သုတေသီများသည် ကျူရှင်သင်ကြားရေးစနစ်များ ဖန်တီးရာတွင် ကူညီရန် AI အသစ်များကို တီထွင်ကြသည်။

Carnegie Mellon တက္ကသိုလ်မှ သုတေသီများသည် ဉာဏ်ရည်ထက်မြက်သော ကျူရှင်စနစ်များကို မည်သို့တည်ဆောက်နိုင်ကြောင်း သရုပ်ပြခဲ့ကြသည်။ ဤစနစ်များသည် အက္ခရာသင်္ချာနှင့် သဒ္ဒါအပါအဝင် ဘာသာရပ်အမျိုးမျိုးကို သင်ကြားရာတွင် ထိရောက်မှုရှိပါသည်။ 

သုတေသီများသည် ဆရာတစ်ဦးအား ကွန်ပြူတာတစ်လုံး သင်ကြားခွင့်ပြုရန်အတွက် ဉာဏ်ရည်တုကို အားကိုးသည့် နည်းလမ်းသစ်ကို အသုံးပြုခဲ့သည်။ စကားလုံးအသုံးအနှုန်းသည် ဤနည်းလမ်းကို ရှုပ်ထွေးစေသည်ဟု ထင်ရသော်လည်း ၎င်းကို လူသားဆရာတစ်ဦးမှ သင်ကြားပေးသည့် ကွန်ပျူတာကဲ့သို့ တွေးခေါ်ပါ။ ကော်လံပေါင်းထည့်ခြင်းကဲ့သို့သော အချို့သောပြဿနာများကို ဖြေရှင်းနည်းကို ပြသသည့် ကွန်ပျူတာကို လူသားဆရာက သင်ပေးနိုင်သည်။ ကွန်ပြူတာမှာ ပြဿနာရှိရင် ဆရာက ပြင်ပေးနိုင်ပါတယ်။ 

ပြဿနာတွေကို သူ့ဘာသာသူ ဖြေရှင်းတယ်။

ဤနည်းလမ်း၏ စိတ်ဝင်စားဖွယ် အစိတ်အပိုင်းများထဲမှ တစ်ခုမှာ ကွန်ပျူတာစနစ်သည် ၎င်းအား သင်ကြားခဲ့သည့် ပြဿနာများကို သင်ကြားပေးရုံသာမက ခေါင်းစဉ်အတွင်းရှိ အခြားသော ပြဿနာအားလုံးကို ယေဘုယျအားဖြင့် ဖြေရှင်းနိုင်သည်ကိုလည်း တွေ့ရသည်။ ဆိုလိုသည်မှာ ကွန်ပြူတာသည် ဆရာသင်ပေးသည့်နည်းလမ်းများအပြင် ပြဿနာတစ်ခုအား ဖြေရှင်းနိုင်သည်။ 

Daniel Weitekamp III သည် CMU ၏ Human-Computer Interaction Institute (HCII) တွင် Ph.D ကျောင်းသားဖြစ်သည်။ 

“ကျောင်းသားတစ်ယောက်ဟာ ပြဿနာတစ်ခုလုပ်ဖို့ နည်းလမ်းတစ်ခုကို သင်ယူနိုင်ပြီး အဲဒါက လုံလောက်ပါတယ်” ဟု Weitekamp က ပြောကြားခဲ့သည်။ “ဒါပေမယ့် ကျူရှင်စနစ်က ပြဿနာတစ်ခုကို ဖြေရှင်းဖို့ နည်းလမ်းတိုင်းကို သင်ယူဖို့ လိုအပ်ပါတယ်။ ပြဿနာဖြေရှင်းနည်းကို သင်ကြားပေးရုံသာမက ပြဿနာဖြေရှင်းနည်းကို သင်ကြားရန် လိုအပ်ပါသည်။”

Weitekamp မှရှင်းပြသောစိန်ခေါ်မှုမှာ AI အခြေခံကျူရှင်စနစ်များဖွံ့ဖြိုးတိုးတက်ရေးတွင်အကြီးကျယ်ဆုံးတစ်ခုဖြစ်သည်။ အသစ်တီထွင်ထားသော ဉာဏ်ရည်ဉာဏ်သွေး ကျူရှင်စနစ်များသည် ကျောင်းသားတိုးတက်မှုကို ခြေရာခံနိုင်ပြီး နောက်ဘာလုပ်ရမည်ကို ဆုံးဖြတ်ရာတွင် ကူညီပေးကာ ထိရောက်သော အလေ့အကျင့်ပြဿနာများကို ရွေးချယ်ခြင်းဖြင့် ကျောင်းသားများကို ကျွမ်းကျင်မှုအသစ်များ ဖော်ထုတ်နိုင်စေရန် ကူညီပေးပါသည်။ 

AI-အခြေခံကျူရှင်စနစ်များဖွံ့ဖြိုးတိုးတက်ရေး

Ken Koedinger သည် လူသားနှင့် ကွန်ပျူတာ အပြန်အလှန် ဆက်သွယ်မှုနှင့် စိတ်ပညာဆိုင်ရာ ပါမောက္ခတစ်ဦးဖြစ်သည်။ Koedinger သည် ဉာဏ်ရည်ထက်မြက်သော ကျူရှင်ဆရာများ၏ အစောပိုင်း developer များထဲမှ တစ်ဦးဖြစ်ပြီး အခြားသူများနှင့် လက်တွဲကာ ထုတ်လုပ်မှု စည်းမျဉ်းများကို လက်ဖြင့် ပရိုဂရမ်ရေးဆွဲခဲ့သည်။ Koedinger ၏ အဆိုအရ ကျူရှင်သင်ကြားသည့် နာရီတိုင်းသည် တိုးတက်မှုအတွက် နာရီ 200 ကြာသည်။ နောက်ဆုံးတွင်၊ အဖွဲ့သည် ပြဿနာတစ်ခုဖြေရှင်းရန် ဖြစ်နိုင်သည့်နည်းလမ်းအားလုံးကို သရုပ်ပြသည့် ပိုမိုထိရောက်သောနည်းလမ်းကို တီထွင်ခဲ့သည်။ ၎င်းသည် နာရီ 200 မှ 40 သို့မဟုတ် 50 သို့ကျဆင်းသွားသော်လည်း အချို့သောပုံစံများအတွက် ဖြစ်နိုင်သည့်ဖြေရှင်းနည်းအားလုံးကို သရုပ်ပြရန် အလွန်ခက်ခဲပါသည်။ 

နည်းလမ်းသစ်သည် ဆရာတစ်ဦးအား မိနစ် 30 သင်ခန်းစာကို အချိန်အတိုင်းအတာတစ်ခုအတွင်း ပြုစုပျိုးထောင်နိုင်စေမည့် နည်းလမ်းသစ်ဖြစ်သည်ဟု Koedinger မှ ပြောကြားခဲ့ပါသည်။ 

"ယခုထက်ထိ ဉာဏ်ရည်ထက်မြက်သော ကျူရှင်ဆရာထံ ရောက်ရန် တစ်ခုတည်းသောနည်းလမ်းမှာ ဤ AI စည်းမျဉ်းများကို ရေးသားရန်ဖြစ်သည်" ဟု Koedinger က ပြောကြားခဲ့သည်။ “ဒါပေမယ့် အခုစနစ်က အဲဒီစည်းမျဉ်းတွေကို ရေးနေတယ်။

နည်းလမ်းအသစ်တွင် ကျောင်းသားများသင်ယူသည့်နည်းလမ်းများကို အတုယူရန် စက်သင်ယူမှုပရိုဂရမ်ကို အသုံးပြုထားသည်။ သင်ကြားရေးအင်တာဖေ့စ်ကို Weitekamp မှဖန်တီးခဲ့ပြီး ၎င်းသည် ပရိုဂရမ်ရေးသားခြင်းအတွက် "ရှိုး-နှင့်-မှန်ကန်သော" လုပ်ငန်းစဉ်ကို အသုံးပြုသည်။

၎င်းနည်းလမ်းကို ကော်လံမျိုးစုံအပြင် သရုပ်ပြထားသော်လည်း၊ အသုံးပြုထားသည့် စက်သင်ယူမှုအင်ဂျင်ကို ညီမျှခြင်းဖြေရှင်းခြင်း၊ အပိုင်းခွဲပေါင်းထည့်ခြင်း၊ ဓာတုဗေဒ၊ အင်္ဂလိပ်သဒ္ဒါနှင့် သိပ္ပံစမ်းသပ်မှုပတ်ဝန်းကျင်များကဲ့သို့သော အခြားဘာသာရပ်များတွင် အသုံးချနိုင်သည်။ 

အဓိက ပန်းတိုင်များထဲမှ တစ်ခုသည် AI ပရိုဂရမ်မာ မလိုအပ်ဘဲ ဆရာများကို ၎င်းတို့၏ ကိုယ်ပိုင် ကွန်ပျူတာဖြင့် သင်ခန်းစာများ ဖန်တီးနိုင်စေရန် ဤနည်းလမ်းအတွက် ဖြစ်သည်။ ၎င်းသည် ဆရာများအား သင်ကြားနည်း သို့မဟုတ် မည်သည့်နည်းလမ်းများကို အသုံးပြုရမည်ကို ၎င်းတို့၏ ကိုယ်ပိုင်အမြင်များကို အသုံးချနိုင်စေပါသည်။ 

Weitekamp၊ Koedinger နှင့် HCII စနစ်ဆိုင်ရာ သိပ္ပံပညာရှင် Erik Harpstead သည် နည်းလမ်းကို ဖော်ပြသည့် စာတမ်းကို ရေးသားခဲ့သည်။ ၎င်းကို ကွန်ပြူတာစနစ်ဆိုင်ရာ လူသားဆိုင်ရာအချက်များ ညီလာခံ (CHI 2020) မှ လက်ခံခဲ့သည်။ ညီလာခံကို မူလက ယခုလတွင် ပြုလုပ်ရန် စီစဉ်ထားသော်လည်း COVID-19 ကူးစက်ရောဂါကြောင့် ၎င်းအား ဖျက်သိမ်းခဲ့ရသည်။ စက္ကူ ကွန်ပြူတာစက်ယန္တရား၏ဒစ်ဂျစ်တယ်စာကြည့်တိုက်တွင်တည်ရှိသော ကွန်ဖရင့်လုပ်ငန်းစဉ်များတွင် ယခုတွေ့ရှိနိုင်ပါသည်။

Institute of Education Sciences နှင့် Google တို့က သုတေသနကို ပံ့ပိုးကူညီခဲ့သည်။