စီမံကိန်း၏ Debian AI မော်ဒယ်များ၏ ပွင့်လင်းမြင်သာမှုအတွက် စံနှုန်းများအပေါ် အထွေထွေမဲပေးမှုတစ်ခု စတင်ခဲ့သည်

စီမံကိန်း၏ Debian ပရောဂျက် developer များအကြား အထွေထွေဆုံးဖြတ်ချက် (GR) မဲပေးမှုကို ပရောဂျက်၏ အဓိက repository ထဲသို့ စက်သင်ယူမှုပုံစံများကို လက်ခံရန် စံနှုန်းများကို အတည်ပြုရန် ကြေညာခဲ့သည်။ ဆွေးနွေးမှုအဆင့်ကို ယခုစတင်နေပြီဖြစ်ပြီး ထို့နောက် မဲများကို စတင်စုဆောင်းမည်ဖြစ်သည် (မဲပေးမည့်ရက်စွဲကို မဆုံးဖြတ်ရသေးပါ)။ package များနှင့် အခြေခံအဆောက်အအုံများကို ထိန်းသိမ်းခြင်းတွင် ပါဝင်သော developer ၁၀၀၀ ခန့်သည် မဲပေးခွင့်ရှိသည်။ Debian.

မော်ဒယ်ကို လေ့ကျင့်ပေးရန်အတွက် အရင်းအမြစ်ပစ္စည်းများနှင့် ကိရိယာများ မပေးဘဲ open license များအောက်တွင် ဖြန့်ဝေထားသော AI မော်ဒယ်များကို စံနှုန်းများနှင့် မကိုက်ညီဟု အသိအမှတ်ပြုရန် အဆိုပြုထားသည်။ Debianအခမဲ့ဆော့ဖ်ဝဲ (DFSG) ကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း Debian အခမဲ့ဆော့ဖ်ဝဲလမ်းညွှန်ချက်)။ အဆိုပြုချက်ကို အတည်ပြုပါက၊ ထိုကဲ့သို့သော မော်ဒယ်များကို ပရောဂျက်၏ အဓိက repository တွင် ထည့်သွင်းနိုင်မည်မဟုတ်ပါ။ အခမဲ့မဟုတ်သော repositories များသို့ ထိုကဲ့သို့သော မော်ဒယ်များကို တင်သွင်းနိုင်ခြေကို လက်ရှိမဲပေးသည့်လုပ်ငန်းစဉ်တွင် ထည့်သွင်းစဉ်းစားခြင်း မရှိပါ။

သင်တန်းအတွက် Data မရနိုင်သောအခါတွင် ဖြစ်ပေါ်လာသော ပြဿနာများထဲတွင် အောက်ပါတို့ကို ဖော်ပြထားပါသည်။

• လေ့ကျင့်ရေးအတွက် အသုံးပြုသည့် အရင်းအမြစ်ဒေတာ သို့မဟုတ် ပရိုဂရမ်များမရှိခြင်းသည် အဆင်သင့်လုပ်ထားသော AI မော်ဒယ်များကို ပြုပြင်မွမ်းမံနိုင်စွမ်းကို ကန့်သတ်ထားသည်။ လိုင်စင်တွင် ပြုပြင်မွမ်းမံခြင်းကို ခွင့်ပြုထားသော်လည်း လက်တွေ့တွင် ထိုသို့သော ပြုပြင်မွမ်းမံမှုမှာ ခက်ခဲသည်။ ဥပမာ၊ ဘာသာစကားအသစ်များအတွက် ပံ့ပိုးမှုထည့်ရန် တိုကင်ဇာကို အစားထိုးရန်လိုအပ်ပါက အပြောင်းအလဲတစ်ခု လိုအပ်နိုင်ပါသည်။
• လေ့ကျင့်ရေးအတွက်အသုံးပြုသည့်ဒေတာကို မော်ဒယ်၏ "အရင်းအမြစ်ကုဒ်" အဖြစ် အဓိပ္ပာယ်ဖွင့်နိုင်ပြီး လေ့ကျင့်ရေးကိရိယာဖြင့် ဤ "အရင်းအမြစ်ကုဒ်" ကို လုပ်ဆောင်ခြင်း၏ရလဒ်အဖြစ် အချောထည်မော်ဒယ်ကို အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်ပါသည်။ ထို့ကြောင့်၊ မော်ဒယ်၏ အပြည့်အဝမွမ်းမံမှုတစ်ခုအတွက်၊ ကနဦးဒေတာနှင့် ကိရိယာများကို မွမ်းမံပြင်ဆင်နိုင်ရမည်ဖြစ်သည်။
• မူရင်းဒေတာနှင့် ကိရိယာများကို သုံးစွဲခွင့်မရှိဘဲ မော်ဒယ်ဖန်တီးရန် လုပ်ဆောင်ခဲ့သော အလုပ်ကို ပြန်လည်ဖန်တီးရန် မဖြစ်နိုင်ပါ။
• ဘေးကင်းရေးနှင့် ကျင့်ဝတ်ဆိုင်ရာ ပြဿနာများ။ အရင်းအမြစ်ဒေတာနှင့် ကိရိယာများမပါဘဲ၊ မော်ဒယ်များတွင် အားနည်းချက်များကို ပြင်ဆင်နိုင်မှုသည် binary ဖာထေးမှုများကို အသုံးပြုခြင်း သို့မဟုတ် မော်ဒယ်ကို လုံးဝအစားထိုးခြင်းသာဖြစ်သည်။ မော်ဒယ်ရေးသားသူမှသာလျှင် ထိုကဲ့သို့သော ဖာထေးမှုများကို ပြင်ဆင်နိုင်ပြီး မော်ဒယ်အသုံးပြုသူများသည် သူ့အပေါ် လုံးဝမှီခိုလာပါသည်။ တစ်ချိန်တည်းမှာပင်၊ မော်ဒယ်ရေးသားသူများ အပါအဝင် မည်သူမျှ ဤနည်းဖြင့် အဆိုပြုထားသော အပြောင်းအလဲများ၏ အနှစ်သာရကို နားလည်နိုင်မည်မဟုတ်ပေ။ အရင်းအမြစ်ဒေတာမရှိခြင်းသည် စက်သင်ယူမှုပုံစံများတွင် နောက်ခံထည့်သွင်းမှုများကို ရှာဖွေရန်ခက်ခဲစေသည်။
• လေ့လာမှုကန့်သတ်ချက်များ။ မူရင်းဒေတာမရှိဘဲ၊ ယင်းမော်ဒယ်ကို အသုံးပြုခွင့်ပြုသည့် လိုင်စင်များအောက်တွင် ပံ့ပိုးပေးထားသည့် ဒေတာများကို လေ့ကျင့်သင်ကြားထားကြောင်း၊ သို့မဟုတ် တရားမဝင်ရရှိထားသောဒေတာများကို လေ့ကျင့်ရေးတွင် အသုံးမပြုကြောင်း အတည်ပြုရန် မဖြစ်နိုင်ပေ။ ထို့အပြင်၊ သင်တန်းကာလအတွင်း GPL-လိုင်စင်ရဒေတာကို အသုံးပြုခဲ့လျှင် မော်ဒယ်၏အထွက်တွင် အရင်းအမြစ်နှင့် လိုင်စင်ကို ကိုးကားရန်လိုအပ်သည့် ဤဒေတာမိတ္တူပါရှိသောအပိုင်းအစများပါရှိမရှိ ခွဲခြမ်းစိတ်ဖြာရန် လိုအပ်ပါသည်။ ဆော့ဖ်ဝဲအင်ဂျင်နီယာတစ်ဦးသည် ၎င်းတို့၏ပရောဂျက်တွင် မော်ဒယ်ထုတ်ပေးသည့်ကုဒ်/အကြောင်းအရာကို ထည့်သွင်းနိုင်ပြီး အရင်းအမြစ်ဒေတာအချို့အတွက် လိုင်စင်ကို မရည်ရွယ်ဘဲ ချိုးဖောက်နိုင်သည်။

ပြီးခဲ့သည့် အောက်တိုဘာလတွင် Open Source Initiative (OSI) သည် open source AI စနစ်၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို ထုတ်ပြန်ခဲ့သည်။ ပွင့်လင်းသော AI စနစ်သည် အောက်ပါစွမ်းရည်များကို ပေးဆောင်သင့်သည်- သီးခြားခွင့်ပြုချက်ရယူရန်မလိုအပ်ဘဲ မည်သည့်ရည်ရွယ်ချက်အတွက်မဆို အသုံးပြုပါ။ စနစ်၏လည်ပတ်မှုကိုလေ့လာခြင်းနှင့်၎င်း၏အစိတ်အပိုင်းများကိုစစ်ဆေး; မည်သည့်ရည်ရွယ်ချက်အတွက်မဆို အပြောင်းအလဲပြုလုပ်ခြင်း၊ အသုံးပြုရန် ရည်ရွယ်ချက်များကို ကန့်သတ်ခြင်းမရှိဘဲ အပြောင်းအလဲများ ပြုလုပ်ပြီးနောက် မူရင်းဗားရှင်းနှင့် ပြန်လည်ပြင်ဆင်ထားသောဗားရှင်းကို အခြားသူများထံ လွှဲပြောင်းပါ။ ပွင့်လင်းသော AI စနစ်တစ်ခုတွင် မော်ဒယ်ဗိသုကာလက်ရာများ၊ လေ့ကျင့်မှုအတွက်အသုံးပြုသည့်ဒေတာနှင့် လေ့ကျင့်ရေးနည်းစနစ်များအပြင် AI စနစ်အား လုပ်ဆောင်ခြင်းနှင့် လေ့ကျင့်ခြင်းအတွက် အရင်းအမြစ်ကုဒ်များပါရှိရမည်။ လေ့ကျင့်မှုအတွက် တူညီသော သို့မဟုတ် အလားတူဒေတာကို အသုံးပြု၍ တူညီသော သို့မဟုတ် အလားတူဒေတာကို အသုံးပြု၍ ညီမျှသော AI စနစ်တစ်ခုကို ၎င်းတို့ကိုယ်တိုင် ပြန်လည်ဖန်တီးနိုင်စေရန် ပရော်ဖက်ရှင်နယ် developer တစ်ဦးအတွက် လုံလောက်သောအချက်အလက်များဖြစ်သင့်သည်။

Software Freedom Conservancy (SFC) က ဤအဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို ဝေဖန်ခဲ့သည်။ စံပြလေ့ကျင့်ရန်အတွက် အသုံးပြုသည့် စံသတ်မှတ်ချက်များ မလိုအပ်သည့်အချက်ကြောင့် မကျေနပ်မှုများ ဖြစ်ပေါ်ရခြင်း ဖြစ်သည်။ OSI ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်သည် လေ့ကျင့်ရေးအချက်အလက်များ၏အသေးစိတ်အချက်အလက်များကို ပေးဆောင်ရန်သာ လိုအပ်ပြီး၊ လေ့ကျင့်ရေးဒေတာကိုယ်တိုင် မဟုတ်ပါ။ လက်ခံထားသော အဓိပ္ပါယ်ဖွင့်ဆိုချက် လေးခုအနက်မှ နှစ်ခုသာ အာမခံသည် - အသုံးပြုပိုင်ခွင့်နှင့် ဖြန့်ဝေပိုင်ခွင့်၊ ပြုပြင်မွမ်းမံခြင်းနှင့် လေ့လာမှုလုပ်ပိုင်ခွင့်များကို အပြည့်အဝအာမခံချက်မရှိပါ။

AI မော်ဒယ်ဆော့ဖ်ဝဲရေးသားသူ၏ ထိန်းချုပ်မှုထက် ကျော်လွန်သည့် အကြောင်းရင်းများဖြစ်သည့် လျှို့ဝှက်ထိန်းသိမ်းထားရန် လိုအပ်မှု၊ မူပိုင်ခွင့်ရပစ္စည်းများအသုံးပြုမှု၊ ပြင်ပကုမ္ပဏီဝန်ဆောင်မှုပေးသူများထံမှ ဒေတာလိုင်စင်ထုတ်ပေးခြင်းစသည်ဖြင့် အကြောင်းအမျိုးမျိုးကြောင့် မူရင်းဒေတာကို ထုတ်ဝေရန် မဖြစ်နိုင်ကြောင်းကို OSI ၏ ဆုံးဖြတ်ချက်အား ရှင်းပြထားသည်။ အကယ်၍ ဒေတာပံ့ပိုးမှုဆိုင်ရာ လိုအပ်ချက်ကို ပေါင်းထည့်ပါက၊ ရှိပြီးသား ဘာသာစကားပုံစံများကို မည်သည့်အရာမှ အဓိပ္ပါယ်ဖွင့်ဆို၍မရပါ။

source: opennet.ru