បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការបង្កើតការយល់ដឹងរួម (Grounding) រវាងមនុស្ស និងកុំព្យូទ័រ ដោយសារប្រព័ន្ធមុនៗពឹងផ្អែកតែលើការឆ្លើយតបជាសំឡេង និងបានមើលរំលងសញ្ញាអាកប្បកិរិយាដូចជាការសម្លឹង និងការងក់ក្បាល។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានធ្វើការសិក្សាជាក់ស្តែងលើទិន្នន័យនៃការសន្ទនារបស់មនុស្ស ហើយយកលទ្ធផលនេះទៅបង្កើតជាគំរូកុំព្យូទ័រសម្រាប់ភ្នាក់ងារសន្ទនាដែលមានរូបរាង (Embodied Conversational Agents)។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| MACK-with-grounding ប្រព័ន្ធ MACK ដែលមានយន្តការយល់ដឹងរួមតាមអាកប្បកិរិយា (Nonverbal Grounding) |
ធ្វើឱ្យអន្តរកម្មកាន់តែមានលក្ខណៈធម្មជាតិដូចមនុស្ស និងអាចទាញយកប្រតិកម្មត្រឡប់ពីអ្នកប្រើប្រាស់បានល្អ ជួយឱ្យប្រព័ន្ធដឹងពីពេលត្រូវពន្យល់បន្ថែម។ | ទាមទារការគណនាស្មុគស្មាញ និងឧបករណ៍ចាប់សញ្ញាអាកប្បកិរិយាច្រើនដើម្បីដំណើរការក្នុងពេលជាក់ស្តែង។ | មានការផ្លាស់ប្តូរស្ថានភាពអាកប្បកិរិយាចំនួន ៧ដង និងជំរុញឱ្យអ្នកប្រើប្រាស់សម្លឹងមើលភ្នាក់ងារសន្ទនាដើម្បីទទួលបានការពន្យល់បន្ថែម (Elaboration)។ |
| MACK-without-grounding ប្រព័ន្ធ MACK ដែលគ្មានយន្តការយល់ដឹងរួមតាមអាកប្បកិរិយា (Baseline) |
ងាយស្រួលក្នុងការអភិវឌ្ឍ កាត់បន្ថយភាពស្មុគស្មាញនៃប្រព័ន្ធកុំព្យូទ័រ និងមិនត្រូវការម៉ាស៊ីនចាប់សញ្ញាច្រើន។ | អន្តរកម្មមានភាពរឹងកំព្រឹស មិនឆ្លើយតបទៅនឹងប្រតិកម្ម ឬការមិនយល់របស់អ្នកប្រើប្រាស់។ | មានការផ្លាស់ប្តូរស្ថានភាពអាកប្បកិរិយាត្រឹមតែ ៣ដងប៉ុណ្ណោះ ហើយអ្នកប្រើប្រាស់មិនសម្លឹងមើលភ្នាក់ងារសន្ទនា (MACK) ទាល់តែសោះ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារការរួមបញ្ចូលគ្នារវាងផ្នែករឹង និងកម្មវិធីស្មុគស្មាញ ដើម្បីចាប់យក និងវិភាគសញ្ញាអាកប្បកិរិយាក្នុងពេលជាក់ស្តែង។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យនិស្សិតសាកលវិទ្យាល័យនៅសហរដ្ឋអាមេរិក ដែលការសម្លឹងមើលភ្នែកពេលនិយាយជារឿងធម្មតាក្នុងការប្រាស្រ័យទាក់ទង។ សម្រាប់បរិបទប្រទេសកម្ពុជា ទិន្នន័យនេះអាចមានភាពលំអៀង ដោយសារវប្បធម៌ខ្មែរជួនកាលចាត់ទុកការសម្លឹងភ្នែកចំៗពេកអាចជាការខ្វះការគោរព ឬមានអត្ថន័យខុសពីបស្ចិមប្រទេស។ ការកែតម្រូវគំរូអាកប្បកិរិយាឱ្យស្របតាមបរិបទប្រពៃណីខ្មែរគឺជារឿងចាំបាច់។
គំរូនៃការយល់ដឹងរួមតាមបែបពហុមធ្យោបាយនេះ មានសក្តានុពលខ្ពស់សម្រាប់ការអភិវឌ្ឍភ្នាក់ងារផ្តល់សេវាកម្មស្វ័យប្រវត្តិ (AI Kiosks) នៅកម្ពុជា។
ការធ្វើមូលដ្ឋានីយកម្ម (Localization) នៃប្រព័ន្ធនេះដោយគិតគូរពីវប្បធម៌ និងរបៀបប្រាស្រ័យទាក់ទងរបស់ប្រជាជនខ្មែរ នឹងជួយពង្រីកប្រសិទ្ធភាពនៃការប្រើប្រាស់បច្ចេកវិទ្យា AI ក្នុងសេវាកម្មសាធារណៈ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Grounding | ដំណើរការដែលភាគីសន្ទនាទាំងសងខាងបញ្ជាក់ និងធានាថាព័ត៌មានដែលបាននិយាយត្រូវបានយល់ច្បាស់ និងទទួលស្គាល់ដោយភាគីម្ខាងទៀត ដើម្បីក្លាយជាចំណេះដឹងរួម (Common Ground)។ | ដូចជាពេលយើងប្រាប់ផ្លូវគេ ហើយឈប់បន្តិចដើម្បីមើលថាគេងក់ក្បាលឬអត់ មុននឹងបន្តប្រាប់ផ្លូវទៅមុខទៀត។ |
| Embodied Conversational Agents (ECAs) | កម្មវិធីកុំព្យូទ័រឆ្លាតវៃ (AI) ដែលមានរូបរាងជាតួអង្គ (Avatar ឬ មនុស្សយន្ត) ដែលអាចធ្វើការសន្ទនាជាសំឡេង និងបង្ហាញអាកប្បកិរិយាដូចជាការងក់ក្បាល ចលនាដៃ ឬការសម្លឹងភ្នែក។ | ដូចជាតួអង្គតុក្កតាមានជីវិតក្នុងអេក្រង់កុំព្យូទ័រ ដែលអាចនិយាយឆ្លើយឆ្លង និងសម្លឹងមកកាន់យើងដូចមនុស្សពិតៗ។ |
| Dialogue Manager (DM) | សមាសធាតុស្នូលនៃប្រព័ន្ធសន្ទនាឆ្លាតវៃ ដែលទទួលបន្ទុកតាមដានស្ថានភាពនៃការសន្ទនា វិភាគអត្ថន័យ និងសម្រេចចិត្តថាតើប្រព័ន្ធគួរឆ្លើយតប ឬធ្វើអ្វីបន្ទាប់។ | ប្រៀបដូចជាខួរក្បាលរបស់អ្នកសម្របសម្រួលកម្មវិធី ដែលចាំស្តាប់ គិតវិភាគ និងសម្រេចថាតើត្រូវឆ្លើយតបបែបណាទៅកាន់អ្នកសួរ។ |
| Utterance Unit (UU) | ឯកតាតូចបំផុតនៃការនិយាយក្នុងមួយវគ្គ ដែលត្រូវបានកំណត់ដោយផ្អែកលើចង្វាក់នៃការដកដង្ហើម ឬការបញ្ចេញសំឡេង ហើយត្រូវបានប្រើប្រាស់ជាមូលដ្ឋានដើម្បីវិភាគអត្ថន័យនៃការសន្ទនា។ | ប្រៀបដូចជារបាំងឃ្លា ឬប្រយោគខ្លីៗដែលយើងនិយាយដាច់ៗពីគ្នា ពេលយើងកំពុងរៀបរាប់រឿងរ៉ាវអ្វីមួយ។ |
| Wizard of Oz (WoZ) | វិធីសាស្ត្រធ្វើតេស្តសាកល្បងប្រព័ន្ធកុំព្យូទ័រ នៅក្នុងការស្រាវជ្រាវអន្តរកម្មមនុស្ស-កុំព្យូទ័រ ដោយធ្វើឱ្យអ្នកប្រើប្រាស់គិតថាប្រព័ន្ធនេះដំណើរការដោយស្វ័យប្រវត្តិ ប៉ុន្តែការពិតមានមនុស្សលួចបញ្ជាពីក្រោយ។ | ដូចជាការលេងអាយ៉ង ដែលអ្នកមើលស្មានតែអាយ៉ងចេះនិយាយនិងធ្វើចលនាដោយខ្លួនឯង តែការពិតមានអ្នកទាញខ្សែនិងបញ្ចេញសំឡេងលាក់ខ្លួនពីក្រោយឆាក។ |
| Information State | ទ្រឹស្តី និងវិធីសាស្ត្រក្នុងការគ្រប់គ្រងការសន្ទនាដោយរក្សាទុក និងធ្វើបច្ចុប្បន្នភាពទិន្នន័យ (ដូចជាជំនឿ បំណង និងអ្វីដែលបានយល់ព្រមរួច) នៅរៀងរាល់ពេលមានការបញ្ចេញសកម្មភាព ឬពាក្យសម្ដី។ | ដូចជាសៀវភៅកត់ត្រារបស់លេខា ដែលកត់ទុកជាប់ជានិច្ចថាអ្នកណានិយាយអ្វីខ្លះ និងមានចំណុចណាខ្លះដែលបានយល់ស្របគ្នាហើយ។ |
| DAMSL coding scheme | ប្រព័ន្ធកូដស្ដង់ដារ (Dialog Act Markup in Several Layers) ដែលអ្នកស្រាវជ្រាវប្រើប្រាស់សម្រាប់បែងចែកប្រភេទ និងមុខងារនៃប្រយោគនីមួយៗក្នុងការសន្ទនា (ឧទាហរណ៍៖ សំណួរ, ការយល់ព្រម, ការពន្យល់)។ | ដូចជាការដាក់ស្លាកសញ្ញាពណ៌ផ្សេងៗគ្នាលើឯកសារ ដើម្បីសម្គាល់យ៉ាងងាយស្រួលថាណាមួយជាសំបុត្រសួរ ណាមួយជាសំបុត្រឆ្លើយ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
