ผมได้รับการบ้านมาครับ คือต้องนำงานวิจัยในหัวข้อเกี่ยวกับความมั่นคงของคอมพิวเตอร์มาสรุปความ ผมเลยเลือกทำอันนี้ครับ มันคือโครงร่างซอฟต์แวร์ ConXsense ซึ่งมันเป็นงานวิจัยที่ได้รางวัลชนะเลิศในงานประชุมวิชาการ ASIACCS’14 จัดขึ้นที่ญี่ปุ่นเมื่อช่วงเดือนมิถุนายน 2557 ที่ผ่านมา ลองอ่านดูแล้วกันครับว่างานวิจัยนี้เขาทำอะไร … — ConXsense – Automated Context Classification for Context-Aware Access Control ปัจจุบัน โทรศัพท์มือถือได้กลายเป็นส่วนหนึ่งในชีวิตประจำวันของประชาชน และถูกพัฒนาให้ทันสมัยโดยผู้ผลิตชั้นนำอยู่อย่างต่อเนื่อง
Category: Artificial Intelligence
โม้เกี่ยวกับเทคโนโลยี Artificial Intelligence
วิชา Artificial Intelligent เน้นเรื่องหลัก ๆ สองอย่างครับ คือ Predict และ Mining ในขณะที่วิชา Cognitive Science เน้นเรื่อง Brain และ Mind พวกเราเคยหนุนของหนัก ๆ ขึ้นที่สูงมั้ยครับ ของมันหนัก เรายกมันขึ้นที่สูงรวดเดียวไม่ได้ เราเลยต้องใช้วิธียกด้านนึงแล้วหาอะไรมาหนุนให้มันสูงขึ้น มันก็จะเอียงใช่มั้ยครับ ไม่เป็นไรครับ
ผมเชื่อมาตลอดว่างานวิจัยทางด้าน Predict ง่ายกว่าทางด้าน Mining เพราะงานวิจัยทาง Predict ส่วนใหญ่แล้วพิสูจน์ได้ด้วยการหา ROC curve จะมีส่วนน้อยเท่านั้นที่ต้องใช้ Domain Expert เข้ามาช่วย เช่น งานทางด้าน Facial Recognition เป็นต้น ในขณะที่งานวิจัยทางด้าน Mining ส่วนใหญ่แล้วต้องพิสูจน์ด้วย Domain Expert เพราะการหาความรู้จากข้อมูล มันไม่สามารถพิสูจน์ได้ถ้าไม่มีผู้เชี่ยวชาญมาตัดสินว่าถูกหรือผิด
เอาใจความหลักๆก่อนแล้วกัน Machine Learning คือ การให้คอมพิวเตอร์ทำนายผลลัพธ์ โดยใช้ข้อมูลพื้นฐานจาก attribute ที่รู้จักมาก่อนจากขั้นตอนการ train Data Mining คือ การค้นพบความรู้จากข้อมูล โดยข้อมูลที่ใช้เพื่อการค้นพบนั้นเป็น attribute ที่ไม่เคยรู้จักมาก่อน ดังนั้น ความแตกต่างของทั้งสองอย่างอยู่ที่กริยาของพวกมัน เพราะอย่างนึงคิดค้นขึ้นเพื่อการ “ทำนาย” ส่วนอีกตัวนึงคิดค้นขึ้นเพื่อการ “ค้นพบ” ส่วนสิ่งที่เหมือนกันของทั้งสองอย่างคือ “ข้อมูล” เพราะในแง่ของ
ผมใกล้ต้องส่งการบ้านอีกแล้วและคราวนี้เป็นการทบทวนวรรณกรรมครับ คือแบบว่า การจะทำวิจัยต้องมีการทบทวนวรรณกรรมก่อนครับ เพื่อตรวจสอบว่ามีนักวิจัยท่านอื่นได้วิจัยในหัวข้อที่เราสนใจไปบ้างหรือเปล่า และการวิจัยเหล่านั้นได้ก้าวหน้าไปถึงไหนแล้ว เพื่อให้เราได้วิจัยส่วนที่เป็นช่องโหว่ให้ครบถ้วนสมบูรณ์ต่อไป ส่วนตัวผมเองก็รู้ทฤษฎีการคำนวณสำหรับคอมพิวเตอร์เพียงไม่กี่เรื่องครับ ดังนั้น ก็เลยต้องเลือกทบทวนวรรณกรรมในหัวข้อที่ตนเองถนัดที่สุด นั่นคือ แบบจำลองทางสถิติที่ชื่อว่า Hidden Markov Models และเพื่อให้ไม่เป็นการเสียเวลา มาลองอ่านงานทบทวนวรรณกรรมฉบับร่างของผมดูกันครับ ทบทวนวรรณกรรม นับตั้งแต่งานวิจัย Hidden Markov Model [1][2][3][4] ซึ่งเป็นโมเดลที่เหมาะกับการอนุมานความน่าจะเป็นของลำดับที่ซ่อนอยู่ โดยการวิเคราะห์จากลำดับที่สังเกตได้ ๆ
Taxonomy หรือ อนุกรมวิทธาน เป็นอะไรซักอย่างที่ถูกใช้เพื่อการจัดหมวดหมู่ครับ ที่เห็นเยอะ ๆ ก็ใช้ในการจัดหมวดหมู่ของสิ่งมีชีวิต เพื่อแบ่งชั้นแบ่งกลุ่มว่าอะไรพวกเดียวกับอะไร แล้วแต่ล่ะพวกนั้นมันไปเกี่ยวกับอะไรที่อยู่ในชั้นก่อนหน้านั้น เป็นต้น ในทางทฤษฎีการคำนวณสำหรับคอมพิวเตอร์ ก็มี Taxonomy กับเขาเหมือนกันครับ เพราะเดี๋ยวนี้ทฤษฎีการคำนวณสำหรับคอมพิวเตอร์มันแตกสาย แตกลูกแตกหลานกันเยอะ บางทีได้ยินคุยกันก็รำคาญใจ จัดหมวดหมู่ชั้นช่วงกันผิด ๆ ถูก ๆ เหมือนกับมีคนมาบอกเราว่า กรุงเทพฯ, พระประแดง, นนทบุรี
จริง ๆ แล้ว Evolutionary Computation เป็นแขนงย่อยของ Artificial Intelligence แต่พอเจาะเรียนไปแล้ว (เรียน Ant Colony Optimization, Genetic Algorithm และ Particle Swarm Optimization ซึ่งเป็นอัลกอริทึมในแขนง Evolutionary Computation) ถึงได้รู้ว่า Evolutionary Computation มันไม่ได้มีจุดประสงค์ของความเป็น
โดยส่วนตัวแล้ว ถ้าเป็นเรื่องของปัญญาประดิษฐ์ ผมจะสนใจเรียนรู้เฉพาะแต่ Hidden Markov Model, Ant Colony Optimization และ Neural Network และมีสิ่งหนึ่งที่ผมเห็นว่ามันมีอะไรที่เกี่ยวข้องกันระหว่าง 3 อย่างนี้ ซึ่งสิ่งนั้นก็คือ พวกมันล้วนแสดงผล, มีพฤติกรรม และมีกลไกเหมือนกับ Graph ดังภาพข้างล่างนี้ ดังนั้น ถ้าอยากจะเข้าใจพวกมันอย่างถ่องแท้ ก็หลีกหนีไม่พ้นที่จะต้องเข้าใจ “ทฤษฎี
ปัญญาประดิษฐ์ คือ การทำให้เครื่องจักรมีปัญญา แต่ส่วนใหญ่ผู้สร้างมักคาดหวังให้มันมีความนึกคิดได้คล้าย ๆ กับมนุษย์ สามารถเดาอะไรเองได้ มีกึ๋น และสามารถประมวลผลได้ถึงแม้จะมีข้อมูลนำเข้าไม่เพียงพอ ซึ่งเป็นอะไรที่มนุษย์เราก็ทำได้เป็นปรกติอยู่แล้ว เช่น ถ้ามีเสียงโหวกเหวกอยู่ข้างหน้า แล้วมีคนวิ่งกรูกันมา มนุษย์เราก็ไม่ลังเลที่จะวิ่งหนีตีนขวิด โดยไม่ต้องรู้ว่าเกิดอะไรขึ้นเหมือนกัน เป็นต้น นักวิทยาศาสตร์คอมพิวเตอร์ต่างทุ่มเทกำลัง เพื่อคิดค้นวิธีให้เครื่องจักรกลมีความสามารถทางปัญญาประดิษฐ์ที่เพิ่มขึ้น จนทุกวันนี้สามารถแบ่งความก้าวหน้าของงานวิจัยพัฒนาปัญญาประดิษฐ์ โดยดูจากกึ๋นของเครื่องจักรเทียบเคียงกับกึ๋นของมนุษย์ ซึ่งแบ่งได้เป็น 5 ระดับ ดังนี้ ระดับเหมาะสม ควรแก่การยอมรับได้
ตอนนี้งานวิจัยมันก้าวหน้าไปไกลมาก นอกจากจะต้องสนใจเรียนรู้ของเดิมแล้ว เรายังต้องสนใจเรียนรู้ดักทางของใหม่ ๆ อีก เริ่มแรก Markov Model ซึ่งมีการอนุมานว่าความน่าจะเป็นของ State ปัจจุบัน เกิดจากความน่าจะเป็นของ State ก่อนหน้า ดังนั้น ทุก ๆ State จึงมีการยึดโยงกับ State ก่อนหน้า เหมือนกับการทำนายดินฟ้าอากาศ เพื่อหาความน่าจะเป็นในการเกิดปรากฎการณ์ ฟ้าโปร่ง, ฝนตก