โกศล ดีศีลธรรม
Koishi2001@yahoo.com
| “การพัฒนาเทคโนโลยีเป็นปัจจัยหลักสนับสนุนการเพิ่มศักยภาพและความได้เปรียบการแข่งขันภายใต้ความเปลี่ยนแปลงด้วยปัจจัยต่าง ๆ ส่งผลให้เกิดการเปลี่ยนแปลงกระบวนทัศน์การดำเนินงาน โดยความได้เปรียบในการแข่งขันไม่ได้เพียงแค่การสร้างเทคโนโลยีใหม่ แต่รวมถึงแนวทางประยุกต์และบูรณาการเทคโนโลยีที่มีอยู่ ครอบคลุมถึง ความรู้ กระบวนการ วิธีการ เครื่องมือและระบบสนับสนุนการสร้างนวัตกรรม” |
ปัจจุบันกระแส Internet of Things ได้มีบทบาทขับเคลื่อนให้องค์กรต่าง ๆ ตอบสนองต่อความเปลี่ยนแปลง ทำให้องค์กรยุคใหม่ต้องนำเทคโนโลยีมาปรับใช้กับองค์กรเพื่อเพิ่มโอกาสให้องค์กรโดดเด่นเหนือคู่แข่งและยกระดับผลิตภาพที่สร้างความมั่งคั่งให้กับองค์กร
ระบบปัญญาประดิษฐ์
ปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI เป็นศาสตร์สาขาหนึ่งของคอมพิวเตอร์ที่พยายามพัฒนาให้คอมพิวเตอร์ทั้งในส่วนฮาร์ดแวร์และซอฟต์แวร์ สามารถเลียนแบบกระบวนการคิดของมนุษย์ให้มีพฤติกรรมใกล้เคียงมนุษย์ที่แสดงรูปแบบความรู้โดยใช้สัญลักษณ์มากกว่าตัวเลขในการประมวลผล ทั้งยังมีความเชื่อมโยงศาสตร์อื่น ๆ ที่มีส่วนสนับสนุนการพัฒนา อาทิ การศึกษากระบวนการคิดของมนุษย์และความเป็นอัจฉริยะของเครื่องจักร (Intelligent Machine) โดยพฤติกรรมอัจฉริยะแสดงความสามารถหลัก ได้แก่ ความสามารถเรียนรู้หรือเข้าใจจากประสบการณ์ การตอบสนองต่อสถานการณ์ใหม่ ๆ ที่รวดเร็ว การใช้ความเป็นเหตุเป็นผลในการแก้ปัญหาและสามารถดำเนินการอย่างมีประสิทธิผล รวมถึงสามารถรับรู้ถึงความสัมพันธ์องค์ประกอบที่แตกต่างในแต่ละสถานการณ์ แม้ว่าการประยุกต์ใช้งานปัญญาประดิษฐ์จะไม่มีความสามารถเรียนรู้เท่ากับมนุษย์ แต่สามารถแสดงความรู้ที่ถูกสร้างโดยผู้เชี่ยวชาญ (Human Expert) ประกอบด้วย ข้อเท็จจริง แนวคิด ทฤษฎี และวิธีการ ซึ่งความรู้เป็นสารสนเทศที่ถูกสร้างเพื่อใช้ในการแก้ปัญหาและสนับสนุนการตัดสินใจ (Decision Making) โดยความรู้จะถูกรวบรวมในรูปแบบระบบอัจฉริยะ (Intelligent System) และถูกจัดเก็บในฐานความรู้เพื่อใช้แก้ปัญหา ซึ่งได้รับความสนใจจากหน่วยงานและองค์กรต่าง ๆ ด้วยเหตุผล ดังนี้
- สามารถรักษาความเชี่ยวชาญที่อาจสูญหายเมื่อผู้เชี่ยวชาญ ลาออก เกษียณหรือถึงแก่กรรม
- การเก็บสารสนเทศความเชี่ยวชาญเพื่อสร้างฐานความรู้ให้กับองค์กร สำหรับให้บุคลากรในองค์กรหรือหน่วยงานได้เรียนรู้ในรูปแบบคู่มือ
ขจัดปัญหาความจำเจของงานที่อาจก่อให้เกิดความไม่พึงพอใจในงาน
- เสริมฐานความรู้องค์กร โดยเสนอแนะการแก้ปัญหาเฉพาะที่มีความซับซ้อนในการวิเคราะห์โดยมนุษย์ในระยะเวลาอันสั้น
สำหรับองค์ประกอบพื้นฐานของปัญญาประดิษฐ์ ประกอบด้วย
- การจัดเก็บรวบรวมข้อมูล โดยการจัดหาสารสนเทศจากแหล่งความรู้ เช่น ความรู้จากผู้เชี่ยวชาญ เพื่อสร้างฐานความรู้
- คอมพิวเตอร์ลอจิก โดยมีความแตกต่างจากคอมพิวเตอร์ทั่วไป ซึ่งปัญญาประดิษฐ์จะใช้ข้อเท็จจริง (Fact) กฎ (Rule) และข้อมูลที่ถูกจัดเก็บเพื่อสร้างข้อเท็จจริงที่ถูกพิสูจน์หรือการอนุมาน (Inference) และข้อสรุป (Conclusion) ในการเข้าถึงคำตอบของปัญหา
- การประมวลผลข้อมูลที่ต้องใช้เทคนิคและการประมวลผลแบบขนานด้วยสมรรถนะสูงและระบบการถ่ายโอนข้อมูลที่มีประสิทธิภาพสูง
ตาราง แสดงความสามารถปัญญาประดิษฐ์กับความอัจฉริยะโดยธรรมชาติ
|
ความสามารถ
|
ความอัจฉริยะโดยธรรมชาติ
|
ปัญญาประดิษฐ์
|
|
การรักษาความรู้
การกระจายความรู้
ต้นทุนรวมทางความรู้
ความเป็นเหตุเป็นผล
ความสร้างสรรค์
การรับรู้รูปแบบและความสัมพันธ์
ความถูกต้องและเที่ยงตรง
|
ไม่ยั่งยืนในมุมมององค์กร
มีความยุ่งยากและใช้เวลานาน
สูงมาก
การใช้ประสบการณ์
มีการสร้างสรรค์สูง
การรับรู้รวดเร็วและง่ายต่อการอธิบาย
มีโอกาสผิดพลาดสูง
|
มีความยั่งยืน
ง่าย และรวดเร็ว
ต่ำ
เหมาะกับปัญหาเฉพาะในขอบเขต
ต่ำ
การเรียนรู้ของเครื่องจักรยังไม่ดีเท่ามนุษย์แต่บางกรณีอาจทำได้ดีกว่ามนุษย์
มีความถูกต้องและเที่ยงตรงสูง
|
โดยกระบวนการประยุกต์ AI เกี่ยวข้องกับศาสตร์ทั้ง 2 สาขา คือ
- Computer Science ได้แก่ ระบบอัจฉริยะ การประมวลผลแบบขนานและการโปรแกรมลอจิก โดยมีองค์ประกอบหลัก ดังนี้
- ระบบฮาร์ดแวร์หรือระบบอัจฉริยะ คอมพิวเตอร์จะต้องจัดการกับฐานความรู้ ดำเนินการประมวลผลและการเชื่อมต่อกับผู้ใช้ รวมถึงอุปกรณ์อื่น ๆ
- ระบบซอฟต์แวร์ โดยซอฟต์แวร์ AI จะต้องแสดงความรู้ในรูปแบบสัญลักษณ์ (Symbolic Form) สามารถเข้าถึงฐานข้อมูลเชิงสัมพันธ์ (Relational Database) และการใช้เทคนิคทางลอจิกสำหรับการแก้บัญหา
- การเชื่อมต่อกับภายนอก โดยระบบจะต้องสะดวกต่อการใช้งานและมีประสิทธิภาพในการปฏิสัมพันธ์ระหว่างผู้ใช้กับเครื่องที่ต้องอาศัยภาษาชั้นสูงในการเชื่อมต่อกับแหล่งข้อมูลและทางโลจิกโปรแกรมมิ่ง
- Cognitive Science เป็นศาสตร์ทางด้านความรู้และการรับรู้ (Perception) ศึกษากระบวนการเรียนรู้และประมวลผลของสมองมนุษย์ที่นำไปสู่การสรุปผลลัพธ์ข้อเท็จจริง
แสดงศาสตร์และสาขาระบบปัญญาประดิษฐ์
เนื่องจากปัญญาประดิษฐ์มีจุดเริ่มต้นในการประยุกต์ใช้งานภาคอุตสาหกรรมและแพร่หลายในธุรกิจต่าง ๆ ที่สนับสนุนการแก้ปัญหาและตัดสินใจกับปัญหาซับซ้อน รูปแบบในการประยุกต์ ได้แก่
- การใช้ความรู้และเชี่ยวชาญเฉพาะ โดยมุ่งแก้ปัญหาที่เกินขีดข้อจำกัดของมนุษย์หรือหากดำเนินการโดยมนุษย์อาจเกิดความผิดพลาดได้ง่าย ดังนั้นระบบปัญญาประดิษฐ์เสมือนการทดแทนผู้เชี่ยวชาญมนุษย์ (Human Expert) ที่มีค่าใช้จ่ายในการให้คำแนะนำสูงหรือทดแทนในสาขาที่ขาดแคลน อาทิ ผู้เชี่ยวชาญวิเคราะห์ข้อมูลการขุดเจาะน้ำมัน (Seismic Data) และแพทย์ผู้เชี่ยวชาญการวินิจฉัยเฉพาะทาง รวมทั้งงานทางวิศวกรรมและการบริหารการผลิต อาทิ การออกแบบผลิตภัณฑ์ การวางแผนและกำหนดการผลิต การควบคุมกระบวนการและการวินิจฉัยความบกพร่องเครื่องจักร (Diagnosis of Equipment Malfunction)
- ระบบปัญญาประดิษฐ์สามารถใช้สำหรับงานคอมพิวเตอร์ช่วยในการสอน (Computer-Aided Instruction) หรือ CAI สามารถนำไปใช้อบรมเสริมทักษะซึ่งถูกใช้ในการสอนทักษะให้กับผู้ใช้งาน โดยให้ผู้ใช้ลองพยายามหาคำตอบและระบบมีการอธิบายคำตอบ
- ช่วยเพิ่มประสิทธิภาพการทำงานของโปรแกรมคอมพิวเตอร์ ช่วยจัดการงานภายในของระบบปฏิบัติการ (Operating System) ทำให้ลดค่าใช้จ่ายในการพัฒนาซอฟต์แวร์
- การจำลองความสามารถสรีระของมนุษย์
สำหรับการพัฒนาเครื่องจักรให้มีความเป็นอัจฉริยะที่พัฒนาจากศาสตร์และเทคโนโลยีสาขาต่าง ๆ ตั้งแต่ด้านภาษาศาสตร์ (Linguistics) จนถึงคณิตศาสตร์ประยุกต์ แต่เดิม AI ไม่ได้ถูกพัฒนาเพื่อการค้า แต่เป็นการรวบรวมแนวคิดและแนวทางปฏิบัติการวิจัยมากกว่าการทำตลาดผลิตภัณฑ์ อย่างไรก็ตาม AI ก็ยังเป็นรากฐานสำคัญในการพัฒนาเทคโนโลยีหลายสาขาในเชิงพาณิชย์ การพัฒนาระบบอัจฉริยะได้มีการแตกแขนงออกเป็นสาขาต่าง ๆ อาทิ
- ระบบผู้เชี่ยวชาญ (Expert System) คือ โปรแกรมคอมพิวเตอร์ในการให้คำแนะนำที่เลียนแบบกระบวนการความเป็นเหตุเป็นผลของผู้เชี่ยวชาญในการแก้ปัญหาซับซ้อน ซึ่งถูกประยุกต์ใช้และนิยมมากที่สุดในศาสตร์ AI เป็นที่น่าสนใจมากในองค์กรธุรกิจ
- เทคโนโลยีภาษาธรรมชาติ (Natural Language Technology) ผู้ใช้งานสามารถสื่อสารกับคอมพิวเตอร์ด้วยภาษามนุษย์ โดยการรับรู้และตีความของคำ (Word) หรือประโยคสั้น ๆ สำหรับการประมวลผลภาษาธรรมชาติ (Natural Language Processing) เป็นการสื่อสารกับคอมพิวเตอร์ด้วยการพูดภาษามนุษย์ โดยคอมพิวเตอร์ที่มีความฉลาดในการรับรู้และแปลความรวมทั้งความรู้ด้านภาษาศาสตร์ โดยทั่วไปสามารถแบ่ง NLP เป็น 2 ประเภท คือ
- ความเข้าใจภาษาธรรมชาติ (Natural Language Understanding) เป็นการค้นหาวิธีการให้คอมพิวเตอร์มีความเข้าใจผ่านคีย์บอร์ดหรือเสียงเพื่อให้คอมพิวเตอร์สามารถเข้าใจมนุษย์
- การสร้างภาษาธรรมชาติ (Natural Language Generation) เป็นความพยายามให้คอมพิวเตอร์สร้างภาษาธรรมชาติ เช่น ภาษาอังกฤษขึ้นบนจอสกรีนหรือการสังเคราะห์เสียง (Voice Synthesis) ทำให้มนุษย์สามารถเข้าใจได้ง่ายขึ้น
องค์ประกอบระบบปัญญาประดิษฐ์
- การรับรู้คำพูด (Speech Recognition) เป็นกระบวนการที่ผู้ใช้สื่อสารกับคอมพิวเตอร์โดยคำพูด คอมพิวเตอร์สามารถรับรู้คำโดยไม่จำเป็นต้องตีความหมาย สำหรับส่วนที่ต้องการตีความหมายคำพูดชัดเจน เรียกว่า ความเข้าใจคำพูด(Speech understanding) เมื่อระบบการรับรู้คำพูดถูกรวมกับระบบการประมวลผลภาษาธรรมชาติก็จะเกิดระบบที่ไม่เพียงแต่สามารถรับรู้คำพูดแต่ยังมีความเข้าใจต่อคำพูดนั้น โดยเป้าหมายหลักของระบบ เพื่อให้คอมพิวเตอร์เข้าใจคำพูดโดยธรรมชาติ (Natural Speech) ดังที่มนุษย์ได้ยินและเข้าใจ แต่ข้อจำกัดสำคัญคือ ไม่สามารถรับรู้คำพูดที่เป็นรูปประโยคยาวได้
- หุ่นยนต์และระบบตรวจจับ (Robotics & Sensory Systems) โดยหุ่นยนต์เป็นอุปกรณ์ทางเครื่องกลไฟฟ้าที่ถูกรวมเข้ากับระบบตรวจจับ ทำให้มีความสามารถหลากหลาย อาทิ การเชื่อม การขนถ่าย งานสายการประกอบและงานที่มีความจำเจหรืออันตรายสำหรับมนุษย์
- การรับรู้ด้วยการมองเห็น (Visual Recognition) เป็นส่วนหนึ่งของระบบสนับการตัดสินใจและคอมพิวเตอร์อัจฉริยะ โดยรับข้อมูลเครื่องตรวจจับเพื่อใช้ขับเคลื่อนของหุ่นยนต์และงานการตรวจสอบคุณภาพผลิตภัณฑ์
- คอมพิวเตอร์อัจฉริยะช่วยในการสอน (Intelligent Computer-Aided Instruction) หรือ ICAI เป็นงานสอนมนุษย์โดยคอมพิวเตอร์ การใช้งาน ICAI ไม่จำกัดแค่ในโรงเรียน แต่ยังสามารถประยุกต์ใช้ในวงการทหารและองค์กรภาคธุรกิจ ทั้งยังมีการนำไปใช้สนับสนุนการแก้ปัญหา การจำลองสถานการณ์ (Simulation) การเรียนและทดสอบ รวมทั้งประยุกต์ใช้ในรูปแบบการศึกษาทางไกล ทำให้เกิดรูปแบบมหาวิทยาลัยเสมือน (Virtual University) และประยุกต์ในการทดสอบ GMAT
- การเรียนรู้ของเครื่องจักร (Machine Learning) โดยมีการใช้คอมพิวเตอร์ในการแก้ปัญหาด้วยแบบจำลองเชิงปริมาณในกรณีที่ระบบผู้เชี่ยวชาญไม่สามารถแก้ปัญหา โดยทำการสอนคอมพิวเตอร์ให้สามารถเรียนรู้วิธีแก้ปัญหาจากกรณีศึกษา แนวทางแก้ปัญหาของ Machining Learning แบ่งเป็น เครือข่ายเส้นใยประสาทหรือนิวรอลเน็ตเวิร์ก (Neural Network) และฟัซซีลอจิก (Fuzzy Logic)
ระบบผู้เชี่ยวชาญ
ระบบผู้เชี่ยวชาญ (Expert System) คือ ระบบปัญญาประดิษฐ์ที่ใช้ฐานความรู้ในการแก้ปัญหา โดยมีโปรแกรมคอมพิวเตอร์ที่สามารถเลียนแบบลอจิกการแก้ปัญหาของผู้เชี่ยวชาญ ซึ่งมีการจัดหาความรู้ (Knowledge Acquisition) จากการถ่ายทอดโดยผู้เชี่ยวชาญหรือแหล่งอื่นและจัดเก็บเข้าสู่ระบบคอมในรูปแบบกฎ (Rule) ที่ถูกใช้ในกระบวนการเหตุผล (Reasoning Process) หรือ "Heuristic" โดยใช้ประสบการณ์ในการวินิจฉัยปัญหาซึ่งบางครั้งอาจเรียกระบบผู้เชี่ยวชาญว่าระบบฐานความรู้(Knowledge-Based System) ในการหาข้อสรุปและคำตอบของปัญหา องค์ประกอบหลักของระบบ ประกอบด้วย
- การพัฒนาระบบ (System Development) การใช้เทคนิค AI ในการรับและแปลงสารสนเทศเข้าสู่ฐานข้อมูลความรู้และเชื่อมต่อกับผู้ใช้งาน
- ระบบความรู้ (Knowledge System) ประกอบด้วยฐานข้อมูลความรู้ ลอจิกโปรเซสเซอร์หรือ เรียกว่า "Inference Engine" รวมทั้งระบบปฏิบัติการและโปรแกรมภาษา เช่น ภาษาโปรลอก
- ระบบการดำเนินงาน (System operation) สำหรับช่วงการดำเนินงาน (Operational Phase) ระบบผู้เชี่ยวชาญเกี่ยวข้องกับการรับข้อมูล ประมวลผลข้อมูล การถ่ายโอนข้อมูลและสื่อสาร
เนื่องจากความเชี่ยวชาญเป็นความรู้เฉพาะงานที่ได้จากการฝึกอบรม การอ่านและประสบการณ์ ทำให้ผู้เชี่ยวชาญมีทักษะแก้ปัญหาและตัดสินใจที่รวดเร็ว ซึ่งการถ่ายทอดความเชี่ยวชาญจากผู้เชี่ยวชาญสู่คอมพิวเตอร์และถ่ายทอดสู่ผู้ใช้ สามารถดำเนินการ ดังนี้
- การจัดหาความรู้ (Knowledge Acquisition) โดยมีแหล่งจากผู้เชี่ยวชาญหรือเอกสาร
- การแสดงความรู้โดยคอมพิวเตอร์ (Knowledge Representation)
- การอนุมานความรู้ (Knowledge Inferencing) การอนุมานจะดำเนินโดยเครื่องอนุมาน (Inference Engine) สำหรับการหาข้อสรุปของปัญหา
- การถ่ายทอดความรู้สู่ผู้ใช้ (Knowledge Transfer)
ปัจจัยสนับสนุนการจัดการความรู้ยุคใหม่
โดยทั่วไประบบผู้เชี่ยวชาญ ประกอบด้วย
- ฐานความรู้ (Knowledge Base) ได้แก่ ความรู้ที่จำเป็นสำหรับใช้แก้ปัญหา โดยมีข้อเท็จจริง(Facts)ที่เป็นสถานการณ์ปัญหาและทฤษฎีเกี่ยวกับขอบเขตปัญหาและกฎ (Rules) ซึ่งเป็นการใช้ความรู้แก้ปัญหาเฉพาะ โดยสามารถแบ่งประเภทฐานความรู้
- Rule-Based Expert System ประกอบด้วยกฎเพื่อใช้ทำงานในรูปแบบ IF-THEN ผู้ใช้งานสามารถใส่ข้อเท็จจริงเพื่อให้กฎสามารถทำการสรุปปัญหาได้
- Case-Based Expert System โดยถูกใช้ในการอนุมานเพื่อนำไปสู่การให้เหตุผล ประกอบด้วยกรณีศึกษาที่มาจากประสบการณ์ผู้เชี่ยวชาญ แต่ละกรณีศึกษาจะมีข้อมูลสถานการณ์และเหตุผลแตกต่างกัน รวมทั้งผลลัพธ์การแก้ปัญหาและเครื่องอนุมานจะทำการค้นหาผ่าน Case-Base ซึ่งสืบค้นกรณีศึกษาโดยจับคู่กับลักษณะปัญหาที่ต้องการแก้ไข หลังจากนั้นกรณีศึกษาจะถูกนำมาปรับใช้กับปัญหาดังกล่าว
- เครื่องอนุมาน (Inference Engine) ถือว่าเป็นสมองของระบบผู้เชี่ยวชาญและองค์ประกอบสำคัญของโปรแกรมคอมพิวเตอร์สำหรับคิดหาเหตุผลและประมวลผล โดยจับคู่กฎที่เหมาะสมจากฐานความรู้กับข้อเท็จจริงเพื่อหาข้อสรุป แล้วส่งข้อสรุปผ่านส่วนเชื่อมต่อกับผู้ใช้งาน
- ส่วนเชื่อมต่อกับผู้ใช้งาน (User Interface) เป็นส่วนเชื่อมระหว่างผู้ใช้งานกับเครื่องอนุมาน โดยแสดงในรูปแบบคำถามและคำตอบ บางครั้งอาจมีการแสดงผลแบบกราฟิก เมื่อผู้ใช้ใส่ข้อมูลเข้ากับ User Interface ข้อมูลก็จะถูกส่งผ่านไปยังฐานความรู้และส่งไปยังเครื่องอนุมาน
- วิศวกรความรู้ (Knowledge Engineer) คือ บุคลากรที่มีความรู้ในการพัฒนาระบบผู้เชี่ยวชาญ เช่น การจัดฐานความรู้ระบบผู้เชี่ยวชาญและเครื่องอนุมาน
- ส่วนจัดหาความรู้ (Knowledge Acquisition) เป็นซอฟต์แวร์ที่เป็นสื่อระหว่างผู้เชี่ยวชาญกับระบบผู้เชี่ยวชาญ
สำหรับแนวทางการพัฒนาระบบผู้เชี่ยวชาญ จำแนกได้เป็น 3 แนวทาง ดังนี้
- การพัฒนาระบบเพื่อใช้แก้ปัญหางานเฉพาะ โดยดำเนินการพัฒนาขึ้นภายในองค์กรซึ่งใช้เวลาพัฒนานานและมีต้นทุนค่าใช้จ่ายสูง ซึ่งเหมาะสำหรับการดำเนินการองค์กรใหญ่
- การจัดซื้อระบบที่พัฒนาเต็มรูปแบบ โดยโปรแกรมสำเร็จรูปดังกล่าวมักไม่ค่อยมีจำหน่าย เนื่องจากมีความยุ่งยากในการพัฒนาระบบให้ตรงตามความต้องการผู้ใช้งานและผู้พัฒนาระบบต้องการปกป้องสินทรัพย์ทางปัญญาจากการลอกเลียนแบบ รวมทั้งการป้องกันการฟ้องร้องจากผู้ใช้งาน หากระบบเกิดความผิดพลาดจากการใช้งาน
- การพัฒนาระบบโดยการซื้อโปรแกรมหรือแพ็กเกจ ประกอบด้วย เครื่องอนุมาน ส่วนช่วยในการอธิบายและส่วนต่อเชื่อมกับผู้ใช้งานเพื่อที่จะนำมาสร้างฐานความรู้โดยใส่ข้อมูลความรู้เข้าไปในระบบ ซึ่งผู้ใช้งานต้องสร้างกฎและปรับระบบให้เข้ากับลักษณะงาน แนวทางนี้มีความยืดหยุ่นมากที่สุดและเหมาะกับองค์กรทุกขนาด เนื่องจากมีค่าใช้จ่ายในการลงทุนไม่สูงและสามารถใช้งานง่าย โดยผู้ใช้งานสามารถสร้างฐานความรู้ด้วยตนเอง
วงจรพัฒนาระบบผู้เชี่ยวชาญ
โดยปัญหาและความยุ่งยากในการพัฒนาระบบผู้เชี่ยวชาญ ได้แก่
- การขาดแคลนทรัพยากร ได้แก่ เวลา บุคลากร ผู้เชี่ยวชาญและเงินทุน
- เวลาในการพัฒนาระบบ เนื่องจากการพัฒนาระบบไม่สามารถดำเนินการได้อย่างเร่งด่วน ในช่วงกระบวนการพัฒนา หากวิศวกรความรู้ไม่มีประสบการณ์ก็อาจใช้เวลาเป็นแรมปี โดยเฉพาะกระบวนการจัดหาความรู้ที่ต้องใช้เวลาพัฒนานาน ซึ่งวิศวกรความรู้และผู้เชี่ยวชาญจะต้องทำงานร่วมกันเพื่อให้กระบวนการจัดหาความรู้สามารถลุล่วงได้
- ความผิดพลาดของแหล่งความรู้ หากความรู้ขาดความสมบูรณ์หรือไม่ถูกต้องก็จะส่งผลต่อความผิดพลาดที่แสดงในฐานความรู้ ดังนั้นในกระบวนการพัฒนาระบบผู้เชี่ยวชาญ ความผิดพลาดอาจเกิดขึ้นจากแหล่งต่าง ๆ ได้แก่
- Semantic Errors สามารถเกิดขึ้นในช่วงการปฏิสัมพันธ์ระหว่างผู้เชี่ยวชาญกับวิศวกรความรู้ที่ข้อมูลอาจสูญหายในช่วงการแปลความ ซึ่งมักเกิดกับวิศวกรความรู้ที่ไม่มีประสบการณ์หรือยังไม่คุ้นเคยกับขอบเขตความรู้
- Syntax Errors โดยมีสาเหตุจากการใช้รูปแบบที่ไม่ถูกต้องของกฎหรือข้อเท็จจริงและมักเกิดขึ้นในฐานความรู้ ส่วนความผิดพลาดที่เกิดในเครื่องอนุมานอาจมีสาเหตุจากบักและความผิดพลาดที่เกิดขึ้นขณะทำการอินพุตเข้าสู่ฐานข้อมูล รวมถึงความผิดพลาดเนื้อหาที่เกิดในส่วนเชื่อมต่อกับผู้ใช้และส่งผลต่อการขัดข้องของระบบ
|
สรุปสาเหตุก่อให้เกิดความบกพร่องในระบบผู้เชี่ยวชาญ
|
|
แหล่งความรู้
|
สาเหตุความผิดพลาด
|
|
ผู้เชี่ยวชาญ
|
การให้ความรู้ที่ไม่ถูกต้องหรือขาดความสมบูรณ์
|
|
วิศวกรความรู้
|
Semantic Errors ของการสื่อสารและการแปลความ
|
|
ฐานความรู้
|
Syntax Errors ในรูปแบบที่มีสาเหตุจากความไม่สมบูรณ์ของความรู้และความไม่แน่นอน
|
|
เครื่องอนุมาน
|
เกิดบักในเครื่องอนุมานหรือเครื่องมือพัฒนาและกฎที่ไม่ถูกต้อง
|
|
ส่วนเชื่อมต่อกับผู้ใช้
|
ความไม่ถูกต้องของเนื้อหาที่ใช้สื่อสารระหว่างระบบผู้เชี่ยวชาญกับผู้ใช้งาน
|
ส่วนกระบวนการระบบผู้เชี่ยวชาญสามารถแบ่งได้เป็น 2 ส่วน โดยส่วนแรก คือ การพัฒนาระบบซึ่งเป็นส่วนการสร้างระบบและส่วนที่ 2 คือ การให้คำปรึกษา โดยที่กระบวนการพัฒนาเริ่มจากวิศวกรความรู้ (ผู้สร้างระบบ) ดำเนินการจัดเก็บความรู้จากผู้เชี่ยวชาญหรือแหล่งข้อมูลเอกสาร โดยความรู้จะถูกโปรแกรมเก็บในฐานความรู้ซึ่งเป็นข้อเท็จจริงและความรู้ในรูปกฎ IF-THEN สำหรับการให้คำปรึกษาซึ่งผู้ใช้งานติดต่อกับระบบผ่านส่วนเชื่อมต่อผู้ใช้งานเพื่อขอคำแนะนำ ระบบจะให้คำแนะนำโดยการเก็บข้อมูลจากผู้ใช้งานในรูปแบบคำถามและส่งต่อไปยังเครื่องอนุมานเพื่อใช้ฐานข้อมูลจัดเก็บเรียกว่า หน่วยความจำการทำงาน (Working Memory) และความรู้ในฐานความรู้ (Knowledge Refinement) จะถูกกลั่นกรองและสะสมเพื่อใช้ในการให้คำปรึกษาต่อไป
กระบวนการระบบผู้เชี่ยวชาญ
ปัจจุบันระบบผู้เชี่ยวชาญถูกประยุกต์ในงานอุตสาหกรรมอย่างแพร่หลาย อาทิ
- การบำรุงรักษาเครื่องจักรและอุปกรณ์ โดยใช้วินิจฉัยปัญหาความบกพร่องเครื่องจักรที่ต้องใช้ทักษะและประสบการณ์วิศวกรในการดำเนินการ
- กำหนดการผลิต โดยการแปลคำสั่งซื้อของลูกค้าให้เป็นรายละเอียดกำหนดการผลิตในอุตสาหกรรมที่ผลิตสินค้าซับซ้อน (Complex Product) และใช้เวลาดำเนินการมาก ระบบผู้เชี่ยวชาญสามารถใช้ข้อมูลจากใบแสดงรายการวัสดุ (Bill of Material) หรือ BOM และใช้กฎการสั่งงาน (Ordering Rules) ในการจัดทำกำหนดการผลิตอย่างมีประสิทธิภาพและแม่นยำ รวมทั้งสามารถติดตามงานในสายการผลิต
- การสร้างตัวแบบจำลอง โดยใช้คอมพิวเตอร์จัดทำผังโรงงานและกำหนดการผลิตที่มีการจำลองการไหลของงานในกระบวนการผลิตและแสดงผลแบบกราฟิกเพื่อหลีกเลี่ยงความผิดพลาดที่อาจเกิดขึ้น
- คอมพิวเตอร์ช่วยในการออกแบบหรือ CAD ช่วยลดเวลาในกระบวนการออกแบบ ค่าใช้จ่ายและความผิดพลาดสำหรับผลิตภัณฑ์ที่มีความซับซ้อน โดยระบบจะใช้ลอจิกโปรแกรมมิ่งและฐานความรู้ในการหาข้อสรุปและแก้ปัญหาการออกแบบที่ซับซ้อน รวมทั้งให้นักออกแบบปฏิสัมพันธ์กับกระบวนการออกแบบ ซึ่งเกิดความยืดหยุ่นและลดข้อจำกัดในการออกแบบ
- คอมพิวเตอร์ช่วยในการสอนหรือ CAI สำหรับฝึกอบรมเพิ่มทักษะให้กับพนักงาน โดยระบบผู้เชี่ยวชาญจะสร้างแบบจำลองและสถานการณ์สำหรับการเรียนรู้ รวมทั้งเชื่อมต่อกับผู้ใช้ด้วยภาษาธรรมชาติ
- การควบคุมกระบวนการสำหรับอุตสาหกรรมขนาดใหญ่ โดยเฉพาะอุตสาหกรรมที่เน้นกระบวนการที่ใช้ระบบคอมพิวเตอร์ในการควบคุมเครื่องจักรและอุปกรณ์ในการผลิต ซึ่งช่วยให้ผู้ควบคุมสามารถติดตามกระบวนการและตรวจจับความผันแปร โดยมีระบบควบคุมอัจฉริยะในการจัดเก็บข้อมูลกระบวนการแบบเวลาจริงและใช้กฎจากฐานความรู้ให้คำแนะนำต่อผู้ควบคุม ทำให้สามารถควบคุมกระบวนการได้อย่างเหมาะสม
แหล่งข้อมูลและคลังสารสนเทศ
นอกจากนี้ระบบผู้เชี่ยวชายยังถูกประยุกต์ใช้ทางภาคธุรกิจต่าง ๆ อาทิ
- การนำความรู้และความเชี่ยวชาญจากแพทย์เฉพาะทางเข้าสู่ระบบฐานความรู้ ทำ
- ให้สามารถร่วมใช้ความรู้ (Knowledge Sharing) สำหรับการวินิจฉัยคนไข้
- สำหรับธุรกิจบัตรเครดิตที่สนับสนุนการให้บริการลูกค้า เมื่อระบบได้รับแจ้งปัญหาจากลูกค้าก็จะดำเนินการดึงข้อมูลลูกค้าเพื่อทำการวิเคราะห์ ทำให้ประหยัดเวลาและค่าใช้จ่ายในการให้บริการ
- กฎหมายระหว่างประเทศ เนื่องจากองค์กรจำนวนมากขยายการดำเนินธุรกิจไปยังประเทศต่าง ๆ ทำให้องค์กรมีการนำระบบผู้เชี่ยวชาญช่วยในการพิจารณาร่างข้อตกลงทางการค้า รวมถึงถูกนำมาใช้เป็นเครื่องมือฝึกอบรมบุคลากรทางความรู้ (Knowledge Worker) ที่ต้องดำเนินการค้าระหว่างประเทศ
เอกสารอ้างอิง
- David J.Skyrme, Capitalizing on Knowledge from e-business to k-business, Butterworth-Heinemann, 2001.
- George M.Marakas, Decision Support Systems in the 21st century, Prentice Hall International, 1999.
- Gilbert Probst, Steffen Raub and Kai Romhardt, Managing Knowledge: Building Blocks for Success, John Wiley & Sons, 2000.
- , Knowledge Management: Learning from Knowledge Engineering, CRC Press, 2001.
- Joop Sieringga, Andre Wierdsma, Becoming a Learning Organization: Beyond the Learning Curve, Addison-Wesley Publishers, 1994.
- Kenneth C.Laudon, Jane P.Laudon, Essentials of Management Information Systems, Prentice-Hall, 1999.
- Michael Marquardt and Angus Reynolds, the Global Learning Organization, Irwin
Professional Publishing, 1994.
- Stewart McKie, E-Business Best Practices: Leveraging Technology for Business Advantage, John Wiley & Sons, 2001.
- Sultan Kermally, New Economy Energy Unleashing Knowledge for Competitive Advantage, John Wiley & Sons, 2001.
- Turban, McLean, Wetherbe, Information Technology for Management: Transforming Business in the Digital Economy, John Wiley & Sons, 2002.
- โกศล ดีศีลธรรม,การจัดการความรู้แห่งโลกธุรกิจใหม่, ศูนย์เทคโนโลยีอิเลคทรอนิคส์และคอมพิวเตอร์แห่งชาติ (NECTEC), 2546.
- โกศล ดีศีลธรรม,นวัตกรรมเทคโนโลยีสนับสนุนการดำเนินงานแห่งสหัสวรรษ, ศูนย์เทคโนโลยีอิเลคทรอนิคส์และคอมพิวเตอร์แห่งชาติ(NECTEC), 2548.
- โกศล ดีศีลธรรม, การวางแผนปฏิบัติการโลจิสติกส์สำหรับโลกธุรกิจใหม่,สำนักพิมพ์ฐานบุ๊คส์, 2551.
- โกศล ดีศีลธรรม, พัฒนาสู่ความเป็นเลิศตามวิถีไคเซ็น, สำนักพิมพ์เพื่อนอุตสาหกรรม, 2557.
Thailandindustrycom_official
