ဘယ်ကလာလို့ ဘယ်ကိုသွားမလဲ AI

ဒေတာစင်တာ (Data Center) ကြီးများ လွှမ်းမိုးလာခြင်း

အမေရိကန်မြို့အတော်များများကနေ ဘယ်ဘက်ကိုပဲသွားသွား မကြာခင်မှာ ဒေတာစင်တာ (Data Center) တစ်ခုဆီကို ရောက်လာပါလိမ့်မယ်။ အဲဒီ ဒေတာစင်တာတွေက အဖြူရောင်သေတ္တာကြီးတွေနဲ့တူပြီး မီးစက်တွေနဲ့ ထောင်ဝင်းလို ခြံစည်းရိုးတွေနဲ့ ဝန်းရံထားလေ့ရှိပါတယ်။ ဉာဏ်ရည်တု (AI – အေအိုင်) ထုတ်လုပ်ဖို့ အတွက် ဒေတာစင်တာ တွေဟာ အမေရိကန်ရဲ့ စက်ရုံအသစ်တွေ ဖြစ်လာနေပါတယ်။ ဒီစင်တာတွေမှာ အချက်အလက်တွေကို စားသုံးကာ ဉာဏ်ရည်တု (AI) ကို ထုတ်လုပ်ပေးပါတယ်။

AI Data Center ဆိုတာက Artificial Intelligence (AI) နည်းပညာအတွက် အထူးပြုလုပ်ထားတဲ့ ကွန်ပျူတာ စနစ်ကြီးတွေ ထားရှိရာ နေရာ (အဆောက်အအုံ) ဖြစ်ပါတယ်။

၂၀၂၂ ခုနှစ်မှာ ChatGPT စတင် ပေါ်ပေါက် အသုံးပြုပြီးနောက်ပိုင်း ဒီလို စင်တာတွေဟာ အံ့ဩစရာ ကောင်းလောက် အောင် အရှိန်အဟုန်နဲ့ တိုးပွားလာနေပါတယ်။ OpenAI ရဲ့ စီအီးအို ဆမ် အော့ဖ်မန်က “အချိန် ကြာလာတာနဲ့အမျှ ကမ္ဘာကြီးရဲ့ နေရာအတော်များများမှာ ဒေတာစင်တာတွေ ပြည့်သွားလိမ့်မယ်လို့ ကျွန်တော် ထင်ပါတယ်” လို့ မကြာသေးခင်က ပြောကြားခဲ့ပါတယ်။

အမေရိကန်တစ်လွှားမှာ အရင်တစ်ခေတ်က စက်မှုလုပ်ငန်းတွေ တိုးတက်လာပြီး စက်ရုံကြီးတွေ အပြိုင်းအရိုင်း ထူထောင်ကြသလိုပဲ၊ အခုခေတ်မှာလည်း  AI Data Center ကြီးတွေက အဆမတန် အလျင်အမြန် ပေါ်ပေါက် လာနေပြီ။

ဒီ Data Center တွေဟာ သာမန် Data Center တွေနဲ့မတူဘဲ၊ AI ရဲ့အလုပ်တွေဖြစ်တဲ့ စက်နဲ့သင်ယူမှု (machine learning) အတွက် သင်ယူ လေ့ကျင့်တာ၊ အချက်အလက် (data) တွေ အများကြီးကို ဖြည့်သွင်း စီမံ ဆောင်ရွက်တာ၊ ဆုံးဖြတ်ချက်တွေချဖို့ တွက်ချက်မှုဆိုင်ရာ စတဲ့ လိုအပ်ချက်တွေကို ဖြည့်ဆည်းပေးဖို့ အဓိက ဒီဇိုင်းထုတ်ထားတာပါ။

AI Data Center တွေမှာ သာမန် CPU (Central Processing Unit) တွေအပြင် GPUs (Graphics Processing Units)၊ TPUs (Tensor Processing Units) ဒါမှမဟုတ် တခြား အထူးပြု AI accelerators လိုမျိုး ဟာ့ဒ်ဝဲ (Hardware) ပစ္စည်းတွေ ထည့်သွင်းထား ပါတယ်။ အဲဒါတွေက အချက်အလက်ပမာဏ အများအပြားနဲ့ ရှုပ်ထွေးတဲ့ algorithm တွေကို ပိုပြီး မြန်မြန်ဆန်ဆန်နဲ့ ထိထိရောက်ရောက် တွက်ချက်နိုင်အောင် လုပ်ပေးတာပါ။ ရှုပ်ရှုပ်ထွေးထွေးတွေ မပါဘဲ နားလည် လွယ်အောင် ရှင်းပြရရင် ဆိုက္ကားကို ဂျက်အင်ဂျင် တတ်ပေးလိုက်သလို မြင်ကြည့်လို့ရပါတယ်။ အဲဒီအခါ AI နည်းပညာတွေ အဆင်ပြေပြေ လည်ပတ်နိုင်ဖို့ မရှိမဖြစ်လိုအပ်တဲ့ ဒေတာ စင်တာလိုမျိုး အခြေခံ အဆောက်အအုံ (infrastructure) တွေ မရှိမဖြစ် လိုအပ်လာပါတယ်။

ဒေတာ စင်တာတွေရဲ့ သမိုင်းနောက်ခံ

တကယ်တော့ ဒေတာစင်တာ တွေဆိုတာ ၁၉၉၀ ပြည့်လွန်နှစ်တွေကတည်းက အင်တာနက်ကို မောင်းနှင်ဖို့ ပေါ်ပေါက် လာခဲ့တာပါ။ အမေဇုန် (Amazon) ရဲ့ ဒေတာစင်တာ အများစုရှိတဲ့ ဗာဂျီးနီးယားပြည်နယ်ကို ဒေတာစင်တာ လမ်းကြား “Data Center Alley” လို့ အမည်ပေးရတဲ့အထိ အချက်အချာ ကျတဲ့ နေရာဖြစ်ခဲ့တယ်။ AI မပေါ်ခင်ကတည်းက ဒီ ဒေတာ စင်တာတွေဟာ အမြတ်အစွန်းများတဲ့ လုပ်ငန်းဖြစ်ခဲ့တာပါ။

ဒါပေမယ့် ChatGPT ပေါ်လာပြီးနောက် ဒေတာစင်တာ တွေဟာ မရှိမဖြစ် လိုအပ်တဲ့ အခြေခံ အဆောက်အအုံအဖြစ် လုံးဝပြောင်းလဲပစ်လိုက်ပြီ။ Microsoft လို ကုမ္ပဏီကြီးကတောင် AI ဝန်ဆောင်မှု ဝယ်လိုအား အရမ်းများလာတော့ သူတို့ရဲ့လိုအပ်ချက်တွေ ဖြည့်ဆည်းဖို့ CoreWeave ကို အားကိုးလာရတဲ့ အခြေအနေ ဖြစ်လာတယ်။

CoreWeave ရဲ့ ဥပမာ

အခု AI Data Center ဈေးကွက်မှာ ကြီးမားတဲ့ ကုမ္ပဏီတစ်ခုဖြစ်နေတဲ့ CoreWeave ကို ကြည့်ပါဦး။ သူတို့က စစချင်းမှာ AI လုပ်ငန်းအတွက် ရည်မှန်းခဲ့ကြတာ မဟုတ်ပါဘူး။ စတော့ရှယ်ယာ ရင်းနှီးမြှုပ်နှံသူ (Hedge Fund Traders) တွေ စုပြီး Nvidia GPU ချစ်ပ်တွေကို သုံးကာ Crypto Mining လို့ခေါ်တဲ့ လုပ်ငန်းမျိုးနဲ့ စတင် လုပ်ကိုင် ခဲ့ကြတာပါ။ [ခရစ်ပ်တို တူးဖော်ခြင်း (Crypto Mining) ဆိုတာဟာ ဒစ်ဂျစ်တယ်ငွေကြေးစနစ်ရဲ့ အဓိက အစိတ်အပိုင်း တစ်ခုပါ]

ဒါပေမယ့် ၂၀၁၈ ခုနှစ် မှာ Crypto စျေးကွက် ပြိုလဲသွားတော့ သူတို့က ဗျူဟာပြောင်းလိုက်ကြတယ်။ သူတို့ ဝယ်ထားတဲ့ GPU ချစ်ပ်တွေကို  ပြန်ငှားစားတဲ့ စနစ်နဲ့ ဝင်ငွေရှာတယ်။

GPU – Graphics Processing Unit  ဆိုတာ ကွန်ပျူတာမှာ ရုပ်ပုံတွေ၊ ဗီဒီယိုတွေနဲ့ အထူးသဖြင့် ဂိမ်းတွေလို 3D ပုံဖော်နိုင်တဲ့ ဂရပ်ဖစ်တွေကို ဖန်တီးပေးဖို့ အဓိက တာဝန်ယူတဲ့ ကွန်ပျူတာ ချစ်ပ် (Chip) တစ်ခု ဖြစ်ပါတယ်။ အဲဒီကနေမှ ၂၀၂၂ ခုနှစ်မှာ ပုံတွေဖန်တီးပေးနိုင်တဲ့ AI မော်ဒယ်တွေရဲ့ အလားအလာကို သူတို့ တွေ့ရှိသွားတော့တာပဲ။

ဒီလို ကြီးမားတဲ့ အခွင့်အရေးကို မြင်လိုက်တဲ့အခါ CoreWeave က အရင်းအနှီးတွေ အကြီးအကျယ် ရှာပြီး Nvidia Hardware တွေ အများကြီး ဝယ်ချပစ်လိုက်တယ်။ Nvidia ရဲ့ CEO ကိုယ်တိုင် သူတို့ကုမ္ပဏီထဲမှာ ရှယ်ယာလာ ဝယ်တဲ့ အထိ ဖြစ်လာတယ်။ အဲဒီကနေစပြီး ၂၀၂၂ ခုနှစ်လယ်ပိုင်းမှာ AI ဖန်တီးသူတွေကို လိုအပ်တဲ့ စက်အင်အားတွေ ငှားရမ်းပေးတဲ့ လုပ်ငန်းအသစ်ကို  စတင်နိုင်ခဲ့တယ်။ (Nvidia ဆိုတဲ့ ကုမ္ပဏီကလည်း GPU တွေ ထုတ်ပေးတဲ့ ကုမ္ပဏီ တစ်ခုဖြစ်ပြီး ကွန်ပျူတာ ဂိမ်းကစာ သူတွေအကြား နာမည်ကျော်ခဲ့ခါ အခု AI ခေတ် ရောက်တဲ့အခါ သူ့ရဲ့ ချစ်ပ်များ ရောင်းမလောက်အောင် ဖြစ်ခဲ့တဲ့ ကုမ္ပဏီ တစ်ခုပါ။ AI မှာ Nvidia နာမည်ကို အဓိက ဇာတ်လိုက်ပါ။)

ကုမ္ပဏီကြီး ဖြစ်လာတဲ့ CoreWeave

CoreWeave ဟာ အခုဆိုရင် နာမည်ကြီးလာပြီ။ ကုမ္ပဏီကို စတင်တည်ထောင်သူတွေဟာလည်း ဘီလီယံနာတွေ ဖြစ်သွားကြပြီပေါ့။ သူတို့က Meta, OpenAI နဲ့ တခြားနာမည်ကြီး ကုမ္ပဏီတွေအတွက် AI မော်ဒယ်တွေကို လေ့ကျင့်ပေးတဲ့ အဓိက လုပ်ငန်းကြီးတစ်ခု ဖြစ်လာခဲ့ပြီ။

စာရေးသူအနေနဲ့ လတ်စ်ဗီးဂတ်စ် (Las Vegas) မြို့မှာရှိတဲ့ CoreWeave ရဲ့ ဒေတာစင်တာ ကို သွားရောက်လေ့လာခွင့် ရခဲ့တယ်။ အဲဒီနေရာက လုံခြုံရေး အစောင့်အရှောက်တွေ အပြည့်ပဲ။  GPU စက်ပစ္စည်းတွေ အပြည့်ထည့်ထားတဲ့ ဗီရိုတန်းကြီးတွေနဲ့ စည်းကမ်းတင်းကျပ်တဲ့ လုံခြုံရေး အဆင့်ဆင့်ကို ဖြတ်သန်းပြီးမှ ဝင်လို့ရတယ်။ CoreWeave ကုမ္ပဏီက အင်ဂျင်နီယာ သုံးယောက်နဲ့ ဆုံခွင့်ရခဲ့ပါတယ်။

ဒေတာစင်တာ ခြံဝင်းအတွင်းထဲရောက်တော့ အင်ဂျင်နီယာတွေက ရှင်းပြကြတယ်။ ဗီရိုလိုတစ်တန်းစီမှာ GPU Chip တွေ အများကြီး ထည့်ထားပြီး စွမ်းအင်ပမာဏ အကြီးအကျယ် သုံးစွဲနေတာကို တွေ့ရတယ်။ ဒါက AI ဆိုတာ ရုပ်ဝတ္ထု ပစ္စည်းတွေ အများကြီး လိုအပ်တဲ့ လုပ်ငန်း (Material Footprint) ဆိုတာကို ပြနေတာပဲ။

အဲ့ဒီမှာ ပြောနေတဲ့ “နုထ်စ်တွေ” (nodes) ဆိုတာကတော့ ကွန်ပျူတာပစ္စည်းတွေ ထည့်ထားတဲ့ ခပ်တိမ်တိမ် ဗန်းတွေ (trays) ကို ပြောတာပါ။ ဗန်းတစ်ခုစီက ပေါင် (၇၀) လောက် အလေးချိန်ရှိပြီး ရေအေးပေးစနစ်သုံး GPU  လေးခုအပြင် တခြားဆက်စပ်ပစ္စည်းတွေလည်း ပါဝင်ပါတယ်။

အဲ့ဒီဗန်း (၁၈) ခုကို ထပ်ပြီးတော့၊ ထိန်းချုပ်ရေးစက် (control unit) နဲ့ ကေဘယ်ကြိုးတွေနဲ့ ချိတ်လိုက်ရင် ကွန်ပျူတာ ထားသိုတဲ့ စင် (Nvidia GB300 computing rack) တစ်ခု ဖြစ်သွားပါတယ်။ အဲ့ဒီစင်က ရေခဲသေတ္တာထက် နည်းနည်းပိုပြီး မြင့်ပြီး စျေးကလည်း ဒေါ်လာ သန်းချီ တန်တယ်လို့ သိရပါတယ်။ ပုံမှန်အားဖြင့် အလုပ်များတဲ့ တစ်နှစ်တာအတွင်းမှာ ဒီ စင် တစ်ခုတည်းက အိမ်ခြေ တစ်ရာစာလောက် သုံးစွဲတဲ့ လျှပ်စစ်ဓာတ်အားထက် ပိုသုံးပါတယ်။ ဒီလိုမျိုး စင်တွေက အတန်းလိုက် အများကြီး ရှိနေတာကို တွေ့ခဲ့ရပါတယ်။

စက်တွေက ထုတ်လွှတ်နေတဲ့ အပူနဲ့ ဆူညံသံက နားမခံသာအောင်ကို ကျယ်လောင်လွန်းတယ်။ အင်ဂျင်နီယာတွေ ကတောင် နားထဲမှာ အမြဲတမ်း အသံမြည်နေတဲ့ ရောဂါ (Tinnitus) အကြောင်းကို ရယ်စရာလုပ်ပြီး ပြောကြတယ်။ Conley က ကျွန်တော့်ကို အော်ပြောလိုက်ပါတယ်… “နားထဲမှာ အမြဲ အသံတွေ ကြားနေရတာက ဒီအလုပ်ရဲ့ အန္တရာယ်တစ်ခုပဲဗျ” တဲ့။

AI မော်ဒယ်ကြီးတွေကို လေ့ကျင့်ပေးတဲ့အခါ ရက်သတ္တပတ်ပေါင်းများစွာကြာအောင် ဒေတာစင်တာ တစ်ခုလုံးရဲ့ ထုတ်ပေးနိုင်စွမ်းကို အပြည့်အဝ အသုံးပြုပြီး တွက်ချက်မှုကြီးတွေ လုပ်ဆောင်ရတယ်။

CoreWeave က  သူရဲ့ ဘယ်ဖောက်သည်က သူတို့ရဲ့ နည်းပညာကို သုံးနေလဲဆိုတာတော့ မပြောပါဘူး။ ဒါပေမဲ့ အခု မြင်နေရတဲ့ လေ့ကျင့်မှု (training run) က သာမန်အဆင့်လောက်ပဲ ရှိသေးတယ်လို့ ပြောပါတယ်။ ပြီးတော့ သူက စင်ရဲ့ ပုံစံဖွဲ့စည်းပုံကို အသေးစိတ် ရှင်းပြပါတော့တယ်။

ဒေတာစင်တာထဲက CoreWeave ရဲ့ Hardware တွေက AI (ဉာဏ်ရည်တု) တစ်ခုကို အဆင်သင့် သုံးနိုင်အောင် အစအဆုံး လေ့ကျင့်ပေးနိုင်ပါတယ်။ Software ရေးဆွဲသူတွေကတော့ အများအားဖြင့် Silicon Valley က သူတို့ရဲ့ ကွန်ပျူတာ နေရာကနေ “Weights” လို့ ခေါ်တဲ့ ဖိုင်တစ်ခုနဲ့ လေ့ကျင့်ရေး ဒေတာ (training data) အမြောက်အမြားကို ဒီ Data Center ထဲကို ပို့ပေးကြပါတယ်။

AI ကို လေ့ကျင့်တယ်ဆိုတာက တကယ်တော့ မော်ဒယ်ရဲ့  (Weights) လို့ခေါ်တဲ့ ဒေတာတန်ဖိုးတွေကို ချိန်ညှိနေတာပဲ။ အဲဒီလို ချိန်ညှိဖို့အတွက် ကိန်းဂဏန်းတွက်ချက်မှုတွေ အမြောက်အမြား၊ အထူးသဖြင့် မက်ထရစ်မြှောက်ခြင်း (Matrix Multiplication) လိုမျိုး တွက်ချက်မှုတွေကို လုပ်ဆောင်ဖို့ အင်မတန် ကြီးမားတဲ့ တွက်ချက်မှု စွမ်းအား လိုအပ်တယ်။

ခေတ်မီ AI မော်ဒယ်တွေမှာ (Weights) ထရီလီယံနဲ့ချီပြီး ရှိကြတယ်။ ဒီတော့ သူတို့ကို လေ့ကျင့်ဖို့ ထရီလီယံနဲ့ချီတဲ့ တွက်ချက်မှုတွေ၊ ကြီးမားတဲ့ စွမ်းအင်သုံးစွဲမှုတွေ လိုအပ်လာတယ်။ ဒါဟာ လူသားတွေရဲ့ ယဉ်ကျေးမှုသမိုင်းမှာ ပေါ်ပေါက်လာတဲ့ ခေတ်သစ် စက်မှုလုပ်ငန်း တစ်ခုရဲ့ အမှတ်သင်္ကေတပဲလို့ ဆိုရမှာပေါ့။

ဒီ ဒေတာစင်တာ တွေမှာ စက်တွေ အပူလွန်ကဲ မသွားအောင်နဲ့ ရေငွေ့ ရိုက်ခြင်း မခံရအောင် ရှုပ်ထွေးပွေလီတဲ့ အအေးပေးစနစ်၊ ရေပြန်လည်စေပြီး အအေးခံစေတဲ့ စနစ်၊ ပတ်ဝန်းကျင် ထိန်းချုပ်ရေး စနစ်တွေကို မဖြစ်မနေ အသုံးပြုရတယ်။

ဒီလောက်ကြီးမားတဲ့ လေ့ကျင့်မှုတွေ လုပ်ပြီးတဲ့နောက်မှာ ထွက်လာတဲ့ နောက်ဆုံးရလဒ်ကတော့ “Weights” လို့ခေါ်တဲ့ ဖိုင်သေးသေးလေး တစ်ခုပဲ။ ဒါပေမဲ့ ဒီဖိုင်သေးသေးလေးက လူသားတွေရဲ့ သမိုင်းမှာ အကြီးမားဆုံး ရင်းနှီးမြှုပ်နှံမှု တွေထဲက တစ်ခုကို ကိုယ်စားပြုနေတာပါ။

လေ့ကျင့်ပြီးသား AI မော်ဒယ်တွေကို အများပြည်သူ အသုံးပြုဖို့ ဒေတာတွေဆီ ဖြန့်ဝေလိုက်တယ်။ တစ်ကမ္ဘာလုံးက လူတွေ AI ကို သုံးလိုက်တာနဲ့ (ဥပမာ-မေးတာ၊ ခိုင်းတာမျိုး) စွမ်းအင်တွေ အများကြီး ကုန်တယ်။ ဒါကြောင့် ကမ္ဘာမှာ လိုအပ်နေတဲ့ စွမ်းအင်ပမာဏက အရမ်းကို တိုးလာပြီး ပိုပြီးများလာနေပြီ။

ကုမ္ပဏီအကြီးအကဲတွေက မကြာခင်မှာ လူ့အဖွဲ့အစည်းဟာ လျှပ်စစ်မီးကို မှီခိုသလို AI ကိုလည်း မှီခိုလာရတော့မယ်လို့ ခန့်မှန်းနေကြတယ်။ ဒါကြောင့် အခုတည်ဆောက်နေတဲ့ ဒေတာတွေတောင် လုံလောက်ပါ့မလားလို့ စိုးရိမ်နေကြတာမျိုး ရှိတယ်။

အခုဆိုရင် Microsoft ရဲ့ ဒေတာ စင်တာလုပ်ငန်းတွေဟာ ကုမ္ပဏီရဲ့ ဈေးကွက်တန်ဖိုး (valuation) ကို အကြီးအကျယ် မြင့်တက်စေတဲ့ အဓိကမောင်းနှင်အား ဖြစ်နေပြီ။ သူတို့အတွက် ချစ်ပ် တွေ ထောက်ပံ့ ပေးတဲ့ Nvidia ကတော့ လက်ရှိမှာ ကမ္ဘာ့တန်ဖိုးအကြီးဆုံး ကုမ္ပဏီ ဖြစ်လာခဲ့တာ အားလုံး သိကြတဲ့ အတိုင်းပဲ။

Microsoft က သူ့ရဲ့ ဒေတာစင်တာတွေကို လုံခြုံရေး အလွန်တင်းကျပ်စွာ ချထားရတယ်။ ဘာဖြစ်လို့လဲ ဆိုတော့ အဲဒီထဲမှာရှိတဲ့ AI ရဲ့ ဉာဏပစ္စည်းပိုင်ဆိုင်မှု (Intellectual Property) ဟာ တန်ဖိုး မဖြတ်နိုင်အောင် ကြီးမားနေလို့ပဲ။

စာရေးသူအနေနဲ့ အချိန်ယူပြီး ညှိနှိုင်းမှုတွေ အများကြီး လုပ်ပြီးမှ ကျေးလက်ဒေသတစ်ခုမှာ တည်ဆောက်ဆဲ လျှို့ဝှက်ထားတဲ့၊ ဆိုင်းဘုတ်တပ်မထားတဲ့ Microsoft ရဲ့ ဒေတာစင်တာ အဆောက်အအုံဝင်းကြီး တစ်ခုထဲကို သွားရောက် လေ့လာခွင့် ရခဲ့တယ်။

အဲဒီနေရာကို ရောက်တော့ ခေါင်းမိုး ရှည်ရှည် ဂိုဒေါင်ကြီးတွေလို အဆောက်အအုံတွေကို တွေ့ရတယ်။ ဒီ ဒေတာစင်တာ အဆောက်အအုံတွေပတ်လည်မှာ မီးစက်ကြီးတွေ ဝိုင်းထားတယ်။ ဘေးနား ဝန်းကျင်မှာလည်း ကုမ္ပဏီပေါင်းစုံက အလားတူ အဆောက်အအုံတွေကို ဆက်တိုက် ဆောက်လုပ်နေကြတာ တွေ့ရတယ်။ ဒီဒေသတစ်ခုလုံး ဒေတာစင်တာ ရဲ့ ဗဟိုချက် ဖြစ်လာနေတာပေါ့။

Microsoft က အင်ဂျင်နီယာတွေဖြစ်တဲ့ ဂျူဒီ နဲ့ စတိဗ် တို့ကတော့ AI ရဲ့ စွမ်းပကားကို ပုံဖော်သူတွေ အနေနဲ့ အရမ်းဂုဏ်ယူနေကြတယ်။ AI ဟာ လူ့ဘဝရဲ့ နေ့စဉ်သုံးဘဝထဲကို ဘယ်လို ရောက်လာတော့ မယ်ဆိုတာကို သူတို့က တခမ်းတနား ရှင်းပြကြရင်း ဒီ ခေတ်သစ် စက်မှုတော်လှန်ရေးအတွက် စိတ်လှုပ်ရှားနေကြတာ တွေ့ရတယ်။

ဒေတာစင်တာအတွင်းကို လှည့်ကြည့်တဲ့အခါ  ဆာဗာ (server) စက်ကြီးတွေ အချင်းချင်း ချိတ်ဆက် ထားတာကို တွေ့ရတယ်။ သူတို့က အသံမထွက်ဘဲ ငြိမ်သက်နေပေမယ့် စူပါကွန်ပျူတာကြီး တစ်လုံးလို အလုပ်လုပ်နေတာကို မြင်ရတယ်။

တစ်ခါတလေကျရင် ဒေတာစင်တာ ရဲ့ လျှပ်စစ်ဓာတ်အား အတက်အကျ (Power Fluctuations) တွေ ဖြစ်လာတယ်။ အဲဒါက AI က “တွေးခေါ်သင်ယူနေတဲ့” အချိန်တွေကို ပြသနေတာပဲ။

ဒေတာစင်တာကနေ ပြန်အထွက်မှာ အနီးနားက လယ်သမားတစ်ဦးဆီ သွားတွေ့ခဲ့တယ်။ သူ့ရဲ့ မြေနဲ့ အသက်မွေး ဝမ်းကျောင်းမှုဟာ ဒီ ဒေတာစင်တာတွေ ရောက်လာတာကြောင့် လုံးဝကို ပြောင်းလဲသွားပြီ။

အရင်က တန်ဖိုးမရှိတဲ့ မြေညံ့တွေဟာ အခု ဒေတာ စင်တာ တွေအတွက် မရှိမဖြစ် လိုအပ်တဲ့ ဓာတ်အားလိုင်းတွေနဲ့ နီးနေတာကြောင့် တန်ဖိုးတွေ အဆမတန် တက်သွားတယ်။ အခုဆိုရင် သူ့မိသားစုက မြေကွက်တွေကို ဒေတာစင်တာ ဆောက်မယ့် ကုမ္ပဏီတွေကို ပြန်ရောင်းချနေပြီလို့ ပြောပြတယ်။

တောင်သူက ရေအသုံးပြုမှုနဲ့ ပတ်သက်လို့တော့ စိုက်ပျိုးရေးလောက် မများဘူးလို့ ပြောတယ်။ ဒါပေမယ့် လျှပ်စစ်ဓာတ်အား ကုန်ကျစရိတ်နဲ့ မျက်နှာပြင်မြေဆီလွှာ (Topsoil) ဆုံးရှုံးမှုတွေကတော့ အလေးထား စဉ်းစားရမယ့် ပြဿနာတွေပါပဲလို့ စိုးရိမ်တကြီး ရှင်းပြသွားပါတယ်။

ကျေးလက်ဒေသများ၏ အသွင်ပြောင်းလဲမှု

အရင်က လယ်ယာမြေတွေရှိတဲ့ ကျေးလက်ဒေသတွေဟာ အခုဆိုရင် စက်မှုဇုန်တွေလို ပြောင်းလဲနေပြီ။ စိုက်ပျိုးရေး လုပ်ငန်းတွေနဲ့ လူနေအသိုက်အဝန်းတွေက နေရာရွှေ့ပြောင်းခံရပြီး ဒေတာစင်တာတွေနဲ့ အစားထိုးခြင်းကို ခံနေရတယ်။ ကျေးလက်ရှုခင်းက စက်ရုံဝင်းကြီးတွေနဲ့ ဓာတ်အားပေးစက်တွေရဲ့ ပုံရိပ်တွေ ဖြစ်လာနေတာပဲ။

ဒီ ဒေတာစင်တာ တွေရဲ့ စွမ်းအင်လိုအပ်ချက်က အရမ်းကြီးမားတော့ သုံးမိုင်ကျွန်း (Three Mile Island) လိုမျိုး ရပ်နားထားတဲ့ နျူကလီးယားစက်ရုံဟောင်းတွေကိုပါ ပြန်လည် အသက်သွင်း လာနေရတယ်။

စွမ်းအင်ဆိုင်ရာ အကြီးအကဲတွေရဲ့ အဆိုအရ ဒီ ဒေတာစင်တာ တွေဟာ အမေရိကန်ရဲ့ လျှပ်စစ် ဓာတ်အားစနစ်ကို အရမ်းဖိအားပေးလာနေပြီလို့ ဆိုတယ်။ သူတို့ရဲ့ ဓာတ်အားလိုအပ်ချက်က မြို့ကြီးတစ်မြို့လုံးရဲ့ လိုအပ်ချက်နဲ့ ညီမျှနေတာကြောင့် တစ်နိုင်ငံလုံးအတိုင်းအတာနဲ့ပါ ဓာတ်အားခတွေ တက်လာနိုင်တဲ့ အခြေအနေ ရှိနေတယ်။

ဒေတာစင်တာတွေနဲ့ နီးတဲ့နေရာတွေမှာဆိုရင် လျှပ်စစ်ဓာတ်အားခတွေက အဆမတန် ခေါင်ခိုက်နေပြီ။ အမေရိကန် နိုင်ငံဟာ မကြာခင်မှာ လုံလောက်တဲ့ စွမ်းအင် မရှိတော့ဘဲ ဒုက္ခရောက်လာနိုင်တယ်။ ဒီလိုဖြစ်လာရင် AI နည်းပညာရဲ့ ဦးဆောင်မှုကို လက်လွှတ်ဆုံးရှုံးသွားနိုင်တယ်လို့ စိုးရိမ်ပူပန်မှုတွေ ရှိလာနေပါတယ်။

ပြန်ပြည့်မြဲ (Renewables) စွမ်းအင် တွေက ဒေတာတွေရဲ့ လိုအပ်ချက်ကို ဖြည့်ဆည်းဖို့ မလုံလောက်သေးဘူး။ နျူကလီးယားစွမ်းအင် တိုးချဲ့ဖို့ကလည်း အချိန်ယူရတယ်။ ဒါကြောင့် အခုတည်ဆောက်နေတဲ့ ဒေတာစင်တာ အသစ်တွေဟာ သဘာဝဓာတ်ငွေ့ သုံးတာနဲ့ ကျောက်မီးသွေးစက်ရုံဟောင်းတွေကို ပြောင်းလဲအသုံးပြုတာ စတဲ့ ကျောက်ဖြစ် ရုပ်ကြွင်း လောင်စာတွေကိုပဲ အဓိက မှီခိုနေရတယ်လို့ သိရပါတယ်။

ဒီစီမံကိန်းတွေကြောင့် ကာဘွန်ထုတ်လွှတ်မှုက အဆမတန် တိုးလာမှာဖြစ်ပြီး ကမ္ဘာကြီး ပူနွေးလာတာကို ပိုပြီး မြန်ဆန်စေပါလိမ့်မယ်။ ကျောက်ဖြစ်ရုပ်ကြွင်းလောင်စာနဲ့ လည်ပတ်မယ့် ဒေတာစင်တာအသစ်တွေက လေထု ညစ်ညမ်းမှုကို ဖြစ်စေတဲ့အတွက်၊ မန်ဖစ် (Memphis) မြို့က ဘောက်စ်တောင်း (Boxtown) လို ဆင်းရဲနွမ်းပါးတဲ့ လူ့အသိုင်းအဝိုင်းတွေကို မမျှမတ ထိခိုက်စေမှာ ဖြစ်ပါတယ်။

ဒေတာစင်တာ တည်ဆောက်မှုဟာ မကြာခင်မှာပဲ အမေရိကန်ပြည်ထောင်စုရဲ့ GDP ရဲ့ ၃ ရာခိုင်နှုန်းလောက်အထိ ရောက်လာနိုင်ပါတယ်။ ဒီပမာဏက ၁၉ ရာစုတုန်းက မီးရထားလမ်းတွေ တည်ဆောက်ခဲ့တာနဲ့ အလားတူပြီး၊ ထိတာနဲ့ ပေါက်သွားနိုင်တဲ့ ငွေကြေးပူဖောင်း (financial bubble) တွေ ဖြစ်လာနိုင်တဲ့ အန္တရာယ်လည်း အလားတူ ရှိပါတယ်။

Nvidia ရဲ့ ချစ်ပ်တွေကို စဉ်ဆက်မပြတ် ချဲ့ထွင်အသုံးပြုနေခြင်းကတော့ AI ကို ပိုမို ကောင်းမွန် စေပါတယ်။ ဒါပေမဲ့ သိပ္ပံပညာရှင်တွေက ဒီလိုမျိုး အဆမတန် ကြီးထွားလာမှုက ရေရှည်မှာရော ဆက်ပြီး တည်မြဲနိုင်မလား ဆိုတာကို သိပ်မသေချာကြသေးပါဘူး။ တကယ်တော့ စွမ်းဆောင်ရည် ကောင်းတဲ့ AI နည်းလမ်းအသစ်တွေက ဈေးကွက်ကို ရုတ်တရက် အပြောင်းအလဲဖြစ်စေနိုင်ပါတယ်။ (ဥပမာ- တရုတ်နိုင်ငံရဲ့ တီထွင်မှုတစ်ခုကြောင့် Nvidia ရဲ့ စတော့ဈေးနှုန်း ခဏတာ ပြိုလဲ သွားခဲ့တာ မျိုးကို ကြည့်ရင် သိနိုင်ပါတယ်။) ဒေတာစင်တာတွေဟာ အခုဆို နိုင်ငံရေးအရ အလေးထားရတဲ့ ကိစ္စရပ်တစ်ခု ဖြစ်လာနေပါပြီ။

AI နည်းပညာကို လူပြောများနေပေမဲ့ တကယ်တမ်းကျတော့ အမြဲတမ်း အကျိုးအမြတ် ရှိနေဖို့ မသေချာဘူးလို့ ဆိုရမှာပါ။ ပြိုင်ဆိုင်မှုက ပြင်းထန်လွန်းတယ်။ ပြီးတော့ ကုမ္ပဏီတန်ဖိုးတွေ သတ်မှတ်ထားတာကလည်း ၁၉၉၀ ပြည့်လွန်နှစ်တွေတုန်းက ဒေါ့-ကွန် (dot-com) ခေတ်မှာလိုပဲ လိုတာထက်ကို ပိုများနေပြီ။ ဒါပေမဲ့ Nvidia ရဲ့ အရှိန်အဟုန်နဲ့ ချစ်ပ်အသစ်တွေ ထုတ်လုပ်နိုင်မှုက AI စီးပွားရေးတစ်ခုလုံးကို အခြေခံထားတာမို့ အကောင်းမြင်မှု ကတော့ ရှိနေတုန်းပဲ။ Nvidia အောင်မြင်မှပဲ အမေရိကန်ရဲ့ စီးပွားရေးကလည်း ကောင်းကောင်းရပ်တည်နိုင်မှာ ဖြစ်ပါတယ်။

ဒေတာ ပြတ်လပ်မှုနှင့် အနာဂတ်

ရှေ့လျှောက် အကြီးမားဆုံး ကန့်သတ်ချက်က အရည်အသွေးကောင်းတဲ့ ဒေတာ (data) ရှားပါးမှု ဖြစ်လာနိုင်တယ်။ ဘာလို့လဲဆိုတော့ AI ကို အသုံးပြုသူတွေ နှိုက်နှိုက်ချွတ်ချွတ် မေးလာတဲ့ မေးခွန်းတွေကို မှန်မှန်ကန်ကန်နဲ့ ပြန်ဖြေပေးဖို့ဆိုတာ အရည်အသွေးကောင်းတဲ့ အချက်အလက် (ဒေတာ) တွေ လိုပါတယ်။ AI ကုမ္ပဏီတွေက မူပိုင်ခွင့်ရှိတဲ့ အရာတွေကို ယူသုံးတဲ့အတွက် တရားစွဲခံရတာတွေ ရှိလို့ပဲ။ ဒါပေမဲ့ Microsoft လိုမျိုး နည်းပညာ သမားတွေကတော့ အနာဂတ်မှာ စက်ရုပ်တွေနဲ့ “ကမ္ဘာကြီးကို နားလည်တဲ့ စနစ်တွေ” (world models) ကို သင်ပေးဖို့ လိုအပ်တဲ့ ဒေတာတွေကို ရင်းမြစ်အသစ်တွေကနေ ရနိုင်တယ် လို့ တွက်ဆထားတယ်။ အဲဒီရင်းမြစ်အသစ်တွေက ဗီဒီယိုတွေနဲ့ ပတ်ဝန်းကျင်နေရာအထားအပေါ် မူတည်တဲ့ အချက်အလက်တွေ (spatial data or geospatial data) ပဲ ဖြစ်တယ်။

စာရေးသူ မြင်တာကတော့ တရုတ်နိုင်ငံမှာ AI နဲ့ လည်ပတ်တဲ့ အလိုအလျောက်စနစ် (automation) တွေ နေရာတိုင်းမှာ ရှိနေပြီ။ ဈေးဝယ်စင်တာတစ်ခုမှာ ပစ္စည်းတွေ စင်ပေါ်တင်ပေးတာ၊ ကြမ်းပြင်တွေ သန့်ရှင်းရေးလုပ်ပေးတာ စက်ရုပ်တွေကို တွေ့ခဲ့ရပါတယ်။ ဒါဟာ လူသားချင်း ထိတွေ့မှု နည်းပါးလာပြီး၊ စက်တွေနဲ့ပဲ လည်ပတ်နေမယ့် အနာဂတ် ကမ္ဘာကြီးကို အရိပ်အမြွက် ပြသနေတာပဲ။

အနာဂတ် ရေစီးကြောင်းနှင့် စက်ရုပ်ခေတ်

AI မော်ဒယ်တွေဟာ အရင်လို စာသားအခြေခံကနေ ကျော်လွန်ပြီး၊ ရုပ်ပိုင်းဆိုင်ရာ “ကမ္ဘာ့ပုံစံများ (world models)” ဆီကို ချဲ့ထွင်လာတာနဲ့အမျှ၊ နောက်ထပ် အဆင့်ကတော့ ဒီဒေတာစင်တာတွေကို စက်ရုပ်နည်းပညာ (robotics) နဲ့ ပေါင်းစည်း ပစ်ဖို့ပဲ ဖြစ်နိုင်ပါတယ်။ ဒီလိုဖြစ်လာရင် လူသားတွေအစား စက်တွေက ပိုပြီး တွေးခေါ်၊ အလုပ်လုပ်၊ အချင်းချင်း အပြန်အလှန် ဆက်သွယ်နေမယ့် ခေတ်တစ်ခုကို ရောက်ရှိလာမှာ ဖြစ်ပါတယ်။

စိုင်းအောင်မြင့် (တာချီလိတ်)

SOURCE:

Inside the Data Centers That Train A.I. and Drain the Electrical Grid, The New Yorker November 2025