สรุป NCCIT 2013 ตอนที่ 1 Bipolarity in Judgments and Assessments

เก็บเรื่องมาเล่าสำหรับงานประชุมวิชาการ ซึ้งเป็นธรรมดาเหล่า Keynote จะมีเรื่องล้ำๆมานำเสนอใน Session เช้า โดยสรุปย่อ Keynote เรื่องที่ 1ในหัวข้อ Bipolarity in Judgments and Assessments: Towards more Realistic and Implementable Human Centric Systems โดย Prof. Dr. Janusz Kacprzyk, Poland

Prof. Dr. Janusz
Kacprzyk

จากการเกริ่นนำของ ศ.ดร.Janusz ปัญหาใหญ่ของระบบคอมพิวเตอร์ก็คือไม่ได้เข้าใจคำถามของมนุษย์หรือตอนนี้ก็ยังไม่สามารถช่วยตัดสินใจได้ ความท้าทายของงานคือการให้คอมพิวเตอร์สามารถช่วยตัดสินใจที่มีความสอดคล้องกับกระบวนการคิดที่ซับซ้อนของมนุษย์ และพยายามให้คอมพิวเตอร์สามารถประมวลผลข้อมูลเพื่อหาคำตอบให้ได้ทันที ในระดับ Machine Level

การให้คอมพิวเตอร์ใจเหมือนมนุษย์ (Human Centric) มีแนวคิดหลายประการซึ่งอ้างอิงย้อนกลับไปได้หลายวิจัย ที่ออกแบบให้แนวคิดให้คอมพิวเตอร์ สามารถตอบคำถามของมนุษย์ในกรอบคำถามที่ไม่ได้ชัดเจนได้ อีกทั้งในทุกวันนี้การโต้ตอบที่เกิดขึ้น เป็นการสื่อสารระหว่างคนกับ Interface เท่านั้นซึ่งไม่ใช่ระหว่างคน กับ Machine

ผลลัพธ์ที่ต้องการจากระบบคือระบบที่สามารถตอบคำถามในเชิงทางเลือก (Given Choice), การตัดสินใจในหลายมิติ (Multiple Decision), สามารถตอบคำถามที่มีความกำกวมหรือไม่มีรูปแบบที่ชัดเจนได้ ซึ่งทำให้วิธีการออกแบบและพัฒนาระบบ ต้องรองรับการ Query ข้อมูล ที่มีความสามารถในการแปลงคำถามโดยการประมวลผล Natural Language ได้

ส่วน Bipolarity คือความไม่มั่นคงของคน ในการตัดสินใจของคนหนึ่งๆ จะมีเรื่องที่หลากหลายและแตกต่างกันของแต่ละคนซึ่งมีส่วนเข้ามาเกี่ยวข้องกับการออกแบบ ซึ่งพฤติกรรมการตอบคำถามโดย Natural Language นี้ ต้องรองรับความสามารถในการตอบคำถามที่มีความยืดหยุ่นจากคำถามที่เกี่ยวกับ ความรู้สึก, อารมณ์, และการตัดสินเลือกลงไปยังสิ่งใดสิ่งหนึ่งเพิ่มเติมด้วย

เกณฑ์ที่ใช้วัด Scale ทางจิตวิทยา จะถูกแบ่งออกเป็นระดับ โดยอยู่ในเกณฑ์ [-1, 1] หรือ [0,1] ความยุ่งยากที่เกิดขึ้นคือ การกำหนดว่าตัวเลขที่มากและน้อย อาจจะหมายถึงสิ่งที่แตกต่างกัน เช่น ใกล้, ไกล หรือ มากกว่า, น้อยกว่า ซึ่งจะต้องใช้การ Training บนระบบเพื่อให้ตอบคำถามได้ โดยตัวอย่างของคำถามที่เกิดขึ้นอย่างง่าย เช่น

ตัวอย่างแรก “Find the house cheaper than 500,000 USD and possibly locate within 5 blocks to train station”.

การประมวลผลข้อความนี้ ทำโดยการตัดตัวเลือก ของบ้านที่มีราคาสูงกว่า 500,000 เหรียญออกไป แต่ต้องมาประเมินความหมายของคำว่า “Possibly” ในกลไกของ Fuzzy

ตัวอย่างที่สอง “Find cheap house that locate to train station”

ซึ่งโจทย์นี้ระบบจะต้องประเมินความต้องการ และหลักเกณฑ์ในรูปแบบที่มนุษย์ตัดสินใจที่กำกวมมาก ซึ่งนั่นเป็นสิ่งที่งานวิจัยที่พัฒนาเพื่อตอบสนองความต้องการที่เหมาะสมกับความไม่แน่นอนของมนุษย์นั่นเอง