ลำดับเหตุการณ์ที่ซ่อนอยู่ ทำอย่างไงๆก็ไม่เห็น แต่เราจะสร้างแบบจำลองที่จะจำลองลำดับเหตุการณ์ที่ซ่อนอยู่เหล่านั้น

มันมีการเปลี่ยนแปลงของแต่ละสภาพอยู่ แต่เราไม่เห็น (เราอยากเห็น)

เราอาจสร้างแบบจำลองของเหตุการณ์ ที่เกิดขึ้นต่อเนื่องแต่เรามองไม่เห็น โดยอาศัยว่าเหตุการณ์แต่ละขั้นเหล่านั้นมีผลต่อการเปลี่ยนแปลง(หรือการเกิด) ของอีกเหตุการณ์หนึ่ง ดังนั้น เราจะใช้ลำดับของเหตุการณ์ที่เห็นนี้ เป็นข้อมูล เพื่อตีโจทย์กลับไปหา ลำดับของเหตุการณ์ที่ซ่อนอยู่ เนื่องจากลำดับเหตุการณ์ที่ซ่อนอยู่ (จริงๆแล้ว)ทำอย่างไงๆก็ไม่เห็น แต่เราจะสร้างแบบจำลองที่จะจำลองลำดับเหตุการณ์ที่ซ่อนอยู่เหล่านั้น

แบบจำลองที่ว่า คือ Hidden Markov Model เป็นแบบจำลองที่ใช้มากและเป็นเวลายาวนาน ในวิศวกรรมศาสตร์ โดยเฉพาะการตรวจหารูปแบบของเสียง (speech pattern recognition) ดังเช่นผลการวิจัยตีพิมพ์ เกี่ยวกับความพยายามที่จะใช้แบบจำลอง ไปจำแนกเสียงพูดในภาษาไทย ที่จะแยกแยะการเปลี่ยนแปลง จากเสียงพยัญชนะ ไปเป็นเสียงสระ พบว่าแบบจำลองที่สร้างสามารถจำแนกได้ถูกต้องเกือบ 90 เปอร์เซ็นต์ ! อ่านบทความต้นฉบับ ไปที่ คลิก http://www.kmitl.ac.th/jkmitl/vol15no1/%CA%D8%A1%D4%A8.pdf

 เพื่อให้เข้าใจยิ่งขึ้น เอาตัวอย่างจากวิกีพีเดีย มาดัดแปลง ดังนี้ คือ ผมมีเพื่อนชื่อไมค์ (คงเดาออกชื่อเต็ม คือไมเคิล) ผมอยู่เมืองไทย ไมค์ไปทำงานที่สเปน ผมและไมค์สนิทกันดี ดังนั้นคุยแลกเปลี่ยนความคิดเห็นตลอด แล้วจะมีเรื่องเล่า หรือสอบถามสารทุกข์ สุกดิบ ตลอด ตอนนี้ก็เริ่มเข้าใจว่า ไมค์จะทำอะไรนะขึ้นอยู่กับสภาพอากาศในวันนั้นๆเช่นกัน ถ้าแดดอุ่นดี แกมักไปเดินเล่นที่สวน, ถ้าฝนตก แกมักนั่งดูทีวีดื่มเบียร์เย็นๆอยู่กับบ้าน ถ้าลมแรง แกมักชอบไปพายเรือ  สิ่งที่ผมรู้คือสิ่งที่ไมค์เล่าแต่ละวันๆเช่นเมื่อวันก่อนเมื่อวานไปพายเรือ (สนุกมาก, ออซัม) เมื่อวานนั่งดื่มเบียร์ดูทีวี วันนี้กำลังจะออกไปเดินที่สวน ลำดับเหตุการณ์ที่ผมรู้ คือ พายเรือ-อยู่บ้านดื่มเบียร์-ไปสวน นี่คือสิ่งที่เห็น สิ่งที่ปรากฏหรือรู้ (observable) แต่สิ่งที่ไมค์ไม่ได้บอกคือสภาพอากาศของแต่ละวันดังกล่าว(ซึ่งมีผลต่อสิ่งที่ปรากฏ คือกิจกรรมของไมค์) ลำดับของสภาพอากาศนี้คือสิ่งที่ซ่อนอยู่ (hidden process)   ถ้าเราสามารถสร้างแบบจำลองของ hidden process นี้ได้ เราสามารถนำมันมาใช้ประโยชน์ได้ เช่นทำนายว่า ในวันต่างๆสภาพอากาศจะเป็นอย่างไร

 

ต่อมามีผู้บุกเบิก นำแบบจำลองมาใช้ทำนาย ในดีเอ็นเอของแบคทีเรียอีโคไล จากนั้นผู้ศึกษาต่อๆมาก็พยายามนำไปศึกษาข้อมูลชีวภาพอื่น เช่น การจัดโครงสร้างของโปรตีน ผมพยายามรวบรวม HMMs สำหรับใช้ในชีวสารสนเทศไว้ที่นี่ครับ มี 3 ตอน ตอนแรกอยู่ที่นี่ครับ คลิก http://www.u-sabai-d.com/blogWP/?p=43