တိရစ္ဆာန်စားကျက်မြေကို ကျူးကျော်ခြင်းနှင့်ပတ်သက်၍

မောင်သာအေး(အယူခံတရားလို) နှင့် ဘုရင်ဧကရာဇ် (တရားပြိုင်) [The Burma Law Journal, Volume 5 – 1926, pp.177-178]

++++++++++++++++++++++++++

အောက်မြန်မာပြည် မြေယာနှင့် အခွန်တော် အက်ဥပဒေ (၁၈၇၆ ခုနှစ်၊ မြန်မာနိုင်ငံ အက်ဥပဒေ အမှတ် ၂) နည်းဥပဒေ ၆၉ - တိရစ္ဆာန်စားကျက်မြေကို စားကျက်မြေအဖြစ်အသုံးပြုခြင်းမှအပ အခြားကိစ္စများအတွက် ခွင့်ပြုချက်မရှိဘဲ အသုံးပြုခြင်း။ အဆိုပါမြေနေရာကို နယ်နိမိတ်သတ်မှတ်ပြီး အခိုင်အမာတိုင်များစိုက်ထူထားကြောင်း တိကျခိုင်လုံသော သက်သေအထောက်အထား လိုအပ်သည်။

အောက်မြန်မာပြည် မြေယာနှင့် အခွန်တော် အက်ဥပဒေအရ ပြဋ္ဌာန်းထားသော နည်းဥပဒေ ၆၉ (ခ) အရ တရားစွဲဆိုမှုအားလုံးတွင်၊ တိရစ္ဆာန်စားကျက်မြေကို သတ်မှတ်ချထားပေးရုံသာမက အပြီးသတ် နယ်နိမိတ်သတ်မှတ်ပြီးဖြစ်ကြောင်း၊ ဆိုလိုသည်မှာ နယ်နိမိတ်များကို အမြဲတမ်းစိုက်ထူထားသော တိုင်များ သို့မဟုတ် ထင်ရှားသော အမှတ်အသား တစ်ခုခုဖြင့် ရှင်းလင်းစွာ မှတ်သားထားကြောင်း သက်သေအထောက်အထား ရှိရမည်။

ဤကဲ့သို့သော အမှုများတွင် ကျင့်သုံးရမည့် မှန်ကန်သော လုပ်ထုံးလုပ်နည်းမှာ မြေစာရင်းအရာရှိအနေဖြင့် ၎င်း၏ တိုင်ကြားချက် သို့မဟုတ် အစီရင်ခံစာနှင့်အတူ အမှုတစ်ခုချင်းစီတွင် သက်ဆိုင်ရာ တိရစ္ဆာန်စားကျက်မြေ၏ နယ်နိမိတ်များ၊ နယ်နိမိတ် အမှတ်အသားများနှင့် စွပ်စွဲခံရသူ ကျူးကျော်ဝင်ရောက်သည်ဟုဆိုသော စားကျက်မြေအတွင်းရှိ ဧရိယာတို့ကို ဖော်ပြထားသည့် မြေပုံကို တင်ပြရမည်ဖြစ်ပြီး၊ စားကျက်မြေကို သတ်မှတ်ချထားပေးကာ နယ်နိမိတ်သတ်မှတ်ပြီးဖြစ်ကြောင်းနှင့် စွပ်စွဲထားသော ကျူးကျော်မှုကို ကျူးလွန်ခဲ့ကြောင်း တရားရုံးက သက်သေခံချက် ရယူရန် ဖြစ်သည်။ ဤအချက်များအားလုံးနှင့်စပ်လျဉ်း၍ မြေစာရင်းအရာရှိနှင့် ကျေးရွာလူကြီးတို့၏ ထွက်ဆိုချက်များသည် အရေးပါမည်ဖြစ်သည်။

အမိန့်ဒီကရီ

၁၉၂၆ ခုနှစ်၊ ဇူလိုင်လ ၁၈ ရက်

လူအများအပြားဖြစ်သည့် ရွှေငယ်၊ သာအေး၊ သာရွေး၊ မောင်ဖေ၊ ဖိုးဘ နှင့် စံမင်း တို့အား မြေစာရင်းမြေတိုင်းစာရေး စိန်ငွေက တိရစ္ဆာန်စားကျက်မြေ၏ တစ်စိတ်တစ်ပိုင်းကို စားကျက်မြေအဖြစ်အသုံးပြုခြင်းမှအပ အခြားကိစ္စများအတွက် အသုံးပြုမှုဖြင့် တရားစွဲဆိုခဲ့ပြီး၊ ၎င်းတို့အား အောက်မြန်မာပြည် မြေယာနှင့် အခွန်တော် အက်ဥပဒေအရ ပြဋ္ဌာန်းထားသော နည်းဥပဒေ ၆၉ အရ ပြစ်မှုကျူးလွန်ကြောင်း စီရင်ချက်ချကာ ငွေဒဏ် မြင့်မားစွာ ချမှတ်ခဲ့သည်။ အမှုတစ်ခုစီရှိ ထုချေချက်မှာ ၎င်းတို့ ဝင်ရောက်နေထိုင်သောမြေသည် စားကျက်မြေဖြစ်ကြောင်း မသိရှိခဲ့ဟု ဆိုသည်။

နည်းဥပဒေ ၆၉ အရ တရားစွဲဆိုမှုအားလုံးတွင်၊ စားကျက်မြေကို သတ်မှတ်ချထားပေးရုံသာမက အပြီးသတ် နယ်နိမိတ်သတ်မှတ်ပြီးဖြစ်ကြောင်း၊ ဆိုလိုသည်မှာ စားကျက်မြေ၏ နယ်နိမိတ်များနှင့်ပတ်သက်၍ မှားယွင်းရန် အကြောင်းမရှိစေရေးအတွက် နယ်နိမိတ်များကို အမြဲတမ်းစိုက်ထူထားသော တိုင်များ သို့မဟုတ် ထင်ရှားသော အမှတ်အသား တစ်ခုခုဖြင့် ရှင်းလင်းစွာ မှတ်သားထားကြောင်း သက်သေအထောက်အထားရှိရန် မရှိမဖြစ် လိုအပ်သည်။

ယခုဖြစ်ပေါ်နေသော အမှုတွဲများတွင် စားကျက်မြေကို စနစ်တကျ နယ်နိမိတ်သတ်မှတ်ထားကြောင်း ပြသရန် သက်သေအထောက်အထားမရှိဘဲ၊ စက်ရှင်တရားသူကြီးက အဆိုပါ အမှုများကို ဤတရားရုံးသို့ အစီရင်ခံစာတင်ပြခဲ့ပြီး ပြစ်ဒဏ်ချမှတ်မှုများနှင့် ပြစ်ဒဏ်များကို ပယ်ဖျက်ကာ အမှုသစ်ပြန်လည်စစ်ဆေးရန် အကြံပြုထားသည်။

အထက်ဖော်ပြပါ ချို့ယွင်းချက်၊ အမှုအရေအတွက်နှင့် ချမှတ်ထားသော ငွေဒဏ်များ၏ ပြင်းထန်မှုတို့ကြောင့် ဤလမ်းကြောင်း [ပြစ်ဒဏ်ချမှတ်မှုများနှင့် ပြစ်ဒဏ်များကို ပယ်ဖျက်ကာ အမှုသစ်ပြန်လည်စစ်ဆေးရန် အကြံပြုခြင်း] သည် တရားမျှတမှုရှိသည်ဟု ကျွန်ုပ် ယူဆသည်။

ကျပ် ၅၀ မှ ကျပ် ၂၀၀ အထိ ရှိသော ပြင်းထန်သည့် ငွေဒဏ်များကို မည်သည့်အချက်အပေါ် အခြေခံထားကြောင်း ပြသရန် မှတ်တမ်းတွင် ဘာမျှမရှိပါ။ အကယ်၍ ဝင်ရောက်နေထိုင်သော ဧရိယာအပေါ် အခြေခံခဲ့ပါက၊ ပြစ်မှုကျူးလွန်သူများအား အဆိုပါအခြေခံဖြင့် အခွန်ကောက်ခံပြီးဖြစ်မည်ဟု ယူဆရသဖြင့် ၎င်းတို့ ဝင်ရောက်နေထိုင်ခဲ့သော မြေဧရိယာအတွက် နှစ်ကြိမ်ပေးဆောင်ရခြင်းသည် မတရားရာကျမည်ဟု ကျွန်ုပ် ထင်မြင်သောကြောင့် ထိုအခြေခံကို ကျင့်သုံးခြင်းသည် တရားမျှတမှုမရှိဟု ကျွန်ုပ် ယူဆသည်။

ဤကဲ့သို့သော အမှုများတွင် ကျင့်သုံးရမည့် မှန်ကန်သော လုပ်ထုံးလုပ်နည်းမှာ မြေစာရင်းအရာရှိအနေဖြင့် ၎င်း၏ တိုင်ကြားချက် သို့မဟုတ် အစီရင်ခံစာနှင့်အတူ အမှုတစ်ခုချင်းစီတွင် သက်ဆိုင်ရာ စားကျက်မြေ၏ နယ်နိမိတ်များ၊ နယ်နိမိတ် အမှတ်အသားများနှင့် စွပ်စွဲခံရသူ ကျူးကျော်ဝင်ရောက်သည်ဟုဆိုသော စားကျက်မြေတွင်းရှိ ဧရိယာတို့ကို ဖော်ပြထားသည့် မြေပုံကို တင်ပြရမည်ဖြစ်ပြီး၊ စားကျက်မြေကို သတ်မှတ်ချထားပေးကာ နယ်နိမိတ်သတ်မှတ်ပြီးဖြစ်ကြောင်းနှင့် စွပ်စွဲထားသော ကျူးကျော်မှုကို ကျူးလွန်ခဲ့ကြောင်း တရားရုံးက သက်သေခံချက် ရယူရန် ဖြစ်သည်။ ဤအချက်များအားလုံးနှင့်စပ်လျဉ်း၍ မြေစာရင်းအရာရှိ၏ ထွက်ဆိုချက်သည် အရေးကြီးသကဲ့သို့ ကျေးရွာလူကြီး၏ ထွက်ဆိုချက်သည်လည်း အရေးပါမည်ဖြစ်သည်။

ဤအမှုများ၏ အခြေအနေအရ၊ ပြစ်ဒဏ်ချမှတ်မှုများနှင့် ပြစ်ဒဏ်များကို ကျွန်ုပ် ပယ်ဖျက်ပြီး စွပ်စွဲခံရသူများကို အမှုသစ်ပြန်လည်စစ်ဆေးရန် အမိန့်ချမှတ်သည်။ မည်သည့်ငွေဒဏ်ကိုမျှ ကောက်ခံထားခြင်းမရှိဘဲ၊ စွပ်စွဲခံရသူ မည်သူမျှ ငွေဒဏ်မဆောင်နိုင်၍ အကျဉ်းထောင်သို့ ပို့ဆောင်ခံရခြင်း မရှိသဖြင့် ငွေဒဏ်များ ပြန်လည်ပေးအပ်ရန် သို့မဟုတ် အကျဉ်းထောင်မှ လွှတ်ပေးရန် အမိန့်များ လိုအပ်မည်မဟုတ်ဟု ယူဆသော်လည်း၊ အကယ်၍ ငွေဒဏ်တစ်စုံတစ်ရာ ပေးဆောင်ခဲ့ပါက ၎င်းတို့ကို ပြန်လည်ပေးအပ်မည်ဖြစ်ပြီး စွပ်စွဲခံရသူ တစ်ဦးဦးကို အကျဉ်းထောင်သို့ ပို့ဆောင်ထားပါက ၎င်းတို့အား ဤအမှုများနှင့် သက်ဆိုင်သရွေ့ ချက်ချင်းလွှတ်ပေးမည်ဖြစ်သည်။

စွပ်စွဲခံရသူများ ချုပ်ဆိုထားသော ခံဝန်ကတိများကို ပယ်ဖျက်မည်ဖြစ်သည်။

ဥပဒေစည်းမျဉ်းများဖြင့် ပိတ်မိခြင်း၊ တရားမျှတမှုကို မျက်ကွယ်ပြုခြင်း နှင့် ‘မဟာဘာရတ ဇာတ်တော်ကြီး’ က ပေးတဲ့သင်္ခန်းစာများ

နိဒါန်း

*******

လူ့အဖွဲ့အစည်း တစ်ရပ်မှာ တရားဥပဒေရဲ့ အဓိက ရည်ရွယ်ချက်က အားနည်းသူတွေကို ကာကွယ်ပေးဖို့နဲ့ တရားမျှတမှုကို ဖော်ဆောင်ပေးရန် ဖြစ်တယ်။ အဲ့ဒီလို ဥပဒေရဲ့ တကယ့် အနှစ်သာရကို လျစ်လျူရှု၊ မျက်စိမှိတ် နားပိတ် နှလုံးသားအမှောင်ချပြီး၊ ဥပဒေရဲ့ အစဉ်အလာလုပ်ထုံးလုပ်နည်းတွေ နဲ့ ဥပဒေစာသားတွေနောက်ကိုပဲလိုက်နေမယ်ဆိုရင်၊ နိုင်ငံရဲ့ယန္တရားတစ်ခုလုံး ပြိုလဲသွားပြီး၊ သွေးချောင်းစီးစစ်ပွဲကြီးတွေ ဖြစ်လာနိုင်တဲ့အကြောင်းကို အိန္ဒိယ ဟိန္ဒူယဉ်ကျေးမှုမှာ၊ အလွန်ထင်ရှားကျော်ကြားတဲ့ "မဟာ ဘရတ The Mahābhārata" ဇာတ်တော်ကြီးက သတိပေးထားတယ်။ "မဟာဘာရတ္တဇာတ်တော်ကြီး" မှာ တွေ့မြင်ရတဲ့၊ ကုရုမင်းဆက် ပျက်သုဉ်းခဲ့ရတဲ့ သွေးချောင်းစီး မဟာစစ်ပွဲကြီးဟာ ရုတ်တရက် ပေါ်ပေါက်လာတာမျိုး မဟုတ်ဘဲ၊ တရားမျှတမှု ဆိတ်သုဉ်းခြင်း၊ ကတိသစ္စာဖေါက်ဖျက်ခြင်း နဲ့အတူ၊ လူမှုနိုင်ငံရေး ပဋိပက္ခများရဲ့ အကျိုးဆက်အဖြစ် ရှောင်လွှဲမရတော့တဲ့ အခြေအနေမှာ ပေါ်ပေါက်လာခဲ့ရခြင်း ဖြစ်တယ်။

၁။ ဥပဒေလုပ်ထုံးလုပ်နည်း စာသားများကို ဗဟိုပြုလွန်းခြင်းသည် တရားမျှတမှုကို မျက်ကွယ်ပြုရာရောက်ခြင်း

************************

မဟာဘာရတဇာတ်တော်ရဲ့ အဆိုးရွားဆုံးနဲ့ အထွတ်အထိပ်ပြဿနာက၊ ကြွေအန်ကစားပွဲအပြီး လူပုံအလယ်မှာ ဒရုပ်ပါဒီအမျိုးသမီး အဝတ်ချွတ်စော်ကားခံရတဲ့ (Vastraharan) ဖြစ်ရပ်ပင် ဖြစ်တယ်။ ဒီဖြစ်ရပ်မှာ တကယ့်တရားမျှတမှု (Substantive Justice) ကို မျက်ကွယ်ပြုပြီး ဥပဒေရဲ့ သီအိုရီနဲ့ လုပ်ထုံးလုပ်နည်း ဟာကွက်တွေ (Procedural Technicalities) နောက်သို့သာ လူအများက လိုက်ခဲ့ကြခြင်းက၊ မဟာစစ်ပွဲကြီး ဖြစ်ပေါ်လာရန် အဓိက အကြောင်းရင်း ဖြစ်လာခဲ့ပုံကို မီးမောင်းထိုးပြထားတယ်။

• ယုဓိသတိရ ဟာ၊ လောင်းကစားပွဲမှာ မိမိကိုယ်ကိုရော ဇနီးဖြစ်သူ(ဒရုပ်ပါဒီ)ကိုပါ အလောင်းအစားလုပ်ပြီး ရှုံးနိမ့်ခဲ့တဲ့နောက်၊ ကောရဝညီနောင် ‘ဒုရှာသန’ က ဒရုပ်ပါဒီကို နန်းတော်ညီလာခံအလယ်ကို ဆံပင်ကနေဆွဲပြီး အကြမ်းဖက် ခေါ်ဆောင်ခဲ့တယ်။

• ဒီအခြေအနေ အချိန်အခါမှာ ဒရုပ်ပါဒီက၊ ပညာရှင်ဆန်ဆန် ဝေဘန်ထောက်ပြ ငြင်းချက်ထုတ် စိန်ခေါ်ခဲ့တဲ့ ဥပဒေရေးရာ ပြဿနာတစ်ခုဖြစ်တဲ့ "ယုဓိသတိရသည် မိမိကိုယ်ကို အရင်ရှုံးနိမ့်ခဲ့သလား၊ ကျွန်မကို အရင်ရှုံးနိမ့်ခဲ့သလား။ (ယုဓိသတိရသည် မိမိကိုယ်ကို အရင်ရှုံးနိမ့်ခဲ့သည်ဖြစ်၍) မိမိကိုယ်တိုင် ကျွန်ဖြစ်သွားသူ တစ်ယောက်တွင် သူတစ်ပါးကို (ဇနီးဖြစ်စေကာမူ) ထပ်မံ အလောင်းအစားလုပ်ပိုင်ခွင့် (Legal Right) ရှိသလား" ဆိုတဲ့ သူမရဲ့ ချေပချက်ဟာ ထိုခေတ်ကာလ တရားစီရင်ရေးနှင့် ကျင့်ဝတ်ဆိုင်ရာ အခြေခံမူတွေကို အကြီးအကျယ် တုန်လှုပ်စေခဲ့တယ်။ ဒါပေမဲ့လဲ ဒီငြင်းချက်ကို ဘယ်ဥပဒေပညာရှင်ဟု အဆိုရှိသူကမှ အလေးအနက် စဉ်းစားဆင်ခြင် ဝေဖန်သုံးသပ်မှု မပြုခဲ့ကြဘူး။

• ဒါ့အပြင် ညီလာခံမှာရှိတဲ့ မင်းကြီး၊ ပညာရှိအမတ်ကြီးတွေ၊ ဆရာသမားနဲ့ ခင်ပွန်းဖြစ်သူ စစ်သည်တော်ကြီး ငါးဦးစလုံးဟာ၊ တရားမျှတမှု အမျိုးသမီးအခွင့်အရေး လူ့ဂုဏ်သိက္ခာ စတဲ့ ဥပဒေရဲ့ အနှစ်သာရ နဲ့ အစစ်အမှန်ဓမ္မတရားတွေကို ကာကွယ်စောင့်ရှောက်ကြရမဲ့အစား၊ သူတို့နည်း သူတို့ဟန်နဲ့ လက်ခံထားတဲ့၊ ဥပဒေ စည်းမျဉ်း အစဉ်အလာ စကားလုံးတွေရဲ့ဟာကွက်တွေထဲမှာ ပိတ်မိနေပြီး ခေါင်းငုံ့တိတ်ဆိတ်နေခဲ့ကြတယ်။

၂။ တာဝန်ရှိသူတို့၏ မျက်ကွယ်ပြုမှုသည် မကောင်းမှု အဓမ္မ(Adharma) ကို တရားဝင်ခွင့်ပြုရာရောက်ခြင်း

****************************

ဥပဒေပြုသူတွေ၊ တရားသူကြီးတွေနဲ့ ဥပဒေကို လိုက်နာစေရန်လုပ်ဆောင်သူတွေက၊ ဥပဒေကို တရားနဲ့အညီအဓိပ္ပာယ်ကောက်ယူရန် ပျက်ကွက်တဲ့အခါမှာ၊ မတရားမှုဟာ တရားဝင် အသွင်ဆောင်လာတော့တယ်။

• အဲ့ဒီနေ့က ကောရဝတို့ရဲ့ လုပ်ရပ်ကို သက်ဆိုင်သူ လူအများက မတားဆီးခဲ့ခြင်းဟာ၊ မတရားမှုကို အသံတိတ် အသိအမှတ်ပြုလိုက်ခြင်းပင် ဖြစ်တယ်။

• ဒီလို ယုတ်ရင်းဆိုးသွမ်းမှုမျိုးကို တရားဝင်ခွင့်ပြုလိုက်သကဲ့သို့ ဖြစ်သွားခြင်းက ‘ဒူးရယောဓန’ ကို ပိုမို မောက်မာလာစေပြီး၊ နောက်ပိုင်း ငြိမ်းချမ်းရေး ဆွေးနွေးမှုအားလုံးကို ပျက်ပြားစေခဲ့တယ်။

• ဒါ့အပြင် ကောရဝတို့၏ ဖခင် ဘုရင်ကြီး ‘ဓရီတရဋ္ဌ’ (Dhritarashtra) ဟာ၊ မျက်စိကန်းနေရုံသာမက သားဖြစ်သူအပေါ် မျက်စိစုံမှိတ် အလွန်အမင်း တွယ်တာချစ်ခင်မှု (Blind Attachment) ကြောင့် အသိဉာဏ်ပါ ကန်းသွားခဲ့တယ်။ သားဖြစ်သူရဲ့ အမှားကို သိလျက်နဲ့ မတားဆီးဘဲ အလိုလိုက်ခဲ့ခြင်းဟာ တိုင်းပြည်ကို ချောက်ကမ်းပါးသို့ တွန်းပို့ခဲ့ခြင်းပင် ဖြစ်တယ်။

• ညီလာခံရှေ့မျောက်မှာ ရှိနေကြသူတွေဟာ "တရားမျှတမှု (Justice)" ဆိုတဲ့ ဓမ္မဥပဒေရဲ့ အနှစ်သာရကို ကာကွယ်ရမဲ့အစား၊ လောင်းကစားစည်းမျဉ်း၊ သစ္စာဆိုထားမှု၊ ပိုင်ဆိုင်မှု ဆိုင်ရာစည်းမျဉ်း၊ ညီအစ်ကိုကျင့်ဝတ် … အစရှိတဲ့ အပေါ်ယံ "ဥပဒေ စာသားများ” အတွင်းမှာပဲ ပိတ်မိနေခဲ့ကြတယ်။

၃။ မှားယွင်းသော သစ္စာတရားများ

*****************************

တရားမျှတမှုရှိစေရေးကိစ္စမှာ၊ ပုဂ္ဂိုလ်ရေးခံစားချက်နဲ့ တာဝန်ဝတ္တရား လွန်ဆွဲမှုဖြစ်လာရင် စနစ်အပေါ် ယုံကြည်မှု (Public Trust) ပျက်ပြားတတ်တယ်။

• ဘိုးတော် ဘီရှမ နဲ့ ဆရာကြီးဒရိုဏ (Drona) တို့ဟာ၊ ဟက်စတီနာပူရ ထီးနန်းကို ‘မည်သည့်အခြေအနေတွင်မဆို ကာကွယ်စောင့်ရှောက်မည်’ လို့ သစ္စာဆိုထားသူများ ဖြစ်တယ်။ ဒီညီလာခံမှာ ရှင်ဘုရင်ဖြစ်သူ ဓရီတရဋ္ဌ (Dhritarashtra) ကိုယ်တိုင်က ဒီ ကြွေအံကစားပွဲကို တားဆီးခြင်း မရှိဘူး။ ဒါ့ကြောင့် ၎င်းတို့လို သစ္စာခံအမတ်တွေအနေနဲ့ ဘုရင်ရဲ့ အဆုံးအဖြတ်ကို ကျော်လွန်ပြီး ဝင်ရောက်စွက်ဖက်ခြင်းဟာ နိုင်ငံတော်သစ္စာဖောက်ဖျက်ရာရောက်မယ် ဆိုတဲ့ မိမိဘာသာ အကြောင်းပြချက်နဲ့ ဥပဒေဘောင်အတွင်းမှ နှုတ်ဆိတ်နေခဲ့ကြတယ်။ “ဆိုရေးရှိက ဆိုအပ်လှ၏” ဆိုတာကို မကျင့်သုံးခဲ့ဘူး။

• အမြင့်ဆုံး တရားစီရင်ရေး အာဏာပိုင်တွေဖြစ်တဲ့ … ဘုရင်၊ ဘိရှမ၊ ဒရိုဏ တို့ အားလုံးဟာ ဥပဒေစာသားနဲ့ ဥပဒေအကောင်အထည်ဖေါ်ရေးနည်းလမ်းပိုင်းဆိုင်ရာ ဟာကွက်တွေ (Procedural Technicalities) ကို ဆုပ်ကိုင်ပြီး၊ အမျိုးသမီးတစ်ဦး အကြမ်းဖက်ခံရမှုကို နှုတ်ဆိတ် လက်ပိုက် ကြည့်နေခဲ့ကြတယ်။

• ပါဏ္ဍဝညီနောင်ငါးဦးထဲက၊ ဘီးမ နဲ့ အာရ်ဂျူန တို့လို ခွန်အားကြီးမားတဲ့ ညီအစ်ကိုတွေကလည်း၊ ‘ဒရုပ်ပါဒီ’ အကြမ်းဖက်ခံရချိန်မှာ ဒေါသထွက်ခဲ့ကြပေမဲ့၊ ၎င်းတို့ရဲ့ အစ်ကိုကြီး ‘ယုဓိသတိရ’ ကိုယ်တိုင်က ရှုံးမဲမဲပြီး၊ ခေါင်းငုံ့နေတဲ့အတွက် ဝင်ပါခွင့် မရခဲ့ဘူး။ အစ်ကိုကြီးရဲ့ လုပ်ရပ်ကို ဆန့်ကျင်ခြင်းဟာ ညီအစ်ကိုကျင့်ဝတ် (Bhratri Dharma) ကို ဖောက်ဖျက်ရာရောက်တယ်ဆိုတဲ့၊ နည်းဥပဒေစကားလုံးတွေအပေါ်မှာ သောင်တင်ရင်း၊ မတရားမှုကို လက်ပိုက်ကြည့်နေခဲ့ရတယ်။

• ဒါ့အပြင်၊ စစ်ပွဲကြီးဖြစ်လာတဲ့အခါမှာလည်း ဘိုးတော်ဘိရှမ နဲ့ ဆရာဒရိုဏ တို့က အမှားအမှန်ကို သိပေမဲ့၊ ‘ထီးနန်းအပေါ် သစ္စာစောင့်သိရမယ်’ ဆိုတဲ့၊ တာဝန်ကို အကြောင်းပြုပြီး မတရားသော ကောရဝတို့ဘက်က ပါဝင်တိုက်ခိုက်ခဲ့တယ်။ သစ္စာ တရားဆိုတာ၊ ဆိုးယုတ်သူတွေအပေါ်ထားမိနေရင်၊ ဘာတန်ဖိုးမှ မရှိတဲ့အပြင် ပျက်သုဉ်းခြင်းကိုသာ ဖြစ်စေတယ်… ဆိုတာ မြင်နိုင်တယ်။

• ဒီလို လူတော်လူကောင်းတွေက၊ ၎င်းတို့ထားတဲ့ မှားယွင်းတဲ့ တစ်ကြောင်းဆွဲ သစ္စာတရားကြောင့် အဓမ္မဘက်က ရပ်တည်ခဲ့ခြင်းဟာ စစ်ပွဲကို ပိုမို ကြီးမားသွားစေခဲ့တယ်။

၄။ မတရားမှုခံစားခဲ့ရသူတို့၏ လက်စားချေလိုစိတ်

*************************************

ဥပဒေရဲ့ အကာအကွယ်မရရှိတဲ့ ထိခိုက်နစ်နာသူတွေဟာ ကိုယ်ပိုင် တရားမျှတမှု ရှာဖွေရေး (Vigilante Justice) ဆီ, ဦးတည်သွားတတ်တယ်။

• လူ့အဖွဲ့အစည်းတစ်ခုလုံးရဲ့ အကာအကွယ်ကို မရခဲ့တဲ့အတွက် ဒရုပ်ပါဒီက ‘ဒုရှာသန၏ နှလုံးသွေးဖြင့် မိမိဆံပင်ကို မလျှော်ရသရွေ့ ဆံပင်ချည်နှောင်ထုံးဖွဲ့မည်မဟုတ်’ လို့ သစ္စာဆိုခဲ့တယ်။

• ဘီးမ ကလည်း ဒုရှာသနရဲ့ လက်မောင်းတွေကို ချိုးပြီး ရင်ဘတ်ကိုခွဲမယ်၊ ဒူးရယောဓနရဲ့ ပေါင်ကို ရိုက်ချိုးမယ်လို့ ကျိန်ဆိုခဲ့တယ်။

• နစ်နာခံစားရသူတွေရဲ့ အမုန်းတရားက ထွက်ပေါ်လာတဲ့ ဒီလိုကြောက်မက်ဖွယ် ကျိန်ဆိုချက်တွေဟာ၊ ငြိမ်းချမ်းရေး လမ်းစအားလုံးကို ပိတ်ပစ်ခဲ့သလို ဖြစ်သွားခဲ့တယ်။

၅။ အစွန်းရောက် လောဘနှင့် မနာလိုမှု

***********************

နိုင်ငံရေးနဲ့ အုပ်ချုပ်ရေးနယ်ပယ်မှာ အာဏာကို လက်ဝါးကြီးအုပ်လိုမှုဟာ အကြမ်းဖက်မှုများအားလုံးရဲ့ အဓိက မြစ်ဖျားခံရာ ဖြစ်တယ်။

• ကောရဝညီနောင်တွေရဲ့ စိတ်ဆိုးစိတ်ယုတ်ရှိသူ ဦးလေးဖြစ်တဲ့ ရှကုနိ (Shakuni) ဟာ ကုရုမင်းဆက်ကို ဖျက်ဆီးဖို့ ငယ်စဉ်ကတည်းက ကြံစည်ခဲ့သူ ဖြစ်တယ်။ ၎င်းက, ဒူးရယောဓနရဲ့ ရင်ထဲမှာ ပါဏ္ဍဝတို့အပေါ် မုန်းတီးမှု မျိုးစေ့ချပေးခဲ့တယ်။ ၎င်းကိုယ်တိုင် ကြွေအန်ကစားပွဲကိုလည်း လှည့်ဖျား စီစဉ်ခဲ့တယ်။ ၎င်းရဲ့ သွေးထိုးလှုံ့ဆော်မှုတွေက နှစ်ဖက် ပဋိပက္ခကို ပိုမို ကြီးထွားစေခဲ့တယ်။

• ပါဏ္ဍဝတို့ဟာ စုစုပေါင်း ၁၃ နှစ်ကြာ နန်းကိုစွန့်ခွာတောလည်ပြီးတဲ့နောက်၊ သဘောတူညီချက်အရ တိုင်းပြည်တစ်ဝက် ပြန်တောင်းချိန်မှာ ဒူးရယောဓနက ငြင်းဆန်ခဲ့တယ်။ ‘မဟာ ကရိရှဏ’ ကိုယ်တိုင်လာရောက်ပြီး၊ ရွာ ၅ ရွာသာ ပေးဖို့ တောင်းဆိုတာကိုတောင်၊ ‘အပ်တစ်ချောင်းစာ စိုက်လောက်သည့် မြေကိုမျှ မပေးနိုင်’ လို့ မောက်မာစွာ တုံ့ပြန်ခဲ့တယ်။ ကောရဝတွေရဲ့ ကတိပျက်မှု နဲ့ သစ္စာမဲ့ခြင်းက စစ်မက်ဖြစ်ပွားဖို့ အကြောင်းရင်းတစ်ခုဖြစ်တယ်။

• ပါဏ္ဍဝတို့ဖက်က ကြည့်ရင်၊ မိမိတို့က ငြိမ်းချမ်းရေးကို လိုလားပါသော်လည်း၊ တဖက်က စစ်မက်ကိုပဲ လိုလားတဲ့အခါ၊ ဥပဒေစနစ် နဲ့ သစ္စာတရားက အမှန်တရားကို မကာကွယ်နိုင်တော့တဲ့အခါမှာ၊ တရားမျှတမှုကို လက်နက်ဖြင့်ပြန်လည်ရှာဖွေရန်သာ ကျန်တော့တဲ့ အခြေအနေ ဆိုက်ရောက်သွားခဲ့တယ်။

နိဂုံး

*******

နိုင်ငံတကာ ဥပဒေတွေရဲ့ ဆင့်ကဲပြောင်းလဲလာမှု သမိုင်းကြောင်းကို လေ့လာကြည့်ရင်၊ အုပ်ချုပ်သူ အာဏာပိုင်တွေရဲ့ လောဘ ဒေါသ မောဟ မာန်မာန အာဃာတ၊ လူအများအတွက် တရားမျှတမှု ဆုံးရှုံးခြင်း နဲ့ လူကောင်းတွေက မတရားမှုအပေါ် နှုတ်ဆိတ်နေမှုတွေဟာ၊ အဆုံးစွန်သော ပဋိပက္ခများဆီသို့ အမြဲတစေ ဦးတည်သွားလေ့ရှိတယ်ဆိုတာကို တွေ့ရမှာဖြစ်တယ်။ ‘မဟာဘာရတ’ ဇာတ်တော်ကြီးဟာ ခေတ်အဆက်ဆက်မှာရှိတဲ့၊ ဥပဒေပညာရှင်တွေနဲ့ အုပ်စိုးသူတွေအတွက် အလွန် အဖိုးတန်တဲ့ လမ်းညွှန်မှုအမွေအနှစ်ကို ပေးအပ်ခဲ့တယ်။ ဥပဒေပြုသူတွေနဲ့ တရားမျှတမှုကို ဖေါ်ဆောင်ပေးဖို့ တာဝန်ရှိသူတွေဟာ ဥပဒေပြဌာန်ချက်စာသား (Letter of the Law) ကိုပဲ အသေဆုပ်ကိုင်ထားပြီး၊ ဥပဒေရဲ့ အသက်သွေးကြော ဝိညာဉ်ဖြစ်တဲ့ တရားမျှတမှု (Spirit of the Law) ကို မျက်ကွယ်ပြုလိုက်ရင်၊ လူအပေါင်းတို့ရဲ့ ကိုးစားယုံကြည်မှု ပျက်သုဉ်းသွားပြီး၊ လူ့အဖွဲ့အစည်း တစ်ခုလုံး သွေးချောင်းစီး စစ်ပွဲတွေအတွင်း မလွဲမသွေ ကျရောက်သွားနိုင်တယ်ဆိုတာကို ‘မဟာဘာရတ’ ဇာတ်တော်ကြီး က သက်သေပြနေတယ်။  

အေအိုင်၊ သင်္ချာပညာ ပျက်စီးခြင်း၏အစလော?

သင်္ချာလောကရဲ့ 'ထောင်စုနှစ် ဆုကြေးပုစ္ဆာကြီး' (Millennium Prize Problems) ၇-ရပ် အနက် တစ်ခုအပါအဝင်ဖြစ်ပြီး ထင်ရှားလှတဲ့ ‘နာဗီယာ-စတုတ် ညီမျှခြင်းများ (Navier-Stokes equations)’ နဲ့ သက်ဆိုင်တဲ့ အခြေအနေတစ်ခုအတွက်၊ ကွန်ပျူတာစွမ်းအင် အမေရိကန်ဒေါ်လာ ၁၅ သန်းဖိုးခန့် အသုံးပြုတွက်ချက်ပြီး အဖြေကို တွေ့ရှိပြီဖြစ်ကြောင်း OpenAI က ကြေညာခဲ့တယ်။ [[အဆိုပါ အဖြေကို ရဖို့ AI အေးဂျင့်ပေါင်း တစ်သောင်းခန့်ကို ၈၈ နာရီနီးပါးကြာ မောင်းနှင်ခဲ့ရတယ်လို့ ဆိုတယ်။]]

ဒီကြေညာချက်မှာ ချက်ချင်းဆိုသလိုပဲ အငြင်းပွားဖွယ်ရာ ဖြစ်လာခဲ့တယ်။ နယူးယောက် တက္ကသိုလ်က သင်္ချာပညာရှင်တွေဖြစ်တဲ့ ‘ထရစ်စတန် ဘက်မတ်စတာ (Tristan Buckmaster)’ နဲ့ ‘လီဗန့် အယ်လ်ပိုဂီ (Levent Alpöge)’ တို့က၊ ၎င်းတို့အနေနဲ့ အဆိုပါ ပုစ္ဆာအတွက် အလားအလာကောင်းသော ဖြေရှင်းနိုင်မည့် လမ်းကြောင်းတစ်ခုကို တွေ့ရှိထားပြီးဖြစ်ကြောင်း ပြောကြားခဲ့တယ်။ ၎င်းတို့ရဲ့ သုတေသန တိုးတက်မှုကို သိရှိသွားသည်နဲ့ တစ်ပြိုင်နက်၊ အဆိုပါ တွေ့ရှိမှုအဖြေကို အပိုင်စီးဖို့ OpenAI က ခြေလှမ်းပြင်ခဲ့တာဖြစ်တယ်လို့၊ ‘ဘက်မတ်စတာ’ က လူသိရှင်ကြား စွပ်စွဲထားတယ်။

တစ်ချိန်တည်းမှာပဲ…

နည်းပညာကုမ္ပဏီတွေက ဒီလို တွေ့ရှိမှုတွေအတွက် အောင်ပွဲခံနေပေမဲ့၊ UCLA တက္ကသိုလ်က၊ ထင်ရှားကျော်ကြားတဲ့ သင်္ချာပညာရှင် ‘ထယ်ရင့်စ် တောင်း’ (Terence Tao) က, OpenAI နဲ့ ၎င်းတို့ရဲ့ ချဉ်းကပ်ပုံကို ပြင်းပြင်းထန်ထန် ဝေဖန်ခဲ့တယ်။ နည်းပညာကုမ္ပဏီတွေရဲ့ အလောတကြီးနဲ့ ပွင့်လင်းမြင်သာမှုမရှိတဲ့ ကြေညာချက်တွေဟာ "သင်္ချာပညာရှင်တွေရဲ့ စားပွဲပေါ်ကို အသားတုံးကြီးတွေ အစိမ်းလိုက် ပစ်တင်ပေးပြီး ထွက်သွားခြင်း" နဲ့ တူတယ်လို့  ‘တောင်း’ က ခိုင်းနှိုင်းခဲ့တယ်။

ဒါ့အပြင် သူက အဖြေရှာမရသေးသော ပုစ္ဆာတွေ (open problems) ကို အလိုအလျောက်စနစ်တွေနဲ့ ဖြေရှင်းနေခြင်းကို 'ရှေးဟောင်းသုတေသန တူးဖော်ရေးနေရာတစ်ခုကို စက်ယန္တရားကြီးများသုံး၍ တူးဆွနေခြင်း' နဲ့ ခိုင်းနှိုင်းထားတယ်။ ဒီလုပ်ရပ်ဟာ အနာဂတ် သုတေသီတွေကို လေ့ကျင့်သင်ကြားပေးရာမှာ သင်္ချာဆိုင်ရာ တွေ့ရှိမှုတွေရဲ့ ရေရှည်တန်ဖိုးကို ဖြစ်ပေါ်စေသော နောက်ခံအကြောင်းတရားများကို ဖျက်ဆီးပစ်လိုက်ခြင်းပင် ဖြစ်တယ်။

 

ဂုဏ်သတင်းအတွက် အပြင်းအထန် ယှဉ်ပြိုင်နေကြတဲ့ ဒီလုပ်ရပ်ဟာ သိပ္ပံပညာရဲ့ အရေးအကြီးဆုံး ကဏ္ဍဖြစ်တဲ့ အခြေခံသီအိုရီများ တည်ဆောက်ခြင်း၊ မျိုးဆက်သစ်များကို သင်ကြားပေးခြင်းနဲ့ အဖြေတစ်ခုဟာ အဘယ်ကြောင့် မှန်ကန်နေရသည်ကို ရှင်းလင်းပြသခြင်း ဆိုတဲ့ လူသားသင်္ချာပညာရှင်တွေရဲ့ လုပ်ငန်းစဉ်တွေကို ကျော်လွန်ပစ်လိုက်ခြင်းပင်ဖြစ်တယ်လို့ သူက ထောက်ပြတယ်။

သင်္ချာပညာရပ်ရဲ့ အနာဂတ်ကို ကာကွယ်ဖို့အတွက်၊ တချို့သော သင်္ချာပုစ္ဆာ အမျိုးအစားတွေကို အလိုအလျောက် ဖြေရှင်းပေးသော စနစ်များ (automated solvers) နဲ့ ဖြေရှင်းခွင့်မပြုဘဲ 'ကန့်သတ်နယ်မြေ' အဖြစ် သတ်မှတ်ဖို့ ပြတ်သားတဲ့ခြေလှမ်းတစ်ရပ်ကို ‘တောင်း’က အကြံပြုခဲ့တယ်။

သင်္ချာပညာဆိုတာ လူသားတို့ရဲ့ လေ့လာတွေ့ရှိချက်တွေအပေါ်မှာ အခြေခံ တည်ဆောက်ထားခြင်းဖြစ်တဲ့အတွက်၊ လူသားတို့ရဲ့ ဉာဏ်ဖြင့် ထိုးထွင်းသိမြင်နိုင်စွမ်း (intuition) ကို လုံးဝ ဥပေက္ခာပြုလိုက်ခြင်းဟာ အခုမှစတင်လေ့လာမဲ့ သုတေသီတွေကို ဖယ်ကြဉ်ရာရောက်နိုင်တဲ့ အန္တရာယ်ရှိသလို၊ သင်္ချာပညာကို သင်ကြားပေးတဲ့ပုံစံနဲ့ မှန်ကန်ကြောင်း သက်သေပြတဲ့ လုပ်ငန်းစဉ်တွေကိုလည်း ကမောက်ကမ ဖြစ်သွားစေနိုင်တယ်။

သင်္ချာပညာရဲ့ အန္တိမတန်ဖိုးက၊ အဖြေထုတ်ပေးရုံ သက်သက်မဟုတ်ဘဲ ရှုပ်ထွေးခက်ခဲသော ပြဿနာများကို ဖြေရှင်းနိုင်ရန် စိတ်ကို လေ့ကျင့်ပေးခြင်းသာ ဖြစ်တယ်။ အဲ့ဒီလိုအခြေအနေမှာ AI လက်ထဲကို အလုံးစုံ ထိုးအပ်လိုက်ခြင်းဟာ၊  AI ကို ဖန်တီးပေးခဲ့တဲ့ ဒီပညာရပ်နယ်ပယ်ကိုပင် ပြန်လည် ညစ်ညမ်းသွားစေနိုင်တယ်။

သိပ္ပံပညာ ရေရှည်တည်တံ့စွာ တိုးတက်စေဖို့အတွက်၊ နည်းပညာ ကုမ္ပဏီကြီးတွေ အနေနဲ့ ကိုယ်ကျိုးစီးပွားအတွက် အလျင်စလို လုပ်ဆောင်ခြင်းထက်၊ ပူးပေါင်းပါဝင်မှုနဲ့ ပွင့်လင်းမြင်သာမှုရှိခြင်းကို ဦးစားပေး လုပ်ဆောင်ကြရမှာဖြစ်တယ်။

ဒီနေရာမှာ အရေးအကြီးဆုံးနဲ့ အခြေခံအကျဆုံးဖြစ်တဲ့ ပြဿနာက၊ AI သည် ခက်ခဲသော ပုစ္ဆာများကို ဖြေရှင်းနိုင်စွမ်း ရှိ၊ မရှိ ဆိုသည့်အချက် မဟုတ်ဘူး။ တကယ်တော့  ၎င်း AI က၊ လူတွေထက်ကို ပိုပြီး ပြဿနာတွေကို ဖြေရှင်းလာနိုင်ပါတယ်။ ဒါပေမဲ့ အဓိက မေးခွန်းထုတ်ဖို့က၊ ၎င်းအဖြေများ ထုတ်ယူရာမှာ အသုံးပြုတဲ့၊ ‘အလျင်စလို လုပ်ဆောင်မှုနဲ့ လျှို့ဝှက်ထားမှု’ တို့က သင်္ချာပညာရပ်ရဲ့ ရာစုနှစ်ပေါင်းများစွာ အမှတ်လက္ခဏာဖြစ်ခဲ့တဲ့ 'ပူးပေါင်းဆောင်ရွက်ခြင်းနဲ့ သင်ကြားပြသနိုင်ခြင်း' ဆိုတဲ့ လုပ်ငန်းစဉ်တွေကို တိတ်တဆိတ် တိုက်စား ဖျက်ဆီးပစ်နေသလား ဆိုတဲ့အချက်ပဲ ဖြစ်တယ်။

 

ရင်းမြစ် - Choi, W. (2026). Fields Medalist Warns AI's Math Rush Undermines Discipline's Process. The Chosun Daily. 

Doctrinal and Non-doctrinal Legal Research

စာပေအခြေပြု ဥပဒေသုတေသန (Doctrinal legal research) နှင့်

စာပေ-အခြေမပြု ဥပဒေသုတေသန (Non-doctrinal legal research)

=============

၁။ သဘောတရား၊ အဓိပ္ပာယ်ဖွင့်ဆိုချက်နှင့် ပင်မဦးတည်ရည်ရွယ်ချက်

*********************

• စာပေအခြေပြု ဥပဒေသုတေသန (Doctrinal Legal Research)။ ။ ဆိုတာ "ဥပဒေအတွင်း သုတေသနပြုခြင်း" (research in law) သို့မဟုတ် "စာပေအဖြစ်ရှိပြီးဖြစ်သော၊ ပုံနှိပ်ထုတ်ဝေပြီးသော ဥပဒေပြဋ္ဌာန်းချက်များကို သုတေသနပြုခြင်း" (black-letter research) ဖြစ်တယ်။ ၎င်းဟာ ဥပဒေစည်းမျဉ်း (legal rules)၊ မူများ (principles)၊ သဘောတရားများ (concepts) သို့မဟုတ် ဝါဒများ (doctrines) အပေါ် အာရုံစိုက်တာဖြစ်တယ်။ ပင်မရည်ရွယ်ချက်က ဥပဒေကို ရှင်းလင်းစေရန်၊ ဥပဒေစံနှုန်းများအကြား ပဋိပက္ခများကို ဖြေရှင်းရန် နဲ့ ဥပဒေဆိုလိုချက်များကို စနစ်တကျ ချိတ်ဆက်စုစည်းရန်ဖြစ်တယ်။ ၎င်းက, “ဥပဒေသည် လိုက်နာရမည့် စံနှုန်းများကို သတ်မှတ်ပေးသည့် စံသတ်မှတ်ချက်ဆိုင်ရာ သိပ္ပံပညာ” ( law is a normative science that sets binding standards of conduct.) ဖြစ်တယ်လို့ ယူဆတယ်။

• စာပေ-အခြေမပြု ဥပဒေသုတေသန (Non-Doctrinal Legal Research)။ ။ ဆိုတာ "ဥပဒေအကြောင်း သုတေသနပြုခြင်း" (research about law) သို့မဟုတ် "လူမှု-ဥပဒေဆိုင်ရာ သုတေသန" (socio-legal research) ဖြစ်တယ်။ ၎င်းက, ဥပဒေကို လူမှုရေးဆိုင်ရာ ဖြစ်စဉ်တစ်ခုအဖြစ် သဘောထားပြီး ဥပဒေသဘောတရားသက်သက်ထက်၊ ဥပဒေနဲ့ပြည်သူများ၊ ဥပဒေနဲ့လူမှုရေးတန်ဖိုးများ၊ ဥပဒေနဲ့လူမှုအဖွဲ့အစည်းများအကြား ဆက်ဆံရေးတို့ကို အာရုံစိုက်လေ့လာတာဖြစ်တယ်။ ၎င်းရဲ့ ပင်မလုပ်ငန်းက "လက်တွေ့ကျင့်သုံးနေသော ဥပဒေ" ရဲ့ လှုပ်ရှားပြောင်းလဲနေသော “လုပ်ဆောင်လည်ပတ်မှု” ကို လေ့လာတာ ဖြစ်တယ် (Its primary concern is the dynamic operation of "law-in-action")။ ၎င်းက, ဥပဒေဆိုင်ရာ စိတ်ကူးမျှော်မှန်းချက် (ဥပဒေက ရည်ရွယ်သည်များ) နဲ့ လူမှုရေးလက်တွေ့ဘဝ (လက်တွေ့တွင် မည်သို့လည်ပတ်နေသည်) အကြားရှိ "ကွာဟချက်" ကို စုံစမ်းစစ်ဆေးရန် ကြိုးပမ်းတယ်။ (It seeks to investigate the "gap" between legal idealism (what the law intends) and social reality (how it actually operates))

၂။ သုတေသနဝန်းကျင်နှင့် စုံစမ်းစစ်ဆေးမှုကိရိယာများ

*******************

• စာပေအခြေပြု ဥပဒေသုတေသန (Doctrinal Legal Research)။ ။ က, ဥပဒေစာကြည့်တိုက် (စာအုပ်စာတမ်းများ) အတွင်း အဓိကဆောင်ရွက်တဲ့အတွက် "စားပွဲထိုင် သုတေသန" (arm-chair research) သို့မဟုတ် "စာကြည့်တိုက်အခြေပြု သုတေသန" (library research) လို့ မကြာခဏ ရည်ညွှန်းကြတယ်။

o သုတေသနပြုသူက၊ ဖွဲ့စည်းပုံအခြေခံဥပဒေ (Constitution)၊ ဥပဒေပြဋ္ဌာန်းချက်များ ( statutory materials - နည်းဥပဒေ၊ စည်းမျဉ်း၊ ညွှန်ကြားချက်များ) နဲ့ အထက်တရားရုံးတွေရဲ့ အမိန့်ဒီကရီ မှတ်တမ်းများ၊ စီရင်ထုံးများ (precedents) အပါအဝင် ပင်မဥပဒေရင်းမြစ်များ (primary legal sources) ကို အသုံးပြုပြီး သုတေသနပြုတာဖြစ်တယ်။ ဒါ့အပြင် ကျောင်းသုံးစာအုပ်များ၊ ကျမ်းများ၊ ဥပဒေရှင်းလင်းချက်များ၊ ဥပဒေဂျာနယ်များကဲ့သို့သော ဒုတိယရင်းမြစ်များ (secondary sources) ကိုလည်း အသုံးပြုတယ်။

• စာပေ-အခြေမပြု ဥပဒေသုတေသန (Non-Doctrinal Legal Research)။ ။ မှာ, အချက်အလက်တွေကို ကွင်းဆင်းကောက်ယူဖို့၊ သုတေသနသမားက, စာကြည့်တိုက်က ထွက်ပြီး ဆောင်ရွက်ဖို့ လိုအပ်တဲ့အတွက် "စာကြည့်တိုက်ပြင်ပ သုတေသန" (non-library research) သို့မဟုတ် "လက်တွေ့ တွေ့ရှိချက်အခြေပြု သုတေသန" (empirical research) လို့ ခေါ်ဆိုကြတာဖြစ်တယ်။

o ၎င်း သုတေသနပုံစံမှာ, အင်တာဗျူးများ (interviews)၊ မေးခွန်းလွှာများ (questionnaires)၊ ဇယားများ (schedules) နဲ့ စနစ်တကျ လေ့လာစောင့်ကြည့်ခြင်း (systematic observation) တို့လို လူမှုသိပ္ပံဆိုင်ရာ အချက်အလက်ကောက်ယူရေး နည်းလမ်းများကို အသုံးပြုတယ်။ လူဦးရေသန်းခေါင်စာရင်းများ အစီရင်ခံစာများ သို့မဟုတ် လူမှုဗေဒစာပေများကဲ့သို့သော ဥပဒေမဟုတ်တဲ့ စာရွက်စာတမ်းများကိုလည်း အသုံးပြုတယ်။

၃။ ပင်မသုတေသနနည်းလမ်းများနှင့် အကြောင်းပြချက်ထုတ်ယူမှု

**************************

• စာပေအခြေပြု ဥပဒေသုတေသန (Doctrinal Legal Research)။ ။ မှာ, ဆန်းစစ်လေ့လာမှုဆိုင်ရာ (analytical)၊ သမိုင်းဆိုင်ရာ (historical) သို့မဟုတ် နှိုင်းယှဉ်ချက်ဆိုင်ရာ (comparative) သုတေသနနည်းလမ်းများ (methodologies) အပေါ် မှီခိုတယ်။ ၎င်းရဲ့ အဓိက ဉာဏ်ပညာလက်နက်က ဥပဒေကြောင်းအရ ကျိုးကြောင်းဆက်စပ် ဆင်ခြင်ခြင်း (legal reasoning) သို့မဟုတ် ယုတ္တိဗေဒဆိုင်ရာ ဆွဲထုတ်သုံးသပ်မှု (rational deduction) ဖြစ်တယ်။ သုတေသီဟာ ထုံးတမ်းစဉ်လာ ဥပဒေစာပေများကနေ၊ အသစ် အသစ်သော စည်းမျဉ်းများ မူများကို ထုတ်ယူဖို့ Deductive Logic နဲ့ ဝေဖန်ပိုင်းခြားနိုင်သော အကြောင်းပြချက်ထုတ်ယူမှုနည်းလမ်း တွေကို အသုံးပြုတယ်။

• စာပေ-အခြေမပြု ဥပဒေသုတေသန (Non-Doctrinal Legal Research)။ ။ မှာ, လူမှုသိပ္ပံ သုတေသနနည်းလမ်းတွေနဲ့ သဘောတရားဆိုင်ရာ အခင်းအကျင်းများ (conceptual frameworks) ကို အသုံးပြုတယ်။ ၎င်းက, အများအားဖြင့် လူတို့ရဲ့ အပြုအမူနဲ့ ပတ်သက်တဲ့ ယာယီအယူအဆ (working hypothesis) နဲ့ စတင်လေ့ရှိပြီး ယင်းကို သက်သေပြရန် သို့မဟုတ် ငြင်းဆိုရန် လက်တွေ့ တွေ့ရှိချက်အခြေပြု(empirical), ပမာဏအခြေပြု (quantitative) သို့မဟုတ် အရည်အသွေးအခြေပြု (qualitative) အချက်အလက်တွေကို အသုံးပြုတယ်။

၄။ ဦးတည်သူ နှင့် လက်တွေ့အသုံးဝင်မှု(Target Audience and Practical Utility)

************************

• စာပေအခြေပြု ဥပဒေသုတေသန (Doctrinal Legal Research)။ ။က, အဓိကအားဖြင့် ဥပဒေဆိုင်ရာ မေးခွန်းတွေအတွက်၊ မြန်ဆန်ပြီး ခိုင်မာတိကျသော အဖြေများကို ပေးခြင်းဖြင့်၊ ဥပဒေကို နေ့စဉ် ကိုင်တွယ်ကျင့်သုံးနေတဲ့ ဥပဒေကျွမ်းကျင်ပညာရှင်များ (တရားသူကြီးများ၊ ရှေ့နေများ၊ ရှေ့နေလိုက်ပေးသူများနှင့် အစိုးရရှေ့နေများ) သာပါဝင်သော အကန့်အသတ်ရှိတဲ့ ပရိသတ်ကို အဓိက ဦးတည်တယ်။

• စာပေ-အခြေမပြု ဥပဒေသုတေသန (Non-Doctrinal Legal Research)။ ။ ကတော့, မူဝါဒချမှတ်သူများ၊ ဥပဒေပြုလွှတ်တော်များနဲ့ ပြုပြင်ပြောင်းလဲရေးလုပ်ဆောင်မဲ့ အဖွဲ့အစည်းတွေအတွက် အရေးကြီးတဲ့ အချက်အလက်တွေကို ပေးတယ်။ ၎င်းက, လုပ်ငန်းဆောင်ရွက်မှုဆိုင်ရာ အတားအဆီးတွေကို ဖော်ထုတ်ပေးပြီး၊ တချို့ ဥပဒေတွေဟာ ဘာကြောင့် “ဖေါ်ရှိုး၊ ပြစား၊ မည်ကာမတ္တ” ဖြစ်နေရတယ်ဆိုတာကို ဖော်ပြပေးပြီး၊ သက်ဆိုင်သူတွေ ကြုံတွေ့နေရတဲ့ အခက်အခဲတွေကို မီးမောင်းထိုးပြခြင်းဖြင့် ပိုမိုတိုးတက်ကောင်းမွန်သော ဥပဒေပြုပြင်ပြောင်းလဲရေးကို အထောက်အကူပြုပေးတယ်။ သို့သော် ၎င်းက, စာပေအခြေပြုသုတေသနထက် အချိန်နဲ့ ကုန်ကျစရိတ် ပိုမိုများပြားတယ်။

နည်းလမ်းနှစ်ခုအကြား အပြန်အလှန် ဆက်စပ်မှု

************************

စာပေ-အခြေမပြုသုတေသနက၊ စာပေအခြေပြုသုတေသနကို အစားထိုးမရနိုင်ဘဲ ၎င်းကို ပံ့ပိုးဖြည့်ဆည်းပေးခြင်းသာဖြစ်တယ်။ သုတေသီတစ်ဦးဟာ၊ လူမှု-ဥပဒေဆိုင်ရာ လေ့လာမှုတစ်ခုကို အောင်မြင်စွာ ပုံစံထုတ်ဖို့ သို့မဟုတ် ခိုင်မာသော ယာယီအယူအဆတစ်ခုကို ဖော်ထုတ်ဖို့အတွက်၊ စာပေအခြေပြု ဥပဒေသုတေသနပေါ်မှာ အခြေခံထားတဲ့ ခိုင်မာတဲ့ အုတ်မြစ်ရှိရမှာဖြစ်တယ်။ အရေးကြီးတဲ့အချက်က၊ လက်တွေ့အချက်အလက်မပါတဲ့ သီအိုရီဆိုင်ရာ သုတေသနမျိုးဟာ "အကာပြဲ့ပြဲ့ အနှစ်မဲ့ ဟောင်းလောင်းပေါက်" (hollow) ဖြစ်ပြီး၊ စာပေအခြေပြု သီအိုရီ အထောက်အပံ့မပါတဲ့ လက်တွေ့တွေ့ရှိချက်အခြေပြု လူမှု-ဥပဒေဆိုင်ရာ သုတေသနမျိုးကလဲ၊ "အပေါ်ယံဆန် ပါးလွန်း တိမ်လွန်း (shallow)” တယ်။

ကျမ်းရဲ့အစ၊ မာတိကာ က တဲ့လား?

တက္ကသိုလ်တစ်ခုမှာ၊ ဘွဲ့ယူစာတမ်း တစ်ခု ရေးသားစေတဲ့အခါ၊ ပထမဦးဆုံး အနေနဲ့၊ ကျောင်းသားကို ၎င်းရေးသားမဲ့ ဘွဲ့လွန်စာတမ်း ခေါင်းစဉ် (title)၊ လေ့လာမှု နည်းလမ်း (method) နဲ့ ရည်ညွန်းကိုးကား (references) အတိုချုပ်ကို စုစုပေါင်း စာ တစ်မျက်နှာစာ (A4 ဖြင့်) အဆိုပြု တင်သွင်းစေတာကို တွေ့ရတယ်။ သက်ဆိုင်ရာ ပါမောက္ခက စာတမ်းခေါင်းစဉ်ကို၊ လက်ခံ အတည်ပြုပြီးတဲ့အခါမှာ၊ ဒုတိယအဆင့်အနေနဲ့ ကျောင်းသားကို ၎င်းရေးသားမဲ့ ဘွဲ့လွန်စာတမ်းရဲ့ မာတိကာ (Table of Contents) ကို တင်ပြစေပါတယ်။ ၎င်း မာတိကာ (မည်သည့် ရေးသားချက်မှ မပါသော၊ ခေါင်းစဉ် သက်သက်) ကိုကြည့်ပြီး၊ သက်ဆိုင်ရာ ကျမ်းကြီးကြပ်သူပါမောက္ခက၊ “ဖြုတ် နှုတ် ပယ် ထပ်ဖြည့် “ စတာတွေကို ခိုင်းစေပြီး၊ ၎င်း အတည်ပြုပေးသော Table of Contents အတိုင်း၊ ကျောင်းသားကို ကျမ်းပြုစေတယ်။

၎င်းကဲ့သို့လုပ်ဆောင်ခြင်းဟာ အလွန်တရာ ဆိုးဝါးမှားယွင်းတယ်။ ဘာလို့လဲဆိုတော့၊ သုတေသနစာတမ်းတစ်ခုကို ပြုစုရာမှာ၊ မာတိကာ (Table of Contents) ကို ကြိုတင်ပုံသေချပြီး ထိုဘောင်အတွင်းမှသာ ရေးသားစေခြင်းဟာ၊ ကျမ်းတစ်စောင်မှာ မဖြစ်မနေပါဝင်ရမဲ့ ခွဲခြမ်းစိတ်ဖြာ ဝေဖန်သုံးသပ်မှု (Analysis) ရဲ့ အနှစ်သာရကို ဖျက်ဆီးရာရောက်လို့ ဖြစ်တယ်။

မာတိကာသက်သက်ကို ကြိုတင်ကန့်သတ်ခြင်း၏ အဓိကဆိုးကျိုး ၂-ချက်

*********************

(၁) သုတေသန၏ သဘောသဘာဝကို ဆန့်ကျင်ခြင်း။ ။ သုတေသနဆိုတာ ကြိုတင်သိရှိထားတဲ့ အဖြေကို ရေးသားခြင်းမဟုတ်ဘဲ၊ အချက်အလက်နှင့် ဥပဒေသတွေကို လေ့လာရင်း ပြောင်းလဲတိုးတက်လာသော တက်ကြွသည့်ဖြစ်စဉ် (Dynamic Process) ဖြစ်တယ်။ အလုပ်ကြမ်းမာတိကာ (Working Outline) ဟာ၊ လမ်းပြမြေပုံမျှသာဖြစ်ပြီး၊ ရှာဖွေတွေ့ရှိချက်တွေအပေါ် မူတည်ပြီး အချိန်မရွေး ပြောင်းလဲနိုင်ရမယ်။

(၂) ယုတ္တိဗေဒစီးဆင်းမှုကို ဖြတ်တောက်ခြင်း။ ။ စာတမ်းတွေဟာ IRAC (Issue, Rule, Application, Conclusion) ကဲ့သို့သော ကျိုးကြောင်းဆီလျော်မှု အဆင့်ဆင့်နဲ့ တည်ဆောက်ရတာမျိုးဖြစ်တယ်။ အသေးစိတ် အချက်အလက် ငြင်းခုံချက် ရေးသားထားချက်တွေကို မတွေ့ဘဲ ခေါင်းစဉ်တွေကိုပဲကြည့်ပြီး ဖြုတ်/ထည့် လုပ်ခြင်းဟာ၊ စာတမ်းရဲ့ ယုတ္တိဗေဒ စီးဆင်းမှု (Logical flow) ကို ကြီးမားစွာ ထိခိုက်စေတယ်။

စာတမ်းတစ်ခု ရေးသားပြုစုသင့်သော အဆင့်များ

***********************

နိုင်ငံတကာ အဆင့်မြင့်တက္ကသိုလ်တွေရဲ့ သုတေသနနည်းစနစ် (Research Methodology) အရ စာတမ်းတစ်ခု ရေးသားပြုစုရာမှာ အောက်ပါအတိုင်း ဆောင်ရွက်လေ့ရှိတယ်။

1. Research Proposal (အဆိုပြုလွှာ)။ ။ သုတေသနမေးခွန်း (Research Question)၊ ယူဆချက် (Hypothesis) နဲ့ နည်းစနစ် (Methodology) ကိုသာ အဓိက အတည်ပြုတယ်။

2. Working Outline (အလုပ်ကြမ်း မာတိကာ)။ ။ ကျောင်းသားက ကနဦး လေ့လာထားမှုအပေါ် အခြေခံ ပြုစုပြီး၊ ၎င်းက အမြဲတမ်း ပြင်ဆင်ပြောင်းလဲနိုင်တဲ့ အကြမ်းထည် (Tentative Draft) သာ ဖြစ်တယ်။

3. Iterative Drafting (အပြန်အလှန် ရေးသားပြင်ဆင်ခြင်း)။ ။ ကျောင်းသားက အခန်းအလိုက် (သို့) အပိုင်းလိုက် ရေးသားတင်ပြပြီး၊ ပါမောက္ခက အချက်အလက်တွေ နဲ့ သုံးသပ်ချက်တွေ (Arguments) က၊ ခိုင်လုံမှု ရှိ/မရှိကိုသာ ထောက်ပြဝေဖန်ပေးရတယ်။

4. Finalizing ToC (မာတိကာ အချောသတ်ခြင်း)။ ။ စာတမ်းတစ်ခုလုံး ရေးသားပြီးစီးမှသာ အပြီးသတ် မာတိကာကို တည်ဆောက်ရတယ်။

ဒါကြောင့် အတွင်းအနှစ်သာရကို မသိဘဲ မာတိကာ ခေါင်းစဉ်သက်သက်ဖြင့် "ဖြုတ်၊ နှုတ်၊ ပယ်၊ ထပ်ဖြည့်" လုပ်စေသူဟာ "သုတေသနကို လမ်းညွှန်သူ (Research Facilitator)" အဖြစ်ကနေ၊ "စာစီစာကုံး တည်းဖြတ်သူ (Copy Editor)" အဆင့်သို့ လျှောကျသွားပြီဖြစ်တယ်။ တကယ်တော့ ဒီလုပ်ရပ်ဟာ ပညာရပ်ဆိုင်ရာ အာဏာရှင်ဆန်မှု (Academic Authoritarianism) ဖြစ်ပြီး၊ ကျောင်းသားရဲ့ လွတ်လပ်စွာ တွေးခေါ်နိုင်စွမ်း (Intellectual Autonomy) ကို ချုပ်ချယ်လိုက်ခြင်း ဖြစ်တယ်။

ဆရာကောင်းတစ်ဦးဆိုတာ "မည်သည့်ခေါင်းစဉ်တွေ ပါအောင် ရေးရမယ်" လို့ ပုံစံခွက်ချပေးသူ မဖြစ်သင့်ဘဲ၊ "ကျောင်းသားရဲ့ သုတေသနမေးခွန်းကို ဖြေရှင်းနိုင်ရန် မည်သည့် အချက်အလက်များ လိုအပ်နိုင်သနည်း" ဆိုတဲ့ တွေးခေါ်မှုပိုင်းကိုသာ ဖေးမကူညီပေးရမှာ ဖြစ်တယ်။ အကြောင်းအရာအသေးစိတ်ကို မဖတ်ဘဲ၊ မာတိကာခေါင်းစဉ်ကိုသာ စတင်ပြင်ဆင်ခြင်းဟာ စာအုပ်တစ်အုပ်ရဲ့ အဖုံးပေါ်က ခေါင်းစဉ်ကိုပဲကြည့်ပြီး အကဲဖြတ်ခြင်းလိုမျိုးပဲ ပညာမဲ့ရာကျလှပါတယ်။

အမှန်တကယ်က

သုတေသနရဲ့ ပြောင်းလဲနေတဲ့သဘာဝ (Dynamic Nature of Research) အရ စာတမ်းပါ အကြောင်းအရာတွေကို အသေးစိတ် ဝင်ရောက်လေ့လာတဲ့အခါမှသာ၊ မမျှော်လင့်ထားတဲ့ Gaps, အယူအဆ ကွဲလွဲမှုများ နဲ့၊ အခြေအတင် ငြင်းခုံချက် (Debates) တွေကို တွေ့ရလေ့ရှိတာမျိုးဖြစ်တယ်။ မာတိကာကို ကြိုတင်အသေသတ်မှတ်ထားရင် အဲ့ဒီလိုအရေးပါတဲ့ တွေ့ရှိချက်အသစ်တွေကို ကျမ်းမှာ ထည့်သွင်းဆွေးနွေးဖို့ အကန့်အသတ်ဖြစ်သွားနိုင်တယ်။

မဖြစ်မနေ မာတိကာ အရင် ကြိုတင်ရမယ်ဆိုရင်တောင်၊ ကနဦးတင်ပြထားတဲ့ မာတိကာကို အပြီးသတ် (Final) လို့ မယူဆဘဲ၊ သုတေသနရဲ့ ပထမအဆင့် လမ်းပြမြေပုံ (Tentative Roadmap) အဖြစ်သာ သတ်မှတ်ပေးသင့်တယ်။ အကြောင်းအရာတွေကို အသေးစိတ် ရေးသားတဲ့အခါ ယုတ္တိစီးဆင်းမှု (Logical Flow) နဲ့ IRAC (Issue, Rule, Application, Conclusion) စံနှုန်းများ ပိုမိုခိုင်လုံစေဖို့၊ မာတိကာကို လိုအပ်သလို အကဲဖြတ် ပြင်ဆင်ခွင့်ပြုရမယ်။

မာတိကာ ခေါင်းစဉ်တစ်ခုတည်းကို ကြည့်ပြီး ဆုံးဖြတ်ခြင်းထက် အခန်းတစ်ခန်းချင်းစီ (Chapter by Chapter) ရဲ့ အသေးစိတ် ရေးသားချက် (Drafts) ကို တင်ပြတဲ့အခါမှသာ၊ ထိုအခန်းရဲ့ ခေါင်းစဉ်ဟာ မိမိပြုစုနေတဲ့ ကျမ်းနဲ့ သင့်လျော်မှု ရှိ/မရှိကို ဆရာနဲ့တပည့် အပြန်အလှန် ဆွေးနွေးဆုံးဖြတ်သင့်တယ်။ ကျမ်းတစ်ခုလုံး အချောသတ်ပြီးတဲ့အခါမှသာ၊ မာတိကာ အချောသတ် ထွက်လာခြင်းဟာ၊ အမှန်တကယ် ယုတ္တိတန်သော ဖြစ်ရပ် မဟုတ်ပါလား?။

Guilty, the AI Said (အပြစ်ရှိကြောင်း အေအိုင် က ဆုံးဖြတ်သည်)

၂၀၂၆၊ မတ် ၂၈ ရက်နေ့မှာ၊ ဂျပန်နိုင်ငံ NHK ရုပ်သံက ထုတ်လွှင့်ခဲ့တဲ့ "有罪、とAIは告げた" (Guilty, the AI Said) ရုပ်ရှင်ကားဟာ၊ ခေတ်သစ်လူ့အဖွဲ့အစည်းရဲ့ ရှေ့မှောက်ကို၊ အလွန်လေးနက်သိမ်မွေ့တဲ့ မေးခွန်းတစ်ခုချပြလာခဲ့တယ်။ ဉာဏ်ရည်တု (AI) နည်းပညာတွေဟာ လူ့ဘဝရဲ့ နယ်ပယ်အသီးသီးကို၊ နက်ရှိုင်းစွာ ဝင်ရောက်လာနေချိန်မှာ ဒီဇာတ်ကားက လူသားတို့ရဲ့၊ တရားစီရင်ရေးမဏ္ဍိုင်အတွင်းကို AI က ဘယ်လိုနေရာယူလာနိုင်သလဲဆိုတာ ထိတ်လန့်ဖွယ်ဖွယ် စဉ်းစားဖွယ် ပုံဖော်ပြထားတယ်။

 

လူသားတို့၏ တရားစီရင်ရေးနှင့် စက်ယန္တရား၏ ယုတ္တိ

************************

ဥပဒေဆိုဆိုတာ လူ့အဖွဲ့အစည်းကို တရားမျှတစွာ ထိန်းသိမ်းရန် ဖန်တီးထားတဲ့ စည်းမျဉ်းဖြစ်ပေမဲ့၊ ၎င်းကို အကောင်အထည်ဖော်ရာမှာ 'လူသားတို့ရဲ့ ကရုဏာစိတ်' (Human Empathy) နဲ့ တရားစီရင်မှုတစ်ခုအတွက် 'အခြေအနေအရပ်ရပ်ကို ချိန်ဆခြင်း' (Judicial Discretion) တို့က အမြဲတမ်း အဓိကကျတဲ့ နေရာက ပါဝင်ခဲ့တယ်။

• အကြွင်းမဲ့ တရားမျှတမှုနှင့် လူ့ဘဝ၏ ရှုပ်ထွေးမှု။         ။ AI ဆိုတာ၊ ရှိပြီးသား အချက်အလက် ဒေတာတွေကို အခြေခံပြီး၊ ပုံသေ တွက်ချက်နိုင်ပေမဲ့၊ ပြစ်မှုကျူးလွန်ရခြင်းရဲ့ နောက်ကွယ်မှာရှိတဲ့၊ ဖေါ်ပြတိုင်းတာဖို့ ခက်ခဲ နက်နဲလှတဲ့ လူ့ဘဝဒုက္ခတွေ၊ စိတ်ပိုင်းဆိုင်ရာ ဖိအားတွေနဲ့  ပြင်းထန်တဲ့ခံစားချက်တွေကို နားလည်နိုင်စွမ်း မရှိဘူး။
• တရားစီရင်ရေး၏ ဝိညာဉ်။      ။ ဒီရုပ်ရှင်က ဥပဒေဆိုတာ စာသားသက်သက်မဟုတ်ဘဲ လူသားချင်းစာနာ နားလည်မှုကို အခြေခံတဲ့ တရားမျှတမှုတစ်ရပ် ဖြစ်ကြောင်းကို ပေါ်လွင်စေတယ်။ တရားခွင်တစ်ခုမှာ တရားသူကြီးတစ်ဦးရဲ့ ဆုံးဖြတ်ချက်ဟာ၊ တရားသေ ဥပဒေ အချက်အလက်တွေထက်၊ ချစ်ခြင်းမေတ္တာ နဲ့ ကျိုးကြောင်းဆင်ခြင်မှုတို့ အပေါ် ပေါင်းစပ်အခြေခံသင့်ကြောင်း ဒီဇာတ်ကားက သတိပေးထားတယ်။

ကြားနေမှု၏ အယောင်ဆောင်ခြင်းနှင့် Black-Box ပြဿနာ

************************

နည်းပညာပိုင်းဆိုင်ရာနဲ့ နက်ရှိုင်းစွာမရင်းနှီးသူအများစုက၊ AI ဟာ အီမိုးရှင်း စိတ်ခံစားချက်မပါတဲ့အတွက် ဘက်လိုက်မှုကင်းတယ်၊ ယုတ္တိတန်တယ်လို့၊ လွယ်လွယ်ယူဆတတ်ကြတယ်။ တကယ်တမ်းက၊ အေအိုင်တွေဟာ လူသားတို့ ရေးဆွဲခဲ့တဲ့၊ စုဆောင်းသိမ်းဆည်းထားတဲ့၊ ထည့်သွင်းပေးထားတဲ့၊ လေ့ကျင့်ပေးထားတဲ့၊ အချက်အလက် ဒေတာ နဲ့ ဘက်လိုက်မှုတွေကို အမွေဆက်ခံထားခြင်းသာ ဖြစ်တယ်။

• Black-Box ပြဿနာ။   ။ ဒီစကားလုံးက နည်းပညာသမားတွေ နားလည်မဲ့စကားလုံးပါ။ "Guilty, the AI Said" ရုပ်ရှင်က AI ရဲ့ ဆုံးဖြတ်ချက်တွေကို လူသားတို့က မေးခွန်းထုတ်စရာမလိုဘဲ လိုက်နာရမဲ့ အခြေအနေရောက်လာတဲ့အခါ ဖြစ်လာမဲ့အန္တရာယ်ကို ထင်ဟပ်ပြထားတယ်။ ဆုံးဖြတ်ချက်တစ်ခုရဲ့ နောက်ကွယ်မှာ ဘယ် အယ်လဂိုရီသမ် (Algorithm) နဲ့၊ စစ်ဆေးဆုံးဖြတ်ခဲ့တယ်ဆိုတာကို ရှင်းလင်းစွာ မသိ မမြင်နိုင်ခြင်းက တရားမျှတမှုကို ပွင့်လင်းမြင်သာမှု မရှိတော့စေရန် ဖန်တီးပေးသလိုဖြစ်နေတယ်။
• အချက်အလက် ဘက်လိုက်မှု။              ။ AI ဟာ အပြစ်အနာအဆာကင်းပြီး ပြီးပြည့်စုံတဲ့ တရားသူကြီးမျိုးမဟုတ်ဘဲ၊ အတိတ်က လူသားတို့ရဲ့ အမှားများတွေကိုပါ ပြန်လည် ပဲ့တင်ထပ်ထုတ်လုပ်ပေးနေတဲ့ မှန်တစ်ချပ်သာ ဖြစ်နေနိုင်ကြောင်း နည်းပညာပိုင်းအရ အလေးအနက် ထောက်ပြထားတယ်။ (ဆိုလိုတာက… အေအိုင်စနစ်ထဲကို ထဲ့ပေးထားတဲ့၊ အတိတ်က လူသားတွေရဲ့ မှားယွင်းချွတ်ချော်ခဲ့တဲ့ စီရင်ထုံးဟောင်းတွေ၊ ဥပဒေ စည်းမျဉ်းအဟောင်းကိုပဲ အေအိုင်စနစ်တွေက၊ ပြန်ပြီးအသုံးပြုနေတာမျိုး…။)

 

မည်သူ့တွင် တာဝန်ရှိသနည်း နှင့် လူသားဖြစ်တည်မှု၏ တန်ဖိုး

**********************

ဒဿနိကဗေဒအရ အဓိက အမေးထုတ်စရာက "အမှားတစ်ခုအတွက် မည်သူ့ကို တာဝန်ခံခိုင်းမည်နည်း" ဆိုတဲ့ အချက်ဖြစ်တယ်။

• ကိုယ်ကျင့်တရားနှင့် အသိတရား ကင်းမဲ့ခြင်း။               ။ တကယ်လို့ AI က အပြစ်ရှိကြောင်း မှားယွင်းစွာ ဆုံးဖြတ်ခဲ့ရင်၊ အဲ့ဒီဆုံးဖြတ်ချက်ရဲ့ နောက်ဆက်တွဲ ဝန်ထုပ်ဝန်ပိုးကို ဘယ်သူက သယ်ဆောင်မလဲ။ စက်ပစ္စည်းတစ်ခုမှာ အသိတရား (Conscience) ဆိုတာမျိုးမရှိသလို နောင်တဆိုတာမျိုးလည်း မရှိပါဘူး။ တကယ်တော့ တရားမျှတမှုဆိုတာမျိုးက  ရလဒ်တစ်ခုတည်းမဟုတ်ဘဲ၊ ထိုရလဒ်ကို ရှာဖွေရာမှာ ပေါ်ပေါက်လာတဲ့ လူသားတို့ရဲ့ ကျင့်ဝတ်ဆိုင်ရာ ရုန်းကန်မှုများနဲ့ တာဝန်ယူမှုတို့ပဲ့ ဖြစ်တယ်။
• လူသားလွတ်လပ်ခွင့် (Human Agency)။                     ။ လူသားတွေအနေနဲ့ မိမိရဲ့ ကံကြမ္မာကို စက်ပစ္စည်းများက ချုပ်ကိုင်ခွင့်ပြုလိုက်ခြင်းဟာ၊ လူသားရဲ့ လွတ်လပ်စွာ ဆုံးဖြတ်ပိုင်ခွင့်ကို စွန့်လွှတ်လိုက်ခြင်းပင်ဖြစ်တယ်။

နိဂုံး

နိဂုံးချုပ်အနေနဲ့ ဒီ ရုပ်ရှင်ဟာ အနာဂတ်ကမ္ဘာရဲ့ “ဥပဒေ၊ တရားစီရင်ရေး နဲ့ တရားမျှတမှု” ဆိုင်ရာ ကိစ္စရပ်တွေအတွက် ကြိုတင်သတိပေးချက်တစ်ခု ဖြစ်တယ်။ ဒီ "Guilty, the AI Said" ရုပ်ရှင်ဟာ နည်းပညာရဲ့ အရှိန်အဟုန်နဲ့ စွမ်းရည်ကို အံ့ဩရင်း၊ လူသားတို့ရဲ့၊ ဖြစ်တည်မှု အနှစ်သာရနဲ့ လူ့ဘဝတန်ဖိုးကို ပြန်လည်ရှာဖွေတွေ့ရှိစေမဲ့ ရသမြောက် ရုပ်ရှင်လက်ရာကောင်း တစ်ခု ဖြစ်တယ်လို့ ဆိုချင်ပါတယ်။ နည်းပညာဟာ ကျွန်တော်တို့ရဲ့ လက်ထောက်ကောင်းတစ်ဦး ဖြစ်နိုင်ပေမဲ့၊ လူသားတို့ရဲ့ ကံကြမ္မာနဲ့ တရားမျှတမှုကို ဆုံးဖြတ်ပေးမဲ့ အရာတစ်ခုတော့ ဘယ်လိုမှ ဖြစ်မလာသင့်ဘူး။

 

Random-Restart Hill-Climbing

Stuart Russell နဲ့ Peter Norvig တို့ရဲ့ "Artificial Intelligence: A Modern Approach" စာအုပ်၊ အခန်း ၄ တွင် ရှင်းပြထားသော "Local Search Algorithms" များထဲမှ Hill-climbing algorithm သည် လက်ရှိအခြေအနေ (Current State) မှနေ၍ ပိုမိုကောင်းမွန်သော အိမ်နီးချင်းအခြေအနေ (Neighbor State) သို့ အစဉ်မပြတ် ရွေးချယ်သွားသော နည်းလမ်းဖြစ်ပါသည်။

8-Queens Problem နှင့် Hill-Climbing ပေါင်းစပ်စဉ်းစားပုံ

8-Queens ပြဿနာကို Hill-climbing ဖြင့် ဖြေရှင်းရာတွင် အောက်ပါအတိုင်း ဖွဲ့စည်း (Formulate) ပါသည်-

1. State Representation (အခြေအနေ ကိုယ်စားပြုပုံ):

   ဘုတ်ပြားပေါ်တွင် ဘုရင်မ (Queen) ၈ ပါးလုံးကို ကော်လံ (Column) တစ်ခုလျှင် တစ်ပါးစီ ချထားသည့် ပုံစံဖြင့် စတင်ပါသည်။ ထို့ကြောင့် ကော်လံ ၈ ခုတွင် ရှိနေသော ဘုရင်မများ၏ အတန်း (Row) နေရာများကို [0, 4, 7, 5, 2, 6, 1, 3] စသည့် 1D Array ဖြင့် ကိုယ်စားပြုနိုင်ပါသည်။

2. Heuristic Function ($h$):

   အချင်းချင်း တိုက်ခိုက်နိုင်သော (Attacking pairs) ဘုရင်မ အစုံအရေအတွက် ဖြစ်ပါသည်။ ပန်းတိုင် (Goal State) တွင် မည်သည့်ဘုရင်မမှ အချင်းချင်း မစားနိုင်ရသဖြင့် $h = 0$ ဖြစ်ရပါမည်။

3. Neighbor (အိမ်နီးချင်း အခြေအနေ):

   ကော်လံတစ်ခုရှိ ဘုရင်မတစ်ပါးကို အခြားသော အတန်း (Row) တစ်ခုခုသို့ ရွှေ့လိုက်ခြင်းကို Neighbor ဟု သတ်မှတ်ပါသည်။ ကော်လံ ၈ ခု၊ ကော်လံတစ်ခုလျှင် ပြောင်းရွှေ့နိုင်သော အတန်း ၇ ခု ရှိသဖြင့် စုစုပေါင်း Neighbor ၅၆ ခု ($8 \times 7 = 56$) ရှိပါသည်။

4. Action:

   လက်ရှိ $h$ တန်ဖိုးထက် ပိုနည်းသော (ပိုကောင်းသော) Neighbor ကို ရွေးချယ်သွားပါသည်။

Local Maxima ပြဿနာ နှင့် Random-Restart Hill-Climbing

Hill-climbing ၏ အဓိက အားနည်းချက်မှာ Local Maxima (သို့မဟုတ် $h$ တန်ဖိုးအရ Local Minima) တွင် ပိတ်မိတတ်ခြင်း ဖြစ်ပါသည်။ လက်ရှိအခြေအနေသည် ပန်းတိုင်ရောက်မနေသော်လည်း ($h > 0$)၊ ရွှေ့၍ရနိုင်သော အိမ်နီးချင်း ၅၆ ခုလုံး၏ $h$ တန်ဖိုးများသည် လက်ရှိတန်ဖိုးထက် ကြီးနေလျှင် သို့မဟုတ် တူညီနေလျှင် Algorithm သည် ရှေ့ဆက်မတိုးနိုင်တော့ဘဲ ရပ်တန့်သွားပါသည်။

ဤပြဿနာကို ဖြေရှင်းရန် Random-restart hill-climbing ကို အသုံးပြုပါသည်။ ၎င်း၏ အခြေခံသဘောတရားမှာ "ပိတ်မိသွားတိုင်း အသစ်ကနေ ပြန်စမည် (If at first you don't succeed, try, try again)" ဖြစ်ပါသည်။ Local Maxima တွင် ရပ်တန့်သွားတိုင်း၊ လက်ရှိအခြေအနေကို စွန့်လွှတ်ကာ ကျပန်း (Random) အခြေအနေသစ် တစ်ခုကို ဖန်တီး၍ အစမှ ပြန်လည်ရှာဖွေပါသည်။ ပန်းတိုင်ရောက်သည်အထိ ($h=0$) ဤလုပ်ငန်းစဉ်ကို အကြိမ်ကြိမ် ပြန်လုပ်သောကြောင့် 8-Queens ပြဿနာကို အမြဲတမ်း ဖြေရှင်းပေးနိုင်ပါသည်။

import random

# ==========================================

# Heuristic Function ($h$) တွက်ချက်ခြင်း

# ==========================================

def calculate_heuristic(board):

    """

    ဘုတ်ပြားပေါ်ရှိ အချင်းချင်း တိုက်ခိုက်နိုင်သော ဘုရင်မ အစုံ (Attacking pairs) အရေအတွက်ကို တွက်ပါသည်။

    board: 1D List (ဥပမာ - [0, 4, 7, 5, 2, 6, 1, 3] အဓိပ္ပာယ်မှာ ကော်လံ 0 တွင် အတန်း 0 ၌ ရှိသည်...)

    """

    attacking_pairs = 0

    n = len(board)

    

    # ကော်လံ တစ်ခုစီရှိ ဘုရင်မများကို ကျန်ရှိသော ကော်လံများမှ ဘုရင်မများနှင့် တိုက်ရိုက် နှိုင်းယှဉ်ပါမည်

    for i in range(n):

        for j in range(i + 1, n):

            # 1. ရေပြင်ညီ အတန်း (Same Row) တူနေသလား စစ်ဆေးခြင်း

            # 2. ထောင့်ဖြတ် (Diagonal) မျဉ်းပေါ်တွင် ရှိနေသလား စစ်ဆေးခြင်း

            # (ကော်လံနှစ်ခုကြား အကွာအဝေး နှင့် အတန်းနှစ်ခုကြား အကွာအဝေး တူညီနေလျှင် ထောင့်ဖြတ်မျဉ်းပေါ်တွင် ရှိသည်)

            if board[i] == board[j] or abs(board[i] - board[j]) == abs(i - j):

                attacking_pairs += 1

                

    return attacking_pairs

# ==========================================

# အကောင်းဆုံး အိမ်နီးချင်း (Best Neighbor) ကို ရှာဖွေခြင်း

# ==========================================

def get_best_neighbor(board):

    """

    ရွှေ့နိုင်သော အိမ်နီးချင်း ၅၆ ခုလုံးကို ဖန်တီးပြီး၊ ၎င်းတို့အနက်မှ Heuristic အနည်းဆုံး (အကောင်းဆုံး) 

    အခြေအနေကို ရွေးချယ်ပေးပါမည်။

    """

    best_board = list(board) # လက်ရှိ Board ကို ကနဦး အကောင်းဆုံးအဖြစ် မှတ်ထားပါမည်

    min_h = calculate_heuristic(board)

    

    n = len(board)

    

    # ကော်လံ (col) ၈ ခုလုံးကို လှည့်ပတ်စစ်ဆေးမည်

    for col in range(n):

        # အတန်း (row) ၈ ခုလုံးသို့ ရွှေ့ကြည့်မည်

        for row in range(n):

            # လက်ရှိ ရှိနေသော အတန်း မဟုတ်မှသာ ရွှေ့ကြည့်မည် (Neighbor အသစ် ဖန်တီးခြင်း)

            if board[col] != row:

                neighbor = list(board) # လက်ရှိ ဘုတ်ပြားကို မိတ္တူကူးပါ

                neighbor[col] = row    # ဘုရင်မကို အတန်းသစ်သို့ ရွှေ့ပါ

                neighbor_h = calculate_heuristic(neighbor)

                

                # အကယ်၍ Neighbor အသစ်၏ $h$ သည် လက်ရှိအနည်းဆုံး $h$ ထက် ပိုနည်းလျှင် Update လုပ်မည်

                if neighbor_h < min_h:

                    min_h = neighbor_h

                    best_board = neighbor

                    

    return best_board, min_h

# ==========================================

# Standard Hill-Climbing Algorithm

# ==========================================

def hill_climbing(board):

    """

    ပေးထားသော ကနဦးအခြေအနေမှ စတင်၍ Local Maxima သို့မဟုတ် Goal State ရောက်သည်အထိ ရှာဖွေမည်။

    """

    current_board = board

    current_h = calculate_heuristic(current_board)

    

    while True:

        # အကောင်းဆုံး Neighbor ကို ရှာပါ

        neighbor_board, neighbor_h = get_best_neighbor(current_board)

        

        # အကယ်၍ အကောင်းဆုံး Neighbor ၏ $h$ တန်ဖိုးသည် လက်ရှိ $h$ ထက် မနည်းတော့လျှင် 

        # (ဆိုလိုသည်မှာ ပိုမကောင်းတော့လျှင်) Local Maxima တွင် ပိတ်မိသွားပြီ ဖြစ်သဖြင့် ရပ်တန့်ပါမည်။

        if neighbor_h >= current_h:

            return current_board, current_h

            

        # ပိုကောင်းသော အခြေအနေသို့ ရွှေ့ပါ

        current_board = neighbor_board

        current_h = neighbor_h

# ==========================================

# Random-Restart Hill-Climbing Algorithm

# ==========================================

def random_restart_hill_climbing():

    """

    Hill-Climbing လုပ်ရင်း Local Maxima တွင် ပိတ်မိသွားတိုင်း၊ ကျပန်း (Random) Board အသစ်တစ်ခု 

    ပြန်လည်ဖန်တီး၍ Goal State ($h = 0$) ရရောက်သည်အထိ ဆက်တိုက် Restart လုပ်သွားမည့် Main Function ဖြစ်ပါသည်။

    """

    restarts = 0

    n = 8 # 8-Queens 

    

    while True:

        # ကျပန်း ဘုတ်ပြားအသစ် တစ်ခု ဖန်တီးခြင်း (ကော်လံတစ်ခုစီအတွက် 0 မှ 7 အတွင်း ကျပန်းအတန်းတစ်ခု ရွေးခြင်း)

        initial_board = [random.randint(0, n - 1) for _ in range(n)]

        

        # Hill-Climbing ဖြင့် ဖြေရှင်းကြည့်ခြင်း

        final_board, final_h = hill_climbing(initial_board)

        

        # အကယ်၍ ဖြေရှင်းပြီးသော Board ၏ $h$ သည် 0 ဖြစ်သွားလျှင် ပြဿနာပြေလည်သွားပြီ (Goal Test အောင်မြင်သည်)

        if final_h == 0:

            print(f"Goal State Found! (Total Restarts: {restarts})")

            return final_board

            

        # ပိတ်မိသွားလျှင် Restart အကြိမ်ရေကို မှတ်သား၍ အပေါ်မှ `while` လှည့်ပတ်မှုအတိုင်း ပြန်လည်စတင်မည်

        restarts += 1

# ==========================================

# ရလဒ်ကို ပုံဖော်ပြသရန် Function (Visualization)

# ==========================================

def print_board(board):

    n = len(board)

    for row in range(n):

        row_str = ""

        for col in range(n):

            if board[col] == row:

                row_str += " Q " # ဘုရင်မ ရှိသောနေရာ

            else:

                row_str += " . " # လွတ်နေသောနေရာ

        print(row_str)

    print("\nArray Representation:", board)

# Program စတင်ခြင်း

if __name__ == "__main__":

    print("Running Random-Restart Hill-Climbing for 8-Queens...\n")

    solution = random_restart_hill_climbing()

    print("\nFinal Solution Board:")

    print_board(solution)

ပရိုဂရမ်၏ အဓိက အနှစ်သာရများ

• Memory အသုံးပြုမှု နည်းပါးခြင်း: State တစ်ခုလုံးကို ပြသရန် 8x8 2D Array ကြီးကို မသုံးဘဲ ကော်လံတစ်ခုလျှင် အတန်း (row index) ကိုသာ ကိုယ်စားပြုသော 1D Array (ဥပမာ [1, 3, 5, 7, 2, 0, 6, 4]) ကို အသုံးပြုထားသောကြောင့် တွက်ချက်မှု မြန်ဆန်စေပါသည်။

• Steepest-Ascent: get_best_neighbor function တွင် Neighbor ၅၆ ခုလုံးကို လှည့်ပတ်စစ်ဆေးပြီးမှ အကောင်းဆုံးကိုသာ ရွေးချယ်သည့် အပြည့်စုံဆုံး (Steepest) နည်းလမ်းကို အသုံးပြုထားပါသည်။

• Completeness: သာမန် Hill-climbing သည် Local Maxima ကြောင့် ဖြေရှင်းချက် ရှာမရဘဲ ရပ်တန့်နိုင်သော်လည်း၊ random_restart_hill_climbing ၏ while True: loop မှ ဖြေရှင်းချက် (Goal State) မရမချင်း Random အသစ်ပြန်လုပ်ပေးနေမည်ဖြစ်၍ ပြဿနာကို အမြဲတမ်း ဖြေရှင်းပေးနိုင်မည် (Complete ဖြစ်သည်)။