ဉာဏ်ရည်တု
လေ့လာမှုအသစ်သည် 'Algorithmic Fatigue' ကို မီးမောင်းထိုးပြသည်
အသစ် လေ့လာချက် မဟာဗျူဟာအတိုင်ပင်ခံ Alice Labs နှင့် ကမ္ဘာလုံးဆိုင်ရာနည်းပညာကုမ္ပဏီ Reaktor တို့မှ သုတေသီများက "algorithmic fatigue" ဟုခေါ်သည့်အရာကို မီးမောင်းထိုးပြခဲ့သည်။ လူတစ်ဦးချင်းစီသည် တိုက်ရိုက်ကြည့်ရှုခြင်းဆိုင်ရာ ဝန်ဆောင်မှုများကဲ့သို့ အရာများကို အချိန်ကြာမြင့်စွာ လုပ်ဆောင်သည့်အခါ အယ်လ်ဂိုရီသမ်သဏ္ဍာန် ပင်ပန်းနွမ်းနယ်မှု ဖြစ်ပေါ်တတ်သည်။ ဤအခိုက်အတန့်များတွင် AI စနစ်များသည် သုံးစွဲသူများ၏ မျှော်လင့်ချက်များကို ဖြည့်ဆည်းပေးရန်အတွက် ၎င်းတို့၏တာဝန်ကို မကြာခဏ ပျက်ကွက်နိုင်သည်။ ၎င်းသည် စားသုံးသူများကို မကြာခဏ ပင်ပန်းနွမ်းနယ်စေနိုင်သည်။
လေ့လာမှုအသစ်တွင် မတူညီသော AI အပြန်အလှန်တုံ့ပြန်မှု အမျိုးအစားသုံးမျိုးကို ဖော်ထုတ်ခဲ့သည်။
- passive: အသုံးပြုသူများသည် algorithmic စနစ်ဆီသို့ passive ဆက်နေလိုကြသည်။
- လမ်းပြခြင်း- အသုံးပြုသူများသည် algorithmic စနစ်တစ်ခုကို လမ်းညွှန်လိုကြသည်။
- ပူးပေါင်းဆောင်ရွက်: အသုံးပြုသူများသည် algorithmic စနစ်တစ်ခုနှင့် ပူးပေါင်းလိုကြသည်။
အသုံးပြုသူရွေးချယ်သည့် AI အပြန်အလှန်တုံ့ပြန်မှုအမျိုးအစားသည် အခြေအနေနှင့် ၎င်းတို့လိုချင်သည့် သို့မဟုတ် လိုအပ်သည့်အပေါ်မူတည်ပြီး ယခင်စနစ်က ထိုလိုအပ်ချက်များကို ဖြည့်ဆည်းမပေးနိုင်သည့်အခါ စမတ်နည်းပညာဆိုင်ရာ ပင်ပန်းနွမ်းနယ်မှုကဲ့သို့သော ယခင်အတွေ့အကြုံများနှင့်လည်း သက်ရောက်မှုရှိသည်။
သုတေသီများ အဆိုအရ AI သည် နည်းပညာ သက်သက်ထက် ပိုဖြစ်လာပြီး သုံးစွဲသူများ အတွေ့အကြုံနှင့် အယ်လဂိုရီသမ်များနှင့် အပြန်အလှန် တုံ့ပြန်ပုံ၏ အရေးပါမှုကို ကုန်အမှတ်တံဆိပ်များက စတင်သိရှိလာကြသည်။
Kirsi Hantula သည် Alice Labs မှ သုတေသီတစ်ဦးဖြစ်သည်။
“ဥပမာများစွာတွင် အသုံးဝင်သော်လည်း၊ ၎င်းတို့၏ စက်စွမ်းရည်ကြောင့် အယ်လဂိုရီသမ်များကို ဆက်လက်ကန့်သတ်ထားဆဲဖြစ်သည်- သုံးစွဲသူများသည် ဆိုးရွားသောနေ့တစ်နေ့တွင် မည်သည့်အချိန်တွင် ကြည့်ရှုရန် ပိုမိုပေါ့ပါးသည့်အရာများ လိုအပ်နေမည်ကို မခန့်မှန်းနိုင်သလို သုံးစွဲသူများ၏ သိမ်မွေ့ပြီး ကွဲပြားသောနည်းလမ်းများကို နားလည်နိုင်စွမ်းလည်း မရှိကြပေ။ အရသာတွေက အချိန်ကြာလာတာနဲ့အမျှ တိုးတက်ပြောင်းလဲလာတယ်” ဟု Hantula ကဆိုသည်။
AI စွမ်းအင်သုံး စက်ပစ္စည်းအမျိုးမျိုးသည် ဆယ်နှစ်ကျော်ကြာ တည်ရှိနေသောကြောင့် သုံးစွဲသူများစွာသည် မစုံလင်သောစနစ်များကို နည်းဗျူဟာကျကျ လမ်းညွှန်နိုင်သည်ကို သိရှိထားပြီးဖြစ်သည်။ ဆိုလိုသည်မှာ သုံးစွဲသူများကိုယ်တိုင် algorithmic ပင်ပန်းနွမ်းနယ်မှုကို တိုက်ဖျက်ရန် စတင်နေပြီဖြစ်သည်။ ဥပမာအားဖြင့်၊ ရိုးရှင်းသောလုပ်ဆောင်စရာများအတွက် အသံဖြင့်အသက်သွင်းထားသည့် assistant ကိုအသုံးပြုခြင်းကဲ့သို့သော AI စွမ်းအင်သုံးစက်ပစ္စည်းကို ၎င်း၏အခြေခံလုပ်ဆောင်ချက်များကိုကန့်သတ်နိုင်သည်။
ထောက်ခံချက် Algorithms
ယခုအခါ စားသုံးသူများ သည် အကြံပြုချက် အယ်လဂိုရီသမ်များကို ဖယ်ထုတ်နေကြပြီး အကြောင်းအရာကို ရွေးချယ်ရန် ပြင်ပသြဇာခံသူများဆီသို့ ပိုမိုရွေ့လျားနေကြောင်း သုတေသီများက တွေ့ရှိခဲ့သည်။ ပြင်ပလွှမ်းမိုးမှုများ၊ သို့မဟုတ် မီးပြတိုက်များ၊ အလားတူ အကျိုးစီးပွားများကို မျှဝေခံစားကြသော အခြားပုဂ္ဂိုလ်များ ဖြစ်ကြပြီး၊ ဤပုဂ္ဂိုလ်များသည် အယ်လဂိုရီသမ်များထက် မကြာခဏ ပိုမိုယုံကြည်စိတ်ချရပါသည်။
ကုမ္ပဏီများသည် ၎င်းတို့၏စားသုံးသူများနှင့် ပိုမိုခိုင်မာသောဆက်ဆံရေးထူထောင်လိုပါက algorithmic ပင်ပန်းနွမ်းနယ်မှုကို တိုက်ဖျက်ရန် နည်းလမ်းများကို ရှာဖွေသင့်သည်ဟု သုတေသီများက ပြောသည်။
Olof Hoverfält သည် Reaktor တွင် Principal Consultant၊ Strategy and Business Design ဖြစ်သည်။
Hoverfält က "AI ကို ပြန်လည်ဆန်းသစ်တီထွင်ခြင်းနဲ့ ပတ်သက်ပြီး သိပ်တော့မဆိုင်ပါဘူး။ “အသုံးပြုသူနှင့် algorithm အကြား ပိုမိုမြန်ဆန်ပြီး ပိုမိုသန့်စင်သော လူသားအပြန်အလှန်ဆက်သွယ်မှုကို ခွင့်ပြုသည့်စနစ်၏အပေါ်မှ အခြားအလွှာတစ်ခု ဖန်တီးခြင်းအကြောင်းဖြစ်သည်။ ညီမျှခြင်းအကြောင်းဖြစ်သည်- ဆုံးဖြတ်ချက်ချရာတွင် အသုံးပြုသူအား တန်းတူညီမျှသောအေဂျင်စီကို ပေးခြင်း၊ လုပ်ငန်းစဉ်တွင်တက်ကြွစွာပါဝင်လိုသည့်အခါတွင် ၎င်းတို့ကိုရွေးချယ်ခွင့်နှင့် ပြောင်းလဲခွင့်ပေးခြင်း သို့မဟုတ် ၎င်းကိုဖြတ်၍ လမ်းညွှန်ပေးခြင်းသာဖြစ်သည်။
“ကျွန်တော်တို့အတွက် ဒါက ကျင့်ဝတ်ပိုင်းဆိုင်ရာ ကိစ္စတစ်ခုလည်း ဖြစ်ပါတယ်။ လူတွေရဲ့ဘဝတွေနဲ့ တရင်းတနှီး ရောယှက်နေတဲ့ AI စနစ်တွေဟာ လူသားတွေရဲ့ ဘက်စုံနိုင်စွမ်းကို ဂုဏ်ပြုတဲ့အနေနဲ့ အသုံးပြုသူတွေကို အယ်လဂိုရီသမ်ကျကျ ဆုံးဖြတ်ချက်ချရာမှာ အပြုသဘောဆောင်ပြီး တီထွင်ဖန်တီးနိုင်စွမ်းရှိတဲ့ ကိုယ်စားလှယ်တွေအဖြစ် ထူထောင်သင့်တယ်လို့ ကျွန်ုပ်တို့ထင်ပါတယ်” ဟု Hantula မှ ပြောကြားခဲ့သည်။
လေ့လာမှုအသစ်သည် Alice Labs နှင့် University of Helsinki's Center for Consumer Society Research တို့ကြား နှစ်နှစ်ကြာ ပူးပေါင်းလုပ်ဆောင်မှု၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်။ စီးပွားရေး ပညာရေး ဖောင်ဒေးရှင်းမှ ရန်ပုံငွေ ထောက်ပံ့ခဲ့သည်။