ပြီးခဲ့တဲ့ နိုဝင်ဘာလက Oregon State University ရဲ့ plankton imaging သုတေသန အကြောင်း ကျွန်တော်တို့ရဲ့ ဇာတ်လမ်းကို ထုတ်ဝေခဲ့တုန်းက ခေါင်းစဉ်က သိပ္ပံပညာပါ။ AI-accelerated infrastructure က သုတေသနသင်္ဘောတွေပေါ်မှာ တည်ဆောက်ထားပြီး သင်္ဘောဆိပ်ကမ်းကို မရောက်ခင်မှာ terabytes ပမာဏရှိတဲ့ သမုဒ္ဒရာဒေတာတွေကို အချိန်နဲ့တပြေးညီ စီမံဆောင်ရွက်ပေးပါတယ်။ ဒါပေမယ့် နောက်ရက်သတ္တပတ်တွေအတွင်းမှာ တစ်ခုခု တိတ်တဆိတ်ဖြစ်ပျက်ခဲ့ပါတယ်။ Solidigm D5-P5336 E3.S SSD ရှစ်လုံးနဲ့ NVIDIA RTX PRO 6000 GPU တွေပါတဲ့ Dell PowerEdge XE7745 တစ်လုံးက တကယ်ဘာတွေ ပြီးမြောက်အောင်လုပ်နိုင်လဲဆိုတာနဲ့ ပတ်သက်ပြီး ကျောင်းဝင်းတစ်ခုလုံးမှာ သတင်းတွေ ပျံ့နှံ့သွားခဲ့ပါတယ်။ တခြားဌာနတွေက မေးခွန်းတွေ စတင်မေးမြန်းလာကြပါတယ်။ ပြီးတော့ ဖုန်းခေါ်ဆိုမှုတွေ စတင်ပြုလုပ်လာကြပါတယ်။ OSU ရဲ့ ကမ္ဘာမြေ၊ သမုဒ္ဒရာနဲ့ လေထုသိပ္ပံကောလိပ်ရဲ့ သုတေသနနဲ့ ပညာရေးဆိုင်ရာ ကွန်ပျူတာဒါရိုက်တာ Christopher Sullivan ဟာ တက္ကသိုလ်တစ်ခုလုံးမှာ တိုးပွားလာနေတဲ့ AI လိုအပ်ချက်ကို ဖြည့်ဆည်းဖို့ ဒီဆာဗာတွေကို စုစည်းပြီး တည်ဆောက်ချင်နေပြီး အဲဒီရည်မှန်းချက်ကို မောင်းနှင်နေတဲ့ ဇာတ်လမ်းက plankton ထက် အများကြီး ကျော်လွန်ပါတယ်။
အော်ရီဂွန်ပြည်နယ်သည် သုတေသနနှင့် ပညာရေးဆိုင်ရာအသုံးပြုမှု နှစ်မျိုးလုံးအတွက် AI ကို လက်ခံကျင့်သုံးရာတွင် နိုင်ငံတွင် ရှေ့ကိုအမျှော်အမြင်အရှိဆုံး တက္ကသိုလ်များထဲမှ တစ်ခုအဖြစ် ရပ်တည်နိုင်ခဲ့သည်။ Metrum AI၊ Dell၊ NVIDIA နှင့် Solidigm ကဲ့သို့သော ကုမ္ပဏီများနှင့် မိတ်ဖက်ဖွဲ့စည်းခြင်းနှင့်အတူ ယနေ့ခေတ် ကျောင်းဝင်းတွင် ပြုလုပ်နေသော အခြေခံအဆောက်အအုံဆိုင်ရာ ဆုံးဖြတ်ချက်များသည် ပညာရေးဆိုင်ရာ စမ်းသပ်ချက်များသာ မဟုတ်ပါ။ ၎င်းတို့သည် တက္ကသိုလ်များအတွက် ပညာရေးကို ပေးအပ်ရန်၊ သင်ယူမှုကို အကဲဖြတ်ရန်နှင့် ၎င်းတို့၏ ကျောင်းသားများကို ကာကွယ်ရန် နည်းလမ်းအသစ်တစ်ခုအတွက် အခြေခံအုတ်မြစ်ချပေးခဲ့သည်။ ထိုပုံစံကို မည်သို့တီထွင်ခဲ့သည်ဆိုသည့် ဇာတ်လမ်းဖြစ်သည်။
တီထွင်ဖန်တီးနိုင်သော AI က ပိုမိုဆိုးရွားစေသော ပြဿနာ
ဆယ်စုနှစ်များစွာကတည်းက စာရေးတာဝန်တွေဟာ ပညာရေးဆိုင်ရာ အကဲဖြတ်မှုအတွက် အဓိကကျခဲ့ပါတယ်။ စာတမ်းတစ်စောင်တင်သွင်းပြီး နားလည်မှုကိုပြသပြီး အမှတ်ယူပါ။ တီထွင်ဖန်တီးနိုင်စွမ်းရှိတဲ့ AI ဟာ အဲဒီစနစ်ကို အခြေခံအားဖြင့် ပြောင်းလဲစေခဲ့ပါတယ်။ အခုဆိုရင် ကျောင်းသားတစ်ယောက်ဟာ အကြောင်းအရာနဲ့ အမှန်တကယ်ထိတွေ့မှုနည်းပါးစွာနဲ့ ချောမွေ့ပြီး ကောင်းမွန်စွာဖွဲ့စည်းထားတဲ့ စာစီစာကုံးတစ်ပုဒ်ကို ရေးသားနိုင်ပြီး အတွေ့အကြုံရင့် ဆရာ၊ ဆရာမတွေတောင် ဒါဟာ စစ်မှန်တဲ့အလုပ်လားဆိုတာ ယုံကြည်စိတ်ချစွာ မပြောနိုင်ပါဘူး။ တက္ကသိုလ်တွေက မျိုးဆက်ပေါင်းများစွာ မှီခိုအားထားခဲ့ရတဲ့ စစ်မှန်တဲ့ နားလည်မှုရဲ့ အထောက်အထားတွေဟာ အားနည်းလာပါပြီ။
ထင်ရှားသော အခြားရွေးချယ်စရာတစ်ခုမှာ နှုတ်ဖြင့် အကဲဖြတ်ခြင်းဖြစ်သည်။ ကျောင်းသားများအား ၎င်းတို့၏ ကျိုးကြောင်းဆင်ခြင်ချက်ကို ကျယ်လောင်စွာ ရှင်းပြရန်၊ ၎င်းတို့၏ ခွဲခြမ်းစိတ်ဖြာမှုကို ရှင်းလင်းစွာ ရှင်းပြရန်နှင့် ၎င်းတို့၏ နိဂုံးချုပ်ချက်များကို ကာကွယ်ရန် တောင်းဆိုပါ။ ၎င်းသည် လိမ်လည်ရန် ခက်ခဲပါသည်။ ပြဿနာမှာ စကေးဖြစ်သည်။ ကျောင်းသား ၂၀၀ ကို သင်ကြားပေးသော ပါမောက္ခတစ်ဦးသည် တစ်ဦးချင်းစီ၏ မျက်နှာချင်းဆိုင်ထိုင်ပြီး အနှစ်သာရဆိုင်ရာ နှုတ်ဖြင့် စာမေးပွဲတစ်ခု ပြုလုပ်၍မရပါ။ ခေတ်သစ်တက္ကသိုလ်တွင် ထိုကန့်သတ်ချက်သည် နှုတ်ဖြင့် အကဲဖြတ်ခြင်းကို အဓိက အကဲဖြတ်ကိရိယာတစ်ခုအဖြစ် ထိရောက်စွာ ရွှေ့ဆိုင်းထားခဲ့သည်။ Metrum AI ကို ထိုညီမျှခြင်းကို ပြောင်းလဲရန် တည်ဆောက်ထားသည်။
Metrum AI က ဘာတွေတည်ဆောက်ခဲ့လဲ
CEO Steen Graham နှင့် CTO Chetan Gadgil တို့ ပူးတွဲတည်ထောင်ခဲ့သော Metrum AI ကို ရိုးရှင်းသော ယုံကြည်ချက်တစ်ခုအပေါ် အခြေခံ၍ တည်ဆောက်ထားခြင်းဖြစ်သည်- AI သည် အလားအလာကို ပြသရုံသာမက တကယ့်လုပ်ငန်းလည်ပတ်မှုဆိုင်ရာ အလုပ်ကို လုပ်ဆောင်သင့်သည်။ ကုမ္ပဏီသည် အာမခံမှ ထုတ်လုပ်ရေးအထိ စက်မှုလုပ်ငန်းများရှိ ဖောက်သည်များအတွက် ဗီဒီယို၊ အသံ၊ စာရွက်စာတမ်းများနှင့် ဖွဲ့စည်းတည်ဆောက်ထားသောဒေတာများမှတစ်ဆင့် ကျိုးကြောင်းဆင်ခြင်သည့် multimodal AI အေးဂျင့်များကို ဖြန့်ကျက်ထားသည်။ Metrum သည် Dell Technologies နှင့် နီးကပ်စွာ ပူးပေါင်းဆောင်ရွက်မှုတစ်ခုကို ဖော်ဆောင်ခဲ့ပြီး ၎င်း၏ပလက်ဖောင်းများကို GPU ဖွဲ့စည်းမှုအမျိုးမျိုးတွင် Dell ၏ enterprise server အခြေခံအဆောက်အအုံနှင့် အတည်ပြုခဲ့သည်။ Oregon State ရှိ ပညာရေးဆိုင်ရာ အကဲဖြတ်စနစ်သည် Metrum အတွက် အဓိကအချက်မဟုတ်ပါ။ ၎င်းသည် ကုမ္ပဏီတည်ဆောက်သမျှတွင် လည်ပတ်သော on-premises၊ human-in-the-loop ဒီဇိုင်းအတွေးအခေါ်ဖြင့် ပြဿနာနယ်ပယ်အသစ်တစ်ခုတွင် အသုံးချသည့် အခြေခံစွမ်းရည်နှင့် အတူတူပင်ဖြစ်သည်။
ပညာရေးဆိုင်ရာ အကဲဖြတ်ချက်တွင် အသုံးချခြင်းဖြင့် ပလက်ဖောင်းသည် multimodal AI ကို အသုံးပြု၍ ကျောင်းသားဗီဒီယိုတင်ဆက်မှုများကို မှတ်တမ်းတင်ထားပြီး ဆရာ၊ ဆရာမများ ပြန်လည်သုံးသပ်ရန်အတွက် rubric-aligned draft အကဲဖြတ်ချက်များကို ပြန်ပို့ပါသည်။ အကြံပြုချက်သည် တိကျသည်- သင်တန်းပို့ချသူများအား ထပ်ခါတလဲလဲလုပ်ဆောင်ရသော၊ အချိန်ကုန်သော ထုတ်ယူမှုအလုပ်ကို ကိုင်တွယ်ပေးသည့် AI မိတ်ဖက်တစ်ဦး ပေးပါ၊ သို့မှသာ လူသား၏ ဆုံးဖြတ်ချက်ချရန် အမှန်တကယ်လိုအပ်သည့် ဆုံးဖြတ်ချက်ချမှုများကို အာရုံစိုက်နိုင်မည်ဖြစ်သည်။
လုပ်ငန်းဆောင်တာအဆင့်တွင်၊ ပလပ်ဖောင်းသည် လုပ်ဆောင်ချက်သုံးခုကို လုပ်ဆောင်သည်။ ၎င်းသည် တင်သွင်းထားသော ဗီဒီယိုများမှ multimodal artifacts များကို ထုတ်ယူပြီး၊ OpenAI Whisper ဖြင့် timestamped audio transcripts များကို ထုတ်လုပ်ပြီး Qwen3-VL-30B မှ စွမ်းအားပေးသော visual analysis မှတစ်ဆင့် slide content များကို ဖမ်းယူသည်။ ထို့နောက် vLLM ပေါ်တွင် လုပ်ဆောင်သော Qwen3-30B-A3B reasoning models များကို အသုံးပြု၍ ထုတ်ယူထားသော အကြောင်းအရာတွင် ဆရာ/ဆရာမ ဒီဇိုင်းထုတ်ထားသော rubrics များကို အသုံးချသည်။ နောက်ဆုံးတွင်၊ ၎င်းသည် အထောက်အထားညွှန်ပြချက်များပါရှိသော မူကြမ်းအကဲဖြတ်မှုများကို တင်ပြပြီး ကျောင်းသားထံ မည်သည့်အရာမှ မရောက်မီ ဆရာ/ဆရာမများ ပြန်လည်သုံးသပ်ပြီး အတည်ပြုရန်အတွက် ရမှတ်တစ်ခုစီကို သတ်မှတ်ထားသော transcript timestamp သို့မဟုတ် slide identifier နှင့် ချိတ်ဆက်ပေးသည်။
ထိုနောက်ဆုံးအဆင့်သည် အလွန်အရေးကြီးပါသည်။ ဆရာ/မတစ်ဦးက ၎င်းကို ပြန်လည်သုံးသပ်ပြီး လိုအပ်သောပြုပြင်မှုများ ပြုလုပ်ပြီး ရှင်းလင်းစွာ အတည်ပြုမှသာ ရမှတ်၊ မှတ်ချက် သို့မဟုတ် တုံ့ပြန်ချက်တစ်စုံတစ်ရာကို ကျောင်းသားများက မြင်တွေ့နိုင်မည်ဖြစ်သည်။ စနစ်ကို ဆရာ/မများ၏ အခွင့်အာဏာဖြင့် တည်ဆောက်ထားသည်။ ထို့အပြင်၊ ပလက်ဖောင်းသည် အဆောက်အအုံအတွင်းတွင် အပြည့်အဝလည်ပတ်သည်။ ဤဆုံးဖြတ်ချက်သည် စနစ်မည်သို့လည်ပတ်သည်၊ မည်သူက ၎င်းကိုယုံကြည်သည်၊ မည်သည့်ဟာ့ဒ်ဝဲလိုအပ်သည်ဆိုသည့်အရာအားလုံးအပေါ် လွှမ်းမိုးမှုရှိသည်။
ပါမောက္ခတစ်ဦး၏ ဘေးထွက်စီမံကိန်းမှ ပါမောက္ခချုပ်ရာထူးသို့
Jonathan Kalodimos သည် ဘဏ္ဍာရေးဆိုင်ရာ တွဲဖက်ပါမောက္ခတစ်ဦးဖြစ်ပြီး Oregon State University ရှိ စီးပွားရေးကောလိပ်တွင် Harley and Brigitte Smith Fellow တစ်ဦးဖြစ်သည်။ သူ၏နောက်ခံသမိုင်းသည် AI အခြေခံအဆောက်အအုံဇာတ်လမ်း၏ဗဟိုချက်တွင်ရှိသူတစ်ဦးထံမှ သင်မျှော်လင့်ထားနိုင်သည့်အရာမဟုတ်ပါ။ OSU သို့မ၀င်မီတွင် သူသည် US Securities and Exchange Commission တွင် ဘဏ္ဍာရေးစီးပွားရေးပညာရှင်တစ်ဦးဖြစ်ပြီး အမှုဆောင်လျော်ကြေးငွေပြန်လည်ရုပ်သိမ်းခြင်းဆိုင်ရာစည်းမျဉ်းများကို ချမှတ်သည့် Dodd-Frank Act Section 954 တွင် ဦးဆောင်စီးပွားရေးပညာရှင်အဖြစ် တာဝန်ထမ်းဆောင်ခဲ့သည်။ ကော်ပိုရိတ်အုပ်ချုပ်မှုနှင့် ဘဏ္ဍာရေးစည်းမျဉ်းဆိုင်ရာ သူ၏သုတေသနကို The Wall Street Journal၊ The New York Times၊ Bloomberg နှင့် Harvard Business Review တို့တွင် ကိုးကားဖော်ပြထားသည်။ ထို့အပြင် သူသည် အရာဝတ္ထုများကို တိကျစွာတိုင်းတာရန် ရူပဗေဒပညာရှင်တစ်ဦး၏ဗီဇရှိကြောင်းလည်း တွေ့ရှိရသည်။
တစ်နှစ်ခန့်က Kalodimos သည် သူ၏ MBA အတန်းအတွက် ရိုးရှင်းသောကိရိယာတစ်ခုကို ကုဒ်ရေးခဲ့သည်- case study တင်ဆက်မှုများ၏ နှုတ်ဖြင့် အစိတ်အပိုင်းကို အကဲဖြတ်ရန် AI agent တစ်ခုဖြစ်သည်။ ကျောင်းသားများသည် တုံ့ပြန်ချက်၏ အရည်အသွေးကို အထင်ကြီးခဲ့ကြသည်။ သူသည် Oregon State တွင် AI Week တွင် ပရောဂျက်ကို တင်ပြခဲ့သည်။ Dell သည် သတိပြုမိပြီး သူ့ကို Metrum AI နှင့် ချိတ်ဆက်ပေးခဲ့ပြီး အတန်းတွင်းစမ်းသပ်မှုတစ်ခုသည် အလွန်ကြီးမားသော အရာတစ်ခု ဖြစ်လာခဲ့သည်။
"ကိရိယာတစ်ခုရှိလာတာနဲ့ ကိရိယာရဲ့အစွမ်းသတ္တိကို အသုံးချပြီး ပိုမိုကောင်းမွန်တဲ့ ပညာရေးအတွေ့အကြုံကို ပေးစွမ်းနိုင်ဖို့ သင့်ရဲ့သင်ကြားမှုပုံစံနဲ့ သင်ကြားမှုနည်းလမ်းတွေကို ပြန်လည်ပြုပြင်နိုင်ပါတယ်။"
— Jonathan Kalodimos၊ ဘဏ္ဍာရေးဆိုင်ရာ တွဲဖက်ပါမောက္ခနှင့် Harley & Brigitte Smith Fellow၊ Oregon State University
Kalodimos တည်ဆောက်နေတာက သူ အထောက်အထားအခြေပြု ထုတ်ယူမှုလို့ ခေါ်တဲ့ အရာဖြစ်ပြီး rubric engineering လို့ သူဖော်ပြတဲ့ အရာနဲ့ အခြေခံထားပါတယ်။ ဒါမှာ ကျောင်းသားတင်ဆက်မှုကနေ ဘယ်အင်္ဂါရပ်တွေကို ထုတ်ယူနိုင်လဲဆိုတာကို ဆုံးဖြတ်ခြင်း၊ အဲဒီအင်္ဂါရပ်တွေကို သင်ယူမှုရလဒ်တွေအဖြစ် ပေါင်းစပ်ခြင်းနဲ့ ကျောင်းသားတစ်ဦးချင်းစီရဲ့ နားလည်မှုကို ပြသခဲ့တဲ့နေရာနဲ့ ဘယ်နေရာတွေမှာ လိုအပ်ချက်တွေရှိတယ်ဆိုတာကို စနစ်တကျ ရှုမြင်နိုင်အောင် ဆရာ၊ ဆရာမတွေကို ပံ့ပိုးပေးခြင်းတို့ ပါဝင်ပါတယ်။ “သံသယရှိတဲ့ ကျောင်းသားတွေကို ကျွန်တော် ရှင်းပြတဲ့နည်းလမ်းကတော့ ကျွန်တော်မှာ အလွန်အသေးစိတ် စစ်ဆေးရမယ့်စာရင်းတစ်ခုရှိပြီး ခင်ဗျားရဲ့တင်ဆက်မှုကို ခင်ဗျားလုပ်ခဲ့တာတွေကို စစ်ဆေးကြည့်မယ်ဆိုရင် စနစ်က အဲဒီလိုပဲ လုပ်ဆောင်နေတာပါ။ ဒီထက် အများကြီး ပိုရှုပ်ထွေးတယ်ဆိုတာ ထင်ရှားပါတယ်၊ ဒါပေမယ့် ကျောင်းသားတွေအနေနဲ့ ဒီအကြောင်းအရာကို သူတို့သိတယ်ဆိုတာ ပြသနိုင်ဖို့ အခွင့်အလမ်းအားလုံးကို မြင်တွေ့နိုင်စေပါတယ်။”
သူက စနစ်က လက်တွေ့မှာ ဘာတွေပြောင်းလဲနေလဲဆိုတာကို ပြသတဲ့ ဥပမာနှစ်ခု ပေးခဲ့ပါတယ်။ ပထမတစ်ခုမှာတော့ ကျောင်းသားတစ်ယောက်က ဆယ်မိနစ်ကြာ တင်ဆက်မှုကို ငါးမိနစ်အဖြစ် အကျဉ်းချုပ်ပြီး တစ်လုံးတည်းသော အသံနဲ့ ပြောဆိုကာ အင်္ဂလိပ်ဘာသာစကားဟာ ဒုတိယဘာသာစကားတစ်ခုလို အရှိန်အဟုန်နဲ့ ပြောဆိုခဲ့ပါတယ်။ သူ့ရဲ့ ဟောပြောချက်က သူ့ရဲ့ နားလည်မှုကို လုံးဝ မှုန်ဝါးစေခဲ့ပါတယ်။ “ကျွန်တော် ဂရုတစိုက် နားထောင်နေပေမယ့်လည်း” လို့ Kalodimos က ပြောပါတယ်၊ “ကျွန်တော်က တကယ့်အထောက်အထားကို အာရုံစိုက်နိုင်အောင် ဟောပြောချက်ရဲ့ အသေးစိတ်အချက်အလက်အဆင့်အထိ ခွဲခြမ်းစိတ်ဖြာလို့ မရပါဘူး၊ ဒါမှမဟုတ် ခွဲခြမ်းစိတ်ဖြာလို့ မရပါဘူး” လို့ ပြောပါတယ်။ နောက်ပိုင်းမှာ AI ကနေ ထုတ်လုပ်ထားတဲ့ သက်သေအထောက်အထား ခွဲခြမ်းစိတ်ဖြာမှုကို ၁၅ စက္ကန့်စီ အဆင့်ဆင့် ရှင်းပြတဲ့အခါ ကျောင်းသားက အကြောင်းအရာကို နားလည်တယ်ဆိုတာ ရှင်းရှင်းလင်းလင်း သိလာရပါတယ်။ ဟောပြောချက်ကို ဗဟုသုတမဟုတ်ဘဲ အဆင့်သတ်မှတ်ပေးခဲ့ပါတယ်။
ဒုတိယအမှုမှာ အဆက်အစပ်မရှိသော ဆလိုက်များကဲ့သို့ ထင်ရသည့်ပုံစံဖြင့် ဖြည်းဖြည်းချင်း တင်ဆက်မှုတစ်ခု တည်ဆောက်ခဲ့သော ကျောင်းသားတစ်ဦးနှင့် သက်ဆိုင်ပြီး နောက်ဆုံးဆလိုက်တွင်သာ အငြင်းပွားမှုကို ပေါင်းစပ်ခဲ့သည်။ တိုက်ရိုက်ကြည့်ရှုနေစဉ် Kalodimos သည် တင်ဆက်မှုအပေါ် နိမ့်ကျသောအမြင်ကို ဖော်ထုတ်ခဲ့ပြီးဖြစ်သည်။ စနစ်သည် အလုပ်ကို ပြီးပြည့်စုံသော arc အဖြစ် အကဲဖြတ်ပြီး ကောင်းစွာအမှတ်ပေးခဲ့သည်။ “ဒီလို အကဲဖြတ်မှုမျိုးရဲ့ အကျိုးကျေးဇူးတစ်ခု ဖြစ်လာလိမ့်မယ်လို့ ကျွန်တော်တောင် မထင်ထားဘူး” ဟု သူက ပြောသည်။ “ဒါက အကဲဖြတ်မှုရဲ့ အချိန်ဒြပ်စင်ကနေ လွတ်မြောက်သွားတာပါ”
သုတေသနနှင့် ပညာရေးဆိုင်ရာ ကွန်ပျူတာဌာန ညွှန်ကြားရေးမှူး ခရစ္စတိုဖာ ဆူလီဗန်သည် ဖြန့်ကျက်မှုတွင် အခြေခံအဆောက်အအုံ ဦးဆောင်သူဖြစ်သည်။ မူရင်း Metrum နှင့် Dell ဒီဇိုင်းတွင် လိုက်နာမှုကွာဟချက် ကြီးမားလာသောအခါ သူ၏ပါဝင်ပတ်သက်မှုသည် ပိုမိုပြင်းထန်လာခဲ့သည်။
FERPA၊ ဒေတာအချုပ်အခြာအာဏာနှင့် Cloud သည် အဘယ်ကြောင့် အဖြေမဟုတ်သနည်း။
Sullivan သည် OSU ၏ Metrum ပလပ်ဖောင်းကို on-premises အကောင်အထည်ဖော်မှုတည်ဆောက်ရန် ဝင်ရောက်စွက်ဖက်သောအခါ၊ သူပထမဆုံးဖော်ထုတ်တွေ့ရှိခဲ့သည်မှာ မည်သူမျှ အပြည့်အဝမဖြေရှင်းနိုင်သေးသော ပြဿနာတစ်ခုဖြစ်သည်- မိသားစုပညာရေးဆိုင်ရာအခွင့်အရေးများနှင့် လျှို့ဝှက်ရေးဥပဒေ (FERPA)။
FERPA သည် ကျောင်းသားပညာရေးမှတ်တမ်းများကို ထိန်းချုပ်သည့် ဖက်ဒရယ်ဥပဒေဖြစ်သည်။ ၎င်းသည် ကျောင်းသားဒေတာကို မည်သူဝင်ရောက်ကြည့်ရှုနိုင်သည်၊ မည်သည့်အခြေအနေများတွင်နှင့် မည်သို့ကာကွယ်ရမည်နှင့်ပတ်သက်၍ တင်းကျပ်သောလိုအပ်ချက်များကို ချမှတ်ထားသည်။ Metrum ကဲ့သို့သော ကျောင်းသားဗီဒီယိုတင်သွင်းမှုများကို မှတ်သားခြင်း၊ မှတ်တမ်းများထုတ်ပေးခြင်း၊ အကဲဖြတ်မှုများထုတ်လုပ်ခြင်းနှင့် အဆင့်သတ်မှတ်ခြင်းဆုံးဖြတ်ချက်တိုင်း၏ အပြည့်အစုံသမိုင်းကြောင်းကို သိမ်းဆည်းခြင်းစသည့် စနစ်တစ်ခုအတွက် FERPA လိုက်နာမှုသည် အမှန်ခြစ်ရာတစ်ခုမဟုတ်ပါ။ ၎င်းသည် ဗိသုကာဆိုင်ရာကန့်သတ်ချက်တစ်ခုဖြစ်သည်။
“ကျွန်တော့်ရဲ့ FERPA စည်းကမ်းချက်အားလုံးနဲ့ ကိုက်ညီမယ့် တစ်ခုခုကို on-premises မှာ ယူဆောင်လာနိုင်ဖို့လိုအပ်ပါတယ်” ဟု Sullivan က ပြောကြားခဲ့ပြီး “ဒါပေမယ့် သိုလှောင်မှုနေရာလည်း အများကြီးရှိရပါမယ်” ဟု ပြောကြားခဲ့သည်။ Cloud processing သည် ထိုလိုအပ်ချက်နှင့် သဟဇာတမဖြစ်ပါ။ ကျောင်းသားဗီဒီယိုဖိုင်များ၊ အသံမှတ်တမ်းများနှင့် အကဲဖြတ်မှတ်တမ်းများကို ပြင်ပ AI API များမှတစ်ဆင့် routing လုပ်ခြင်းသည် တက္ကသိုလ်၏ တိုက်ရိုက်ထိန်းချုပ်မှုပြင်ပရှိ ပြင်ပစနစ်များသို့ ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို ပေးပို့ခြင်းဟု ဆိုလိုပါသည်။ ထိုပတ်ဝန်းကျင်တွင် FERPA လိုက်နာမှုကို ထိန်းသိမ်းခြင်း၏ စာချုပ်ဆိုင်ရာနှင့် နည်းပညာဆိုင်ရာ ရှုပ်ထွေးမှုများကြောင့် ၎င်းသည် စတင်လုပ်ဆောင်ရန်မလိုအပ်ပါ။
လက်တွေ့ကျတဲ့ ကျောင်းသားအတွေ့အကြုံဆိုင်ရာ ရှုထောင့်တစ်ခုလည်း ရှိပါတယ်။ မှတ်တမ်းတင်ထားတဲ့ တင်ဆက်မှုတွေကို တင်သွင်းတဲ့ ကျောင်းသားတွေဟာ ကိုယ်ပိုင်ဆန်တဲ့အရာတစ်ခုကို ပေးဆောင်နေကြပါတယ်- သူတို့ရဲ့ အသံ၊ သူတို့ရဲ့ မျက်နှာ၊ ဖိအားအောက်မှာ သူတို့ရဲ့ ကျိုးကြောင်းဆင်ခြင်ချက်၊ တစ်ခါတစ်ရံမှာ သူတို့ရဲ့ မိခင်ဘာသာစကားမဟုတ်တဲ့ ဘာသာစကားနဲ့ပေါ့။ သူတို့ရဲ့ ဗီဒီယိုကို OSU ဆာဗာမှာ သိမ်းဆည်းထားပြီး OSU ဟာ့ဒ်ဝဲပေါ်မှာ လည်ပတ်နေတဲ့ မော်ဒယ်တစ်ခုက စီမံဆောင်ရွက်ပြီး OSU ရဲ့ ကိုယ်ပိုင်ဒေတာမူဝါဒတွေနဲ့ ထိန်းချုပ်ထားတယ်ဆိုတာ သူတို့ နားလည်တဲ့အခါ ပြောင်းလဲမှုတွေ ဖြစ်လာပါတယ်။ Kalodimos ဟာ စမ်းသပ်စမ်းသပ်မှုအတွင်းမှာပဲ ဒီအခြေအနေကို တိုက်ရိုက်မြင်တွေ့ခဲ့ရပါတယ်။ “ဒါက ဒေသတွင်းသိုလှောင်မှုရှိတဲ့ ဒေသတွင်းမော်ဒယ်တစ်ခုဖြစ်ပြီး OSU က ကျောင်းသားတွေရဲ့ ကျောထောက်နောက်ခံရှိတယ်ဆိုတဲ့ အယူအဆက သိသာထင်ရှားပါတယ်” လို့ သူက ပြောကြားခဲ့ပြီး “ကျွန်တော်တို့ဟာ OSU တည်ဆောက်ထားတဲ့ အဖွဲ့အစည်းဆိုင်ရာ ယုံကြည်မှုကို အသုံးပြုပြီး ကျောင်းသားတွေကို ကာကွယ်ဖို့နဲ့ ဒီ on-prem ဖြေရှင်းချက်တွေကို အသုံးချဖို့ တကယ်လိုအပ်ပါတယ်” လို့ ပြောကြားခဲ့ပါတယ်။
Cloud AI ပလက်ဖောင်းများသည် ဖြန့်ကျက်ရန် လွယ်ကူမြန်ဆန်သော်လည်း၊ ၎င်းတို့တွင် အဖွဲ့အစည်းများအနေဖြင့် ၎င်းတို့၏ ဗိသုကာပုံစံထက် စာချုပ်တစ်ခုတွင် ယုံကြည်မှုထားရှိရန် လိုအပ်ပါသည်။ ၎င်းတို့၏ဒေတာကို မည်သို့စီမံခန့်ခွဲသည်ကို သတိထားနေသော ကျောင်းသားများအတွက်၊ ထိုခြားနားချက်သည် ၎င်းတို့၏ လက်ခံကျင့်သုံးလိုစိတ်ကို သိသိသာသာ လွှမ်းမိုးနိုင်သည်။ On-premises ဖြန့်ကျက်မှုသည် လိုက်နာမှုအကြောင်းသာမက ယုံကြည်မှု၏ အုတ်မြစ်ကို တည်ဆောက်ပေးသည်။
OSU မှာ လေယာဉ်မှူး၊ ပါမောက္ခချုပ်နဲ့ နောက်ဘာတွေဖြစ်လာမလဲ
စမ်းသပ်စစ်ဆေးမှု စတင်နေပါပြီ။ ကဏ္ဍများစွာမှ ကျောင်းသား ၅၀၀ ခန့်သည် နောက်ဆုံးအပတ်ကုန်တွင် နောက်ဆုံးပရောဂျက်များကို တင်သွင်းနေကြသည်။ အဆင့်သတ်မှတ်ထားသော အကဲဖြတ်ချက်များကို နောက်ဆုံးတင်သွင်းပြီး ၄ ရက်အတွင်း ပြန်ပို့ရမည်။ AI မှထုတ်လုပ်သော အစီရင်ခံစာများသည် ဆရာ၊ ဆရာမများ အဆင့်သတ်မှတ်ခြင်းမပြုမီ အဆင်သင့်ဖြစ်ရမည်။ “လူသားအစိတ်အပိုင်းတစ်ခုသည် တစ်ပြိုင်နက်တည်း လည်ပတ်နေသည်” ဟု Kalodimos က မှတ်ချက်ပြုခဲ့သည်၊ “သို့သော် ၎င်းတို့သည် အစီရင်ခံစာကို ဦးစွာလိုအပ်သည်။ ဤအရာအားလုံးကို စီမံဆောင်ရွက်ရန် နှစ်ရက်ကြာပါက လူသားအစိတ်အပိုင်းသည် ပို၍ပင် ဖိသိပ်ခံရသည်။” ဖိအားများသည် အမှန်တကယ်ဖြစ်ပြီး၊ နောက်ဆုံးရက်သည် သတ်မှတ်ထားပြီးဖြစ်ကာ အခြေခံအဆောက်အအုံသည် ၎င်း၏အလုပ်ကို လုပ်ဆောင်နေပါသည်။
စမ်းသပ်အစီအစဉ်မှာ မှတ်သားထားသင့်တဲ့ နောက်ထပ်အချက်တစ်ခု ပေါ်ပေါက်လာပါတယ်။ ပါမောက္ခတစ်ဦးဟာ မကြာသေးမီက အုပ်ချုပ်ရေးဆိုင်ရာရာထူးကို ရာထူးတိုးမြှင့်ခံရတဲ့အခါ သင်တန်းပို့ချသူတစ်ဦးဟာ အချိန်တိုအတွင်း ဝင်ရောက်ပြီး သင်တန်းပြီးဆုံးအောင် သင်ယူခဲ့ရပါတယ်။ သတ်မှတ်ထားတဲ့ စံနှုန်းတွေနဲ့ သတ်မှတ်ထားတဲ့ ပြန်လည်သုံးသပ်မှုလုပ်ငန်းစဉ်တွေပါဝင်တဲ့ တသမတ်တည်းရှိတဲ့ AI အကဲဖြတ်မှု မူဘောင်တစ်ခု ရှိပြီးသားကြောင့် အဲဒီသင်တန်းပို့ချသူဟာ တခြားနည်းနဲ့ မရှိနိုင်တဲ့ စဉ်ဆက်မပြတ်တဲ့ လုပ်ငန်းစဉ်တစ်ခုကို ရရှိခဲ့ပါတယ်။ လူသားသင်ကြားမှု စဉ်ဆက်မပြတ်မှုကို အာမမခံနိုင်တဲ့ အခြေအနေတွေမှာ “တသမတ်တည်းရှိတဲ့ AI အကဲဖြတ်အဖော်တစ်ဦးရှိခြင်းက ကျောင်းသားအတွေ့အကြုံကို သေချာပေါက် ပိုမိုကောင်းမွန်စေမှာပါ” လို့ Kalodimos က ပြောပါတယ်။
ဒီဇာတ်လမ်းဟာ နောက်ဆုံးမှာ OSU ရဲ့ Provost ဆီ ရောက်သွားခဲ့ပါတယ်။ Kalodimos ဟာ ဆယ်မိနစ်ကြာ အစည်းအဝေးတစ်ခုလို့ ယူဆရတဲ့ အစည်းအဝေးမှာ Dell စနစ်၊ Solidigm သိုလှောင်မှု စွမ်းဆောင်ရည်၊ developer စွမ်းရည်နဲ့ အခြေခံအဆောက်အအုံ benchmark တွေအကြောင်း အပြည့်အစုံ တင်ပြခဲ့ပါတယ်။ အစည်းအဝေးက မိနစ်လေးဆယ်ကြာခဲ့ပါတယ်။ Provost က CIO၊ CTO နဲ့ Sullivan ဆီကို အီးမေးလ်တစ်စောင် ပေးပို့ခဲ့ပါတယ်။ OSU ဟာ နွေဦးရာသီမှာ စတင်ပြီး ဌာနမှူးတွေ အရင်းအမြစ်တွေ ရရှိနိုင်အောင် တက္ကသိုလ်တစ်ခုလုံးကို ဖြန့်ကျက်ဖို့ စီစဉ်နေပြီး Provost နဲ့ သုတေသနရုံးအောက်မှာ ရှိတဲ့ Research Computing ရုံးအသစ်က စီမံခန့်ခွဲပါတယ်။
Sullivan ဟာ rack-scale infrastructure အရ အဲဒီ deployment ကို စဉ်းစားနေပါတယ်။ plankton imaging အလုပ်ကို အဓိကထားပြီး အခု Metrum AI evaluation pipeline ကို အားဖြည့်ပေးနေတဲ့ XE7745 platform ကပဲ သူ scale လုပ်ချင်နေတဲ့ foundation ပါ။ ရည်မှန်းချက်ကတော့ ဒီ server တွေရဲ့ rack တစ်ခုဖြစ်ပြီး demand ပြောင်းလဲလာတာနဲ့အမျှ academic compute နဲ့ research compute workloads တွေကြားမှာ float လုပ်လို့ရပါတယ်။ အကောင်းဆုံးကတော့ server တွေကို midterm နဲ့ final submission တွေ မြင့်တက်လာတဲ့အချိန်မှာ Metrum evaluation pipeline အတွက် ရည်စူးထားပြီး academic calendar ရဲ့ တိတ်ဆိတ်တဲ့ကာလတွေမှာ research workloads တွေအတွက် ပြန်လည် deploy လုပ်သင့်ပါတယ်။ “ကျွန်တော်တို့က အဲဒီ set ကနေ စက်တွေကိုယူပြီး academic compute ဘက်ကို အချိန်အတိုင်းအတာတစ်ခုအထိ တွန်းပို့နိုင်ပါတယ်၊ ပြီးရင် ပြန်ယူလာပြီး research compute အတွက် leverage လုပ်နိုင်ပါတယ်” လို့ Sullivan က ပြောပါတယ်။ “ကျွန်တော်တို့က သူတို့ကို fly မှာ ပြန်လည် deploy လုပ်ချင်ပါတယ်။”
အော်ဂဲနစ် လက်ခံကျင့်သုံးမှုကို စတင်နေပြီဖြစ်သည်။ ကျန်းမာရေးကောလိပ်နှင့် အင်ဂျင်နီယာကောလိပ်မှ ဆရာ၊ ဆရာမများသည် စီမံကိန်းအကြောင်း တရားဝင်မဟုတ်သော လမ်းကြောင်းများမှတစ်ဆင့် ကြားနာပြီးနောက် Kalodimos သို့ လွတ်လပ်စွာ ချဉ်းကပ်ခဲ့ကြသည်။ စမ်းသပ်စီမံကိန်းထက်ကျော်လွန်၍ ပလက်ဖောင်းကို တရားဝင်ကြေညာခြင်း မရှိသေးပါ။ မည်သို့ပင်ဖြစ်စေ ၎င်း၏ပရိသတ်ကို ရှာတွေ့ခဲ့သည်။
အဆင့်သတ်မှတ်ခြင်းပြဿနာနောက်ကွယ်ရှိ စွမ်းရည်ပြဿနာ
ဒီဇာတ်လမ်းရဲ့ ဗားရှင်းတစ်ခုကတော့ အဆင့်သတ်မှတ်ချက်ကို အရှိန်မြှင့်ဖို့ပဲ ရည်ရွယ်ပါတယ်။ အဲဒါက မပြည့်စုံတဲ့ အမြင်တစ်ခုပါ။
ပိုကြီးတဲ့ဗားရှင်းကတော့ အတန်းအရေအတွက်နဲ့ပတ်သက်ပါတယ်။ Sullivan က အဆင့် ၁၀၀ ရှိတဲ့ ဘူမိဗေဒသင်တန်းတစ်ခုကို ဖော်ပြခဲ့ပြီး OSU က သူ့ရဲ့ အဓိကပညာရေးမစ်ရှင်ရဲ့ တစ်စိတ်တစ်ပိုင်းအဖြစ် သတ်မှတ်ပြီး ကျောင်းသားတိုင်း တက်ရောက်ရမယ့် အတန်းပါ။ လက်ရှိမှာ ကျောင်းသား ၃၀၀ စီပါတဲ့ အပိုင်းနှစ်ပိုင်းကို သုံးလတစ်ကြိမ် စုစုပေါင်း ၆၀၀ နှုန်းနဲ့ ဖွင့်လှစ်ထားပါတယ်။ ဆရာ၊ ဆရာမတွေရဲ့ အကန့်အသတ်နဲ့ပါ။ လက်ရှိသင်ကြားရေးဝန်ထုပ်ဝန်ပိုးတွေကြောင့် အပိုင်းတွေထပ်ထည့်ဖို့ မဖြစ်နိုင်ပါဘူး။ “ဆရာ၊ ဆရာမတွေကို အလုပ်ပိုလုပ်ခိုင်းလို့ မရပါဘူး” လို့ Sullivan က ပြောပါတယ်။ “ဝန်ထုပ်ဝန်ပိုးကို လျှော့ချပြီး အပိုင်းတွေပိုဖန်တီးဖို့ ဒါမှမဟုတ် ကျွန်တော်တို့မှာရှိတဲ့ အပိုင်းတွေမှာ ကျောင်းသားတွေ ပိုထည့်ဖို့ လမ်းကြောင်းတွေ ဖန်တီးပေးဖို့ လိုအပ်ပါတယ်။”
Kalodimos သည်လည်း အလားတူပင် စီးပွားရေးကောလိပ်၏ ရှုထောင့်ကို ပုံဖော်ခဲ့သည်။ မီးသတ်ကုဒ်အကြောင်းပြချက်များကြောင့် ကျောင်းသား ၄၅ ဦးအထိသာ ကန့်သတ်ထားသော အပိုင်းများရှိသည့် ပါမောက္ခများသည် တစ်ဦးချင်းအကဲဖြတ်ခြင်း တိုးချဲ့နိုင်သည်နှင့် breakout-room ပံ့ပိုးမှုဖြင့် ကြီးမားသော ဟောပြောပွဲပုံစံများကို စူးစမ်းလေ့လာရန် ရွေးချယ်ခွင့်ရှိမည်ဖြစ်သည်။ “၎င်းသည် အဖွဲ့များကို ထုပ်ပိုးခြင်းသက်သက်မဟုတ်ပါ” ဟု ၎င်းက ပြောကြားခဲ့သည်။ “၎င်းသည် မတူညီသော ပို့ဆောင်မှုပုံစံများကို စူးစမ်းလေ့လာနေစဉ် အရည်အသွေးကို ထိန်းသိမ်းခြင်းနှင့်ပတ်သက်သည်။” AI အကဲဖြတ်အလွှာသည် ဟောပြောပွဲခန်းမအတိုင်းအတာတွင် တစ်ဦးချင်းအကဲဖြတ်ခြင်းကို လည်ပတ်နိုင်စေသည့်အရာဖြစ်သည်။
"AI က သက်ရောက်မှု၊ မက်ဆေ့ချ် ဒါမှမဟုတ် သင်ယူနေတဲ့အရာတွေကို မပြောင်းလဲဘဲ ကိန်းဂဏန်းတွေ တိုးလာအောင် ကူညီပေးနေပါတယ်။"
— ခရစ္စတိုဖာ ဆူလီဗန်၊ သုတေသနနှင့် ပညာရေးဆိုင်ရာ ကွန်ပျူတာ ညွှန်ကြားရေးမှူး၊ အိုရီဂွန်ပြည်နယ် တက္ကသိုလ်
သိုလှောင်မှု ပျောက်ဆုံးနေခဲ့တဲ့ အစိတ်အပိုင်းတစ်ခု
Sullivan က OSU မှာ Metrum စနစ်ကို FERPA နဲ့ အပြည့်အဝ ကိုက်ညီအောင် ဘယ်လိုလုပ်ဆောင်ရမလဲဆိုတာ အကဲဖြတ်တဲ့အခါ GPU ဘက်ခြမ်းက ညီမျှခြင်းကို ချမှတ်ပြီးသားပါ။ Metrum နဲ့ Dell ရဲ့ ရည်ညွှန်းဗိသုကာလက်ရာက NVIDIA RTX PRO 6000 GPU တွေပါတဲ့ XE7745 ဟာ inference workload ကို အတိုင်းအတာတစ်ခုအထိ ကိုင်တွယ်နိုင်တယ်ဆိုတာ ပြသခဲ့ပါတယ်။ မဖြေရှင်းနိုင်သေးတာက storage ပါ။
XE7745 ဟာ GPU သိပ်သည်းဆအတွက် အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ထားတဲ့ 4U လေအေးပေးစနစ် ပလက်ဖောင်းတစ်ခုပါ။ အဲဒီဒီဇိုင်းက သူ့ရဲ့ အားသာချက်ဖြစ်ပေမယ့် တကယ့်ကန့်သတ်ချက်တစ်ခုနဲ့ ပါလာပါတယ်- drive bay အရေအတွက်က အကန့်အသတ်ရှိပါတယ်။ “မြန်နှုန်းကို မထိခိုက်စေဘဲ စက်ပစ္စည်းတစ်ခုတည်းမှာ နေရာအများကြီးထည့်ဖို့ လိုအပ်ခဲ့ပါတယ်” လို့ Sullivan က ပြောကြားခဲ့ပါတယ်၊ “ဘာလို့လဲဆိုတော့ GPU တွေရဲ့ တန်ဖိုးအားလုံးနဲ့ XE7745 ရဲ့ တန်ဖိုးတွေအားလုံးကို ဆုံးရှုံးချင်တာမဟုတ်လို့ပါ။ ပြီးတော့ ဘူးထဲမှာ အဲဒီလိုလုပ်ဖို့ ကြီးမားတဲ့ စွမ်းရည်ရှိတဲ့ SSD ဖြေရှင်းချက်တွေ အများကြီး မရှိပါဘူး”
ဤကဲ့သို့သောစနစ်ရှိ သိုလှောင်မှုအလွှာသည် ခေါင်းစဉ် AI workload ထက်ပို၍သယ်ဆောင်သည်။ ဗီဒီယိုဖိုင်များသည် ကျောင်းသားပေါ်တယ်မှရောက်ရှိလာပြီး ချက်ချင်း buffer လုပ်ရန်နေရာတစ်ခုလိုအပ်သည်။ ထုတ်ယူထားသော အသံလမ်းကြောင်းများနှင့် အချိန်တံဆိပ်တုံးထားသော transcript များကို ဌာနမှူးများပြန်လည်သုံးသပ်ရန်အတွက် သီးခြား artifacts များအဖြစ်သိမ်းဆည်းထားသည်။ Slide ရုပ်ပုံများနှင့် OCR output သည် ၎င်းတို့၏ကိုယ်ပိုင် tier ကိုယူထားသည်။ Supabase database ခြေရာခံတင်သွင်းမှု metadata၊ မူကြမ်းအကဲဖြတ်မှုများ၊ ဌာနမှူးတည်းဖြတ်မှုများနှင့် အတည်ပြုချက်မှတ်တမ်းများသည် စဉ်ဆက်မပြတ်လည်ပတ်သည်။ Whisper၊ Qwen3-VL နှင့် reasoning model အတွက် Model weight များသည် inference bottlenecks များကိုရှောင်ရှားရန် လုံလောက်သောမြန်ဆန်စွာ load လုပ်ရန်လိုအပ်သည်။ ထို့အပြင် AI မှထုတ်ပေးသော မူကြမ်းတိုင်း၊ ဌာနမှူးတိုင်း override နှင့် အတည်ပြုချက်လုပ်ဆောင်ချက်တိုင်းအတွက် အပြည့်အဝ audit trail ကို အသိအမှတ်ပြုလက်မှတ်ပြန်လည်သုံးသပ်မှုများ၊ ပညာရေးဆိုင်ရာသမာဓိစုံစမ်းစစ်ဆေးမှုများနှင့် အုပ်ချုပ်ရေးဆိုင်ရာအစီရင်ခံစာများအတွက် မေးမြန်းနိုင်သောမှတ်တမ်းအဖြစ်သိမ်းဆည်းထားရမည်။
ထိုအလုပ်ပမာဏတိုင်းသည် သိုလှောင်မှုပေါ်တွင် ရှိနေသည်။ GPU သည် AI အထွက်အတွက် ဂုဏ်ပြုခံရသည်။ သိုလှောင်မှုသည် GPU ကို စဉ်ဆက်မပြတ်အလုပ်လုပ်နေစေသည်။
Sullivan ရဲ့အဖွဲ့ဟာ E3.S form factor မှာရှိတဲ့ Solidigm D5-P5336 ကို ရွေးချယ်ခဲ့ပါတယ်။ XE7745 မှာ ဒီ drive ရှစ်ခု ပါဝင်ပါတယ်။ drive တစ်ခုကို 30.72 TB ရှိတဲ့အတွက် single 4U chassis မှာ flash storage 245 TB ကျော် ရှိပါတယ်။ D5-P5336 မှာ write performance နဲ့ data integrity အတွက် ချိန်ညှိထားတဲ့ enterprise firmware ပါတဲ့ QLC NAND ကို အသုံးပြုပါတယ်။ ဒါက ဒီနေရာမှာ အရေးကြီးပါတယ်။ ဘာလို့လဲဆိုတော့ system က ရံဖန်ရံခါ burst တွေကို မကိုင်တွယ်လို့ပါ။ finals ဝန်းကျင်မှာ peak submission window တွေအတွင်းမှာ video တွေကို တစ်ပြိုင်နက်တည်း integrate လုပ်တယ်၊ transcript တွေရေးတယ်၊ evaluation output ကို log လုပ်တယ်၊ ပြီးတော့ database ကို update လုပ်ပါတယ်။
ကျွန်ုပ်တို့ရဲ့ သမုဒ္ဒရာသုတေသနဇာတ်လမ်းမှာ ဒီဟာ့ဒ်ဝဲဖွဲ့စည်းပုံကို လွှမ်းခြုံထားတဲ့အတိုင်း RAID 10 မှာရှိတဲ့ Solidigm drives တွေဟာ processing pipeline နောက်ကျကျန်မနေဘဲ စဉ်ဆက်မပြတ် ဖတ်ရှုရေးသားနိုင်စွမ်းကို ပေးစွမ်းနိုင်ခဲ့ပါတယ်။ Storage က bottleneck မဟုတ်ပါဘူး။ ဗိသုကာလက်ရာက တကယ့် workload ကန့်သတ်ချက်တွေကို ဖော်ထုတ်ပေးတာကြောင့် အဖွဲ့ဟာ အရေးကြီးတဲ့နေရာမှာ ချိန်ညှိနိုင်ခဲ့ပါတယ်။ အဲဒီအတည်ပြုထားတဲ့ နိဂုံးချုပ်ချက်က ပညာရေးဆိုင်ရာ အကဲဖြတ်ချက် ဖြန့်ကျက်မှုထဲကို တိုက်ရိုက်သယ်ဆောင်သွားပါတယ်။
AI-Ready အဆင့်မြင့်ပညာရေးအတွက် မူကြမ်းအဖြစ် OSU
Oregon State ၏ AI အခြေခံအဆောက်အအုံအပေါ် ချဉ်းကပ်မှုသည် ရည်ရွယ်ချက်ရှိရှိ လုပ်ဆောင်ထားပြီး အခြားပညာရေးအဖွဲ့အစည်းများအတွက် စံပြတစ်ခုအဖြစ် ဆန်းစစ်သင့်ပါသည်။ cloud API များမှတစ်ဆင့် AI ကိရိယာများကို အခွင့်အရေးယူ၍ ဖြန့်ကျက်မည့်အစား၊ တက္ကသိုလ်သည် AI ကို ရောင်းချသူဝန်ဆောင်မှုထက် ရေရှည်တည်တံ့သော အဖွဲ့အစည်းဆိုင်ရာစွမ်းရည်တစ်ခုအဖြစ် သတ်မှတ်သည့် ဗိသုကာဆိုင်ရာ ဆုံးဖြတ်ချက်များစွာ ချမှတ်ခဲ့သည်။ ဟာ့ဒ်ဝဲကို သုတေသနနှင့် ပညာရေးဆိုင်ရာ တွက်ချက်မှုအလုပ်ပမာဏများကို လွှမ်းခြုံထားသော ပလက်ဖောင်းများပေါ်တွင် စံသတ်မှတ်ထားသည်။ သိုလှောင်မှုသည် အဆောက်အအုံအတွင်းတွင်ရှိပြီး သိပ်သည်းဆမြင့်မားကာ ဒီဇိုင်းအရ ကိုက်ညီမှုရှိသည်။ ဌာနများသည် စနစ်မှထုတ်လုပ်သော အကဲဖြတ်မှုတိုင်းအပေါ် နောက်ဆုံးအခွင့်အာဏာကို ထိန်းသိမ်းထားသည်။
Kalodimos က OSU ထက်ကျော်လွန်ပြီး ဒီပလက်ဖောင်းကို တိုးချဲ့အသုံးပြုစေချင်တဲ့အကြောင်း ရှင်းရှင်းလင်းလင်း ပြောကြားခဲ့ပါတယ်။ “တက္ကသိုလ်တိုင်းက ကျွန်တော်တို့လောက် အရင်းအမြစ်တွေ အပြည့်အဝရှိမှာ မဟုတ်ပါဘူး” လို့ သူက ပြောပါတယ်။ “ဒီနည်းပညာကို တက္ကသိုလ်အားလုံးမှာ ရရှိနိုင်အောင် ကျွန်တော် သေချာစေချင်ပါတယ်။” အဲဒီအခြေခံကပဲ ပညာရေးတန်းတူညီမျှမှုအတွက် ပိုမိုကျယ်ပြန့်တဲ့ အငြင်းအခုံကို ယုံကြည်စိတ်ချရစေတာပါ။ သင်ကြားရေးဝန်ထုပ်ဝန်ပိုးများပြီး အရင်းအမြစ်နည်းပါးတဲ့ အဖွဲ့အစည်းငယ်လေးတစ်ခုက နည်းပြဆရာတစ်ယောက်အနေနဲ့ ဒီကိရိယာကို အလိုအပ်ဆုံးလို့ ငြင်းခုံနိုင်ပါတယ်။
"ကျွန်တော် storage လိုအပ်ပါတယ်၊ အဲဒီ storage က မြန်ဆန်ဖို့လည်း လိုအပ်ပါတယ်။ AI ဆိုတာ storage မပါရင် အသက်မဲ့တဲ့ နည်းပညာတစ်ခုပါ။ data-driven စနစ်တစ်ခုပါ။ ကျွန်တော်တို့မှာ ၁၉၆၀ နဲ့ ၇၀ ခုနှစ်တွေတုန်းက algorithms တွေ ရှိခဲ့တယ်။ အဲဒီ data ကို တကယ်သိမ်းဆည်းထားဖို့ storage မရှိလို့ ကျွန်တော်တို့မှာ ဒီလိုလုပ်ဖို့ data မရှိခဲ့ပါဘူး။"
— ခရစ္စတိုဖာ ဆူလီဗန်၊ သုတေသနနှင့် ပညာရေးဆိုင်ရာ ကွန်ပျူတာ ညွှန်ကြားရေးမှူး၊ အိုရီဂွန်ပြည်နယ် တက္ကသိုလ်
Sullivan ဟာ OSU မှာ အခြေခံအဆောက်အအုံဆိုင်ရာ ဆုံးဖြတ်ချက်တိုင်းကို ချမှတ်သလိုပဲ hardware စီမံကိန်းရေးဆွဲခြင်း မေးခွန်းကို ပုံဖော်ပါတယ်။ မော်ဒယ်တွေ ပြောင်းလဲလာပါလိမ့်မယ်။ ကျောင်းသားတွေ တင်သွင်းတဲ့ input အမျိုးအစားတွေလည်း ပြောင်းလဲလာပါလိမ့်မယ်။ ဆရာ၊ ဆရာမတွေ လုပ်ဆောင်ချင်တဲ့ အကဲဖြတ်နည်းစနစ်တွေက ပိုပြီး ခေတ်မီလာပါလိမ့်မယ်။ “ကျွန်တော်က ခက်ရင်းကြီးကြီး၊ ဓားကြီးကြီး ဒါမှမဟုတ် ဇွန်းကြီးကြီးတွေ ဝယ်မှာပါ” လို့ သူက ပြောပါတယ်၊ “ဒါပေမယ့် hardware ဘက်မှာ ခက်ရင်း၊ ဓားနဲ့ ဇွန်းတွေ ရှိနေဆဲပါ။ လာမယ့်နှစ်တွေမှာ မော်ဒယ်တွေနဲ့ input တွေကို သိသိသာသာ ပြောင်းလဲသွားမှာပါ၊ အခုအချိန်မှာ hardware က အဲဒီအရာတွေထက် ရှေ့ရောက်နေဖို့က ကျွန်တော့်အတွက် ပိုအရေးကြီးပါတယ်”
လုပ်ဆောင်ပြီးသော မှတ်တမ်းတိုင်း၊ ထုတ်ယူထားသော ဆလိုက်တိုင်း၊ မူကြမ်းအကဲဖြတ်မှုတိုင်း၊ အတည်ပြုထားသော အဆင့်တိုင်းနှင့် စာရင်းစစ်မှတ်တမ်းတိုင်းသည် တစ်နေရာရာတွင် ရှိနေရမည်။ ဤစနစ်တွင် OSU ၏ အခြေခံအဆောက်အအုံအတွင်း Solidigm QLC flash ၂၄၅ TB ရှိပြီး မြင်သာသော AI ကို ဖြစ်နိုင်စေသည့် တိတ်ဆိတ်သောအလုပ်ကို လုပ်ဆောင်နေသည်။ Sullivan စီစဉ်နေသော rack သည် နောက်ဆုံးတစ်ခု မဟုတ်ပါ။ တက္ကသိုလ်သည် ဤစမ်းသပ်ချက်ထုတ်လုပ်သည့်အရာကို စောင့်ကြည့်နေပြီး အခြားအဖွဲ့အစည်းများကလည်း OSU လုပ်ဆောင်သည့်အရာကို စောင့်ကြည့်နေမည်ဖြစ်သည်။ AI တွင် ဦးဆောင်ခြင်းဆိုသည်မှာ ထိုအရာပင်ဖြစ်သည်။
အမေဇုံ