วิธีการ

วิธีการที่ปัญญาประดิษฐ์ใช้มีหลากหลาย สามารถแบ่งได้เป็นสองกลุ่มใหญ่ คือ การค้นหา กับ การเรียนรู้ของเครื่องจักร ซึ่งในปัจจุบันกลุ่มหลังเป็นที่นิยมกว่า จากความสำเร็จของอัลฟาโกเมื่อปี 2017 ทำให้บางครั้งคำว่า ปัญญาประดิษฐ์ ถูกใช้แทน การเรียนรู้ของเครื่องจักร

การค้นหา (Search) สามารถหาได้จากทั้งคำตอบสำเร็จ เช่น ค้นหาพจนานุกรม หรือหาวิธีการแก้ปัญหาทีละขั้นโดยไม่รู้คำตอบสุดท้ายก็ได้ เช่น ค้นหาวิธีเดินหมากรุกตาถัดไป หากขนาดของปัญหาแคบ คอมพิวเตอร์อาจเทียบคำตอบทั้งหมดได้ แต่ปัญหาส่วนใหญ่กว้างเกินกว่า จึงจำเป็นต้องใช้วิธีการหาที่เร็วขึ้น เช่น ต้นไม้ค้นหา (Search tree pruning, minimax, backtracking), การเรียง (Sorting), การลงตามความชัน (Gradient descent), การจำลองการอบ (Stimulated Annealing), การจำลองพันธุกรรม (Genetic Algorithm)

การเรียนรู้ของเครื่องจักร (Machine Learning) เป็นการทายคำตอบจากตัวอย่างของคำตอบ โดยมนุษย์ไม่ต้องระบุคำตอบของแต่ละปัญหาโดยตรง มีหลายวิธีการ เช่น การหาค่าเฉลี่ย k กลุ่ม (K-Means), การทำนายเชิงเส้น (Linear Regression), การหาเพื่อนบ้านใกล้สุด (K-Nearest Neighbors), การเรียนรู้เชิงลึก

การเรียนรู้เชิงลึก (Deep Learning) เป็นวิธีการเรียนรู้โดยใช้เซลล์ประสาทเทียมหลายๆชั้น (Artificial Neural Network) โดยแต่ละชั้นพยายามประมวลคำตอบแล้วส่งต่อไปให้ชั้นถัดไปตามลำดับ การเรียนรู้เกิดขึ้นโดยการพยายามปรับตัวแปรในแต่ละชั้นเพื่อให้ให้ทายได้ตรงกับตัวอย่างคำตอบ การเรียนรู้เชิงลึกมี 2 รูปแบบหลัก คือ

• CNN (Convolutional neural network) เป็นรูปแบบที่แต่ละชั้นจะใช้กระบวนการคอนโวลูชัน นั่นคือหาผลบวกจากคูณกับแบบอ้างอิง เพื่อคำนวณค่าส่งต่อไปยังชั้นถัดไป วิธีการนี้นิยมใช้ในการประมวลผลภาพ
• RNN (Recurrent neural network) เป็นรูปแบบที่คำตอบก่อนหน้าจะถูกนำมาวนซ้ำถัดไป ทำให้มีผลเชื่อมโยงต่อกัน ซึ่งเป็นลักษณะที่สำคัญของการใช้ภาษา วิธีการนี้จึงนิยมใช้ในการวิเคราะห์เสียงพูดหรือการอ่านเขียนประโยค