OpenAI ဖြင့် Block ၏ AI လုံခြုံရေး တည်ဆောက်မှု

Square၊ Cash App နှင့် Afterpay တို့ကို ဖန်တီးသည့် Block ကုမ္ပဏီ၏ လုံခြုံရေးအဖွဲ့သည် OpenAI Defense Factory ကို အသုံးချနေသည်။ ဤစနစ်တွင် AI က လုံခြုံရေးအားနည်းချက်များ ရှာဖွေခြင်း၊ ဖော်ထုတ်ခြင်းနှင့် တုံ့ပြန်ခြင်းတို့ကို မည်သည့်လူအဖွဲ့ကမျှ လိုက်မမီနိုင်သည့် ပမာဏအထိ လုပ်ဆောင်ပေးသည်။ OpenAI Daybreak အပါအဝင် AI စနစ်များကြောင့် Block သည် ယခင်က သီတင်းပတ်များစွာ ကြာခဲ့သောအလုပ်ကို ယခု နာရီပိုင်းအတွင်း လုပ်ဆောင်နိုင်နေပြီဖြစ်သည်။

Block ၏ လုံခြုံရေးအဖွဲ့သည် ကုဒ်ရေးသားခြင်းမှ လုံခြုံရေးလုပ်ငန်းများအထိ လုပ်ငန်းစဉ်တစ်လျှောက် AI ကို တာဝန်ယူမှုရှိစွာ အသုံးပြုနိုင်ရေးကို အာရုံစိုက်ဆောင်ရွက်နေသည်။ “အဓိကကတော့ ကိုယ့်လုပ်ငန်းပမာဏ တိုးလာတာနဲ့အမျှ အတူတူ လိုက်လုပ်ပေးနိုင်မယ့် အဖွဲ့ဝင်သစ်တစ်ဦး ရလာတာပါပဲ” ဟု သတင်းအချက်အလက်လုံခြုံရေး အကြီးအကဲ James Nettesheim က ပြောသည်။ “အဆင့်တစ်ဆင့်ချင်းစီ သတ်မှတ်ပေးရတဲ့ သမားရိုးကျ အလိုအလျောက်စနစ်မျိုးနဲ့ မတူပါဘူး။ ကိုယ့်အခြေအနေအတွက် သီးသန့်ဖြစ်ပြီး ရှင်းရှင်းလင်းလင်း မသတ်မှတ်နိုင်သေးတဲ့ ပြဿနာတစ်ခုကိုတောင် ညွှန်ကြားချက်ပေးပြီး အတူတူ ဖြေရှင်းသွားနိုင်ပါတယ်။”

ဆော့ဖ်ဝဲချို့ယွင်းချက်ကို စစ်ဆေးခြင်း သို့မဟုတ် စနစ်မှတ်တမ်းကို ခွဲခြမ်းစိတ်ဖြာခြင်းကဲ့သို့ အလုပ်များသည် ယခင်က ရက်ပေါင်းများစွာ သို့မဟုတ် သီတင်းပတ်များစွာ ကြာမြင့်ခဲ့သည်။ ယခုတွင် ရလဒ်တိုင်းကို လူက ဆက်လက်စစ်ဆေးအတည်ပြုပေးနေလျက်ပင် အဖွဲ့သည် ထိုအလုပ်များကို ယခင်ထက် အချိန်များစွာတိုတောင်းစွာဖြင့် ပြီးစီးနိုင်သည်။

ဥပမာ၊ ခြိမ်းခြောက်မှုဖော်ထုတ်သည့်စနစ်ကို ချိန်ညှိရာတွင် စုံစမ်းမှုတိုင်း၏ ဒေတာရှာဖွေမေးမြန်းမှု အထောက်အထားမူရင်းများကို သိမ်းဆည်းထားသည်။ ထို့ကြောင့် အဆိုပြုထားသော ဖော်ထုတ်မှုအပြောင်းအလဲတစ်ခုကို လက်တွေ့အသုံးပြုစနစ်မှ ခုနစ်လစာ စောင့်ကြည့်ဒေတာဖြင့် တစ်နာရီမပြည့်မီ ပြန်လည်စမ်းသပ်နိုင်ပြီဖြစ်သည်။ ယခင်က ထိုအလုပ်အတွက် အမှုဟောင်းရာပေါင်းများစွာကို လူကိုယ်တိုင် ဒေတာပြန်ရှာဖွေရသည်။ အချိန်ကုန်လွန်းသောကြောင့် လက်တွေ့တွင် လုပ်ဖြစ်ခဲသည်။

အဖွဲ့သည် မည်သည့်အလုပ်အတွက် မည်သည့်မော်ဒယ်ကို အသုံးပြုမည်ဆိုသည်ကိုလည်း ပိုမိုဂရုတစိုက် ရွေးချယ်လာသည်။ “အရင်က နောက်ဆုံးထွက်မော်ဒယ်ကိုပဲ သုံးခဲ့ပေမယ့် အခုတော့ အဲဒီလိုလုပ်ဖို့ မလိုတော့ပါဘူး” ဟု သူက ပြောသည်။ “အလုပ်အမျိုးမျိုးအတွက် မော်ဒယ်အမျိုးမျိုး ရွေးချယ်ရတာကလည်း သင်ယူစရာ အတွေ့အကြုံတစ်ခုပါပဲ။” Block ၏ လုံခြုံရေး အကဲဖြတ်စမ်းသပ်မှု စနစ်ကို Daybreak ပေါ်တွင် အခြေခံတည်ဆောက်ထားပြီး အလုပ်များကို သင့်လျော်သောမော်ဒယ်ထံ ပို့ပေးနိုင်ရန် ကူညီသည်။ လူက လွှဲယူလုပ်ဆောင်နိုင်ရန် သို့မဟုတ် အေးဂျင့်များက အချင်းချင်း၏အလုပ်ကို စစ်ဆေးနိုင်ရန် ချိတ်ဆက်လုပ်ဆောင်ချက်များလည်း ပါဝင်သည်။ အဖွဲ့သည် ဤစနစ်များကို အတွင်းပိုင်းစံနှုန်းများ၊ လက်တွေ့စွမ်းဆောင်ရည်တို့နှင့် နှိုင်းယှဉ်၍ အဆက်မပြတ် အကဲဖြတ်သည်။ လိုအပ်သလို နည်းလမ်းကို ပြင်ဆင်ပြီး တာဝန်ယူမှုရှိစွာ ဆောင်ရွက်ရန် လိုအပ်သည့်အခါ လူက ပြန်လည်စစ်ဆေးရန် အလုပ်များကို လွှဲပေးသည်။

အလိုအလျောက် ကနဦးစိစစ်ဦးစားပေးစနစ်ကြောင့် အလုပ်များကို ပိုမိုမြန်ဆန်စွာနှင့် ပိုမိုများပြားစွာ ပြီးစီးနိုင်ခဲ့သည်။ Block ၏ လုံခြုံရေးအဖွဲ့တွင် ကနဦးစိစစ်မှု ဆောင်ကြဉ်းပေးမှု ပမာဏ 50% တိုးလာပြီး သတင်းစုဆောင်းမှုနှင့် စုံစမ်းမှုများလည်း 50% တိုးလာသည်။ ထို့အပြင် ယခင်က မရှိခဲ့သော ကိုယ်တိုင်အလိုအလျောက် ခြိမ်းခြောက်မှုလိုက်လံရှာဖွေနိုင်စွမ်းလည်း ရရှိလာသည်။ Nettesheim က “အခု သတိပေးချက်တိုင်းအတွက် သက်ဆိုင်ရာ အစိတ်အပိုင်းအားလုံးကို စုံစုံလင်လင်၊ နက်နက်ရှိုင်းရှိုင်း စုံစမ်းပေးတဲ့အတွက် ဒီစနစ်က သုံးလပတ်တစ်ခုမှာ စိစစ်လေ့လာသူတစ်ဦးရဲ့ အလုပ်ချိန် နာရီ 1,100 ခန့်နဲ့ ညီမျှတဲ့ စုံစမ်းမှုတွေကို ပြီးစီးစေပါတယ်။ ကျွန်တော်တို့စနစ်က သတိပေးချက်တိုင်းကို အဲဒီနေ့အတွက် ရထားတဲ့ တစ်ခုတည်းသော သတိပေးချက်လိုပဲ အာရုံစိုက် ကိုင်တွယ်ပါတယ်” ဟု ပြောသည်။

သမားရိုးကျ စစ်ဆေးရှာဖွေရေးကိရိယာများက လုံခြုံရေးအားနည်းချက်တစ်ခုချင်းကို သီးခြား ဖော်ထုတ်ပေးသော်လည်း Block ၏ လုံခြုံရေးအဖွဲ့သည် Daybreak ဖြင့် ထိုထက် များစွာပိုမို လုပ်ဆောင်နိုင်သည်။ မော်ဒယ်သည် တိုက်ခိုက်မှုပုံစံများကို ယူဆဖော်ထုတ်ရန်နှင့် တိုက်ခိုက်မှုအဆင့်ဆင့်ကို ချိတ်ဆက်၍ စနစ်ကို အစအဆုံး ထိုးဖောက်နိုင်သည့် လမ်းကြောင်းတစ်ခုအဖြစ် ဖော်ထုတ်ရန် ကူညီသည်။ ထို့ကြောင့် နှစ်ပေါင်းများစွာ ရှိနေခဲ့နိုင်သည့် လုံခြုံရေးအားနည်းချက်များကို တွေ့ရှိလာရသည်။

ဖြစ်ရပ်တစ်ခုတွင် လက်ပ်တော့တစ်လုံးမှ သတိပေးချက်ကို သီးခြားကြည့်လျှင် မူဝါဒချိုးဖောက်မှု အသေးစားတစ်ခုဟုသာ ထင်ရသည်။ သို့သော် အချင်းချင်း ပြန်လည်စစ်ဆေးစဉ် မော်ဒယ်က အထောက်အထားထဲတွင် မထင်မရှား ပါလာသည့် လက္ခဏာတစ်ခုကို လိုက်လံစစ်ဆေးပြီး Block ၏ အသုံးပြုသူအထောက်အထား မှတ်တမ်းများနှင့် ချိတ်ဆက်လိုက်သောအခါ ပိုမိုများပြားကြီးမားသော ပြဿနာများကို ဖော်ထုတ်နိုင်ခဲ့သည်။ “စက်တစ်လုံးကနေ ရတဲ့ ပုံမှန်သတိပေးချက်တစ်ခုက တိုက်ခိုက်မှုစစ်ဆင်ရေးတစ်ခုလုံးကို ဖျက်သိမ်းနိုင်တဲ့အထိ ဖြစ်လာခဲ့ပါတယ်။ ကိရိယာတစ်ခုတည်းနဲ့ အဲဒီလို ဆက်စပ်ဖော်ထုတ်လို့ မရပါဘူး။ ထုတ်ကုန်နှစ်ခုရဲ့ မှတ်တမ်းတွေကို ပေါင်းကြည့်မှပဲ အဲဒီလက္ခဏာကို တွေ့ရတာပါ” ဟု James က ပြောသည်။

Daybreak က ကူညီပေးခဲ့သည့် နောက်ဥပမာတစ်ခုမှာ မကြာသေးမီက ပြုလုပ်ခဲ့သော ထိုးဖောက်စမ်းသပ်ရေး လေ့ကျင့်ခန်းတစ်ခု ဖြစ်သည်။ မော်ဒယ်ကို အတွင်းပိုင်းစနစ်တစ်ခုအကြောင်း သဲလွန်စအနည်းငယ်ပေးလိုက်ရာ နှစ်နာရီခန့်အတွင်း တိုက်ခိုက်ရေးလမ်းကြောင်းအပြည့်အစုံကို ချိတ်ဆက်ဖော်ထုတ်နိုင်ခဲ့သည်။ ထိုလမ်းကြောင်းတွင် SQL ကုဒ်ထိုးသွင်းခြင်း၊ လုပ်ပိုင်ခွင့်အဆင့်မြှင့်ခြင်း၊ စနစ်အတွင်း ဝင်ရောက်ခြေကုပ်ယူခြင်း၊ ဝင်ရောက်ခွင့်အထောက်အထားများကို လိုက်လံဖော်ထုတ်ခြင်းနှင့် အခြားစနစ်များသို့ ကူးပြောင်းထိုးဖောက်ခြင်းတို့ ပါဝင်သည်။ ပုံမှန်အားဖြင့် ဤအလုပ်ကို ထိုးဖောက်စမ်းသပ်ခြင်း ပြုလုပ်သည့် လူတစ်ဦး လုပ်ဆောင်ပါက ရက်ပေါင်းများစွာ ကြာနိုင်သည်။ မကြာသေးမီက ထိုးဖောက်စမ်းသပ်ရေး လေ့ကျင့်ခန်းများတွင် အဆင့်မြင့် လုံခြုံရေးအားနည်းချက်ကို တင်ပြချိန်မှ ပြင်ဆင်ချက် အလိုအလျောက် အဆိုပြုချိန်အထိ 18 မိနစ်သာ ကြာခဲ့သည်။

လုံခြုံရေးအားနည်းချက်များကို ရှာတွေ့ခြင်းသည် ၎င်းတို့ကို ပြင်ဆင်နိုင်မှသာ အကျိုးရှိသည်။ Nettesheim က သူ့အဖွဲ့သည် တွေ့ရှိချက်တိုင်းအတွက် မည်သို့ဆောင်ရွက်ကြောင်း ရှင်းပြသည်။ ကုဒ်အတွင်း ပြဿနာရှိနေသည့်နေရာနှင့် တာဝန်ရှိသူကို အရင်ဖော်ထုတ်ပြီးနောက် ပြုပြင်ဖြေရှင်းမှုကို ဆက်လုပ်သည်။ “ပြင်ဆင်ချက်တစ်ခု အဆိုပြုမယ်၊ အားနည်းချက်ကို တကယ်အသုံးချတိုက်ခိုက်နိုင်သလား အတည်ပြုမယ်၊ ပြီးတော့ ပြင်ဆင်ပြီးပြီလားဆိုတာ စစ်ဆေးမယ်။ ဒီလုပ်ငန်းစဉ်တစ်လျှောက် လူက လမ်းညွှန်ပေးပြီး ကုဒ်အပြောင်းအလဲတွေကို လက်တွေ့အသုံးချ ဖြန့်ချိပေးပါတယ်။”

အေးဂျင့်များသည် နည်းပညာပိုင်းအရ လုပ်ဆောင်နိုင်စွမ်းရှိသော်လည်း အဖွဲ့အစည်း၏ နောက်ခံအခြေအနေ သို့မဟုတ် ယခင်ဆုံးဖြတ်ချက်များ၏ နောက်ကွယ်က အကြောင်းရင်းများကို မသိရှိထားကြပါ။ ထိုနောက်ခံအခြေအနေနှင့် မဟာဗျူဟာကို လူက ပံ့ပိုးပေးရပြီး ဤနေရာတွင် သူ့အဖွဲ့က လူကိုယ်တိုင် စစ်ဆေးသည့်အဆင့်အဖြစ် ပါဝင်ဆောင်ရွက်သည်။ AI ၏ ဆုံးဖြတ်နိုင်စွမ်းကို လက်တွေ့တွင် အတည်ပြုနိုင်လာသည်နှင့်အမျှ “လက်ခံမယ့် စွန့်စားမှုအဆင့်ကို တဖြည်းဖြည်း မြှင့်ပြီး ပိုအရေးကြီးတဲ့ စနစ်တွေမှာ သုံးသွားမှာပါ” ဟု Nettesheim က ပြောသည်။

• အဆိုပြုထားသော ဖော်ထုတ်မှုအပြောင်းအလဲကို ခုနစ်လစာ စောင့်ကြည့်ဒေတာဖြင့် ပြန်လည်စမ်းသပ်ရန် တစ်နာရီပင် မကြာတော့ပါ။

• မကြာသေးမီက ထိုးဖောက်စမ်းသပ်ရေး လေ့ကျင့်ခန်းများတွင် အဆင့်မြင့် လုံခြုံရေးအားနည်းချက်ကို တင်ပြချိန်မှ ပြင်ဆင်ချက် အလိုအလျောက် အဆိုပြုချိန်အထိ 18 မိနစ်သာ ကြာခဲ့သည်။

• မှားယွင်းသတိပေးချက်များကို ကနဦးစိစစ်ရာတွင် သုံးလပတ်တိုင်း စိစစ်လေ့လာသူ၏ အလုပ်ချိန် နာရီ 600 ခန့် သက်သာသွားသည်။

• သုံးလပတ်တိုင်း စိစစ်လေ့လာသူ၏ အလုပ်ချိန် နာရီ 1,100 ခန့်နှင့် ညီမျှသော စုံစမ်းမှုများကို ပြီးစီးစေသည်။

• ကနဦးစိစစ်မှု ဆောင်ကြဉ်းပေးမှု ပမာဏ 50% တိုးလာသည်။

• သတင်းစုဆောင်းမှုနှင့် စုံစမ်းမှုများ 50% တိုးလာသည်။

ခြိမ်းခြောက်မှုဖော်ထုတ်ခြင်းနှင့် တုံ့ပြန်ခြင်းလုပ်ငန်းတစ်ခုတည်းကပင် ယခင်က မှားယွင်းသတိပေးချက်များကို ကနဦးစိစစ်ရန် သုံးခဲ့ရသော စိစစ်လေ့လာသူ၏ အလုပ်ချိန်ကို သုံးလပတ်တိုင်း နာရီ 600 ခန့် သက်သာစေခဲ့သည်။ ထိုသက်သာလာသော အချိန်ကြောင့် အဖွဲ့သည် ယခု ပိုမိုနက်ရှိုင်းသော စုံစမ်းမှုများနှင့် တာဝန်ယူမှုရှိစွာ အလိုအလျောက်စနစ်များ ထပ်မံတည်ဆောက်ခြင်းတို့အတွက် အချိန်ပိုပေးနိုင်လာသည်။

တိုက်ခိုက်မှုအရှိန် မြင့်လာပြီး AI မော်ဒယ်များ ဆက်လက်တိုးတက်လာသည်နှင့်အမျှ Nettesheim သည် လုံခြုံရေးအားနည်းချက်များကို အစကတည်းက နည်းနိုင်သမျှ နည်းအောင် လုပ်နိုင်မည့် အခွင့်အလမ်းကို မြင်တွေ့နေသည်။ ထိုသို့လုပ်နိုင်လျှင် လုံခြုံရေးအဖွဲ့များသည် ပြင်ဆင်ဖာထေးမှုအတွက် အချိန်လျှော့ပြီး ကြိုတင်ကာကွယ်ရေးနှင့် မဟာဗျူဟာလုပ်ငန်းများအတွက် အချိန်ပိုပေးနိုင်မည်ဖြစ်သည်။

“OpenAI က ဒီအဆင့်မြင့် လုပ်ဆောင်နိုင်စွမ်းတွေကို လူတိုင်းလက်လှမ်းမီအောင် ပေးပြီး ကာကွယ်သူတွေ အသာစီးရလာအောင် လုပ်ပေးနေပါတယ်” ဟု သူက ပြောသည်။ “အရင်ကတော့ ထိပ်တန်းနည်းပညာကုမ္ပဏီတွေနဲ့ အစိုးရတွေလောက်ပဲ ဒီလိုစွမ်းဆောင်ရည်မျိုး ရှိခဲ့ကြတာပါ။ အခုတော့ အရေးပါသော အခြေခံအဆောက်အအုံ လုပ်ငန်းတွေ၊ ကျောင်းတွေ၊ အသေးစားလုပ်ငန်းတွေ အပါအဝင် လူတိုင်းက ကိုယ့်ကွန်ရက်တွေကို ကာကွယ်ဖို့ ဒီနည်းပညာကို စတင်အသုံးချနိုင်ပါပြီ။”