AI-Powered Coding
မနေ့တုန်းက WebP Image Converter Plugin/Module တစ်ခုကို စမ်းကြည့်ဖို့ လုပ်ရင်းနဲ့ Dummy Image တွေ လိုလာတယ်။ ဒါနဲ့ပဲ Wallpaper Download Sites တွေကနေ ကြည့်လို့ကောင်းတဲ့ Wallpaper စုစုပေါင်း ၁၀၀ ကျော်လောက် Download လုပ်လိုက်တယ်။
ကိုယ့် စိတ်ကူးက Image တွေ အားလုံးကို 16:9 Ratio (1920px 1080px 72dpi) စံနှုန်း သတ်မှတ်ပြီး အရွယ်အစား ပြောင်းလိုက်မယ်။ ပြီးမှ Convert လုပ်မယ်။ ရလဒ်ကို ပြန်တိုက်စစ်မယ်။ ဒီလို စိတ်ကူးတယ်။ ရလဒ် ကောင်းတယ် ဆိုရင်တော့ ကိုယ် သုံးဖို့ မှန်းထားတဲ့ WebP Converter ကို သုံးမယ်။
လက်တွေ့မှာ ကြုံလာတာက Site ပေါင်းစုံ Source ပေါင်းစုံက Download လုပ်ထားတဲ့ Wallpaper Image တွေက Size/Dimension မျိုးစုံ။ GIMP/Photoshop နဲ့ Resolution တွေ ပြန်ချိန်၊ Dimension တွေကို တသမတ်တည်း ဖြစ်အောင်လုပ်မယ်ဆိုရင် အချိန်ကုန်မယ်၊ လက်ညောင်းမယ်၊ မျက်စိညောင်းမယ်။
ဒါနဲ့ပဲ Python Library Pillow ကို သုံးပြီး Wallpaper Image တွေရဲ့ Dimension ကို ပြန်စစ်၊ 1920px 1080px အောက် ဆိုရင် ပယ်ချ (ဖျက်ပစ်)။ 1920px 1080px ဒါမှမဟုတ် ဒီထက်ကြီးတဲ့ အရွယ်အစား ဆိုရင် ရွေး (ချန်ထား)။ ပြီးရင် ရွေးထားတဲ့ Image တွေကို Cropping လုပ်ပြီး PNG Format ပြောင်းမယ်။ ပြီးရင် Pillow နဲ့ Conversion လုပ်မယ်။ ကိုယ် သုံးမယ့် Plugin နဲ့လည်း Conversion လုပ်မယ်။ ထွက်လာတဲ့ Output တွေရဲ့ File Size ကို ယှဉ်ကြည့်မယ်။ ကောင်းရင် ကြိုက်ရင် သုံးမယ်။ မကြိုက်ရင် တခြား Plugin ထပ်ရှာမယ်။ လုပ်ရမှာက ဒါပဲ။ သိပ် ခက်ခက်ခဲခဲ မဟုတ်ဘူး။
ဒါနဲ့ Pillow ကို ကမန်းကတန်း Install လုပ်။ Tutorial တွေကို လက်ပူတိုက် တက်သုတ်ရိုက်ပြီး ဖတ်။ ဖြတ်ညှပ်ကပ် လုပ်တယ်။ လုပ်တဲ့ အဆင့်တွေက သိပ် ခက်လှတာ မဟုတ်ပါဘူး။
စစချင်း Pillow ကို စမ်းသပ်ပြီး သုံးကြည့်တဲ့ အနေနဲ့ Image တွေ ထည့်ထားတဲ့ Folder ထဲ က Image တွေကို Loading လုပ်။ Image တိုင်းရဲ့ Size ကို ဖတ်ပြီး Index ထဲက Width, Height ကို ယူ။ Width ကို ၁၆ နဲ့ စား၊ Height ကို ၉ နဲ့ စား။ စားလဒ်ချင်း တူရင် 16:9 Ratio ။ ဒါဆိုရင် Boolean ထုတ်ကြည့်လို့ ရပြီ။ True ဖြစ်ရင် ချန်ထား။ မဟုတ်ရင် ပယ်။ ဒါဆိုရင် 16:9 Ratio ဟုတ် မဟုတ် အကြမ်း စစ်လို့ ရပြီ။
ဒီ ဘာမှ မဟုတ်သေးတဲ့ Image Sizing Screening Script ကို ရေးလိုက်တာ ၁၅ မိနစ်လောက် ကြာသွားတယ်။ Variable Name မှာ Typos ဖြစ်လို့ ပြန်ပြင်ရတယ်။ Image တွေကို သက်ဆိုင်ရာ Folder ထဲ ရွှေ့ဖို့ OS Library သုံးတဲ့ နေရာမှာ Syntax မှားရေးတယ်။ ဘာမှ မဟုတ်တဲ့ Code အကြောင်းရေ ၂၀ လောက် ရေးတာ စာလိုက်ရှာ ဖတ်လိုက်၊ ပြန်ရှင်းလိုက်နဲ့ အချိန် ပိုကြာ။
ဒါနဲ့ လူနဲ့ လုပ်နေတာ ကြာပါတယ်ဆိုပြီး ရေးထားတဲ့ Snippet ကို ChatGPT ထဲ ထည့်ပြီး Optimize လုပ်ခိုင်းလိုက်တော့ စက္ကန့်ပိုင်းပဲ ကြာတယ်။ ပြဿနာ ပြေလည် သွားတယ်။
ChatGPT က Optimize လုပ်ပေးထားတဲ့ Code က ကိုယ် မတောက်တခေါက် ရေးထားတဲ့ Code ထက် အစစ အရာရာ သာတယ်။ ရေးတဲ့ Code ချင်း အတူတူ ဆိုရင်တောင် လူ လက်နဲ့ Code ရေးတာက စက်က Generate လုပ်တဲ့ Speed ကို မမီဘူး။ စာရိုက်တဲ့ နေရာမှာ လူထက် ပိုမြန်တယ်။
ဒါတောင် လူတိုင်း သုံးခွင့် ရနေတဲ့ AI အဆင့်ပဲ ရှိသေးတယ်။ စက်မှုထိပ်သီးနိုင်ငံတွေက လက်တစ်ဆုပ်စာ လူတန်းစား အလွှာ သုံးဖို့ ရေးထားတဲ့ AI Model တွေ ဆိုရင် ဘယ်လောက် အတိုင်းအတာ အထိ ကောင်းနေမယ်ဆိုတာ မှန်းလို့ မရနိုင်။
