การจะเข้าใจ Hidden Markov Model ได้ จำเป็นที่จะต้องศึกษา Markov Model ก่อน ซึ่งการศึกษา Markov Model มันก็เหมือนกับการดูละคร คือมันมีตัวละครหลายตัว แต่ล่ะฉากก็จำเป็นที่จะต้องเดินเรื่องเพื่ออธิบายตัวละครแต่ล่ะตัว ทีนี้ผู้จัดทำละครเขาก็ไม่มีปัญญาจะปูพื้นตัวละครแต่ล่ะตัวพร้อม ๆ กันให้เราดูได้ เพราะพวกเราไม่ได้ดูทีวีที่มีหลายหน้าจอพร้อม ๆ กันแบบ CCTV ที่จะมีภาพของตัวละครแต่ล่ะตัวออกมาโลดแล่นให้เห็นพร้อม ๆ กัน
Category: Artificial Intelligence
โม้เกี่ยวกับเทคโนโลยี Artificial Intelligence
ตอนนี้ผมกำลังสลับไปสลับมาเพื่อเรียนรู้อัลกอริทึที่น่าสนใจในแขนงวิชาปัญญาประดิษฐ์อยู่ คือเรียนอันไหนแล้วเริ่มตัน เริ่มไม่เข้าใจ ก็จะสลับไปเรียนอันอื่นบ้าง เพื่อให้สมองมันได้เกิดการทบทวนอะไรใหม่ ๆ บ้าง ดีกว่าจับจดอยู่กับสิ่งที่มันไม่เข้าใจ เพราะถ้ามันยังไม่เข้าใจ ยังไงมันก็ไม่เข้าใจ ซึ่งอัลกอริทึมที่ตอนนี้ผมสลับไปสลับมาเพื่อเรียนก็ได้แก่ Genetic Algorithm Ant Colony Optimization Algorithm Hidden Markov Model Neural Network สมองผมมันช้าครับ ไม่ว่องไวเหมือนพวกอัจฉริยะ ก็เลยต้องค่อย
การแก้ปัญหาทางด้านปัญญาประดิษฐ์นั้น บางครั้งมักมีลักษณะร่วมเหมือนกันอยู่อย่างหนึ่ง คือเมื่อเราเสนออัลกอริทึมหรือโมเดลเพื่อมาแก้ปัญหา เราก็จะพบว่าสิ่งที่เรานำมาแก้ปัญหานั้น มันช่วยแก้ปัญหาได้จริง แต่ตัวมันเองก็สร้างปัญหาใหม่ขึ้นมาเหมือนกัน เราก็เลยต้องมาแก้ปัญหาของตัวที่ใช้แก้ปัญหาอีกทอดหนึ่ง (เอาเข้าไป) เหมือนกับการที่เราปวดหมอนรองกระดูกอักเสบ เลยทำให้เราต้องแก้ด้วยการกินยาคลายกล้ามเนื้อและยาแก้อักเสบ พอเรากินไปเรื่อย ๆ แล้วอาการปวดหมอนรองกระดูกอักเสบของเราก็ลดลง แต่ยามันกลับทำให้เกิดผลข้างเคียงคือระคายเคืองกระเพาะอาหาร จนทำให้เราต้องหายาเคลือบกระเพาะอาหารมากินเพื่อรักษาโรคอีกทอดหนึ่ง!!! เดี๋ยวนี้มีการนำ “ความน่าจะเป็น” เข้ามาช่วยแก้ปัญหาทางด้านปัญญาประดิษฐ์มากขึ้น โดยโมเดลหรืออัลกอริทึมที่มักจะถูกนำเสนอ ส่วนใหญ่จะเน้นการหาความน่าจะเป็นในเส้นทางการตัดสินใจทั้งหมด ถ้ามีเส้นทางเชื่อมโยงกันน้อย การใช้พละกำลังของคอมพิวเตอร์เพื่อช่วยคำนวณก็ยังช่วยให้เราได้ผลลัพท์ที่แม่นยำได้อยู่ แต่ถ้าหากต้องคำนวณเพื่อหาความน่าจะเป็นในเส้นทางเชื่อมโยงที่มากขึ้น ๆ เรื่อย
ปัญญาประดิษฐ์เป็นศาสตร์ที่มีมาตรฐานให้ไว้ในระดับหนึ่งครับ จากนั้นก็ต้องไปต่อยอดเอาเอง หาอะไรตายตัวไม่ค่อยได้เท่่าไหร่ ยังต้องพัฒนาไปอีกเรื่อย ๆ แล้วก็เรื่อย ๆ ดังนั้น เราจึงมักจะพบคำศัพท์เด่น ๆ ในวิชาปัญญาประดิษฐ์อยู่เสมอ ซึ่งเป็นไปตามภาพข้างล่างนี้ ปัญญาประดิษฐ์เป็นอะไรที่ต้องเจอกับความไม่เป๊ะ ดังนั้น เราจึงมักพบศัพท์เด่นที่แปลความได้ว่า สมมติ, สุ่ม และ เดา อยู่เสมอครับ เพียงแต่จะเขียนเป็นภาษาอังกฤษไว้สละสลวยยังไงเท่านั้นเอง
Hidden Markov Models หรือ HMMs เป็นส่วนขยายของ Markov Models ดังนั้น เราจึงต้องศึกษา Markov Models ก่อน ทีนี้พอเราศึกษาเสร็จแล้ว เราก็จะต้องเตรียมพื้นฐานอย่างหนึ่งก่อนศึกษา Hidden Markov Models นั่นก็คือ เราต้องไปศึกษา การอนุมานแบบเบย์ หรือ Bayesian inference ซะก่อน
ผมเริ่มติดปัญหาในการประยุกต์ Hidden Markov Model ในระดับลึก ๆ เพราะผมเริ่มรู้ตัวว่าผมมีพื้นฐานทางคณิตศาสตร์ที่ยังไม่แข็งพอ ผมยังอ่อน “พีชคณิตเชิงเส้น” และ “ความน่าจะเป็น” อยู่ ดังนั้น ผมต้องกลับไปทบทวนพวกมันใหม่อีกครั้ง เดี๋ยวนี้ไม่ว่าจะเป็น Hidden Markov Model, Artificial Neural Network และ Genetics Algorithm ก็ล้วนพึ่งพา
ผมก็เหมือนคนทำงานวงการคอมพิวเตอร์ทั่ว ๆ ไปครับ ที่อยากจะเรียนรู้วิธีการทางคอมพิวเตอร์ต่าง ๆ เอาไว้ เพื่อเอาไว้ประดับสติปัญญาตัวเอง เพื่อเอาไว้เป็นอาวุธทางปัญญาให้กับตัวเอง และหวังว่าซักวันหนึ่งจะได้นำความรู้นั้นไปสร้างคุณประโยชน์และผลประโยชน์ได้ แต่ผมก็เหมือนกับคนทั่วไป คือมีเวลาเท่ากับคนทั่วไป ดังนั้น ผมเลยต้องกำหนดปัญหาทางปัญญาประดิษฐ์ขึ้นมาก่อน แล้วค่อยคิดว่าจะเอาวิธีการไหนที่เหมาะสมมาแก้ปัญหา!!! จากการศึกษาโดยส่วนตัวพบว่า วิธีการแก้ปัญหาทางปัญญาประดิษฐ์ที่นิยมใช้กันอย่างกว้างขวางในปัจจุบันนั้น มีอยู่ไม่กี่วิธีไม่ว่าจะเป็น Hidden Markov Model, Artificial Neural Network, Genetic Algorithm
ช่วงนี้ผมกำลังอ่านหนังสือชื่อ Neural Network Design แต่งโดย Hagan, Demuth และ Beale เป็นการอ่านแบบจริงจังไม่จิงโจ้ อ่านเพื่อหวังจะเอาไปต่อยอดทำวิจัย ไม่ได้อ่านแบบไก่กา ผิวเผิน ลวก ๆ เพื่อเอาไปสอบแล้วก็ลืม ๆ ไปอะไรแบบนั้น คนนอกที่ไม่เคยเรียนรู้ Neural Network แต่มีความสนใจก็จะเข้าใจไปแบบนึง ส่วนคนในที่ได้เรียนรู้แล้วก็เข้าใจอีกแบบนึง ดังนั้น มาเรียบเรียงความเข้าใจที่เป็นความจริงเกี่ยวกับ
สิ่งมีชีวิตที่ดำรงชีวิตกันเป็นสังคม ล้วนประกอบด้วยชนชั้นปกครองและชนชั้นที่ถูกปกครอง และปัจจัยที่ทำให้ชนชั้นปกครองมีศักดิ์และสิทธิ์ในฐานะดังกล่าวได้ ก็ด้วยการมีแหล่งกำเนิดอำนาจอยู่ในมือ!!! สำหรับแมลงหรือสัตว์ แหล่งกำเนิดอำนาจก็ได้แก่ กำลัง และ ความมีเอกลักษณ์ทางชีวภาพ … แต่สำหรับมนุษย์ แหล่งกำเนิดอำนาจย่อมซับซ้อนกว่า เพราะประกอบไปด้วย เงินตรา, กลไกรัฐ, ธุรกิจผูกขาด, ความรู้, ภาพลักษณ์, เครือข่าย, สื่อ และ กำลัง!!! ปัจจุบันมีการค้นคว้าวิจัยในทฤษฎีหนึ่ง นั่นก็คือทฤษฎี Technological
เมื่อวานมีผู้สาวชวนให้ผมเล่นเกม ๆ นึงใน Facebook เป็นเกมวัดไอคิว โดยการจับเวลาแล้วให้เราตอบคำถามต่าง ๆ ผมลองเล่นแล้วได้คะแนนไม่สูงมากนัก เห็นมันบอกว่าสมองของผมมีปริมาตรเท่ากับ “มนุษย์นีแอนเดอร์ทัล” อือม สงสัยผมจะโง่จริง ๆ T-T แต่ไม่เป็นไร ความโง่ไม่เคยปราณีใครอยู่แล้ว ดังนั้นผมจึงเปลี่ยนวิกฤติเป็นโอกาส โดยการหยิบยกเอาโจทย์ในเกมนั้นมาโม้ให้พวกเราอ่านกัน ภาพข้างบนคือนิพจน์ทางคณิตศาสตร์ ซึ่งแทนที่มันจะถามเราว่าคำนวณออกมาแล้วควรเป็นค่าอะไร มันกลับถามเราว่าสมการนี้ใช้นิพจน์อะไรเป็นตัวกระทำ?