Machine Learning และ Deep Learning ในปัญญาประดิษฐ์คืออะไร

อุปกรณ์ที่เชื่อมต่ออินเทอร์เน็ต(Internet)เรียกว่าอุปกรณ์อัจฉริยะ เกือบทุกอย่างที่เกี่ยวข้องกับอินเทอร์เน็ต(Internet)เรียกว่าอุปกรณ์อัจฉริยะ (smart device)ในบริบทนี้ โค้ดที่ทำให้อุปกรณ์ฉลาดขึ้น –(SMARTER – )เพื่อให้สามารถทำงานได้น้อยที่สุดหรือไม่มีการแทรกแซงของมนุษย์อาจกล่าวได้ว่าอยู่บนพื้นฐานของปัญญาประดิษฐ์(Artificial Intelligence) (AI) อีกสองประเภทคือMachine Learning (ML) และDeep Learning (DL) เป็นอัลกอริทึมประเภทต่างๆ ที่สร้างขึ้นเพื่อเพิ่มความสามารถให้กับอุปกรณ์อัจฉริยะ มาดู รายละเอียด AI vs ML vs DLด้านล่างเพื่อทำความเข้าใจว่าพวกมันทำอะไรและเชื่อมโยงกับ AI อย่างไร

ปัญญาประดิษฐ์สำหรับ ML & DL . คืออะไร

การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกในปัญญาประดิษฐ์

AI สามารถเรียกได้ว่าเป็น superset ของ กระบวนการ Machine Learning (ML) และกระบวนการDeep Learning (DL) AI มักเป็นคำที่ใช้สำหรับ ML และ DL Deep Learningเป็นอีกส่วนย่อยของMachine Learning (ดูภาพด้านบน)

บางคนโต้แย้งว่าแมชชีนเลิ(Machine Learning) ร์นนิง ไม่ได้เป็นส่วนหนึ่งของ AI สากลอีกต่อไป พวกเขากล่าวว่า ML เป็นวิทยาศาสตร์ที่สมบูรณ์ในสิทธิของตนเอง ดังนั้นจึงไม่จำเป็นต้องเรียกโดยอ้างถึงปัญญาประดิษฐ์ (Artificial Intelligence)AI เติบโต จากข้อมูล: Big Data ยิ่งใช้ข้อมูลมากเท่าไหร่ก็ยิ่งแม่นยำมากขึ้นเท่านั้น ไม่ใช่ว่าจะทำนายได้ถูกต้องเสมอไป จะมีแฟล็กปลอมด้วย AI ฝึกฝนตัวเองจากความผิดพลาดเหล่านี้และจะดีขึ้นในสิ่งที่ควรจะทำ ไม่ว่าจะอยู่ภายใต้การควบคุมของมนุษย์หรือไม่ก็ตาม

ไม่สามารถกำหนดปัญญาประดิษฐ์ ได้อย่างเหมาะสม เนื่องจากมีการเจาะเข้าไปในอุตสาหกรรมเกือบทั้งหมด และส่งผลกระทบต่อกระบวนการ (ธุรกิจ) และอัลกอริธึมหลายประเภทมากเกินไป เราสามารถพูดได้ว่าปัญญาประดิษฐ์มี(Intelligence)พื้นฐานมาจากวิทยาศาสตร์ข้อมูล(Data Science) (DS: Big Data ) และมีการเรียนรู้ของเครื่อง(Machine Learning)เป็นส่วนที่ชัดเจน ใน ทำนองเดียวกัน(Likewise) Deep Learning(Deep Learning)ก็เป็นส่วนหนึ่งของ การเรียนรู้ ของเครื่อง(Machine Learning)

ตลาดไอทีกำลังเปลี่ยนแปลงไปอย่างไร อนาคตจะถูกครอบงำด้วยอุปกรณ์อัจฉริยะที่เชื่อมต่อ เรียกว่าInternet of Things (IoT ) อุปกรณ์ สมาร์ท(Smart)หมายถึงปัญญาประดิษฐ์: โดยตรงหรือโดยอ้อม คุณใช้ปัญญาประดิษฐ์ (AI) อยู่แล้วในหลาย ๆ งานในชีวิตประจำวันของคุณ ตัวอย่างเช่น การพิมพ์บนแป้นพิมพ์ของสมาร์ทโฟนที่ช่วยให้ "คำแนะนำคำ" ดีขึ้นเรื่อยๆ ตัวอย่างอื่นๆ ที่คุณจัดการกับปัญญาประดิษฐ์(Artificial Intelligence) โดยไม่รู้ตัวคือการ ค้นหาสิ่งต่างๆ บนอินเทอร์เน็ต(Internet)การช็อปปิ้งออนไลน์ และแน่นอนว่ากล่องจดหมายอีเมลGmailและOutlook ที่ชาญฉลาด(Outlook)

แมชชีนเลิร์นนิงคืออะไร

Machine Learningเป็นสาขาหนึ่งของปัญญาประดิษฐ์(Artificial Intelligence)ที่มีจุดมุ่งหมายเพื่อให้เครื่อง (หรือคอมพิวเตอร์หรือซอฟต์แวร์) เรียนรู้และฝึกฝนตัวเองโดยไม่ต้องเขียนโปรแกรมมากนัก อุปกรณ์ดังกล่าวต้องการการเขียนโปรแกรมน้อยลงเนื่องจากใช้วิธีการของมนุษย์ในการทำงานให้เสร็จสิ้น รวมถึงการเรียนรู้วิธีการทำงานได้ดีขึ้น โดยทั่วไป(Basically) ML หมายถึงการเขียนโปรแกรมคอมพิวเตอร์/อุปกรณ์/ซอฟต์แวร์เล็กน้อย และอนุญาตให้เรียนรู้ด้วยตนเอง

มีหลายวิธีที่จะอำนวยความสะดวกใน การเรียนรู้ ของเครื่อง (Machine Learning)ในจำนวนนี้มีการใช้สามอย่างต่อไปนี้อย่างกว้างขวาง:

  1. ดูแล
  2. ไม่ได้รับการดูแลและ
  3. การเรียนรู้การเสริมแรง

การเรียนรู้ภายใต้การดูแลในการเรียนรู้ของเครื่อง(Machine Learning)

ควบคุมดูแลในแง่ที่ว่าโปรแกรมเมอร์ได้จัดเตรียมข้อมูลที่มีป้ายกำกับไว้บนเครื่องก่อนและได้ประมวลผลคำตอบแล้ว ในที่นี้ ป้ายกำกับหมายถึงชื่อแถวหรือคอลัมน์ในฐานข้อมูลหรือสเปรดชีต หลังจากป้อนข้อมูลดังกล่าวไปยังคอมพิวเตอร์ชุดใหญ่แล้ว ก็พร้อมที่จะวิเคราะห์ชุดข้อมูลเพิ่มเติมและให้ผลลัพธ์ด้วยตัวมันเอง นั่นหมายความว่าคุณได้สอนคอมพิวเตอร์ถึงวิธีวิเคราะห์ข้อมูลที่ป้อนเข้าไป

โดยปกติ จะได้รับการยืนยันโดยใช้กฎ 80/20 ข้อมูลจำนวน มาก(Huge)ถูกส่งไปยังคอมพิวเตอร์ที่พยายามและเรียนรู้ตรรกะเบื้องหลังคำตอบ ข้อมูล 80 เปอร์เซ็นต์จากเหตุการณ์ถูกป้อนไปยังคอมพิวเตอร์พร้อมกับคำตอบ ส่วนที่เหลืออีก 20 เปอร์เซ็นต์จะถูกป้อนโดยไม่มีคำตอบเพื่อดูว่าคอมพิวเตอร์สามารถให้ผลลัพธ์ที่เหมาะสมได้หรือไม่ 20 เปอร์เซ็นต์นี้ใช้สำหรับการตรวจสอบข้ามเพื่อดูว่าคอมพิวเตอร์ (เครื่อง) กำลังเรียนรู้อย่างไร

การเรียนรู้ของเครื่องโดยไม่ได้รับการดูแล

Unsupervised Learning เกิดขึ้นเมื่อเครื่องถูกป้อนด้วยชุดข้อมูลแบบสุ่มที่ไม่ได้ติดฉลากและไม่เรียงตามลำดับ เครื่องต้องคิดหาวิธีสร้างผลลัพธ์ ตัวอย่างเช่น หากคุณเสนอซอฟต์บอลที่มีสีต่างกัน ควรจะจัดหมวดหมู่ตามสีได้ ดังนั้น ในอนาคต เมื่อเครื่องจักรถูกนำเสนอด้วยซอฟต์บอลใหม่ ก็สามารถระบุลูกบอลที่มีป้ายกำกับอยู่แล้วในฐานข้อมูลได้ ไม่มีข้อมูลการฝึกอบรมในวิธีนี้ เครื่องต้องเรียนรู้ด้วยตัวเอง

การเรียนรู้การเสริมแรง

เครื่องจักรที่สามารถตัดสินใจได้ตามลำดับจะจัดอยู่ในหมวดหมู่นี้ แล้วมีระบบการให้รางวัล ถ้าเครื่องทำงานได้ดีในสิ่งที่โปรแกรมเมอร์ต้องการก็จะได้รับรางวัล เครื่องได้รับการตั้งโปรแกรมในลักษณะที่ต้องการรางวัลสูงสุด และเพื่อให้ได้มันมา มันแก้ปัญหาด้วยการกำหนดอัลกอริทึมที่แตกต่างกันในกรณีต่างๆ นั่นหมายความว่าคอมพิวเตอร์ AI ใช้วิธีการทดลองและข้อผิดพลาดเพื่อให้ได้ผลลัพธ์

ตัวอย่างเช่น หากเครื่องจักรเป็นรถยนต์ที่ขับเคลื่อนด้วยตนเอง ก็ต้องสร้างสถานการณ์ของตัวเองบนท้องถนน ไม่มีทางที่โปรแกรมเมอร์จะตั้งโปรแกรมในทุกขั้นตอนได้ เนื่องจากเขาหรือเธอคิดไม่ออกถึงความเป็นไปได้ทั้งหมดเมื่อเครื่องจักรอยู่บนท้องถนน นั่นคือที่ มาของ Reinforcement Learningคุณยังสามารถเรียกมันว่า AI การลองผิดลองถูก

Deep Learning แตกต่างจากMachine Learning อย่างไร(Machine Learning)

Deep Learningสำหรับงานที่ซับซ้อนมากขึ้น การเรียนรู้เชิงลึก(Deep Learning)เป็นส่วนย่อยของ การเรียนรู้ ของเครื่อง (Machine Learning)มีเพียงโครงข่ายประสาทเทียมที่ช่วยให้เครื่องเรียนรู้มากขึ้นเท่านั้น โครงข่ายประสาทเทียมที่ มนุษย์สร้างขึ้น(Manmade)ไม่ใช่เรื่องใหม่ ห้องปฏิบัติการ(Labs)ทั่วโลกกำลังพยายามสร้างและปรับปรุงโครงข่ายประสาทเทียม เพื่อให้เครื่องสามารถตัดสินใจได้อย่างมีข้อมูล คุณต้องเคยได้ยินเกี่ยวกับโซเฟีย(Sophia)ซึ่งเป็นมนุษย์ในซาอุดิอาระเบีย(Saudi)ที่ได้รับสัญชาติปกติ โครงข่ายประสาทเป็นเหมือนสมองของมนุษย์ แต่ไม่ซับซ้อนเท่าสมอง

มีเครือข่ายที่ดีบางเครือข่ายที่ให้การเรียนรู้เชิงลึกโดยไม่ต้องมีผู้ดูแล คุณสามารถพูดได้ว่าDeep Learningเป็นโครงข่ายประสาทเทียมที่เลียนแบบสมองของมนุษย์มากกว่า หากมีข้อมูลตัวอย่างเพียงพอ อัลกอริทึม Deep Learningก็สามารถใช้เก็บรายละเอียดจากข้อมูลตัวอย่างได้ ตัวอย่างเช่น ด้วยเครื่องประมวลผลภาพ DL การสร้างใบหน้ามนุษย์ด้วยอารมณ์ที่เปลี่ยนไปตามคำถามที่เครื่องถามนั้นทำได้ง่ายขึ้น

ข้างต้นอธิบาย AI กับ MI เทียบกับ DL ในภาษาที่ง่ายกว่า AI และ ML เป็นสาขากว้างใหญ่ – ที่เพิ่งเปิดกว้างและมีศักยภาพมหาศาล นี่คือเหตุผลที่บางคนต่อต้านการใช้Machine LearningและDeep Learningในปัญญาประดิษฐ์(Artificial Intelligence)



About the author

ฉันเป็นวิศวกรเสียงมืออาชีพที่มีประสบการณ์มากกว่า 10 ปี ฉันทำงานในวงการเพลงมาสองสามปีแล้ว และได้พัฒนาชื่อเสียงที่แข็งแกร่งในสาขานั้น ฉันยังเป็นบัญชีผู้ใช้ที่มีประสบการณ์สูงและดูแลความปลอดภัยของครอบครัวอีกด้วย ความรับผิดชอบของฉันรวมถึงการจัดการบัญชีผู้ใช้ การให้การสนับสนุนลูกค้า และการให้คำแนะนำด้านความปลอดภัยในครอบครัวแก่พนักงาน



Related posts