Page 7 - Ricoh Magazine

RICOH
MISC

ทำาความรู้จักกับ Machine Learning

ยุคนี้จะธุรกิจไหนก็หันมาใช้ AI หรือ
ปัญญาประดิษฐ์กันทั้งนั้น โดยเฉพาะ
AI รูปแบบที่ให้ผลลัพธ์ได้ตรงตาม
ความต้องการมากที่สุดอย่าง Machine
Learning ซึ่งเทคโนโลยีดังกล่าวได้ถูก
น�ามาใช้ประมวลผลข้อมูลปริมาณ
มหาศาลอย่าง Big Data กันมากมาย
ดังนั้น เราจึงควรรู้จักกับค�าว่า
Machine Learning ให้ถ่องแท้ โดยเฉพาะ
ประโยชน์ที่คุณจะสามารถตักตวงจากมัน
ได้มากกว่าที่คุณเคยคิด

นิยามของ Machine Learning
จริงๆ แล้ว Machine Learning เติบโต
มาจากพื้นฐานด้านสถิติ และการแก้
ปัญหาโดยอาศัยข้อมูลจากประสบการณ์
ที่เคยเกิดขึ้น จนสามารถเรียนรู้และ
ประยุกต์มาใช้ในการท�างานรูปแบบใหม่ๆ
ได้โดยไม่ต้องเขียนโปรแกรมก�ากับแบบ
จ�าเพาะอีกต่อไป
ตัวอย่างเช่น การเรียนรู้ที่จะจดจ�า
ใบหน้านับล้านคนโดยที่ไม่ต้องคอย
โปรแกรมให้จ�าลักษณะใบหน้าของแต่ละคน เป็นต้น ซึ่งท�าให้คุณ รู้จากข้อมูลที่ได้จากการกระท�าต่างๆ ด้วยตัวเอง ซึ่งช่วงแรกหลีกเลี่ยงไม่ได้
แปลกใจแน่นอนว่าเป็นไปได้อย่างไรที่จะท�างานเองโดยที่ไม่ต้องเขียน ที่ระบบมักจะเกิดความผิดพลาดบ่อยครั้ง แต่เมื่อเรียนรู้จากความผิดพลาด
โปรแกรมควบคุมระบบการท�างานดังกล่าว หรือสามารถแสดงความอัจฉริยะ ในอดีตบ่อยครั้งขึ้น ก็จะพัฒนาความฉลาดแม่นย�าได้ด้วยตนเองเหมือน
ออกมาได้ มนุษย์ ที่ก่อนจะประสบความส�าเร็จก็ย่อมเจอกับความผิดพลาดมากมาย
พื้นฐานของระบบ Machine Learning จึงเป็นเรื่องของอัลกอริทึม นับไม่ถ้วนเช่นกัน
ให้ลองนึกถึงอัลกอริทึมในรูปของสูตรท�าอาหารที่แบ่งเป็นขั้นตอน เพียง
แต่สูตรการคิดของแมชชีนเลิร์นนิ่งนั้นเป็นการใช้หลักทางสถิติมาตัดสิน Reinforcement Learning
ใจเองในแต่ละสถานการณ์ อย่างรถที่ขับเคลื่อนด้วยตัวเองของกูเกิ้ลที่ แต่เพื่อไม่ให้ผิดบ่อยจึงเป็นที่มาของอัลกอริทึมแบบที่สามที่ชื่อ
สามารถหยุดรถเมื่อเห็นป้ายหยุด เลี้ยวได้เอง และหลบสิ่งกีดขวางต่างๆ ได้ Reinforcement Learning ที่ขยายความครอบคลุมความสามารถในการ
ซึ่งพฤติกรรมเหล่านี้ไม่มีใครสามารถเขียนโปรแกรมควบคุมได้ครอบคลุม เรียนรู้ให้กว้างมากกว่าเดิม ด้วยการเรียนรู้พฤติกรรมที่ควรกระท�าใน
ทุกสถานการณ์อยู่แล้ว สถานการณ์ต่างๆ ผ่านการทดลองผิดถูกด้วยตัวเอง หรือ Trial and Error
ซึ่งระบบจะเรียนรู้จากประสบการณ์หรือความผิดพลาดในอดีต อย่างไรก็ดี
อัลกอริทึม มนุษย์ก็ต้องให้ความเห็นหรือสนับสนุนการกระท�าที่เห็นว่าดี (Reinforce)
เรียกได้ว่า อัลกอริทึมเป็นกุญแจส�าคัญในการท�าให้บรรลุเป้าหมาย ให้ระบบรู้ว่าอันไหนดีอันไหนไม่ดีด้วย เหมือนมีครูสอนประกบการเรียนรู้
ที่ไม่เคยมีการเขียนโปรแกรมที่ระบุวิธีการไว้ล้วงหน้า แต่การจะตัดสินใจ ด้วยตนเอง ให้ดูเป็นชายด์เซ็นเตอร์
ได้อย่างแม่นย�านั้นระบบต้องได้รับการเรียนรู้ก่อน อันได้แก่ การป้อนข้อมูล ในบรรดาอัลกอริทึมทั้งสามแบบนั้น แบบ Reinforcement เป็นแบบที่
ที่ถูกจัดกลุ่มไว้อย่างดีแล้วว่า ถ้ามีข้อมูลแบบนี้เราต้องการให้ผลลัพธ์เป็น ซับซ้อนมากที่สุด ที่ต้องคีย์อัลกอริทึมมากมายเพื่อให้ได้ผลลัพธ์ที่ต้องการ
แบบไหน ดังนั้น ถ้าได้รับข้อมูลส�าหรับเรียนรู้ในปริมาณมหาศาล ระบบ แต่ก็ถือเป็นอัลกอริทึมที่มีประสิทธิภาพมากที่สุดดังที่กล่าวข้างต้นด้วยเช่นกัน
แมชชีนเลิร์นนิ่งก็สามารถใช้แม่แบบข้อมูลที่เคยจดจ�ามาเปรียบเทียบได้ใกล้
เคียงความเป็นจริงมากที่สุด เราเรียกกลไกการเรียนรู้จากข้อมูลที่มนุษย์ป้อน บทสรุป
ให้นี้ว่า Supervised Learning สรุปแล้ว ระบบแมชชีนเลิร์นนิ่งนั้นถือว่าพึ่งพาข้อมูลและการประมวลผล
อย่างไรก็ดี ระบบแมชชีนเลิร์นนิ่งก็จ�าเป็นต้องมีการเรียนรู้ด้วยตนเอง ทางสถิติอย่างหนัก ไม่ว่าจะเลือกใช้อัลกอริทึมแบบไหนก็ตาม ก็ต้องใช้หลัก
อย่างต่อเนื่อง โดยไม่ต้องพึ่งพาข้อมูลที่มนุษย์ป้อนให้ในระยะยาวด้วย สถิติจากข้อมูลที่ได้รับปริมาณมหาศาลทั้งสิ้นสมกับชื่อที่มีความหมายว่า
เช่นกัน ดังนั้นจึงมีอัลกอริทึมอีกชุดหนึ่ง ซึ่งเป็นอัลกอริทึมที่พบได้ทั่วไปใน การที่เครื่องจักรต้องเรียนรู้ (จากข้อมูลจ�านวนมาก) ซึ่งถ้าคุณสนใจศึกษา AI
ระบบแมชชีนเลิร์นนิ่งคือ Unsupervised Learning โดยระบบจะไม่ได้รับ แขนงนี้ให้ลึกมากขึ้น การท�าความเข้าใจหลักการทางสถิติหลากหลายรูปแบบ
การป้อนรูปแบบผลลัพธ์ที่ต้องการไปในการเรียนรู้ ดังนั้นระบบจึงต้องเรียน ย่อมเป็นสิ่งส�าคัญที่จะท�าให้คุณก้าวหน้าในเทคโนโลยีด้านนี้อย่างแท้จริง l

www.ricoh.co.th
7