Ethics & Implications (ကျင့်ဝတ်နဲ့ အကျိုးဆက်များ)
ကွန်ပျူတာ စနစ်တွေက privacy (ကိုယ်ရေးကိုယ်တာ လုံခြုံမှု)၊ ဝန်ဆောင်မှုတွေကို သုံးနိုင်ခွင့်၊ အလုပ်အကိုင်နဲ့ သဘာဝ ပတ်ဝန်းကျင်ကို သက်ရောက်ပါတယ်။ အဲဒီ သက်ရောက်မှုတွေထဲက တချို့က သေးငယ်ပြီး ကြိုဆိုစရာ ဖြစ်ပါတယ်။ တချို့ကတော့ ကြီးမားတယ်၊ လူအုပ်စု အမျိုးမျိုးအပေါ် မညီမျှစွာ ကျရောက်တယ်၊ ပြန်ပြင်ဖို့လည်း ခက်ပါတယ်။ ဒီခေါင်းစဉ်က အဲဒီ အကျိုးဆက်တွေကို စောစောစီးစီး သတိထား မြင်တတ်ဖို့နဲ့ အမြင် အမျိုးမျိုးကို ထည့်စဉ်းစားပြီး အထောက်အထားနဲ့ ထောက်ခံထားတဲ့ ကောက်ချက်တွေ ချကာ ရှင်းရှင်းလင်းလင်း ဆွေးနွေး ငြင်းခုံတတ်ဖို့ ဖြစ်ပါတယ်။ ဒါမှ နည်းပညာကို တာဝန်သိသိ တည်ဆောက်နိုင်၊ သုံးနိုင်မှာပါ။
ဒီခေါင်းစဉ်ရဲ့ အဓိက ကျွမ်းကျင်မှုက reasoned judgment (အကြောင်းပြချက် ခိုင်ခိုင်မာမာနဲ့ ချိန်ဆ ဆုံးဖြတ်ခြင်း) ပါ။ အန္တရာယ် စာရင်း တစ်ခုကို အလွတ်ကျက်ဖို့ ဒါမှမဟုတ် နည်းပညာက “ကောင်းတယ်” ဒါမှမဟုတ် “ဆိုးတယ်” လို့ ဆုံးဖြတ်ဖို့ မေးတာ မဟုတ်ပါဘူး။ သတ်မှတ်ထားတဲ့ အခြေအနေ တစ်ခုမှာ တကယ့် အကျိုးကျေးဇူးတွေနဲ့ တကယ့် ဆုံးရှုံးမှုတွေကို ချိန်ဆပြီး အကြောင်းပြချက်နဲ့ ကာကွယ် ပြောဆိုနိုင်တဲ့ ကောက်ချက် တစ်ခု ချဖို့ မေးတာပါ။ ဒါက အလွတ်ကျက်ထားတာကို ပြန်ပြောတာထက် ပိုခက်ပြီး ပိုအသုံးဝင်တဲ့ ကျွမ်းကျင်မှု ဖြစ်ပါတယ်။ IB စာမေးပွဲမှာ အမှတ်ပေးတာလည်း ဒီကျွမ်းကျင်မှုကို အတိအကျပါပဲ။
ဒီခေါင်းစဉ်မှာ ပါဝင်တာများ
ခေတ်သစ် ကွန်ပျူတာ ကျင့်ဝတ်ကို မေးခွန်း နှစ်ခု အဖြစ် သဘာဝကျကျ ခွဲလို့ရပြီး တစ်ခုစီမှာ ကိုယ်ပိုင် စာမျက်နှာ ရှိပါတယ်။
Ethics of Machine Learning (machine learning ဆိုင်ရာ ကျင့်ဝတ်)
Machine learning (ဒေတာကနေ သင်ယူတဲ့ စနစ်) စနစ် တစ်ခုက ဆုံးဖြတ်ချက် တစ်ခု (ချေးငွေ ပေးမပေး၊ ရောဂါ အဖြေ၊ အလုပ်ခေါ်ဖို့ ရွေးထားတဲ့ စာရင်းတို၊ news feed (ကိုယ့်ဆီ ပြပေးတဲ့ သတင်းနဲ့ post စာရင်း)) ကို ချတဲ့အခါ ဒါမှမဟုတ် ပုံဖော်တဲ့အခါ အဲဒါ မျှတရဲ့လား၊ ဘေးကင်းရဲ့လား၊ တာဝန်ခံမယ့်သူ ရှိရဲ့လား။ ဒီစာမျက်နှာမှာ ဘယ် model (ဒေတာကနေ သင်ယူပြီး ခန့်မှန်းပေးတဲ့ စနစ်) အတွက်မဆို ချိန်ဆရမယ့် ကျင့်ဝတ်ဆိုင်ရာ ရှုထောင့် ကိုးခု ပါပါတယ်: accountability (တာဝန်ခံမှု)၊ algorithmic fairness (algorithm တွေရဲ့ ဆုံးဖြတ်ချက် မျှတမှု)၊ bias (ဘက်လိုက်မှု)၊ consent (သဘောတူ ခွင့်ပြုချက်)၊ privacy၊ security (လုံခြုံရေး)၊ environmental impact (သဘာဝ ပတ်ဝန်းကျင်အပေါ် သက်ရောက်မှု)၊ societal impact (လူ့အဖွဲ့အစည်းအပေါ် သက်ရောက်မှု) နဲ့ transparency (ပွင့်လင်းမြင်သာမှု)။ Bias က training data (model သင်ယူဖို့ ပေးတဲ့ ဒေတာ) ကနေ ဘယ်လို ဝင်လာသလဲ ရှင်းပြထားပြီး online ဆက်သွယ်ရေးရဲ့ ကျင့်ဝတ်ကိုလည်း လေ့လာပါတယ်။ “Discuss” (အမြင် အမျိုးမျိုးကို ချိန်ဆပြီး ဆွေးနွေးပါ) မေးခွန်း တစ်ခုကို ဘယ်လို ဖွဲ့စည်းပြီး ဖြေမလဲ ဆိုတာလည်း ပြထားပါတယ်။
Computing in Daily Life (နေ့စဉ်ဘဝထဲက ကွန်ပျူတာ)
ကွန်ပျူတာဆိုတာ ကိုယ်က ယူသုံးတဲ့ ပစ္စည်း မဟုတ်တော့ဘဲ ကိုယ် နေထိုင်ရာ ပတ်ဝန်းကျင် တစ်ခုလုံး ဖြစ်လာတဲ့အခါ လူ့အဖွဲ့အစည်းကို ဘယ်လို ပြောင်းလဲစေသလဲ။ ဒီစာမျက်နှာမှာ pervasive computing (နေရာတိုင်းမှာ ရှိနေတဲ့ ကွန်ပျူတာ စနစ်) နဲ့ embedded computing (စက်ထဲ ထည့်ထားတဲ့ ကွန်ပျူတာ)၊ surveillance (စောင့်ကြည့် ထောက်လှမ်းခြင်း) နဲ့ individual rights (တစ်ဦးချင်း အခွင့်အရေး)၊ digital divide (နည်းပညာ ရနိုင်သူနဲ့ မရနိုင်သူကြား ကွာဟချက်) နဲ့ equity (တရားမျှတစွာ ရရှိနိုင်မှု)၊ ပေါ်ထွက်လာနေတဲ့ နည်းပညာတွေ ဖြစ်တဲ့ quantum computing (qubit သုံးတဲ့ ကွန်ပျူတာ နည်းပညာ)၊ AR/VR (အစစ်အမှန် ကမ္ဘာပေါ် digital အချက်အလက် ထပ်ပြခြင်းနဲ့ headset နဲ့ ဝင်ရောက်ရတဲ့ ကွန်ပျူတာ ကမ္ဘာ)၊ pervasive AI (နေရာတိုင်းမှာ ပါဝင်လာတဲ့ ဉာဏ်ရည်တု)၊ ပြောင်းလဲနေတဲ့ အလုပ်သမား လောကနဲ့ continually reassessing ethical guidelines as technology advances (နည်းပညာ တိုးတက်လာတာနဲ့အမျှ ကျင့်ဝတ်ဆိုင်ရာ လမ်းညွှန်ချက်တွေကို အမြဲ ပြန်လည် သုံးသပ်ခြင်း) ဆိုတဲ့ အလေ့အထ တို့ ပါပါတယ်။
သင်ရိုးထဲမှာ ဘယ်နေရာ ပါသလဲ
IB Computer Science (နိုင်ငံတကာ ကျောင်းတွေမှာ သင်တဲ့ ကွန်ပျူတာသိပ္ပံ သင်ရိုး) ရဲ့ လက်ရှိ syllabus (IB သင်ရိုး) မှာ ဒီစာမျက်နှာ နှစ်ခုက ကျင့်ဝတ်ဆိုင်ရာ learning statement (သင်ရိုးက သတ်မှတ်ထားတဲ့ သင်ယူရမယ့် အချက်) နှစ်ခုနဲ့ ကိုက်ပါတယ်။ နှစ်ခုလုံးကို SL နဲ့ HL (IB သင်တန်းရဲ့ အဆင့် နှစ်ဆင့်) နှစ်မျိုးလုံးမှာ Discuss command term (မေးခွန်းက ဘာလုပ်ခိုင်းလဲ ပြတဲ့ IB ရဲ့ သတ်မှတ် စကားလုံး) နဲ့ စစ်ဆေးပါတယ်:
| Code | Learning statement |
|---|---|
| A4.4.1 | Discuss the ethical implications of machine learning in real-world scenarios. မြန်မာလို: လက်တွေ့ ကမ္ဘာက အခြေအနေတွေမှာ machine learning ရဲ့ ကျင့်ဝတ်ဆိုင်ရာ အကျိုးဆက်တွေကို ဆွေးနွေးပါ။ |
| A4.4.2 | Discuss ethical aspects of the increasing integration of computer technologies into daily life. မြန်မာလို: ကွန်ပျူတာ နည်းပညာတွေ နေ့စဉ်ဘဝထဲကို ပိုပို ပေါင်းစပ် ဝင်ရောက်လာတာရဲ့ ကျင့်ဝတ်ဆိုင်ရာ ရှုထောင့်တွေကို ဆွေးနွေးပါ။ |
Code ကော်လံက IB သင်ရိုးထဲက အပိုင်း နံပါတ်ဖြစ်ပြီး Learning statement ကော်လံမှာ IB ရဲ့ မူရင်း English စာကြောင်းနဲ့ သူ့ အဓိပ္ပာယ်ကို ပြထားပါတယ်။
Privacy၊ fairness (မျှတမှု)၊ accountability နဲ့ equity တို့က ကွန်ပျူတာ သုံးတဲ့ နေရာတိုင်းမှာ ပေါ်လာတာမို့ ဒီစာမျက်နှာတွေက သင်တန်း အပြင်ဘက်မှာလည်း အသုံးဝင်ပါတယ်။
ဒီစာမျက်နှာတွေကို ဘယ်လို သုံးမလဲ
- စာမျက်နှာ နှစ်ခုကို ကြိုက်တဲ့ အစဉ်နဲ့ ဖတ်ပါ။ တစ်ခုနဲ့ တစ်ခု မမှီခိုပေမယ့် အပြန်အလှန် ကိုးကားထားပါတယ်။
- ဝေါဟာရတွေကို တိတိကျကျ လေ့လာပါ။ ရေရေရာရာ မရှိတဲ့ စိုးရိမ်ချက် (“ဒါ မကောင်းဘူး ထင်တယ်”) နဲ့ ခိုင်မာတဲ့ ငြင်းချက် (“ဒါက consent ပြဿနာကို ဖြစ်စေတယ်၊ ဘာလို့လဲဆိုတော့…”) ကြားက ကွာခြားချက်က များသောအားဖြင့် နာမည်တပ်ထားတဲ့ concept (အယူအဆ) တစ်ခုပဲ ဖြစ်ပါတယ်။
- စာမျက်နှာ နှစ်ခုလုံးမှာ Discuss ဖြေနည်း ပုံစံကို လေ့ကျင့်ပါ: တစ်ဖက်၊ နောက်တစ်ဖက်၊ ပြီးရင် နှစ်ဖက်ကို ချိန်ဆတဲ့ ကောက်ချက်။ အခြေအနေနဲ့ ကိုက်အောင် ချိန်ညှိထားပြီး အကြောင်းပြချက်နဲ့ ကာကွယ်နိုင်တဲ့ ရပ်တည်ချက် တစ်ခုကို ရောက်အောင် လုပ်နိုင်တာက ဒီကျွမ်းကျင်မှု တစ်ခုလုံးပါပဲ။