คอมพิวเตอร์ไม่ได้รับช่วง แต่พวกเขาจะฉลาดขึ้นทุกวัน
ในแง่ที่ง่ายที่สุดการเรียนรู้ด้วยเครื่อง (Machine Learning - ML) คือการเขียนโปรแกรมเครื่องจักร (คอมพิวเตอร์) เพื่อให้สามารถดำเนินการตามที่ต้องการโดยการใช้และวิเคราะห์ ข้อมูล (ข้อมูล) เพื่อดำเนินการดังกล่าวได้อย่างอิสระ โดยไม่ต้องใส่ข้อมูลเพิ่มเติม จากนักพัฒนาซอฟต์แวร์ของมนุษย์
การเรียนรู้ด้วยเครื่อง 101
คำว่า "การเรียนรู้ด้วยเครื่อง" ได้รับการจัดทำขึ้นในห้องทดลองของไอบีเอ็มเมื่อปีพ. ศ. 2502 โดยอาเธอร์ซามูเอลผู้บุกเบิกด้านการ ประดิษฐ์ (AI) และเกมคอมพิวเตอร์ การเรียนรู้ด้วยเครื่องจึงเป็นสาขาของ Artificial Intelligence สมมติฐานของซามูเอลคือการพลิกแบบจำลองทางคอมพิวเตอร์ของเวลาคว่ำและหยุดให้คอมพิวเตอร์เรียนรู้
แต่เขาต้องการให้คอมพิวเตอร์เริ่มต้นหาสิ่งต่างๆด้วยตัวเองโดยที่มนุษย์ไม่ต้องใส่ข้อมูลที่น้อยที่สุด จากนั้นเขาคิดว่าคอมพิวเตอร์จะไม่ดำเนินงานเพียงอย่างเดียว แต่ในที่สุดก็สามารถตัดสินใจได้ว่าจะต้องปฏิบัติภารกิจใดและเมื่อใด ทำไม? เพื่อให้คอมพิวเตอร์สามารถลดปริมาณการทำงานของมนุษย์ที่จำเป็นในการดำเนินการในพื้นที่ใดก็ได้
วิธีการเรียนรู้ด้วยเครื่องจักร
การเรียนรู้ด้วยเครื่องทำงานผ่านการใช้อัลกอริทึมและข้อมูล อัลกอริทึมคือชุดของคำแนะนำหรือหลักเกณฑ์ที่บอกให้คอมพิวเตอร์หรือโปรแกรมทำอย่างไรให้ปฏิบัติงาน อัลกอริทึมที่ใช้ในการรวบรวมข้อมูลของ ML รวบรวมรูปแบบและใช้การวิเคราะห์ข้อมูลดังกล่าวเพื่อปรับใช้โปรแกรมและฟังก์ชันของตนเองเพื่อให้งานสมบูรณ์
อัลกอริทึม ML ใช้กฎชุดต้นไม้ตัดสินใจแบบจำลองกราฟิกการประมวลผลภาษาธรรมชาติและเครือข่ายประสาทเทียม (เพื่อชื่อไม่กี่) เพื่อประมวลผลข้อมูลโดยอัตโนมัติเพื่อทำการตัดสินใจและปฏิบัติงาน ในขณะที่ ML อาจเป็นหัวข้อที่ซับซ้อนเครื่อง Teachable Machine ของ Google จะมีการสาธิตวิธีการใช้งาน ML แบบง่าย
รูปแบบการเรียนรู้เครื่องจักรที่มีประสิทธิภาพมากที่สุดที่ใช้ในปัจจุบันเรียกว่า การเรียนรู้ลึก ๆ สร้างโครงสร้างทางคณิตศาสตร์ที่ซับซ้อนซึ่งเรียกว่าเครือข่ายประสาทเทียมขึ้นอยู่กับข้อมูลปริมาณมหาศาล เครือข่ายประสาทเทียมคือชุดของอัลกอริทึมใน ML และ AI ที่สร้างขึ้นหลังจากเซลล์ประสาทในสมองของมนุษย์และข้อมูลกระบวนการของระบบประสาท
ปัญญาประดิษฐ์เทียบกับการเรียนรู้ด้วยเครื่องกับการทำเหมืองข้อมูล
เพื่อให้เข้าใจถึงความสัมพันธ์ระหว่าง AI, ML และการทำเหมืองข้อมูลได้ดีที่สุดควรคิดถึงชุดร่มที่มีขนาดแตกต่างกัน AI เป็นร่มที่ใหญ่ที่สุด ร่ม ML มีขนาดเล็กกว่าและเหมาะกับใต้ร่ม AI ร่มการทำเหมืองข้อมูลมีขนาดเล็กที่สุดและเหมาะกับการใช้งานภายใต้ร่ม ML
- AI เป็นสาขาวิชาวิทยาการคอมพิวเตอร์ที่มุ่งเน้นการเขียนโปรแกรมคอมพิวเตอร์ให้สามารถทำงานได้อย่างชาญฉลาดและ "มนุษย์" โดยใช้เทคนิคการให้เหตุผลและการตัดสินใจตามแบบมนุษย์
- ML เป็นหมวดหมู่ของการประมวลผลภายใน AI ที่มุ่งเน้นไปที่เครื่องเขียนโปรแกรม (คอมพิวเตอร์) เพื่อเรียนรู้ (รวบรวมข้อมูลหรือตัวอย่างที่จำเป็น) เพื่อให้ข้อมูลที่ขับเคลื่อนด้วยการตัดสินใจอย่างชาญฉลาดในแบบอัตโนมัติมากขึ้น
- การทำเหมืองข้อมูล จะใช้สถิติ ML, AI และฐานข้อมูลอันกว้างขวางของข้อมูลเพื่อหารูปแบบจัดเตรียมข้อมูลเชิงลึกสร้างการจำแนกประเภทระบุปัญหาและให้การวิเคราะห์ข้อมูลโดยละเอียด
สิ่งที่เครื่องเรียนรู้สามารถทำ (และแล้ว)
ความจุของคอมพิวเตอร์ในการวิเคราะห์ข้อมูลจำนวนมหาศาลในเศษส่วนของวินาทีทำให้ ML มีประโยชน์ในหลายอุตสาหกรรมที่มีความสำคัญและเวลา
- แพทย์ กำลังใช้เทคโนโลยีเอ็มแอลอีดีในการแก้ปัญหาด้านการแพทย์รวมถึงการช่วยแพทย์ในแผนกฉุกเฉินในการวินิจฉัยผู้ป่วยที่มีอาการผิดปกติได้เร็วขึ้น แพทย์สามารถใส่รายชื่ออาการของผู้ป่วยลงในโปรแกรมและใช้ ML โปรแกรมนี้สามารถอ่านข้อมูลจากวรรณกรรมทางการแพทย์และอินเทอร์เน็ตจำนวนมากถึงล้านล้านเทราไบต์เพื่อให้ได้ผลการวินิจฉัยที่เป็นไปได้และแนะนำการทดสอบหรือการรักษาในเวลาที่บันทึก
- การศึกษา: ML ใช้ในการสร้างเครื่องมือทางการศึกษาที่เหมาะกับความต้องการด้านการเรียนรู้ของนักเรียนเช่นผู้ช่วยการเรียนรู้เสมือนจริงและตำราเรียนอิเล็กทรอนิกส์ที่โต้ตอบกันมากขึ้น เครื่องมือเหล่านี้ใช้ ML เพื่อค้นหาแนวคิดและทักษะที่นักเรียนเข้าใจโดยใช้แบบทดสอบสั้นและแบบฝึกหัดปฏิบัติ จากนั้นเครื่องมือจะให้วิดีโอสั้น ๆ ตัวอย่างเพิ่มเติมและเนื้อหาพื้นหลังเพื่อช่วยให้นักเรียนได้เรียนรู้ทักษะหรือแนวคิดที่จำเป็น
- ยานยนต์: ML เป็นองค์ประกอบสำคัญในสาขาที่เกิดขึ้นใหม่ของรถยนต์ที่ขับด้วยตนเอง (หรือที่เรียกว่ารถที่ไม่มีคนขับหรือรถยนต์ที่เป็นอิสระ) ซอฟต์แวร์ที่ใช้รถยนต์ขับด้วยตนเองใช้ ML ในการทดสอบและจำลองสถานการณ์ทางถนนในชีวิตจริงเพื่อตรวจสอบสภาพถนน (เช่นถนนที่เป็นน้ำแข็ง) หรือระบุสิ่งกีดขวางบนถนนและเรียนรู้การขับขี่ที่เหมาะสมเพื่อให้สามารถดำเนินการได้อย่างปลอดภัย
คุณเคยพบกับ ML มาแล้วหลายครั้งโดยไม่รู้ตัว บางส่วนของการใช้กันทั่วไปของเทคโนโลยี ML รวมถึงการรู้จำเสียงพูดในทางปฏิบัติ ( Bixby ของซัมซุง แอปเปิ้ล Siri และโปรแกรม talk-to-text จำนวนมากซึ่งเป็นมาตรฐานสำหรับเครื่องพีซี) การกรองสแปมสำหรับอีเมลสร้างฟีดข่าวการตรวจหาการทุจริต แนะนำการช็อปปิ้งและให้ผลการค้นหาเว็บที่มีประสิทธิภาพมากขึ้น
ML มีส่วนเกี่ยวข้องในฟีด Facebook ของคุณ เมื่อคุณต้องการหรือคลิกที่โพสต์ของเพื่อนบ่อยๆอัลกอริทึมและ ML จะอยู่เบื้องหลัง "เรียนรู้" จากการทำงานของคุณในช่วงเวลาหนึ่งเพื่อจัดลำดับความสำคัญของเพื่อนหรือหน้าเว็บใน Newsfeed
สิ่งที่เรียนรู้ด้วยเครื่องไม่สามารถทำได้
อย่างไรก็ตามมีข้อ จำกัด ว่า ML สามารถทำอะไรได้บ้าง ตัวอย่างเช่นการใช้เทคโนโลยี ML ในอุตสาหกรรมที่แตกต่างกันต้องใช้การพัฒนาและการเขียนโปรแกรมเป็นจำนวนมากโดยมนุษย์เพื่อให้โปรแกรมหรือระบบมีลักษณะเฉพาะสำหรับงานประเภทต่างๆที่อุตสาหกรรมต้องการ ตัวอย่างเช่นในตัวอย่างด้านการแพทย์ของเราด้านบนโปรแกรม ML ที่ใช้ในแผนกฉุกเฉินได้รับการพัฒนาขึ้นเพื่อการแพทย์เฉพาะทางของมนุษย์ ขณะนี้ยังไม่สามารถใช้โปรแกรมที่แน่นอนและนำไปใช้โดยตรงในศูนย์ฉุกเฉินสัตวแพทย์ การเปลี่ยนแปลงดังกล่าวต้องใช้ความชำนาญและการพัฒนาที่กว้างขวางโดยโปรแกรมเมอร์ของมนุษย์เพื่อสร้างเวอร์ชันที่สามารถทำภารกิจนี้สำหรับการแพทย์ทางสัตวแพทย์หรือสัตว์
นอกจากนี้ยังต้องการข้อมูลจำนวนมากและตัวอย่างเพื่อที่จะ "เรียนรู้" ข้อมูลที่จำเป็นในการตัดสินใจและดำเนินการ โปรแกรม ML เป็นตัวอักษรในการตีความข้อมูลและการต่อสู้กับสัญลักษณ์และบางประเภทของความสัมพันธ์ภายในผลลัพธ์ข้อมูลเช่นสาเหตุและผล
อย่างไรก็ตามความคืบหน้าต่อเนื่องทำให้ ML เพิ่มเทคโนโลยีหลักในการสร้างคอมพิวเตอร์อย่างชาญฉลาดขึ้นทุกวัน