Machine learning คืออะไร?

ก่อนพูดถึง Machine learning

อย่างว่าแหละ ยุคนี้เป็นยุคของเทคโนโลยี มันก็เลยมีอะไรใหม่ ๆ เข้ามาให้เราศึกษาตลอด ซึ่งเรื่อง Machine Learning ก็เป็นหนึ่งในนั้นด้วย ในประเทศไทยก็พูดถึงกันมาสักระยะแล้ว แต่ถึงอย่างนั้นก็เถอะ มีคนมากมายที่อยากรู้ว่าเจ้า Machine Learning มันคืออะไรกันแน่ แต่บทความที่อ่านมาในเว็บเหมือนเขียนให้ Geek สาย IT อ่านโดยเฉพาะ เชื่อว่าต้องมีคนที่พูดในใจว่า “ขอเวอร์ชั่นคนธรรมดาอ่านแล้วเข้าใจได้บ้างได้ไหม? พลีสสส!”

ในเมื่อเป็นแบบนี้ (ซึ่งเราอาจมโนไปเอง) บอสอัพ โซลูชั่น เรายินดีจัดให้ แต่ต้องเข้าใจตรงกันก่อนว่า บทความนี้อาจจะลดทอดรายละเอียดบางอย่างออกไปเพื่อให้คนทั่วไปเข้าใจได้ง่ายขึ้น แต่ทั้งนี้เราจะแนบลิงก์ข้อมูลที่มีรายละเอียดแบบจัดเต็มให้ทุกคนไปอ่านต่อได้เองหากสนใจนะครับ

เข้าเรื่อง… Machine learning คืออิหยังหว่า?

Machine learning คือการทำให้คอมพิวเตอร์สามารถเรียนรู้ได้ด้วยตัวเองจากข้อมูลที่มีอยู่ ถ้าให้เปรียบเทียบแบบเห็นภาพชัดเจน คือ เราเป็นครู คอมพิวเตอร์เป็นนักเรียน และความรู้เป็นข้อมูล แต่เดิมเราอยากสอนอะไรนักเรียน เราก็กางหนังสือแล้วถ่ายทอดความรู้ให้กับเด็ก ๆ ซึ่งนักเรียนก็จะเข้าใจความรู้นั้นเป็นก้อน ๆ ไป แต่ Machine learning คือการทำให้นักเรียนสามารถใช้ความรู้ (ข้อมูลที่ตัวเองมี) ในการวิเคราะห์ เชื่อมโยง คาดการณ์และประมวลผลได้ด้วยตัวเอง โดยไม่ต้องรอให้เราสอน นี่เป็นนิยามของ Machine learning แบบคร่าว ๆ

แล้ว Machine learning มันเรียนรู้ด้วยตัวเองได้ยังไง?

ตรงนี้อาจจะมีศัพท์เฉพาะบ้างนิดหน่อย แต่ค่อย ๆ ทำความเข้าใจกันดูนะ มันไม่ยากเกินไปหรอก สู้ ๆ

Machine learning มีรูปแบบการเรียนรู้ที่หลากหลายมาก แต่ในที่นี้เราจะพูดถึงรูปแบบหลัก ๆ 3 รูปแบบ ดังนี้

  1. การเรียนรู้แบบได้รับคำแนะนำ (Supervised learning)

เวลาเราป้อนข้อมูลให้กับคอมพิวเตอร์ (Input) เช่น รูปเสือ แต่คอมพิวเตอร์มันยังไม่รู้หรอกว่าเนี่ยคือรูปเสือ เราก็ต้องบอกมันก่อน แล้วคอมพิวเตอร์มันก็จะไปวิเคราะห์ (Feature Extraction) ว่า เสือเป็นสัตว์ 4 ขา มี 2 หู 1 หาง เป็นต้น จากนั้นคอมพิวเตอร์ก็นำข้อมูลดังกล่าวไปประมวล/จัดหมวดหมู่ (Classification) เพื่อให้หลังจากนี้มันสามารถแยกออกได้ว่าอะไรคือเสือ อะไรไม่ใช่เสือ

  1. การเรียนรู้แบบไม่ได้รับคำแนะนำ (Unsupervised learning)

รูปแบบนี้เรียกได้ว่าตรงกันข้ามกับรูปแบบแรกเลย มันคือการที่เราป้อนข้อมูล (Input) รูปเสือเข้าไป แต่ไม่ได้บอกมันว่ารูปที่ป้อนเข้าไปเป็นรูปเสือ ทีนี้พอคอมพิวเตอร์มันเอาไปวิเคราะห์ (Feature Extraction) มันก็วิเคราะห์ได้นะว่ารูปที่ใส่เข้าไปมีลักษณะยังไง แต่คราวนี้มันไม่สามารถเอาไปประมวล/จัดหมวดหมู่ (Classification) ได้แล้ว มันจะใช้วิธีการแบ่งกลุ่มแทน (Clustering) ซึ่งคอมพิวเตอร์มันก็จะเอารูปเสือไปอยู่กับแมว สุนัข หรือสัตว์อื่น ๆ ที่มี 4 ขา มี 2 หู 1 หาง เหมือนกัน

  1. การเรียนรู้แปบเสริมกำลัง (Reinforcement learning)

รูปแบบนี้ถ้าจะให้พูดจริง ๆ ทั้งวันก็คงไม่จบ แต่ก็สามารถอธิบายคร่าว ๆ ได้ว่า มันคือการที่เรากำหนดเงื่อนไขบางอย่างให้กับคอมพิวเตอร์ แล้วทำให้คอมพิวเตอร์เอาชนะหรือทำตามเงื่อนไขนั้นให้ได้ ยกตัวอย่างเช่น Alpha Go เงื่อนไขของการหมากล้อมคือ ใช้หมากของตนล้อมพื้นที่บนกระดาน เพื่อให้ได้ดินแดนมากกว่าคู่ต่อสู้ ทีนี้ Alpha Go ก็จะเรียนรู้ด้วยตัวมันเองผ่านการจำลองการแข่งขันเป็นแสน ๆ ล้าน ๆ รอบ เพื่อให้รู้ว่า ถ้าหากคู่ต่อสู้เดินหมากนี้ ตัวมันเองจะเดินหมากไหนเพื่อให้บรรลุเงื่อนไขที่กำหนดไว้ให้ นั่นคือการยึดพื้นที่บนกระดานให้ได้มากที่สุด

ลองยกตัวอย่างการทำงานของ Machine learning แบบใกล้ตัวให้ดูหน่อยสิ

เพื่อให้ใกล้ตัวทุกคนที่สุด ผมจะยกตัวอย่างจาก Google แล้วกัน สมมติว่าคุณต้องการค้นหาเสื้อผ้าผู้หญิง แต่คุณพิมพ์ว่า “เสื้อผ้าผุหยิง” Google ไม่ได้ปฏิเสธคำค้นหานี้ แต่แสดงหน้าค้นหาของคำว่า “เสื้อผ้าผู้หญิง” มาให้แทน ซึ่ง Google รู้นะว่า เสื้อผ้าผุหยิง ≠ เสื้อผ้าผู้หญิง

แต่ด้วยองค์ประกอบของคำว่า “เสื้อผ้าผุหยิง” ใกล้เคียงกับคำว่า “เสื้อผ้าผู้หญิง” มาก มันจึงใช้ระบบ Machine learning ในการเดาใจ/ทำนายความต้องการของผู้ใช้งานว่าน่าจะค้นหาคำนี้ และเสนอคำว่า “เสื้อผ้าผู้หญิง” ให้คุณใช้

พูดง่าย ๆ ก็คือ Machine learning ของ Google สามารถเรียนรู้จากการใช้คำค้นหาแบบผิด ๆ ถูก ๆ ของผู้ใช้งานได้ จากนั้นคำนวณใหม่เพื่อให้ได้คำค้นหาที่ถูกต้องหรือใกล้เคียงกับความต้องการของผู้ใช้งานมากที่สุดแทน

เอ้า! แถมให้อีกตัวอย่างหนึ่งแบบใกล้ตั๊ว ใกล้ตัวสุด ๆ นั่นคือการ Tag เพื่อนของเราในรูปที่เราโพสต์บน Facebook แต่ก่อนนู้น เราต้องพิมพ์ชื่อเองใช่ไหมว่าคนนี้คือใคร แต่เดี๋ยวนี้มันแทบจะบอกได้เลยว่าหน้าของคน ๆ นี้คือใครได้เลย สุดยอดมาก (หรือรู้มากก็ไม่ทราบ)

นั่นเป็นเพราะ Facebook มี Machine learning ที่สามารถวิเคราะห์ใบหน้าได้โดยใช้ข้อมูลของผู้ใช้งานนั่นแหละ เวลาเราจิ้มไปที่หน้าของคนนี้ มันก็จะวิเคราะห์แล้วว่า เอาล่ะ! หน้าตาแบบนี้ คิ้วห่างกันเท่านี้ สีผิวเป็นนี้ ปากเป็นแบบนี้ใช่มั้ย และปัจจัยอื่น ๆ อีก แล้วมันก็จะบอกเราว่าใบหน้านี้ (น่าจะ) เป็นของนายคนนี้นะ จบปึ้ง!

สรุปเกี่ยวกับ Machine learning

หัวใจของ Machine learning มันก็คือการทำให้คอมพิวเตอร์สามารถเรียนรู้ได้เอง วิเคราะห์ข้อมูลได้เองนั่นแหละ แล้วประมวลผลให้เราทราบ แต่การทำงานของมันซับซ้อนกว่านี้มากและมันเอาไปทำอะไรได้มากกว่าที่ผมกล่าวถึงในบทความนี้ และนี่ก็เป็นบทความ Machine learning ฉบับให้ชาวบ้าน ๆ อ่าน หวังว่าทุกคนจะเข้าใจเรื่อง Machine learning มากขึ้นนะครับ

หากคุณต้องการอ่านแบบละเอียด อ่านได้ที่ลิงก์นี้ได้เลยครับ

Recent Posts
Contact Us

We're not around right now. But you can send us an email and we'll get back to you, asap.

Start typing and press Enter to search