พร้อมรับยุคสมัยใหม่ ด้วย Machine Learning
เวลาที่เราเปิดดูคลิปใน YouTube หรือแพลตฟอร์ม Streaming ภาพยนตร์ต่าง ๆ แล้วมีคอนเทนต์ที่ตรงกับความชอบของเราเด้งขึ้นมา หลายคนคงรู้กันมาบ้างแล้วว่านี่คือความสามารถของ AI แต่สิ่งที่เป็นเบื้องหลังให้ AI เดาใจเก่งแบบนั้นได้ก็คือ Machine Learning นั่นเอง วันนี้เราจะมาทำความรู้จักเจ้า Machine Learning ให้มากขึ้นกัน
Machine Learning คืออะไร?
Machine Learning คือ การปล่อยให้คอมพิวเตอร์เรียนรู้ด้วยตัวเอง โดยอาศัยจากข้อมูลที่เราป้อนไว้ให้เพื่อไปหาคำตอบ หรือผลลัพธ์ต่าง ๆ ต่อไป
เปรียบเทียบให้เห็นภาพมากขึ้น Machine Learning นั้นเป็นเหมือนสมองที่จะคอยช่วยวิเคราะห์ให้ AI นั่นเอง
ในการเขียนโปรแกรมแบบดั้งเดิมนั้น เรามักจะมีการตั้งกฎเกณฑ์และขอบเขตที่ AI จะทำได้ ฉะนั้น AI ที่ออกมาจะไม่ทำนอกเหนือจากคำสั่งที่ถูกกำหนดไว้ แต่เมื่อเวลาผ่านไประบบมีความซับซ้อนขึ้น การเขียนข้อมูลเพิ่มลงไปเรื่อย ๆ จะทำให้โปรแกรมเกิดความไม่เสถียรได้
แทนที่เราจะตั้งกฎตายตัวไว้เลย การป้อนข้อมูลเข้าไปแล้วปล่อยให้คอมพิวเตอร์เรียนรู้เองจึงง่ายกว่า และนี่คือจุดที่ Machine Learning เข้ามาช่วยแก้ไขปัญหาได้
Machine Learning มีกี่แบบ?
โดยหลัก ๆ แล้ว Machine Learning สามารถแบ่งออกเป็น 3 แบบด้วยกัน ได้แก่:
1. การเรียนรู้แบบมีผู้สอน (Supervised Learning)
เป็นการป้อนข้อมูลที่เราต้องการให้คอมพิวเตอร์นำไปทำนายหรือวิเคราะห์ต่อเพื่อให้ได้ผลลัพธ์ออกมา
ตัวอย่าง:
- สมมติว่าเราต้องการให้คอมพิวเตอร์แยกความแตกต่างระหว่างดอกกุหลาบและดอกดาวเรือง
- ขั้นแรกคือการให้คอมพิวเตอร์รู้จักกับดอกไม้ทั้งสองดอก โดยป้อนข้อมูลที่เป็นลักษณะของดอกไม้ทั้งสองลงไป พร้อมกับการบอกคำตอบว่าดอกไหนคือดอกกุหลาบและดอกไหนคือดาวเรือง
นอกจากการใช้เพื่อแบ่งแยกประเภทแล้ว Supervised Learning ยังใช้กับข้อมูลที่มีความต่อเนื่อง เช่น การทำนายราคาหุ้น ซึ่งต้องใช้ข้อมูลหลาย ๆ ส่วนมาประกอบกันก่อนทำการซื้อ-ขาย
2. การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning)
ตรงข้ามกับ Supervised Learning เพราะเราจะไม่มีการบอกกับคอมพิวเตอร์เลยว่าอันนี้คือดอกกุหลาบ อันนั้นคือดาวเรือง แต่จะป้อนข้อมูลเข้าไปให้คอมพิวเตอร์แยกแยะเอาเอง
ตัวอย่าง:
- Unsupervised Learning จะใช้การแยกข้อมูลด้วยขนาด, สี หรือโครงสร้างของดอกไม้
ข้อจำกัด:
- หากข้อมูลมีน้อยและเหมือนกันเกินไป Machine Learning ก็ไม่สามารถเรียนรู้และแบ่งแยกได้
- รูปแบบนี้จึงเหมาะกับการใช้กับชุดข้อมูลที่มีจำนวนมากและแตกต่างกันอย่างชัดเจน เช่น การใช้ใน การตลาด
3. การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning)
Reinforcement Learning เป็นรูปแบบที่ AI เรียนรู้ได้เหมือนมนุษย์ที่สุดแล้ว เพราะจะอาศัยประสบการณ์และการลองผิดลองถูกเพื่อให้ได้ผลลัพธ์ที่น่าพอใจในอนาคต
ตัวอย่าง:
- ยานยนต์ไร้คนขับ: Machine Learning ต้องเรียนรู้จากสภาพแวดล้อมรอบ ๆ เช่น สภาพถนน, อากาศ, การจราจร เป็นต้น
- การเรียนรู้: ต้องเรียนรู้ว่าใช้ความเร็วแค่ไหน, เส้นทางที่ไปมีการจราจรต ิดขัดหรือไม่ เพื่อให้การเดินทางปลอดภัยมากยิ่งขึ้น
Reinforcement Learning ช่วยให้ AI เรียนรู้จากประสบการณ์และปรับตัวเพื่อให้การเดินทางครั้งต่อไปปลอดภัยยิ่งขึ้น
สรุป
Machine Learning เป็นเทคโนโลยีที่ช่วยให้ AI สามารถเรียนรู้และพัฒนาตัวเองได้จากข้อมูลที่ป้อนเข้าไป ซึ่งในปัจจุบันก็ได้มีการนำไปใช้งานอย่างแพร่หลาย ทั้งในการแยกประเภทของข้อมูล, การทำนายผลลัพธ์ และการปรับตัวในระบบที่ซับซ้อน
เทคโนโลยีนี้ยังคงเติบโตและมีการพัฒนาไปอย่างรวดเร็ว ซึ่งจะเปิดโอกาสใหม่ ๆ ในการใช้ AI กับหลากหลายอุตสาหกรรมในอนาคต