បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយពីបញ្ហាប្រឈមក្នុងការអភិវឌ្ឍប្រព័ន្ធភ្នាក់ងារសន្ទនាឆ្លាតវៃ (Intelligent conversational agents) ដែលទាមទារឱ្យមានការបន្ស៊ាំខ្លួន អន្តរកម្មពហុមធ្យោបាយ និងកិច្ចសហប្រតិបត្តិការសង្គមជាមួយអ្នកប្រើប្រាស់ជាមនុស្ស។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះពិនិត្យទៅលើទ្រឹស្តីកម្រិតខ្ពស់ និងបច្ចេកវិទ្យាបច្ចុប្បន្ន ដោយផ្តោតលើសមាសធាតុសំខាន់ៗនៃការគ្រប់គ្រងអន្តរកម្ម។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Scripted Dialogue Management ការគ្រប់គ្រងការសន្ទនាតាមស្គ្រីប |
ងាយស្រួលក្នុងការរៀបចំសម្រាប់សំណួរចម្លើយសាមញ្ញ និងមានភាពរឹងមាំក្នុងការកំណត់សកម្មភាពនីមួយៗរបស់អ្នកប្រើប្រាស់។ | មិនអាចបែងចែករចនាសម្ព័ន្ធការសន្ទនាពីចំណេះដឹងទូទៅបានឡើយ ហើយមានភាពស្មុគស្មាញខ្លាំងនៅពេលប្រព័ន្ធត្រូវដោះស្រាយការសន្ទនាដែលវែងនិងមិនមានរចនាសម្ព័ន្ធច្បាស់លាស់។ | ស័ក្តិសមសម្រាប់តែការឆ្លើយសំណួរសាមញ្ញៗ (Basic question-answering) លើដែនកំណត់ជាក់លាក់ប៉ុណ្ណោះ។ |
| Form-based Dialogue Management ការគ្រប់គ្រងការសន្ទនាតាមទម្រង់ (Form-based) |
មានភាពបត់បែនជាងស្គ្រីប ដោយអនុញ្ញាតឱ្យសកម្មភាពអាចត្រូវបានអនុវត្តតាមលំដាប់លំដោយផ្សេងៗគ្នាអាស្រ័យលើព័ត៌មានដែលត្រូវការ។ ផ្តល់បរិបទសម្រាប់បកស្រាយសំណើចម្រុះរបស់អ្នកប្រើប្រាស់។ | នៅមានកម្រិតក្នុងការយល់ដឹងពីចេតនាស៊ីជម្រៅរបស់អ្នកប្រើប្រាស់ ឬដោះស្រាយកំហុសឆ្គងនៃការប្រាស្រ័យទាក់ទងបែបធម្មជាតិ។ | ស័ក្តិសមសម្រាប់កិច្ចការដែលជំរុញដោយព័ត៌មាន (Information-driven tasks) ដូចជាការបំពេញព័ត៌មានសម្រាប់ការកក់សេវាកម្មជាដើម។ |
| Conversational Dialogue Management ការគ្រប់គ្រងការសន្ទនាបែប AI |
អាចយកតម្រាប់តាមសមត្ថភាពសន្ទនារបស់មនុស្ស តាមដានប្រធានបទ ដោះស្រាយការយល់ច្រឡំ និងសហការបានយ៉ាងល្អ។ វាគាំទ្រដល់ការរៀនបន្ស៊ាំទៅតាមអ្នកប្រើប្រាស់ជាក់ស្តែង។ | ទាមទារនូវបច្ចេកទេសកុំព្យូទ័រកម្រិតខ្ពស់ ទិន្នន័យច្រើនសម្រាប់ការរៀនរបស់ម៉ាស៊ីន (Machine Learning) និងចំណេះដឹងទូលំទូលាយអំពីពិភពលោក (World knowledge) ដើម្បីធ្វើការវែកញែក។ | ផ្តល់នូវអន្តរកម្មដែលអាចបន្ស៊ាំបាន និងមានភាពបត់បែនខ្ពស់ (Flexible interaction and adaptation) ប្រហាក់ប្រហែលនឹងការប្រាស្រ័យទាក់ទងរបស់មនុស្ស។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍប្រព័ន្ធភ្នាក់ងារសន្ទនាដែលបន្ស៊ាំបានតម្រូវឱ្យមានការវិនិយោគយ៉ាងសំខាន់ទៅលើប្រព័ន្ធស្ថាបត្យកម្មកុំព្យូទ័រ សមាសធាតុសម្គាល់ពហុមធ្យោបាយ និងមូលដ្ឋានទិន្នន័យចំណេះដឹងទូលំទូលាយ។
ការសិក្សានេះផ្អែកលើការស្រាវជ្រាវ និងគម្រោងនៅបណ្តាប្រទេសលោកខាងលិច (ដូចជាអឺរ៉ុប និងសហរដ្ឋអាមេរិក) និងប្រើប្រាស់ភាសាអង់គ្លេសដែលសំបូរធនធាន។ នេះជាបញ្ហាប្រឈមសម្រាប់ប្រទេសកម្ពុជា ពីព្រោះភាសាខ្មែរមានវេយ្យាករណ៍ រចនាសម្ព័ន្ធ និងបរិបទវប្បធម៌ខុសគ្នាស្រឡះ ដែលទាមទារឱ្យមានសំណុំទិន្នន័យផ្ទាល់ខ្លួន និងការកែច្នៃស្របតាមបរិបទមូលដ្ឋានដើម្បីឱ្យប្រព័ន្ធសន្ទនាមានលក្ខណៈធម្មជាតិ។
ទោះបីជាមានបញ្ហាប្រឈមផ្នែកទិន្នន័យភាសាក៏ដោយ បច្ចេកវិទ្យាភ្នាក់ងារសន្ទនានេះមានសក្តានុពលធំធេងសម្រាប់ប្រទេសកម្ពុជា ជាពិសេសក្នុងការជួយសម្រួលដល់ការប្រើប្រាស់បច្ចេកវិទ្យាតាមរយៈការនិយាយ។
សរុបមក ការអភិវឌ្ឍភ្នាក់ងារសន្ទនាដែលអាចបន្ស៊ាំបាននឹងជួយពង្រីកលទ្ធភាពទទួលបានសេវាកម្មឌីជីថលសម្រាប់ប្រជាជនកម្ពុជាគ្រប់មជ្ឈដ្ឋាន និងកាត់បន្ថយគម្លាតចំណេះដឹងផ្នែកបច្ចេកវិទ្យា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Adaptive Conversational Agents | ភ្នាក់ងារកុំព្យូទ័រដែលអាចប្រាស្រ័យទាក់ទងជាមួយមនុស្សតាមរយៈភាសាធម្មជាតិ ហើយមានសមត្ថភាពរៀនសូត្រ និងផ្លាស់ប្តូរអាកប្បកិរិយា ឬរបៀបឆ្លើយតបទៅតាមចំណង់ចំណូលចិត្ត កម្រិតចំណេះដឹង និងបរិបទរបស់អ្នកប្រើប្រាស់ម្នាក់ៗ។ | ដូចជាអ្នកបម្រើសេវាកម្មដ៏ឆ្លាតវៃម្នាក់ដែលចាំចំណូលចិត្តរបស់អ្នក ហើយចេះផ្លាស់ប្តូររបៀបនិយាយទៅតាមអារម្មណ៍និងទម្លាប់របស់អ្នក។ |
| Dialogue Management | សមាសធាតុស្នូលនៃប្រព័ន្ធសន្ទនាដែលមានតួនាទីគ្រប់គ្រងលំហូរនៃការសន្ទនា សម្រេចចិត្តថាត្រូវសួរអ្វីបន្ត ត្រូវឆ្លើយតបបែបណា និងត្រូវទាញយកព័ត៌មានអ្វីខ្លះពីអ្នកប្រើប្រាស់ដើម្បីសម្រេចគោលដៅនៃកិច្ចការណាមួយ។ | ដូចជាខួរក្បាលរបស់អ្នកសម្របសម្រួលកម្មវិធី ដែលដឹងថាពេលណាត្រូវស្តាប់ ពេលណាត្រូវសួរ និងត្រូវបន្តប្រធានបទអ្វីទៀត។ |
| Multimodal Interaction | ការប្រាស្រ័យទាក់ទងរវាងមនុស្សនិងកុំព្យូទ័រដែលប្រើប្រាស់មធ្យោបាយច្រើនបញ្ចូលគ្នា ដូចជាការនិយាយរួមជាមួយនឹងកាយវិការ ការចង្អុល ឬការប្រើអេក្រង់ប៉ះ (Touchscreen) ក្នុងពេលតែមួយដើម្បីផ្តល់ ឬទទួលព័ត៌មានឱ្យកាន់តែច្បាស់។ | ដូចជាពេលយើងនិយាយប្រាប់មិត្តភក្តិពីផ្លូវទៅផ្ទះ ព្រមទាំងយកដៃចង្អុលបង្ហាញទិសដៅក្នុងពេលតែមួយ។ |
| Reinforcement Learning | វិធីសាស្ត្រនៃការរៀនរបស់ម៉ាស៊ីន (Machine Learning) ដែលប្រព័ន្ធរៀនធ្វើការសម្រេចចិត្តតាមរយៈការសាកល្បង និងទទួលបានរង្វាន់ (ពេលធ្វើត្រូវ) ឬការពិន័យ (ពេលធ្វើខុស) ពីលទ្ធផលនៃសកម្មភាពរបស់វា ដើម្បីកែលម្អយុទ្ធសាស្ត្រសន្ទនា។ | ដូចជាការបង្វឹកសត្វឆ្កែ ដោយផ្តល់ចំណីពេលវាធ្វើត្រូវ និងស្តីបន្ទោសពេលវាធ្វើខុស ដើម្បីឱ្យវាចងចាំទម្លាប់ល្អ។ |
| Ideal Cooperation | គោលការណ៍នៃទ្រឹស្តីការប្រាស្រ័យទាក់ទងដែលភាគីទាំងសងខាង (មនុស្សនិងកុំព្យូទ័រ) មានសនិទានភាព សហការគ្នា និងជឿទុកចិត្តគ្នាទៅវិញទៅមក ដើម្បីសម្រេចបាននូវការផ្លាស់ប្តូរព័ត៌មានប្រកបដោយភាពជោគជ័យនិងស្មោះត្រង់។ | ដូចជាមិត្តភក្តិល្អពីរនាក់ជួយគ្នាធ្វើលំហាត់ ដោយនិយាយតែការពិត និងខិតខំស្វែងយល់ពីគ្នាទៅវិញទៅមកដោយមិនលាក់លៀម។ |
| Collaborative Filtering | បច្ចេកទេសក្នុងប្រព័ន្ធណែនាំ (Recommendation systems) ដែលទស្សន៍ទាយចំណង់ចំណូលចិត្តរបស់អ្នកប្រើប្រាស់ម្នាក់ ដោយផ្អែកលើការប្រៀបធៀបទិន្នន័យចំណូលចិត្តរបស់ក្រុមអ្នកប្រើប្រាស់ផ្សេងទៀតដែលមានប្រវត្តិនិងការចូលចិត្តស្រដៀងគ្នា។ | ដូចជាពេលកម្មវិធី YouTube ណែនាំវីដេអូថ្មីដល់អ្នក ដោយសារតែវាឃើញមនុស្សដែលចូលចិត្តមើលវីដេអូដូចអ្នក ក៏កំពុងតែមើលវីដេអូថ្មីនោះដែរ។ |
| Ambient Technology | បច្ចេកវិទ្យាដែលបំពាក់ឧបករណ៍ចាប់សញ្ញា (Sensors) ឆ្លាតវៃទៅក្នុងបរិស្ថានជុំវិញខ្លួនយើង (ដូចជាភ្លើង ម៉ាស៊ីនត្រជាក់ ទ្វារ) ដែលអាចដឹងពីវត្តមាន និងសកម្មភាពរបស់យើង ហើយដំណើរការដោយស្វ័យប្រវត្តិដើម្បីសម្រួលដល់ការរស់នៅ។ | ដូចជាផ្ទះវេទមន្តដែលចេះបើកភ្លើងនិងម៉ាស៊ីនត្រជាក់ដោយខ្លួនឯង ពេលដឹងថាយើងដើរចូលមកដល់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
