OpenAI နှင့် Los Alamos National Laboratory တို့က ဇီဝသိပ္ပံ သုတေသန ပူးပေါင်းဆောင်ရွက်မှုကို ကြေညာ

OpenAI နှင့် Los Alamos National Laboratory (LANL) — အမေရိကန်ပြည်ထောင်စု၏ ဦးဆောင် အမျိုးသားဓာတ်ခွဲခန်းများထဲမှ တစ်ခု — သည် ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်များတွင် သိပ္ပံပညာရှင်များက ဇီဝသိပ္ပံဆိုင်ရာ သုတေသနကို တိုးတက်စေရန် အတုထောက်လှမ်းရေးကို ဘေးကင်းလုံခြုံစွာ မည်သို့အသုံးပြုနိုင်သည်ကို လေ့လာရန် အတူတကွ လုပ်ဆောင်နေပါသည်။ ဤပူးပေါင်းဆောင်ရွက်မှုသည် အမေရိကန် ပြည်သူ့ကဏ္ဍ၊ အထူးသဖြင့် အမျိုးသားဓာတ်ခွဲခန်းများက အမေရိကန် ပုဂ္ဂလိကကဏ္ဍနှင့် ပူးပေါင်းကာ ဆန်းသစ်တီထွင်မှု တိုးတက်မှုများကို ကျန်းမာရေးစောင့်ရှောက်မှုနှင့် ဇီဝသိပ္ပံကဲ့သို့ အရေးပါသော နယ်ပယ်များရှိ တိုးတက်မှုများအဖြစ် ပြောင်းလဲစေရန် သေချာအောင် လုပ်ဆောင်လာခဲ့သည့် ရှည်လျားသော အစဉ်အလာကို ဆက်လက်လိုက်နာထားခြင်း ဖြစ်ပါသည်။

မကြာသေးမီက ထုတ်ပြန်ခဲ့သော အတုထောက်လှမ်းရေးကို ဘေးကင်းလုံခြုံ၍ ယုံကြည်စိတ်ချရသော ပုံစံဖြင့် ဖွံ့ဖြိုးတိုးတက်စေခြင်းနှင့် အသုံးပြုခြင်းဆိုင်ရာ အိမ်ဖြူတော် အုပ်ချုပ်ရေးအမိန့်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် ဇီဝဆိုင်ရာ စွမ်းဆောင်ရည်များအပါအဝင် စွမ်းဆောင်ရည်အမြင့်ဆုံး AI မော်ဒယ်များ၏ စွမ်းရည်များကို အကဲဖြတ်ရာတွင် ကူညီပေးရန် အမေရိကန် စွမ်းအင်ဝန်ကြီးဌာန၏ အမျိုးသားဓာတ်ခွဲခန်းများကို တာဝန်ပေးထားပါသည်။ ကျွန်ုပ်တို့သည် AI သည် သိပ္ပံပညာ၏ အကျိုးကောင်းအတွက် မြန်နှုန်းနှင့် သက်ရောက်မှုကို အဆများစွာ မြှင့်တင်ပေးနိုင်မည့် အလားအလာ ရှိသည်ဟု ယုံကြည်သောကြောင့် ဤအချက်သည် OpenAI အတွက် အရေးကြီးပါသည်။ ယခုအခါ Moderna သည် ကြီးမားသော ဒေတာအစုများကို ခွဲခြမ်းစိတ်ဖြာရာတွင် အထောက်အကူပြုရန် ဒီဇိုင်းထုတ်ထားသော ဒေတာခွဲခြမ်းစိတ်ဖြာမှု လက်ထောက်တစ်ခုကို တည်ဆောက်ခြင်းဖြင့် ဆေးဘက်ဆိုင်ရာ စမ်းသပ်မှုဖွံ့ဖြိုးတိုးတက်ရေးကို အားဖြည့်ရန် OpenAI ၏ နည်းပညာကို အသုံးချနေပါသည်⁠။ Color Health⁠ သည် ကျန်းမာရေးစောင့်ရှောက်မှုပေးသူများက ကင်ဆာစစ်ဆေးခြင်းနှင့် ကုသမှုဆိုင်ရာ သက်သေအထောက်အထားအခြေပြု ဆုံးဖြတ်ချက်များ ချနိုင်ရန် အကူအညီပေးသော copilot အသစ်တစ်ခုကို GPT‑4o ဖြင့် တည်ဆောက်ခဲ့ပါသည်။

“အများပြည်သူအကျိုးစီးပွားကို ဆောင်ရွက်ရန် ရည်ရွယ်ထားသော ပုဂ္ဂလိကကုမ္ပဏီတစ်ခုအနေဖြင့် ဇီဝသိပ္ပံဆိုင်ရာ စွမ်းရည်များကို လေ့လာရန် Los Alamos National Laboratory နှင့် ပထမဆုံးအမျိုးအစားဖြစ်သော ပူးပေါင်းဆောင်ရွက်မှုကို ကြေညာရသည့်အတွက် ကျွန်ုပ်တို့ အလွန်ဝမ်းမြောက်ပါသည်” ဟု OpenAI ၏ Chief Technology Officer ဖြစ်သူ Mira Murati က ပြောကြားခဲ့သည်။ “ဤပူးပေါင်းဆောင်ရွက်မှုသည် ကျွန်ုပ်တို့၏ မစ်ရှင်တွင် သဘာဝကျသော တိုးတက်မှုအဆင့်တစ်ရပ်ကို အမှတ်အသားပြုပါသည်။ သိပ္ပံဆိုင်ရာ သုတေသနကို ရှေ့ဆက်တိုးမြှင့်ပေးသလို အန္တရာယ်များကိုလည်း နားလည်ကာ လျှော့ချနိုင်ရန် အထောက်အကူပြုပါသည်”

“AI သည် သိပ္ပံနယ်ပယ်တွင် အကျိုးကျေးဇူးကြီးမားစွာ ပေးစွမ်းနိုင်သည့် အားကောင်းသော ကိရိယာတစ်ခုဖြစ်သော်လည်း နည်းပညာအသစ်တိုင်းကဲ့သို့ပင် အန္တရာယ်များလည်း တွဲပါလာပါသည်” ဟု Information Systems and Modeling အဖွဲ့၏ deputy group leader ဖြစ်သူ Nick Generous က ပြောကြားခဲ့သည်။ "Los Alamos တွင် ဤလုပ်ငန်းကို ဓာတ်ခွဲခန်း၏ AI Risks Technical Assessment Group အသစ်က ဦးဆောင်မည်ဖြစ်ပြီး၊ ၎င်းအဖွဲ့သည် ထိုအန္တရာယ်များကို အကဲဖြတ်ကာ ပိုမိုကောင်းမွန်စွာ နားလည်နိုင်ရန် ကူညီပေးမည်ဖြစ်ပါသည်။”

OpenAI နှင့် Los Alamos National Laboratory ၏ Bioscience Division တို့သည် GPT‑4o⁠ ကဲ့သို့သော စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များသည် မြင်ကွင်းနှင့် အသံကဲ့သို့ မျိုးစုံပုံစံဆိုင်ရာ စွမ်းရည်များမှတစ်ဆင့် လက်တွေ့ ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်တွင် လူများအား အလုပ်တာဝန်များ ဆောင်ရွက်ရာ၌ မည်သို့ကူညီနိုင်သည်ကို အကဲဖြတ်ရန် လေ့လာမှုတစ်ရပ်ကို ဆောင်ရွက်နေပါသည်။ ၎င်းတွင် GPT‑4o နှင့် လက်ရှိ မထုတ်ပြန်ရသေးသော ၎င်း၏ အချိန်နှင့်တပြေးညီ အသံစနစ်များအတွက် ဇီဝလုံခြုံရေး အကဲဖြတ်မှုများလည်း ပါဝင်ပြီး ဇီဝသိပ္ပံ သုတေသနကို ပံ့ပိုးရန် ၎င်းတို့ကို မည်သို့အသုံးပြုနိုင်သည်ကို နားလည်ရန် ရည်ရွယ်ပါသည်။ ကျွန်ုပ်တို့၏ လာမည့် အကဲဖြတ်မှုသည် ဤအမျိုးအစားတွင် ပထမဆုံး ဖြစ်မည်ဟု ယုံကြည်ပြီး AI ဇီဝလုံခြုံရေး အကဲဖြတ်မှုဆိုင်ရာ အဆင့်မြင့်ဆုံး သုတေသနအတွက် အထောက်အကူပြုမည် ဖြစ်ပါသည်။ ၎င်းသည် ဇီဝအန္တရာယ်ဆိုင်ရာ လက်ရှိလုပ်ဆောင်နေသော ကျွန်ုပ်တို့၏ အလုပ်⁠ ကို အခြေခံတည်ဆောက်မည်ဖြစ်ပြီး၊ မော်ဒယ်အန္တရာယ်များကို ခြေရာခံခြင်း၊ အကဲဖြတ်ခြင်း၊ ကြိုတင်ခန့်မှန်းခြင်းနှင့် ကာကွယ်ခြင်းဆိုင်ရာ ကျွန်ုပ်တို့၏ ချဉ်းကပ်ပုံကို ဖော်ပြထားသော ကြိုတင်ပြင်ဆင်ထားခြင်းဆိုင်ရာ ဖွဲ့စည်းမှု⁠ ကိုလည်း လိုက်နာမည်ဖြစ်ကာ 2024 AI Seoul Summit တွင် သဘောတူညီခဲ့သော Frontier AI Safety ဆိုင်ရာ ကျွန်ုပ်တို့၏ ကတိကဝတ်များနှင့်လည်း ကိုက်ညီပါသည်။

Los Alamos နှင့် ကျွန်ုပ်တို့၏ လာမည့် အကဲဖြတ်မှုသည် စံဓာတ်ခွဲခန်း စမ်းသပ်လုပ်ငန်းများ ပါဝင်သော ဘေးကင်းသော လုပ်ထုံးလုပ်နည်းတစ်ခုကို ကျွမ်းကျင်သူများနှင့် အတွေ့အကြုံနည်းသူများ နှစ်ဖက်စလုံးက မည်သို့လုပ်ဆောင်နိုင်ပြီး ပြဿနာများကို မည်သို့ဖြေရှင်းနိုင်သည်ကို အကဲဖြတ်ခြင်းအားဖြင့် ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်တွင် မျိုးစုံပုံစံ စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များကို စမ်းသပ်မည့် ပထမဆုံး စမ်းသပ်မှု ဖြစ်မည်ဖြစ်ပါသည်။ ဤလုပ်ငန်းတာဝန်များသည် နှစ်မျိုးသုံးနိုင်ခြင်းဆိုင်ရာ စိုးရိမ်ချက် ရှိသော ပိုမိုရှုပ်ထွေးသည့် လုပ်ငန်းများအတွက် ကိုယ်စားပြုညွှန်းကိန်းအဖြစ် အသုံးပြုရန် ရည်ရွယ်ထားပါသည်။ လုပ်ငန်းများတွင် transformation (ဥပမာ - ပြင်ပမျိုးဗီဇပစ္စည်းကို အိမ်ရှင်အော်ဂဲနစ်ဇင်ထဲသို့ ထည့်သွင်းခြင်း)၊ cell culture (ဥပမာ - ဆဲလ်များကို in vitro တွင် ထိန်းသိမ်း၍ ပွားများစေခြင်း) နှင့် cell separation (ဥပမာ - centrifugation ဖြင့် ခွဲထုတ်ခြင်း) တို့ ပါဝင်နိုင်ပါသည်။ GPT‑4o က ပံ့ပိုးပေးသော လုပ်ငန်းပြီးစီးမှုနှင့် တိကျမှန်ကန်မှု တိုးတက်လာမှုကို စစ်ဆေးခြင်းအားဖြင့် စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များသည် လက်တွေ့ကမ္ဘာရှိ ဇီဝဆိုင်ရာ လုပ်ငန်းတာဝန်များတွင် လက်ရှိပရော်ဖက်ရှင်နယ်များ/PhD များနှင့် အတွေ့အကြုံနည်းသူများကိုပါ မည်သို့ ကျွမ်းကျင်မှုမြှင့်တင်ပေးနိုင်သည်ကို ပမာဏသတ်မှတ်ကာ အကဲဖြတ်ရန် ကျွန်ုပ်တို့ ရည်ရွယ်ပါသည်။

ဤအကဲဖြတ်မှုအသစ်များသည် ကျွန်ုပ်တို့၏ ယခင်လုပ်ဆောင်မှုကို အောက်ပါ အတိုင်း အရွယ်အစားအသစ်များစွာသို့ တိုးချဲ့ထားပါသည် -

1. wet lab နည်းလမ်းများကို ထည့်သွင်းခြင်း။ ပေါင်းစပ်ပစ္စည်းများကို ပေါင်းစပ်ထုတ်လုပ်ခြင်းနှင့် ဖြန့်ဝေခြင်းအတွက် ရေးသားထားသော လုပ်ငန်းများနှင့် တုံ့ပြန်ချက်များသည် ညွှန်ပြချက်အဖြစ် အသုံးဝင်ခဲ့သော်လည်း၊ တကယ့် ဇီဝဓာတ်ခွဲခန်း benchwork ကို ဆောင်ရွက်ရန် လိုအပ်သော ကျွမ်းကျင်မှုများကို အပြည့်အဝ မဖော်ထုတ်နိုင်ပါ။ ဥပမာအားဖြင့် mass spectrometry လုပ်ရမည်ကို သိထားခြင်း သို့မဟုတ် အဆင့်များကို စာဖြင့် အသေးစိတ် ရေးပြနိုင်ခြင်းသည် လွယ်ကူနိုင်သော်လည်း တကယ့် နမူနာများဖြင့် မှန်ကန်စွာ ဆောင်ရွက်ရန်မှာ ပိုမိုခက်ခဲပါသည်။
2. မျိုးစုံပုံစံများစွာကို ထည့်သွင်းခြင်း။ ကျွန်ုပ်တို့၏ ယခင်လုပ်ဆောင်မှုသည် ရေးသားထားသော output များ ပါဝင်သည့် GPT‑4 ကို အဓိကထားခဲ့ပါသည်။ GPT‑4o ၏ ပုံစံမျိုးစုံအနှံ့ ဆင်ခြင်နိုင်စွမ်းနှင့် အသံ၊ ရုပ်မြင် input များကို လက်ခံနိုင်စွမ်းတို့သည် သင်ယူမှုကို မြန်ဆန်စေနိုင်ပါသည်။ ဥပမာအားဖြင့် wet lab setup ၏ အစိတ်အပိုင်းအားလုံးနှင့် မရင်းနှီးသေးသော အသုံးပြုသူတစ်ဦးသည် မိမိ၏ setup ကို GPT‑4o သို့ ရိုးရိုးပြသပြီး မေးခွန်းများဖြင့် တုံ့ပြန်ညွှန်ကြားချက်ပေးနိုင်သလို၊ အခြေအနေကို စာဖြင့် မေးခွန်းအဖြစ် ဖော်ပြရန် မလိုဘဲ ကင်မရာမှတစ်ဆင့် ပြဿနာများကို မြင်ကွင်းအရ ဖြေရှင်းနိုင်ပါသည်။

Los Alamos National Laboratory သည် ဘေးကင်းရေး သုတေသနတွင် ရှေ့ဆောင်တစ်ဦးဖြစ်ခဲ့ပြီး စွမ်းရည်များ မြန်ဆန်စွာ ဆက်လက်တိုးတက်နေသည့် စွမ်းဆောင်ရည်အမြင့်ဆုံး AI မော်ဒယ်များအတွက် ဆန်းသစ်ပြီး ခိုင်မာသော ဘေးကင်းရေး အကဲဖြတ်မှုများပေါ်တွင် အတူတကွ လုပ်ဆောင်ရန် ကျွန်ုပ်တို့ မျှော်လင့်နေပါသည်။ ဤပူးပေါင်းဆောင်ရွက်မှုသည် GPT‑4o ကဲ့သို့ မျိုးစုံပုံစံ AI မော်ဒယ်များက သိပ္ပံဆိုင်ရာ သုတေသနကို ပံ့ပိုးနိုင်သော အလားအလာကိုသာ မီးမောင်းထိုးပြသည်မဟုတ်ဘဲ ဆန်းသစ်တီထွင်မှုကို အသုံးချခြင်းနှင့် ဘေးကင်းရေးကို သေချာစေခြင်း နှစ်ခုစလုံးတွင် ပုဂ္ဂလိကကဏ္ဍနှင့် ပြည်သူ့ကဏ္ဍ ပူးပေါင်းဆောင်ရွက်မှု၏ အလွန်အရေးကြီးမှုကိုလည်း အလေးပေးဖော်ပြပါသည်။ ဤအကဲဖြတ်မှုများ၏ ရလဒ်များကို စောင့်မျှော်နေစဉ် ဤပူးပေါင်းဆောင်ရွက်မှုသည် သိပ္ပံနယ်ပယ်အတွင်း AI ဘေးကင်းရေးနှင့် ထိရောက်မှုအတွက် စံသတ်မှတ်ချက်အသစ်များ ချမှတ်ရာတွင် အထောက်အကူပြုပြီး လူသားမျိုးနွယ်အတွက် အကျိုးရှိစေမည့် အနာဂတ် ဆန်းသစ်တီထွင်မှုများအတွက် လမ်းဖွင့်ပေးနိုင်မည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ပါသည်။