ก่อนที่จะรู้วิธีการสอน AI เราจำเป็นต้องเข้าใจหลักการทำงานของ AI ให้ชัดก่อน เพื่อจะได้รู้ว่าควรนำหลักการใดหรือใช้เครื่องมือใดจึงจะเหมาะกับการนำมาใช้ในการสอน AI ของเราให้มีความฉลาด
เนื้อหาในบทความนี้จะเกี่ยวข้องกับ Artificial Intelligence (AI), Machine Learning (ML) และ Deep Learning (DL) และเพื่อให้คุณสามารถแยกแยะได้ว่าระหว่าง AI, ML และ DL ต่างกันอย่างไรนั้น ทั้ง 3 แนวทางนี้จะช่วยให้การออกแบบและพัฒนา AI เป็นไปอย่างมีประสิทธิภาพ ไม่เฉพาะแค่การเพิ่มขีดความสามารถของ AI ให้ฉลาดขึ้น แต่ยังสามารถเพิ่มความสามารถให้แก่ AI ในการวิเคราะห์หาข้อมูลเชิงลึกเพื่อตอบโจทย์ของคุณได้อย่างแม่นยำขึ้นด้วย
การทำความเข้าใจว่าปัญญาประดิษฐ์คืออะไร และจะใช้มันเพื่อเป็นประโยชน์ต่อธุรกิจและองค์กรของคุณได้อย่างไร
1. คุณควรจะต้องทำความเข้าใจกับความหมายของมันให้ถ่องแท้เสียก่อน
ปัญญาประดิษฐ์ หรือ AI คือการนำความฉลาดของมนุษย์ไปใส่ไว้ในคอมพิวเตอร์ ทำให้คอมพิวเตอร์มีความฉลาดคล้ายคลึงกับมนุษย์ โดยให้คอมพิวเตอร์ประมวลผลบางอย่างที่มีความจำเพาะเจาะจง ด้วยการใส่ข้อมูลที่จำเป็น ในการประมวลผลแต่ละครั้งคอมพิวเตอร์จะรู้ว่ามีความเป็นไปได้ที่จะเกิดผลลัพธ์ใดขึ้นบ้าง
Machine Learning (ML)
Machine Learning (การเรียนรู้ของเครื่อง) เป็นเครื่องมือหนึ่งของ AI ที่ทำให้เครื่องคอมพิวเตอร์สามารถเรียนรู้สิ่งต่างๆได้จากข้อมูลที่มีอยู่ โดยมีนักพัฒนาในการออกแบบ algorithm เท่านั้น จากนั้นระบบเรียนรู้จากข้อมูลเหล่านั้นเอง
ML คือการสอน Algorithm ให้เรียนรู้ทำความเข้าใจและตัดสินใจได้ด้วยตัวเองจากข้อมูลที่ป้อนให้ จากการสร้าง Algorithm และนำ Algorithm ไปเรียนรู้กับชุดข้อมูลต้นแบบ (Training Set) เพื่อให้ได้ Function ออกมาเป็น Black box หรือสมการ จากนั้นจึงนำ Function ที่ได้นี้ ไปใช้ประมวลผลกับชุดข้อมูลทดสอบต่อเพื่อให้ได้เป็นผลลัพธ์ที่พร้อมนำไปใช้งานได้
การเรียนรู้ของ Machine นั้นจะมี 2 รูปแบบใหญ่ๆ คือ Supervised Learning หรือ การเรียนรู้และทำนายผลลัพธ์ได้จากการช่วยเหลือของนักวิทยาศาสตร์ข้อมูล (Data Scientist) โดยมีรูปแบบที่เราต้องมี “คำตอบ” สอนร่วมไปด้วย กับ Unsupervised Learning การเรียนรู้เรียนรู้และทำนายผลได้จากการจำแนกและสร้างรูปแบบ pattern ของการทำนายผลลัพธ์ขึ้นจากข้อมูลที่ได้ input เข้าไปในระบบ
Supervised Learning กับ Unsupervised Learning
ลึกลงไปอีกขั้นก็ต้องเป็นเรื่องของ Deep Learning (DL)
Deep Learning เป็นกระบวนการหนึ่งของ Machine Learning ที่ทำให้เราสามารถเทรน AI และทำนายผลลัพธ์จากข้อมูลที่นำเข้าได้ โดยช้รูปแบบ supervised ที่พัฒนาต่อมาจาก Neural Network (ML supervised)
Deep Learning (DL)
Deep Learning (DL) คือวิธีการเรียนรู้แบบอัตโนมัติด้วยการเลียนแบบการทำงานของโครงข่ายระบบประสาทของมนุษย์ (Neurons) โดยการนำระบบโครงข่ายประสาท (Neural Network) มาซ้อน ๆ กัน หลาย ๆ ชั้น (Layers) และทำการเรียนรู้ข้อมูลตัวอย่าง ซึ่งข้อมูล ดังกล่าวจะถูกนำไปใช้ในการหารูปแบบ (Pattern) หรือจำแนกหมวดหมู่ของข้อมูล ทำให้เกิดความสามารถในการจดจำ เช่น ใบหน้า หรือ พฤติกรรมของลูกค้า ซึ่งต้องใช้ชั้นของโครงข่ายข้อมูลจำนวนมากมาซ้อนกัน การเรียนรู้ชั้นของข้อมูลตัวอย่างโดยระบบโครงข่ายประสาทนี้จัดเป็นการเรียนรู้รูปแบบหนึ่งของเครื่องจักร (Machine Learning)
โดยทั่วไป เมื่อมีข้อมูลดิบเข้ามาในระบบ ระบบจะไม่ทำการประมวลแบบอัตโนมัติ แต่จะต้องอาศัยชุดข้อมูลความรู้เฉพาะทางเพื่อกำหนดหมวดหมู่ให้แก่ข้อมูลก่อน แต่ในกรณีที่เป็น Deep Learning เมื่อรับข้อมูลดิบเข้ามา ระบบจะประมวลผลแบบอัตโนมัติเลยในทันที เพื่อสแกนกลุ่มตัวอย่างข้อมูลเพื่อหาโมเดลที่จำเป็นสำหรับการตรวจจับรูปแบบหรือจัดหมวดหมู่ให้แก่ข้อมูล ความสามารถในการเรียนรู้แบบอัตโนมัตินี้ เพราะ DL จะมีกระบวนการ Feature Extration (การสกัดข้อมูลที่ต้องการ) อัตโนมัติ เพียงแค่เราต้องหาข้อมูล ที่มีความหลากหลาย และจำนวนมากเพียงพอ ไม่เหมือนกับ ML ที่เราจะต้องสกัดข้อมูลที่เราต้องการเองก่อนค่อยเข้า Train AI ได้
ทำให้ Deep Learning เป็นประโยชน์อย่างมากต่อการใช้งานในสถานการณ์ต่าง ๆ ที่มีตัวแปรเป็นจำนวนมาก เช่น มีข้อมูลผลไม้อยู่ชนิดหนึ่งที่ไม่ทราบว่าจะเป็นอะไร Deep Learning จะทำการตรวจสอบและทำนายผลลัพธ์ว่าอาจเป็นผลไม้ชนิดนี้ โดยไม่จำเป็นต้องระบุว่ามีรูปทรงอย่างไรหรือต้องเป็นสีอะไร Deep Learning แค่ทำนายผลลัพธ์ เอาไว้ก่อน แต่ถ้าหาก Deep Learning ทำนายผิด นักพัฒนาก็จะต้องทำการ Train เพิ่มเองเพื่อให้ output ที่ออกมามีความถูกต้องมากขึ้น และยิ่งเรียนรู้มากขึ้นเท่าใด DL ก็จะยิ่งเข้าใจได้มากขึ้น และลงลึกในรายละเอียดยิบย่อยได้มากขึ้น จนสามารถสังเกตความแตกต่างแม้เพียงเล็กๆ น้อยๆ ของข้อมูลได้ โดยที่มนุษย์ไม่จำเป็นต้องแนะนำ
2. สิ่งที่คุณควรรู้ไว้สำหรับการเทรน AI เป็นส่วนที่ยากที่สุดของ Deep Learning ก็คือ
คุณต้องมีข้อมูลจำนวนที่มากพอ (เยอะ หลากหลาย และต้องครอบคลุม) และคุณต้องมีเครื่องคอมพิวเตอร์ที่มีกำลังในการประมวลผลที่สูงมาก ๆ ด้วย
DL การเรียนรู้เชิงลึกนี้ก็เป็นเหมือนกับ AI อื่น ๆ ที่สามารถฉลาดขึ้นได้ เมื่อ Model ที่นักพัฒนาได้สร้างไว้ได้รับการ Train มากขึ้น โดยมีการเรียนรู้จากชุดข้อมูลในการทำนายผล ซึ่งปัจจุบันมีความพยายามอย่างมากในการนำ AI มาใช้
สำหรับคนที่กำลังตัดสินใจจะนำ AI มาใช้จะต้องมั่นใจด้วยว่า การสร้างโครงข่ายประสาทเทียม รูปแบบการเทรน AI และปริมาณข้อมูลเพื่อนำมาเทรน AI นั้นมีความเหมาะสมกับสิ่งที่คุณกำลังออกแบบหรือไม่ เพราะการจะสร้าง AI ให้สามารถทำนายผลลัพธ์ได้อย่างถูกต้องแม่นยำได้มากน้อยเพียงใด ขึ้นอยู่กับปัจจัยที่กล่าวข้างต้น และการออกแบบโมเดลในการเทรน AI ไปจนถึงการเตรียมข้อมูลที่ไม่ดีพอนั้น อาจส่งผลต่อแนวทางการทำนายผลลัพธ์ที่คลาดเคลื่อนหรือนำไปสู่ความผิดพลาดอื่น ๆ ได้
สอน AI: แนวคิดในการสอน AI ให้ฉลาดสุด ๆ อ่านบทความเพิ่มเติมคลิ๊กที่นี่ https://businesssmarttools.com/
.png){kind=logo}
%20TPCC2.jpg)
