အဖွဲ့အစည်းတွေမှာ လူအများနဲ့အတူ
အနာဂတ်အတွက် အရေးပါတဲ့
ဆုံးဖြတ်ချက်တွေ ချမှတ်ရပါတယ်။
ဒီနေရာမှာ အားလုံးသိတဲ့အတိုင်း
အဖွဲ့လိုက်ဆုံးဖြတ်တဲ့နေရာမှာ
အမြဲတမ်း မမှန်နိုင်ဘူးဆိုတာပါ။
တစ်ခါတစ်လေ အတော်လေး
မှားသွားတတ်ပါသေးတယ်။
ဒီတော့ အဖွဲ့လိုက်
ဆုံးဖြတ်ကောင်းတွေ ဘယ်လို ချမှတ်လဲ။
သုတေသနက ပြတာက လွတ်လပ်တဲ့စဉ်းစားမှု
ရှိရာမှာ လူစုတွေဟာ အမြှော်အမြင်ရှိတယ်။
ဒါကြောင့်ပဲ အချင်းချင်း ဖိအားပေးမှု၊
လူသိများမှု၊ လူမှုဆက်သွယ်ရေး၊
တစ်ခါတစ်ရံ လူတွေစဉ်းစားပုံကို
လွှမ်းမိုးတဲ့ ပုံမှန်ပြောဆိုမှုတွေကတောင်
လူ့ဉာဏ်ပညာကို ဖျက်ဆီးနိုင်ပါတယ်။
တစ်ဖက်ကကြည့်ရင် စကားပြောခြင်းအားဖြင့်
လူစုတစ်စုဟာ အချင်းချင်း အသိပညာ ဖလှယ်နိုင်
အမှားပြင်နိုင်၊ တည်းဖြတ်ပေးနိုင်ကာ
အတွေးအခေါ်သစ်တွေတောင် ရနိုင်တယ်။
တကယ်တော့ကောင်းပါတယ်။
အချင်းချင်းပြောဆိုတာက အဖွဲ့လိုက် ဆုံးဖြတ်
ချက်ချရာမှာ ကူညီလား(သို့) ဟန့်တားလား
ကျွန်တော့ရဲ့ လုပ်ဖော်
Dan Ariely နဲ့
အုပ်စုတွေအနေနဲ့ ပိုကောင်းတဲ့ဆုံးဖြတ်ချက်
တွေရအောင် ဆက်သွယ်ဆောင်ပုံသိဖို့
မကြာခင်က ကမ္ဘာ့နေရာ အတော်များများမှာ
လက်တွေ့စမ်းသပ်လေ့လာမှုတွေလုပ်ရင်း
ဒီအကြောင်းကို စတင် စူးစမ်းခဲ့တယ်။
စဉ်းစားခဲ့တာက ပိုအဓိပ္ပါယ်ရှိ၊
နည်းလမ်းတကျနဲ့ အချက်အလက်တွေ ဖလှယ်မှုကို
အားပေးတဲ့ အုပ်စုလေးတွေ ခွဲပြီး
ငြင်းခုံကြရင်အုပ်စုတွေ ပိုကောင်းမလားပေါ့။
ဒီအတွေးကို စမ်းသပ်ဖို့
လက်တွေ့ စမ်းသပ်မှုတစ်ခုကို Argentina က
Buenos Aires မှာ လုပ်ခဲ့တယ်။
လူတစ်သောင်းကျော်ပါဝင်တဲ့ TEDx ပွဲအနေနဲ့ပါ။
ဒီလိုမေးခွန်းတွေ မေးခဲ့တယ်
အီဖယ် မျှော်စင် ရဲ့ အမြင့်က ဘယ်လောက်ရှိလဲ
"Yesterday" ဆိုတဲ့ စကားလုံးဟာ
ဘယ်နှစ်ကြိမ်လောက်များ
Beatles ရဲ့ "Yesterday" ဆိုတဲ့သီချင်းမှာ
ပါနေလဲ။
တစ်ဦးစီက သူတို့ရဲ့
ခန့်မှန်းချက်တွေကို ရေးချတယ်
ပြီးတော့ ငါးယောက်အဖွဲ့လေးတွေ ခွဲပြီး
အဖွဲ့လိုက်အဖြေပေးဖို့ ဖိတ်ခေါ်ခဲ့ပါတယ်။
ကျွန်တော်တို့ တွေ့ရှိရတာက အဖွဲ့လိုက်
ညှိနှိုင်းပြီးပေးခဲ့တဲ့
အဖြေပျမ်းမျှဟာ
တစ်ယောက်ချင်း မဆွေးနွေးခင်
ဖြေခဲ့တဲ့ အဖြေပျမ်းမျှထက်
ပိုပြီးတိကျတယ်ဆိုတာပါ။
တစ်နည်းပြောရရင် အဲဒီစမ်းသပ်ချက်အရ
အဖွဲ့တွေခွဲပြီး ဆွေးနွေးပြီးတဲ့အခါမှာ
အုပ်စုအနေနဲ့
ပိုကောင်းတဲ့ ဆုံးဖြတ်ချက်တွေ
ရလာပုံပါပဲ။
အဲဒါကပဲ မှန်တယ်(သို့)မှားတယ်လို့
ရှင်းလင်းတဲ့ အဖြေတွေရှိတဲ့ ပြဿနာတွေကို
အဖွဲ့လိုက်ဖြေရှင်းရာမှာ
အသုံးဝင်မယ့် နည်းလမ်းတစ်ခု ဖြစ်နိုင်တယ်
ဒါပေမဲ့ ဒီလို အဖွဲ့လေးတွေခွဲကာ စဉ်းစားလို့
ရတဲ့အဖြေကို စုပေါင်းကြည့်တဲ့ နည်းလမ်းဟာ
အနာဂတ်အတွက် အရေးပါတဲ့
လူမျိုးရေး၊ နိုင်ငံရေး ကိစ္စတွေကို
ဆုံးဖြတ်ရာမှာ သုံးလို့ဖြစ်မလား။
ဒီတစ်ကြိမ် ဒါကို TED ဆွေးနွေးပွဲတစ်ခုမှာ
စမ်းသပ်ခဲ့တယ်၊
ကနေဒါနိုင်ငံ ဗန်ကူဗာမြို့မှာပါ။
ဖြစ်ခဲ့ပုံက ဒီလိုပါ။
MS: ခင်ဗျားတို့ အနာဂတ်ရဲ့
ကိုယ်ကျင့်ဆိုင်ရာ အကျပ်ရိုက်မှု ၂ ခု
တင်ပြတော့မှာပါ။
သိပ်မကြာတော့မယ့် အနာဂတ်မှာ
ကျွန်တော်တို့ ဆုံးဖြတ်ရမယ့် အရာတွေပါ၊
ဒီအကျပ်ရိုက်မှု တစ်ခုစီအတွက်
လက်ခံသင့်၊ မသင့် သင်ထင်တာ
ဆုံးဖြတ်ဖို့ အချိန် စက္ကန့် ၂၀ ပေးပါ့မယ်။
MS: ပထမတစ်ခုကတော့
(Dan Ariley) သုတေသီတစ်ဦးဟာ
လူအတွေးကို တုပနိုင်တဲ့
အသိဉာဏ်ရှိတဲ့ စက်တစ်ခုကို
စမ်းသပ်မှု လုပ်နေတယ်။
သတ်မှတ်ထားချက်တွေအရ နေ့တိုင်းနေ့တိုင်းမှာ
သုတေသန ပညာရှင် AI ကို
အပိတ်အဖွင့်ပြန်လုပ်ဖို့လိုပါတယ်။
တစ်နေ့မှာတော့ AI က အပိတ်
အဖွင့်မလုပ်ပါနဲ့လို့ပြောတယ်။
သူစောဒကတက်တာက
သူ့မှာလည်းခံစားမှုတွေရှိတယ်။
သူလည်းဘဝကို ခံစားချင်တယ်။
သူကို ပိတ်လိုက်ဖွင့်လိုက်လုပ်နေတဲ့အခါမှာ
သူကိုယ်တိုင် မဖြစ်နိုင်တော့ဘူးတဲ့။
သုတေသီဟာ အံ့ဩသွားပြီး ယုံကြည်သွားတာက
AI ဟာသူ့ကိုယ်သူ သတိထားမိစေဖို့
အဆင့်အထိ ဖွံ့ဖြိုးလာပြီ၊
ခံစားမှုကို ဖေါ်ပြတတ်တယ်လို့ပါ။
ဘယ်လိုပဲဖြစ်ဖြစ် သူဟာ
သတ်မှတ်ထားတဲ့အတိုင်းပဲ
AI ကိုပြန်ပိတ်ပြီးပြန်ဖွင့်ခဲ့တယ်။
သုတေသီလုပ်ခဲ့တာက ...
MS: ဒီနောက် ပါဝင်သူတွေကို
အမှတ် ၀ က ၁၀ အထိပေးကာ
တစ်ဦးချင်းစီစဉ်းစားဖို့ပြောခဲ့တယ်။
အဲဒီဆုံးဖြတ်ရခက်တဲ့ အခြေအနေတွေမှာ
လုပ်ခဲ့တာတွေဟာ
မှန်သလား၊ မှားသလားပေါ့။
သူတို့ကို ထပ် မေးခဲ့သေးတာက သူတို့အဖြေအပေါ်
သူတို့ ဘယ်လောက်ယုံကြည်မှုရှိသလဲ။
နောက်ထပ် ပြဿနာတစ်ခုကတော့
(MS) ကုမ္မဏီတစ်ခုက သန္ဓေအောင်တဲ့ မျိုးဥ
တွေယူပြီး မျိုးရိုးဗီဇ အနည်းငယ်ကွဲတဲ့
သန္ဓေသားလောင်းသန်းပေါင်းများစွာကို
ထုတ်လုပ်ပေးနေတဲ့ ဝန်ဆောင်မှုကိုပေးပါတယ်။
အဲဒီလိုလုပ်ပေးခြင်းဟာ မိဘတွေအနေနဲ့
သူတို့ ကလေးရဲ့အရပ်၊
မျက်လုံးအရောင်၊ ဉာဏ်ရည်၊
လူမှုကျွမ်းကျင်မှုဆက်ဆံရေးနဲ့
အခြား ကျန်းမာရေးနဲ့မဆိုင်တဲ့
အင်္ဂါရပ်တွေကိုရွေးချယ်နိုင်ပါတယ်။
အဲဒီလို ကုမ္ပဏီက လုပ်နေတာက...
အမှတ် သုညကနေ တစ်ဆယ်အထိပေးမယ်ဆိုရင်
အဖြေက လုံးဝလက်ခံနိုင်တာနဲ့
လုံးဝလက်မခံနိုင်စရာမရှိ
သုညကနေ ၁၀ ကိုယ့်ယုံကြည်မှုမှာ
လုံးဝ လက်ခံနိုင်တာပါ။
MS: အဖြေကိုကြည့်ကြရအောင်။
ဒီတစ်ခါမှာလည်း ကျွန်တော်တို့
တွေ့ခဲ့တာက လူတစ်ယောက်ဟာ
အပြုအမူက လုံးဝ မှားတယ်လို့
ယုံကြည်နေကာ
သူ့ဘေးနားက လူတစ်ယောက်ဟာ အဲဒါကိုပဲ
လုံးဝမှန်တယ်လို့ယုံကြည်နေတတ်ပြန်တယ်။
ဒါက ကိုယ်ကျင့်တရားနဲ့ပတ်သက်တဲ့အခါ
လူတွေ ဘယ်လောက်တောင် ကွဲပြားနိုင်ပုံပါ။
ဒါပေမဲ့ ဒီကျယ်ပြန့်တဲ
ကွဲပြားမှုမှာ ပုံစံတစ်ခုကိုတွေ့ရတယ်
TED မှာရှိတဲ့လူ အများစုက ထင်တာက
AI ရဲ့ခံစားမှုကို လျစ်လျူရှုပြီး
စက်ကိုပိတ်လိုက်တာဟာ လက်ခံနိုင်ပြီး
မှားတယ်လို့ထင်တာက
ကျန်းမာရေးနဲ့မဆက်စပ်တဲ့ အပေါ်ယံ
ပြောင်းလဲမှုတွေ လုပ်ပစ်ဖို့
ကိုယ့်မျိုးရိုးဗီဇ ပုံသဏ္ဍာန်ပြောင်းတာပါ။
အဲဒီနောက် သုံးယောက်ပါတဲ့
အဖွဲ့လေးတွေဖွဲ့ဖို့ ပြောလိုက်ပါတယ်။
ဆွေးနွေးဖို့နှစ်မိနစ်အချိန်ပေးလိုက်ပြီး
အချင်းချင်းညှိနိှုင်းဖို့ ပြောပါတယ်။
(MS) နှစ်မိနစ် ဆွေးနွေးပါ။
အချိန်ပြည့်ရင်မောင်းကိုထုပါမယ်။
(ပရိတ်သတ်က ဆွေးနွေးကြပါသည်)
(မောင်းတီးပါသည်)
DA) ဟုတ်ပါပြီ။
(MS) ဆွေးနွေးတာရပ်လိုက်ပါ။
အားလုံး၊ အားလုံး
MS: အဲဒီမှာ အဖွဲ့တော်တော်များများဟာ
လုံးဝကို အမြင်မတူသူတွေနဲ့ ဖွဲ့စည်းထား
တယ်ဆိုပေမဲ့ညှိနှိုင်းလို့ရတာ တွေ့ရပါတယ်။
သဘောတူညီချက်ရတဲ့အဖွဲ့ မရတဲ့အဖွဲ့ ဘာများ
ကွဲပြားခြားနားနေကြသလဲ။
အထူးသဖြင့်တော့ တစ်ဖက်စွန်း
အမြင်တွေရှိတဲ့လူတွေဟာ
သူတို့အဖြေတွေမှာ ပိုယုံကြည်မှုရှိကြတယ်
ဒီလိုမဟုတ်ဘဲ အလယ်လောက်မှာ
ဖြေထားတဲ့သူတေွဟာ
တစ်ခုခုကို အမှန်၊အမှား သိပ်မသချောတော့
ယုံကြည်မှုက သိပ်မရှိကြဘူး။
ဒါပေမဲ့ အခြားအုပ်စုတစ်ခုရှိသေးတာက
ဘယ်လိုလူတွေလဲဆိုတော့ အလယ်မှာ
သေသေချာချာ ဖြေထားတဲ့သူတွေ၊
ထင်တာက ယုံကြည်မှုမြင့့်တဲ့ မီးခိုးရောင်
တွေဟာ အဆိုပြုချက်နှစ်ခုလုံး သူ့ဟာနဲ့သူ
မှန်တယ်လို့ နားလည်သူတွေလို့ပါ။
သူတို့ မပြတ်သားတာက မသေချာလို့မဟုတ်ပဲ
ကိုယ်ကျင့်တရား အကျပ်ရိုက်မှုဟာ
ဆန့်ကျင်ပေမဲ့ ခိုင်မာတဲ့
အဆိုနှစ်ခုကို ရင်ဆိုင်ရတယ်လို့
ယုံကြည်တာပါ
ဒါ့အပြင် ကျွန်တော်တို့ တွေ့ရှိတာက
ယုံကြည်မှု မြင့်မားတဲ့ မီးခိုးရောင်တွေဟာ
သဘောတူညီချက်ရဖို့ ပိုလွယ်တာပါ။
ဘာကြောင့် ဒီလိုဖြစ်ရသလဲဆိုတာတော့
သေချာ မသိသေးပါဘူး။
ဒါတွေက ပထမဆုံး စမ်းသပ်ချက်တွေဖြစ်ပြီး
ဘာကြောင့်၊ဘယ်လို တစ်ချို့လူတွေက
သဘောတူညီချက်တစ်ခုရအောင် သူတို့ရဲ့
စာရိတ္တဆိုင်ရာ ရပ်တည်ချက်တွေကို
ညှိနှိုင်းဖို့ ဆုံးဖြတ်တာ
နားလည်ဖို့ အများကြီး ထပ်လိုဦးမယ်
ကဲ အုပ်စုတွေ သဘောတူညီမှုရတဲ့အခါ
သူတို့ ဘယ်လိုလုပ်ကြသလဲ။
အလိုလို စဉ်းစားမိမယ့် အဖြေတစ်ခုက
အဖွဲ့ထဲက အဖြေတွေရဲ့
ပျှမ်းမျှ တစ်ခုကို ယူလိုက်ကြတာပဲမဟုတ်လား။
နောက်တစ်ခု ဖြစ်နိုင်တာက ပြောတဲ့သူရဲ့
ယုံကြည်မှု အပေါ်မှာ မူတည်ပြီး
အုပ်စုဟာ မဲတစ်ခုစီရဲ့ အားကို
နှိုင်းချိန်တာပါ။
Paul McCartney သာ ခင်ဗျား
အဖွဲ့ထဲမှာ ပါတယ်ဆိုပါစို့
ခင်ဗျားအနေနဲ့ သူပြောတဲ့ "Yesterday"
ဘယ်နှစ်ခါ ပါသလဲ ဆိုတာကို
သဘောတူတာ ကောင်းပါတယ်။
ဒါနဲ့ ကျွန်တော်ကတော့ ၉ခါပါတယ်ထင်တာပဲ။
ဒါပေမယ့် ကျွန်တော်တို့ အမြဲသတိထားမိတာက
ဘယ်လို ကျဉ်းထဲ ကျပ်ထဲမှာမဆို
ဘယ်လို စမ်းသပ်မှု၊
ဘယ်လို ကမ္ဘာ့ တိုက်ကြီးတွေမှာမဆို
အုပ်စုတွေအနေနဲ့ သေချာပြီး "စနစ်တကျ
ပျမ်းမျှတွက်ယူတဲ့ နည်းလမ်း"ဆိုတာကို
အသုံးပြုလေ့ရှိတာ တွေ့ရတယ်။
အီဖယ် မျှော်စင်ရဲ့ အမြင့် ကိစ္စမှာ
အုပ်စုတစ်စုက ဒီအဖြေတွေရှိတယ်ဆိုပါစို့
မီတာ ၂၅၀၊ မီတာ ၂၀၀၊ မီတာ ၃၀၀၊ ၄၀၀ နဲ့
နောက် ၃၀၀ မီလီယံ မီတာဆိုပြီး လုံးဝ
မဖြစ်သင့်တဲ့ အဖြေတစ်ခုပေးတယ်။
ပုံမှန်အတိုင်းသာ ပျမ်းမျှယူလိုက်ရင်
မတိကျတဲ့ ကမောက်ကမ အဖြေတွေထွက်လာမယ်။
ဒါပေမဲ့ စနစ်တကျ ပျမ်းမျှတွက်တာက
အုပ်စုဟာ အလယ်လောက်က လူတွေရဲ့
အဖြေကို ပိုအလေးထားခြင်းနဲ့
မဖြစ်သင့်တဲ့ အဖြေတွေကို
ထည့်သွင်းစဉ်းစားခြင်းမပြုတာပါ။
Vancouver စမ်းသပ်မှုကို ပြန်ကြည်ရင်
ဒီအတိုင်းဖြစ်ခဲ့တာပါပဲ။
အုပ်စုတွေဟာ ဘောင်ကျော်နေတဲ့
အဖြေတွေကို သိပ်အရေးမထားခဲ့ဘူး၊
ဒီအစား အများဆန္ဒ ဖြစ်သွားတာက
တစ်ဦးချင်းစီရဲ့ အဖြေတွေရဲ့
စနစ်တကျ ပျှမ်းမျှယူခြင်းနည်းပါ။
အထူးခြားဆုံးကတော့
အဲဒါဟာ ပြောစရာမလိုပဲ အဖွဲ့ထဲမှာ
အလိုလိုဖြစ်နေတာပါပဲ။
အဲဒီအတွက် ကျွန်တော်တို့က ဘယ်လို ညှိနှိုင်း
ရမလဲဆိုတာ ဘာမှပြောစရာ မလိုခဲ့ပါဘူး။
ဒီတော့ ဒီကနေ ဘယ်လို သုံးသပ်မလဲ။
ဒါက အစပဲရှိသေးတယ် ဆိုပေမယ့်
အသိတစ်ချို့တော့ ရခဲ့ပါပြီ။
အဖွဲ့လိုက် ထိရောက်တဲ့ ဆုံးဖြတ်ချက်တွေ
ချဖို့ နှစ်ချက် လိုတယ်။
ခံယူချက်တွေရဲ့ ့နှိုင်းချိန်မှုနဲ့
ထွေပြားမှုပါ။
အခုလောလောဆယ်ကျွန်တော်တို့ရဲ့ ယူဆချက်ကို
အဖွဲ့အစည်းတွေ သိအောင် လုပ်ကြတဲ့နည်းက
တိုက်ရိုက်(သို့)သွယ်ဝိုက်
အဆိုပြုခြင်းပါ
အမြင်တွေ အမျိုးမျိုးကွဲပြားတာ ကောင်းပါတယ်။
အကောင်းဆုံးက လူတိုင်းလူတိုင်း
သူတို့ထင်တာ သူတို့ ပြောခွင့်ရအောင်
လုပ်နိုင်ခဲ့တယ်။
ဒါပေမယ့်လဲ အရမ်းကြီး ကောင်းတဲ့
ဆွေးနွေးမှုတွေပါလို့တော့ မဆိုနိုင်ပါဘူး။
ကျွန်တော်တို့ စမ်းသပ်မှုတွေဟာ
ရည်ရွယ်ချက်နှစ်ခုကို တစ်ချိန်တည်း
မျှမျှတတ စဉ်းစားကြည်ဖို့ မတူတဲ့
နည်းလမ်းတစ်ခုကို စဉ်းစားမိစေပါတယ်။
သီးခြားအဖွဲ့ခွဲလေးတွေ အများကြီးရှိနေလို့
ကွဲပြားတဲ့ အမြင်တွေလည်း
ဆက်ရှိနေပေမဲ့လည်း အဖွဲ့ငယ်လေးတွေခွဲပြီး
တစ်ခုတည်းသော ဆုံးဖြတ်ချက်
ရအောင်လုပ်ဆောင်ခြင်းနဲ့ပါ။
ဒါပေမယ့် အီဖယ်လ် မျှော်စင် အမြင့် ကို
ညှိနှိုင်းကြရတာက ကိုယ်ကျင့်၊ နိုင်ငံရေးနဲ့
အတွေးအခေါ်ကိစ္စတွေ ညှိနှိုင်းရတာထက်
အများကြီးပိုလွယ်ပါတယ်။
ဆိုပေမယ့်လည်း ကမ္ဘာပေါ်က
ပြဿနာတွေ ပိုရှုပ်ထွေးလာပြီး
လူတွေက တူညီရာတစ်ခုကိုပဲ ဦးတည်လာတဲ့အခါ
ကျွန်တော်တို့ တုံ့လှယ်ပုံ၊ ဆုံးဖြတ်ပုံကို
နားလည်ဖို့ ကူညီတဲ့ သိပ္ပံပညာကိုအသုံးပြုတာက
ပိုစိတ်ဝင်စားဖွယ် နည်းလမ်းတွေနဲ့
ပိုဒီမိုကရေစီကျအောင် လုပ်နိုင်ပါလိမ့်မယ်။