်အပေါ်မှာ အခြေမခံဘူး။

 

အေးဂျင့်ဖန်ရှင် နှင့် အေးဂျင့်ပရိုဂရမ် (Agent Function and Agent Program)

            သင်္ချာဆန်ဆန်ပြောမယ်ဆိုရင် အေးဂျင့်တစ်ခုရဲ့ အပြုအမူကို agent function နဲ့ဖေါ်ပြတယ်။

agent function က၊ ပေးထားတဲ့ percept sequence ကို action တစ်ခုနဲ့ တွဲဖက်ချိတ်ဆက်ပေးတယ်။

artificial agent တစ်ခုအတွက် agent function ကို အကောင်အထည်ဖေါ်ပေးတာက agent program

ဒါကြောင့် ဒီနှစ်ခုရဲ့အဓိက ကွဲပြားခြားနားချက်က

·         agent function ဆိုတာ အကောင်အထည်မရှိတဲ့ သင်္ချာဆိုင်ရာသတ်မှတ်ဖေါ်ပြချက်တစ်ခု

·         agent program ဆိုတာ တကယ့် ရုပ်စနစ် (physical system) တစ်ခုအတွင်းမှာ အလုပ်လုပ် (run)ဖို့ အကောင်အထည်ဖေါ် တည်ဆောက်ထားတဲ့ အရာတစ်ခု။

            အထက်မှာ ဆွေးနွေးခဲ့တဲ့ စကားလုံးတွေနဲ့ သဘောတရားကို နားလည်ဖို့အတွက် အလွန်ရိုးရှင်းတဲ့ "ဖုန်စုပ်စက်" စနစ်တစ်ခုကို ဥပမာအဖြစ်လေ့လာကြည့်ပါစို့။

Fig 2.2 Simple Vaccum-Cleaner

 

ဒီစနစ်အလုပ်လုပ်မယ့် ပတ်ဝန်းကျင် (environment)

·         လေးထောင့်ကွက် အေ နဲ့ ဘီ။

agent က အာရုံခံရရှိတဲ့အခြေအနေ(percept)

·         သူ့ရဲ့လက်ရှိတည်နေရာ (အေမှာလား။ ဘီမှာလား။ A or B)နဲ့

·         အဲဒီတည်နေရာရဲ့ အခြေအနေ(ညစ်ပတ်နေသလား။ သန့်ရှင်းနေသလား။ Dirty or Clean)

agent ရဲ့ ရွေးချယ်နိုင်တဲ့လုပ်ရပ်action တွေက

·         ဘယ်ကိုရွှေ့မလား။ ညာကိုရွှေ့မလား။ ဖုန်စုပ်မလား။ Left, Right, Suck,

 

ဒီစနစ်နဲ့ပတ်သက်ပြီး သိပ်ကိုရိုးရှင်းလွန်းတဲ့ agent function တစ်ခုကို အောက်ပါအတိုင်း သတ်မှတ်နိုင်တယ်။

            if the current square is dirty, then suck;

            otherwise, move to the other square.

            လက်ရှိ လေးထောင့်ကွက်သည် ညစ်ပေနေပါက၊ ဖုန်စုပ်ပါ။

            ထိုသို့မဟုတ်ပါက၊ အခြားလေးထောင့်ကွက်သို့ ရွှေ့ပါ။

            ဒီ agent ရဲ့ percept sequence နဲ့ အဲဒီအပေါ်မူတည်ပြီး ဆောင်ရွက်တဲ့ action တွေ၊ တစ်နည်းပြောရရင် agent function တွေကို (တစ်စိပ်တစ်ပိုင်း) ဇယားချကြည့်မယ်ဆိုရင် အောက်ပါအတိုင်းဖြစ်နိုင်ပါတယ်။

 

 

Percept sequence	Action
[A, Clean]	Right
[A, Dirty]	Suck
[B, Clean]	Left
[B, Dirty]	Suck
[A, Clean], [A, Clean]	Right
[A, Clean], [A, Dirty]	Suck
...	...
...	...
[A, Clean], [A, Clean], [A, Clean]	Right
[A, Clean], [A, Clean], [A, Dirty]	Suck
...	...
...	...
Figure 2.3 Partial tabulation of a simple agent function for the vacuum-cleaner world shown in Figure 2.2. The agent cleans the current square if it is dirty, otherwise it moves to the other square. Note that the table is of unbounded size unless there is a restriction on the length of possible percept sequences.

           

            agent program တစ်ခုကို လက်တွေ့ အကောင်အထည်ဖေါ် ရေးသားမယ်ဆိုရင်တော့ အောက်ပါအတိုင်း ဖြစ်နိုင်ပါတယ်။

function REFLEX-VACUUM-AGENT([location, status]) returns an action

if status = Dirty then return Suck

else if location = A then return Right

else if location = B then return Left

Please Note Copyright Notice:

ဤဆောင်းပါးများ 

Artificial Intelligence: A Modern Approach  သည်၊ ကွန်ပျူတာဂျာနယ်တွင် ဖေါ်ပြပါရှိပြီးသော ဆောင်းပါးများဖြစ်ပါသည်။

ဤဆောင်းပါးများနှင့် နောက်နောင် ဆက်လက် တင်ပြကောင်းတင်ပြမည့် 

Artificial Intelligence: A Modern Approach  သင်္ခန်းစာ ဆောင်းပါးများ အားလုံးကို Patent & Copyright Law အရ မှတ်ပုံတင်ပြီးဖြစ်ပါသည်။