Machine Learning คืออะไร?

ความสามารถที่สำคัญที่สุดที่ทำให้ปัญญาประดิษฐ์ (AI) แตกต่างจากหัวข้อวิทยาการคอมพิวเตอร์อื่น ๆ คือความสามารถในการทำให้งานต่าง ๆ เป็นอัตโนมัติได้อย่างง่ายดาย โดยการใช้การเรียนรู้ของเครื่อง (machine learning) ซึ่งทำให้คอมพิวเตอร์เรียนรู้จากประสบการณ์ต่าง ๆ แทนที่จะถูกตั้งโปรแกรมให้ทำแต่ละงานโดยเฉพาะ ความสามารถนี้คือสิ่งที่หลายคนเรียกว่า AI แต่การเรียนรู้ของเครื่องเป็นส่วนย่อยของปัญญาประดิษฐ์

การเรียนรู้ของเครื่องเกี่ยวข้องกับระบบที่ถูกฝึกฝนด้วยข้อมูลจำนวนมากเพื่อเรียนรู้จากข้อผิดพลาดและจดจำรูปแบบเพื่อทำการคาดการณ์และตัดสินใจได้อย่างถูกต้อง ไม่ว่าจะเคยพบกับข้อมูลเฉพาะนั้นหรือไม่ก็ตาม

ตัวอย่างของการเรียนรู้ของเครื่องรวมถึงการรู้จำภาพและเสียง การป้องกันการฉ้อโกง และอื่น ๆ

ตัวอย่างหนึ่งที่เฉพาะเจาะจงคือระบบรู้จำภาพเมื่อผู้ใช้โหลดรูปภาพขึ้นไปบน Facebook เครือข่ายสังคมออนไลน์สามารถวิเคราะห์ภาพและรู้จำใบหน้า ซึ่งนำไปสู่การแนะนำให้แท็กเพื่อนต่าง ๆ ด้วยเวลาและการฝึกฝน ระบบนี้จะพัฒนาทักษะและเรียนรู้ให้ทำการแนะนำได้อย่างแม่นยำมากขึ้น

องค์ประกอบของการเรียนรู้ของเครื่องมีอะไรบ้าง?

ดังที่กล่าวมาแล้ว การเรียนรู้ของเครื่องเป็นส่วนย่อยของ AI และมักแบ่งออกเป็นสองประเภทหลักคือ การเรียนรู้แบบมีผู้สอนและการเรียนรู้แบบไม่มีผู้สอน

การเรียนรู้แบบมีผู้สอน (Supervised Learning)

เทคนิคทั่วไปสำหรับการสอนระบบ AI นี้ใช้ตัวอย่างที่มีการระบุฉลากจำนวนมากที่มีคนจัดหมวดหมู่ไว้ ระบบการเรียนรู้ของเครื่องเหล่านี้จะได้รับข้อมูลจำนวนมากที่ถูกทำเครื่องหมายเพื่อเน้นคุณลักษณะที่น่าสนใจ — คุณกำลังสอนด้วยตัวอย่าง

สมมติว่าคุณต้องการฝึกโมเดลการเรียนรู้ของเครื่องเพื่อรู้จำและแยกแยะภาพของวงกลมและสี่เหลี่ยม ในกรณีนั้น คุณจะเริ่มต้นโดยการรวบรวมชุดข้อมูลขนาดใหญ่ของภาพของวงกลมและสี่เหลี่ยมในบริบทต่าง ๆ เช่น การวาดภาพของดาวเคราะห์สำหรับวงกลมหรือโต๊ะสำหรับสี่เหลี่ยม พร้อมด้วยฉลากว่ารูปทรงแต่ละอย่างคืออะไร

อัลกอริธึมจะเรียนรู้จากชุดภาพที่มีฉลากนี้เพื่อแยกแยะรูปร่างและคุณลักษณะของมัน เช่น วงกลมที่ไม่มีมุมและสี่เหลี่ยมที่มีด้านเท่ากันสี่ด้าน หลังจากฝึกฝนด้วยชุดข้อมูลของภาพ ระบบจะสามารถดูภาพใหม่และระบุรูปร่างที่พบได้

การเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning)

ในทางตรงข้าม การเรียนรู้แบบไม่มีผู้สอนใช้อัลกอริธึมที่พยายามระบุรูปแบบในข้อมูล โดยมองหาความคล้ายคลึงกันที่สามารถใช้จัดหมวดหมู่ข้อมูลนั้น

ตัวอย่างอาจเป็นการจัดกลุ่มผลไม้ที่มีน้ำหนักใกล้เคียงกันหรือรถยนต์ที่มีขนาดเครื่องยนต์ใกล้เคียงกัน

อัลกอริธึมไม่ได้ถูกตั้งค่าไว้ล่วงหน้าให้เลือกประเภทของข้อมูลเฉพาะ; มันเพียงแค่มองหาข้อมูลที่มีความคล้ายคลึงกันที่สามารถจัดกลุ่มได้ เช่น การจัดกลุ่มลูกค้าตามพฤติกรรมการช็อปปิ้งเพื่อกำหนดเป้าหมายพวกเขาด้วยแคมเปญการตลาดเฉพาะบุคคล

การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning)

ในการเรียนรู้แบบเสริมกำลัง ระบบพยายามเพิ่มรางวัลสูงสุดตามข้อมูลที่ได้รับ โดยผ่านกระบวนการลองผิดลองถูกจนกว่าจะได้ผลลัพธ์ที่ดีที่สุด

พิจารณาการฝึกระบบให้เล่นวิดีโอเกม ซึ่งสามารถรับรางวัลเชิงบวกหากได้คะแนนสูงขึ้นและรางวัลเชิงลบหากได้คะแนนต่ำ ระบบจะเรียนรู้การวิเคราะห์เกมและทำการเคลื่อนไหว จากนั้นเรียนรู้จากรางวัลที่ได้รับจนถึงจุดที่สามารถเล่นได้เองและได้คะแนนสูงโดยไม่มีการแทรกแซงของมนุษย์

การเรียนรู้แบบเสริมกำลังยังใช้ในการวิจัย ซึ่งสามารถช่วยสอนหุ่นยนต์อัตโนมัติวิธีที่ดีที่สุดในการทำงานในสภาพแวดล้อมในโลกจริง