ยุคของ AI มาพร้อมกับแนวคิดเบื้องหลังที่ให้กำเนิดพลังของมันมากมาย และ 2 แนวคิดที่น่าจะได้ยินคุ้นหูกัน ก็คือ Machine Learning และ Deep Learning
บทความนี้ พลจะมาคุยให้เราสามารถเห็นภาพ ความแตกต่างของ 2 แนวคิดนี้ สำหรับคนทั่วไป เพื่อจะได้เอาไปต่อยอดในด้านเทคนิคได้ง่ายขึ้นครับ
อะไรที่ทำให้ AI เป็น AI?
เป้าหมายของการทำความเข้าใจ Machine Learning และ Deep Learning ในจักรวาลของ AI ก็เหมือนกับการที่เราพยายามทำความเข้าใจที่มาที่ไปของหนังที่เราชอบ ตัวละครนี้มีเบื้องหลังยังไง ทำไมเหตุการณ์นี้จึงเกิดขึ้น
ดังนั้นเพื่อให้เห็นภาพชัดเจน ตอนนี้ที่เรามี AI ใช้งานมากมายอย่าง ChatGPT, Copilot ของ Microsoft, หรือ Bard ของ Google ก็น่าจะเปรียบได้กับพวกเราทุกคนได้ดูหนังภาคแรกจบแล้ว
พลเลยมีการทดสอบ ตั้งคำถามกับนักเรียน และลูกค้าหลายๆ ท่านมาตลอด 2 ปี
คิดว่าอะไรทำให้เราแยกแยะได้ว่า สิ่งไหนเป็น AI และสิ่งไหนไม่ใช่?
คำตอบที่ได้มีหลากหลายมาก แต่จะมีอยู่ 2 คำตอบใหญ่ๆ ที่เห็นคล้ายๆ กันว่า
- AI สามารถเลียนแบบการทำงานของมนุษย์ได้ในหลายๆ บทบาท
- AI สามารถพัฒนาตัวเองให้เรียนรู้ทักษะ หรือวิธีการทำงานใหม่ๆ ได้
ดังนั้นกลไกที่มาของคุณสมบัติ 2 ข้อนี้ มีความเกี่ยวข้องกับ Machine Learning และ Deep Learning ซึ่งเปรียบได้กับภาคกำเนิด หรือ Prequal ของภาพยนตร์ ที่เรารู้จักภาคแรกไปแล้วนั่นเอง
1. เรียนรู้จนทำเป็น (Machine Learning)
การเรียนรู้ของระบบเครื่องจักร อย่างคอมพิวเตอร์ (Machine Learning) คือการทำให้คอมพิวเตอร์สามารถเรียนรู้และทำงานได้โดยไม่ต้องโปรแกรมล่วงหน้า เช่น การทำให้คอมพิวเตอร์สามารถจดจำหน้าคน หรือแปลภาษา หรือแนะนำสินค้าให้ลูกค้าเป็นต้น
Machine Learning เป็นศาสตร์หนึ่งที่คนธรรมดาอย่างพวกเรา กำหนดการเรียนรู้ให้กับระบบคอมพิวเตอร์ได้ โดยใช้ข้อมูล (Data) เป็นตัวตั้ง เพื่อให้คอมพิวเตอร์สามารถหาแบบแผน (Pattern) หรือความสัมพันธ์ (Relationship) ในข้อมูลได้ เช่น ถ้าเราให้ข้อมูลเกี่ยวกับส่วนสูงและน้ำหนักของผู้ชายและผู้หญิง คอมพิวเตอร์ก็จะสามารถหาแบบแผนว่าผู้ชายมีโอกาสที่จะสูงและหนักกว่าผู้หญิง ในหลายๆ กรณี
ถ้าเปรียบเทียบกับการต่อเลโก้ (LEGO) ก็เหมือน การที่เราเรียนรู้การต่อเลโก้ตามคู่มือ และสามารถที่จะประยุกต์ หรือดัดแปลงรูปแบบเล็กๆ น้อยๆ จนสามารถต่อเลโก้ในรูปแบบคล้ายๆ กันได้อย่างคล่องแคล่วครับ
2. เรียนลึก เรียนเยอะจนประยุกต์ได้ (Deep Learning)
หากเราสังเกต เราจะพบว่าทักษะ และความรู้ที่เราได้เรียนรู้ในชีวิต สามารถเอามาใช้ร่วมกันได้ เช่น การปรุงอาหาร หรือการเต้นติ๊กต่อกที่เน้นเจาะกลุ่มคนดูเฉพาะทางใช่ไหมครับ
ตอนนี้คอมพิวเตอร์ก็ทำแบบนั้นได้แล้วนะ
Deep Learning เป็นศาสตร์ย่อยแขนงหนึงของ Machine Learning เป็นการเรียนรู้ของเครื่องที่ใช้โครงข่ายประสาทเทียม (Artificial Neural Network) เพื่อจำลองการเรียนรู้ของสมองมนุษย์ โครงข่ายประสาทเทียมประกอบด้วยหลายชั้น (Layer) ที่ปกติมีหน้าที่ต่างกัน
เช่นการจำ หรือนึกชื่อของคนที่เราเคยเจอ ก็จะมีดังนี้
- ชั้นแรกอาจจะรับข้อมูลเข้ามา เช่นการมองเห็นภาพ
- ชั้นที่สองอาจจะหาลักษณะเด่นที่สามารถจำได้ง่าย (Feature) เช่น สี หรือเส้น
- ชั้นที่สามอาจจะหาแบบแผน (Pattern) เช่น รูปหน้า หรือตา
- และชั้นสุดท้ายอาจจะให้ผลลัพธ์ (Output) เช่น การบอกชื่อคน
เห็นไหมว่า ทักษะต่างๆ ถูกนำมาประยุกต์ร่วมกันเพื่อสร้างกลไกการใช้ชีวิตอย่างหนึ่งของชีวิตเรา (ถึงแม้ว่าพลจะมีทักษะด้านนี้น้อยไปหน่อยครับ ฮา 😆)
ถ้าเปรียบเทียบกับการต่อเลโก้ ก็เหมือนการที่เราต่อเลโก้เป็นก็จริง แต่เราสามารถเรียนรู้ที่จะต่อเป็นปราสาทขนาดใหญ่ ที่มีห้องหับซับซ้อน และมีโครงสร้างที่หลากหลาย โดยอาศัยความรู้ของสิ่งที่เราเคยเห็นมาก่อน จากหนัง หรือสถานที่ท่องเที่ยวนั่นเองครับ
สรุป
เป็นไงครับ น่าจะเห็นความแตกต่าง และความเกี่ยวข้องกันระหว่าง Machine Learning และ Deep Learning ที่เป็นที่มาของคุณสมบัติของระบบ AI ได้มากขึ้นนะครับ
จริงๆ ในทางเทคนิค การทำ Machine Learning และ Deep Learning ก็จะมีหัวข้อ และความซับซ้อนมากกว่าที่เล่าในบทความนี้ หวังว่าจะสามารถทำให้เราแยกแยะ และต่อยอดความรู้ในทั้ง 2 ด้านได้รวดเร็วยิ่งขึ้น
ถ้าพวกเรามีข้อคิดเห็นยังไง ฝากไว้ในคอนเม้นด้านล่างได้เช่นเคยครับผม