การเปรียบเทียบเครือข่ายระบบประสาทกับสมองมนุษย์

(Neural networks compare with the human brain)

บทคัดย่อ

มนุษย์มีความคาดหวังที่จะพบกับวิวัฒนาการด้านเทคโนโลยีคอมพิวเตอร์ ที่มีความก้าวหน้าอย่างต่อเนื่องอาทิเช่น ความสามารถในการทำงานกับข้อมูลที่บกพร่องขาดความชัดเจน ประมวลผลข้อมูลจำนวนมหาศาลได้โดยพร้อมเพรียงกันด้วยความเร็ว ถูกต้องแม่นยำ ลดข้อผิดพลาด เป็นระบบที่ทรงพลัง และคาดหวังให้สามารถทำงานเลียนแบบความฉลาดของมนุษย์ได้ ซึ่งอาจเป็นความคาดหวังที่มากเกินไป แต่ความสามารถดังกล่าวก็สามารถพัฒนาขึ้นใช้งานกับคอมพิวเตอร์ซอฟต์แวร์และคอมพิวเตอร์ฮาร์ดแวร์ โดยประยุกต์มาจากพื้นฐานการทำงานของสมองมนุษย์พัฒนาเป็น “เครือข่ายระบบประสาท” บทความนี้มีวัตถุประสงค์เพื่อนำเสนอความรู้เกี่ยวกับเทคโนโลยีเครือข่ายระบบประสาทซึ่งเป็นเทคโนโลยีที่มีความพิเศษในการทำงานเลียนแบบสมองของมนุษย์ และความแตกต่างระหว่างเครือข่ายระบบประสาทกับสมองมนุษย์ในด้านความแตกต่างด้านการควบคุม ด้านโครงสร้างและการทำงาน ด้านประสิทธิภาพและความเร็ว ความสามารถที่พิเศษกว่าคอมพิวเตอร์แบบปกติ ตลอดจนแนวทางในการนำเครือข่ายระบบประสาทไปประยุกต์ใช้กับงานธุรกิจด้านต่าง ๆ ซึ่งองค์กรสามารถนำแนวคิดเครือข่ายระบบประสาทไปประยุกต์ใช้ในการพัฒนาระบบงาน เพื่อสร้างมูลค่าให้องค์กรต่อไป

Abstract

Human beings have great expectations from continued progresses and evolution of computer technologies,for examples, the ability to process information from fuzzy data, the capability to process large amount of data without error, and the ability to simulate some form of human intelligence.

These expectations, while at present may seem unrealistic, can be developed through the software and hardware combinations to simulate the basic functions of the human brain’s system of “neural networks”.

This article will attempt to present a knowledge about neural network technology which simulates the brain’s functions, to differentiate between the structure, controls and efficiency of the two systems. The article will also present viewpoints in implementing the neural network concepts in business and data processing organization.

บทนำ

โลกในปัจจุบันได้มีการเปลี่ยนแปลงไปอย่างรวดเร็ว โดยเฉพาะเทคโนโลยีด้านคอมพิวเตอร์ซึ่งเป็นเครื่องมือช่วยในการประมวลผลข่าวสารทางธุรกิจ ช่วยนำเสนอข้อมูลในการตัดสินใจ หรือแม้แต่ช่วยในธุรกิจอุตสาหกรรมโดยนำระบบคอมพิวเตอร์เข้ามาควบคุมการทำงานของเครื่องจักรในการประกอบชิ้นส่วนผลิตภัณฑ์ หรือใช้เครื่องจักรทำงานเสี่ยงอันตรายแทนมนุษย์ ซึ่งเทคโนโลยีที่ใช้อยู่ในปัจจุบันนับว่ามีความทันสมัยและสร้างประโยชน์ให้กับหลาย ๆ องค์กรอย่างมากมาย

ปัจจุบันในยุคคอมพิวเตอร์ดิจิตอล วิวัฒนาการด้านเทคโนโลยีได้พัฒนาอย่างรวดเร็ว ทั้งการประยุกต์ใช้เทคโนโลยีทางชีวภาพ (biological) กับการทำงานของระบบคอมพิวเตอร์ มนุษย์ทำการพัฒนาเทคโนโลยีที่มีความฉลาด เพื่อให้สามารถทำงานได้ใกล้เคียงกับมนุษย์มากที่สุด การนำระบบโครงสร้างชีวภาพทางสมองมนุษย์มาใช้เป็นต้นแบบเพื่อสร้างเป็น “เครือข่ายระบบประสาท (neural networks)” ที่ซึ่งเป็นระบบที่พยายามทำงานเลียนแบบสมองของมนุษย์ เพื่อประยุกต์ใช้กับคอมพิวเตอร์ซอฟต์แวร์และคอมพิวเตอร์ฮาร์ดแวร์ นับเป็นเทคโนโลยีที่น่าสนใจว่าถ้าหากทำการเปรียบเทียบประสิทธิภาพการทำงานระหว่างเครือข่ายระบบประสาทกับสมองมนุษย์แล้วจะมีความแตกต่างกันมากน้อยเพียงใด ทำไมต้องใช้เครือข่ายระบบประสาท เครือข่ายระบบประสาทแตกต่างจากคอมพิวเตอร์ปกติอย่างไร ประยุกต์ใช้งานในประโยชน์ด้านใดได้บ้าง ซึ่งจะได้กล่าวถึงในโอกาสต่อไป

เครือข่ายระบบประสาทเป็นสิ่งประดิษฐ์ที่มีวงจรการทำงานที่ซับซ้อน แต่ก็สามารถสะท้อนให้เห็นถึงความฉลาดของมนุษย์ได้อย่างชัดเจนและนับเป็นเทคโนโลยีที่บุคคลในสายอาชีพคอมพิวเตอร์ควรศึกษาและเรียนรู้ เพราะสามารถนำมาใช้ประโยชน์ในการสร้างสรรค์งานประดิษฐ์ได้เป็นอย่างดี

เครือข่ายระบบประสาท (Neural Networks)

เครือข่ายระบบประสาท เป็นแบบจำลองสถาปัตยกรรมคอมพิวเตอร์ ที่พัฒนาขึ้นบนพื้นฐานการสังเกตพฤติกรรมทางชีวภาพของเซลล์ประสาทภายในสมองมนุษย์ โดยเชื่อมกระบวนการทำงานต่าง ๆ เข้าด้วยกันเพื่อให้สามารถประมวลผลข้อมูลโดยพร้อมเพียงกัน เครือข่ายระบบประสาทจะมีการเลียนแบบความสามารถของสมองเพื่อเพิ่มประสิทธิภาพให้กับการทำงานของระบบ มีความสามารถในการเรียนรู้จากกลุ่มข้อมูลภายนอก เรียนรู้จากการทดลองและข้อผิดพลาด ซึ่งส่วนมากแล้วเครือข่ายระบบประสาทจะเป็นซอฟต์แวร์ซิมมูเลชั่น (software simulation) ที่รัน (run) บนเครื่องคอมพิวเตอร์ธรรมดาทั่วไป (Columbia university press,2003)

ในคอมพิวเตอร์เครือข่ายระบบประสาท (neural computer) จะประกอบด้วยวงจรทรานซิสเตอร์ (transistor circuit) ทำหน้าที่เป็นเซลล์ประสาท (neural) และตัวต้านทานผันแปร (variable resistor) ทำการเชื่อมต่อเส้นประสาท (axons) เข้ากับปลายประสาท (dendrites) ซึ่งในแผงวงจรรวม (integrate circuit) ของเครือข่ายระบบประสาทจะประกอบด้วย 1,024 ซิลิกอน (silicon)รวมกันเป็นเซลล์ประสาท แต่ละเซลล์ประสาทในเครือข่าย (network) จะมีหนึ่งอินพุท (input) หรือมากกว่า (Yves Burnod ,1990) โดยระบบจะรับค่าอินพุท เข้าไปคำนวณและสร้างเอาท์พุท (output) ออกมา ซึ่ง input แต่ละตัวจะถูกให้ลำดับความสำคัญของค่าตัวเลขแตกต่างกัน ในขณะป้อนแต่ละ input เข้าสู่เซลล์ประสาท input นั้นจะถูกปรับค่าน้ำหนัก (weight) เซลล์ประสาทจะทำการคำนวณค่า input และ output และนำ output ที่ได้ไปเปรียบเทียบกับ output ที่ได้ตั้งไว้ ถ้าค่าที่ออกมาเกิดความคลาดเคลื่อนก็จะนำไปสู่การปรับค่า weight ที่กำหนดไว้ใน input แต่ละตัวอีกครั้ง ซึ่ง output จากเซลล์ประสาทหนึ่ง จะกลายมาเป็น input ของเซลล์ประสาทตัวอื่น จนกระทั่ง output สุดท้ายนั้นบรรลุผลโดยมีค่าความคลาดเคลื่อนน้อยที่สุด ( J. Stephen Judd 1990, Stephen I. Gallant 1993, Larry R. Medsker 1994 and Robert L. Harvey 1994)

เครือข่ายระบบประสาทโดยส่วนมากจะนำไปใช้ในการพัฒนาซอฟต์แวร์ แต่ถ้าหากนำไปใช้กับคอมพิวเตอร์ฮาร์ดแวร์ จะเรียกว่า “คอมพิวเตอร์เครือข่ายระบบประสาท (neural computer) ซึ่งจากรายละเอียดข้างต้นที่ได้กล่าวถึงลักษณะของคอมพิวเตอร์เครือข่ายระบบประสาทนั้น จะเห็นได้ว่าคอมพิวเตอร์เครือข่ายระบบประสาท เป็นการเชื่อมต่อโปรเซสเซอร์ (processor) หลายตัวเข้าด้วยกัน(multi-processor) ในหนึ่งเครื่อง ให้เครื่องประมวลผลเป็นแบบคู่ขนาน (parallel processing) มีความสามารถในการจัดเก็บสิ่งที่รับรู้ ประสบการณ์ การกระทำ โดยมีลักษณะคล้ายสมองอยู่ 2 ประการ คือ 1)สิ่งที่รับรู้ที่ได้มาโดยเครือข่ายภายใน (network) ได้มาผ่านทางกระบวนการเรียนรู้ของเครื่อง (learning machine) 2) คือเซลล์ที่เชื่อมต่อถึงกัน(synapse) ใช้ในการเก็บสิ่งที่รับรู้เข้ามา โดยมนุษย์สามารถป้อนองค์ความรู้ไว้ในฮาร์ดแวร์ (hardware) เพื่อให้ฮาร์ดแวร์ใช้ในการเรียนรู้และสร้างกลุ่มคำตอบได้ด้วยตนเอง โดยปราศจากคนสอน คอมพิวเตอร์เครือข่ายระบบประสาทจะมีความฉลาดในการเรียนรู้จากข้อมูลเพียงบางส่วนที่ขาดความสมบูรณ์ แล้วสามารถวิเคราะห์หาคำตอบได้ด้วยตนเอง แต่ก็ไม่ง่ายนักในการพัฒนาระบบเครื่องคอมพิวเตอร์ให้กลายเป็นคอมพิวเตอร์เครือข่ายระบบประสาท เนื่องจากต้องใช้อุปกรณ์ต่าง ๆ ภายในตัวเครื่องเพิ่มมากขึ้น ไม่ว่าจะเป็นจำนวนโปรเซสเซอร์ (processor) หรือหน่วยความจำ (memory) ที่ต้องการความจุที่มากขึ้น อีกทั้งยังอาจมีข้อจำกัดในเรื่องของราคา

ในปัจจุบันเทคโนโลยีเครือข่ายระบบประสาทมีความน่าสนใจและสามารถที่จะเพิ่มประสิทธิภาพในการทำงานให้กับซอฟต์แวร์และฮาร์ดแวร์ ดังนั้นจึงมีความสำคัญไม่น้อยที่บุคคลในแวดวงคอมพิวเตอร์ จะต้องรู้ถึงความหมายและลักษณะสำคัญของเครือข่ายระบบประสาท เพื่อเป็นการปรับแนวความคิดให้ก้าวตามเทคโนโลยี และแนวคิดใหม่ ๆ ต่อไป อย่างไรก็ดีแนวคิดเครือข่ายระบบประสาทที่นำมาประยุกต์ใช้ในปัจจุบันนั้นเป็นการจำลองมาจากโครงสร้างการทำงานภายในสมองของมนุษย์ซึ่งจะเปรียบเทียบความแตกต่างระหว่างเครือข่ายระบบประสาทกับสมองมนุษย์เพื่อให้เกิดความเข้าใจมากยิ่งขึ้นต่อไป

การเปรียบเทียบเครือข่ายระบบประสาทกับสมองมนุษย์ (Neural networks compare with human brain)

จากการใช้สมองมนุษย์เป็นต้นแบบในการพัฒนาเครือข่ายระบบประสาท สามารถเปรียบเทียบให้เห็นถึงความเหมือนและความแตกต่างในด้านต่าง ๆ ดังนี้

ด้านการควบคุม สมองมนุษย์ (Human brain) มีการทำงานโดยอาศัย “สมอง” เป็นตัวควบคุมและสั่งการ ไม่มีหน่วยความจำส่วนกลาง โดยสมองจะแยกการทำงานออกเป็น 2 ส่วนหลักได้แก่ ส่วนที่ใช้ในการคิดคำนวณประมวลผล และส่วนที่ใช้ในการจดจำ ในขณะที่เครือข่ายระบบประสาทมีหน่วยความจำ (memory)และหน่วยประมวลผล (processor) ส่วนกลาง โดยแยกหน่วยความจำออกจากหน่วยประมวลผล มีกลไกควบคุมการทำงานคล้ายกับสมอง

ด้านโครงสร้างและการทำงาน สมองมนุษย์ประกอบด้วยโครงสร้างสมอง 5 ส่วนหลัก ได้แก่ 1) ปลายประสาท (dendrite) ทำหน้าที่ในการรับข้อมูลและป้อนข้อมูลเข้าไปให้กับสมอง(soma) โดยส่งข้อมูลเป็นคลื่นไฟฟ้า 2) สมอง (soma) ทำหน้าที่ในการรวบรวมข้อมูล หรือจัดเก็บข้อมูลที่ถูกป้อนเข้ามา จากนั้นทำการคำนวณและประมวลผล เสร็จแล้วส่งผลลัพธ์นั้นไปยังเส้นประสาท (axon) 3) เส้นประสาท (axon) ทำหน้าที่แปลงข้อมูลที่ได้จากการประมวลผล นำไปแสดงเป็นผลลัพธ์ตามต้องการ (คล้ายกับการ์ดในการแปลงสัญญาณ ของคอมพิวเตอร์) 4) เซลล์ประสาท (neuron) เป็นเซลล์ประสาทที่อยู่ภายในสมอง ซึ่งสมองของมนุษย์จะประกอบด้วยเซลล์ประสาท ประมาณหนึ่งแสนล้านเซลล์ 5) เซลล์ที่เชื่อมต่อถึงกัน (synapse) ทำหน้าที่ในการเชื่อมต่อการสื่อสารกับเซลล์ประสาท(neuron) อื่นในระบบสมอง เพื่อใช้ในการเก็บสิ่งที่รับรู้เข้ามาแสดงโครงสร้างของสมองมนุษย์ ดังรูปที่ 1

รูปที่ 1 โครงสร้างสมองมนุษย์

ที่มา : Kenneth C. Laudon and Jane P. Laudon, 2004

ในขณะเดียวกันเครือข่ายระบบประสาท ก็จะมีโครงสร้างคล้ายกับสมองของมนุษย์แต่มีเส้นประสาท น้อยกว่า ดังรูปที่ 2 ซึ่งโครงสร้างหลักประกอบด้วย 3 ส่วน ได้แก่ 1) ปลายประสาท จะเรียกว่า weight (W_i) เปรียบได้กับปลายประสาท (dendrite) ในสมองมนุษย์ ทำหน้าที่ในการรับข้อมูลที่ถูกป้อนเข้ามาจาก input node จากนั้นป้อนเข้าไปให้กับสมอง (node) โดยส่งข้อมูลเป็นคลื่นไฟฟ้า 2) สมอง จะถูกเรียกว่า node เป็นการนำ processor หลายตัวมาเชื่อมต่อกัน ทำให้สามารถรับข้อมูลพร้อมกันได้ จำแนก node ออกเป็น 3 กลุ่ม ได้แก่ input node จะรับข้อมูลจากภายนอก hidden node รับข้อมูลจากสิ่งที่รับรู้หรือจากเครือข่ายภายใน (network) และ output node จะปรับผลลัพธ์ให้มีค่าความผิดพลาดน้อยที่สุดก่อนนำออกแสดงผล โดย node เปรียบได้กับสมองของมนุษย์ (soma) ทำหน้าที่ในการรวบรวมข้อมูล หรือจัดเก็บข้อมูลที่ถูกป้อนเข้ามา คำนวณและประมวลผล เสร็จแล้วส่งผลลัพธ์นั้นไปยังเส้นประสาท (hidden node) 3) เส้นประสาท จะเรียกว่า hidden node เปรียบได้กับเส้นประสาท (axon) ในสมองของมนุษย์ ทำหน้าที่แปลงข้อมูลที่ได้จากการประมวลผลและส่งไปที่ output node เพื่อให้ output node ปรับค่าความผิดพลาด และแสดงเป็นผลลัพธ์ตามต้องการ

รูปที่ 2 โครงสร้างเครือข่ายระบบประสาท (neural networks)

ที่มา : Efraim Turban and Jay E. Aronson, 2001

จากโครงสร้างและการทำงานดังกล่าวข้างต้นเห็นได้ว่า ทั้งสองระบบคล้ายกันมาก สังเกตง่าย ๆ จากกระบวนการรับข้อมูลเข้ามาเพื่อทำการประมวลผล ซึ่งก่อนจะแสดงผลลัพธ์นั้นจะต้องทำการแปลงสัญญาณเสียก่อน อีกทั้งสมองยังมีการรับส่งข้อมูลด้วยคลื่นไฟฟ้าเช่นเดียวกับเครือข่ายระบบประสาทอีกด้วย

ด้านการเรียนรู้ข้อมูล สมองมนุษย์มีการเรียนรู้ได้ 2 ลักษณะคือการเรียนรู้จากการสอนและจากประสบการณ์ เช่น การเรียนรู้การรู้จำพยัญชนะของสมองในวัยเด็ก เด็กอาจไม่รู้จักพยัญชนะ A – Z แต่เมื่อมีการสอนบ่อย ๆ สมองจะมีการเรียนรู้และจดจำ จากนั้นเรียนรู้ที่จะเข้าใจโดยการผสมคำตัวพยัญชนะ เราจะเรียกได้ว่า ”สมองมีการปรับโครงสร้างภายในได้โดยอัตโนมัติ” นอกจากนี้สมองยังสามารถใช้กระบวนการคิดได้อย่างซับซ้อน สามารถวิเคราะห์ จำแนกและแยกแยะ มีความรู้สึกนึกคิด ซึ่งเป็นประเด็นที่แตกต่างเครือข่ายระบบประสาท แม้ว่าสมองของมนุษย์จะไม่มีหน่วยความจำส่วนกลางเหมือนกับเครือข่ายระบบประสาท แต่สมองก็สามารถเรียนรู้สิ่งต่าง ๆ ได้ โดยการฝึกฝนหลาย ๆ ครั้ง จนเกิดความรู้ความชำนาญ ในขณะที่เครือข่ายระบบประสาทก็สามารถเรียนรู้ข้อมูลได้ 2 ลักษณะเช่นเดียวกัน ได้แก่ 1) การเรียนรู้โดยมีครูสอน (Learning machines with a teacher) เป็นกระบวนการเรียนรู้ที่เราป้อนคำตอบหรือมีชุดข้อมูลให้กับคอมพิวเตอร์เอาไว้แล้ว เราเรียกว่าเป็นการสอนคอมพิวเตอร์ให้รู้ข้อมูล จากนั้นป้อนสิ่งที่เราต้องการวินิจฉัย และนำเข้าไปผ่านกฎต่าง ๆ ในกระบวนการของเครื่อง เพื่อหาคำตอบที่ดีที่สุด 2) การเรียนรู้โดยปราศจากครูสอน (Learning machines without a teacher) เป็นการเรียนรู้โดยชั้นสมองส่วนในของคอมพิวเตอร์ (hidden node) จะปรับตัวเองไม่ต้องการความช่วยเหลือจากภายนอก เป็นการเรียนรู้โดยที่มนุษย์ไม่ต้องกำหนดผลลัพธ์เอาไว้ก่อนล่วงหน้า ไม่ต้องมีผู้แนะนำ กระบวนการเรียนรู้นี้จะเรียกว่า Learning by doing เปรียบเทียบได้กับการเรียนรู้ของสมองมนุษย์ เช่น มนุษย์เราสามารถเรียนรู้ในการผสมคำตัวอักษร เรียนรู้ในการจำแนกชนิดของสัตว์ ประเภทของพืช หรือแม้แต่การเห็นภาพของผลไม้เราสามารถบอกได้ว่า หากผลไม้มีสีเช่นนี้ รสชาดจะเป็นเช่นไร ซึ่งการเรียนรู้แบบนี้อาจมาจากการสั่งสมประสบการณ์ ไม่มีใครสอนให้เราจำแนก แต่เราสามารถเรียนรู้ได้ด้วยตนเอง ในเครือข่ายระบบประสาทก็เช่นเดียวกัน (Simon Haykin, 1999)

ด้านการประมวลผลและหน่วยความจำ สมองมนุษย์เรามีหน่วยความจำอย่างไม่จำกัด (unlimit)

มีความสามารถในการประมวลผลข้อมูล หรือทำงานหลาย ๆ อย่างได้เวลาเดียวกัน ตามประสาทสัมผัสทั้ง 5 ได้แก่ รูป รส กลิ่น เสียง สัมผัส ตัวอย่างเช่น เราสามารถดูโทรทัศน์รับชมข้อมูลทั้งภาพและเสียง จิบเครื่องดื่ม อ่านหนังสือ ในเวลาเดียวกันซึ่งเราเรียกความสามารถในการทำงานหลายอย่างในเวลาเดียวกันนี้ว่าการประมวลผลแบบคู่ขนาน (parallel pocessing) และเครือข่ายระบบประสาทก็สามารถทำงานแบบคู่ขนานได้เช่นเดียวกัน แต่ทว่าจำเป็นต้องใช้หน่วยความจำ (memory) ที่มีความจุมากขึ้นในขณะที่สมองนั้นไม่จำเป็นเนื่องจากมีความจำอย่างไร้ขีดจำกัด

ด้านอายุการใช้งาน สมองมนุษย์จะมีวันเสื่อมสภาพ แต่เมื่อเทียบอายุการใช้งานแล้วอาจยาวนานนับร้อยปี ส่วนเครือข่ายระบบประสาทเป็นเทคโนโลยี ซึ่งเทคโนโลยีมักจะมีวิวัฒนาการเปลี่ยนแปลงไปเรื่อย ๆ อย่างรวดเร็ว มีความล้าสมัยเมื่อถูกแทนที่ด้วยเทคโนโลยีอื่นที่ทันสมัยกว่า

ด้านความคงทนถาวร ภายในสมองของมนุษย์เรา ถึงแม้จะประกอบไปด้วยเซลล์ประสาทนับ

แสนล้านเซลล์ มีการเจริญเติบโตตามช่วงวัยนับจากวัยทารก วัยเด็ก วัยผู้ใหญ่ จนกระทั่งวัยชรา เมื่อสมองโตเต็มที่ก็มีวันที่จะเสื่อมสภาพลงได้ในวัยชราเนื่องจากอายุการใช้งานที่ยาวนาน เซลล์ประสาทในสมองจะตายและเสื่อมสภาพได้ในทุก ๆ วัน ดังนั้นคนชัยชรา อาจป่วยด้วยโรคอัลไซเมอร์ จึงสรุปได้ว่าสมองมีการจัดเก็บข้อมูลได้ไม่คงทนถาวร ซึ่งแตกต่างจากเครือข่ายระบบประสาท

ด้านประสิทธิภาพและความเร็ว ถ้าถามว่าใครทรงพลังมากกว่าระหว่างสองระบบที่เรากำลัง

กล่าวถึง จากการประเมินประสิทธิภาพและความเร็วในการประมวลผลของสมอง จะมี Instruction Rate ประมาณ 100 ล้าน MIPS (Million computer Instructions Per Second) โดยหน่วยความจำจะไม่มีผลต่อความเร็วในการประมวลผล ในขณะที่ Pentium processor ในปี 1999 ที่ใช้งานในเครื่อง Personal computer ได้พัฒนาความเร็วของ Clock Speed 700 MHz และมี Instruction Rate 4200 MIPS ซึ่งความเร็วดังกล่าวต้องสัมพันธ์กับหน่วยความจำ(memory) และความซับซ้อนของระบบด้วย ส่วนคอมพิวเตอร์ที่จัดว่าเป็นเครื่องที่ทรงพลังมาก ๆ อย่าง Super computer ในปี 1998 ประมวลผลด้วยความเร็วประมาณ 1 ล้าน MIPS ซึ่งเร็วกว่าเครื่อง Personal computer มีประสิทธิภาพสูงในการคำนวณ แต่หน่วยความจำจะส่งผลกระทบต่อความเร็วในการประมวลผล เมื่อเครื่อง Run งานหลาย ๆ งานในเวลาเดียวกัน ก็จะใช้ หน่วยความจำมากขึ้นส่งผลต่อความเร็วที่ลดลง(http://library.thinkquest.org/C001501/the_saga/compare.htm)

อย่างไรก็ตาม จากข้อมูลดังกล่าว สามารถตอบคำถามได้ว่าสมองมนุษย์มีประสิทธิภาพในการ

ประมวลผลได้อย่างทรงพลังและมีความเร็วที่เหนือกว่า อีกทั้งยังไม่จำกัดปริมาณข้อมูลและใช้หน่วยความจำขนาดเล็กภายในสมองได้อย่างไร้ขีดจำกัด รวมทั้งสามารถดึงเอาความรู้ที่จัดเก็บในสมองออกมาใช้ได้อย่างอัตโนมัติ ทำงานได้อย่างเป็นระบบและต่อเนื่อง สมองมีการทำงานแบบ on-line (real-time) ในขณะที่เครือข่ายระบบประสาททำงานแบบ off-line ดังนั้นเมื่อเครือข่ายระบบประสาทและคอมพิวเตอร์แบบปกติถูกนำมาเปรียบเทียบกับสมองมนุษย์นับว่ายังห่างไกล

ถึงแม้ว่าเครือข่ายระบบประสาทจะด้อยประสิทธิภาพกว่า แต่หากเปรียบเทียบกับคอมพิวเตอร์

แบบปกติย่อมจะต้องมีความพิเศษกว่าอย่างแน่นอน เพราะเครือข่ายระบบประสาทสามารถจัดเก็บข้อมูล ประสบการณ์และการทำงานได้อย่างดี กล่าวได้ว่าเป็นความพิเศษของวิวัฒนาการคอมพิวเตอร์ในโลกยุคปัจจุบัน

การเปรียบเทียบเครือข่ายระบบประสาทกับคอมพิวเตอร์แบบปกติ

(Neural networks compare with conventional computer)

จากที่กล่าวแล้วข้างต้นถึงความพิเศษของเครือข่ายระบบประสาทกับสมองมนุษย์ ในส่วนต่อไปนี้จะเป็นการเปรียบเทียบเพื่อให้เห็นความแตกตต่างระหว่างเครือข่ายระบบประสาทกับคอมพิวเตอร์แบบปกติ ดังนี้

ด้านการประมวลผล เครื่อง Personal computer โครงสร้างภายในจะมีเพียงหนึ่งโปรเซสเซอร์ (processor) ส่งผลให้เครื่องมีการประมวลผลข้อมูลแบบเรียงลำดับ (sequential processing) ซึ่งแตกต่างจากเครือข่ายระบบประสาทและสมองมนุษย์ที่ทำงานแบบคู่ขนาน (parallel processing) แต่ในขณะที่ประมวลผล user จะมองเห็นคล้ายกับว่ามันสามารถประมวลผลแบบคู่ขนานได้ ทำงานหลาย ๆ งานในเวลาเดียวกัน (Multi-Tasking) ได้ด้วยหลักการที่ว่า “ใช้ระบบการทำงานแบบเหลื่อมล้ำเวลา (Pipelining) “ ดังตัวอย่างในรูปที่ 3 แสดงให้เห็นการประมวลผลของเครื่องPersonal computer ที่ต้องประมวลผลชุดคำสั่ง (Instruction) จำนวน 4 คำสั่ง เมื่อเครื่องรับคำสั่งเข้ามา (Fetch) คำสั่งจะถูกจัดเรียงอยู่ในคิว (Queue) โดยระบบปฏิบัติการ(Operating System) จะทำหน้าที่ในการจัดสรรตารางเวลาการทำงานของโปรเซสเซอร์(Processor’s Scheduling) คำสั่งมีความสำคัญมากที่สุดจะถูกส่งเข้าไปถอดรหัส (Decode) เพื่อทำการแปลงข้อมูลเป็นภาษาเครื่อง การถอดรหัสจะกระทำได้ครั้งละหนึ่งคำสั่งเท่านั้น เมื่อเครื่องถอดรหัสเป็นที่เรียบร้อยแล้วจะส่งงานนั้นออกไปประมวลผล (Execute or Run) ระหว่างที่ถอดรหัสเสร็จแล้ว คำสั่งอื่นจะถูกส่งเข้ามาถอดรหัสอย่างต่อเนื่อง และในช่วงเวลาของประมวลผลสามารถประมวลผลได้มากกว่าหนึ่งคำสั่ง โดยโปรเซสเซอร์อาจใช้วิธีการสลับช่วงเวลาในการประมวลผล หลังจากประมวลผลแล้วจะได้มาซึ่งข่าวสาร (Information) เครื่องจะนำข่าวสารไปจัดเก็บ (Store) ยังหน่วยความจำ (Memory) หรือส่งต่อไปแสดงผลยังอุปกรณ์อื่น (Other device)

รูปที่ 3 การทำงานแบบ Pipelining ของเครื่องคอมพิวเตอร์ส่วนบุคคล

ด้านการแก้ปัญหา เครือข่ายระบบประสาทมีวิธีการในการแก้ปัญหาที่หลากหลาย กว่าคอมพิวเตอร์แบบปกติ ซึ่งคอมพิวเตอร์แบบปกติจะใช้ Algorithm ในการแก้ปัญหาที่เป็นขั้นตอนชัดเจน ทำงานกับข้อมูลที่รู้แน่ชัด ซึ่งส่งผลต่อประสิทธิภาพในการแก้ปัญหาซึ่งมีอยู่อย่างจำกัด

จากการเปรียบเทียบข้างต้นพบว่าโครงสร้างและประสิทธิภาพการทำงานของเครื่องคอมพิวเตอร์แบบปกติ มีความแตกต่างจากเครือข่ายระบบประสาทและการทำงานของสมองมนุษย์ ถึงแม้คอมพิวเตอร์แบบปกติจะมีความเที่ยงตรงในการคำนวณและประมวลผลข้อมูลจำนวนมหาศาลให้กลายเป็นข่าวสารที่มีประโยชน์ต่อผู้ใช้ แต่ก็ยังมีความฉลาดน้อยกว่า ไม่สามารถทำงานกับข้อมูลที่ปราศจากความสมบูรณ์ ด้วยเหตุผลนี้จึงจำเป็นต้องนำแนวคิดเครือข่ายระบบประสาท มาประยุกต์ใช้กับคอมพิวเตอร์แบบปกติและพัฒนาโปรแกรมที่ชาญฉลาด ทำงานเลียนแบบสมองของมนุษย์ได้ หรือเพิ่มความสามารถให้กับโปรแกรมโดยให้สามารถประมวลผลโปรแกรมแบบคู่ขนานได้ นอกจากนี้การเรียนรู้ของเครือข่ายระบบประสาทแบบ “การเรียนรู้โดยปราศจากครูสอน” จัดเป็นจุดเด่นที่ทำให้แตกต่างจากคอมพิวเตอร์แบบปกติ เนื่องจากระบบสามารถนำเอาความรู้ที่เก็บอยู่ภายในมาผสมผสานกันและวินิจฉัยหาคำตอบโดยไม่ต้องมีผู้สอน และการเรียนรู้แบบนี้ส่งผลให้เครือข่ายระบบประสาท มีความคล้ายมนุษย์มากที่สุด ตัวอย่างเช่น การวินิจฉัยโรคโดยคอมพิวเตอร์ หากเราป้อนคำตอบของโรคเอาไว้ในเครื่อง แล้วเราต้องการวิเคราะห์อาการของโรค ถ้ามีอาการเช่นนี้จะป่วยลักษณะนี้ จะป่วยเป็นโรคใด โดยนำเงื่อนไขของอาการป่วยมาผ่านกฎแต่ละข้อเพื่อวินิจฉัย เมื่อวินิจฉัยแล้ว ไม่พบคำตอบ เนื่องจากคำตอบของโรคไม่เคยถูกจัดเก็บเอาไว้ในเครื่อง ๆ จะสามารถนำข้อมูลที่จัดเก็บไว้ภายในมาทำการวิเคราะห์และหาคำตอบใหม่ได้ โปรแกรมจะสามารถเรียนรู้ชุดคำสั่งในการทำงานจากชุดข้อมูลฝึกหัด (training set) จะมีการจดจำค่าข้อมูลในอดีต เพื่อสั่งสมประสบการณ์และปรับค่าข้อมูลที่รับเข้ามา (weight) เพื่อทำให้วงจรมีข้อผิดพลาดจากการจากฝึกหัดต่ำสุด (training error) โดยวิธีการปรับนั้นจะค่อย ๆ ปรับไปทีละน้อย จนกว่าค่าความผิดพลาดจะลดน้อยลง

ดังนั้น เมื่อเปรียบเทียบกันระหว่างคอมพิวเตอร์แบบปกติกับเครือข่ายระบบประสาท จะพบว่าเครือข่ายระบบประสาท หรือคอมพิวเตอร์เครือข่ายระบบประสาท มีประสิทธิภาพในการทำงานที่ดีกว่า ฉลาดกว่าจึงเป็นเหตุผลหนึ่งในการนำเครือข่ายระบบประสาทมาใช้

เครือข่ายระบบประสาทและการประยุกต์ใช้งาน (Neural Network and Applied to work)

เครือข่ายระบบประสาทมีความสามารถที่ยอดเยี่ยมในการทำงานกับข้อมูลที่มีความซับซ้อนมาก ๆ

ข้อมูลคลุมเครือ สามารถสกัดแพทเทิร์นข้อมูล สามารถเรียนรู้การทำงานได้จากการสอนของมนุษย์ (training) และพัฒนาประสบการณ์จากการเรียนรู้ข้อมูลจนคล้ายเป็นผู้เชี่ยวชาญ (expert) ซึ่งเหตุผลสำคัญในการใช้เครือข่ายระบบประสาท มี 3 ประการ ได้แก่ 1) Adaptive learning คือ ความสามารถในการปรับวิธีการเรียนรู้กับข้อมูล โดยเริ่มต้นเรียนรู้จากกลุ่มข้อมูลฝึกหัด (training data set) และสร้างประสบการณ์ในการเรียนรู้ (experience) 2) Self-Organisation คือ การจัดองค์กรภายในระบบด้วยตนเอง สามารถสร้างองค์ความรู้ด้วยตัวเองหรือการแสดงข่าวสารและสิ่งที่มันรับระหว่างเวลาการเรียนรู้ 3)Real Time Operation คือ การคำนวณแบบคู่ขนาน สามารถนำไปประยุกต์ใช้กับการออกแบบอุปกรณ์ฮาร์แวร์ชนิดพิเศษตามโรงงานผลิตเพื่อเพิ่มความสามารถให้กับอุปกรณ์ เครือข่ายระบบประสาทมีข้อดีคือทำงานได้เร็วมาก ประมาณค่าคำตอบใด้ใกล้เคียงความถูกต้องมากที่สุด แต่ไม่เหมาะที่จะนำเครือข่ายระบบประสาทมาใช้กับเครื่องเครื่องคอมพิวเตอร์ปกติ และถ้าหากมีความสนใจที่จะนำเครือข่ายระบบประสาทมาประยุกต์ใช้งาน ผู้ใช้จะต้องมีวิธีการประยุกต์การใช้งานได้หลายวิธี ดังต่อไปนี้

การประยุกต์ใช้กับงานทางด้านซอฟต์แวร์ (Software) สามารถประยุกต์ใช้กับงานด้านการจดจำรูปแบบที่มีความไม่แน่นอน เช่น การรู้จำลายมือชื่อ ลายเซ็น รูปแบบตัวอักษร รูปหน้า งานคำนวณด้านคณิตศาสตร์ เช่น งานการประมาณค่าฟังก์ชั่นหรือประมาณความสัมพันธ์ การเคลื่อนไหว การเปรียบเทียบ การแบ่งกลุ่มข้อมูล การจัดหมวดหมู่และแยกแยะสิ่งของ การหาเอกลักษณ์ของตัวบุคคล ใช้ตรวจสอบในการระบุตัวตนของผู้เสียภาษี การประเมิน การตรวจสอบและการควบคุม การคาดการณ์และการทำนายล่วงหน้า เช่น การพยากรอากาศ หรือหุ้นโดยใช้หลักการทางสถิติอาศัยข้อมูลในอดีตที่ผ่านมา การพยากรณ์ทางด้านการเงิน การแปลภาษา การอธิบายข้อมูลทางแพทย์ ใช้ในการหาข้อบกพร่องของระบบ ออกแบบระบบ ใช้ในการวิเคราะห์หาความคุ้มค่าในการลงทุนในตลาดหุ้นต่าง ๆ วิเคราะห์ความสามารถในการชำระหนี้ ใช้วิจัยผลิตภัณฑ์ใหม่ ๆ ออกสู่ตลาดให้สอดคล้องกับความต้องการของตลาด ใช้ตรวจสอบตำแหน่งแร่ในเหมือง ใช้จัดอันดับอัตราการแลกเปลี่ยนเงินตรา เพื่อลดความเสี่ยงที่จะเกิดขึ้นจากการผันผวนของค่าเงิน ใช้ประเมินคุณสมบัติของผู้สมัครในการรับเข้าทำงาน

ในปัจจุบันมีผู้นำแนวคิดด้านเครือข่ายระบบประสาท ไปประยุกต์ใช้ในการพัฒนาโครงการและงานวิจัยที่น่าสนใจ ได้แก่ “การทำนายรูปแบบการเคลื่อนไหวของขาเทียม” ของ จิรวัฒน์ กิตติสิริพันธุ์ และปิยนุช แซ่ฮ้อ (2546) ซึ่งได้รับรางวัลชมเชยจากการแข่งขันพัฒนาโปรแกรมคอมพิวเตอร์แห่งประเทศไทย (NSC 2003) เป็นการใช้แนวคิดเพื่อใหสามารถนำไปพัฒนาเป็นขาเทียมให้สามารถเคลื่อนไหวไดสอดคลองกับการเคลื่อนไหวของขาจริงอีกข้างหนึ่ง ใช้เครื่องมือที่ใช้ในการพัฒนาได้แก่ Microsoft visual c++6.0 - OpenGL

และยังสามารถนำไปใช้กับงานด้าน “การพัฒนาเทคโนโลยีควบคุมระบบปรับอากาศเพื่อหลีกเลี่ยงปัญหาอุณหภูมิไม่เย็น” โดยยึดหลักที่ว่า เย็นแต่สิ้นเปลืองพลังงานยังดีเสียกว่า ประหยัดพลังงานแต่ร้อน ใช้เทคโนโลยีควบคุม ที่เรียกว่า เครือข่ายระบบประสาทดังตัวอย่างผลการวิจัยและพัฒนาของ วัชระ มั่งวิทิตกุล (2545) ได้ศึกษาถึงการตอบสนองของวาล์วน้ำเย็นโดยใช้แนวคิดเครือข่ายประสาท พบว่าอุณหภูมิลมจ่ายจะเข้าสู่เสถียรภาพได้เร็วกว่า ทำให้ระบบปรับอากาศตอบสนองต่อภาระทำความเย็นได้รวดเร็ว การทำให้ทำงานเบาลง เป็นการประหยัดพลังงานและระบบนี้มีการเรียนรู้และปรับปรุงอย่างสม่ำเสมอ ทำให้ไม่ต้องตั้งค่า Set point เผื่อไว้สำหรับกรณีภาระทำความเย็นมาก นอกจากนี้เครือข่ายระบบประสาทยังถูกนำไปใช้ในธุรกิจภาพยนต์ของ Hollywood เรื่อง Stealth (ฝูงบินมหากาฬถล่มโลก) กำหนดฉายในเมืองไทย 25 สิงหาคม 2548 ที่ผ่านมา อำนวยการสร้างโดย Original Film phoenix Pictures และ Laura Ziskin นำแสดงโดย Josh Lucas Jessica Bie และ Jamie Foxx ซึ่งเป็นการนำเสนอเรื่องราวเกี่ยวกับนักบินแห่งกองทัพอากาศอเมริกันในหน่วยลับ ซึ่งดารานำทั้ง 3 เป็นนักบินที่มีความสามารถยอดเยี่ยมทำหน้าที่ปฏิบัติการลักลอบโจมตี ที่เรียกกันว่า Talons ต่อมาผู้บังคับบัญชาได้นำเครื่องบินลำใหม่เข้าร่วมทีมกับนักบินทั้ง 3 ซึ่งเป็นเครื่องที่สร้างจากเทคโนโลยีปัญญาประดิษฐ์ โดยใช้แนวคิดของเครือข่ายระบบประสาท (neural networks) เป็นเครื่องบินรบบนอากาศที่ขับเคลื่อนโดยไร้คนบังคับ UCAV (Unmanned Combat Aerial Vehicle) ชื่อย่อคือ EDI(Extreme Deep Invader) หลังจากปฏิบัติภารกิจแรกผ่านพ้นไปได้พิสูจน์ให้เห็นว่า EDI เป็นนักบินชั้นยอด ซึ่งในภาพยนตร์เรื่องนี้ผู้สร้างต้องการเน้นให้เห็นว่า จุดเด่นของเครื่องบินที่มีสมองเป็นเครือข่ายระบบประสาท คือเครื่องบินสามารถเรียนรู้ข้อมูลได้ 2 ลักษณะ ได้แก่ เรียนรู้จากการที่มีคนป้อนข้อมูลให้ เช่น เครื่องสามารถคำนวณระยะของการทิ้งระเบิดได้อย่างแม่นยำ สามารถประเมินความเสียหายที่จะเกิดขึ้นจากอาวุธทำลายล้างได้ และเรียนรู้จากประสบการณ์ของตัวเครื่องเอง ดังนั้นระหว่างปฏิบัติการโจมตีเครื่องบิน EDI สามารถเรียนรู้ข้อมูลใหม่ที่คนไม่เคยป้อนเอาไว้ และทำการสั่งสมประสบการณ์ ซึ่งคนไม่สามารถที่จะห้ามได้ว่าสิ่งใดจะให้เรียนรู้ และสิ่งใดจะไม่ให้เรียนรู้ นอกจากนี้ผู้สร้างยังแสดงให้เห็นแนวคิดที่ว่า “ถึงแม้เทคโนโลยีคอมพิวเตอร์จะมีความสามารถสักเพียงใดแต่ก็ยังขาดซึ่งสัญชาติญาณ และความรู้สึกซึ่งเป็นสิ่งที่แยกความแตกต่างระหว่างมนุษย์กับเครื่องจักรออกจากกัน” นั้น แต่ระบบสมองของเครื่อง EDI สามารถปรับสมองของตัวมันเองให้เรียนรู้สิ่งที่เหมือนมนุษย์ได้

สรุปได้ว่าแนวคิดเครือข่ายระบบประสาทนั้น สามารถนำไปใช้งานกับด้านต่าง ๆ ได้อย่างมากมายซึ่งสำหรับการทำธุรกิจในยุคดิจิตอล เทคโนโลยีใหม่ ๆ จะนำมาซึ่งระบบข่าวสารและกระบวนการทำงานใหม่ ๆ ที่จะสามารถสร้างความได้เปรียบในการแข่งขัน สามารถปรับตำแหน่งยืนขององค์กรในแง่การตลาดได้ ดังนั้นจึงจำเป็นที่บุคคลในแวดวง IT (Information Technology) จะต้องติดตามความก้าวหน้าของเทคโนโลยี พร้อมที่จะเรียนรู้และสร้างแนวคิดใหม่ ๆ ประดิษฐ์สิ่งใหม่ ๆ ที่จะสร้างสรรงานด้านซอฟต์แวร์และฮาร์ดแวร์ที่มีความแตกต่างและเป็นประโยชน์ต่อองค์กร

บทสรุป

เทคโนโลยีเครือข่ายระบบประสาท ได้พัฒนาขึ้นโดยใช้โครงสร้างทางชีวภาพของสมองมนุษย์เป็นต้นแบบ เพื่อพัฒนาเครือข่ายระบบประสาทที่สามารถทำงานลอกเลียนแบบความฉลาดของมนุษย์ ซึ่งหากเราทำงานเปรียบเทียบความแตกต่างของเครือข่ายระบบประสาทกับสมองมนุษย์แล้วก็จะพบว่า มีทั้งส่วนที่ทำงานเลียนแบบได้จริงและก็ยังมีส่วนที่แตกต่างกัน เช่น การเปรียบเทียบใน ด้านการควบคุม พบว่าเครือข่ายระบบประสาทมีการควบคุมส่วนกลางส่วนสมองไม่มี แต่กลไกในการควบคุมก็คล้าย ๆ กันแตกต่างกันเพียงเล็กน้อย

ด้านโครงสร้างและการทำงาน พบว่าสมองมีโครงสร้าง 5 ส่วนหลัก ได้แก่ ปลายประสาท(dendrite) สมอง (soma) เส้นประสาท(axon) เซลล์ประสาท(neuron) เซลล์ที่เชื่อมต่อถึงกัน(synapse) ส่วนโครงสร้างเครือข่ายระบบประสาทจะมีเพียง 3 ส่วนเท่านั้น ได้แก่ ปลายประสาท สมอง และเส้นประสาท ด้านการเรียนรู้ข้อมูล พบว่าสมองมนุษย์มีการเรียนรู้ได้ 2 ลักษณะคือการเรียนรู้จากการสอนและจากประสบการณ์ เช่นเดียวกับการเรียนรู้ของเครือข่ายระบบประสาท ด้านการประมวลผลและหน่วยความจำ พบว่าสมองมนุษย์สามารถประมวลผลได้อย่างไม่จำกัดปริมาณข้อมูลและมีหน่วยความจำอย่างไร้ขีดจำกัด ถึงแม้จะประมวลผลข้อมูลจำนวนมากเท่าใดหน่วยความจำก็จะไม่ส่งผลต่อความเร็วในการประมวลผลในขณะที่เครือข่ายระบบประสาทถึงแม้จะมีความเร็วในการประมวลผล แต่ความเร็วนั้นจะต้องสัมพันธ์กับหน่วยความจำของระบบด้วย หาก run งานมาก ๆ ก็ต้องใช้หน่วยความจำมากขึ้นซึ่งจะส่งผลต่อความเร็วของระบบแต่ทั้งสองระบบนี้สามารถประมวลผลแบบคู่ขนาน (parallel pocessing) ได้เหมือน ๆ กัน ด้านอายุการใช้งาน พบว่าสมองมนุษย์มีอายุการใช้งานนับร้อยปี แต่มีการเสื่อมสภาพตามช่วงอายุ ในขณะเครือข่ายระบบประสาทก็เป็นเทคโนโลยีซึ่งเทคโนโลยีมักจะมีวิวัฒนาการเปลี่ยนแปลงไปเรื่อย ๆ อย่างรวดเร็ว มีความล้าสมัยเมื่อถูกแทนที่ด้วยเทคโนโลยีอื่นที่ทันสมัยกว่า ด้านความคงทนถาวร พบว่าสมองของมนุษย์มีการจัดเก็บข้อมูลที่ไม่คงทนถาวรซึ่งแตกต่างจากเครือข่ายระบบประสาท ด้านประสิทธิภาพและความเร็ว พบว่าสมองมี Instruction Rate ประมาณ 100 ล้าน MIPS ซึ่งถือได้ว่ามีความเร็วในการประมวลผลมาก ๆ ในขณะปี 1998 พบว่าเครื่อง Super computer ซึ่งเป็นเครื่องที่ทรงพลังกว่าเครื่องชนิดอื่น ๆ มี Instruction Rate 4200 MIPS เท่านั้น ซึ่งเทียบไม่ได้กับประสิทธิภาพและความเร็วของสมอง และถึงแม้เครือข่ายระบบประสาทจะมีหลักการทำงานคล้ายกับสมองมนุษย์ในขณะที่ประสิทธิภาพอาจจะยังด้อยกว่าแต่ถ้านำปเปรียบเทียบกับคอมพิวเตอร์แบบปกติแล้ว ก็จะพบว่าดีกว่า ยอดเยี่ยมกว่าคอมพิวเตอร์แบบปกติเป็นทั้งมากทั้งใน ด้านการประมวลผล ซึ่งเครื่องคอมพิวเตอร์แบบปกติ จะประมวลผลข้อมูลแบบเรียงลำดับ (sequential processing) ซึ่งแตกต่างจากเครือข่ายระบบประสาทอีกทั้งยังขาดความสามารถในการเรียนรู้ข้อมูลโดยการสั่งสมประสบการณ์ จึงเป็นเหตุผลว่าหากเรามีการนำเอาเทคโนโลยีเครือข่ายประสาทมาประยุกต์ใช้กับเครื่องคอมพิวเตอร์แบบปกติหรือประยุกต์ใช้กับซอฟต์แวร์แล้วจะทำให้ระบบเหล่านั้นมีการทำงานที่ฉลาดขึ้น ทรงพลังมากยิ่งขึ้น ซึ่งเครือข่ายระบบประสทสามารถนำไปประยุกต์ใช้งานด้านซอฟต์แวร์ไม่อย่างมากมาย อาทิเช่น พัฒนาการรู้จำลายมือการหาเอกลักษณ์ของตัวบุคคล การคาดการณ์และการทำนายล่วงหน้า เช่น การพยากรอากาศ หรือหุ้นโดยใช้หลักการทางสถิติอาศัยข้อมูลในอดีตที่ผ่านมา เป็นต้น และในการที่จะพัฒนาซอฟต์แวร์ด้วยแนวคิดเครือข่ายระบบประสาท จำเป็นต้องศึกษาภาษาในการเขียนโปรแกรมหรือใช้ซอฟต์แวร์สำเร็จรูปที่เหมาะสมกับลักษณะของงานต่อไป

บรรณานุกรม

Simon Haykin. (1999). Neural Networks . New Jersey,USA : Prentice Hall International, Inc.

Kenneth C. Laudon and Jane P. Laudon. (2004). Management Information Systems. USA: Pearson

Education Indochina.

Efraim Turban and Jay E. Aronson.(2001). Decision Support System and Expert Systems.USA: Macmllan

publishing company.

Columbia university press. (2003). The Columbia Electronic Encyclopedia, Sixth Edition. Columbia

University Press.

Yves Burnod.(1990). An Adaptive Neural Network: The Cerebral Cortex. New Jersey,USA : Prentice

Hall International, Inc

J. Stephen Judd. (1990) . Neural Network Design and the Complexity of Learning. USA:MA: The MIT

Press.

Stephen I. Gallant.(1993). Neural Network Learning and Expert Systems. USA:MA: The MIT Press.

Larry R. Medsker (1994).Hybrid Neural Network and Expert Systems. New York,USA: Springer

Publisher.

Robert L. Harvey. (1994). Neural Network Principles. New Jersey,USA : Prentice Hall International, Inc.

จิรวัฒน์ กิตติสิริพันธุ์ และปิยนุช แซ่ฮ้อ. (2546). ftp.school.net.th/Software/ Program.php

วัชระ มั่งวิทิตกุล. (2545). http://www.eeit.or.th/articles/Neural_Networks/Neural_Networks.htm

http://www.bartleby.com/65/ne/nervouss.html

http://www.mut.ac.th/~vet/Anat-html/nervous/nervous.html

http://www.answers.com/neural%20network

http://library.thinkquest.org/C001501/the_saga/compare.htm

http://alumni.spu.ac.th/mallika/msit7/webboard/fileupload/205Mining%201.doc

http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html

http://en.wikipedia.org/wiki/Brain#Brains_in_nature

http://en.wikipedia.org/wiki/Neural_network#Characterization

http://www.cs.stir.ac.uk/courses/31YF/Notes/Notes_CB.html

www.No-Poor.com