သင်္ချာ တစ်ပုဒ်ကို  ကိုယ်တိုင်ချတွက်တဲ့အခါ ပထမဆုံး အဖြေထွက်မလာဘူး။ တစ်ခါတွက်တယ်မှားတယ်။ နောက်တစ်ခါ ပြန်တွက်တယ်။ Formula မှားနေလား အမြှောက်အစားတွေ အလီခေါ်တာမှန်ရဲ့ စစ်ကြတယ်။ နောက်ဆုံးမှာ မှ အဖြေမှန်ရအောင် တွက်ထုတ်နိုင်လိုက်တယ်။ အဲဒီအချိန်မှာ ကျွန်တော်တို့ ရလိုက်တာက ဒီပုဒ်စာရဲ့ အဖြေမှန်တစ်ခုတည်း မဟုတ်ပါဘူး။ အဲဒီပုစ္ဆာကို ဘယ်လိုချဉ်းကပ်ရမလဲဆိုတဲ့ နည်းလမ်းကိုပါ တစ်ပြိုင်နက်တည်း သင်ယူလိုက်ရတာပါ။ 

စာဖတ်တဲ့အခါလည်း အလားတူပါပဲ။ စာတစ်ပိုဒ်တစ်ခုကို ဖတ်ပြီး “ဒီစာကြောင်းက ဘာကိုဆိုလိုတာလဲ” ဆိုတာကို ကိုယ်တိုင်ပြန်စဉ်းစားရတယ်။ အချက်အလက်နှစ်ခုက တစ်ခုနဲ့တစ်ခု မတူတဲ့အခါ ဘယ်ဟာက အမှန်လဲ ဘာကို ယုံရမလဲဆိုတာ ချိန်ဆရတယ်။ ကိုယ်ယုံကြည်ထားတဲ့ အယူအဆနဲ့ ဆန့်ကျင်ဘက် အချက်အလက် တွေ့ရင်လည်း ကိုယ့်အမြင်ကို  ပြန်လည်ဆန်းစစ်တတ်ဖို့ လိုတယ်။ 

ဒီလို ဦးနှောက်ရဲ့ ဆန်းစစ်ရမယ့် အခန်းကဏ္ဍတွေကို Cognitive Fraction က ပြုလုပ်ပေးတာဖြစ်တယ်။ Cognitive Friction ဆိုတာကို ရိုးရိုးပြောရရင် ဦးနှောက်ကို တကယ်အလုပ်လုပ်စေခိုင်းတဲ့ အားစိုက်ရမှု လို့ နားလည်လို့ရပါတယ်။အကြောင်းအရာ အချက်အလက်တစ်ခုကို ရရှိပြီးတာနဲ့ အဖြေအဖြစ်ချက်ချင်း မလက်ခံသေးဘဲ “ဒါက ဘာကိုဆ်ိုလိုတာလဲ မှန်ရဲ့လား တခြားရှုထောင့်ကရော ဘယ်လိုမြင်နိုင်လဲ” ဆိုပြီး ဆင့်ကဲ ထပ်စဉ်းစားတဲ့ ဖြစ်စဉ်ပါ။

အရင်ကဆို အင်တာနက်ပေါ်မှာ အကြောင်းအရာတစ်ခုကို Research လုပ်ရင် Search Engine ထဲမှာ Keyword ထည့်ပြီး Website တွေ တစ်ခုချင်းစီကို တစ်ဆင့်ပြီး တစ်ဆင့် ဝင်ဖတ်ရပါတယ်။ Website တစ်ခုက ပြောတာနဲ့ နောက်တစ်ခုက ပြောတာ မတူဘူးလား ဘယ်ဟာက အမှန်လဲ ဆိုတာက ကိုယ်တိုင် နှိုင်းယှဉ်ရတယ်။ အရေးကြီးတဲ့ အချက်တွေကို Note လုပ်ရတယ်။ နောက်ဆုံးမှာ ကိုယ်ဖတ်ထားသမျှကို ကိုယ်ပိုင်အမြင်နဲ့ အချက်အလက်တွေကို ပြန်စီရပါတယ်။

အကြောင်းအရာတစ်ခုကို နားလည််ဖို့ အားစိုက်စဉ်းစားရတဲ့ အချိန်ယူရတာဖြစ်တဲ့အတွက် ကြန့်ကြာနိုင်ပါတယ်။ ဒါက လူတစ်ယောက်အနေနဲ့လည်း သာမာန်ဖြစ်စဉ်တစ်ခုပါဘဲ။ ဒီဖြစ်စဉ်တွေကို AI နဲ့အစားထိုးပြီး AI က ပေးတဲ့ အချက်အလက်၊ နှိုင်းယှဉ် ဖော်ပြမှုတွေက အလွယ်တကူ အချိန်တိုအတွင်းရနေနိုင်တော့ လူတစ်ယောက်ရဲ့ လုပ်ဆောင်ချက်ထက် ပိုမြန်တယ်တိကျတယ်လို့ ထင်လာကျပါတယ်။ 

ဥပမာ “မြို့ကြီးတွေမှာ သစ်ပင်ကြီးတွေ ဘာကြောင့် အဓိက လိုအပ်တာလဲ” ဆိုပြီး AI ကို မေးလိုက်တဲ့အခါ သူ့ရဲ့အဖြေတွေက အခြေခံကျတဲ့ အဖြေတွေဖြစ်တဲ့ “ရာသီဥတုမျှတပြီး အပူချိန်လျော့စေခြင်း၊ လေထုအရည်အသွေးကောင်းမွန်စေခြင်း၊ ရေကြီးရေလျှံမှုများ လျော့ကျစေခြင်း” ဒီလိုမျိုး အဖြေတွေသာ ပေးလေ့ရှိပါတယ်။  ဒီအဖြေတွေကိုဘဲ ကိုယ်က မှတ်ထားပြီး ဆက်မလေ့လာဘူး ဆက်ပြီး ကိုယ်တိုင် မတွေးတော့ဘူးဆိုရင် AI က ကိုယ့်ဦးနှောက်ရဲ့ Curiosity ကို ထိန်းချုပ်နိုင်သွားပါလိမ့်မယ်။ 

Thinking WITH AI နဲ့ Thinking THROUGH AI ဘယ်လို မတူညီတာလဲ

AI ကို သုံးတဲ့လူတိုင်း တူညီတဲ့နည်းလမ်းနဲ့ သုံးနေကြတာတော့ မဟုတ်ပါဘူး။ဒီ နည်းလမ်းက AI ကို ဆရာတစ်ဦး၊ ဒါမှမဟုတ် ဆွေးနွေးဖော်အဖြစ် သဘောထားတဲ့ နည်းလမ်းဖြစ်ပါတယ်။ လုပ်ဆောင်ပုံအနေနဲ့ ကိုယ်မသိသေးတဲ့ အကြောင်းအရာတွေကို ရှင်းပြခိုင်းရုံတင်မကဘဲ ကိုယ် Brainstorming လုပ်ထားတဲ့ အချက်တွေကို AI နဲ့ ပြန်လည်ဆွေးနွေးပါတယ်။ 

ကိုယ့်အယူအဆရဲ့ အားနည်းချက်တွေ၊ ကိုယ်မမြင်မိတဲ့ ရှုထောင့်တွေကို နှိုင်းယှဉ်ချက် contrast တွေကို ရှာဖွေပြီး ထောက်ပြခိုင်းတယ် ။ AI က ကိုယ့်အတွေးထဲကို အဖြေတစ်ခု ထည့်ပေးလိုက်တာမဟုတ်ဘဲ ကိုယ့်လက်ရှိ Knowledge Scope ကို ပိုကျယ်အောင် တွန်းပေးမှုဖြစ်စေတယ်။ ဒါက Thinking WITH AI ဖြစ်ပါတယ်။

နောက်တခုအနေနဲ့ ဒီနည်းလမ်းမှာတော့ လူတစ်ယောက်က AI ကနေ  ထုတ်ပေးတဲ့ အဖြေ ဒါမှမဟုတ် ကောက်ချက်ချမှုတွေကို ဝေဖန်ပိုင်းခြား စိစစ်ခြင်းမရှိဘဲ တိုက်ရိုက် လက်ခံလိုက်တာ ဖြစ်ပါတယ်။

AI က ရေးပေးလိုက်တဲ့ စာသား၊ အချက်အလက်တွေကို  "ဟုတ်တယ်၊ အဆင်ပြေတယ်" တွေးပြီး မစိစစ်ဘဲ အဲဒီအတိုင်း ကူးယူ အသုံးချလိုက်ပါတယ်။ ဒီနေရာမှာ လုပ်ငန်းစဉ်တစ်ခုလုံးကိုကြည့်ရင်  ကိုယ်တိုင် ပါဝင်စဉ်းစားမှု၊ ဝေဖန်ပိုင်းခြားမှု မရှိတော့ပါဘူး။

ဒါကို Thinking THROUGH AI လို့ ခေါ်နိုင်ပါတယ်။ AI က စဉ်းစားပြီး ရလာတဲ့ Conclusion ကို ကိုယ်က ပြန်မစဉ်းစားတော့ဘဲ ချက်ချင်း လက်ခံလိုက်တာပါ။ 

AI ရဲ့ အဖြေက ယုံကြည်စရာကောင်းနေတာနဲ့ပဲ အလုံးစုံ မှန်နေတာမျိုးမဟုတ်ပါဘူး။

AI ကို အားကိုးလာတဲ့အခါ နောက်ထပ်သတိထားရမယ့် အချက်က AI ရဲ့ အဖြေတွေဟာ အမြဲတမ်း မှန်ကန်မနေဘူးဆိုတာ သိထားရပါမယ်။ Generative AI က လူတစ်ယောက်လို အကြောင်းအရာကို နားလည်ပြီး “အမှန်တရား” ကို ရှာဖွေနေတာ မဟုတ်ပါဘူး။ Language Model တွေဟာ ရရှိထားတဲ့ Pattern တွေအပေါ် အခြေခံပြီး နောက်ထပ်ဖြစ်နိုင်ခြေရှိတဲ့ စာသားကို ထုတ်ပေးတာဖြစ်တဲ့အတွက် အဖြေတစ်ခုဟာ အလွန်ယုံကြည်စရာကောင်းတဲ့ ပုံစံနဲ့ ရေးထားပေမယ့် အချက်အလက်အရ မှားနေနိုင်ပါတယ်။

ဒါက AI ရဲ့ အန္တရာယ်အရှိဆုံး အချက်တွေထဲက တစ်ခုပါ။ AI ရဲ့ အဖြေတွေကို Hypothesis တစ်ခုလို သဘောထားပြီး Evidence နဲ့ ပြန်စမ်းသပ်ဖို့ အရေးကြီးကြောင်း AI ခေတ် Critical Thinking ဆိုင်ရာ ဆွေးနွေးချက်တွေမှာလည်း အလေးထား ပြောဆိုနေကြပါပြီ။  

AI က ကိုယ့်အစား  တွေးပေးနေတာမဟုတ်တော့ဘဲ ကိုယ့်ကို ပိုပြီး တွေးမိအောင် စိန်ခေါ်ပေးနေတာ ဖြစ်လာနိုင်အောင် လုပ်ရပါမယ်။ 

အလွယ်တကူရတဲ့ အဖြေတွေကြောင့် ဆုံးရှုံးသွားနိုင်တဲ့ စဉ်းစားတွေးခေါ်မှု 

Summary လုပ်တာ၊ Idea ထုတ်တာ၊ Draft ရေးတာတွေကို အစအဆုံး AI ဆီချည်း လွှဲပေးနေရင် အလုပ်မြန်လာပေမဲ့ ကိုယ်တိုင် စဉ်းစားတွေးခေါ်ရတဲ့ လေ့ကျင့်ခန်းတွေနဲ့ အချက်အလက်ကို ကိုယ်တိုင် သိရှိမှု မှတ်ဉာဏ်ထဲကနေ  ပြန်ဆွဲထုတ် အသုံးချနိုင်စွမ်း လျော့ကျသွားနိုင်ပါတယ်။ AI ရဲ့ Short Summary တွေချည်း ဖတ်တဲ့အခါ အကြောင်းအရာ တစ်ခုလုံးကို နက်နက်နဲနဲ လေ့လာဆန်းစစ်နိုင်စွမ်း နည်းသွားနိုင်ပါတယ်။ 

အရေးကြီးဆုံးက မေးခွန်းကောင်း မေးတတ်ဖို့ပါဘဲ

AI ခေတ်မှာ အားသာချက်က စာကို ပိုမြန်မြန် သိတာ မဟုတ်ပါဘူး။ "ဒါ တကယ်မှန်ရဲ့လား၊ ကိုယ်သိချင်တဲ့အကြောင်းကိုခရေစေ့တွင်းချ သိသွားလား" လို့ ပြန်လည် ဆန်းစစ်မေးခွန်းထုတ်နိုင်တဲ့ စွမ်းရည်ဖြစ်ပါတယ်။ အကြောင်းအရာတွေကို အပေါ်ယံ မြန်မြန် အဖြေတွေက ထိန်းချုပ်သွားတာမျိုးမဟုတ်ဘဲ ကိုယ်တိုင် ရဲ့ တွေးခေါ်နိုင်စွမ်းကို မဆုံးရှုံးစေဘဲ မေးခွန်းကောင်းတွေ မေးတတ်ဖို့ ကအရေးအကြီးဆုံးဘဲဖြစ်ပါတယ်။ 

ရေးသားသူ - Ellie

Ref; addyo.substack.
thedankoe