บทที่ 7 ปัญญาประดิษฐ์และระบบผู้เชี่ยวชาญ

1. บทที่ 7 ปัญญาประดิษฐ์และระบบผู้เชี่ยวชาญ อ.สุปราณี วงษ์แสงจันทร์ สาขาวิชาเทคโนโลยีสารสนเทศธุรกิจ คณะเทคโนโลยีสารสนเทศ supraneev@eau.ac.th

2. หัวข้อที่ศึกษา • ปัญญาประดิษฐ์ • ประเภทของ AI • ระบบผู้เชี่ยวชาญ • ประโยชน์ของ ES • ส่วนประกอบของ ES • ความรู้ • การพัฒนา ES • ตัวอย่างของ ES

3. ปัญญาประดิษฐ์ (Artificial Intelligence) • AI คือ ระบบคอมพิวเตอร์ที่ถูกพัฒนาให้มีความสามารถที่จะเรียนรู้ ใช้เหตุผล พัฒนา และปรับปรุงข้อบกพร่องของตนเองให้ดีขึ้น โดยการทำงานใกล้เคียงกับการประมวลผลและการตอบสนองของมนุษย์ที่มีต่อสถานการณ์ • AI จะเลือกเฉพาะสาขาหรือเฉพาะด้านที่ขาดแคลนผู้เชี่ยวชาญเท่านั้น • การวินิจฉัยทางการแพทย์ • การผ่าตัด • การวิเคราะห์ทางเคมี • การขุดเจาะน้ำมัน • การวางแผนการเงิน • การจัดทำภาษี • การซ่อมเครื่องยนต์ • การพยากรณ์อากาศ • การซ่อมเครื่องคอมพิวเตอร์ การส่งสัญญาณดาวเทียม • ปฏิบัติการเกี่ยวกับอาวุธนิวเคลียร์ • การวางรูปแบบหนังสือพิมพ์ • การตีความกฎหมาย

4. ความแตกต่างระหว่าง AI กับระบบสารสนเทศปกติ • ปัญญาประดิษฐ์ • ประมวลสัญลักษณ์และตัวเลข • ไม่ดำเนินงานตามขั้นตอนท่งคณิตศาสตร์ • ให้ความสำคัญกับการรับรู้แบบแผน • ระบบสารสนเทศทั่วไป • ประมวลผลทางคณิตศาสตร์ • วิเคราะห์และแก้ปัญหาตามขั้นตอนทางคณิตศาสตร์ ปัญญาประดิษฐ์กับระบบสารสนเทศทั่วไป

5. ประเภทของ AI

6. การประมวลผลภาษาธรรมชาติ(Natural Language Processing) • การศึกษาการแปลความหมายจากภาษามนุษย์ มาเป็นความรู้ที่เครื่องจักรเข้าใจได้ • คอมพิวเตอร์สามารถอ่าน พูด ฟัง และเข้าใจภาษา และทำงานติดต่อสื่อสารกับมนุษย์ได้ • ระบบประมวลภาษาพูด (Natural Language Processing System) การพัฒนาให้ระบบคอมพิวเตอร์สามารถสังเคราะห์เสียง (Synthesize) เพื่อสื่อความหมายกับมนุษย์ เช่น เครื่องคิดเลขพูดได้ (Talking Calculator) หรือนาฬิกาปลุกพูดได้ (Talking Clock) • การรู้จำเสียงพูด (Speech Recognition System) การพัฒนาให้ระบบคอมพิวเตอร์เข้าใจภาษามนุษย์ และสามารถจดจำคำพูดของมนุษย์ได้อย่างต่อเนื่อง กล่าวคือเป็นการพัฒนาให้เครื่องคอมพิวเตอร์ทำงานได้ด้วยภาษาพูด เช่น ระบบงานพิมพ์เอกสารสำหรับผู้พิการ

7. คอมพิวเตอร์วิทัศน์ (Computer vision) • เป็นการศึกษาเรื่องการมองเห็น การรู้จำภาพ • ปัจจุบันใช้ได้ทั้งภาพนิ่งและภาพเคลื่อนไหว • ตัวอย่างระบบ : • WebSite ตรวจสอบหน้าเหมือนคนดังhttp://www.myheritage.com/FP/Company/tryFaceRecognition.php?lang=TH • Power view ATM Feature

8. Power view ATM Feature •   Advantech และ Deibold ได้ร่วมพัฒนาระบบ ATM โดยเพิ่มประสิทธิภาพการทำงานด้านการรักษาความปลอดภัยให้กับตู้เอทีเอ็มและการทำงานร่วมกับระบบ CMS (Central Management System) ในส่วนกลางเพื่อรับข้อมูลจากตู้เอทีเอ็ม • การทำงานแบบ Face Detection ที่นำมาติดตั้งเพิ่มเติมได้ในภายหลังในแต่ละตู้เอทีเอ็มหรือ DVR นั้นจะเพิ่มความสะดวกในการหาข้อมูล จากหน้าของผู้มาใช้บริการหรือเพิ่มเติมในส่วนของการรักษาความปลอดภัยสำหรับ ใบหน้าที่ไม่ได้รับการอนุญาตหรือผู้ก่อการร้าย โดยแจ้งเตือนผู้ดูแลระบบได้ทันท่วงที

9. ระบบเครือข่ายเส้นประสาท (Neural Network) • ระบบจำลองการทำงานของสมองและเส้นประสาทมนุษย์ • มีความสามารถในการสังเกต การเรียนรู้ การจดจำ การทำซ้ำ และการแยกแยะ • คอมพิวเตอร์สามารถพัฒนาศักยภาพในการปฏิบัติงานของตนเอง

10. การประยุกต์ใช้งาน Neural Network • เทคโนโลยีโครงข่ายใยประสาทจัดว่าเป็นเทคโนโลยีที่มีความสามารถสูง จึงได้มีการนำไปประยุกต์ใช้กับระบบอื่นๆเพื่อประโยชน์ในการทำงานหลายด้าน หรือมีการนำไปประสานเข้ากับเทคโนโลยีอื่นเพื่อเพิ่มความสามารถให้เทียบเท่ากับมนุษย์

11. การประยุกต์ใช้งาน Neural Network • Synface การช่วยเหลือการสนทนาทางโทรศัพท์ด้วยใบหน้าจำลอง • เป็นซอฟต์แวร์ที่สามารถสร้างใบหน้าจำลองที่สัมพันธ์กับการสนทนาของผู้ที่อยู่ปลายสายโทรศัพท์ เพื่อช่วยเหลือผู้มีปัญหาทางการได้ยินได้ ภาพใบหน้าจำลองซึ่งให้ภาพคล้ายใบหน้าจริงของบุคคลที่กำลังสนทนาอยู่ด้วย ทำให้ผู้ชมสามารถเข้าใจบทสนทนาจากการอ่านริมฝีปากได้เป็นอย่างดี • ซินเฟสได้รับการทดสอบที่สถาบันคนหูหนวกในประเทศอังกฤษ UK’s Royal National Institute for the Deaf (RNID) พบว่า 84 % ของผู้ที่ได้รับการทดสอบสามารถเข้าใจบทสนทนา และสามารถพูดคุยกันทางโทรศัพท์ได้

12. การประยุกต์ใช้งาน Neural Network • BEAMสร้างโดยมาร์ค ทิลเดน ( Mark W. Tilden ) นักวิทยาศาสตร์ ประจำห้องทดลองแห่งชาติ LosAlamos รัฐนิวแม็กซิโกสหรัฐอเมริกา • สร้างมาจากวงจรอิเลกทรอนิกส์ขนาดเล็ก ใช้อุปกรณ์น้อยชิ้นจึงมีขนาดเล็กและรูปแบบการทำงานไม่ซับซ้อน มีการเคลื่อนไหวคล้ายคลึงพฤติกรรมของสิ่งมีชีวิต เช่น มดแมลงต่างๆ • " บีม " ใช้ระบบควบคุมอิเลคทรอนิคส์แบบง่าย ๆที่เรียกว่า " เครือข่ายใยประสาท ( Nervous Network) " แทนไมโครโปรเซสเซอร์ ซึ่งเป็นชุดทรานซิสเตอร์หลาย ๆ ตัวที่สามารถรับ - ส่งข้อมูลจากโครงสร้างตัวหุ่นและการเคลื่อนไหวถ้าขาข้างใดสะดุดมอเตอร์ไฟฟ้า จะเกิดแรงหน่วง และปรับเปลี่ยนวงจรไฟฟ้า ทำให้ขาข้างนั้น ก้าวไปทางอื่นทันที Mark Tilden with RoboSapien

13. หุ่นยนต์ (Robotics) • การจำลองการทำงานของมนุษย์โดยออกแบบอุปกรณ์และกำหนดคำสั่งให้ทำงาน • ปัจจุบันนำมาใช้ในโรงงานอุตสาหกรรมที่ต้องการความเที่ยงตรงในการผลิตสินค้า/งานที่เสี่ยงอันตราย/งานที่สภาวะไม่เหมาะสมกับการดำรงชีวิตของมนุษย์

14. ระบบผู้เชี่ยวชาญ (Expert System) • การพัฒนาให้ระบบคอมพิวเตอร์มีความรู้ รู้จักใช้เหตุผลในการวิเคราะห์ปัญหา โดยใช้ความรู้ที่มีหรือจากประสบการณ์ในการแก้ปัญหาหนึ่ง ไปแก้ไขปัญหาอื่นอย่างมีเหตุผล • ระบบนี้จำเป็นต้องอาศัยฐานข้อมูล (Database) ซึ่งมนุษย์ผู้มีความรู้ความสามารถเป็นผู้กำหนดองค์ความรู้ไว้ในฐานข้อมูลดังกล่าว เพื่อให้ระบบคอมพิวเตอร์สามารถวิเคราะห์ปัญหาต่างๆ ได้จากฐานความรู้

15. เหตุผลในการพัฒนา ES การกระจายความรู้(Knowledge Distribution) เหตุผลในการพัฒนา ES การเตรียมการสำหรับอนาคต ความแน่นอน (Consistency)

16. ประโยชน์ของ ES

17. ส่วนประกอบของ ES

18. ฐานความรู้ (knowledge base) • ส่วนที่เก็บความรู้ทั้งหมดของผู้เชี่ยวชาญที่รวบรวมจากการศึกษาและจากประสบการณ์ โดยมีการกำหนดโครงสร้างของข้อมูล (Data Structure) ให้เหมาะสมกับการนำไปใช้งาน และรวบรวมตรรกะ (Logic) ในการปฏิบัติงาน

19. เครื่องอนุมาน (inference engine) • เป็นส่วนควบคุมการใช้ความรู้ในฐานความรู้ เพื่อวิเคราะห์และแก้ปัญหาที่เกิดขึ้น จะทำหน้าที่ตรวจสอบกฎเกณฑ์ที่อยู่ในฐานความรู้ โดยการใช้เหตุผลทางตรรกะสำหรับแต่ละเหตุการณ์ ซึ่งมักจะอยู่ในลักษณะ ถ้า…แล้ว… • การอนุมานมี 2 ลักษณะ • การอนุมานแบบไปข้างหน้า (Forward Chaining Inference) • การอนุมานแบบย้อนหลัง(Backward Chaining Inference) Rules Facts Inference Engine Conclusions

20. Forward Chaining • หาค่าความจริงจากการสอบถามจากผู้ใช้ • นำค่าความจริงมาเปรียบเทียบกับเงื่อนไข หากกฎใดถูกต้อง เครื่องอนุมานจะปฏิบัติตามกฎนั้น • เช่น การเปิดไฟล์เอกสารใน MS word สามารถทำได้ 3 วิธี 1. คลิก file >Open 2. คลิก ICON บน Toolbar เลือกไฟล์และกดปุ่ม Open 3. ใช้ Shortcut Key บน keyboard คือ Ctrl+0 • เป็นการค้นหาเป้าหมาย คือ ค้นหาวิธีที่สามารถกระทำได้

21. Backward Chaining • การหาสาเหตุของรถยนต์สตาร์ทไม่ติด • เนื่องจากรู้ผลลัพธ์และหาสาเหตุที่มาของเครื่องยนต์ที่สตาร์ทไม่ติด • เป็นการค้นหาเป้าหมายคือ ค้นหาสาเหตุของปัญหา • น้ำมันหมด • เครื่องยนต์เสีย หาสาเหตุ เครื่องยนต์ไม่ติด

22. ส่วนดึงความรู้ (knowledge acquisition subsystem) • ส่วนที่ดึงความรู้จากเอกสาร ตำรา ฐานข้อมูล และเชี่ยวชาญ • ทีมพัฒนาจะทำการจัดความรู้ที่ได้มาให้อยู่ในรูปที่เข้ากันได้กับโครงสร้างของฐานความรู้ เพื่อที่จะได้สามารถบรรจุความรู้ที่ได้มาลงในฐานความรู้ได้

23. ส่วนอธิบาย (explanation subsystem) • ส่วนที่อธิบายถึงรายละเอียดของข้อสรุปหรือคำตอบที่ได้มานั้น มาได้อย่างไร และทำไมถึงมีคำตอบเช่นนั้น

24. การติดต่อกับผู้ใช้ (user interface) • ส่วนติดต่อกับผู้ใช้ต้องใช้งานง่าย รองรับผู้ใช้ที่มีความรู้ในงานสารสนเทศที่แตกต่างกัน และต้องมีคำแนะนำจากระบบสารสนเทศ • ระบบต้องมีคำแนะนำให้กับผู้ใช้

25. การพัฒนา ES

26. การวิเคราะห์ปัญหา • ดำเนินการพิจารณาถึงความต้องการ ความเหมาะสม และความเป็นไปได้ ในสถานการณ์จริง • ทำความเข้าใจกับปัญหา • จัดขั้นตอนในการแก้ปัญหา • การกำหนดรูปแบบของการให้คำปรึกษา • การรวบรวมความรู้ และความเข้าใจในสาระสำคัญที่จะนำมาประกอบการพัฒนาระบบ และต้องคำนึงถึงความต้องการของผู้ใช้ระบบเป็นสำคัญ

27. การเลือกอุปกรณ์ พิจารณาความเหมาะสมของส่วนประกอบที่สำคัญ ดังต่อไปนี้ • การแสดงความรู้ • เครื่องอนุมาน • การติดต่อกับผู้ใช้ • ชุดคำสั่ง • การบำรุงรักษาและการพัฒนาระบบ

28. การถอดความรู้ • การสังเกต ศึกษา และทำความเข้าใจกับความรู้ที่จะนำมาพัฒนาเป็น ES จากแหล่งอ้างอิง หรือผู้เชี่ยวชาญในสาขานั้น • การกำหนดขอบเขตที่เหมาะสมของระบบ

29. การสร้างต้นแบบ • ส่วนประกอบต่าง ๆ ที่กล่าวมามาประกอบการสร้างต้นแบบ • ทดสอบการทำงานของต้นแบบที่สร้างขึ้นว่าสามารถทำงานได้ตามที่ไว้วางแผนไว้หรือไม่

30. การขยาย การทดสอบและบำรุงรักษา • ระบบสามารถขยายให้ใหญ่ขึ้นจากต้นแบบ โดยเฉพาะส่วนที่เป็นฐานความรู้ • ตกแต่งหน้าจอให้เหมาะสมกับการใช้งานของผู้ใช้

31. ตัวอย่างของ ES

32. Animal Expert System http://www.lpa.co.uk/pws_dem 7. htm

33. Animal Expert System

34. Animal Expert System

35. Animal Expert System

36. Animal Expert System

37. Animal Expert System

38. Animal Expert System

39. Animal Expert System

40. Animal Expert System

41. Animal Expert System

42. Animal Expert System

43. Animal Expert System

44. Animal Expert System

45. ตัวอย่างระบบผู้เชี่ยวชาญ ผู้เชี่ยวชาญที่วินิจฉัยอาการเจ็บป่วยของม้า • คอมพิวเตอร์ - ม้าตัวนี้แก่แล้วใช่ไหม • คน - ไม่ใช่ • คอมพิวเตอร์ - ม้าตัวนี้ฟันไม่ดีใช่ไหม • คน - ทำไมถึงถามอย่างนี้ (Why?) • คอมพิวเตอร์ - ผมกำลังตรวจสอบประวัติของม้าว่ามีการระบุว่าม้าเป็นโรคอุจจาระแข็งหรือไม่ ผมต้องทราบว่าม้ามีฟันไม่ดีจริงหรือไม่ เพราะผมกำลังใช้กฎต่อไปนี้ คือ ประวัติของม้าจะบอกว่าม้าเป็นโรคอุจจาระแข็ง ถ้าหากม้ามีฟันไม่ดี คุณต้องการทราบคำอธิบายเพิ่มเติมหรือไม่ • คน - ต้องการ

46. ตัวอย่างระบบผู้เชี่ยวชาญ ผู้เชี่ยวชาญที่วินิจฉัยอาการเจ็บป่วยของม้า (ต่อ) • คอมพิวเตอร์ - ผมกำลังตรวจสอบว่าม้าตัวนี้ป่วยเป็นโรคอุจจาระแข็งหรือไม่ ผมต้องทราบว่าประวัติของม้าระบุว่าม้าเป็นโรคอุจจาระแข็งหรือไม่ เพราะผมกำลังใช้กฎต่อไปนี้ ม้าตัวนี้อาจจะป่วยเป็นโรคอุจจาระแข็ง ถ้าหากประวัติม้าระบุว่าม้าเคยเป็นโรคนี้ และการปวดท้องมีขนาดปานกลาง และไม่มีเสียงลำไส้เคลื่อนที่ และ การตรวจสอบทวารหนักระบุว่ามีอุจจาระแห้งแข็งเป็นลำยาว และไม่สามารถคลำหาลำไส้ ซัม และ โคลอนได้ชัด ต่อไปนี้กรุณาตอบคำถาม ม้าตัวนี้ฟันไม่ดีใช่ไหม • คน - ไม่ใช่

47. ตัวอย่างระบบผู้เชี่ยวชาญ ผู้เชี่ยวชาญที่วินิจฉัยอาการเจ็บป่วยของม้า (ต่อ) • คอมพิวเตอร์ - จริงหรือไม่ที่ม้าตัวนี้กินหญ้าในสนามที่มีทรายมากและต้นหญ้าขึ้นห่างกันมาก • คน – ไม่จริง • คอมพิวเตอร์ - จริงหรือไม่ที่ม้ามีประวัติการเสียดท้องเสมอ ๆ • คน - จริง • คอมพิวเตอร์ - จริงหรือไม่ที่การตรวจทวารหนักของม้า พบว่าผนังสำไส้เล็กหนา และ โป่งพอง • คน - จริง

48. ตัวอย่างระบบผู้เชี่ยวชาญ ผู้เชี่ยวชาญที่วินิจฉัยอาการเจ็บป่วยของม้า (ต่อ) • คอมพิวเตอร์ - จริงหรือไม่ที่ลำไส้มีเสียงเป็นปกติหรือดังกว่าปกติ • คน - จริง • คอมพิวเตอร์ - ม้าตัวนี้อาจจะป่วยเพราะมีอะไรอุดตันในลำไส้เล็กอย่างเฉียบพลัน คุณต้องการทราบเหตุผลสนับสนุนหรือไม่ • คน – ต้องการ • คอมพิวเตอร์ - ที่วินิจฉัยเช่นนี้ เพราะได้พบว่า เรื่องต่อไปนี้เป็นจริง ม้ามีประวัติการเสียดท้องเสมอ ๆ การตรวจทวารหนักพบว่าผนังลำไส้เล็กหนาและโป่งพอง ลำไส้มีเสียงปกติหรือดังกว่าปกติ