machine learning คือ อะไร ?
ในวงการ AI หรือปัญญาประดิษฐ์ต้องเคยได้ยินเกี่ยวกับคำเหล่านี้แน่นอนไม่ว่าจะเป็น machine learning หรือย่อสั้นๆว่า ML ซึ่งจริงๆแล้ว machine learning คือ อีกแขนงหนึ่งของเอไอ เป็นองค์ประกอบที่สำคัญของสาขาวิทยาศาสตร์ ที่มีแนวโน้มติบโตอย่างต่อเนื่อง เป็นการพัฒนาคอมพิวเตอร์ให้มีความสามารถในการเรียนรู้และทำนายผลลัพธ์จากข้อมูลได้โดยอัตโนมัติ การเรียนรู้ของเครื่อง จะเรียนรู้และปรับปรุงพฤติกรรมของตนเองจากข้อมูลที่มีอยู่โดยไม่ต้องมีการเขียนโปรแกรมโดยเฉพาะสำหรับการดำเนินการการเรียนรู้เพิ่มเติมใดๆ เนื่องจากให้คอมพิวเตอร์เรียนรู้ด้วยตัวเองพร้อมกับตอบสนองของข้อมูลได้เลยโดยที่ไม่จำเป็นต้องให้มีมนุษย์มาคอยกำกับหรือควบคุมนั่นเอง ซึ่งนับว่าเป็นหนึ่งในเทคโนโลยีที่มาแรงในหลายๆธุรกิจเลยก็ว่าได้ เพราะถือเป็นการลดต้นทุนและยังได้งานที่มีประสิทธิภาพไปพร้อมๆกัน
machine learning คือเครื่องจักรแห่งโลกอนาคตจริงหรือ ?
จะเรียกว่าเครื่องจักรเลยก็คงจะไม่ถูกต้องซักเท่าไหร่ เพราะจริงๆแล้ว แมชชีนเลิร์นนิ่ง เป็นกระบวน การเรียนรู้ของเครื่องจักร ที่มีโอกาสพัฒนาได้อีกมากมายในอนาคต เพราะในปัจจุบันก็มีหลายๆภาคธุรกิจที่นำเอไอที่มี ML เข้ามามีส่วนร่วมในการทำงานอย่างคาดไม่ถึงเลยทีเดียว อย่างเช่น Netflix ที่มักจะขึ้นหนังหรือซีรี่ส์แนะนำขึ้นมาอยู่บ่อยๆ โดยจะใช้การประมวลผลจากข้อมูลเก่าๆที่ผ่านมาว่าผู้ใช้งานนิยมดูหนังแบบไหน สไตล์ไหน ก่อนที่จะประมวลผลออกมาเป็นข้อมูลต่างๆที่ขึ้นมาแนะนำเรานั่นเอง ซึ่งในอนาคตคาดว่า ai learning จะมีประโยชน์อย่างมหาศาลและสามารถช่วยให้มนุษย์ทุกคนดำรงชีวิตได้ง่ายขึ้นอย่างแน่นอน
แมชชีนเลิร์นนิ่งทำงานอย่างไร ?
สำหรับกระบวนการ ai machine learning ไม่ว่าจะเทรนเอไอให้ไปทำงานอะไร ml คืออะไร ? อันดับแรกก็ต้องมีการเตรียมข้อมูลเพื่อให้เอไอเรียนรู้ก่อนที่จะเกิดการเรียนรู้ด้วยตัวเองในอนาคต พูดง่ายๆก็คือเหมือนต้องพบเจอกับประสบการณ์นั้นๆก่อนถึงจะสามารถรู้ได้ว่าควรทำอะไรต่อไป เมื่อเจอเหตุการณ์ซ้ำเดิมอีกครั้งก็จะสามารถแก้ไขปัญหานั้นๆได้ มาดูกันเลยดีกว่าว่ามีการเตรียมตัวอย่างไรในการเทรนเอไอบ้าง
- เตรียมข้อมูล (Data Preparation): การเตรียมข้อมูลเป็นขั้นตอนสำคัญที่ผู้ใช้จะต้องทำก่อนการสร้างโมเดล เพื่อให้ข้อมูลมีคุณภาพและเหมาะสมสำหรับการฝึกสอนโมเดล เช่น การลบข้อมูลที่ขาดหาย, การทำ Scaling หรือ Normalization, และการแบ่งข้อมูลเป็นชุดฝึกสอนและชุดทดสอบ
- การเลือกแบบจำลอง (Model Selection): การเลือกแบบจำลองที่เหมาะสมกับปัญหาที่ต้องการแก้ไข เช่น การจำแนกประเภท (Classification), การทำนาย (Regression), หรือการจัดกลุ่ม (Clustering).
- การฝึกสอน (Training): การสร้างและปรับพารามิเตอร์ของโมเดลโดยใช้ชุดข้อมูลฝึกสอน เพื่อให้โมเดลสามารถทำนายผลลัพธ์ที่ถูกต้องในอนาคต
- การทดสอบ (Testing): การใช้ชุดข้อมูลทดสอบเพื่อวัดประสิทธิภาพและความเชื่อถือของโมเดลที่ฝึกสอน
การเรียนรู้ของ ML มีกี่ประเภท
จากหัวข้อที่ผ่านๆมาคงจะรู้แล้วว่า machine learning คืออะไร แต่สำหรับประเภทของ machine learning มีอะไรบ้าง ? จริงๆแล้วมีการเรียนรู้อยู่หลักๆ 3 ประเภท ที่นิยมใช้ในการป้อนข้อมูลให้กับ AI ดังนี้
- Supervised Learning (การเรียนรู้แบบมีผู้สอน): supervised machine learning ing เป็นการเรียนรู้ที่มีการให้ข้อมูลเป้าหมายหรือคำตอบที่ถูกต้องไว้ให้กับโมเดลในขณะที่ฝึกสอน โมเดลจะเรียนรู้จากข้อมูลฝึกสอนเพื่อทำนายผลลัพธ์ในข้อมูลที่ไม่เคยเห็น (unseen data) ในอนาคต เช่น การจำแนกประเภท (classification) และการทำนาย (regression).
- Unsupervised Learning (การเรียนรู้แบบไม่มีผู้สอน): การเรียนรู้ที่ไม่มีข้อมูลเป้าหมายหรือคำตอบที่ถูกต้องในขณะที่ฝึกสอน โมเดลจะพยายามหาโครงสร้างหรือลำดับการเรียนรู้จากข้อมูลโดยไม่มีการสอนโดยตรง เช่น การจัดกลุ่ม (clustering)
- Reinforcement Learning (การเรียนรู้แบบเสริมกำลัง): reinforcement learning คือ การเรียนรู้ที่เกี่ยวข้องกับการตอบสนองต่อสิ่งแวดล้อมโดยการทดลองและควบคุมพฤติกรรมของตัวเอง เมื่อโมเดลดำเนินการด้วยการทำลายหรือการทำงานที่ถูกต้อง โมเดลจะได้รับการแสดงค่าตอบแทน (reward) เพื่อปรับพฤติกรรมในอนาคต เช่น การเรียนรู้ในหุ่นยนต์ (robotics) และเกม
Credit : Blogtechtoday
บทความที่คุณอาจสนใจ : Deepfake คือ
บทความที่เกี่ยวข้อง : cloud computing คือ
