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