ผมเพิ่งได้มีโอกาสอ่าน แผนพัฒนาเศรษฐกิจ 5 ปี (2021-2025) ฉบับที่ 14 ของจีน (ฉบับแปลจีนเป็นอังกฤษ) ไปเมื่อไม่กี่วันก่อน ถือว่าอ่านช้าไปหน่อย เพราะประกาศมาตั้งแต่เดือนมีนาคมที่ผ่านมา และสื่อมวลชนไทยก็สาธยายรายละเอียดสำคัญไปหมดแล้ว แต่พอได้อ่านเอง ถึงได้รู้ว่าสื่อมวลชนไม่ได้แจกแจงทุกรายละเอียดปลีกย่อย ผมจึงเห็นว่าในเนื้อหามีคำสำคัญหลายคำที่ถูกกล่าวอ้างถึง ล้วนเกี่ยวข้องกับคอมพิวเตอร์ทั้งนั้น ซึ่งได้แก่ คลาวคอมพิวติ้ง บิ๊กดาต้า ไอโอที บล็อกเชน ปัญญาประดิษฐ์ วีอาร์ เออาร์
Category: Computation
โม้เกี่ยวกับการหาคำตอบของปัญหา จากข้อมูลป้อนเข้า โดยการใช้อัลกอริทึมเข้าช่วย
บล็อกนี้เอาสั้น ๆ นะ สืบเนื่องจากคราวก่อนเขียนเรื่อง ทำไม DEEP LEARNING บน QUANTUM COMPUTER จึงทำงานเร็วมาก ๆ เอาไว้ แล้วเห็นว่ามันมีประเด็นเรื่อง Big O ที่ต้องขยายความอยู่นิดนึง เลยมาต่องานในบล็อกนี้ คือเวลาในการทำงานของ Deep Learning มันก็เหมือนโมเดลปัญญาประดิษฐ์ทั่วไป แบบว่าเวลาในการสอนกับเวลาในการใช้งาน มันไม่เท่ากัน ซึ่ง Big
เราจะเห็นว่าทุกวันนี้เครื่องจักรที่คิดหรือตัดสินใจอะไรเองได้ เริ่มเข้ามามีบทบาทในชีวิตประจำวันเรามากขึ้นเรื่อย ๆ และการที่มันทำพฤติกรรมแบบนี้ได้ เราก็มักจะมีคำจำกัดความให้มัน เรามักจะเรียกมันว่า “ปัญญาประดิษฐ์” บ้าง หรือไม่ก็เรียกว่า “ระบบอัจฉริยะ” บ้าง อะไรประมาณนั้น จริง ๆ แล้วเบื้องหลังของการที่มันคิดหรือตัดสินใจได้ เกิดจากปัจจัยเพียง 2 สิ่งเท่านั้น นั่นก็คือ “การคำนวณ” และ “ข้อมูล” จุดประสงค์ของการคำนวณโดยใช้ข้อมูลประกอบ ก็เพื่อหาคำตอบที่ดีที่สุด สำหรับสังเคราะห์
ทุกวันนี้คอมพิวเตอร์มันเก่งมากในการประมวลผลซอฟต์แวร์ แต่มันยังไม่ถึงจุดที่มันจะสร้างซอฟต์แวร์เองได้ ดังนั้น มนุษย์เลยยังคงต้องรับผิดชอบเป็นผู้สร้างซอฟต์แวร์อยู่ ในงานสร้างซอฟต์แวร์โดยเฉพาะซอฟต์แวร์ขนาดใหญ่ มักจะต้องแบ่งงานกันทำ เพราะทำคนเดียวไม่ได้ มันเสร็จช้า และก็อาจจะไม่ประณีตในหลาย ๆ เรื่อง ดังนั้น แบ่งกันทำดีกว่า ปรกติแล้วการสร้างซอฟต์แวร์ถ้ามีคนพอ จะแบ่งงานออกเป็น 3 ส่วนใหญ่ ๆ คืองาน Management งาน Functional และงาน Technical ทีนี้เรามาสมมติว่าเราเป็นผู้อำนวยการสร้างกันดีกว่า
คอมพิวเตอร์ถึงจะทำงานได้เร็วแต่ก็มีข้อจำกัด หากมันเจอกับโจทย์ที่เป็นปัญหาซับซ้อนในการคำนวณ ซึ่งเท่าที่ผมเคยเผชิญมันมีอยู่ 2 แบบใหญ่ ๆ (และยังมีแบบอื่นอีก) คือ แบบที่ต้องคำนวณด้วยเวลา C ยกกำลัง N กับ แบบที่ต้องคำนวณด้วยเวลา 2 ยกกำลัง N แล้วจึงลบ 1 โดย N คือจำนวนของขนาดปัญหาที่เป็นไปได้ อย่างแบบแรก ยกตัวอย่างให้เห็นง่าย ๆ
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
ผมต้องส่งการบ้านในหัวข้อ “งานวิจัย NP ในปัจจุบัน” พอค้น ๆ ไปในอินเทอร์เน็ตถึงได้พบว่า อย่าว่าแต่ของคนไทยเลย ขนาดของพวกฝรั่งก็ยังเขียนลำดับให้เข้าใจไม่ค่อยได้ คือ เขาจะเขียนข้าม ๆ เป็นห้วง ๆ ไม่ลำดัีบเป็นขั้น ๆ เขาจะถือว่ารู้แล้ว (ซึ่งจริง ๆ เราไม่รู้) ดังนั้น ผมก็เลยต้องอ่านจากหลาย ๆ ที่ แล้วเอามาประมวลเป็นลำดับขั้นตอนเพื่อส่งการบ้าน
ความรู้ทางคอมพิวเตอร์มีอยู่สองรูปแบบ คือ ความรู้เพื่อแสดงภูมิปัญญา และ ความรู้เพื่อการเอาตัวรอด!!! ว่ากันตามจริงแล้ว บล็อกแห่งนี้ก็โม้แต่ความรู้ทางคอมพิวเตอร์ ในรูปแบบความรู้เพื่อแสดงภูมิปัญญา โดยมีความรู้ทั่วไปนิด ๆ หน่อย ๆ และเน้นความรู้ชั้นสูงมากหน่อย!!! แต่โดยส่วนตัวแล้ว ผมยกย่องคนที่มีความรู้ทางคอมพิวเตอร์เพื่อการเอาตัวรอดนะ 😛 ยิ่งคนเหล่านั้นมีความรู้ทางคอมพิวเตอร์เพื่อการเอาตัวรอดแบบชั้นสูงมากเท่าไหร่ ก็ยิ่งน่ายกย่องมากขึ้นเท่านั้น … แต่เหนือสิ่งอื่นใด การสกัดเอาความรู้ทางคอมพิวเตอร์ในรูปแบบความรู้เพื่อการเอาตัวรอด (ชั้นสูง) เป็นเรื่องที่ไม่ง่ายนัก เปรียบได้กับการสกัดเอาทองคำออกจากหินแร่ต่าง ๆ
ผมเคยดูละครจีนกำลังภายในเรื่องนึงเมื่อนานมาแล้ว มีเรื่องราวอยู่ช่วงหนึ่งน่าหดหู่ ๆ โคตร ๆ เพราะพระเอกกับนางเอกในเรื่องดันตกอับ นางเอกก็เลยต้องไปนั่งเก็บเมล็ดข้าวแถวหน้าโกดังเก็บข้าวสาร ค่อย ๆ เลือกเก็บทีล่ะเมล็ดอย่างยากลำบาก เพราะเมล็ดข้าวมันตกปะปนอยู่กับขี้ดินขี้ทราย แถมแต่ล่ะเมล็ดที่เก็บมาได้ ก็มีสีตุ่น ๆ เมล็ดหัก ๆ ดูไม่น่ากินเลย แต่หลังจากเสียเวลาไปพักใหญ่ ๆ ๆ ๆ นางเอกก็เก็บเมล็ดข้าวได้เต็มกระป๋อง พอที่จะหุงกินกับพระเอกเพื่อประทังชีวิตไปได้อีกมื้อนึง!!! เสียดายที่นางเอกมีแต่วิชากำลังภายใน แต่ไม่เป็นวิชาฝ่ามือจกพัลวัน