Original Title: Dialogue Systems & Dialogue Management
Document Type: Report
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original report for full accuracy.

ប្រព័ន្ធសន្ទនា និងការគ្រប់គ្រងការសន្ទនា

ចំណងជើងដើម៖ Dialogue Systems & Dialogue Management

អ្នកនិពន្ធ៖ Deeno Burgan (National Security & ISR Division, Defence Science and Technology Group)

ឆ្នាំបោះពុម្ព៖ 2016, Defence Science and Technology Group

វិស័យសិក្សា៖ Human-Computer Interaction

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា/ប្រធានបទ (The Problem/Topic)៖ របាយការណ៍នេះផ្តោតលើការស្រាវជ្រាវ និងការអភិវឌ្ឍប្រព័ន្ធសន្ទនាដោយប្រើសំឡេង (Spoken Dialogue System) ដើម្បីធ្វើឱ្យចំណុចប្រទាក់រវាងមនុស្ស និងកុំព្យូទ័រកាន់តែមានលក្ខណៈធម្មជាតិ និងមានប្រសិទ្ធភាព សម្រាប់គម្រោងបង្រួបបង្រួមព័ត៌មានកម្រិតខ្ពស់ម៉ូដែល Consensus។

វិធីសាស្ត្រ (Approach)៖ អ្នកស្រាវជ្រាវបានធ្វើការត្រួតពិនិត្យឯកសារ (Literature Review) យ៉ាងទូលំទូលាយលើទ្រឹស្តី និងបច្ចេកវិទ្យាដែលមានស្រាប់ពាក់ព័ន្ធនឹងប្រព័ន្ធសន្ទនា ដើម្បីវាយតម្លៃភាពស័ក្តិសមរបស់វាសម្រាប់ការអនុវត្តជាក់ស្តែង។

ការប្រៀបធៀបវិធីសាស្ត្រជ្រើសរើសសកម្មភាព (Action Selection Methods) រវាងការបង្កើតដោយដៃ (Handcrafted) និងម៉ាស៊ីនរៀន (Machine Learning)
ការវិភាគលើស្ថាបត្យកម្មភ្នាក់ងារច្រើន (Multi-agent Architectures) សម្រាប់ការគ្រប់គ្រងការសន្ទនា
ការសិក្សាពីការធ្វើគំរូអ្នកប្រើប្រាស់ (User Modelling) និងការស្គាល់ចេតនា (Intent & Goal Recognition)
យន្តការនៃការគ្រប់គ្រងកំហុស (Error Handling Strategies)

សេចក្តីសន្និដ្ឋានសំខាន់ៗ (Key Conclusions)៖

ប្រព័ន្ធបង្កើតដោយដៃ (Handcrafted Systems) ផ្តល់នូវភាពអាចទស្សន៍ទាយបាន និងតម្លាភាពខ្ពស់ ដែលស័ក្តិសមបំផុតសម្រាប់ប្រព័ន្ធយោធាដែលទាមទារភាពជាក់លាក់ ជាងប្រព័ន្ធ Machine Learning ដែលទាមទារទិន្នន័យច្រើន។
ស្ថាបត្យកម្មភ្នាក់ងារច្រើន (Multi-agent Architecture) ត្រូវបានវាយតម្លៃថាជាជម្រើសដ៏ល្អបំផុតសម្រាប់គម្រោង Consensus ដើម្បីធានាបាននូវភាពបត់បែនក្នុងការគ្រប់គ្រងការសន្ទនាឆ្លងដែនកំណត់ (Cross-domain)។
ការប្រើប្រាស់បច្ចេកទេសធ្វើគំរូអ្នកប្រើប្រាស់ (User Modelling) ពីដំណាក់កាលដំបូង នឹងជួយឱ្យប្រព័ន្ធអាចប្ដូរតាមបំណង និងយល់ពីចេតនារបស់អ្នកវិភាគម្នាក់ៗបានកាន់តែច្បាស់លាស់។

២. ការរកឃើញសំខាន់ៗ (Key Findings)

របាយការណ៍នេះបង្ហាញពីការវាយតម្លៃលម្អិតលើបច្ចេកទេសនៃការគ្រប់គ្រងការសន្ទនា (Dialogue Management) សម្រាប់ប្រព័ន្ធសន្ទនាដោយប្រើសំឡេង (Spoken Dialogue Systems) ដោយផ្តោតលើភាពខុសគ្នារវាងវិធីសាស្ត្របង្កើតដោយដៃ និងវិធីសាស្ត្រប្រើម៉ាស៊ីនរៀន ដើម្បីអនុវត្តក្នុងប្រព័ន្ធយោធា និងសន្តិសុខជាតិដែលមានភាពស្មុគស្មាញ។

ការរកឃើញ (Finding)	ព័ត៌មានលម្អិត (Detail)	ភស្តុតាង (Evidence)
តម្លាភាពនៃវិធីសាស្ត្របង្កើតដោយដៃ (Transparency of Handcrafted Methods)	ប្រព័ន្ធដែលបង្កើតដោយដៃ (ដូចជា FSM, Rule-based, Plan-based) ផ្តល់នូវតម្លាភាពខ្ពស់ និងអាចផ្ទៀងផ្ទាត់បាន (White box) ដែលស័ក្តិសមបំផុតសម្រាប់ប្រព័ន្ធដែលទាមទារសុវត្ថិភាព និងភាពត្រឹមត្រូវដាច់ខាត ព្រោះរាល់សកម្មភាពអាចតាមដានរកប្រភពដើមបាន។	របាយការណ៍បញ្ជាក់ថា ប្រព័ន្ធ Handcrafted មានភាពងាយស្រួលក្នុងការផ្ទៀងផ្ទាត់ និងទស្សន៍ទាយ (Predictability) បើប្រៀបធៀបនឹងប្រព័ន្ធ ML ដែលមានលក្ខណៈជាប្រអប់ខ្មៅ (Black boxes)។
បញ្ហានៃការប្រើប្រាស់ម៉ាស៊ីនរៀន (Challenges of Machine Learning)	បច្ចេកទេស Machine Learning (ដូចជា Markovian Models, Neural Networks) ត្រូវការទិន្នន័យបណ្តុះបណ្តាល (Corpora) យ៉ាងច្រើនសន្ធឹកសន្ធាប់ ដើម្បីរៀនពីយុទ្ធសាស្ត្រសន្ទនា ដែលជាបញ្ហាប្រឈមធំសម្រាប់វិស័យជាក់លាក់ដែលមិនសូវមានទិន្នន័យ។	ការប្រើប្រាស់ ML ទាមទារឱ្យមានទិន្នន័យអន្តរកម្មពិតប្រាកដ ឬការពិសោធន៍ Wizard-of-Oz ដែលចំណាយធនធានច្រើនក្នុងការប្រមូល និងបង្កើត។
ស្ថាបត្យកម្មភ្នាក់ងារច្រើន (Multi-agent Architectures)	ការប្រើប្រាស់ស្ថាបត្យកម្មដែលមានភ្នាក់ងារច្រើន (Agents) ធ្វើការរួមគ្នា អនុញ្ញាតឱ្យប្រព័ន្ធអាចដោះស្រាយដែនកំណត់ (Domains) ផ្សេងៗគ្នាបានយ៉ាងមានប្រសិទ្ធភាព និងអាចធ្វើការចរចា ឬបែងចែកភារកិច្ចគ្នាបាន។	ឯកសារបញ្ជាក់ថា ការបែងចែកបញ្ហាស្មុគស្មាញជាបញ្ហាតូចៗ (Sub-problems) ឱ្យភ្នាក់ងារឯកទេសផ្សេងៗគ្នាដោះស្រាយ ជួយបង្កើនសមត្ថភាពរួមរបស់ប្រព័ន្ធ (Distributed processing)។
ការធ្វើគំរូអ្នកប្រើប្រាស់ និងការស្គាល់ចេតនា (User Modelling & Intent Recognition)	ការយល់ដឹងពីអ្នកប្រើប្រាស់ (តួនាទី ចំណូលចិត្ត និងចំណេះដឹង) គឺជារឿងចាំបាច់ដើម្បីកែសម្រួលការសន្ទនាឱ្យស្របតាមបរិបទ និងតម្រូវការជាក់លាក់ ដែលជួយបង្កើនទំនុកចិត្តរវាងមនុស្ស និងកុំព្យូទ័រ។	ប្រព័ន្ធអាចសម្របខ្លួន (Adaptation) និងផ្តល់ចម្លើយបានកាន់តែច្បាស់លាស់នៅពេលវាមានគំរូទិន្នន័យ (User Models) របស់អ្នកប្រើប្រាស់។

៣. អនុសាសន៍ (Recommendations)

របាយការណ៍នេះផ្តល់នូវអនុសាសន៍ជាយុទ្ធសាស្ត្រក្នុងការរៀបចំ និងអភិវឌ្ឍសមាសភាគគ្រប់គ្រងការសន្ទនា ដោយផ្តោតលើភាពបត់បែន និងលទ្ធភាពពង្រីកនៅថ្ងៃអនាគត។

គោលដៅ (Target)	សកម្មភាព (Action)	អាទិភាព (Priority)
អ្នកអភិវឌ្ឍន៍កម្មវិធី និងវិស្វករប្រព័ន្ធ (Software Developers & System Engineers)	អនុវត្តការអភិវឌ្ឍបែបម៉ូឌុល (Modular design) និងបង្កើតចំណុចប្រទាក់ (Interfaces/APIs) ច្បាស់លាស់ ដើម្បីធានាថាប្រព័ន្ធគ្រប់គ្រងការសន្ទនាអាចធ្វើអន្តរប្រតិបត្តិការជាមួយសមាសភាគផ្សេងៗទៀតបានយ៉ាងងាយស្រួល។	ខ្ពស់ (High)
អ្នកជំនាញផ្នែក និងអ្នករចនាប្រព័ន្ធ (Domain Experts & System Designers)	បង្កើតករណីប្រើប្រាស់ (Use Cases) លម្អិតជាមុន ដើម្បីកំណត់យុទ្ធសាស្ត្រជ្រើសរើសសកម្មភាព (Action Selection Method) ឱ្យបានត្រឹមត្រូវ ថាតើគួរប្រើ Rule-based, Frame-based ឬបច្ចេកទេសផ្សេងទៀត។	ខ្ពស់ (High)
ស្ថាបត្យករប្រព័ន្ធ (System Architects)	រួមបញ្ចូលបច្ចេកទេសធ្វើគំរូអ្នកប្រើប្រាស់ (User Modelling) តាំងពីដំណាក់កាលដំបូង ដើម្បីឱ្យប្រព័ន្ធអាចចាប់យកចេតនា និងឆ្លើយតបទៅតាមប្រភេទអ្នកប្រើប្រាស់នីមួយៗបានយ៉ាងជាក់លាក់។	មធ្យម (Medium)

៤. បរិបទកម្ពុជា (Cambodia Context)

សម្រាប់ប្រទេសកម្ពុជា ដែលកំពុងជំរុញរដ្ឋាភិបាលឌីជីថល និងសេដ្ឋកិច្ចឌីជីថល ការយល់ដឹងពីការរៀបចំស្ថាបត្យកម្មប្រព័ន្ធសន្ទនា (Dialogue Systems) គឺមានសារៈសំខាន់ណាស់ក្នុងការបង្កើតជំនួយការនិម្មិត (Virtual Assistants) និង Chatbots ជាភាសាខ្មែរដែលអាចទុកចិត្តបាន ទោះបីជាយើងមិនទាន់មានទិន្នន័យធំ (Big Data) ក៏ដោយ។

ផលប៉ះពាល់មូលដ្ឋាន (Local Implications)៖

រដ្ឋាភិបាលអេឡិចត្រូនិក និងសេវាសាធារណៈ (E-Government & Public Services): ក្រសួងស្ថាប័ននានា (ដូចជាក្រសួងមហាផ្ទៃ ឬក្រសួងសាធារណការ) អាចប្រើប្រាស់វិធីសាស្ត្រ Handcrafted (Rule-based ទៅលើច្បាប់ និងនីតិវិធី) ដើម្បីបង្កើតប្រព័ន្ធឆ្លើយតបស្វ័យប្រវត្តិ ដែលមានភាពត្រឹមត្រូវខ្ពស់ និងមិនមានកំហុសផ្នែកច្បាប់។
បច្ចេកវិទ្យា និងការស្រាវជ្រាវ AI (Technology & AI Research): មជ្ឈមណ្ឌលស្រាវជ្រាវ (ដូចជា Techo Startup Center ឬ CADT) អាចផ្តោតលើការអភិវឌ្ឍប្រព័ន្ធសន្ទនាដោយប្រើ Frame-based ឬ Plan-based ជាជាងការពឹងផ្អែកទាំងស្រុងលើ Machine Learning ដែលទាមទារទិន្នន័យភាសាខ្មែរច្រើន ដែលបច្ចុប្បន្ននៅមានកម្រិតនៅឡើយ។
ការពារជាតិ និងសន្តិសុខ (Defense & Security): អគ្គស្នងការដ្ឋាននគរបាលជាតិ ឬក្រសួងការពារជាតិ អាចរៀនសូត្រពីស្ថាបត្យកម្ម Consensus ដើម្បីបង្កើតប្រព័ន្ធតាមដាន និងគ្រប់គ្រងទិន្នន័យសន្តិសុខជាតិ ដែលអាចធ្វើអន្តរកម្មជាសំឡេង និងមានសុវត្ថិភាពខ្ពស់។

ការចាប់ផ្តើមដោយប្រើប្រាស់វិធីសាស្ត្រគ្រប់គ្រងការសន្ទនាផ្អែកលើច្បាប់ (Rule/Frame-based) គឺជាជម្រើសដ៏វៃឆ្លាតសម្រាប់កម្ពុជា ក្នុងការកសាងប្រព័ន្ធ AI ដែលមានប្រសិទ្ធភាព និងអាចផ្ទៀងផ្ទាត់បាន មុននឹងឈានទៅរកការប្រើប្រាស់ Machine Learning ពេញលេញនៅពេលដែលទិន្នន័យភាសាខ្មែរមានភាពសម្បូរបែប។

៥. ផែនការអនុវត្ត (Implementation Roadmap)

ដើម្បីអនុវត្តតាមអនុសាសន៍នៃរបាយការណ៍នេះ គួរអនុវត្តតាមជំហានខាងក្រោម៖

ជំហានទី១៖ កំណត់ករណីប្រើប្រាស់ និងវិសាលភាព (Define Use Cases & Scope): ប្រមូលផ្តុំអ្នកជំនាញដើម្បីសរសេរករណីប្រើប្រាស់ (Use Cases) ជាក់លាក់ ដើម្បីកំណត់ថាប្រព័ន្ធសន្ទនាត្រូវឆ្លើយតបទៅនឹងសំណួរ ឬបញ្ហាប្រភេទណាខ្លះ (ឧទាហរណ៍៖ ការសួរព័ត៌មានលិខិតឆ្លងដែន ឬសេវាសាធារណៈ)។
ជំហានទី២៖ ជ្រើសរើសយុទ្ធសាស្ត្រគ្រប់គ្រងការសន្ទនា (Choose Dialogue Strategy): ជ្រើសរើសយកវិធីសាស្ត្រ Handcrafted (ដូចជា Information State ឬ Rule-based) ជាមូលដ្ឋានគ្រឹះដំបូង ដោយសារវាផ្តល់នូវតម្លាភាព និងមិនត្រូវការទិន្នន័យបណ្តុះបណ្តាលច្រើន។
ជំហានទី៣៖ អភិវឌ្ឍគំរូអ្នកប្រើប្រាស់ (Develop User Models): រៀបចំប្រព័ន្ធកំណត់អត្តសញ្ញាណ និងចាត់ថ្នាក់អ្នកប្រើប្រាស់ (ឧទាហរណ៍៖ ប្រជាពលរដ្ឋទូទៅ មន្ត្រីរាជការ) ដើម្បីឱ្យប្រព័ន្ធអាចកែសម្រួលពាក្យពេចន៍ និងជម្រៅនៃព័ត៌មានដែលត្រូវឆ្លើយតបទៅកាន់ពួកគេវិញ។
ជំហានទី៤៖ ការរៀបចំយន្តការគ្រប់គ្រងកំហុស (Implement Error Handling): បង្កើតយន្តការស្នើសុំការបញ្ជាក់ (Confirmation/Clarification strategies) នៅពេលដែលប្រព័ន្ធចាប់សំឡេង ឬអត្ថបទមិនបានច្បាស់ ដើម្បីចៀសវាងការផ្តល់ព័ត៌មានខុស។
ជំហានទី៥៖ សាកល្បង និងប្រមូលទិន្នន័យ (Testing & Data Collection): ប្រើប្រាស់វិធីសាស្ត្រ Wizard-of-Oz ឱ្យមនុស្សក្លែងធ្វើជាប្រព័ន្ធកុំព្យូទ័រឆ្លើយតបជាមួយអ្នកប្រើប្រាស់សាកល្បង ដើម្បីប្រមូលទិន្នន័យសន្ទនាពិតប្រាកដ ទុកសម្រាប់បង្ហាត់ Machine Learning នៅថ្ងៃអនាគត។

៦. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស	ការពន្យល់ជាខេមរភាសា (Khmer Explanation)	និយមន័យសាមញ្ញ (Simple Definition)
Dialogue Manager	សមាសភាគសំខាន់នៅក្នុងប្រព័ន្ធសន្ទនាដែលមានតួនាទីសម្របសម្រួលលំហូរនៃការសន្ទនា ជ្រើសរើសសកម្មភាពបន្ទាប់ និងទាក់ទងជាមួយប្រព័ន្ធរងផ្សេងៗទៀតដើម្បីគ្រប់គ្រងបរិបទនិងឆ្លើយតបទៅកាន់អ្នកប្រើប្រាស់។	ដូចជាខួរក្បាលអ្នកសម្របសម្រួលកម្មវិធី ដែលចាំស្តាប់សំណួរ គិតរកចម្លើយ និងបញ្ជាទៅផ្នែកផ្សេងៗឱ្យឆ្លើយតបទៅមនុស្សវិញ។
Spoken Dialogue System (SDS)	ប្រព័ន្ធកុំព្យូទ័រឯកទេសដែលប្រើប្រាស់ភាសាធម្មជាតិ (ការនិយាយ) ជាមធ្យោបាយចម្បងក្នុងការធ្វើអន្តរកម្មរវាងមនុស្ស និងកម្មវិធីកុំព្យូទ័រ ដើម្បីបំពេញកិច្ចការងារណាមួយប្រកបដោយប្រសិទ្ធភាព។	កម្មវិធីកុំព្យូទ័រដែលអាចស្តាប់ និងនិយាយឆ្លើយឆ្លងជាមួយយើងបាន ដូចជាមុខងារ Siri របស់ Apple ឬ Google Assistant អញ្ចឹង។
Multi-agent Architecture	ស្ថាបត្យកម្មប្រព័ន្ធកុំព្យូទ័រដែលផ្សំឡើងពីភ្នាក់ងារកម្មវិធី (Software agents) ជាច្រើន ដែលភ្នាក់ងារនីមួយៗមានឯកទេសរៀងៗខ្លួន ហើយពួកវាធ្វើការទំនាក់ទំនង និងសហការគ្នាដើម្បីដោះស្រាយបញ្ហាស្មុគស្មាញ។	ដូចជាក្រុមការងារមួយដែលមានអ្នកជំនាញផ្នែកផ្សេងៗគ្នា ធ្វើការពិភាក្សា និងជួយគ្នាដើម្បីសម្រេចការងារធំមួយ។
Wizard-of-Oz experiment	វិធីសាស្ត្រប្រមូលទិន្នន័យក្នុងការសិក្សាអន្តរកម្មកុំព្យូទ័រ ដោយឱ្យមនុស្ស (អ្នកស្រាវជ្រាវ) ក្លែងបន្លំធ្វើជាប្រព័ន្ធស្វ័យប្រវត្តិដើម្បីឆ្លើយតបនឹងអ្នកប្រើប្រាស់ ក្នុងគោលបំណងប្រមូលទិន្នន័យសន្ទនាពិតប្រាកដមុនពេលបង្កើតប្រព័ន្ធកុំព្យូទ័រពិតប្រាកដ។	ដូចជាការលេងលាក់មុខ ដោយមានមនុស្សពិតប្រាកដនៅពីក្រោយអេក្រង់កំពុងវាយអក្សរឆ្លើយតប តែធ្វើឱ្យយើងគិតថាកំពុងនិយាយជាមួយកុំព្យូទ័រដ៏ឆ្លាតវៃ។
Natural Language Understanding (NLU)	សមត្ថភាពរបស់កុំព្យូទ័រក្នុងការអាន និងយល់អត្ថន័យនៃភាសាដែលមនុស្សនិយាយ ឬសរសេរ រួចបំប្លែងវាទៅជាទម្រង់ទិន្នន័យ (Semantic representation) ដែលម៉ាស៊ីនអាចប្រើប្រាស់បន្តបាន។	ដូចជាអ្នកបកប្រែដែលស្តាប់យើងនិយាយខ្មែរ រួចបកប្រែអត្ថន័យនោះជាភាសាកូដដើម្បីឱ្យកុំព្យូទ័រយល់ពីអ្វីដែលយើងចង់បាន។
Partially Observable Markov Decision Process (POMDP)	ម៉ូដែលគណិតវិទ្យាសម្រាប់ប្រព័ន្ធ Machine Learning ដើម្បីធ្វើការសម្រេចចិត្តក្នុងស្ថានភាពដែលមានភាពមិនប្រាកដប្រជាខ្ពស់ (ឧទាហរណ៍ កុំព្យូទ័រស្តាប់មនុស្សមិនសូវច្បាស់) ដោយគណនាប្រូបាប៊ីលីតេនៃសកម្មភាពដែលល្អបំផុតដើម្បីកាត់បន្ថយកំហុស។	ដូចជាអ្នកលេងអុកដែលមើលឃើញក្តារអុកមិនច្បាស់ តែត្រូវប្រើការព្យាករណ៍និងគណិតវិទ្យាដើម្បីដើរអុកមួយជំហានដែលត្រឹមត្រូវបំផុត។
User Model	ការប្រមូល និងរក្សាទុកព័ត៌មានអំពីអ្នកប្រើប្រាស់ (ដូចជា ចំណូលចិត្ត ចំណេះដឹង គោលដៅ) នៅក្នុងទិន្នន័យប្រព័ន្ធ ដើម្បីឱ្យប្រព័ន្ធអាចកែសម្រួលការឆ្លើយតប និងឥរិយាបថរបស់វាឱ្យត្រូវនឹងតម្រូវការរបស់អ្នកប្រើប្រាស់ម្នាក់ៗ។	ដូចជាកំណត់ត្រាប្រវត្តិអតិថិជនរបស់ហាងកាហ្វេ ដែលចងចាំថាអ្នកចូលចិត្តកាហ្វេផ្អែមឬសាប ដើម្បីឆុងឱ្យត្រូវមាត់អ្នកដោយមិនបាច់សួរច្រើនដង។
Information-state update (ISU)	វិធីសាស្ត្រមួយក្នុងការគ្រប់គ្រងការសន្ទនាដោយរក្សាទុក "ស្ថានភាពព័ត៌មាន" (អថេរផ្សេងៗនៃការសន្ទនា) ទុកជាទិន្នន័យ និងប្រើប្រាស់វិធាន (Rules) ដើម្បីធ្វើបច្ចុប្បន្នភាពស្ថានភាពនោះនៅពេលមានសកម្មភាពថ្មីៗកើតឡើងក្នុងការសន្ទនា។	ដូចជាសៀវភៅកំណត់ហេតុប្រជុំ ដែលគេតែងតែកត់ត្រាទុកជានិច្ចថាតើការជជែកគ្នាបានដល់ចំណុចណាហើយ និងត្រូវធ្វើអ្វីបន្តទៀត។

៧. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖