หัวใจของปัญญาประดิษฐ์

• คอมพิวเตอร์วิทัศน์ (Computer vision)
• เป็นการศึกษาเรื่องการมองเห็น การรู้จำภาพ มีสาขาย่อยเช่น การประมวลผลภาพ (image processing)

• การประมวลผลภาษาธรรมชาติ (Natural language processing)
  • เป็นการศึกษาการแปลความหมายจากภาษามนุษย์ มาเป็นความรู้ที่เครื่องจักรเข้าใจได้ สาขานี้เกี่ยวข้องใกล้ชิดกับ ภาษาศาสตร์เชิงคำนวณ (computational linguistics)
• การแทนความรู้ (Knowledge representation)
  • เป็นการศึกษาด้านเก็บความรู้ (knowledge) ไว้ในเครื่องจักร โดยมีประเด็นสำคัญคือ
    • ทำอย่างไรจะแสดงความรู้ได้อย่างกระทัดรัด ประหยัดหน่วยความจำ
    • จะนำความรู้ที่เก็บไว้นี้ไปใช้ในการให้เหตุผลอย่างไร ; และ
    • จะมีการเรียนรู้ความรู้ใหม่ ๆ ด้วยเทคนิคการเรียนรู้ของเครื่อง ให้ความรู้ที่ได้อยู่ในรูปแบบความรู้ที่เราออกแบบไว้ได้อย่างไร
  • การแทนความรู้สามารถแบ่งออกได้เป็นสองประเภทหลัก คือ
    • ความรู้ที่แน่นอน (certain knowledge) เช่น การแทนความรู้ด้วยตรรกศาสตร์ ไม่ว่าจะเป็น first-order logic หรือ propositional logic
    • ความรู้ที่มีความไม่แน่นอนมาเกี่ยวข้อง (uncertain knowledge) เช่น ฟัซซี่ลอจิก (fuzzy logic) และเครือข่ายแบบเบย์ ( bayesian networks)
• การเรียนรู้ของเครื่อง (Machine learning)
  • เป็นการศึกษากระบวนการเรียนรู้ เพื่อให้เครื่องจักรสามารถเรียนรู้สิ่งใหม่ ๆ ได้คล้ายมนุษย์ มีสาขาย่อยมากมาย เช่น การสังเคราะห์โปรแกรม (program synthesis)
• การคิดให้เหตุผล (Inference หรือ automated reasoning)
  • เป็นการคิดให้เหตุผลเพื่อแก้ปัญหาต่าง ๆ อย่างอัตโนมัติจากความรู้ที่มีอยู่ในเครื่อง การให้เหตุผลด้วยวิธีใดนั้นขึ้นอยู่กับการแทนความรู้ของเครื่อง (knowledge representation) โดยตรง เทคนิคที่นิยมใช้กันมากก็คือ การเขียนโปรแกรมเชิงตรรกะ (Logic programming) เมื่อเราแทนความรู้ของเครื่องด้วย first-order logic และ bayesian inference เมื่อเราแทนความรู้ของเครื่องด้วย bayesian networks
• การวางแผนของเครื่อง (Automated Planning)
• การค้นหาเชิงการจัด (Combinatorial search)
  • เนื่องจากเวลาเราพยายามแก้ปัญหาในงานวิจัยด้านปัญญาประดิษฐ์ วิธีมาตรฐานอย่างหนึ่งคือ พยายามมองปัญหาให้อยู่ในรูปปัญหาของการค้นหา การค้นหาจึงเป็นพื้นฐานของการโปรแกรมปัญญาประดิษฐ์แทบทุกประเภท
• ระบบผู้เชี่ยวชาญ (Expert system)
• เป็นการศึกษาเรื่องสร้างระบบความรู้ของปัญหาเฉพาะอย่าง เช่น การแพทย์หรือวิทยาศาสตร์ จุดประสงค์ของระบบนี้คือ ทำให้เสมือนมีมนุษย์ผู้เชี่ยวชาญคอยให้คำปรึกษา และคำตอบเกี่ยวกับปัญหาต่าง ๆ
• งานวิจัยด้านนี้มีจุดประสงค์หลักว่า เราไม่ต้องพึ่งมนุษย์ในการแก้ปัญหา แต่อย่างไรก็ตามในทางปฏิบัติแล้ว ระบบผู้เชี่ยวชาญยังต้องพึ่งมนุษย์เพื่อให้ความรู้พื้นฐานในช่วงแรก
• การจะทำงานวิจัยเรื่องนี้ต้องอาศัยความรู้พื้นฐานหลายเรื่อง ไม่ว่าจะเป็น การแทนความรู้, การให้เหตุผล และ การเรียนรู้ของเครื่อง (กรอบสีเขียวในรูปข้างบน)

สาขาอื่นที่สำคัญและมีบทบาทมากในปัจจุบัน

• วิทยาการหุ่นยนต์ (Robotics)
• การจะสร้างหุ่นยนต์ที่อาศัยอยู่กับมนุษย์ได้จริง ต้องใช้ความรู้ทางปัญญาประดิษฐ์ทั้งหมด นอกจากนั้นยังต้องใช้ความรู้อื่น ๆ ทางเครื่องกล เพื่อสร้างสรีระให้หุ่นยนต์สามารถเคลื่อนไหวได้เช่นเดียวกับมนุษย์
• ในวงการวิทยการหุ่นยนต์ เขาก็ถือว่าปัญญาประดิษฐ์เป็นสาขาของเขาเช่นกัน

• ขั้นตอนวิธีเชิงพันธุกรรม (Genetic_algorithm)
  • เป็นการประยุกต์นำแนวความคิดทางด้านการวิวัฒนาการที่มีอยู่ในธรรมชาติ มาใช้ในการแก้ปัญหาทางคณิตศาสตร์และคอมพิวเตอร์
  • เป็นขั้นตอนวิธีเชิงสุ่ม (stochastic) (ไม่ได้คำตอบเดิมทุกครั้งที่แก้ปัญหาเดิม)
  • มักประยุกต์ใช้ในปัญหาการหาค่าที่เหมาะสมที่สุด (optimization) ที่ไม่สามารถแก้ได้ด้วยวิธีมาตรฐานทางคณิตศาสตร์อย่างมีประสิทธิภาพ
  • แนวคิดที่นำเอาหลักการวิวัฒนาการมาใช้นี้ มีรูปแบบอื่นอีกหลายรูปแบบ เช่น การโปรแกรมเชิงพันธุกรรม (genetic programming) และ evolution strategy อย่างไรก็ตามเทคนิคเหล่านี้มีแนวความคิดหลักเหมือนกัน ต่างกันในรายละเอียดปลีกย่อยเท่านั้น
• ข่ายงานประสาทเทียม (Neural_network)
• ชีวิตประดิษฐ์ (Artificial_life)
• เป็นการศึกษาพฤติกรรมของชีวิตเทียมที่เราออกแบบและสร้างขึ้น

• ปัญญาประดิษฐ์แบบกระจาย (Distributed Artificial Intelligence)

สาขาอื่นที่ยังไม่มีบทบาทมากนัก

• ความฉลาดแบบกลุ่ม (Swarm Intelligence)
• Artificial being

ที่มาจาก:http://goo.gl/Kk1F6

http://goo.gl/oxvXG

http://goo.gl/pXTJG