nanocomputing with Artificial intelligence method
คำว่า Nanocomputing เป็นการรวมกัน ของคำว่า Nanotechnology กับ computational ถ้าพูดถึง นาโนเทคโนโลยี คำนี้จะได้ยินบ่อยขึ้น ใน 10 ปี มานี้ ซึ่งจะได้ยินมาจาก ผงซักฟอกบ้าง เครื่องสำอางบ้าง ซึ่งกว่าจะมาเป็นผลิตภัณน์ แต่ละตัวใช้เวลานานมาก ซึ่งต้องทดลองในห้องแลป เป็นเวลานาน อาจเป็นเดือน หรือ หลายปี ซึ่ง การนำ computer มาช่วยใน การสร้างแบบจำลองนั้น มีประโยชน์อย่างมาก ในการลดเวลาทดลอง สร้างแบบจำลองได้หลากหลายรูปแบบ ลดต้นทุน ซึ่งเราสามารถแยก ปัญหาของ Nanocomputing ได้ 2 แบบ ใหญ่ๆ คือ
1. Optimization คือ การหาค่าที่เหมาะสมที่สุด เช่น ปัญหาทาง Quantum automata protein docking ฯลฯ ซึ่ง นาโนเทคโนโลยี เกี่ยวข้องกับหลายศาสตร์ มาก คือ ฟิสิกส์ เคมี ชีวะ วัสดุ ขึ้นอยู่กับว่าเราจะทำงานวิจัยทางนาโน ออกไปทางด้านใหน ซึ่งแต่ละศาสตร์ก็จะมีปัญหา optimization ทั้งหมด
2. Prediction คือ ปัญหาจำพวกการ พยากรณ์ คาดเดาเหตุการณ์ในอนาคต นำข้อมูลปัจจุบันไปทำนายอนาคต ซึ่งจะเป็นพวกแลปแห้ง (การทำแลปบนคอมพิวเตอร์) เช่น Simulation dynamic (ชื่อไม่แน่ใจ เด็ก ATC จุฬา เค้าทำวิจัย โดยวิธีการนี้)
ปัญหา nanocomputing ถ้า จะประยุกต์รูปแบบแก้ปัญหาด้วยวิธีการทาง ปัญญาประดิษฐ์ หรือ Artificial intelligence (AI) ซึ่งข้อดีของมันคือ มันจะใหม่ (กรณีทำกับ Nanocoputing problem) มีคนทำน้อย และ AI มันปรับเปลี่ยนได้หลากหลาย และ AI สามารถ หยืดหยุ่น เวลาในการหาคำตอบได้ มันค่อยจะสร้างคำตอบที่ดี จากประสบการณ์ของตัวมันเอง (คลาสสิคใหมล่ะ)
แต่ ช้า ก่อน สวรรค์อาจจะล่มได้ เพราะคนที่ทำงานวิจัยประเภทนี้ได้ ต้องมีความรู้ ทาง เคมี ฟิสิกส์ ชีวะ วัสดุ หรือ นาโน ที่ขนาดสามารถ เขียนเป็น สมการ optimization ได้ ในกรณี ไม่เอาสมการมาจากงานวิจัยอื่น และคนๆนั้น ต้องเขียน โปรแกรมเป็น (เพราะมันไม่มีโปรแกรมสำเร็จรูปใช้แน่นอน ต้วอย่างเช่น เราจะใช้ Ant colony optimization สำหรับ แก้ปัญหา Protein docking มีโปรแกรมสำเร็จรูป ที่ใหนที่มี function นี้ ทั้งใน autodock และ Namdee ซึ่งที่กล่าวมานั้น เพิ่งมีคนเขียนโปรแกรมขึ้นมาเอง เป็น PhD.thesis) และต้องเป็นคนที่มีความรู้ทาง AI ด้วย จะหาคนที่ใหนที่รู้ ศาสตร์ได้ลึกและหลายศาสตร์ ขนาดนี้ ซึ่งผมเองก็ ไม่ใช่ Pro ด้านเคมี ฟิสิกส์ ชีวะ หรือ นาโนเลยรวมถึง AI ด้วยนะ แค่อยากทำ ซึ่งก็ต้องปล่อยให้มันอยู่ในความฝัน ว่าอยากทำมาก...ซึ่ง อยากลองเอา Harmony search algorithm หรือ artificial immune system หรือ bee alogorithm หรือ central force optimization แก้ปัญหา optimization ทาง นาโน ต่อไป เว้นแต่ ต้องรวมมือกันหลาย สาขา หลายคน พอมีลุ้น ซึ่งด้วยส่วนตัว มองว่ามันน่าจะแก้ปัญหาได้ Work มากแน่ เพราะ AI มันมีทฤษฎี ของมันเอง ซึ่งสามารถรองรับ และประยุกต์ได้กับทุกปัญหา optimization อยู่แล้ว
ความเห็น (3)
"...เขียนเป็น สมการ optimization..."
Objective Function and the set of constraints are no more than a 'prescription or set of characteristics' for a (set of) solution(s). They need to be 'well-defined and measurable (mathematically)'. But they need not be described in 'equations'. Problems may be much easier to solved when they are in equations. But AI techniques are used because they are not. ;-)
อ๋อ ไม่รู้ผมเข้าใจถูกหรือเปล่านะ แต่ผมว่าถ้าเป็น ปัญหาที่ตัวแปรไม่เยอะมาก วิธีการที่เค้าใช้ น่าจะเหมาะสม พวก Constructive approach ซึ่งมองว่าเป็นวิธีการที่เหมาะสมกับ ปัญหาแต่ละชนิด แต่ละสาขา เช่น PERT กับ CPM ใช้ในการจัดลำดับงาน (นึกอันอื่นไม่ออก) ซึ่งแต่ละฟิลล์ งาน optimization แต่ละสาขา จะมีวิธีการแก้ปัญหาแตกต่างกันออกไป แต่ถ้าปัญหาของพวกเค้า มีตัวแปรเยอะขึ้น การ optimization ก็ยากขึ้นตามไปด้วย AI น่าจะเหมาะสมกว่า เพราะมันจะวิ่งไปหาคำตอบที่ดี ด้วยการเรียนรู้ของมันเอง จึงต้องเป็นเหตุผลที่ ปัจจุบัน งานวิจัย หลากหลายสาขา ต้องร่วมกัน เพื่อจะทำวิจัย ที่มันต่างออกไป
ขอบคุณสำหรับความคิดเห็นครับ
scheduling problems. พอจะไห้คำแนะนำ เรื่อนี้ได้ไหมค๊ะ