Transcript Slide 1

บทที่ 11 ระบบปัญญาประดิษฐ์ และระบบผู้เชี่ยวชาญ
# ปัญญาประดิษฐ์ (Artificial Intelligence หรื อ AI)
# ระบบผูเ้ ชี่ยวชาญ (Expert Systems-ES)
# Neural Networks
# Genetic Algorithm (GA)
เนือ้ หาในบทเรียนนี้ มีท้งั สิ้น 4 หัวข้ อ
1
ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI)
ปัญญาประดิษฐ์ (Artificial Intelligence หรื อ AI) คือ การพัฒนาระบบคอมพิวเตอร์
ให้มีพฤติกรรมเหมือนคน โดยเฉพาะความสามารถในการเรี ยนรู้และความสามารถ
ทางประสาทสัมผัสซึ่ งเลียนแบบ การเรี ยนรู้และการตัดสิ นใจของมนุษย์ (Laudon &
Laudon , 2001)
2
ประเภทของ AI
AI ครอบคลุมสาขาต่างๆ ดังนี้ (Stairs & Reynolds,1999)
1) ระบบผูเ้ ชี่ยวชาญ (Expert-Systems) เป็ นระบบการให้คาแนะนาในการจัดการ
ปัญหา โดยอาศัยความรู้ของผูเ้ ชี่ยวชาญที่โปรแกรมไว้
2) Neural Networks เป็ นระบบคอมพิวเตอร์ที่สามารถกระทา หรื อจาลอง การ
ทางานของสมองมนุษย์ได้
3) Genetic Algorithms ปั ญญาประดิษฐ์ที่ช่วยในการสร้างทางเลือก จานวนมากใน
การแก้ปัญหา รวมทั้งทางเลือกที่ดีที่สุด
4) การประมวลภาษาธรรมชาติ (Natural Language Processing) เป็ นการประมวลผล
ที่ทาให้คอมพิวเตอร์ เข้าใจและโต้ตอบกับคาสั่ง หรื อข้อความที่เป็ นภาษา
“ธรรมชาติ” ของมนุษย์ได้
3
5) ระบบการเรี ยนรู้ (Learning Systems) เป็ นระบบที่ทาให้คอมพิวเตอร์สามารถเรี ยนรู้
จากประสบการณ์ โดยสามารถโต้ตอบ หรื อมีปฏิกิริยากับสถานการณ์แวดล้อมได้
6) ระบบการมองเห็น (Vision Systems) ระบบที่คอมพิวเตอร์ สามารถบันทึกเก็บรักษา
และจัดการกับภาษาที่มองเห็น หรื อรู ปภาพได้ เป็ นการนาระบบนี้มาใช้ในการวิเคราะห์
รอยนิ้วมือ
7) หุ่นยนต์ (Robotic) การพัฒนาอุปกรณ์คอมพิวเตอร์หรื อเครื่ องจักรกล ให้ทางานซึ่ งมี
ลักษณะที่ตอ้ งการความแม่นยาสู ง หรื อเป็ นงานที่น่าเบื่อ หรื อทาให้เกิด ความเมื่อยล้าแก่
มนุษย์
4
ตารางเปรี ยบเทียบ ปัญญาของมนุษย์และ AI
5
ระบบผู้เชี่ยวชาญ (Expert Systems-ES)
ES ทาหน้าที่เป็ นที่ปรึ กษาแก้ผใู ้ ช้ในการให้คาแนะนาที่ตอ้ งอาศัยความเชี่ยวชาญ ใน
บางสาขา ES เป็ นโปรแกรมคอมพิวเตอร์ ที่เก็บข้อมูลและกฎเกณฑ์ของความรู ้ ซึ่ ง
รวบรวมมาจากสาขาวิชาที่ตอ้ งการความเชี่ยวชาญไว้ในฐานความรู้ (knowledge base)
และโปรแกรมจะดาเนินการเมื่อมีการป้ อนข้อมูลโดยผูใ้ ช้ ในลักษณะการถามตอบและ
ประมวลผล คาตอบจากที่ผใู้ ช้ป้อนเข้าไปเพื่อหาข้อสรุ ปหรื อคาแนะนาที่ตอ้ งการ
ES เป็ นสาขาหนึ่งของปัญญาประดิษฐ์ (Artificial intelligence-AI) ซึ่ งศึกษาค้นคว้า
เกี่ยวกับ การพัฒนา ความสามารถของคอมพิวเตอร์ ในการเลียนแบบการเรี ยนรู ้และ
พฤติกรรมการให้เหตุผล ของมนุษย์
6
ES
1) ให้คาแนะนาเกี่ยวกับความรู ้หรื อความชานาญแก่ผใู ้ ช้โดยทัว่ ไป เช่น การให้
คาแนะนาสาหรับคนที่ได้รับพิษทางปากว่าควรจะปฏิบตั ิตวั อย่างไร
2) การให้ความช่วยเหลือแก่ผเู ้ ชี่ยวชาญ ในการศึกษาสถานการณ์ โดยการรวบรวม
สารสนเทศ การสังเกตหรื อประเมินสถานการณ์ รวมทั้งการแนะนาในการจัดการ การ
ให้ความช่วยเหลือแก่ผเู ้ ชี่ยวชาญนี้เป็ นการตรวจสอบซ้ า (double check) ว่าข้อมูลที่
สาคัญ ไม่ได้ถกู ละเลยไปในการพิจารณาปั ญหาต่าง ๆ เช่น หมอใช้ ES เพื่อวินิจฉัยว่า
คนไข้ป่วย ด้วยโรคหัวใจ หรื อเป็ นเพราะปัญหา Cardiac malfunction
3) ทดแทนผูเ้ ชี่ยวชาญ โดยการใช้ฐานความรู้และความสามารถในการวิเคราะห์เพื่อ
ประเมินสถานการณ์ใน กรณี ที่ไม่สามารถหาผูเ้ ชี่ยวชาญได้ เช่น ผูช้ ่วยหมอใช้ ES ใน
การตรวจสอบผลการตรวจคลื่นหัวใจ (electro-car diagram printout) เพื่อดูวา่ หัวใจ
ของคนไข้ทางานปกติหรื อไม่
7
ตัวอย่างของ ES ทีน่ าไปใช้ ในงานด้ านต่ างๆ
1) ด้านการแพทย์ : การให้คาแนะนาแก่หมอในการสั่งยาปฏิชีวนะให้คนไข้ซ่ ึ งต้อง
คานึงถึงปั จจัย ต่างๆ หลายประการ เช่น ประวัติการเจ็บป่ วยของคนไข้ แหล่งติดเชื้อ
ราคาของยา
2) ด้านการผลิต : การให้คาแนะนาแก่โรงงานในการผลิตผลิตภัณฑ์ต่างๆ เช่น
ชิ้นส่ วนเครื่ องบิน
3) ด้านธรณี วิทยา : ให้คาแนะนาแก่นกั ธรณี วทิ ยาในการวิเคราะห์ดินและน้ ามัน เพื่อ
พิจารณาในการขุดเจาะน้ ามัน
4) ด้านกระบวนการผลิต : ให้คาแนะนาในการกาหนดตารางเวลาในกระบวนการผลิต
(Expert Systems Scheduling) ซึ่ งทาให้บริ ษทั สามารถปรับตารางเวลาการการผลิต ให้
สอดคล้องกับความต้องการในการเปลี่ยนแปลงการผลิตหรื อเงื่อนไขของโรงงานที่
เปลี่ยนไป อย่างรวดเร็ วดังที่บริ ษทั General Motors ได้นามาใช้
8
5) ด้านกระบวนการทางานของบริ ษทั บัตรเครดิต : ใช้ ES ช่วยในกระบวนการทางาน
ตั้งแต่การประมวลการสมัครของลูกค้า การอนุมตั ิเครดิต การรวมบัญชีที่คา้ งชาระเกิน
กาหนด ES ที่ใช้ระบบนี้เรี ยกว่า Authorization Assistant และทาให้บริ ษทั ประหยัดเงิน
ได้หลายล้านดอลล่าร์ ในแต่ละปี (Haag et al.,2000)
6) ด้านกฎหมายระหว่างประเทศ : การออกแบบ ES มาสาหรับช่วยบริ ษทั ที่ทาธุรกิจ
ต่างประเทศในการทาสัญญากับประเทศต่างๆ และใช้เป็ นเครื่ องมืออบรมพนักงานให้มี
ความรู ้และทักษะในความซับซ้อนของการ ค้าระหว่างประเทศมากขึ้น (Haag et
al.,2000)
7) ด้านการค้าระหว่างประเทศ : บริ ษทั ที่ติดต่อกับกลุ่มประเทศ NAFTA ต้องเผชิญ
ปั ญหากับภาษีและกฎระเบียบที่สลับซับซ้อนสาหรับสิ นค้าต่างๆ ตลอดจน ความเข้มงวด
ในเรื่ องพิธีศุลกากร และการกาหนดโทษของการฝ่ าฝื นค่อนข้างรุ นแรง ดังนั้น ความ
เสี่ ยงในการทาการค้ากลุ่มประเทศดังกล่าวจึงค่อนข้างสู ง บริ ษทั ต่างๆ จึงได้อาศัย ES
สาเร็ จรู ปที่ชื่อว่า “Origin” เป็ นเครื่ องมือช่วยในการให้คาแนะนาในเรื่ องกฎระเบียบ
ต่างๆ
9
องค์ ประกอบของ ES
องค์ประกอบที่สาคัญของ ES ได้แก่ (Stairs & Reynolds, 1999)
1) ฐานความรู้ (Knowledge base) ซึ่ งเก็บรวบรวมกฎเกณฑ์ต่างๆ (rules) ที่เกี่ยวข้องกับ
ความรู ้ ความเชี่ยวชาญเฉพาะด้าน กฎเกณฑ์น้ ีจะช่วยให้ ES สามารถให้ขอ้ สรุ ปในเรื่ องที่
เกี่ยวข้องแก่ผใู ้ ช้
2) โปรแกรมที่จะนาฐานความรู ้ไปใช้เพื่อพิจารณาเสนอแนะแก้ปัญหาหรื อโครงสร้างการ
ตัดสิ นใจ (Inference engine) โดย Inference engine จะทาหน้าที่ในการจัดระบบและควบคุม
กฎเกณฑ์ โดยจะให้เหตุผลต่างๆ เพื่อจะนาไปสู่ ขอ้ สรุ ปหรื อ ข้อเสนอแนะแก่ผใู ้ ช้
3) อุปกรณ์ช่วยในการอธิ บาย (Explanation facility) อุปกรณ์ช่วยในการอธิ บายช่วยทาให้
ผูใ้ ช้เข้าใจกฎเกณฑ์ที่ใช้ในการตัดสิ นใจ
4) อุปกรณ์ในการหาความรู้ (Knowledge acquisition facility) เป็ นอุปกรณ์ในการรวบรวม
และเก็บความรู ้ที่สะดวกและมีประสิ ทธิ ภาพ
5) การเชื่อมโยงกับผูใ้ ช้ (User interface) เป็ นการทาให้การพัฒนาและการใช้ ES ทาได้ง่าย
ขึ้น ปั จจุบนั มีซอฟต์แวร์ ซ่ ึ งผูใ้ ช้สามารถนาไปช่วยในการสร้าง ES โดยใช้รูปภาพที่ผใู้ ช้
10
ต้องการ (เช่น จะใช้เมนูฟอร์ ม)
ข้ อจากัดของ ES
ES มีขอ้ จากัดดังนี้ (Haag et al.,2000)
1) การนาความรู้ความเชี่ยวชาญมาใช้ใน ES ในบางครั้งอาจทาได้ยากเนื่องจาก
ผูเ้ ชี่ยวชาญอาจจะไม่สามารถอธิ บายได้วา่ ตน เองรู ้อะไรบ้าง และบางครั้งก็ไม่
สามารถอธิ บายเหตุผลของความรู ้ได้อย่างชัดเจน
2) แม้วา่ ผูเ้ ชี่ยวชาญจะสามารถอธิ บายองค์ความรู ้และกระบวนการการให้เหตุผลอย่าง
ชัดเจน แต่กระบวนการในการสร้างกฎเกณฑ์อาจจะสลับซับซ้อนมากเกินไป จนไม่
สามารถเสนอแนะคาตอบได้อย่างแน่ชดั
3) การใช้ ES จะใช้แก้ปัญหาที่ได้รับการออกแบบและใส่ ขอ้ มูลในโปรแกรมแล้ว
เท่านั้น ดังนั้น ES จึงไม่สามารถจัดการปั ญหาที่เกิดขึ้นใหม่ นอกจากนี้ ES ไม่
สามารถเรี ยนรู ้จากประสบการณ์ที่ผา่ นมาและไม่สามารถใช้ความเชี่ยวชาญที่มี อยู่
เพื่อจัดการกับปั ญหาใหม่ๆ แบบที่มนุษย์ทาได้
4) ES ไม่มีวจิ ารณญาณในการเสนอแนะ ดังนั้นในบางกรณี อาจจะนาไปสู่ อนั ตรายได้
11
ลักษณะความแตกต่ างระหว่ าง DSS และ ES
ผูใ้ ช้ DSS จะต้องมีความรู ้ หรื อความเชี่ยวชาญเกี่ยวกับสถานการณ์ต่างๆ ที่ตนเอง
เผชิญอยูแ่ ละต้องจัดการกับสถานการณ์น้ นั แม้วา่ DSS จะช่วยสนับสนุนในการ
ตัดสิ นใจแต่ผใู ้ ช้ตอ้ งทราบว่าควรจะตั้งคาถามอย่างไร เพื่อจะได้คาตอบในการช่วย
การตัดสิ นใจ และจะหาคาตอบได้อย่างไร รวมทั้งจะต้องดาเนินการต่ออย่างไร ส่ วน
ระบบ ES ผูใ้ ช้เพียงแต่ให้ขอ้ เท็จจริ งหรื ออาการของปั ญหาที่ตอ้ งการคาตอบ ส่ วน
ความรู ้และความเชี่ยวชาญที่จะช่วยในการแก้ปัญหาจะมาจากระบบ ES
12
Neural Networks
เป็ นระบบปัญญาประดิษฐ์ประเภทหนึ่งซึ่ งมีความสามารถในการเรี ยนรู้ เพราะว่าได้
ถูกออกแบบมาเหมือนสมองมนุษย์ (Haag et al.,2000) Neural Networks จะเรี ยนรู้
แบบแพทเทิร์น (pattern) และความสัมพันธ์ของข้อมูลต่างๆ
ความสามารถของ Neural Networks
1) ความสามารถในการดึงสารสนเทศ แม้วา่ neural nodes มีปัญหาขัดข้อง
2) ปรับปรุ งข้อมูลที่มีอยู่ เพื่อให้ได้สารสนเทศใหม่อย่างรวดเร็ ว
3) ความสามารถในการค้นหาความสัมพันธ์ และแนวโน้มต่างๆ จากฐานข้อมูล
ขนาดใหญ่ได้
4) ความสามารถในการแก้ปัญหาที่มีความสลับซับซ้อนมาก แม้วา่ จะไม่มี
สารสนเทศที่ช่วยในการแก้ปัญหาอย่างครบถ้วน
13
ตัวอย่างการใช้ งาน
ปัจจุบนั การนา Neural Networks มาใช้ในหลายสาขา เช่น
-การ แพทย์วทิ ยาศาสตร์ ธุรกิจ เพื่อช่วยในการจาแนกแพทเทิร์นต่างๆ การวิเคราะห์และ
พยากรณ์การควบคุมและการเสนอผลที่ดีที่สุด (Widrow et al., 1994)
-การนา Neural Networks มาใช้ในการตรวจหาวัตถุระเบิดในกระเป๋ าผูโ้ ดยสารที่ข้ ึน
เครื่ องบิน (Haag et al., 2001)
-บริ ษทั ธุรกิจหลายแห่ง เช่น General Motors, Blockbuster, และ Kraft ได้ใช้ซอฟต์แวร์
Neural Networks เพื่อช่วยในการหารู ปแบบที่ช่วยในการวิเคราะห์ แนวโน้มการขายให้ดี
ขึ้น โดยใช้พฤติกรรมในอดีตของลูกค้า และการซื้ อขายจริ งในปั จจุบนั ประกอบกันเพื่อ
ทานายถึงรู ปแบบการซื้ อในอนาคต (Haag et al., 2001)
-บริ ษทั โรงงานไฟฟ้ าได้ใช้ Neural Networks ในการหารู ปแบบการใช้กระแสไฟฟ้ า เพื่อ
จะได้วเิ คราะห์โครงสร้างอัตราค่ากระแสไฟฟ้ า และพยากรณ์ความต้องการการใช้ไฟฟ้ าใน
อนาคต ก่อนหน้านี้บริ ษทั เหล่านี้บริ ษทั เหล่านี้เคยใช้สมการถดถอยแบบพหุ (Regression)
แต่ปัจจุบนั บริ ษทั เหล่านี้พบว่า Neural Networks ทางานได้เร็ วกว่ามาก (Haag et al., 2001)
14
Genetic Algorithm (GA)
เป็ นซอฟต์แวร์ของระบบปัญญาประดิษฐ์ที่เลียนแบบกระบวนการวิวฒั นาการของ
สิ่ งมี ชีวติ ที่ปรับตัวให้เข้ากับสิ่ งแวดล้อม เพื่อช่วยในการให้คาแนะนาที่ดีกว่า
Genetic Algorithm จะเหมาะสมในการใช้กบั การตัดสิ นใจซึ่ งมีคาตอบได้หลาย
พันล้านคาตอบ และแต่ละคาตอบจาเป็ นจะต้องมีการพิจารณาอย่างรอบคอบ (Haag
et al., 2001; O’Brien, 1999; Laudon & Laudon, 2001)
ตัวอย่างการใช้ งาน
แผนกจิตวิทยาของมหาวิทยาลัยรัฐนิวเม็กซิ โก พัฒนา Genetic Algorithm ในการวาด
รู ปผูต้ อ้ งสงสัยจากการให้ปากคาของพยาน อย่างไรก็ตามพยานมักจะจารายละเอียด
ของใบหน้าได้ไม่แม่นยานัก แต่จะจาได้ในภาพรวมทั้งหมดมากกว่า ดังนั้นระบบนี้จึง
จะแสดงใบหน้าได้ 20 แบบ และพยานก็ให้ความเห็นว่า เหมือนมาน้อยเพียงไร
จากนั้น Genetic Algorithm จะนาข้อมูลจากพยานดังกล่าวมาปรับปรุ งใบหน้าใหม่
15
จนกระทัง่ ได้รูปหน้าที่ใกล้ เคียงมากที่สุด (Haag et al., 2001)
บริ ษทั US WEST ได้ใช้ Genetic Algorithm ในการคิดรู ปแบบการวางสายเคเบิ้ลใย
แก้วในเครื อข่ายซึ่ งมีจุดติดต่อถึง 100,000 จุด GA สามารถออกแบบได้เป็ นล้าน
แบบและเลือกรู ปแบบที่จะใช้สายเคเบิ้ล ให้นอ้ ยที่สุ บริ ษทั US WEST จะต้องใช้
เวลาประมาณ 2 เดือนหากใช้ผเู ้ ชี่ยวชาญในการออกแบบดังกล่าว แต่การใช้ GA ทา
ให้บริ ษทั ใช้เวลาเพียง 2 วัน ทาให้ประหยัดได้ถึง 1-10 ล้านเหรี ยญสหรัฐต่อครั้งที่
ใช้งาน (Haag et al., 2001)
16