បញ្ហា (The Problem)៖ ប្រព័ន្ធគ្រប់គ្រងការសន្ទនារបស់មនុស្សយន្តទូទៅ ដែលប្រើប្រាស់គំរូធម្មតា (MDPs) ជួបប្រទះការលំបាកក្នុងការដោះស្រាយជាមួយនឹងពាក្យសម្ដីមិនច្បាស់លាស់ ឬមានសំឡេងរំខានពីអ្នកប្រើប្រាស់ ខណៈគំរូដែលធានាភាពជាក់លាក់ខ្ពស់ដូចជា POMDP ត្រូវការពេលវេលាគណនាខ្ពស់ពេក និងមិនអាចអនុវត្តជាក់ស្តែងបាន។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានស្នើឡើងនូវវិធីសាស្ត្រថ្មីមួយសម្រាប់មនុស្សយន្តថែទាំអ្នកជំងឺ ដោយផ្លាស់ប្តូរការផ្តោតទៅលើស្ថានភាពនៃចេតនារបស់អ្នកប្រើប្រាស់ជំនួសឱ្យស្ថានភាពរបស់ប្រព័ន្ធ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Conventional MDP គំរូ MDP ធម្មតា |
អាចគណនាគោលការណ៍ (Policy) បានលឿនស្ទើរតែភ្លាមៗសម្រាប់ការសម្រេចចិត្ត។ | មិនអាចដោះស្រាយជាមួយពាក្យសម្ដីដែលមានសំឡេងរំខាន ឬមិនច្បាស់លាស់បានល្អទេ ដែលបណ្តាលឱ្យមានកំហុសច្រើនក្នុងការទាយពីចេតនារបស់អ្នកប្រើប្រាស់។ | ទទួលបានរង្វាន់សន្ទនាជាមធ្យមទាបបំផុតត្រឹមតែ ៤៩.៧ ក្នុងមួយការសន្ទនា។ |
| POMDP (Partially Observable MDP) គំរូ POMDP ពេញលេញ |
ផ្តល់នូវគោលការណ៍ល្អបំផុត (Optimal policy) និងអាចដោះស្រាយភាពមិនច្បាស់លាស់នៃសញ្ញាដែលទទួលបានបានយ៉ាងល្អឥតខ្ចោះ។ | ប្រើប្រាស់ថាមពលគណនាខ្ពស់ខ្លាំង និងមិនអាចរកដំណោះស្រាយបានទាល់តែសោះសម្រាប់បញ្ហាដែលមានស្ថានភាព (States) ច្រើន។ | មិនអាចរកដំណោះស្រាយបានសម្រាប់បញ្ហាដែលមាន ៧ និង ១១ ស្ថានភាព (ចំណាយពេលដល់ ២៤ ម៉ោងទើបដើរបាន ២ វដ្ត) ប៉ុន្តែទទួលបានពិន្ទុខ្ពស់ក្នុងបញ្ហាតូចៗ។ |
| Augmented MDP គំរូ MDP ដែលបានកែសម្រួលដោយប្រើអង់ត្រូប៉ី (វិធីសាស្ត្រស្នើឡើង) |
អាចទប់ទល់នឹងភាពមិនច្បាស់លាស់នៃការនិយាយបានយ៉ាងមានប្រសិទ្ធភាព និងចំណាយពេលគណនាតិចជាងគំរូ POMDP ច្រើន។ | មានភាពប្រុងប្រយ័ត្នខ្លាំងពេក (Overly cautious) ដោយចំណាយពេលសួរស្វែងរកការបញ្ជាក់ច្រើនពេកមុននឹងសម្រេចចិត្តអនុវត្តសកម្មភាព។ | ទទួលបានរង្វាន់សន្ទនាជាមធ្យម ២៣០.៧ ធៀបនឹង ៤៩.៧ (MDP ធម្មតា) និងចំណាយពេលគណនាត្រឹម ៨ វិនាទីសម្រាប់បញ្ហា ១៧-ស្ថានភាព។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារផ្នែករឹង (Hardware) ក្នុងកម្រិតមធ្យមសម្រាប់ពេលវេលានោះ ប៉ុន្តែត្រូវការផ្នែកទន់ (Software) សម្រាប់សម្គាល់សំឡេង និងមនុស្សយន្តផ្ទាល់។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងមន្ទីរពិសោធន៍ដោយប្រើប្រាស់មនុស្សយន្តគំរូសម្រាប់ជំនួយការថែទាំ ដែលទិន្នន័យត្រូវបានកំណត់ត្រឹមបរិបទសាមញ្ញជាភាសាអង់គ្លេស។ សម្រាប់ប្រទេសកម្ពុជា ការស្រាវជ្រាវនេះមានសារៈសំខាន់ខ្លាំងណាស់ ដោយសារប្រព័ន្ធសម្គាល់សំឡេងភាសាខ្មែរនៅមានភាពរំខាន និងមិនទាន់សុក្រឹត (Noisy and ambiguous) ដែលទាមទារប្រព័ន្ធអត់ធ្មត់ខ្ពស់ដូច Augmented MDP នេះ។
វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់ក្នុងការយកមកអនុវត្តជាក់ស្តែងនៅកម្ពុជា ជាពិសេសក្នុងវិស័យដែលត្រូវការអន្តរកម្មរវាងមនុស្ស និងប្រព័ន្ធកុំព្យូទ័រតាមរយៈការនិយាយបញ្ជា។
ជារួម វិធីសាស្ត្រ Augmented MDP ផ្តល់នូវដំណោះស្រាយដ៏សមស្រប និងមានតុល្យភាពក្នុងការកសាងប្រព័ន្ធសន្ទនាឆ្លាតវៃ ដែលអាចសម្របតាមស្ថានភាពលំបាកនៃការសម្គាល់សំឡេងភាសាខ្មែរបច្ចុប្បន្ន។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Markov Decision Process | ជាម៉ូដែលគណិតវិទ្យាសម្រាប់ធ្វើសេចក្តីសម្រេចចិត្តក្នុងស្ថានភាពដែលលទ្ធផលមានភាពមិនច្បាស់លាស់ (ចៃដន្យខ្លះ និងអាចគ្រប់គ្រងបានខ្លះ) ដោយផ្អែកលើស្ថានភាពបច្ចុប្បន្ន សកម្មភាព និងរង្វាន់ដែលទទួលបាន។ វាទាមទារឱ្យប្រព័ន្ធដឹងច្បាស់ពីស្ថានភាពរបស់ខ្លួនគ្រប់ពេលវេលា។ | ដូចជាការលេងអុកដែលអ្នកដឹង និងមើលឃើញច្បាស់ពីទីតាំងកូនអុកទាំងអស់នៅលើក្តារ ហើយត្រូវគិតរករង្វាន់ធំបំផុត (ទម្រង់លេងដើម្បីឈ្នះ)។ |
| Partially Observable Markov Decision Process | ជាការពង្រីកបន្ថែមលើគំរូ MDP ដែលម៉ាស៊ីន ឬប្រព័ន្ធមិនដឹងច្បាស់ពីស្ថានភាពពិតប្រាកដរបស់ពិភពលោកខាងក្រៅ (ឧទាហរណ៍ មិនដឹងច្បាស់ពីអ្វីដែលអ្នកប្រើប្រាស់ចង់បានពិតប្រាកដ) តែវាអាចប៉ាន់ស្មានតាមរយៈសញ្ញា ឬការសង្កេតដែលទទួលបាន។ | ដូចជាការលេងបៀរដែលអ្នកមើលមិនឃើញបៀររបស់អ្នកដទៃ (ស្ថានភាពមិនពេញលេញ) តែត្រូវទាយ និងសម្រេចចិត្តលេងដោយពឹងលើសកម្មភាពរបស់អ្នកដទៃ។ |
| Belief state | ជាការតំណាងឱ្យការចែកចាយប្រូបាប៊ីលីតេ (Probability distribution) នៃស្ថានភាពដែលអាចកើតមានទាំងអស់ នៅពេលដែលប្រព័ន្ធកុំព្យូទ័រមិនអាចដឹងច្បាស់ពីស្ថានភាពពិតប្រាកដរបស់អ្នកប្រើប្រាស់។ | ដូចជាភាគរយនៃការសង្ស័យរបស់អ្នក ឧទាហរណ៍៖ ជឿ ៧០% ថាមេឃនឹងភ្លៀង និង ៣០% ថាមេឃស្រឡះ។ |
| Entropy | ជារង្វាស់នៃភាពមិនប្រាកដប្រជា ឬភាពរញ៉េរញ៉ៃនៅក្នុងប្រព័ន្ធជំនឿ (Belief state)។ អង់ត្រូប៉ីកាន់តែខ្ពស់ មានន័យថាប្រព័ន្ធកាន់តែមិនប្រាកដប្រជាថាស្ថានភាពមួយណាជាការពិតប្រាកដ។ | ដូចជាពេលដែលអ្នកវង្វេងនៅផ្លូវបំបែកជា៤ ហើយមិនដឹងសោះថាត្រូវទៅខាងណា (អង់ត្រូប៉ីខ្ពស់) ធៀបនឹងពេលដែលអ្នកដឹងច្បាស់ថាត្រូវទៅត្រង់ (អង់ត្រូប៉ីទាប ឬសូន្យ)។ |
| Augmented MDP | ជាវិធីសាស្ត្រថ្មីដែលអ្នកស្រាវជ្រាវបង្កើតឡើងដោយកែច្នៃគំរូ MDP ធម្មតា ដោយបូកបញ្ចូលជាមួយការបង្រួមទិន្នន័យនៃស្ថានភាពជំនឿ (Belief state) និងអង់ត្រូប៉ី ដើម្បីឱ្យវាដោះស្រាយបញ្ហាបានលឿនដូច MDP តែមានភាពឆ្លាតវៃអាចទប់ទល់នឹងភាពមិនប្រាកដប្រជាប្រហាក់ប្រហែល POMDP។ | ដូចជាការបំពាក់ឧបករណ៍ជួយចងចាំ និងស្មានទិសដៅដល់មនុស្សងងឹតភ្នែក ដើម្បីឱ្យគាត់អាចដើរបានលឿន និងសុវត្ថិភាពដោយមិនបាច់ចំណាយពេលយូរក្នុងការស្ទាបស្ទង់ផ្លូវ។ |
| Value iteration | ជាក្បួនដោះស្រាយសម្រាប់គណនារកគោលការណ៍ល្អបំផុត (Optimal policy) នៅក្នុងគំរូដំណើរការសម្រេចចិត្ត ដោយធ្វើការអាប់ដេតតម្លៃនៃស្ថានភាពនីមួយៗជារង្វិលជុំ រហូតដល់តម្លៃទាំងនោះមានស្ថិរភាព (លែងប្រែប្រួល)។ | ដូចជាការគូសផែនទីស្វែងរកកំណប់ ដោយសាកល្បងដើរគ្រប់ផ្លូវជាច្រើនដង រហូតទាល់តែរកឃើញផ្លូវដែលខ្លី និងចំណេញពេលវេលាជាងគេ។ |
| Bellman equations | ជាសមីការគណិតវិទ្យាដែលប្រើសម្រាប់ដោះស្រាយបញ្ហាក្នុងវិធីសាស្ត្រ Value iteration ដែលបង្ហាញពីទំនាក់ទំនងរវាងតម្លៃនៃស្ថានភាពបច្ចុប្បន្ន និងរង្វាន់អតិបរមាដែលនឹងទទួលបាននៅជំហានបន្ទាប់។ | ជាការបំបែកគម្រោងធំមួយ (ឧទាហរណ៍ ការសង់ផ្ទះ) ទៅជាជំហានតូចៗ ហើយគិតពីផលចំណេញនៃជំហាននីមួយៗបូកបញ្ចូលគ្នា។ |
| Mixed-initiative strategies | ជាទម្រង់នៃការសន្ទនាដែលទាំងប្រព័ន្ធកុំព្យូទ័រ និងអ្នកប្រើប្រាស់សុទ្ធតែអាចចាប់ផ្តើមការសន្ទនា ឬដឹកនាំប្រធានបទសន្ទនាទៅវិញទៅមកបានដោយសេរី។ | ដូចជាការនិយាយលេងជាមួយមិត្តភក្តិ ដែលម្នាក់ៗអាចសួរសំណួរ ឬប្តូរប្រធានបទបានគ្រប់ពេល មិនមែនដូចជាការសួរចម្លើយដែលទាមទារអ្នកសួរតែម្នាក់នោះទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
