สาขาของปัญญาประดิษฐ์
หัวใจของปัญญาประดิษฐ์
คอมพิวเตอร์วิทัศน์ (Computer vision)
เป็นการศึกษาเรื่องการมองเห็น การรู้จำภาพ มีสาขาย่อยเช่น การประมวลผลภาพ (image processing)
การประมวลผลภาษาธรรมชาติ (Natural language processing)
เป็นการศึกษาการแปลความหมายจากภาษามนุษย์ มาเป็นความรู้ที่เครื่องจักรเข้าใจได้ สาขานี้เกี่ยวข้องใกล้ชิดกับ ภาษาศาสตร์เชิงคำนวณ (computational linguistics)
การแทนความรู้ (Knowledge representation)
เป็นการศึกษาด้านเก็บความรู้ (knowledge) ไว้ในเครื่องจักร โดยมีประเด็นสำคัญคือ
ทำอย่างไรจะแสดงความรู้ได้อย่างกระทัดรัด ประหยัดหน่วยความจำ
จะนำความรู้ที่เก็บไว้นี้ไปใช้ในการให้เหตุผลอย่างไร ; และ
จะมีการเรียนรู้ความรู้ใหม่ ๆ ด้วยเทคนิคการเรียนรู้ของเครื่อง ให้ความรู้ที่ได้อยู่ในรูปแบบความรู้ที่เราออกแบบไว้ได้อย่างไร
การแทนความรู้สามารถแบ่งออกได้เป็นสองประเภทหลัก คือ
ความรู้ที่แน่นอน (certain knowledge) เช่น การแทนความรู้ด้วยตรรกศาสตร์ ไม่ว่าจะเป็นfirst-order logic หรือ propositional logic
ความรู้ที่มีความไม่แน่นอนมาเกี่ยวข้อง (uncertain knowledge) เช่น ฟัซซี่ลอจิก (fuzzy logic) และเครือข่ายแบบเบย์ ( bayesian networks)
การเรียนรู้ของเครื่อง (Machine learning)
เป็นการศึกษากระบวนการเรียนรู้ เพื่อให้เครื่องจักรสามารถเรียนรู้สิ่งใหม่ ๆ ได้คล้ายมนุษย์ มีสาขาย่อยมากมาย เช่น การสังเคราะห์โปรแกรม (program synthesis)
การคิดให้เหตุผล (Inference หรือ automated reasoning)
เป็นการคิดให้เหตุผลเพื่อแก้ปัญหาต่าง ๆ อย่างอัตโนมัติจากความรู้ที่มีอยู่ในเครื่อง การให้เหตุผลด้วยวิธีใดนั้นขึ้นอยู่กับการแทนความรู้ของเครื่อง (knowledge representation) โดยตรง เทคนิคที่นิยมใช้กันมากก็คือ การเขียนโปรแกรมเชิงตรรกะ (Logic programming) เมื่อเราแทนความรู้ของเครื่องด้วย first-order logic และ bayesian inference เมื่อเราแทนความรู้ของเครื่องด้วยbayesian networks
การวางแผนของเครื่อง (Automated Planning)
การค้นหาเชิงการจัด (Combinatorial search)
เนื่องจากเวลาเราพยายามแก้ปัญหาในงานวิจัยด้านปัญญาประดิษฐ์ วิธีมาตรฐานอย่างหนึ่งคือ พยายามมองปัญหาให้อยู่ในรูปปัญหาของการค้นหา การค้นหาจึงเป็นพื้นฐานของการโปรแกรมปัญญาประดิษฐ์แทบทุกประเภท
ระบบผู้เชี่ยวชาญ (Expert system)
เป็นการศึกษาเรื่องสร้างระบบความรู้ของปัญหาเฉพาะอย่าง เช่น การแพทย์หรือวิทยาศาสตร์ จุดประสงค์ของระบบนี้คือ ทำให้เสมือนมีมนุษย์ผู้เชี่ยวชาญคอยให้คำปรึกษา และคำตอบเกี่ยวกับปัญหาต่าง ๆ
งานวิจัยด้านนี้มีจุดประสงค์หลักว่า เราไม่ต้องพึ่งมนุษย์ในการแก้ปัญหา แต่อย่างไรก็ตามในทางปฏิบัติแล้ว ระบบผู้เชี่ยวชาญยังต้องพึ่งมนุษย์เพื่อให้ความรู้พื้นฐานในช่วงแรก
การจะทำงานวิจัยเรื่องนี้ต้องอาศัยความรู้พื้นฐานหลายเรื่อง ไม่ว่าจะเป็น การแทนความรู้, การให้เหตุผล และ การเรียนรู้ของเครื่อง (กรอบสีเขียวในรูปข้างบน)
สาขาอื่นที่สำคัญและมีบทบาทมากในปัจจุบัน
วิทยาการหุ่นยนต์ (Robotics)
การจะสร้างหุ่นยนต์ที่อาศัยอยู่กับมนุษย์ได้จริง ต้องใช้ความรู้ทางปัญญาประดิษฐ์ทั้งหมด นอกจากนั้นยังต้องใช้ความรู้อื่น ๆ ทางเครื่องกล เพื่อสร้างสรีระให้หุ่นยนต์สามารถเคลื่อนไหวได้เช่นเดียวกับมนุษย์
ในวงการวิทยการหุ่นยนต์ เขาก็ถือว่าปัญญาประดิษฐ์เป็นสาขาของเขาเช่นกัน
ขั้นตอนวิธีเชิงพันธุกรรม (Genetic_algorithm)
เป็นการประยุกต์นำแนวความคิดทางด้านการวิวัฒนาการที่มีอยู่ในธรรมชาติ มาใช้ในการแก้ปัญหาทางคณิตศาสตร์และคอมพิวเตอร์
เป็นอัลกอริทึมเชิงสุ่ม (stochastic) (ไม่ได้คำตอบเดิมทุกครั้งที่แก้ปัญหาเดิม)
มักประยุกต์ใช้ในปัญหาการหาค่าที่เหมาะสมที่สุด (optimization) ที่ไม่สามารถแก้ได้ด้วยวิธีมาตรฐานทางคณิตศาสตร์อย่างมีประสิทธิภาพ
แนวคิดที่นำเอาหลักการวิวัฒนาการมาใช้นี้ มีรูปแบบอื่นอีกหลายรูปแบบ เช่น การโปรแกรมเชิงพันธุกรรม (genetic programming) และ evolution strategy อย่างไรก็ตามเทคนิคเหล่านี้มีแนวความคิดหลักเหมือนกัน ต่างกันในรายละเอียดปลีกย่อยเท่านั้น
ข่ายงานประสาทเทียม (Neural_network)
ชีวิตประดิษฐ์ (Artificial_life)
เป็นการศึกษาพฤติกรรมของชีวิตเทียมที่เราออกแบบและสร้างขึ้น
ปัญญาประดิษฐ์แบบกระจาย (Distributed Artificial Intelligence)
ไม่มีความคิดเห็น:
แสดงความคิดเห็น