ความซับซ้อนของโลกจริงและความขัดแย้งระหว่างหลายวัตถุประสงค์

ในงานวิศวกรรมระบบ AI ในโลกจริง เราแทบไม่เคยพบปัญหาที่มีเพียงวัตถุประสงค์เดียว การเพิ่มความแม่นยำของโมเดลมักเพิ่มเวลาประมวลผลและต้นทุนการคำนวณ การเสริมความทนทานอาจต้องแลกกับประสิทธิภาพสูงสุด และการลดการใช้พลังงานอาจจำกัดขนาดความจุของโมเดล วัตถุประสงค์เหล่านี้ต่างขัดแย้งและเปรียบเทียบกันโดยตรงไม่ได้ จึงไม่มีคำตอบที่เหมาะสมที่สุดเพียงหนึ่งเดียวแต่มีเพียงชุดของคำตอบที่แลกเปลี่ยนกันโดยไม่มีใครเหนือกว่านั่นคือการเข้าใกล้ พรมแดน Pareto (Pareto Front)เท่านั้น

แนวคิดหลัก

• การขัดแย้งระหว่างหลายวัตถุประสงค์: การปรับปรุงวัตถุประสงค์หนึ่งมักทำให้อีกวัตถุประสงค์ด้อยลง และวัตถุประสงค์เหล่านี้เปรียบเทียบกันโดยตรงไม่ได้ทั้งหมด
• ข้อจำกัดที่ซับซ้อน: มีทั้งข้อจำกัดแบบเข้มงวดและผ่อนปรน เมื่อรวมกับความไม่แน่นอนและสภาพแวดล้อมที่เปลี่ยนแปลงตลอดเวลา ยิ่งบีบพื้นที่คำตอบที่เป็นไปได้ให้แคบลง ทำให้สมมติฐานเรื่องคำตอบที่เหมาะสมที่สุดเพียงจุดเดียวใช้ไม่ได้
• โดยทั่วไปไม่มีคำตอบที่เหมาะสมที่สุดเพียงหนึ่งเดียว: การแปลงเป็นวัตถุประสงค์เดียวหรือการค้นหาเพียงจุดเดียวไม่อาจแสดงพื้นที่การตัดสินใจที่แท้จริงได้
• ผลลัพธ์ควรเป็นกลุ่มของทางเลือก: จำเป็นต้องเก็บทางเลือกที่หลากหลายไว้ เพื่อให้มีขอบเขตการแลกเปลี่ยนที่เปรียบเทียบได้และมีพื้นที่ในการเลือกตามความ偏好
• ข้อได้เปรียบของการคำนวณเชิงวิวัฒน์: ผ่านการสำรวจแบบขนานของประชากรและการรักษาความหลากหลาย สามารถเข้าใกล้คำตอบที่แลกเปลี่ยนกันหลายคำตอบพร้อมกัน ตอบโจทย์วัตถุประสงค์ที่ขัดแย้งและข้อจำกัดที่ซับซ้อน

เหตุใดการคำนวณเชิงวิวัฒน์จึงเหมาะสม

การคำนวณเชิงวิวัฒน์ไม่พึ่งพาเกรเดียนต์หรือความสามารถหาอนุพันธ์ได้ของฟังก์ชันวัตถุประสงค์ แต่ใช้การค้นหาแบบขนานของประชากรในปริภูมิวัตถุประสงค์ สมาชิกแต่ละตัวในประชากรแทนทางเลือกหนึ่ง การจัดลำดับแบบไม่ถูกครอบงำและระยะความแออัดช่วยให้เข้าใกล้พรมแดน Pareto พร้อมกับรักษาความหลากหลายของคำตอบ ด้วยเหตุนี้ ผู้ตัดสินใจจึงสามารถเลือกทางเลือกที่แลกเปลี่ยนกันต่าง ๆ จากพรมแดนได้ในขั้นตอนสุดท้ายตามความ偏好ของสถานการณ์ แทนที่จะกำหนดน้ำหนักล่วงหน้าก่อนการปรับให้เหมาะที่สุด