ทำความรู้จัก AI, Machine learning, Deep learning ฉบับเข้าใจง่าย | Techsauce
Contact us
3

ทำความรู้จัก AI, Machine learning, Deep learning ฉบับเข้าใจง่าย1 min read

Posted by
Posted date เมษายน 4, 2019

Machine learning

ทุกวันนี้ปฎิเสธไม่ได้ว่าหันไปทางไหนก็ได้ยินคนพูดเรื่องปัญญาประดิษฐ์ (AI) หลายคนต่างกังวลว่ามันจะเข้ามาแย่งงานในอนาคตไหม ทำไมบางองค์กรถึงประสบความสำเร็จในการนำเทคโนโลยีนี้มาใช้ แต่ทำไมบางองค์กรแม้พยายามยังไงก็อยู่ที่เดิม?

ว่ากันว่าอุปสรรคของการพัฒนาเทคโนโลยีนั้นไม่ใช่เพราะตัวเทคโนโลยี แต่คือ ‘การสื่อสาร’ ยิ่งองค์กรไหนต้องการเป็นผู้นำด้านเทคโนโลยีด้วยแล้ว จึงมีความจำเป็นอย่างยิ่งที่จะต้องนำเรื่อง AI อีกทั้ง Machine Learning และ Deep Learning มาใช้ในการปฏิบัติงาน อีกทั้งต้องทำให้เป็นคำศัพท์ทางธุรกิจทั่วไปที่ทุกคนสามารถเข้าใจได้ ก่อนที่เราจะกังวลว่าเทคโนโลยีจะเข้ามาแย่งงานไหม มาทำความเข้าใจและทำความรู้จักกับเทคโนโลยีทั้งหลายนี้กันก่อน เพื่อที่ในอนาคตอันใกล้เราจะสามารถทำงานร่วมกันกับมันได้ ไม่ใช่ยอมให้มันมาแย่งงานเรา

Artificial intelligence Machine Learning Deep LearningArtificial Intelligence (AI) : ปัญญาประดิษฐ์

ปัญญาประดิษฐ์หรือ (AI) การรวมความฉลาดของมนุษย์สู่เครื่องจักร (Machine) คือชุดของโค้ด, เทคนิค, หรืออัลกอริทึม ที่ทำให้ระบบคอมพิวเตอร์สามารถเลียนแบบ พัฒนาและแสดงพฤติกรรมของมนุษย์ได้

เมื่อใดก็ตามที่ Machine สามารถเแก้ปัญหาหรือแก้อัลกอริทึมตามชุดของคำสั่งที่สร้างไว้ได้สำเร็จ การทำงานเช่นนั้นเรียกว่า ‘ปัญญาประดิษฐ์’

Machine ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์แบ่งเป็นสองกลุ่มคือแบบทั่วไป (General AI) และแบบแคบ (Narrow AI) ปัญญาประดิษฐ์แบบทั่วไปสามารถแก้ปัญญาได้อย่างชาญฉลาดเหมือนกับที่กล่าวไปข้างต้น ส่วนปัญญาประดิษฐ์แบบแคบนั้นสามารถทำงานบางด้านได้ดี หรือบางครั้งทำได้ดีกว่ามนุษย์เสียอีก แม้ว่าจะมีข้อจำกัดบางด้านอยู่ก็ตาม อย่าง ระบบการจำแนกรูปภาพของ Pinterest ก็ถือเป็น Narrow AI เช่นกัน

ว่ากันด้วยเรื่องวิทยาการของ AI ในปัจจุบัน ในตอนนี้เราอยู่ในยุคที่หลายๆ คนเรียกว่าเป็นยุค Weak AI หรือในยุคที่ปัญญาประดิษฐ์มีความสามารถเฉพาะทางหรือเก่งในเรื่องบางเรื่องเท่านั้น ยังไม่สามารถทำได้หลายๆ ด้านเหมือนกับมนุษย์

ในตอนนี้เทคโนโลยีปัญญาประดิษญ์ยังอยู่ในช่วงเริ่มต้นของการพัฒนา และมีการคาดว่าจะมันจะมีความสามารถเหนือมนุษย์ในช่วง Strong AI โดยการที่จะเปลี่ยนผ่านไปสู่ช่วงนั้น Machine จำเป็นต้องเรียนรู้วิธีการคิดของมนุษย์ทั้งในด้านเทคนิคและกระบวนการจัดเก็บข้อมูลในสมอง

Machine Learning (ML) : การสอนให้ระบบคอมพิวเตอร์ทำการเรียนรู้ได้ด้วยตนเองโดยการใช้ ‘ข้อมูล’

อาจจะทำความเข้าใจง่าย ๆ ตามชื่อเลยก็คือ การสอนอัลกอริทึมให้เรียนรู้ทำความเข้าใจและตัดสินใจได้ด้วยตัวเองจาก ‘ข้อมูล’ ที่ป้อนให้

การเรียนรู้ของ Machine นั้นเป็นไปในสองรูปแบบคือ การเรียนรู้โดยมีผู้บังคับบัญชา (Supervised) หรือการเรียนรู้โดยไม่มีผู้บังคับบัญชา (Unsupervised)

การเรียนรู้โดยมีผู้บังคับบัญชา (Supervised) นั้นเครื่องจะเรียนรู้และทำนายผลลัพธ์ได้จากการช่วยเหลือของนักวิทยาศาสตร์ข้อมูล (Data Scientist) ส่วนการเรียนรู้โดยไม่มีผู้บังคับบัญชา (Unsupervised) นั้นเครื่องจะเรียนรู้และทำนายผลได้จากการจำแนกและสร้างแพทเทิร์นของมันจากข้อมูลที่ได้รับ

เมื่อเครื่องสามารถทำนายผลลัพธ์จากชุดข้อมูลจำนวนมากได้มากเท่าไร ก็จะยิ่งแสดงความสามารถในการเรียนรู้เชิงลึก (Deep Learning) มากเท่านั้น

Deep Learning (DL) : การเรียนรู้เชิงลึก

อัลกอริทึมแบบระบบเรียนรู้เชิงลึก (Deep learning) ต้องใช้ ‘ โครงข่ายใยประสาทเสมือน’ (Artificial Neural Networks (ANN)) ซึ่งก็เหมือนวิธีการทำงานของระบบประสาทในสมองมนุษย์ โครงข่ายเหล่านี้มี ‘เซลล์ประสาท’ ที่เชื่อมต่อกันเป็น ‘ระบบประสาท’ และสื่อสารกัน โดยใช้วิธีประมวลผลแบบขนาน (parallel processing) เพื่อทำให้มันสามารถเข้าใจและเรียนรู้จากข้อมูลจำนวนมากที่ได้รับอย่างต่อเนื่อง

สมองคนเรามักจะพยายามถอดรหัสข้อมูลที่ได้รับ อีกทั้งมักจะติดป้ายและการกำหนดสิ่งต่างๆ แบ่งแยกเป็นหมวดหมู่ เมื่อใดก็ตามที่เราได้รับข้อมูลใหม่สมองจะพยายามเปรียบเทียบกับสิ่งที่เราได้รู้ก่อนหน้า ก่อนที่จะทำความเข้าใจกับมัน เช่นเดียวกัน DL ก็สามารถถูกสอนให้ทำงานในลักษณะเดียวกันให้สำเร็จได้

ลองมาดูการเปรียบเทียบ Machine Learning vs Deep Learning

ตัวอย่างเช่น ในขณะที่ DL สามารถค้นพบคุณสมบัติที่จะใช้ในการแบ่งแยกหมวดหมู่โดยอัตโนมัติ แต่ ML จำเป็นต้องได้รับข้อมูลเหล่านี้จากผู้ให้ข้อมูลโดยตรง

นอกจากนี้ DL ยังต้องการเครื่องจักรระดับสูงและชุดข้อมูลจำนวนมาก เพื่อการทำนายผลที่แม่นยำมากขึ้น

ทั้ง 3 เทคโนโลยีนี้จะช่วยในการทำงานของนักวิทยาศาสตร์และนักวิเคราะห์ในการตีความข้อมูลได้อย่างมหาศาล อีกทั้งยังมีความสำคัญอย่างยิ่งต่อสาขาวิทยาศาสตร์ข้อมูล (Data Science)

ยกตัวอย่างการวิวัฒนาการการทำงานของเจ้า Machine

ในปีแรกโดยขั้นพื้นฐานมันอาจทำความเข้าใจระบบคมนาคม อีกทั้งระบุได้ว่าเส้นทางไหนน่าจะประสบกับปัญหาจราจรติดขัดมากที่สุด ในปีถัดมา มันจะสามารถทำนายการจราจรที่ติดขัดในชั่วโมงเร่งด่วน และสามารถแจ้งให้ผู้เดินทางรู้ล่วงหน้าได้ว่าควรเปลี่ยนไปใช้เส้นทางไหนแทน ในปีต่อมา มันจะสามารถพัฒนาแผนในอนาคตได้เอง อย่างประเมินการเติบโตของจำนวนประชากร สภาพการจราจร ระบบโครงสร้างพื้นฐาน และปัจจัยต่าง ๆ ที่จะเข้ามากระทบ อย่างการเปลี่ยนแปลงทางสภาพภูมิอากาศ

เข้าใจความหมายของโลกใหม่มากขึ้น เพื่อเตรียมรับมือกับมันอย่าง ‘มีสติ’ ไม่ใช่ตื่นตูม

การที่เราสามารถทำการแยกแยะได้ว่าทั้ง AI, ML และ DL ต่างกันอย่างไรนั้น จะช่วยให้การบริหารงานเป็นไปอย่างมีประสิทธิภาพ ทั้งการเพิ่มขีดความสามารถของ AI ไปจนถึงการเพิ่มขีดความสามารถของการวิเคราะห์หาข้อมูลเชิงลึก

การสามารถแยกความแตกต่างของ AI ในแต่ละรูปแบบ และนำมาปรับใช้และต่อยอดในแผนกลยุทธ์องค์กร และการทำโร้ดแมปด้านไอที จะช่วยให้องค์กรสามารถทำการวัดผลทั้งในด้านไอทีและทางธุรกิจได้อย่างเป็นรูปธรรมมากขึ้น

การทำความเข้าใจว่าปัญญาประดิษฐ์คืออะไร และจะใช้มันเพื่อเป็นประโยชนต์ต่อองค์กรได้อย่างไร ควรจะเป็นอะไรที่ทุกคนสามารถความเข้าใจความหมายของมันจริงๆ มากกว่าการสร้างคำสวยหรูประดับองค์กร อีกทั้งการทำให้เป็นหนึ่งในแผนกลยุทธ์ที่เชื่อมโยงกับงบประมาณ แผนการดึงดูดคนที่มีความสามารถ การวัดความคุ้มค่าในการลงทุน (ROI) รวมทั้งผลลัพธ์อื่นๆ ที่จะได้จากการลงทุนด้านเทคโนโลยี

อ้างอิงข้อมูลจาก: 

Jen is the editor at Techsauce, focusing on writing stories that explore the important question. In particular, she covers business, technology, including areas like machine learning, and AI as well as its applications for social good. Other areas of interest include global affairs, future of work and education.

Comments

comments

Sign-up for exclusive content. Be the first to hear about ConvertPlug news.
Subscribe