สมัครเรียนโทร. 085-350-7540 , 084-88-00-255 , ntprintf@gmail.com

Tutorial Machine Learning

MT001 Artificial Intelligence MT002 Machine Learning MT003 8 Fun Machine Learning Projects For Beginner MT004 Optimization MT005 Mathematical Optimization MT006 Top 20 Python Machine Learning Open Source Projects MT101 Introduction to Neural Networks MT102 Introduction to Deep Learning with TensorFlow MT103 Installing TensorFlow for Deep Learning MT104 TensorFlow Creating the Neural Network Model MT105 TensorFlow How the Network will run

Artificial Intelligence (AI)

หมายเหตุ: บทความนี้เป็นส่วนหนึ่งของ "บทความชุด Article with Machine Translation" ซึ่งเป็นการแปลบทความจากต้นฉบับภาษาต่างประเทศด้วย Machine translation ดังนั้นจึงมีข้อผิดพลาดอยู่หลายจุด ขอให้ผู้อ่านโปรดใช้วิจารณญาณในการอ่าน ทาง EPT ไม่ขอรับประกันว่าข้อมูลที่ท่านได้อ่านเป็นข้อมูลที่ถูกต้อง และไม่ขอรับผิดชอบความเสียหายใด ๆ ที่เกิดต่อผู้อ่านทั้งทางร่างกาย จิตใจ ทรัพย์สิน ฯลฯ นะครับ

        ปัญญาประดิษฐ์ (Artificial Intelligence) หรือ เอไอ (AI) หมายถึง ความ ฉลาดเทียมที่สร้างขึ้นให้กับสิ่งไม่มีชีวิต เป็นสาขาหนึ่งในด้านวิทยาการคอมพิวเตอร์ และวิศวกรรม เป็นการเรียนรู้เกี่ยวกับกระบวนการการคิด การกระทำ การให้เหตุ ผล การปรับตัวหรือการอนุมานและการทำงานของสมอง แต่แนวคิดหลายๆอย่าง ในศาสตร์นี้ได้มาจากการปรับปรุง เพิ่มเติมจากศาสตร์อื่นๆ เช่น 

  • Machine Learning มีเทคนิคการเรียนรู้ เรียกว่า การเรียนรู้ต้นไม้ตัดสินใจ เป็นการประยุกต์เอาเทคนิคการอุปนัยมาใช้
  • เครือข่ายประสาทเทียม เอาแนวคิดของการทำงานของสมองของมนุษย์ มาใช้ในการแก้ปัญหา การแบ่งประเภทของข้อมูลและแก้ปัญหาอื่นๆ ทางสถิติ 

นิยามของปัญญาประดิษฐ์

        แบ่งเป็น 4 ประเภท คือ 

  1. เน้นระบบที่เลียนแบบมนุษย์ 
  2. เน้นระบบที่มีเหตุผล (แต่ไม่จำเป็นต้องเหมือนมนุษย์)
  3. เน้นความคิดเป็นหลัก
  4. เน้นการกระทำเป็นหลัก

        ปัจจุบันงานวิจัยหลักๆของ AI มีแนวคิดที่เน้นเหตุผลเป็นหลัก เพราะการ นำ AI ไปประยุกต์ใช้แก้ปัญหา ไม่จำเป็นต้องใช้อารมณ์ ความรู้สึกแต่นิยามทั้ง 4 อย่างนี้ไม่ได้แตกต่างกันโดยสิ้นเชิง ยังคงมีส่วนที่คาบเกี่ยวกันอยู่ อธิบายได้ดังนี้

1.ระบบที่คิดเหมือนมนุษย์ (Systems that think like humans)

        โดยนิยามนี้ได้ให้คำจำกัดความของปัญญาประดิษฐ์ว่า

  • ความพยายามใหม่อันน่าตื่นเต้นที่จะทำให้คอมพิวเตอร์คิดได้ซึ่งเครื่องจักรที่มีสติปัญญาอย่างครบถ้วนและแท้จริง [Haugeland, 1985]
  • ปัญญาประดิษฐ์ คือ กลไกของกิจกรรมที่เกี่ยวข้องกับความคิดมนุษย์ เช่น การตัดสินใจ การแก้ปัญหา การเรียนรู้ [Bellman, 1978]

หมายเหตุ : แต่ก่อนจะทำให้เครื่องคิดเหมือนมนุษย์ได้ต้องรู้ก่อนว่ามนุษย์คิดยังไง แต่ปัจจุบันยังไม่รู้แน่ชัด

2. ระบบที่กระทำเหมือนมนุษย์ (Systems that act like humans)

         โดยนิยามนี้ได้ให้คำจำกัดความของปัญญาประดิษฐ์ว่า

  • วิชาของการสร้างเครื่องจักรที่ทำงานในสิ่งซึ่งอาศัยปัญญาเมื่อกระทำ โดยมนุษย์ [Kurzweil, 1990]
  • การศึกษาวิธีทำให้คอมพิวเตอร์กระทำในสิ่งที่มนุษย์ทำได้ดีกว่าในขณะนั้น [Rich and Knight, 1991]

หมายเหตุ : การกระทำเหมือนมนุษย์ เช่น การใช้ภาษา ประสาทรับสัมผัส การเคลื่อนไหว การเรียนรู้และการปรับตัวกับสิ่งแวดล้อมที่เปลี่ยนไป

3. ระบบที่คิดอย่างมีเหตุผล (Systems that think rationally)

         โดยนิยามนี้ได้ให้คำจำกัดความของปัญญาประดิษฐ์ว่า

  • การศึกษาความสามารถในด้านสติปัญญาโดยการใช้โมเดลการคำนวณ [Charniak and McDermott, 1985]
  • การศึกษาวิธีการคำนวณที่สามารถรับรู้ ใช้เหตุผลและกระทำ [Winston, 1992]

หมายเหตุ : คิดอย่างมีเหตุผลหรือคิดอย่างถูกต้อง อาจใช้หลักตรรกศาสตร์ช่วย

4. ระบบที่กระทำอย่างมีเหตุผล (Systems that act rationally)

          โดยนิยามนี้ได้ให้คำจำกัดความของปัญญาประดิษฐ์ว่า

  • ปัญญาประดิษฐ์คือการศึกษาเพื่อออกแบบเอเจนต์* ที่มีปัญญา [Poole et al., 1998]
  • เกี่ยวข้องกับพฤติกรรมที่แสดงปัญญาในสิ่งที่มนุษย์สร้างขึ้น [Nilsson, 1998]

*เอเจนต์ คือ โปรแกรมที่มีความสามารถในการกระทำหรือเป็นตัวแทนในระบบอัตโนมัติต่างๆ ซึ่งสามารถกระทำอย่างมีเหตุผลเพื่อบรรลุเป้าหมายที่ตั้งไว้ เช่น เอเจนต์ในเกมหมากรุก ที่มีเป้าหมายว่าต้องเอาชนะคู่ต่อสู้ ก็ต้องเลือกเดินหมาก ที่จะทำให้คู่ต่อสู้แพ้ให้ได้ เป็นต้น

สาขาที่เกี่ยวข้องกับปัญญาประดิษฐ์

  • วิทยาการหุ่นยนต์ (Robotics) การจะสร้างหุ่นยนต์ที่อาศัยอยู่กับมนุษย์ได้จริง ต้องใช้ความรู้ทาง ปัญญาประดิษฐ์ทั้งหมดและต้องใช้ความรู้เครื่องกลด้วย เพราะต้องสร้างสรีระ ให้เคลื่อนไหวได้เหมือนมนุษย์
  • ขั้นตอนวิธีเชิงพันธุกรรม (Genetic_Algorithm) เป็นการประยุกต์นำแนวคิดด้านการวิวัฒนาการในธรรมชาติมาใช้แก้ ปัญหาทางคณิตศาสตร์และคอมพิวเตอร์ เป็นขั้นตอนวิธีเชิงสุ่ม[คำถามเดิมแต่คำ ตอบไม่เหมือนเดิมทุกครั้ง] มักใช้ในการหาค่าที่เหมาะสมที่สุดที่วิธีมาตรฐานทาง คณิตศาสตร์ทำได้ไม่ดีเท่าที่ควร เช่น การโปรแกรมเชิงพันธุกรรม 
  • โครงข่ายประสาทเทียม (Neural Network) มีทั้งเป็นแบบวงวนและไม่เป็นวงวน ที่ได้รับความนิยม ได้แก่ เพอร์เซปตรอน โครงข่ายเพอร์เซปตรอนแบบหลายชั้น และโครงข่ายฟังก์ชัน ฐานรัศมี ปรับใช้งานได้กับการควบคุมที่ฉลาด เช่น หุ่นยนต์
  • ชีวิตประดิษฐ์ (Artificial Life) เป็นการศึกษาพฤติกรรมของชีวิตเทียมที่เราสร้าง
  • ปัญญาประดิษฐ์แบบกระจาย (Distributed Artificial Intelligence)

ภาษาที่ใช้ในปัญญาประดิษฐ์

           นักวิจัยได้พัฒนาภาษาพิเศษสำหรับงานวิจัย เช่น ภาษาลิสป์และ ภาษาโปรล็อก

ลักษณะงานของปัญญาประดิษฐ์

1. Cognitive Science

          เน้นงานวิจัยเพื่อศึกษาว่าสมองของมนุษย์ทำงาน คิดและเรียนรู้อย่างไร มีพื้นฐานที่การประมวลผลสารสนเทศในรูปแบบของมนุษย์ประกอบด้วยระบบต่างๆ ดังนี้ 

  • ระบบผู้เชี่ยวชาญ (Expert Systems)
  • ระบบเครือข่ายนิวรอน (Neural Network)
  • ระบบแบ๊บแน็ต (Papnet)
  • ฟัสซี่โลจิก (Fuzzy Logic)
  • เจนเนติกอัลกอริทึม (Genetic Algorithm)
  • เอเยนต์ที่ชาญฉลาด (Intelligent Agents)
  • ระบบการเรียนรู้ (Learning Systems)

2. Roboics

          ใช้พื้นฐานของวิศวกรรมและสรีระศาสตร์ เพื่อสร้างหุ่นยนต์ให้มีความ ฉลาดและถูกควบคุมด้วยคอมพิวเตอร์แต่สามารถเคลื่อนไหวได้เหมือนมนุษย์

3. Natural Interface

          ได้ชื่อว่าเป็นงานหลักที่สำคัญที่สุดของปัญญาประดิษฐ์และพัฒนาบนพื้น ฐานของภาษาศาสตร์ จิตวิทยา วิทยาการคอมพิวเตอร์ประกอบด้วยงานด้านต่างๆ

ดังนี้

  • ระบบที่มีความสามารถในการเข้าใจภาษามนุษย์ (Natural Language)

  • ระบบภาพเสมือนจริง (Virtual Reality)

  • ระบบปัญญาประดิษฐ์แบบผสมผสาน (Hybrid AI Systems)

ตัวอย่าง AI 

    Terminator , Surrogates , iRobot หรือ Minority Report จะได้เห็นการ ทำงานของหุ่นยนต์ที่มีปัญญาที่คิดได้เองและสามารถทำงานแทนมนุษย์ได้ ทั้งดีและไม่ดี

สรุป

     AI นั้นถูกเอามาใช้งานแทนมนุษย์หลายอย่าง เช่น ระบบ Call Center เพื่อลดการใช้แรงงานคนและสร้างความพึงพอใจให้กับลูกค้า ในอนาคต AI สามารถแทนการทำงานที่ซับซ้อนของคนได้แน่นอน เช่น การวางแผนการทำ กลยุทธ์ทางการตลาด ดังนั้น การเรียนรู้ที่จะปรับตัวและเรียนรู้ที่จะใช้ AI ให้เกิด ประโยชน์นั้นจะมีความสำคัญมากต่อธุรกิจในอนาคตและทำให้ธุรกิจนั้นมีความได้เปรียบมากกว่า ปัจจุบันนี้ยังไม่มีทฤษฎีใดที่เป็นแนวทางที่ชัดเจนให้กับการวิจัยทาง ปัญญาประดิษฐ์ นักวิจัยบางคนก็ไม่เห็นด้วยกับบางเรื่อง ปัญหาที่ยังไม่มีคำตอบก็ ยังมีอยู่มากมาย      

 

References : 

https://en.wikipedia.org/wiki/Artificial_intelligence

https://sites.google.com/site/pattyloveloveit53/ngan-ni-hxngreiyn/artificial-intelligemce-ai

https://www.modify.in.th/17128

http://www.mindphp.com/%E0%B8%84%E0%B8%B9%E0%B9%88%E0%B8%A1%E0%B8%B7%E0%B8%AD/73-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3/4025-what-is-ai.html

l.mahidol.ac.th

 



ไม่อยากอ่าน Tutorial อยากมาเรียนเลยทำอย่างไร?

สมัครเรียน ONLINE ได้ทันทีที่ https://elearn.expert-programming-tutor.com

หรือติดต่อ

085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM

แผนที่ ที่ตั้งของอาคารของเรา

Python

L16 PYTHON SIMPLE ARITHMETIC
L40 PYTHON TUTORIAL INTRO
L41 PYTHON GETTING STARTED
L42 PYTHON SYNTAX
L43 PYTHON COMMENTS
L44 PYTHON VARIABLES
L45 PYTHON DATATYPE
L46 PYTHON NUMBERS
L47 PYTHON CASING
L48 PYTHON STRINGS
L49 PYTHON BOOLEANS
L50 PYTHON OPARETORS
L51 PYTHON LISTS
L52 PYTHON TUPELS
L53 PYTHON SETS
L54 PYTHON DICTIONARY
L55 PYTHON IF ELSE
L56 PYTHON WHILE LOOP
L57 PYTHON FOR LOOP
L58 PYTHON FUNCTION
L59 PYTHON LAMBDA
L60 PYTHON ARRAYS
L61 PYTHON CLASSSES OBJECTS
L62 PYTHON INHERITANCE
L63 PYTHON ITERATORS
L63 PYTHON SCOPE
L64 PYTHON MODULES
L65 PYTHON DATETIME
L66 PYTHON JSON
L67 PYTHON REGEX
L68 PYTHON PIP
L69 PYTHON TRY EXCAPE
L70 PYTHON USER INPUT
L71 PYTHON FILE OPEN
L73 PYTHON STRING FORMATTING
L74 PYTHON READ FILE
L75 PYTHON WRILE CREATE FILE
L76 PYTHON DELETE FILE
L90 PYTHON POISSON DISTRIBUTION
L90 PYTHON RANDOM INTRODUCTION
L91 PYTHON CHI SQUARE DISTRIBUTION
L91 PYTHON EXPONENTIAL DISTRIBUTION
L92 PYTHON RAYLEIGH DISTRIBUTION
L93 PYTHON PARETO DISTRIBUTION
L94 PYTHON ZIPF DISTRIBUTION
L96 PYTHON RANDOM PERMUTATIONS
L97 PYTHON SEABORN
L98 PYTHON NORMAL DISTRIBUTION
L99 PYTHON DISTRIBUTION
L99 PYTHON LOGISTIC DISTRIBUTION
L99 PYTHON MULTINOMIAL DISTRIBUTION
L99 PYTHON NUMPY SPLITTING ARRAY
L99 PYTHON NUMPY UFUNCS
L99 PYTHON UNIFORM DISTRIBUTION
LM60PYTHON BUILT IN FUNCTIONS
LM61PYTHON STRING METHODS
LM62PYTHON LIST ARRAY METHODS
LM63PYTHON DICTIONARY METHODS
LM64PYTHON TUPLE METHODS
LM65PYTHON SET METHODS
LM66PYTHON FILE METHODS
LM67PYTHON KEYWORD
LM68PYTHON BUILT IN EXCAPTION
LM69PYTHON RANDOM MODULE
LM70PYTHON MATH MODULE
LM70PYTHON REQUSTS MODULE
LM72PYTHON CMATH MODULE
LM73PYTHON HOWTO REMOVE DUPLICATES FROM A PYTHON LIST
LM74PYTHON HOW TO REVERSE A STRING IN PYTHON
LM75PYTHON HOW TO ADD TWO NUMBERS IN PYTHON
LM95PYTHON RANDOM DATA DISTRIBUTION


แผนผังการเรียนเขียนโปรแกรม

Link อื่นๆ

Allow sites to save and read cookie data.
Cookies are small pieces of data created by sites you visit. They make your online experience easier by saving browsing information. We use cookies to improve your experience on our website. By browsing this website, you agree to our use of cookies.

Copyright (c) 2013 expert-programming-tutor.com. All rights reserved. | 085-350-7540 | 084-88-00-255 | ntprintf@gmail.com

ติดต่อเราได้ที่

085-350-7540 (DTAC)
084-88-00-255 (AIS)
026-111-618
หรือทาง EMAIL: NTPRINTF@GMAIL.COM
แผนที่ ที่ตั้งของอาคารของเรา