10.1 สาขาต่างๆ ของปัญญาประดิษฐ์
ขอบเขตของศาสตร์ที่เกี่ยวข้องกับปัญญาประดิษฐ์จะประกอบด้วย
ระบบผู้เชี่ยวชาญ หุ่นยนต์ ระบบวิชั่น การประมวลผลภาษาธรรมชาติ ระบบการเรียนรู้
และโครงข่ายประสารทเทียม
แบบจำลองแนวคิดของศาสตร์ทางด้านปัญญาประดิษฐ์
10.1.1 ระบบผู้เชี่ยวชาญ (Expert
Systems)
เมื่อองค์กรมีปัญหาอันซับซ้อนที่ต้องดำเนินการตัดสินใจ
ส่วนใหญ่จะทำการปรึกษาบุคคลที่มีความรู้ความเชี่ยวชาญในสาขานั้นๆ
บุคคลเหล่านี้มักจะมีความรู้เฉพาะด้านและมีประสบการณ์สูงสามารถช่วยแก้ไขปัญหาในเรื่องราวต่างๆ
ได้เป็นอย่างดี เพื่อให้การตัดสินใจบนทางเลือกใดๆ มีโอกาสที่จะสำเร็จสูง
ในขณะเดียวกัน
ผู้เชี่ยวชาญเหล่านี้ยังสามารถคำนวณต้นทุนหรือค่าใช้จ่ายที่องค์กรอาจจะต้องสูญเสียไปกับความเสียหายในครั้งนี้ หากไม่ได้รับการแก้ไขปัญหาดังกล่าว ดังนั้นองค์กรขนาดใหญ่จึงมักว่าจ้างผู้เชี่ยวชาญไว้เป็นที่ปรึกษาให้กับองค์กรเสมอ
ระบบผู้เชี่ยวชาญ
คือ ระบบคอมพิวเตอร์ที่ถูกสร้างขึ้นมาเพื่อเลียนแบบการทำงานของมนุษย์
โดยผู้เชี่ยวชาญที่เราปรึกษาแทนที่จะเป็นมนุษย์ก็เป็นคอมพิวเตอร์แทน
ตัวระบบจะมีการจัดเก็บความรู้ความละเอียดของระบบผู้เชี่ยวชาญจะขอกล่าวในรายละเอียดต่อไป
10.1.2 หุ่นยนต์(Robotics)
หุ่นยนต์คือเครื่องจักรกล
หรืออุปกรณ์คอมพิวเตอร์ที่ได้รับการพัฒนาขึ้นมาให้สามารถปฏิบัติงานแทนมนุษย์ได้
เช่น การใช้หุ่นยนต์พ่นสีรถ การนำหุ่นยนต์มาเชื่อมโลหะเพื่อประกอบตัวถังรถยนต์ สำหรับงานที่เหมาะสมกับการนำหุ่นยนต์มาใช้
โดยเฉพาะงานที่มีสภาพแวดล้อมเสี่ยงต่อความไม่ปลอดภัยของมนุษย์ เช่น
ในโรงงาน
การเก็บกู้วัตถุระเบิด
นอกจากนี้
ยังมีหุ่นยนต์ที่มีลักษณะเหมือนมนุษย์
ที่สามารถมองเห็น กะพริบตา แสดงกิริยาท่าทาง การพูด
แม้กระทั่งเสียงลมหายใจ
หุ่นยนต์ Big Dog ที่นำมาใช้ขนสัมภาระทางทหาร และหุ่นยนต์ที่คล้ายก้บมนุษย์
ถึงแม้ว่า หุ่นยนต์ที่ประดิษฐ์ขึ้นในปัจจุบันจะมีข้อจำกัดด้านความสามารถบางประการ
แต่แนวโน้มในอนาคตจะมีการพัฒนาหุ่นยนต์ให้มีความสามารถมากขึ้น และสามารถนำไปประยุกต์ใช้กับงานด้านธนาคาร ภัตตาคาร
บ้านพักอาศัย
และตามพื้นที่เสี่ยงภัยอย่างสถานีนิวเคลียร์
10.1.3 ระบบวิชั่น(Vision
Systems)
เราสามารถใช้ระบบวิชั่น หรือในบางครั้งเรียกว่า แมชชีนวิชั่น(Machine Vision) เพื่อนำมาปรับปรุงความสามารถของหุ่นยนต์ให้มีประสิทธิภาพสูงขึ้น โดยระบบวิชั่นจะมีส่วนประกอบหลักอยู่ 2
ส่วนด้วยกันคือ
กล้อง และชุดประมวลผสัญญาณภาพ
ดังนั้นหากนำหุ่นยนต์ที่มีระบบแมชชีนวิชั่นมาใช้ก็จะทำให้หุ่นยนต์มีระบบการมองเห็นและรับรู้ได้เหมือนกับมนุษย์ นอกจากนี้ยังสามารถนำมาประยุกต์ใช้งานแทนมนุษย์ได้อีกมากมาย
เช่น ในหลายอุตสาหกรรมได้นำหุ่นยนต์แมชชีนวิชั่นมาใช้
เพื่อตรวจสอบชิ้นงานแบบอัตโนมัติ
ถือเป็นการนำแมชชีนวิชั่นมาประยุกต์ใช้เพื่อตรวจสอบคุณภาพของผลิตภัณฑ์ ซึ่งมีความแม่นยำสูงกว่าสายตามนุษย์มาก ทั้งนี้เนื่องจากมนุษย์มีข้อจำกัดในการตรวจชิ้นงานที่มีจำนวนมากในระยะเวลานานๆและไม่ละเอียดเท่ากับหุ่นยนต์ไม่ว่าจะเป็นเรื่องของการวัดขนาด การตรวจสอบการปนเปื้อนของสิ่งแปลกปลอมบนพื้นผิววัตถุ การตรวจสอบความผิดเพี้ยนของสีในตัวผลิตภัณฑ์
ซึ่งจะมีการตรวจสอบและคัดแยกแบบอัตโนมัติ
โดยเฉพาะโรงงานที่จำเป็นต้องใช้ความรวดเร็ว
และต้องใช้เวลาที่สั้นที่สุด การนำแมชชีนวิชั่นมาใช้จึงมีประโยชน์มาก
ตัวอย่างเช่น
โรงงานประกอบรถยนต์ของบริษัท Ford Motor ได้นำหุ่นยนต์แบบแมชชีนวิชั่นมาใช้จัดการกับชิ้นงานด้วยการยิงหมุดเล็ก (Rivets) ตามจุดต่างๆ ของตัวรถบรรทุกแบบอัตโนมัติ
หุ่นยนต์ spiderman ที่มองเห็นและดักจับคนร้ายได้ด้วยดารยิ่งตาช่ายเพื่อจับกุม
10.1.4 การประมวลผลภาษาธรรมชาติ(Natural
– Language Processing)
เป็นระบบที่ให้คอมพิวเตอร์สามารถเข้าใจภาษาธรรมชาติของมนุษย์ด้วยการรับอินพุตที่ป้อนเข้าไปด้วยภาษาธรรมชาติ
จากนั้นระบบก็วิเคราะห์โครงสร้างและความหมายทางภาษา ซึ่งกระบวนการวิเคราะห์นี้จะทำงานร่วมกับฐานความรู้
และต่อมาก็จะประเมินค่าและหาคำตอบและส่งเอาต์พุตออกมาเป็นเสียงพูดหรือภาษามนุษย์ออกมา ตัวอย่างเช่น
ลูกค้าได้สอบถามยอดบัญชีธนาคารผ่านคอมพิวเตอร์ ว่ามียอดคงเหลืออยู่ในบัญชีเท่าไร
คอมพิวเตอร์ก็จะแจ้งยอดคงเหลือในบัญชีผ่านเสียงพูดออกมาให้รับทราบ เป็นต้น แต่ปัญหาของการประมวลผลภาษาธรรมชาติก็คือ กรณีคำพูดที่สั่งผ่านคอมพิวเตอร์นั้นไม่ชัดเจน รวมถึงยุคปัจจุบันมีความสามารถสูงขึ้น
โดยเฉพาะความสามารถในการตรวจสอบคำสะกดผิดพลดา การแปลคำย่อมาเป็นคำเต็ม และอนุญาตให้ผู้ใช้สอบถามหรือโต้ตอบกับระบบได้ผ่านภาษาอังกฤษ
ในบางครั้ง ระบบจดจำเสียงพูด (Voice Recognition) ถูกนำมาใช้ร่วมกับการประมวลผลภาษาธรรมชาติ
โดยระบบจดจำเสียงพูดจะแปลงเสียงพูดออกมาเป็นคำ
ภายหลังจากการแปลงเสียงมาเป็นคำแล้ว
อาจสั่งให้พิมพ์ข้อความตามคำพูด
โปรแกรมก็จะพิมพ์ข้อความตามคำพูดให้โอยอัตโนมัติ
10.1.5 ระบบการเรียนรู้(Learning
Systems)
ระบบการเรียนรู้ ถือเป็นอีกส่วนหนึ่งของระบบ AI ที่ผสมผสานระหว่างตัวซอฟต์แวร์และฮาร์ดแวร์
โดยอนุญาตให้คอมพิวเตอร์มีการโต้ตอบ
และเปลี่ยนแปลงอย่างไรต่อผลป้อนกลับตามแต่ละสถานการณ์ ตัวอย่าง
เกมบางเกมสามารถเรียนรู้ได้ด้วยตนเอง
ถ้าคอมพิวเตอร์ไม่ใช่เป็นผู้ชนะ เช่น
เกมหมากรุก ซึ่งการเคลื่อนที่ของตัวหมากรุกในแต่ละครั้ง
ภายใต้เงื่อนไขเดียวกัน จะมิใช่เป็นการเคลื่อนที่ในลักษณะเดียวกันเสมอไป
แต่จะเป็นการเรียนรู้เพื่อดัดแปลงและดักทางคู่ต่อสู้เพื่อรอชัยชนะที่อยู่ข้างหน้า
10.1.6 โครงข่ายประสาทเทียม(Neural
Networks)
โครงข่ายประสาทเทียม หรือบางครั้งอาจเรียกว่า ข่ายงานประสาทเทียม (Neural
Nets) คือระบบคอมพิวเตอร์ที่สามารถกระทำหรือจำลองหน้าที่การทำงานของเซลล์ประสาทในสมองของมนุษย์โดยโครงข่ายประสาทเทียมจะใช้การประมวลผลแบบขนาด
(Perallel Processors) ซึ่งเป็นสถาปัตยกรรมที่ตั้งอยู่บนพื้นฐานของสมองมนุษย์
ที่ภายในจะมีเซลล์ประสาทที่ซับซ้อนอยู่จำนวนมาก และคล้ายกับโครงร้างเครือข่ายแบบแมช(Mesh
– Like Structure)
สมองของมนุษย์เป็นสิ่งที่น่าอัศจรรย์มาก ทุกวันจะมีเซลล์ประสาทในสมองตาย
แต่ไม่ได้ส่งผลต่อประสิทธิภาพโดยรวมของสมองเลยระบบสมองมีระบบการเรียนรู้
(แตกต่างจากคอมพิวเตอร์ที่จะต้องมีโปรแกรมสิ่งใหม่ๆ เข้าไป)
และที่สำคัญ สมองของมนุษย์สามารถประมวลผลข้อมูลแบบขนานได้เป็นอย่างดี
ดังนั้นหากคอมพิวเตอร์สามารถเลียนแบบการทำงานของสมองมนุษย์ได้มากเท่าไร
นั่นหมายถึงความชาญฉลาดของเครื่องจักรที่มีความสามารถเทียบเคียงสมองของมนุษย์มากขึ้นเท่านั้น
โครงข่ายประสาทเทียมสามารถประมวลผลสิ่งต่างๆ มากกว่าหนึ่งสิ่งในขณะเดียวกัน
และมีระบบการเรียนรู้เพื่อนำไปสู่ความสามารถในการแยกแยะสิ่งต่างๆ ได้ (Recognize
Patterns) ตัวอย่างเช่น บริษัทที่ดำเนินธุรกิจเกี่ยวกับเคมีภัณฑ์
ได้นำโครงข่ายประสาทเทียมมาวิเคราะห์เพื่อช่วยเหลือแพทย์ทางคลินิก
ในการวินิจฉัยเกี่ยวกับโรคหลอดเลือดหัวใจ
บริษัทน้ำมันได้ใช้ซอฟต์แวร์โครงข่ายประสาทเทียมเพื่อตรวจสอบและควบคุมการเจาะบ่อน้ำมัน
และองค์การนาซ่าได้สร้างตัวแบบจำลองโครงข่ายประสาทเทียมเพื่อจำลองสภาพแวดล้อมที่เอื้อต่อการดำรงชีวิตของมนุษย์บนดาวอังคาร เป็นต้น
และต่อไปนี้คือความสามารถเฉพาะทางของโครงข่ายประสาทเทียม ซึ่งประกอบด้วย
-
การดึงข่าวสารหรือสารสนเทศได้ครบถ้วนสมบูรณ์
แม้ว่าจะมีโหนดประสาทบางโหนดเสียหาย
-
การเปลี่ยนแปลงและจัดเก็บข้อมูลสามารถดำเนินการได้อย่างรวดเร็ว
ทำนองเดียวกันกับการแสดงผลลัพธ์ของสารสนเทศใหม่ๆ
-
ความสามารถในการสืบค้นความสัมพันธ์และแนวโน้มของข้อมูลในฐานข้อมูลขนาดใหญ่
-
การแก้ไขปัญหาที่ซับซ้อนได้ ในขณะที่ระบบสารสนเทศทั่วไปทำไม่ได้
ไม่มีความคิดเห็น:
แสดงความคิดเห็น