Transcript Document

บทที่ 1
ปัญญำประดิษฐ ์
(Artificial
Intelligent)
นำเสนอโดย
อ.จุฑำวุฒ ิ จันทรมำลี
หลักสูตรวิทยำกำร
คอมพิวเตอร ์
มหำวิทยำลัยรำชภัฏสวนดุสิต
ปัญญาประดิษฐ์ (ARTIFICIAL INTELLIGENT)
 คือ ศำสตรแขนงหนึ
่งทำงดำนวิ
ทยำศำสตรและเทคโนโลยี
้
์
์
ทีม
่ พ
ี น
ื้ ฐำนมำจำกวิชำวิทยำกำรคอมพิวเตอร ์
ชีววิทยำ
จิ ต วิ ท ย ำ ภ ำ ษ ำ ศ ำ ส ต ร ์ ค ณิ ต ศ ำ ส ต ร ์ แ ล ะ
วิศวกรรมศำสตร ์
เป้ ำหมำยของปั ญ ญำประดิษ ฐ ์คื อ กำรพัฒ นำระบบ
คอมพิวเตอรให
่ น ฟัง
์ ้มีพฤติกรรมเลียนแบบมนุ ษย ์ ตัง้ แตเห็
เดิน พู ด และรู้ สึ ก รวมทั้ง เลีย นแบบควำมเป็ นอัจ ฉริย ะ
ของมนุ ษย ์
2
ปัญญาประดิษฐ์ (ARTIFICIAL INTELLIGENT)
 ไดเริ
่ กำรศึ กษำในปี ค.ศ.1950
้ ม
 นิยำมของปัญญำประดิษฐได
้ ในปี
์ ถู
้ กกำหนดขึน
ค.ศ.1956
 กำรตัง้ เกณฑทดสอบว
ำเครื
อ
่ งจักรกลหรือระบบคอมพิวเตอร ์
์
่
สำมำรถคิดไดเหมื
อนมนุ ษยออกมำโดย
Alan Turing
้
์
 ปัจจุบน
ั ระบบปัญญำประดิษฐยั
ำงค
ำตอบจำกกำร
์ งไมสำมำรถสร
่
้
คิดคนขึ
้ มำใหมของระบบเองได
้ น
่
้
ความสามารถของมนุษย์ได้เท่านัน้
เพียงแต่เป็นการลอกเลียน
3
ลักษณะการทางานของปัญญาประดิษฐ์
สามารถแบ่งได้ 3 ประเภท
1. ศาสตร์ด้านการรู้จา (Cognitive Science) งำนดำนนี
้เน้นงำนวิจย
ั เพือ
่
้
ศึ ก ษำว่ำสมองของมนุ ษ ยท
์ ำงำนอย่ำงไร และมนุ ษ ยคิ
์ ด และเรียนรู้
อยำงไร
่
2. ศาสตร์ด้านหุ่นยนต์ (Robotics) เป็ นงำนพัฒนำบนพืน
้ ฐำนของ
วิศ วกรรมและสรีร ศำสตร เป็
์ นกำรพยำยำมสร้ ำงหุ่ นยนต ไห
์ ้ มีค วำม
ฉลำดและถูกควบคุมดวยคอมพิ
วเตอร ์
้
3. ศาสตร์ด้านการโต้ ตอบด้วยภาษามนุษย์ (Natural Interface) เน้น4
1. ศาสตร์ด้านการรู้จา (COGNITIVE SCIENCE)
1.ระบบผู้เชี่ ยวชาญ (Expert Systems) หรือระบบงำนควำมรู้
ระบบ
นี้ จ ะพยำยำมลอกเลีย นแบบควำมสำมำรถของผู้ เชี่ย วชำญที่เ ป็ น
ปั
มนุ ษยในกำรแก
่
้ ญหำตำงๆ
์
2.ระบบเครือข่ายนิวรอน (Neural Network) ระบบนี้จะเริม
่ กำรทำงำน
ด้ วยกำรจดจ ำรู ป แบบที่เ ป็ นตัว อย่ำงก่อน
หลัง จำกนั้น ระบบจะ
โปรแกรมดวยตนเองอั
ตโนมัต ิ
้
3.ระบบแบ๊บแน็ ต (Papnet) เป็ นระบบทีใ่ ช้ในกำรแยกควำมแตกตำง
่
5
เช่น
แยกควำมแตกตำงของเซลล
มนุ
ษ
ย
่
์
์
4.ฟั สซี่ โลจิก (Fuzzy Logic) เป็ นระบบทีเ่ กีย
่ วของกับกำรใชกฎพืน
้ ฐำน
1. ศาสตร์ด้านการรู้จา (COGNITIVE SCIENCE)
ต่อ
5.เจนเนติกอัลกอริทึม (Genetic Algorithm) หรืออัลกอริทม
ึ พันธุกรรม
ใช้หลักกำรด้ำนพันธุกรรมของชำรล
์ ดำรวิ
์ น กำรสุ่ม และฟังกชั
์ น
ั นำกำรดวยตนเองของ
ทำงคณิตศำสตรในกำรสร
้
้ำงกระบวนกำรวิวฒ
์
ระบบ
6.เอเยนต์ชาญฉลาด (Intelligent Agents) ใช้ระบบผู้เชีย
่ วชำญหรือ
เทคนิคของปัญญำประดิษฐอื
่ ๆ เพือ
่ พัฒนำเป็ นโปรแกรมประยุกต ์
์ น
ให้กับผูใช
้ ้ปลำยทำง
7.ระบบการเรียนรู้ (Learning Systems) เป็ นระบบทีส
่ ำมำรถพัฒนำ6
พฤติก รรมของระบบเองดวยกำรพัฒ นำจำกขอมูล ที่ร ะบบไดรับ ใน
1. ระบบผูเ้ ชี่ยวชาญ (EXPERT SYSTEMS)
ระบบผู้เชี่ยวชาญ
(Expert Systems : ES) คือ ระบบคอมพิวเตอรที
์ ่
จ ำลองกำรตัด สิ นใจของมนุ ษ ย ์ ผู้ เป็ นผู้ เชี่ย วชำญในด้ำนใดด้ำน
หนึ่ ง โดยใช้ควำมรู้และกำรสรุปเหตุผลเชิงอนุ มำน(inference) ใน
กำรแก้ปัญหำยำกๆ ทีต
่ ้องอำศั ยผู้เชีย
่ วชำญ ระบบผู้เชีย
่ วชำญได้
ถูกพัฒนำขึน
้ มำเพือ
่ ใช้งำนในระบบต่ำงๆ อย่ำงแพร่หลำยมำกว่ำ
30 ปี ไม่ว่ำจะเป็ นในแวดวงธุ ร กิจ กำรแพทย ์ วิท ยำศำสตร ์
วิศ วกรรม อุ ต สำหกรรม เป็ นต้ น วัต ถุ ป ระสงค หลั
์ ก ของระบบ
ผู้ เชี่ย วชำญก็ ค ือ
กำรช่ วยในกำรตัด สิ นใจ
กำรให้ ควำมรู้
7
ค ำแนะน ำ หรือ ค ำปรึก ษำ อย่ำงที่เ รำต้ องกำรจำกผู้ เชี่ย วชำญ
1. ระบบผูเ้ ชี่ยวชาญ (EXPERT SYSTEMS)
ระบบผูเชี
่ วชำญ จัดเป็ นระบบสำรสนเทศประเภทหนึ่งทีน
่ ำ
้ ย
วิทยำกำรของปัญญำประดิษฐเข
์ ำมำใช
้
้จัดกำรสำรสนเทศ
โดยเฉพำะอยำงยิ
ง่ สำรสนเทศทีเ่ ป็ นองคควำมรู
่
์
้ (knowledge) ใน
เฉพำะสำขำหรือเฉพำะดำน
้
ดังนั้นระบบผูเชี
่ วชำญจึงเป็ นซอฟตแวร
ที
้ ย
์
์ ใ่ ช้สรำงฐำนควำมรู
้
้
และกลไกในกำรตัง้ คำถำม และหำคำตอบ ทำให้ผูใช
้ ้ไดรั
้ บควำม
สะดวกในกำรถำมและตอบสิ่ งทีถ
่ ำมเสมือนหนึ่งคุยกับผูเชี
่ วชำญ
้ ย
จริงๆ
8
องค์ประกอบของระบบผูเ้ ชี่ยวชาญ : ES
9
องค์ประกอบของระบบผูเ้ ชี่ยวชาญ : ES
1.
ฐานความรู้ (Knowledge base) เก็บรวบรวมกฎเกณฑต์ ำงๆ
่
(rules)
ทีเ่ กีย
่ วข้องกับควำมรู้ ควำมเชี่ยวชำญเฉพำะด้ำน กฎเกณฑนี
์ ้จะ
ช่ วยให้ ES
สำมำรถให้ ข้ อสรุ ป ในเรื่อ งที่เ กี่ย วข้ องแก่ผู้ ใช้
2. เครื่องอนุมาน (inference engine) โปรแกรมทีจ
่ ะนำฐำนควำมรู้ไป
ใช้ เพื่อ พิจ ำรณำเสนอแนะแก้ ปั ญ หำหรือ โครงสร้ ำงกำรตัด สิ นใจ
(Inference engine) โดย Inference engine จะทำหน้ำทีใ่ นกำรจัดระบบ
และควบคุมกฎเกณฑ ์ โดยจะให้เหตุผลตำงๆ
เพือ
่ จะนำไปสู่ขอสรุ
ป
่
้
หรือ ขอเสนอแนะแก
ผู
้
่ ใช
้ ้
10
องค์ประกอบของระบบผูเ้ ชี่ยวชาญ : ES
3.
ส่วนดึงความรู้ (knowledge acquisition subsystem) เป็ นอุปกรณใน
์
กำรรวบรวมและเก็บควำมรูที
่ ะดวกและมีประสิ ทธิภำพ
้ ส
4.
ส่วนอธิบาย (explanation
subsystem) อุปกรณช
์ ่ วยในกำรอธิบำย
ช่วยทำให้ผูใช
ที
้ ้เขำใจกฎเกณฑ
้
์ ใ่ ช้ในกำรตัดสิ นใจ
5. การติดต่อกับผู้ใช้ (User interface) เป็ นกำรทำให้กำรพัฒนำและ
กำรใช้ ES ทำไดง้ ำยขึ
น
้ ปัจจุบน
ั มีซอฟตแวร
ซึ
่
์
์ ง่ ผู้ใช้สำมำรถนำไป
ช่วยในกำรสร้ำง ES โดยใช้รูปภำพทีผ
่ ู้ใช้ต้องกำร (เช่น จะใช11้
เมนูฟอรม)
์
การพัฒนาระบบผูเ้ ชี่ยวชาญ
การขยายการทดสอบและบารุงรักษา
การสร้างต้นแบบ
การถอดความรู้
การเลือกอุปกรณ์
การวิเคราะห์ปัญหา
12
ประโยชน์ ของระบบผูเ้ ชี่ยวชาญ
1. ป้องกันและรักษำควำมรู้ซึ่งอำจสูญหำยไปขณะทำกำรเรียกข้อมูล
หรือกำรยกเลิกกำรใช้ขอมู
้ ล
กำรใช้ ข้ อมูล ตลอดจนกำรสูญ หำย เนื่ อ งจำกขำดกำรเก็ บ รัก ษำ
ควำมรู้ อยำงเป็
นระบบ และเป็ น
่
ระเบียบ แบบแผน
2.ระบบผู้เชี่ยวชำญ Expert System จะจัดเตรียมข้อมูลให้อยูใน
่
ลักษณะทีพ
่ รอมส
ำหรับนำไปใช้งำน
้
และมัก จะถูก พัฒ นำให้ สำมำรถตอบสนอง ต่อปัญ หำในทัน ทีท เี่ กิ13ด
ควำมตองกำร
้
ประโยชน์ ของระบบผูเ้ ชี่ยวชาญ
4. ระบบผู้เชีย
่ วชำญ Expert System จะสำมำรถตัดสิ นปัญหำอยำง
่
แน่นอน เนื่องจำกระบบถูก
พัฒ นำให้ สำมำรถปฏิบ ัต ิง ำนโดยปรำศ จำกผล กระทบ ทำง
รำงกำยและอำรมณ
ที
่ อ
ี ยูในตั
วมนุ ษย ์
่
์ ม
่
เช่น ควำมเครียด ควำมเจ็บ ป่วย เป็ นตน
้
5. ระบบผู้เชีย
่ งมือเชิงกลยุทธของ
่ วชำญ Expert System เป็ นเครือ
์
ธุรกิจ โดยเฉพำะองคกำรสมั
ยใหม่
์
(Modern Organization) ทีต
่ ้องกำร สร้ำง ควำมได้เปรียบในกำร
14
แขงขั
่ น เช่น กำรวิเครำะหและ
์
2. ระบบเครือข่ายนิวรอน (NEURAL NETWORK)
เครือข่ายประสาทเทียม (Artificial
Neural Network
หรือ ANN)
เป็ น
เครือ ข่ำยที่ม ีรู ป แบบโครงสร้ ำงและกำรท ำงำนของกำรประมวลผล
เหมือนกับสมองในสิ่ งมีชว
ี ต
ิ ทีซ
่ ่งึ มีปรับเปลีย
่ นตัวเองตอกำรตอบสนอง
่
ของอินพุตตำมกฎของกำรเรียนรู้ (learning rule) หลังจำกทีเ่ ครือขำย
่
ได้เรียนรู้สิ่ งทีต
่ ้องกำรแล้ว เครือขำยนั
้นจะสำมำรถทำงำนทีก
่ ำหนด
่
ยมไดถู
ไวได
้ กพัฒนำคิดค้นจำกกำรทำงำนของ
่
้ ้ เครือขำยประสำทเที
สมองมนุ ษย ์ โดยสมองมนุ ษย ประกอบไปด
์
้ วยหน่ วยประมวลผล
เรียกวำนิ
หรือ neuron) จำนวนนิวรอลใน
่ วรอน (เซลลประสำท
์
15
11
สมองมนุ ษยมี
10
และมีกำรเชือ
่ มตอกั
์ อยูประมำณ
่
่ นอยำงมำกมำย
่
การทางานของเครือข่ายประสาทเทียม
16
ข้อดีของการนาเครือข่ายประสาทเทียมไป
ประยุกต์ใช้งาน
1. ควำมทนทำนตอควำมผิ
ดพรอง
(fault tolerance) เมือ
่ เกิดควำม
่
่
เสี ยหำยขึน
้ กับนิว รอนในเครือข่ำย หรือแม้แต่สูญ เสี ยกำรเชื่อมต่อ
ระหวำงนิ
วรอน ระบบเครือขำยจะยั
งคงทำงำนไดโดยมี
ประสิ ทธิภำพ
่
่
้
เปลี่ ย นแปลงไปเพี ย งเล็ ก น้ อยเท่ ำนั้ น ซึ่ ง ถื อ เป็ นควำมทนทำน
(robust) โดยธรรมชำติของระบบเครือขำยประสำทเที
ยมสำเหตุทท
ี่ ำ
่
ให้ระบบมีข้อดีนี้เนื่องมำจำกข้อมูลภำยในเครือขำยเป็
นแบบกระจำย
่
(distributive data ) ไปทัง้ เครือขำยตำมนิ
วรอนตำงๆ
กำรจะทำให้
่
่
ทัง้ ระบบไมสำมำรถท
ำงำนได้นั้นจะต้องทำให้เกิดควำมเสี ยหำยอยำง
่
่
หนักเทำนั
17
่ ้น
ข้อดีของการนาเครือข่ายประสาทเทียมไป
ประยุกต์ใช้งาน
2. กำรปรับตัวได้(adaptive) เป็ นควำมสำมำรถในกำรปรับตัวของ
น้ ำห นั ก ปร ะ ส ำท ภ ำย ใ น เ ครื อ ข่ ำย ซึ่ ง ท ำใ ห้ ส ำม ำร ถ โ ต้ ต อ บ
(interact) และตอบสนอง (response) ตอสภำวะแวดล
อมได
่
้
้ ดังนั้น
เมือ
่ สภำวะแวดล้อมเปลีย
่ นไป ตัวเครือขำยจะสำมำรถตอบสนองกั
บ
่
กำรเปลีย
่ น แปลงนั้น ๆ แล้วท ำกำรฝึ กฝนตัว เองให้ เข้ ำกับ สภำวะ
แวดล้อมใหม่ได้ นอกไปจำกนั้น แล้ว เครือ ข่ำยบำงชนิ ด สำมำรถ
ออกแบบให้มีกำรปรับตัวแบบเวลำจริง (real-time adaptation) ได้
18
การแบ่งชนิดของเครือข่ายประสาทเทียม
1. เครือข‹ำ่ ยไปข้Œ
ำงหน้Œ
ำ (feed-forward network) เครือข‹ำ่ ยไปข้Œ
ำง
หน้ Œ
ำ ทีเ่ ป็ š
นที่รูŒ
จก
ั และนิย มใช้ Œ
กน
ั มำกทีส
่ ุด คือเครือข‹ำ ยเพอร •
เ์ ซ็ พ ตรอ
นแบบหลำยชั้น (multi-layer
perceptron)
ซึ่งมีกำรเชื่อมตอ
่
ระหว่‹ำงชั้นเป็ š
นแบบทิศทำงเดียว คือมีทศ
ิ ทำงจำกอินพุตไปยัง เอำต•
พุต
2. เครือขำยป
อนกลับ (recurrent network) เครือข‹ำ่ ยป้‡
อนกลับเป็ š
่
้‡
นเครือข‹ำ่ ยทีม
่ ก
ี ำรเชือ
่ มตอ‹
อนกลับ
่ ภำยในระหว‹ำ่ งนิวรอนในรูปแบบป้‡
หรือวงรอบ
19
การแบ่งชนิดของเครือข่ายประสาทเทียมตาม
โครงสร้างสภาปัตยกรรม
20
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
1. กำรจดจำรูปแบบ (pattern recognition) งำนของกำรจดจำ
รู ป แบบคือ กำรก ำหนดรู ป แบบอิน พุ ต (เช่ ‹น คลื่น เสี ยงพู ด หรือ
ลำยมือเขียนตัวอักษร) ให้Œ
อยู่‹ในรูปของเวกเตอร•
ล
ั ษณะ (feature
์ ก
vector) ทีซ
่ ง่ึ ใช้แทนคลำสต‹ำ่ งๆ
กำรประยุกต•
ใ์ ช้Œ
งำนทีเ่ ป็ šนทีร่ ้Œ
จ
ู ก
ั ดี
เช่‹น กำรจดจำลำยมือตัวอักษร กำรจดจำเสี ยง กำรจำแนกรูปคลืน
่
EEG และ ECG กำรจำแนกเซลล•
เ์ ม็ดเลือด และกำรตรวจสอบลำย
วงจร
21
กำรประยุกตใช
์ ้งำนกำรจดจำรูปแบบ (PATTERN
RECOGNITION)
22
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
2.กำรจับกลุ‹ม
ว ในงำน
่ (clustering/categorization) โดยปกติแล้Œ
กำรจับกลุ‹ม
ี ้Œ
อมูลล‹ว
สำหรับกำรฝึ ƒกสอน อัลกอริทม
ึ
่ จะไม่‹มข
่ งหน้ำให้Œ
กำรจับกลุ‹ม
นหำสภำวะคล้Œ
ำย (similarity) ระหว‹ำ่ ง ข้Œ
่ จะทำกำรค้Œ
อมูล รูปแบบ และทำกำรจับกลุ่‹มรูปแบบทีค
่ ล้ Œ
ำยกันไว้Œ
ด้วยกัน กำร
จับกลุ‹ม
อ
ี
อย‹ำ่ งหนึ่งว‹ำ่ เป็ นกำรจำแนกรูปแบบ
่ นี้สำมำรถเรียกไดŒ
้ ก
แบบไม‹ม
ี ู้Œ
ฝึƒกสอน (unsupervised
pattern
classification)
่ ผ
ตัว อย่ ‹ำ งกำรประยุ ก ต ์•
ใ ช้ Œ
ก ำรจับ กลุ่ ‹ม เช่ ‹น กำรท ำเหมือ งข้ Œ
อ มู ล
(data mining) กำรบีบอัดข้Œ
อมูล (data compression) และกำร
วิเครำะห•
ค
น
อมูล
23
์ Œ
้ หำข้Œ
กำรประยุกตใช
่
์ ้งำนกำรจับกลุ‹ม
(CLUSTERING/CATEGORIZATION)
24
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
3. กำรประมำณค‹ำ่ ฟั˜งก•
ชน
ั (function approximation) พิจำรณำข้Œ
อมูลรูปแบบสำหรับกำรเรียนรูปŒ
N ชุด ในรูป { เวกเตอร•
อ
ิ พุต
์ น
,เวกเตอร•
เ์ ป้‡
ำหมำย} ดังต‹อ
่ ไปนี้
{x1, y1} {x2, y2 } . . . {x N, y N}
25
กำรประยุกตใช
ชน
ั (FUNCTION
์ ้งำนกำรประมำณค‹ำ่ ฟั˜งก•
APPROXIMATION)
26
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
4. กำรทำนำย (prediction/forecasting) กำหนดเซ็ตค‹ำ่ ตัวอย‹ำ่ ง N
ค‹ำ่ คือ {y(t1), y(t2), . . . , y(tN)} เป็ šนค‹ำ่ ณ เวลำ t1, t2, . . . , tN
ตำมลำดับ กำรทำนำยผลล‹ว่ งหน้Œ
ำคือกำรทำนำยค‹ำ่ ของ y(tN+1) ซึง่
เป็ šนค‹ำ่ ณ เวลำ tN+1 ในอนำคต กำรทำนำยผลมีกำรนำไปใช้Œ
กน
ั
มำกในงำนกำรตัดสิ นทำงธุรกิจ วิทยำศำสตร•
แ
์ ละวิศวกรรม ตัวอย‹่
ำงกำรประยุกต•
ใช้Œ
งำน เช่‹น กำรทำนำยผลดัชนีตลำดหุ้Œ
น หรือกำร
พยำกรณ•
อ
ำ
์ ำกำศล‹ว่ งหนŒ
27
กำรประยุกตใช
์ ้งำนกำรทำนำย
(PREDICTION/FORECASTING)
28
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
5. กำรหำค‹ำ่ เหมำะทีส
่ ุด (optimization) ปั˜ญหำหลำยๆ อย‹ำ่ งทำงดŒ
้
ำนคณิ ต ศำสตร ์ •
ส ถิต ิว ิศ วกรรม วิท ยำศำสตร ์ กำรแพทย ์•
แ ละ
เศรษฐกิจ สำมำรถพิจำรณำเป็ šนปั˜ญหำกำรหำค่‹ำเหมำะทีส
่ ุดได้Œ
เป้‡
ำ
หมำยของอัลกอริทม
ึ กำรหำค‹ำ่ เหมำะทีส
่ ุด คือกำรหำคำตอบทีเ่ ป็ šนไป
ตำมเงือ
่ นไขขŒ
อบังคับ และให้Œ
ค‹ำ่ กำรประเมินจำกฟั˜งก•
ชน
ั วัตถุประสงค ์
ทีด
่ ท
ี ส
ี่ ุด (สูงสุดหรือตำ่ สุด) ตัวอย‹ำ่ ง ปั˜ญหำอมตะได้Œ
แก้‹ปั˜ญหำกำร
เดินทำงของเซลแมน (traveling salesman problem หรือ TSP)
ซึง่ ถือเป็ š
นปั˜ญหำ NP-สมบูรณ ์ •
(NP-Complete)
29
กำรประยุกตใช
่ ุด
์ ้งำนกำรหำค‹ำ่ เหมำะทีส
(OPTIMIZATION)
30
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
6 . ห น่ ‹ว ย ค ว ำ ม จ ำ อ้ Œ
ำ ง อิ ง ด้ Œ
ว ย เ นื้ อ ห ำ ( content-addressable
memory)
ในคอมพิว เตอร•
ป
อมูลในหน่‹ว ย
์ ระมวลผลทั่วๆ ไปข้Œ
ควำมจำจะถูกอ้Œ
ำงอิงดŒ
ว
่ ยู‹(่ address) ทีซ
่ ง่ึ ไม‹ไ่ ดŒ
ม
ี วำมสั มพันธ•
้ ยเลขทีอ
้ ค
์
กับเนื้อหำของข้Œ
อมูลในหน่‹วยควำมจำแต‹อ
่ ย‹ำ่ งใด นอกไปจำกนั้นแล้Œ
ว ถ้ Œ
ำมีกำรคำนวณเลขทีอ
่ ยู‹ผ
ิ พลำด แม้Œ
เพียงเล็กน้Œ
อย ข้Œ
อมูลทีไ่ ด้Œ
่ ด
จำกเลขทีอ
่ ยู‹น
ั จะแตกต‹ำ่ งไปจำกข้Œ
อมูลทีต
่ ้Œ
องกำร
อย‹ำ่ งสิ้ นเชิง
่ ้น
หน่‹วยควำมจำสั มพันธ•
์ (associative memory หรือ contentaddressable memory) สำมำรถ ถูกอ้Œ
ำงอิงทีอ
่ ยู‹ด
ว
่ Œ
้ ยเนื้อหำของข้Œ
อมู ล ถึ ง แม้ Œ
ว่ ‹ำ กำรอ้ Œ
ำ งอิง จะใช้ Œ
ข้ Œ
อ มู ล อิน พุ ต เพีย งบำงส่ ‹ว น (ไม
31 ่ ‹
สมบู ร ณ ์•
) หรือ มีค วำมผิด เพี้ย น เนื้ อ หำในหน่ ‹ว ยควำมจ ำจะยัง คง
กำรประยุกตใช
ำ้ งอิงดŒ
ว
์ ้งำนหน่‹วยควำมจำอŒ
้ ยเนื้อหำ (CONTENTADDRESSABLE MEMORY)
32
กำรนำเอำ ANN ไปประยุกต•
ใ์ ช้Œ
งำน
7. ระบบควบคุม (control system) ระบบควบคุมถือเป็ šนงำนทีน
่ ำเอำ
ANN มำประยุกต•
ใ์ ช้Œ
งำนมำกทีส
่ ุดงำนหนึ่ง พิจำรณำระบบพลวัตทีซ
่ ง่ึ
กำหนดคู‹ผลตอบสนองเป็ šน {u(t), y(t)} โดยทีu
่ (t) เป็ š
น สั ญญำณ
อินพุตสำหรับควบคุมระบบ และ y(t) เป็ šนสั ญญำณเอำต•
พุตทีอ
่ อกมำ
จำกระบบ ณ เวลำ t ในระบบควบคุมแบบปรับตัวได้Œ
ชนิดอ้Œ
ำงอิง
แบบจ ำลอง (model-reference
adaptive
control)
เป้‡
ำหมำยของระบบคือสร้Œ
ำงสั ญญำณควบคุมu(t) ป้‡
อนให้Œ
กบ
ั ระบบ ที่
ซึ่งทำให้Œ
ระบบมีผลตอบสนองตำมแบบจำลองทีอ
่ ้Œ
ำงอิง ตัวอย‹ำ่ งเช่‹น
กำรควบคุมควำมเร็วมอเตอร•
33
์
กำรประยุกตใช
์ ้งำนระบบควบคุม (CONTROL SYSTEM)
ตัวขับมอเตอร์
แรงดั
น
มอเตอร ์
ตัวควบคุม
ตัวอยำงระบบกำรควบคุ
มควำมเร็ว
่
มอเตอร ์
ควำมเร็วรอบ
ควำมเร็วที่
ต้องกำร
34
3. ระบบแบ๊บแน็ ต (PAPNET)
1. เป็ นระบบทีพ
่ ฒ
ั นำขึน
้ มำเพือ
่ คัดกรองมะเร็งปำกมดลูก
2. ระบบจะทำกำรสแกนภำพเซลลสไลด
์
์ แล้วนำไปเปรียบเทียบกับ
พำรำมิเ ตอร ที
์ ่อ ยู่ ในหน่ วยควำมจ ำและอ่ ำนผลว่ ำเป็ นเซลล ปกติ
์
หรือไม่
3. ช่วยให้มีควำมสะดวกและนักเซลลวิ
์ ทยำสำมำรถใช้เวลำกับแตละ
่
รำยหรือตรวจได้มำกขึน
้ แตผลลั
พธขึ
้ อยูกั
่
์ น
่ บกำรเตรียมเซลลให
์ ้ ดี
จึงมีคำใช
ยมสไลดสู
่
้จำยในกำรเตรี
่
์ ง
35
4. ฟั สซี่ โลจิก (FUZZY LOGIC)
Fuzzy =
คลุมเครือ คิดค้นโดย
L. A. Zadeh ในปี ค.ศ. 1965 เป็ น
ผลงำนวิท ยำนิ พ นธ ระดั
บ ปริญ ญำเอก แทนตัว อย่ำงของควำมไม่
์
แน่ นอนของลั ก ษณะทำงธรรมชำติ ท ี่ เ กิ ด ขึ้ น ทั่ ว ไป เซตของ
เหตุกำรณที
์ ไ่ มแน
่ ่ นอนเรียกวำฟั
่ ซซีเซต (fuzzy set)
ตัว อย่ำงเช่ น เซตของอำยุ ค น อำจแบ่งเป็ น วัย ทำรก วัย เด็ ก
วัยรุน
่ วัยกลำงคน และวัยชรำ
ในแตละช
ไดแน
่
่ วงอำยุคนไมสำมำรถระบุ
่
้ ่ ชัดวำ่ วัยทำรก กับ วัย
เด็กแยกจำกกันแน่ชัดช่วงใด
วัยทำรกอำจถูกตีควำมวำเป็
0 ถึง 1 ปี บำงคนอำจ36
่ นอำยุระหวำง
่
ตีควำมว่ำวัยทำรกอยู่ในช่วงอำยุ 0 ถึง 2 ปี ในท ำนองเดีย วกัน
4. ฟั สซี่ โลจิก (FUZZY LOGIC)
37
FUZZY TEMPERATURE
อุ่น
ไม่ค่อยร้อนร้อน
 ลาปางหนาวมาก?
20
25
หนาว ไม่ค่อยหนาว
ไม่หนาว
ไม่ค่อยอุ่น
30
ไม่ร้อน
38
5. เจนเนติกอัลกอริทึม (GENETIC ALGORITHM)
จีนเนติกอัลกอริทึม (genetic
algorithm) เป็ šนวิธก
ี ำรค้Œ
นหำคำตอบทีด
่ ี
ที่สุ ด โดยใช้ Œ
ห ลัก กำรคัด เลือ กแบบธรรมชำติแ ละหลัก กำรทำงสำย
พันธุ•
จน
ี เนติกอัลกอริทม
ึ เป็ šนกำรคำนวณอย‹ำ่ งหนึ่งทีส
่ ำมำรถกลำวได
้
่
ว่ำมี“วิวฒ
ั นาการ” อยู่‹ในขั้นตอนของกำรค้Œ
นหำคำตอบ และได้Œ
รบ
ั
กำรจัด ให้ เป็ นวิ ธ ี ห นึ่ ง ในกลุ่ ‹ม ของกำรค ำนวณเชิ ง วิ ว ัฒ นำกำร
(evolu-tionary computing) ซึ่งปัจจุบน
ั เป็ šนทีย
่ อมรับในประสิ ทธิภ ำพ
และมีกำรนำไปประยุกต•
ใ์ ช้อยำงกว
ำงขวำงในกำรแก้ปั˜ญหำกำรหำค‹่
่
้Œ
ำเหมำะที่ สุ ด เนื้ อ หำในหั ว ข้ Œ
อ นี้ น ำเสนอรำยละเอี ย ดขององค39์•
ประกอบและโครงสร้Œ
ำงของจีนเนติกอัลกอริทม
ึ รวมไปถึงตัวอย่‹ำง
กระบวนการของเจนเนติกอัลกอริทึม
1. กำรคัดเลือกสำยพันธุ•
คือขัน
้ ตอนในกำรคัดเลือก
์ (selection)
ประชำกรที่ด ีใ นระบบไปเป็ šน ต้ Œ
น ก ำเนิ ด สำยพัน ธุ •
เ พื่อ ให้ Œ
ก ำเนิ ด
ลูกหลำนในรุ‹น
่ ถัดไป
2. ปฏิบต
ั ก
ิ ำรทำงสำยพันธุ•
ี ำร
์ (genetic operation) คือกรรมวิธก
เปลีย
่ นแปลงโครโมโซมด้Œ
ว ยวิธ ก
ี ำรทำงสำยพัน ธุ • เป็ šน ขั้น ตอนกำ
รสร้ Œ
ำ งลู ก หลำน ซึ่ง ได้ Œ
จ ำกกำรรวมพัน ธุ •
ข
น ก ำเนิ ด สำยพัน ธุ •
์ องตŒ
เพือ
่ ให้ Œ
ไ ด้ Œ
ลูกหลำนทีม
่ ส
ี ‹ว นผสมผสำนมำจำกพ่‹อแม่‹หรือไดŒ
จำกกำร
แปรผันยีนของพ‹อ
่ ให้Œ
ไ ดŒ
ล
ู หลำนสำยพันธุ•
ใหม‹เ่ กิดขึน
้
่ แม‹เ่ พือ
้ ก
3. กำรแทนที่ (replacement)
คือขัน
้ ตอนกำรนำเอำลูกหลำน40
กำเนิดใหม‹ไปแทนทีป
่ ระชำกรเก‹ำ่ ใน
รุ‹น
่ ก‹อ
่ น เป็ šนขบวนกำร
วัฏจักรของ GA
41
6. เอเยนต์ชาญฉลาด (INTELLIGENT AGENTS)
เอเยนต์ชาญฉลาด (Intelligent
Agents) ใช้ระบบผู้เชี่ยวชำญหรือ
เทคนิคของปัญญำประดิษฐอื
่ ๆ เพือ
่ พัฒนำเป็ นโปรแกรมประยุกต ์
์ น
ที
ให้ กับ ผู้ ใช้ ปลำยทำง ซึ่ ง เป็ นกำรใช้ ซอฟต แวร
์ ่ท ำงำนเพื่อ งำน
์
เฉพำะอยำง
ทำงำนซำ้ ๆ ทีส
่ ำมำรถคำดเดำไดง้ ำยให
่
่
้แกผู
่ ้ใช้ โดย
จะถูกโปรแกรมให้ตัดสิ นใจบนพืน
้ ฐำนของควำมต้องกำรของผู้ใช้แต่
ละคน
เช่น ตัววิเศษ (Wizard) ในโปรแกรมทีเ่ ป็ น
ตัวแทนในกำรช่วยเหลือตำมอุปกรณต
์ ำงๆ
่
42
โดยผูใช
้ ้ป้อนคำในโปรแกรมช่วยเหลือ จำกนั้น
2. ศาสตร์ด้านหุ่นยนต์ (ROBOTIC)
รูปแบบทักษะที่ใช้ในการพัฒนาด้านหุ่นยนต์
1. ทักษะในกำรมองเห็ น
2. ทักษะในกำรสั มผัส
3. ทักษะในกำรหยิบจับสิ่ งของ
4. ทักษะในกำรเคลือ
่ นไหว
5. ทักษะในกำรนำทำงเพือ
่ ไปยังเป้ำหมำย
43
3. ศาสตร์ด้านการโต้ตอบด้วยภาษามนุษย์
(NATURAL INTERFACE)
1. ระบบที่ มีความสามารถในการเข้าใจภาษามนุษย์ (Natural
Language) รวมเทคนิคของกำรจดจำคำพูดและเสี ยงของผูใช
้ ้งำน
ดหรือสั่ งงำนกับคอมพิวเตอรหรื
ได
ทำให้มนุ ษยสำมำรถพู
่
์ อหุนยนต
์
์ ้
ดวยภำษำมนุ
ษย ์
้
2. ระบบภาพเสมือนจริง (Virtual Reality) เป็ นกำรสรำงภำพเสมื
อนจริง
้
หรือภำพจำลองของเหตุกำรณโดยระบบคอมพิ
วเตอร ์ มีกำรติดตัง้
์
ตัวเซ็นเซอรต
กั
์ ำงๆไว
่
้ บอุปกรณที
์ ใ่ ช้เป็ นอินพุต/เอำทพุ
์ ต
44
ระบบปัญญาประดิษฐ์แบบผสมผสาน (HYBRID AI
SYSTEM)
 เป็ นกำรนำเอำระบบตำงๆ
หรือเทคนิคตำงๆ
ของปัญญำประดิษฐ ์
่
่
ทีก
่ ลำวข
่
้ำงต้นมำบูรณำกำรเข้ำด้วยกันเป็ นระบบเดียว ส่ วนใหญ่
จะเป็ นการบู ร ณาการระหว่ า งระบบผู้เ ชี ย่ วชาญกับ ระบบ
เครือข่าย
45
ประโยชน์ ของปัญญาประดิษฐ์
1. ขอมู
กร
้ ลในระบบจะถูกเก็บในลักษณะทีเ่ ป็ นฐำนควำมรูขององค
้
์
2. เพิ่ม ควำมสำมำรถให้ กับ ฐำนควำมรู้ ขององค กำรด
์
้วยกำรเสนอ
วิธก
ี ำรแกปั
้ ญหำสำหรับงำนเฉพำะดำน
้
4. ช่วยทำงำนในส่วนทีเ่ ป็ นงำนประจำหรืองำนทีเ่ บือ
่ ของมนุ ษย ์
5. ช่ วยสร้ ำงกลไกที่ ไ ม่ น ำควำมรู้ สึ กส่ วนตัว ของมนุ ษย ์มำเป็ น
องคประกอบในกำรตั
ดสิ นใจ
์
46
ประโยชน์ ของปัญญาประดิษฐ์
1. ขอมู
กร
้ ลในระบบจะถูกเก็บในลักษณะทีเ่ ป็ นฐำนควำมรูขององค
้
์
2. เพิ่ม ควำมสำมำรถให้ กับ ฐำนควำมรู้ ขององค กำรด
์
้วยกำรเสนอ
วิธก
ี ำรแกปั
้ ญหำสำหรับงำนเฉพำะดำน
้
4. ช่วยทำงำนในส่วนทีเ่ ป็ นงำนประจำหรืองำนทีเ่ บือ
่ ของมนุ ษย ์
5. ช่ วยสร้ ำงกลไกที่ ไ ม่ น ำควำมรู้ สึ กส่ วนตัว ของมนุ ษย ์มำเป็ น
องคประกอบในกำรตั
ดสิ นใจ
์
47
เปรียบเทียบปัญญามนุษย์กบั ปัญญาประดิษฐ์
48
เปรียบเทียบปัญญามนุษย์กบั ปัญญาประดิษฐ์
49
จบบทที่ 1