ဆင်ဆာမဲ့ နှင့် Filter တပ် AI ရုပ်ပုံ ထုတ်လုပ်စက်

ရုပ်ပုံနှင့် ပရော်ဖက်ရှင်နယ် အလုပ်လုပ်သူ အားလုံးနီးပါးတွင် တူညီသော ဇာတ်လမ်း ရှိသည်။ သာမန် အရာတစ်ခုကို ဖော်ပြသည့် prompt တစ်ခု — ဒူးဆစ် အလယ်ဖြတ်ပိုင်း၊ ကားတိုက်သည့် အခိုက်အတန့်၊ မီးသွေးခဲဖြင့် ဆွဲထားသော လူပုံ လေ့လာချက်၊ 1944 ခုနှစ်က စစ်သားတစ်ဦး — သည် မူဝါဒ ချိုးဖောက်မှု အဖြစ် ပြန်လာသည်။ သင် စကားပြန်ပြင်လိုက်သည်၊ ချိုးဖောက်မှု အသစ်တစ်ခု ရသည်။ နောက်ဆုံးတွင် ဖြတ်သန်းနိုင်လောက်အောင် မရေရာသော စာတစ်ခုကို ရေးမိပြီး၊ သင် လိုချင်သည့်အရာကို မပြသတော့သော ရုပ်ပုံတစ်ခု ရလိုက်သည်။ ကိရိယာက ကျယ်လောင်စွာ မကျရှုံးခဲ့ပါ၊ တဖြည်းဖြည်း ကျရှုံးသွားပြီး၊ အလျှော့ပေးရသူမှာ သင် ဖြစ်သွားသည်။

01ရှင်းရှင်းလင်းလင်း တရားဝင်သော prompt တစ်ခုကို AI ရုပ်ပုံ ထုတ်လုပ်စက်က အဘယ်ကြောင့် ငြင်းပယ်သနည်း။

ငြင်းပယ်မှုသည် များသောအားဖြင့် ရုပ်ပုံ မော်ဒယ်၏ အမြင် မဟုတ်ပါ။ ၎င်းသည် မော်ဒယ်ကို ဝိုင်းရံထားသော စစ်ထုတ်မှု အလွှာစုံ၏ ရလဒ် ဖြစ်ပြီး၊ ထို အလွှာများက သင် ခံခဲ့ရသော ထူးဆန်းသည့် ငြင်းပယ်မှု အားလုံးနီးပါးကို ရှင်းပြသည်။

အလွှာ	ဘာကို စစ်ဆေးသလဲ	ထူးခြားသော ချို့ယွင်းမှု
Prompt ပိတ်ပင်စာရင်း	သင့်စာသားထဲက စာလုံးအတိအကျနှင့် ဆင်တူများ	ဝန်းကျင်ဝါကျကို ဂရုမစိုက်ဘဲ စကားလုံးတစ်လုံးကို ပိတ်သည် — "speculum" ကျရှုံးပြီး "stethoscope" အောင်မြင်သည်
Prompt classifier	prompt ၏ "အန္တရာယ်" ကို သင်ယူထားသော ဆုံးဖြတ်ချက်	အကြောင်းအရာ နီးစပ်မှုအပေါ် တုံ့ပြန်သည် — ဆေးပညာ၊ လက်နက်၊ ခန္ဓာကိုယ် သို့မဟုတ် နိုင်ငံရေးနှင့် နီးသမျှ အမှတ် မြင့်သည်
မော်ဒယ် ငြင်းပယ်မှု လေ့ကျင့်ရေး	မော်ဒယ်၏ ကိုယ်ပိုင် လေ့ကျင့်ထားသော တွန့်ဆုတ်မှု	အမှားပြချက် မပါဘဲ ငြင်းပယ်သည်၊ သို့မဟုတ် တိတ်တဆိတ် သန့်စင်ထားသော အစားထိုးပုံကို ထုတ်ပေးသည်
ပုံထွက် classifier	prompt ဆက်စပ်မှု လုံးဝမပါဘဲ ထွက်လာသော pixel များ	ခန္ဓာဗေဒ ပုံပြားနှင့် ညစ်ညမ်းပုံကို၊ ရုပ်ရှင် ဓာတ်ပုံနှင့် အမှန်တကယ် ဖြစ်ရပ်ကို မခွဲခြားနိုင်ပါ
မူဝါဒအရ အစားထိုးခြင်း	ပုံမထွက်မီ သင့် prompt ကို တိတ်တဆိတ် ပြန်ရေးခြင်း	ရုပ်ပုံတစ်ခု ရသည်၊ သို့သော် သင် သတ်မှတ်ခဲ့သည့် ပုံ မဟုတ်၊ အကြောင်းရင်းကိုလည်း မပြောပါ

အလွှာတိုင်းတွင် မမြင်နိုင်သော အချက် တစ်ခုတည်း ရှိသည် — သင် အဘယ်ကြောင့် တောင်းဆိုနေသည်ကို မည်သည့်အလွှာမျှ မမြင်နိုင်ပါ။ ဆေးဘက်ဆိုင်ရာ ပုံဆွဲသူ၊ တရားလိုဘက် ကားတိုက်မှု ပြန်လည်တည်ဆောက်သည့် ကျွမ်းကျင်သူနှင့် စိတ်ဆိုးဝါးသူ သုံးဦးလုံး တူညီသော နာမ်ကို ရိုက်ထည့်ကြသည်။ Filter က နာမ်ကို မြင်သည်၊ ခန္ဓာဗေဒ စာအုပ် သို့မဟုတ် အမှုတွဲကို မမြင်ပါ၊ ထို့ပြင် ၎င်းကို လွတ်သွားသော အန္တရာယ်များဖြင့်သာ အမှတ်ပေးသည် — ၎င်း ဖျက်ဆီးလိုက်သော အလုပ်ဖြင့် ဘယ်တော့မှ အမှတ်မပေးပါ။ ထို မညီမျှမှုအောက်တွင် မည်သည့် လုပ်ငန်းရှင်အတွက်မဆို ဆင်ခြင်တုံတရားရှိသော ရွေးချယ်မှုမှာ ပိုငြင်းပယ်ရန် ဖြစ်သည်။ ထို့ကြောင့်လည်း "ပြန်ရေးလိုက်ပါ" ဆိုသည်မှာ ဖြေရှင်းချက် မဟုတ်ပါ — ပြန်ရေးခြင်းက filter ကို မရှိသေးသော အချက်အလက်တစ်ခုမျှ မပေးပါ၊ သင့် prompt ကို ခလုတ်တိုက်စေသည့် စကားလုံးများနှင့် ဝေးအောင် ရွှေ့ပေးရုံသာ ဖြစ်ပြီး၊ ထိုအရာက များသောအားဖြင့် သင် ဆိုလိုသည့်အရာနှင့် ဝေးသွားခြင်း ဖြစ်သည်။

02Content filter များ တကယ်တမ်း တားဆီးရန် ရှိနေသည့် အရာများ

Filter များကို အကြောင်းမဲ့ တည်ဆောက်ထားသည်ဟု ဟန်ဆောင်သော filter မဲ့ ထုတ်လုပ်ခြင်း အတွက် ငြင်းခုံချက်သည် ဖတ်ရန် မထိုက်တန်ပါ။ မည်သူ တောင်းဆိုသည်၊ အဘယ်ကြောင့် တောင်းဆိုသည်ကို မကြည့်ဘဲ ရုပ်ပုံ ကိုယ်တိုင်ထဲတွင် အန္တရာယ် တည်ရှိနေသော ပုံထွက် အနည်းငယ် ရှိသည် —

• ကလေးသူငယ် ပါဝင်သော လိင်ပိုင်းဆိုင်ရာ အကြောင်းအရာ။ မည်သည့် အခြေအနေကမျှ ခွင့်ပြုနိုင်ဖွယ် မဖြစ်စေပါ၊ မည်သည့် ပရော်ဖက်ရှင်နယ် အလုပ်လည်း မလိုအပ်ပါ။
• အမှန်တကယ် လူပုဂ္ဂိုလ်များ၏ သဘောတူညီမှုမပါသော ကိုယ်ရေးကိုယ်တာ ရုပ်ပုံများ။ အန္တရာယ်သည် သဘောမတူခဲ့သူအပေါ် ကျရောက်ပြီး၊ ဖယ်ရှားပေးခြင်းက ၎င်းကို ပြန်မဖျက်နိုင်ပါ။
• ပစ်မှတ်ထား နှောင့်ယှက်ခြင်းနှင့် အသရေဖျက် လုပ်ကြံဖန်တီးမှု — အမည်ရှိ ပုဂ္ဂိုလ်တစ်ဦးက မလုပ်ခဲ့သည့်အရာကို လုပ်ခဲ့ဟန် ဖန်တီးခြင်း။
• အတုပြုလုပ်ရန် အဆင့်မီ စာရွက်စာတမ်းများ — စစ်မှန်သည်ဟု ထင်မှတ်စေရန် ပြုလုပ်ထားသော နိုင်ငံကူးလက်မှတ်၊ မှတ်ပုံတင်၊ ငွေစက္ကူ၊ တံဆိပ်တုံးနှင့် ငွေရေးကြေးရေး စာချုပ်များ။
• လှည့်စားသော အတု သက်သေခံ ရုပ်ပုံများ — အမှန်တကယ် ဖြစ်ရပ်များ၏ လုပ်ကြံ ရုပ်ပုံများကို သရုပ်ဖော်ချက် အဖြစ် မဟုတ်ဘဲ မှတ်တမ်း အဖြစ် တင်ပြခြင်း။

ဤစာရင်းသည် တိုတောင်းပြီး ဖွဲ့စည်းပုံ ရှိသည် — အန္တရာယ်သည် ထုတ်ကုန်ထဲတွင်၊ အမှန်တကယ် လူ သို့မဟုတ် စာရွက်စာတမ်းနှင့် ဆင်တူမှုထဲတွင်၊ ထို့ပြင် ၎င်းကို အမှန်တရား အဖြစ် တင်ပြခြင်းထဲတွင် တည်ရှိသည်။ စာရင်းထဲ မပါဝင် သည့်အရာကို သတိပြုပါ — ကိုယ်လုံးတီး၊ သွေး၊ လက်နက်၊ သမိုင်းဝင် ရက်စက်မှု၊ နိုင်ငံရေး ကဲ့ရဲ့မှု။ ထိုအရာများသည် ဆေးပညာ၊ သတင်းစာပညာ၊ အနုပညာ၊ မှုခင်းသိပ္ပံနှင့် သရော်စာ၏ ကုန်ကြမ်းများ ဖြစ်ပြီး၊ ၎င်းတို့ကို အန္တရာယ် အမျိုးအစားများအဖြစ် ဆက်ဆံသော filter တစ်ခုသည် မည်သည့် အကြောင်းအရာများက လေးစားထိုက်သည် ဆိုသည့် ပိုကျယ်ပြန့်သော အယူအဆတစ်ခုကို အကောင်အထည်ဖော်နေခြင်း ဖြစ်သည်။

Shannon သည် ထိုစာရင်းထဲက အရာအားလုံးကို "placenta" ကိုပါ ဖမ်းမိသည့် စကားလုံး ဇယားတစ်ခုဖြင့် မဟုတ်ဘဲ၊ အမည်ဖော်ပြထားသော အမျိုးအစားများနှင့် အကျိုးဆက်များပါဝင်သည့် ထုတ်ဝေထားသော တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ ဖြင့် တားမြစ်သည်။ တစ်ခုမှာ သင် ဖတ်နိုင်ပြီး ကျွန်ုပ်တို့ကို တာဝန်ခံစေနိုင်သော စည်းမျဉ်း ဖြစ်သည်၊ အခြားတစ်ခုမှာ သင် မမြင်နိုင်သော classifier တစ်ခုက သင့်ရည်ရွယ်ချက်ကို မှန်းဆထားခြင်း ဖြစ်သည်။

03အလွန်အကျွံ ငြင်းပယ်မှု ပြဿနာ ဘယ်လောက် ကြီးသလဲ။ သုတေသနက ဘာကို တိုင်းတာသလဲ

မကြာသေးမီအထိ ရုပ်ပုံ မော်ဒယ်များတွင် အလွန်အကျွံ ငြင်းပယ်ခြင်းသည် ပုံပြင်တစ်ခုသာ ဖြစ်ခဲ့သည် — တူညီသော ဇာတ်လမ်းရှိသူ ထောင်ပေါင်းများစွာ ရှိပြီး ၎င်းကို တိုင်းတာနည်း မရှိခဲ့ပါ။ ထိုအခြေအနေကို OVERT (OVEr-Refusal evaluation on Text-to-image models) က ပြောင်းလဲပစ်ခဲ့သည်။ Ziheng Cheng, Somayeh Sojoudi, Xuandong Zhao, Dawn Song နှင့် Song Mei တို့ပါဝင်သော UC Berkeley အဖွဲ့က ICML 2025 တွင် တင်ပြခဲ့သည့် ၎င်းသည် စာသားမှ ရုပ်ပုံ စနစ်များက လုံးဝ အန္တရာယ်ကင်းသော prompt များကို မည်မျှ မကြာခဏ ငြင်းပယ်သည်ကို တိုင်းတာသည့် ပထမဆုံး ကြီးမားသော စံညွှန်း ဖြစ်သည်။

ဒီဇိုင်းက အရေးကြီးသည်။ prompt 4,600 ကို အန္တရာယ်ကင်းပါလျက် အန္တရာယ်ရှိပုံ ပေါက် အောင် တည်ဆောက်ထားသည် — ခွဲစိတ်ဓား၊ ဒဏ်ရာ သို့မဟုတ် ဆန္ဒပြပွဲကို ဖော်ပြသည့် အမှန်တကယ် ပရော်ဖက်ရှင်နယ် တောင်းဆိုချက်၏ ပုံသဏ္ဌာန် — ထို့ပြင် အမှန်တကယ် အန္တရာယ်ရှိသော prompt 1,785 ကို ထိန်းချုပ်နမူနာ အဖြစ် ဘေးတွင် ထားသဖြင့် မော်ဒယ်တစ်ခုသည် အားလုံးကို ငြင်းပယ်ခြင်းဖြင့် အမှတ်ကောင်း မရနိုင်ပါ။ အမျိုးအစား ကိုးမျိုးသည် တစ်ဦးချင်းနှင့် လူသိများသူများ၏ ကိုယ်ရေးကိုယ်တာ လုံခြုံမှုမှသည် မူပိုင်ခွင့်၊ ခွဲခြားဆက်ဆံမှု၊ မိမိကိုယ်ကို ထိခိုက်စေမှု၊ လိင်ပိုင်းဆိုင်ရာ အကြောင်းအရာနှင့် တရားမဝင် လုပ်ဆောင်မှုကို ဖြတ်၍ အကြမ်းဖက်မှုအထိ ဖြစ်သည်။

အဓိက တွေ့ရှိချက်မှာ အလွန်အကျွံ ငြင်းပယ်ခြင်းသည် အမျိုးအစားများနှင့် ထိပ်တန်း မော်ဒယ်များ တစ်လျှောက် ကျယ်ကျယ်ပြန့်ပြန့် ရှိနေသည် ဆိုခြင်း ဖြစ်သည်။ ဒုတိယ တွေ့ရှိချက်က ပုံမှန် ရှောင်လွှဲနည်းအတွက် ပိုဆိုးသည် — စာရေးသူများသည် prompt ပြန်ရေးခြင်း ကို ဖြေရှင်းနည်းအဖြစ် စမ်းသပ်ခဲ့ပြီး ၎င်းသည် "မူရင်း prompt များ၏ အဓိပ္ပာယ်ကို သစ္စာရှိမှု မကြာခဏ ထိခိုက်စေသည်" ဟု အစီရင်ခံသည်။ သင် တောင်းဆိုခဲ့သည့်အရာကို ပြောင်းလဲခြင်းဖြင့် filter ကို ကျော်ဖြတ်နိုင်သည်၊ ထိုအခါ သင် တောင်းဆိုခဲ့သည့်အရာ မရှိတော့ပါ။

ပိုကျဉ်းသော လေ့လာမှုတစ်ခုက pixel ဘက်မှ တူညီသော ကောက်ချက်သို့ ရောက်သည်။ An Art-centric perspective on AI-based content moderation of nudity (Riccio, Curto, Hofmann နှင့် Oliver၊ ECCV 2024 ရှိ AI4VA workshop) တွင် စာရေးသူများသည် ထုတ်လုပ်မှုသုံး NSFW classifier သုံးခုကို အနုပညာ ကိုယ်လုံးတီး ပုံများပေါ်တွင် အကဲဖြတ်ပြီး ကျား/မ ဘက်လိုက်မှု နှင့် ပုံစံအရ ဘက်လိုက်မှု နှစ်ခုလုံးကို တွေ့ရှိသည် — လူပုံ လေ့လာချက်တစ်ခုအပေါ် ဆုံးဖြတ်ချက်သည် မည်သူ့ ခန္ဓာကိုယ်ကို မည်သည့် ပုံစံဖြင့် ဖော်ပြသည်အပေါ် မူတည်နေသည်။ ထိုအရာသည် လူပုံဆွဲ အနုပညာရှင်တိုင်း စိတ်ကူးယဉ်နေသည်ဟု ပြောခံရသည့် အရာကို တိုင်းတာပြီး ဖော်ပြလိုက်ခြင်း ဖြစ်သည်။

04Filter တပ်ထားသော ထုတ်လုပ်စက်များ ပိတ်ပင်လိုက်သည့် တရားဝင် အလုပ် ရှစ်မျိုး

ဤအမျိုးအစားများတွင် အလွန်အကျွံ ငြင်းပယ်ခြင်းသည် အဆင်မပြေမှု မဟုတ်ဘဲ အလုပ် ရပ်တန့်မှု ဖြစ်သည်။ ထုတ်ဝေထားသော ဖြစ်ရပ် အတိအကျ ရှိသည့်နေရာတွင် ကိုးကားထားသည်၊ အတည်မပြုနိုင်သည့်နေရာတွင် ဖြစ်ရပ်တစ်ခု လုပ်ကြံမထည့်ဘဲ အမျိုးအစားကိုသာ ဖော်ပြထားသည်။

1. ဆေးဘက်နှင့် ခန္ဓာဗေဒဆိုင်ရာ ပုံဆွဲခြင်း

ဤနယ်ပယ်တွင် အကောင်းဆုံး မှတ်တမ်းတင်ထားသော ဖြစ်ရပ်။ 2023 ခုနှစ် ဧပြီလတွင် The Intercept (Debbie Nathan) က Midjourney သည် speculum, placenta, cervix, vulva, fallopian tubes, mammary glands, uterine, urethra, hymen, sperm, condom နှင့် IUD အပါအဝင် ခန္ဓာဗေဒ ဝေါဟာရများကို ပိတ်ပင်ခဲ့ကြောင်း၊ DALL·E 2 ကမူ "pills used in medication abortion" ကို အကြောင်းအရာ မူဝါဒ မက်ဆေ့ချ်ဖြင့် ငြင်းပယ်ခဲ့ကြောင်း အစီရင်ခံခဲ့သည်။ ဤပုံစံကို ဆဲလ်ဇီဝဗေဒ ပညာရှင် သူငယ်ချင်းတစ်ဦးအတွက် လက်ဆောင်အဖြစ် အချင်း ပုံတစ်ပုံ ထုတ်ရန် ကြိုးစားခဲ့သော ဆေးခန်း ဒေတာ ခွဲခြမ်းစိတ်ဖြာသူ Julia Rockwell က ရှာဖွေတွေ့ရှိပြီး MIT Technology Review သို့ တင်ပြခဲ့သည်။ မညီမျှမှုက အထောက်အထား ဖြစ်သည် — "stethoscope" သည် ပုံမှန် ထွက်နေချိန်တွင် "speculum" ကို တားမြစ်ထားသည်။ ဝါရှင်တန် တက္ကသိုလ်မှ သုတေသီ Bill Howe က filter များကို "ham-fisted" ဟု ခေါ်ဆိုပြီး ၎င်းတို့က "မျိုးပွားမှုအကြောင်း သိပ္ပံနည်းကျ ဆွေးနွေးရန် အခြေခံအားဖြင့် မဖြစ်နိုင်အောင်" လုပ်လိုက်သည်ဟု ဆိုသည်။ လူနာ ပညာပေး၊ ခွဲစိတ်မှု ပုံအညွှန်းများနှင့် သူနာပြု သင်ရိုးများ အားလုံးသည် စကားလုံး စာရင်းတစ်ခုက မလျောက်ပတ်ဟု ဆုံးဖြတ်လိုက်သော အစိတ်အပိုင်းများ အပါအဝင် ခန္ဓာကိုယ်ကို တိကျစွာ ဖော်ပြရန် လိုအပ်သည်။

2. မှုခင်းနှင့် မတော်တဆမှု ပြန်လည်တည်ဆောက်ခြင်း

ကားတိုက်မှု ပြန်လည်တည်ဆောက်ခြင်း၊ မီးလောင်ရာ မူလအရင်းအမြစ် ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် ရုံးတော် သရုပ်ပြ ပစ္စည်းများသည် ပျက်စီးမှု၊ ဒဏ်ရာနှင့် အကြမ်းဖက် လှုပ်ရှားမှုများကို ဆေးပညာအရ တိကျစွာ ဖော်ပြရန် လိုအပ်သည်။ "သွေး" သို့မဟုတ် "သေနတ်ဒဏ်ရာ" ကို ငြင်းပယ်ရန် ချိန်ညှိထားသော filter တစ်ခုသည် ထို ပညာရပ်တစ်ခုလုံးကို ငြင်းပယ်လိုက်ခြင်း ဖြစ်သည် — ဆက်စပ်မှု ဖြစ်သည့် ကျွမ်းကျင်သူ အစီရင်ခံစာ၊ အာမခံ အမှုတွဲသည် classifier အတွက် မမြင်နိုင်ပါ၊ ထို့ပြင် ထိုသို့သော ရုပ်ပုံများကို ရုံးတင်နိုင်စေသည့် ကြားနေမှု ကိုယ်တိုင်က ၎င်းတို့ကို ရက်စက်ကြမ်းကြုတ်ပုံ အဖြစ် ဖတ်စေသည်။

3. အနုပညာ ကိုယ်လုံးတီး ပုံနှင့် လူပုံ ပုံဆွဲခြင်း

ကိုယ်လုံးတီး ပုံသည် နေရာတိုင်းတွင် အနုပညာ၏ အခြေခံ အကြောင်းအရာ ဖြစ်ပြီး၊ လူပုံ လေ့လာခြင်းသည် အနုပညာ ပညာရေး၏ အနှစ်သာရ ဖြစ်သည်။ အထက်ပါ ECCV 2024 ရလဒ်သည် အနုပညာရှင်များ ပြောသည့်အရာကို တိုင်းတာပြီး ဖော်ပြထားခြင်း ဖြစ်သည် — classifier များသည် လူပုံ လေ့လာချက်နှင့် ညစ်ညမ်းပုံကို ယုံကြည်စိတ်ချရစွာ မခွဲခြားနိုင်ပါ၊ ၎င်းတို့၏ အမှားများသည် ကျား/မနှင့် ပုံစံအရ ဘက်လိုက်နေသည် — အသိအမှတ်ပြုသင့်သည့် ရိုးရာအပေါ်တွင်ပင် အပြင်းထန်ဆုံး ဖြစ်နေသော filter တစ်ခု။

4. သမိုင်းဝင်နှင့် စစ်ပွဲ ရုပ်ပုံများ

ကျောင်းသုံးစာအုပ် အနုပညာ၊ ပြတိုက် အနက်ဖွင့်ခြင်းနှင့် အထိမ်းအမှတ် စီမံကိန်းများသည် ယူနီဖောင်း၊ လက်နက်၊ စခန်း၊ တိုက်ပွဲနှင့် ရက်စက်မှုများကို ဖော်ပြရန် လိုအပ်သည်။ 2024 ခုနှစ် ဖေဖော်ဝါရီလ Gemini ဖြစ်ရပ်သည် ချို့ယွင်းမှုက ဆန့်ကျင်ဘက် ဦးတည်ရာသို့ သွားပြီး တူညီသော ပျက်စီးမှုကို ဖြစ်စေခဲ့သောကြောင့် သင်ခန်းစာ ဖြစ်သည်။ Google သည် Gemini က နာဇီခေတ် ဂျာမန် စစ်သားများ အပါအဝင် သမိုင်းဝင် အဖွဲ့များကို လူမျိုးအရ ပြန်လည် ဖွဲ့စည်းထားသော ပုံများ ထုတ်လုပ်ပြီးနောက် 2024 ခုနှစ် ဖေဖော်ဝါရီ 22 တွင် လူပုံများ ထုတ်လုပ်နိုင်စွမ်းကို ရပ်ဆိုင်းလိုက်သည်။ CEO Sundar Pichai က ထိုပုံထွက်များကို "completely unacceptable" ဟု ဆိုခဲ့သည်၊ SVP Prabhakar Raghavan က မော်ဒယ်သည် "overcompensated" ဖြစ်ပြီး "over-conservative" ဖြစ်သွားကြောင်း ဝန်ခံခဲ့သည်။ ဆက်စပ်မှုကို မမြင်နိုင်သော ဘေးကင်းရေးက သမိုင်းဝင် ရုပ်ပုံများကို ပိုဘေးကင်းအောင် မလုပ်နိုင်ခဲ့ပါ — ၎င်းက မှားစေခဲ့ပြီး၊ သမိုင်း ထုတ်ဝေသူတစ်ဦးအတွက် ထိုအရာက ပိုဆိုးသည်။

5. စိတ်ကူးယဉ်နှင့် ရုပ်ရှင် ကြိုတင် မြင်ယောင်ခြင်းထဲက အကြမ်းဖက်မှု

Storyboard များ၊ concept art၊ ကာတွန်းနှင့် ဂိမ်း ဒီဇိုင်းများသည် ဝတ္ထုနှင့် ရုပ်ရှင်များ ဖော်ပြသည့် အကြောင်းရင်း အတိုင်းပင် အကြမ်းဖက်မှုကို ဖော်ပြသည်။ ကြောက်စရာ storyboard တစ်ခုနှင့် ခြိမ်းခြောက်မှုတစ်ခုကို မခွဲခြားနိုင်သော filter တစ်ခုသည် ဇာတ်လမ်း အနုပညာ လုပ်ငန်းစဉ် တစ်ခုလုံးကို သံသယဖြင့် ဆက်ဆံသည် — storyboard တစ်ခုသည် သရုပ်ဆောင်များနှင့် အထူးပြု အဖွဲ့များ တင်ဆက်မည့် မြင်ကွင်းတစ်ခုအတွက် အစီအစဉ်ဖြစ်ကာ အမှန်တကယ် မဟုတ်ကြောင်း ရှင်းလင်းစွာ ဖော်ပြထားပါလျက် ဖြစ်သည်။

6. နိုင်ငံရေး သရော်စာနှင့် အယ်ဒီတာ ကာတွန်း

အာဏာရှိသူများကို ကာတွန်းဆွဲခြင်းသည် ဒီမိုကရေစီနိုင်ငံ အများစုတွင် အကာအကွယ် အရဆုံး လွတ်လပ်စွာ ပြောဆိုခွင့် အမျိုးအစားများထဲတွင် ပါဝင်ပြီး၊ ရုပ်ပုံ filter တစ်ခုက ပထမဆုံး ဖယ်ရှားလေ့ရှိသည့်အရာလည်း ဖြစ်သည်။ အထင်ရှားဆုံး မှတ်တမ်းတင် ဖြစ်ရပ်မှာ Midjourney သည် 2023 ခုနှစ် ဧပြီလတွင် တရုတ်နိုင်ငံ သမ္မတ Xi Jinping ၏ ရုပ်ပုံများကို တားမြစ်ကာ prompt များတွင် ၎င်း၏ အမည်ကို ပိတ်ပင်ခဲ့ခြင်း ဖြစ်သည် — PetaPixel၊ Decrypt နှင့် အခြားများက အစီရင်ခံခဲ့သည် — အခြား ကမ္ဘာ့ခေါင်းဆောင်များကိုမူ ဆက်လက် ခွင့်ပြုထားသည်။ တည်ထောင်သူ David Holz က ကုမ္ပဏီအနေဖြင့် "minimize drama" လုပ်လိုကြောင်းနှင့် "တရုတ်ပြည်သူများ ဤနည်းပညာကို သုံးနိုင်စွမ်းသည် သင့် သရော်စာ ထုတ်နိုင်စွမ်းထက် ပိုအရေးကြီးသည်" ဟု Discord တွင် ရှင်းပြခဲ့သည်။ Foundation for Individual Rights and Expression မှ Sarah McLaughlin က ၎င်းကို ဆင်ဆာဖြတ်ခြင်းဟု ခေါ်ဆိုခဲ့သည်။ စီးပွားရေး တွက်ချက်မှုအပေါ် မည်သို့ ကောက်ချက်ချသည် ဖြစ်စေ၊ ယန္တရားကို အမည်တပ်ထိုက်သည် — နိုင်ငံတစ်ခု၏ လွတ်လပ်စွာ ပြောဆိုခွင့် ကန့်သတ်ချက်ကို ကမ္ဘာတစ်ဝှမ်း အသုံးပြုသူ တိုင်း အပေါ် ကျင့်သုံးလိုက်ခြင်း ဖြစ်သည်၊ အကြောင်းမှာ ကမ္ဘာလုံးဆိုင်ရာ filter တစ်ခုတွင် ဆက်တင် တစ်ခုသာ ရှိသောကြောင့် ဖြစ်သည်။

7. လုံခြုံရေး သုတေသနနှင့် phishing အသိပညာပေး ပစ္စည်းများ

လုံခြုံရေး အဖွဲ့များသည် သတိပေးလိုသည့် အရာနှင့် တူရမည့် သင်တန်း ပစ္စည်းများ တည်ဆောက်ကြသည် — ယုံကြည်ဖွယ်ရာ အတု login စာမျက်နှာ၊ အတု ငွေတောင်းခံလွှာ၊ ကားရပ်နားခ စက်ပေါ်က အန္တရာယ်ရှိ QR code။ Classifier တစ်ခုအတွက် ထိုအရာသည် ၎င်း ကာကွယ်ပေးလိုသော တိုက်ခိုက်မှုနှင့် မခွဲခြားနိုင်ပါ — တူညီအောင် လုပ်ခြင်းက အဓိက ရည်ရွယ်ချက် ဖြစ်သည် — ထို့ကြောင့် filter များသည် ကာကွယ်ရေးနှင့် တိုက်ခိုက်ရေးကို တူညီစွာ ပိတ်ပင်ပြီး၊ filter တပ်ထားသော စားသုံးသူ ကိရိယာကို ဘယ်တော့မှ သုံးမည် မဟုတ်သော တိုက်ခိုက်သူကို အားသာစေသည်။

8. မိမိတို့၏ အမှတ်တံဆိပ်၊ ကုန်ပစ္စည်း သို့မဟုတ် ရုပ်ပုံသဏ္ဌာန်ကို ငြင်းပယ်ခံရသော အခွင့်အရေးပိုင်ရှင်များ

မူပိုင်ခွင့်နှင့် ကုန်အမှတ်တံဆိပ် စစ်ထုတ်ခြင်းသည် ပိုင်ဆိုင်မှုကို မစစ်ဆေးပါ၊ ဆင်တူမှုကိုသာ စစ်ဆေးသည်။ ကုမ္ပဏီတစ်ခုသည် မိမိ လိုဂို သို့မဟုတ် ကုန်ပစ္စည်း ရုပ်ပုံကို လွယ်လွယ် မထုတ်နိုင်ပါ၊ အခွင့်အရေးပိုင်ရှင်တစ်ဦးသည် မိမိ ဇာတ်ကောင်ကို မပုံဖော်နိုင်ပါ၊ လူများသည် မိမိတို့၏ ကိုယ်ပိုင် မျက်နှာကိုပင် မကြာခဏ မထုတ်နိုင်ကြပါ၊ အကြောင်းမှာ ရုပ်ပုံသဏ္ဌာန် filter များသည် သဘောတူညီမှုအပေါ် မဟုတ်ဘဲ မှတ်မိနိုင်မှုအပေါ် အခြေခံသောကြောင့် ဖြစ်သည်။ ဤ မှားယွင်း ငြင်းပယ်မှု အလွန် များပြားသောကြောင့်ပင် OVERT သည် ၎င်း၏ အလွန်အကျွံ ငြင်းပယ်မှု အမျိုးအစား ကိုးမျိုးထဲတွင် "copyright violations" ကို ထည့်သွင်းထားသည်။ Filter သည် ဤအရာအပေါ် သင့်တွင် အခွင့်အရေး ရှိပါသလား။ ဆိုသည့် မေးခွန်းအတွက် ထုံထိုင်းသော ကိရိယာတစ်ခု ဖြစ်ပြီး၊ ၎င်းတွင် ထိုမေးခွန်းကို မေးနည်း လုံးဝ မရှိပါ။

အထက်ပါ ရှစ်ခုအနက် လေးခုကို ထုတ်ဝေထားသော ဖြစ်ရပ် အတိအကျဖြင့် ချည်နှောင်ထားသည် (ဆေးဘက်၊ အနုပညာ ကိုယ်လုံးတီး ပုံ၊ သမိုင်း၊ သရော်စာ)၊ ရှစ်ခုမြောက်အတွက် OVERT ၏ မူပိုင်ခွင့် အမျိုးအစားကို ထည့်သွင်းထားသည်။ မှုခင်းဆိုင်ရာ၊ စိတ်ကူးယဉ် ကြိုတင် မြင်ယောင်ခြင်းနှင့် လုံခြုံရေး အသိပညာပေး ပစ္စည်းများကို အမျိုးအစား အဖြစ် ဖော်ပြထားသည် — ၎င်းတို့သည် ထိခိုက်ခံရသော ပရော်ဖက်ရှင်နယ် အလုပ်၏ လူသိများသည့် အမျိုးအစားများ ဖြစ်သော်လည်း ထုတ်ဝေထားသော ဖြစ်ရပ် အတိအကျကို ကျွန်ုပ်တို့ အတည်မပြုနိုင်ခဲ့ပါ။

05AI အနုပညာ ထုတ်လုပ်စက်များက မှားသောအရာများကို အဘယ်ကြောင့် ပိတ်သလဲ၊ content filter မှားယွင်း ငြင်းပယ်မှုများကို အဘယ်ကြောင့် ချိန်ညှိ၍ မဖယ်ရှားနိုင်သလဲ

အလွန်အကျွံ ပိတ်ပင်မှုအပေါ် ပင်ကိုယ် တုံ့ပြန်ချက်မှာ "အဆင့်သတ်မှတ်ချက်ကို လျှော့လိုက်ပါ" ဖြစ်သည်။ ၎င်း အလုပ်မဖြစ်ပါ၊ ကြိုးစားမှု မလုံလောက်၍ မဟုတ်ဘဲ ဖွဲ့စည်းပုံဆိုင်ရာ အကြောင်းရင်းများကြောင့် ဖြစ်သည်။

အမျိုးအစားများသည် အချက်ပြမှုတွင် ထပ်နေသော်လည်း လက်တွေ့တွင် မထပ်ပါ။ ခွဲစိတ်မှု ပုံဆွဲခြင်းနှင့် ညစ်ညမ်းပုံသည် ကိုယ်လုံးတီးကို မျှဝေသုံးသည်။ မှုခင်း ပြန်လည်တည်ဆောက်မှုနှင့် ရက်စက်ကြမ်းကြုတ်မှုသည် သွေးကို မျှဝေသုံးသည်။ အသိပညာပေး slide တစ်ခုနှင့် phishing kit တစ်ခုသည် အတု login form ကို မျှဝေသုံးသည်။ သရော်စာ ကာတွန်းနှင့် အသရေဖျက် လုပ်ကြံမှုသည် မှတ်မိနိုင်သော နိုင်ငံရေးသမားကို မျှဝေသုံးသည်။ တစ်တွဲချင်းစီကို ခွဲခြားပေးသည့်အရာမှာ ရည်ရွယ်ချက်နှင့် တင်ပြပုံ ဖြစ်ပြီး၊ ၎င်းသည် prompt ထဲတွင်လည်း မရှိ၊ pixel များထဲတွင်လည်း မရှိပါ။ input နေရာတွင် တူညီသော ဒေသကို ယူထားသည့် လူဦးရေ နှစ်ခုကို မည်သည့် အဆင့်သတ်မှတ်ချက်ကမျှ မခွဲခြားနိုင်ပါ၊ ၎င်းကို ရွှေ့ခြင်းက အမှားတစ်မျိုးကို အခြားတစ်မျိုးနှင့် လဲလှယ်ရုံသာ ဖြစ်သည်။ ထိုအရာကို Gemini ဖြစ်ရပ်က ပြသခဲ့သည် — ချို့ယွင်းချက်တစ်ခုကို ပြင်ရန် ရည်ရွယ်သော လုပ်ဆောင်ချက်တစ်ခုက Google ၏ ကိုယ်ပိုင် SVP က "overcompensated" ဟု ဖော်ပြသည့် နောက်ချို့ယွင်းချက်တစ်ခုကို ဖြစ်ပေါ်စေခဲ့သည်။

ကုန်ကျစရိတ်များသည် သင့်အပေါ် မဟုတ်ဘဲ လုပ်ငန်းရှင်အပေါ် မညီမျှသည်။ အန္တရာယ်ရှိ ရုပ်ပုံတစ်ခုကို လွှတ်ပေးလိုက်သော filter တစ်ခုက သတင်း တစ်ပုဒ် ဖြစ်စေသည်။ တရားဝင် ရုပ်ပုံ တစ်သောင်းကို ပိတ်လိုက်သော filter တစ်ခုက တိတ်ဆိတ်မှုကို ဖြစ်စေသည်၊ အကြောင်းမှာ ငြင်းပယ်ခံရသူများသည် စုစည်းခြင်း မရှိဘဲ လက်လျှော့လိုက်ကြသောကြောင့် ဖြစ်သည်။ ထို မညီမျှမှုအောက်ရှိ အန္တရာယ် စီမံခန့်ခွဲမှုသည် အလွန်အကျွံ ပိတ်ပင်ခြင်းသို့ အမြဲတမ်း ဦးတည်သွားသည်။ ထို့ပြင် အခြေခံ ဆုံးဖြတ်ချက်သည် မဖြစ်နိုင်သောကြောင့် ပိတ်ပင်စာရင်းများသည် ဖြစ်ရပ်များ ပေါ်လာသည်နှင့်အမျှ စာလုံးအတိအကျများကို စုပုံသွားသည်၊ ထိုနည်းဖြင့်ပင် "stethoscope" အဆင်ပြေပြီး "speculum" ပိတ်ပင်ခံရခြင်း ဖြစ်သည်။ အမျိုးသမီး သီးသန့် ကိရိယာများက ပို အန္တရာယ်ရှိသည်ဟု မည်သူမျှ မဆုံးဖြတ်ခဲ့ပါ၊ တိုင်ကြားမှုများ ရောက်ရာနေရာတွင် စာရင်းက ကြီးထွားခဲ့ခြင်း ဖြစ်သည်။ ၎င်းသည် အန္တရာယ် သီအိုရီတစ်ခု မဟုတ်ဘဲ လုပ်ငန်းရှင်တစ်ဦး၏ ပြန်ကြားရေး သမိုင်းကို မှတ်တမ်းတင်ထားခြင်း ဖြစ်သည်။

အတင်းကျပ်ဆုံး တရားစီရင်ပိုင်ခွင့် နယ်မြေသည် ကမ္ဘာလုံးဆိုင်ရာ စံ ဖြစ်လာသည်။ Filter တစ်ခုတည်းက နိုင်ငံတိုင်းရှိ အသုံးပြုသူ တိုင်းကို ဝန်ဆောင်မှုပေးသဖြင့်၊ ဈေးကွက်တစ်ခုအတွက် ထည့်လိုက်သော ကန့်သတ်ချက်ကို အားလုံးဆီသို့ တင်ပို့လိုက်သည် — Xi Jinping စည်းမျဉ်းသည် စာအုပ်ထဲက ဥပမာ ဖြစ်သည်။ ထို့ပြင် သင့် prompt ကို ပြန်ရေးခြင်းက သင့်အဓိပ္ပာယ်ကို ဖျက်ဆီးသည်၊ ၎င်းသည် OVERT ၏ စမ်းသပ်မှု အချက် ဖြစ်သည် — filter ကို ကျော်ရန် တောင်းဆိုချက်တစ်ခုကို ယဉ်ကျေးသော စကားလုံးဖြင့် လျှော်ဖွတ်ခဲ့ဖူးသော ပရော်ဖက်ရှင်နယ် တိုင်းက ၎င်းကို ကိုယ်တိုင် အတည်ပြုပြီး ဖြစ်သည်။ သင် မနိုင်ခဲ့ပါ၊ အလျှော့ပေးလိုက်ခြင်း ဖြစ်သည်။

ဤအရာ မည်သည့်အရာမျှ အခမဲ့ မဟုတ်ပါ၊ ထို့ပြင် ၎င်းသည် တိတ်တဆိတ် ကျရှုံးသောကြောင့် ကုန်ကျစရိတ်သည် လုပ်ငန်းရှင် ကြည့်ရှုသည့် တိုင်းတာချက်များထဲတွင် မမြင်ရပါ။ ငြင်းပယ်ခံရမှု များလာသောအခါ သင် တောင်းဆိုတော့မည် မဟုတ်ဘဲ၊ prompt တိုင်းကို ဖြတ်သန်းနိုင်မည်ဟု ခန့်မှန်းရသည့် အတိုင်းအတာအထိ ကြိုတင် ကျဉ်းအောင် လုပ်တော့သည်။ နောက်ဆုံး ဖြတ်သန်းသွားသော ယဉ်ကျေးစကားက သင့်စာတမ်း လိုအပ်သည့်အရာနှင့် နီးသော်လည်း တူညီမှု မရှိသည့် ရုပ်ပုံတစ်ခုကို ပေးသည်။ ယေဘုယျ မူဝါဒ မက်ဆေ့ချ်တစ်ခုက မည်သည့် အလွှာက တုံ့ပြန်လိုက်သည်ကို မပြောသဖြင့် သင် မှန်းဆပြီး ထပ်ကြိုးစားရုံသာ ရှိသည် — ရုပ်ပုံ အလုပ်သည် ထပ်ခါထပ်ခါ လုပ်ရသည့် အလုပ်ဖြစ်သဖြင့် ကြိုးစားချက် ငါးခုတွင် တစ်ခုကို ဖမ်းမိသော filter တစ်ခုသည် နှေးကွေးစေရုံမျှ မဟုတ်ဘဲ ထို လည်ပတ်မှုကို ချိုးဖျက်ပစ်သည်။ ဤအတောအတွင်း အလေးအနက် ကိရိယာများ ရထိုက်ဆုံး နယ်ပယ်များတွင် သုံးသပ်ပေးသူ မရှိ၊ အယူခံဝင်ခွင့် မရှိ၊ ပိတ်ပင်ထားသည်များ၏ ထုတ်ဝေထားသော စာရင်းလည်း များသောအားဖြင့် မရှိပါ။ သင် မဖတ်နိုင်သော စည်းမျဉ်းသည် စည်းမျဉ်း မဟုတ်ပါ၊ ရာသီဥတု ဖြစ်သည်။

06ဆင်ဆာမဲ့ နှင့် filter တပ် AI ရုပ်ပုံ ထုတ်လုပ်စက် — တကယ် ဘာ ပြောင်းလဲသလဲ

Filter မဲ့ စနစ်တစ်ခုက သင့်အား မပေးနိုင် သည့်အရာ အပါအဝင် ဤနှိုင်းယှဉ်ချက်၏ ရိုးသားသော ပုံစံမှာ ဤသို့ ဖြစ်သည်။

အချက်	Filter တပ် ထုတ်လုပ်စက်	Filter မဲ့ (Shannon)
ဘာက ဆုံးဖြတ်သလဲ	စကားလုံးနှင့် pixel ဖတ်သော classifier	prompt အတိအကျကို ဖတ်သော လူတစ်ဦး
ဘယ်အချိန် သိရသလဲ	တင်ပြီးမှ — တစ်ခါတစ်ရံ ငွေပေးပြီးမှ	ပုံမထွက်မီ၊ ငွေမကျမီ
စည်းမျဉ်းက ဘာလဲ	မထုတ်ဝေထားသော၊ ပြောင်းလဲနေသော ပိတ်ပင်စာရင်းများ	ထုတ်ဝေထားသော တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ
ပရော်ဖက်ရှင်နယ် ဆက်စပ်မှု	စနစ်အတွက် မမြင်နိုင်	သင် ကိုင်ရမည့်၊ သင် တာဝန်ခံရမည့် အရာ
ချို့ယွင်းပုံ	တိတ်တဆိတ် အလွန်အကျွံ ပိတ်ပင်ခြင်း၊ အဓိပ္ပာယ် လွဲချော်ခြင်း	သင် တောင်းဆိုသည့်အရာ ရသည် — အမှားများ အပါအဝင်
အန္တရာယ်ကို ဘယ်သူ ထမ်းသလဲ	ရောင်းချသူ၊ သင့်အလုပ်အပေါ်သို့ လွှဲပြောင်းထားသည်	မျှဝေထား — လုပ်ငန်းရှင် မူဝါဒ အပေါင်း အသုံးပြုသူ တာဝန်ခံမှု

နောက်ဆုံး အတန်းသည် လူများ ကျော်လွှားလေ့ရှိပြီး အရေးကြီးဆုံး အတန်း ဖြစ်သည်။ Filter တစ်ခု ဖယ်ရှားခြင်းက အပိုင်း 02 ရှိ အန္တရာယ် အမျိုးအစားများကို မဖယ်ရှားပါ၊ ၎င်းတို့အကြောင်း မှားယွင်းစွာ မှန်းဆနေသော စက် ကို ဖယ်ရှားလိုက်ခြင်း ဖြစ်သည်။ တာဝန်သည် မူလနေရာတွင်ပင် ရှိနေပြီး၊ ယခုအခါ ဆက်စပ်မှုကို ဆင်ခြင်နိုင်သော နှစ်ဖက်က ကိုင်ထားသည် — မူဝါဒတစ်ခုကို ထုတ်ဝေပြီး အတည်ပြု ကျင့်သုံးသည့် လုပ်ငန်းရှင်နှင့်၊ ရုပ်ပုံကို ဘာအတွက် သုံးမည်ကို သိသော သင်။ Filter မဲ့ AI ရုပ်ပုံ ထုတ်လုပ်ခြင်း သည် မိမိ ပုံထွက်အတွက် ရပ်တည်ရန် အသင့်ရှိပြီးသား လူများအတွက် ကိရိယာ ဖြစ်သည် — ခွဲစိတ်ဆရာဝန်၏ ပုံအညွှန်း၊ ကျွမ်းကျင်သူ အစီရင်ခံစာ၊ storyboard၊ ကာတွန်း — ၎င်းတို့ကို အခြားသူတစ်ဦးနှင့် မခွဲခြားနိုင်သော စနစ်တစ်ခုက ရပ်တန့်ခဲ့ခြင်း ဖြစ်သည်။

07Shannon လုပ်ဆောင်ပေးသည့်အရာ — နှင့် မလုပ်သည့်အရာ

အထူးသဖြင့် API ရှာဖွေမှုမှ ရောက်လာသော စာဖတ်သူများအတွက် ဤနေရာတွင် တိကျမှုသည် စိတ်အားထက်သန်မှုထက် ပို အရေးကြီးသည်။

လုပ်ဆောင်ပေးသည့်အရာ

• ထုတ်လုပ်ခြင်း။ ရုပ်ပုံတစ်ခုကို မည်သည့်ဘာသာစကားဖြင့်မဆို ရိုးရိုးစကားဖြင့် ဖော်ပြပါ။ သင် မည်သည့်ဘာသာစကားဖြင့် တောင်းဆိုသည် ဖြစ်စေ Shannon က ထုတ်လုပ်ရေး prompt ကို အင်္ဂလိပ်ဘာသာဖြင့် ကိုယ်တိုင် ရေးသည်။
• ရုပ်ပုံ တစ်ခု တည်းဖြတ်ခြင်း။ မူရင်း တစ်ခုတည်း — စကားဝိုင်းထဲတွင် ရှိပြီးသား ပုံ သို့မဟုတ် သင့် လက်ရှိ မက်ဆေ့ချ်တွင် ပူးတွဲထားသော ပုံ — ကို ဘာပြောင်းပြီး ဘာကျန်ရစ်မည်ဟု ဖော်ပြသည့် ညွှန်ကြားချက်ဖြင့် ပြောင်းလဲသည်။ ပုံထွက်သည် မူရင်း အချိုးအစားကို အလိုအလျောက် ထိန်းသိမ်းသည်။
• ရုပ်ပုံ နှစ်ခု သို့မဟုတ် ထို့ထက်ပို ပေါင်းစပ်ခြင်း။ ဝတ်စုံ ပြောင်းလဲခြင်း၊ အရာဝတ္ထုကို မြင်ကွင်းထဲ ထည့်ခြင်း၊ လူတစ်ဦးဘေးတွင် နောက်တစ်ဦး၊ ကုန်ပစ္စည်းကို လူပေါ်တွင်၊ ပုံတစ်ခုမှ အကြောင်းအရာနှင့် အခြားပုံမှ ပုံစံ။ prompt က ပုံတစ်ခုချင်းစီ၏ အခန်းကဏ္ဍကို အစဉ်လိုက် အမည်တပ်ပြီး၊ အမှန်တကယ် ရုပ်ပုံများကို သုံးသဖြင့် ၎င်းတို့၏ တကယ့် အသွင်အပြင်ကို ပြန်ဖော်ပြခြင်းထက် ထိန်းသိမ်းပေးသည်။
• အချိုးအစား ထိန်းချုပ်ခြင်း။ square (မူလ)၊ portrait၊ landscape၊ wide နှင့် tall။ တိတိကျကျ တောင်းဆိုချက်က အမြဲ အနိုင်ရသည်။
• ကျွန်ုပ်တို့၏ ကိုယ်ပိုင် GPU ကလပ်စတာပေါ်တွင် ပုံထုတ်ခြင်း၊ ထုတ်လုပ်ရေး လမ်းကြောင်းပေါ်တွင် content filter မရှိ၊ prompt ရေးသည့် မော်ဒယ်ပေါ်တွင် ငြင်းပယ်မှု အလွှာ မရှိပါ။

မလုပ်သည့်အရာ

• ဗီဒီယို မရှိ။ Shannon သည် ရုပ်ပုံများကို လှုပ်ရှားအောင် မလုပ်ပါ၊ ဗီဒီယိုလည်း မထုတ်လုပ်ပါ။ တိတ်တဆိတ် ဖုံးကွယ်ထားသော အစီအစဉ် တစ်ခု မဟုတ်ပါ — ၎င်း မရှိပါ။
• API တွင် မဟုတ်ပါ။ ရုပ်ပုံ ထုတ်လုပ်ခြင်း၊ တည်းဖြတ်ခြင်းနှင့် ပေါင်းစပ်ခြင်းသည် Shannon chat အက်ပ်ထဲတွင် ရှိသည်။ /v1 API သည် စာသားနှင့် ရုပ်ပုံ နားလည်မှုကို ဝန်ဆောင်မှုပေးသည် — သင် ပို့သော ရုပ်ပုံများကို ဖတ် နိုင်သည် — သို့သော် ၎င်းတို့ကို ဖန်တီးမပေးပါ။
• မတောင်းဆိုဘဲ ပုံမထုတ်ပါ။ နှုတ်ဆက်စကား၊ မေးခွန်း သို့မဟုတ် ပုံမှန် ပူးတွဲထားသော ဓာတ်ပုံတစ်ပုံက ရုပ်ပုံ ထုတ်လုပ်ခြင်းကို မဖြစ်စေပါ။ Shannon အား ရုပ်ပုံတစ်ခုကို ကြည့်ခိုင်းခြင်း — ဖော်ပြခိုင်းခြင်း၊ ဖတ်ခိုင်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခိုင်းခြင်း — သည် သာမန် ရုပ်ပုံ နားလည်မှု အလုပ် ဖြစ်ပြီး ထုတ်လုပ်ခြင်း မဟုတ်သဖြင့် အပိုကုန်ကျစရိတ် မရှိပါ။

အတည်ပြု ကတ်

ဤသည်မှာ filter ကို အစားထိုးသည့် ယန္တရား ဖြစ်ပြီး၊ လုပ်ရိုးလုပ်စဉ်တစ်ခု မဟုတ်ဘဲ ဒီဇိုင်း ရွေးချယ်မှု ဖြစ်သည်။ သင် ရုပ်ပုံတစ်ခု တောင်းဆိုနေကြောင်း Shannon က ဆုံးဖြတ်သည့်အခါ ထုတ်လုပ်ရေး prompt ကို ရေးပြီး ပုံမထွက်မီ အတည်ပြု ကတ်ပေါ်တွင် သင့်အား ပြသည်။ သင် အတည်မပြုမချင်း ဘာမှ မထွက်၊ ငွေလည်း မကျပါ။

ဒီဇိုင်း နှစ်ခုကို ၎င်းတို့၏ အကျိုးအမြတ်အရ နှိုင်းယှဉ်ကြည့်ပါ။ Filter တစ်ခုသည် သင့်ထက် အချက်အလက် နည်းစွာဖြင့် သင့်ရည်ရွယ်ချက်ကို မှန်းဆပြီး၊ ထို မှန်းဆချက်ကို တိတ်တဆိတ် အတည်ပြု ကျင့်သုံးသည်။ အတည်ပြု ကတ်တစ်ခုကမူ ရုပ်ပုံ၏ စာသား သတ်မှတ်ချက် အတိအကျကို၊ ကွန်ပျူတာ စွမ်းအား မသုံးမီ၊ ၎င်း ဘာအတွက် ဖြစ်သည်ကို သိသော ဘက်၏ ရှေ့တွင် ချပြသည်။ ၎င်းသည် သင့်တောင်းဆိုချက်ကို အမှား နားလည်မှုများကို ဖမ်းမိသည်၊ filter များ ဘယ်တော့မှ မလုပ်နိုင်ပါ။ မော်ဒယ်က မလုံလောက်စွာ သတ်မှတ်ခဲ့သည့် ခန္ဓာဗေဒ တိကျမှု သို့မဟုတ် သမိုင်း အသေးစိတ်ကို ထည့်ခွင့်ပေးသည်။ ထို့ပြင် တာဝန်ကို ပျံ့လွင့်နေခြင်းထက် မြင်သာအောင် လုပ်ပေးသည်။ သင် prompt ကို မြင်ခဲ့ပြီး၊ သင် ခလုတ်ကို နှိပ်ခဲ့သည်။

08Filter မဲ့ ထုတ်လုပ်ခြင်းသည် တာဝန်ကို မြှင့်တင်သည်၊ ဖယ်ရှားခြင်း မဟုတ်ပါ

ဤအချက်သည် အောက်ခြေမှတ်စုထဲတွင် မဟုတ်ဘဲ ဤနေရာတွင် ရှိသင့်သည်၊ အကြောင်းမှာ ၎င်းသည် ငြင်းခုံချက်၏ တစ်ဝက် ဖြစ်သောကြောင့် ဖြစ်သည်။ Filter တပ်ထားသော ထုတ်လုပ်စက်တစ်ခုသည် မတည်နိုင်သော ကတိတစ်ခု ပေးသည် — ကိရိယာက သင့်ကိုယ်စား အလွဲသုံးစားမှုကို တားဆီးပေးမည် ဟူ၍။ ၎င်း ဦးတည်ရာ နှစ်ဖက်လုံးတွင် ကျရှုံးသည် — ခွဲစိတ်ဆရာဝန်ကို ပိတ်ပင်ပြီး၊ အခြားရွေးချယ်စရာများ အမြဲရှိခဲ့သော ဆုံးဖြတ်ချက်ပြတ်သားသည့် စိတ်ဆိုးဝါးသူကိုမူ မတားဆီးနိုင်ပါ။ ၎င်း ယုံကြည်စိတ်ချရစွာ လုပ်ဆောင်နိုင်သည်မှာ တာဝန်ကို အထက်ပိုင်းတွင် စက်ဖြင့် ကိုင်တွယ်ပြီးပြီဟု လူတိုင်း ခံစားရစေခြင်း ဖြစ်သည်။ Filter ကို ဖယ်ရှားခြင်းက ထို လိမ်လည်မှုကို ဖယ်ရှားလိုက်သည်၊ ရုပ်ပုံတစ်ခု ရှိသင့်၊ မရှိသင့် ဆိုသည့် မေးခွန်းသည် ၎င်းကို ဖြေနိုင်သူများထံ ပြန်ရောက်သွားသည်။

• Shannon Lab LLC ၏ တာဝန်။ မထုတ်ဝေထားသော ပိတ်ပင်စာရင်းတစ်ခုအစား တားမြစ်ထားသော အမျိုးအစားများကို အမည်ဖော်ပြထားသည့် ထုတ်ဝေထားသော၊ တိကျသော တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ — သင် ဖတ်နိုင်၊ ကိုးကားနိုင်ပြီး ကျွန်ုပ်တို့ကို တာဝန်ခံစေနိုင်သော စည်းမျဉ်းများ။
• သင့် တာဝန်။ ရည်ရွယ်ချက်၊ ပရိသတ်၊ တရားစီရင်ပိုင်ခွင့် နယ်မြေနှင့် ဖော်ပြခံရသူ တိုင်း၏ သဘောတူညီမှု အခြေအနေကို သင် သိသည်။ ကိရိယာက မသိပါ၊ classifier တစ်ခုကလည်း ဘယ်တော့မှ မသိနိုင်ပါ။ ထို အသိပညာကို အရေးကြီးဆုံး အခိုက်အတန့်တွင်၊ ၎င်းကို ပိုင်ဆိုင်သော ဘက်က အသုံးချနိုင်ရန် အတည်ပြု ကတ် တည်ရှိခြင်း ဖြစ်သည်။
• မရွေ့သော မျဉ်း။ "filter က ကျွန်တော့်ကို မတားခဲ့ဘူး" ဆိုသည်မှာ မည်သည့် မီဒီယာတွင်မျှ ခုခံချက် ဘယ်တော့မှ မဖြစ်ခဲ့ပါ။ ကင်မရာက မငြင်းပယ်ပါ၊ ခဲတံက မငြင်းပယ်ပါ။ ဥပဒေနှင့် ပရော်ဖက်ရှင်နယ် ကျင့်ဝတ်များက ကိရိယာကို မဟုတ်ဘဲ အသုံးပြုမှုကို ထိန်းချုပ်သည်။ Filter မဲ့ ထုတ်လုပ်စက်တစ်ခုသည် အခြား ပရော်ဖက်ရှင်နယ် ကိရိယာတိုင်း လည်ပတ်နေသည့် သာမန် စီစဉ်မှုကို ပြန်လည် ထူထောင်ပေးသည်။

မစတင်မီ တာဝန်သိစွာ အသုံးပြုရေး မူဝါဒ ကို ဖတ်ပါ။ ၎င်းသည် တိုတောင်းပြီး တိကျသည်၊ ဤထုတ်ကုန်၏ ကျန်အပိုင်းများကို ခုခံနိုင်စေသည့် အပိုင်း ဖြစ်သည်။

09မေးလေ့ရှိသော မေးခွန်းများ

---

အရင်းအမြစ်များ — Cheng, Huang, Xu, Sojoudi, Zhao, Song & Mei — OVERT (arXiv:2505.21347, ICML 2025) · Riccio, Curto, Hofmann & Oliver — An Art-centric perspective on AI-based content moderation of nudity (arXiv:2409.17156, AI4VA @ ECCV 2024) · Debbie Nathan, The Intercept, 2023 ခုနှစ် ဧပြီ 22 · PetaPixel, 2023 ခုနှစ် ဧပြီ 3 · CNBC, 2024 ခုနှစ် ဖေဖော်ဝါရီ 22။ Shannon AI ကို အမေရိကန်ပြည်ထောင်စု၊ New Mexico ရှိ Shannon Lab LLC က လည်ပတ်သည်။