สรุปบรรยายหัวข้อ Artificial Intelligence คืออะไร บรรยายโดย อภิพจน์ เพียศักดิ์ เมื่อ 22 มีนาคม 2019
จุดเริ่มต้นของ AI
ต้นกำเนิดของ AI น้ันได้เริ่มมีการศึกษาอย่างจริงจัง ในปี ค.ศ.1950 โดยอาจารย์จาก ประเทศอเมริกาและอังกฤษ
โดย Alan Turing ได้คิดค้น “การทดสอบของทัวริง” (Turing Test) ขึ้น ใครรู้จัก Alan Turing บ้างครับ? เค้าเป็นใครครับ? ครับ เค้าเป็นนักคณิตศาสตร์ และนักวิทยาการคอมพิวเตอร์รุ่นแรกๆ ของโลกเลยนะครับ “การทดสอบของทัวริง” (Turing Test) คือการทดสอบ AI ครับ เอาง่ายๆ เลยคือถ้าเราสร้าง AI ขึ้นมาทำสิ่งหนึ่ง ไม่ว่าจะเป็นขับรถ อ่านข่าว แล้วเราที่เป็นมนุษย์เนี่ย แยกไม่ได้ว่า มันเกิดจาก AI นั่นแหละครับ AI นั้นถึงจะผ่านการทดสอบ
วิวัฒนาการของ AI
ตอนนั้นก็ยังเป็นช่วงแรกๆ ของการพัฒนา AI นะครับ แต่ก็เกิดปรากฎการณ์ที่เรียกว่า AI Winter หรือ ช่วงจำศีลครับ เพราะตอนนั้นวิทยาการ หรือเทคโนโลยีมันยังไม่พร้อม การพัฒนา AI ก็เลยตกอยู่ในสภาวะจำศีล หรือช่วง AI Winter ครับ
แต่ในช่วงปี 1990 ได้มีเทคโนโลยี WWW หรือ internet เกิดขึ้นครับ ซึ่งพึ่งครบรอบ 30 ปีไปเมื่อไม่กี่วันก่อนหน้านี้เอง ช่วงนี้จะเกิดข้อมูลมากขึ้นจากการแลกเปลี่ยนผ่าน Internet ทำให้การวิจัยด้าน AI กลับมาคึกคักอีกครั้งหนึ่ง และในยุคปี 2000 ก็มีสิ่งที่เรียกได้ว่าเปลี่ยนโลกไปอย่างมากเกิดขึ้นนะครับ คือ หุ่นยนต์ Asimo ที่ตอนนั้นฮือฮามากเลยนะครับ ผมยังจำได้วันที่ไปดูงานที่ Motor show แล้วมีหุ่นยนต์มาล้มๆ ยืนๆ เต้นๆ ให้ดู ก็ตื่นตาตื่นใจมากเลย ยิ่งใครดูหนังคนเหล็กมานี่ก็จิตตกไปเลยครับ และในปี 2004 เราก็มี Facebook เกิดขึ้นครับ เชื่อมั้ย ว่าผมมีความคิดนึงเลยนะ ว่าอีตามาร์ค ซัคเคอร์เบิร์กเนี่ยเป็น Reptile หรือมนุษย์ต่างดาวที่แฝงตัวมาอยู่บนโลก ตอนนั้นแฟนเปิดรายการพีท ทองเจือให้ฟังมากไปหน่อย ก็เกิด facebook platform social network ที่ใหญ่มากที่สุดในโลก เดี๋ยวถ้ามีเวลาว่างๆ จะมาเล่าให้ฟังถึงความยิ่งใหญ่ของ Facebook นะครับมีสิ่งที่น่าสนใจมากๆ ให้เรียนรู้เต็มไปหมด นอกจากนั้น เราก็มี Youtube ครับ แพลตฟอร์ม vdo streaming ที่พลิกโฉมวงการสื่อ สองอย่างนี้ได้เปลี่ยนพฤติกรรมของมนุษย์อย่างเราแบบสิ้นเชิงเลยนะครับ อย่างที่เราเห็นทุกวันบนรถไฟฟ้า ตามถนนนะครับ
และเมื่อไม่กี่ปีมานี้ครับ เรามีรถยนต์ขับเคลื่อนอัตโนมัติที่ผลิตโดย Tesla ของ Elon Musk ที่หลายๆ คนบอกว่าเค้าคือ Tony Stark ในโลกจริง เค้าก็สร้างระบบ Auto Pilot ได้สำเร็จครับ ควบคู่ไปกับการสร้างรถยนต์พลังไฟฟ้า และเมื่อเร็วๆ นี้หลายคนคงได้ยินข่าวที่ AlphaGo สามารถเอาชนะแชมป์โลก ในการแข่งขันโกะ เมื่อปี 2016 ไม่ใช่ชนะแบบเฉียดฉิวนะ ชนะแบบขาดลอยแบบลีเซดอล ที่เป็นแชมป์โลกเนี่ยสู้ไม่ได้เลย
AI ในปัจจุบัน
จนถึงวันนี้เราก็มี AI อยู่รอบตัวเราเต็มไปหมดครับหลายๆ ซึ่งผมเชื่อว่าเราผ่านประสบการณ์การใช้งาน AI กันมาแล้วแทบทุกคน ไว้เดี๋ยวจะลงรายละเอียดอีกทีนะครับ
ทีนี้เรามาดูกันครับว่า AI เนี่ยมันมีกี่แบบมีอะไรบ้าง เรามาดูแผนภาพกันนะครับ
เริ่มต้นจาก Computer Science หรือวิทยาการคอมพิวเตอร์ครับ เป็นศาสตร์ในการเขียนโปรแกรมทั้งหมดเลย เขียนเว็บ เขียนแอพมือถือ การจัดการ ฐานข้อมูล พวก Windows, iOS เนี่ยก็ถูกสร้างขึ้นด้วยภาษาโปรแกรมมิ่ง ครับ
AI เนี่ยก็เป็นส่วนหนึ่งของ Computer Science ครับ เป็นการเขียนโปรแกรมเพื่อให้ระบบคอมพิวเตอร์มีความสามารถในการคิดและตัดสินใจได้ใกล้เคียงกับมนุษย์ อย่างที่เคยกล่าวไป
และภายใต้ AI เนี่ย ก็มีอีกหลายประเภทเลยนะครับ แต่ที่เราได้ยินกันบ่อยและที่จะพูดถึงวันนี้ก็คือ Machine Learning ครับ เป็นการสร้าง Algorithm ให้คอมพิวเตอร์จากข้อมูล (Data) เพื่อทำนายผล (Prediction) และหารูปแบบของข้อมูลนั้นๆ ครับ
และที่ทำให้ Machine Learning พัฒนาอย่างก้าวกระโดดในวันนี้เพราะมีการพัฒนา Deep Learning ครับ เป็นสร้างโครงข่ายเลียนแบบการทำงานของสมองมนุษย์ ซึ่งเทคโนโลยีต่อจากนี้ไปนะครับ AI แทบทุกโปรแกรมที่เกิดขึ้นจะมาจากการพัฒนาโดยใช้ Deep Learning เป็นหลักเลยครับ เดี๋ยวถ้ามีเวลาเหลือหรือมีคนสนใจเนี่ย ผมจะมาเล่าให้ฟังถึงความสามารถของ Deep Learning กันครับ Powerful มากๆ เลยครับผม
ทีนี้จะเห็นแล้วใช่มั้ยครับว่าหัวข้อการบรรยายวันนี้ถึงมีคำว่า AI มาก่อน เพราะ Machine Learning เป็นส่วนหนึ่งของ AI นั่นเองครับ
สรุป AI ก็คือการเขียนโปรแกรม แล้วมันต่างกับการเขียนโปรแกรมแบบดั้งเดิมยังงัย?
คืออย่างนี้นะครับ เมื่อก่อนตอนเราเขียนโปรแกรมเนี่ย เราก็จะเขียนให้มันรับคำสั่งซักอย่างนึง แล้วใส่เข้าไปในระบบคอมพิวเตอร์เพื่อประมวลผลและแสดงออกมาเป็น Output ยกตัวอย่างคือ Program เครื่องคิดเลขครับ เราต้องทำหน้าจอ ให้กดตัวเลขใช่มั้ยครับ ต้องมีปุ่มให้กดสัญลักษณ์บวกลบคูณหาร แล้วระบบคอมพิวเตอร์ก็จะคำนวณผลลัพธ์ออกมาให้เรา
แตกต่างจาก AI ที่เราเอา Input กับ Output มาครับ เอาใส่ ระบบคอมพิวเตอร์ เพื่อให้คอมพิวเตอร์เนี่ยสร้างเป็น Program ออกมา ซึ่งเราจะเรียกมันว่า Model ครับ ยกตัวอย่างนะครับ จดจำใบหน้าของมือถือเนี่ย เค้าไม่รู้นะครับว่าผู้ใช้งานหน้าตาเป็นยังงัย เค้าให้เราถ่ายรูปเราก่อนใช่มั้ยครับไม่กี่รูปนะครับ เราก็จะได้ Model หรือ Algorithm มาใช้ในการระบุใบหน้าของเราแล้ว คราวนี้ไม่ว่ามุมไหน แสงสว่าง มากน้อย เราก็ปลดล๊อกมือถือได้ด้วยใบหน้าเราครับ แตกต่างจากสแกนนิ้วมือนะครับ แสกนนิ้วเนี่ยไม่ใช่ AI เพราะลายมือเรามันไม่ได้เปลี่ยนอะไรเยอะ เป็น Biometrics
การพัฒนา AI และการประยุกต์ใช้
เทคโนโลยีของ AI ได้ถูกพัฒนาอย่างรวดเร็วแบบก้าวกระโดด เพราะ AI มีข้อมูลให้เรียนรู้มากขึ้นจากการเกิดขึ้นมาของ Internet และ Social media ไปจนถึงข้อมูล IoT (Internet of Things) ที่มีการสร้างข้อมูลขึ้นมาอย่างมหาศาล
อีกทั้งต้นทุนในการจัดเก็บข้อมูลและประมวลผลข้อมูลที่ราคาถูกลงเป็นอย่างมาก ลองดูว่าปัจจุบัน Hardisk ราคาเทียบกับเมื่อสิบปีก่อนก็ได้ครับ ว่าต่างกันเท่าไหร่
ด้วยปริมาณข้อมูลที่มากมายมหาศาลที่เกิดขึ้นทำให้ระบบจัดเก็บข้อมูลเดิมๆ เนี่ยไม่สามารถทำได้แล้วนะครับ จึงมีเทคโนโลยีใหม่ คือ Big Data มาช่วยจัดการข้อมูลที่มีปริมาณมากๆ ถ้าพูดง่ายๆ ก็คือ หนัง DVD หนึ่งเรื่องเนี่ยประมาณ 4GB นะครับ ข้อมูลที่มองว่าเป็น Big Data เนี่ยคือมากกว่า 1 Terabyte ครับ
มันเท่าไหร่ล่ะ 1 Terabyte ? เฉลยนะครับ หนึ่งพัน Gigabyte ครับ ก็หนัง DVD 250 เรื่อง ครับ หรือถ้าเมื่อไรก็ตามที่เราใช้เวลาย้ายไฟล์มากกว่าการเปิดไฟล์ นั่นล่ะครับ เรากำลังทำงานอยู่บน Big Data
If moving compute to data is cheaper than moving data to compute, you’re dealing with big data
อนาคตของ AI
จากข้อมูลของ World Economic Forum นะครับ จุด Tipping point หรือจุดที่เทคโนโลยี Big Data มีผลกระทบต่อธุรกิจ คือในปี 2023 ครับ เพราะข้อมูลที่เกิดขึ้นจะกลายเป็น Big Data แทบทุกบริษัทเลย เพราะพฤติกรรมของผู้บริโภคได้เปลี่ยนไปรวมไปจนถึงเทคโนโลยีที่เกิดขึ้นไม่ว่าจะเป็น IoT ที่ได้บอกไป
เพราะมี Data เยอะ AI ก็มีข้อมูลให้เรียนรู้เยอะ AI ก็จะฉลาดมากขึ้น ทำให้ในปี 2025 เนี่ยเติบโตจนมีผลกระทบต่อธุรกิจในทุกๆ อุตสาหกรรมนั่นล่ะครับ
แล้วถามว่า เฮ้ย มันจะเกิดขึ้นจริงๆ เหรอ ไม่ม้างมันยังดูห่างไกล อยากให้ทุกท่านย้อนกลับไปสมัยที่คอมพิวเตอร์ออกมาใหม่ๆ ครับ สมัยนั้นอยู่ดีๆ เอ๊าจากที่เคยพิมพ์ดี ใช้กระดาษเขียน ต้องมาเรียนใช้ Computer ส่งงานผ่าน Email พิมพ์งานผ่านคอม แล้วไงต่อครับ? มือถือมาทุกวันนี้คุยงานผ่าน Line? เห็นมั้ย มันมาโดยที่เราไม่รู้ตัวจริงๆ ครับ เพราะฉะนั้นโอกาสที่จะเกิดขึ้นจริงเนี่ยเป็นไปได้สูงครับ ต่อไปเราจะต้องใช้ AI ทำงาน ต้องเรียนวิธีการใช้งาน AI เหมือนตอนที่เราเรียน Excel หรือเรียน โปรแกรมอื่นๆ นั่นแหละครับ
และทาง World Economic Forum เนี่ย เค้าก็ลองประเมิณตัวเลขเล่นๆ นะครับ ว่า เอ๊ะ ถ้าเป็นอย่างที่คาดการณ์ไว้แบบนี้แล้วเนี่ย AI มันจะมีสร้างมูลค่าทางธุรกิจให้กับทั้งโลกเท่าไหร่ในปี 2030? ก็ได้ตัวเลขนี้เลยครับ 16 trillion USD.
เท่าไหร่ครับ? 16 ล้านล้านเหรียญสหรัฐครับ เป็นเงินไทยกี่บาท ประมาณ 500 ล้านล้านบาทครับ ปัจจุบัน GDP Gross Domestic Product ซึ่งแปลว่า ผลิตภัณฑ์มวลรวมของประเทศไทยอยู่ที่ และแน่นอนครับไม่ใช่ทุกบริษัทจะสามารถปรับตัวเข้ากับเทคโนโลยีนี้ได้ พระสัมมาสัมพุธเจ้าได้กล่าวไว้นะครับ สรรพสิ่งล้วนเกิดขึ้น ตั้งอยู่ดับไป เพราะฉะนั้นจะมีหลายธุรกิจเลยครับที่ล้มหายตายจาก เหมือนที่เกิดขึ้นกับ Kodak, Nokia, และอีกมากมายที่ไม่ได้ปรับตัวเข้ากับเทคโนโลยี
ผลกระทบจาก AI
วันนี้เป็นโอกาสดีแล้วครับที่เราจะมาเข้าใจและเตรียมพร้อมกับการเปลี่ยนแปลงที่จะเกิดขึ้น โดย PwC นะครับ บริษัท Big 4 ด้าน consultant ยักษ์ใหญ่ ได้ทำการประเมิณว่าไอ้เทคโนโลยี AI เนี่ยเป็นเหมือนคลื่นครับ คือมันจะมาทีละระลอกๆ โดยมี 3 ระลอกด้วยกัน หรือ three waves นะครับ
Wave ที่ 1 ครับ เค้าเรียกมันว่า Algorithm wave – จะเกิดขึ้นในช่วงต้นทศวรรษ 2020s ครับ แต่จริงๆ แล้วเนี่ย ตอนนี้ Wave นี้ก็ได้ impact กับเราเรียบร้อยแล้วครับ ซึ่งใน Wave นี้ก็คือการนำ Automation หรือระบบอัตโนมัติเข้ามาใช้ช่วยวิเคราะห์ข้อมูล ซึ่งใน Wave นี้จะเกิดมีผลกระทับกับธุรกิจด้านการเงินหรือธุรกิจที่ใช้ข้อมูลในการตัดสินใจเป็นหลักครับ ยกตัวอย่างเช่น การกู้เงินนะครับ ตอนนี้สามารถทำได้โดยไม่ต้องยื่นเอกสารหรือหลักฐานด้านการเงินแล้วครับ
ตัวอย่างก็ตอนนี้ SCB ให้ร้านค้าออนไลน์บน Lazada สามารถกู้เงินโดยไม่ต้องยื่นเอกสารครับ ทำออนไลน์ได้ 100% ระบบ AI เนี่ยก็จะเอาข้อมูลการขายสินค้ามาวิเคราห์ให้ credit scoring กับผู้กู้ ว่าจะอนุมัติเงินกู้มั้ย ได้เลยโดยอัตโนมัตินะครับ อันนี้เกิดขึ้นแล้วนะครับมีการกู้เงินกันแล้วจริงๆ และใช้ AI 100% จริงๆ ครับ
Wave ที่ 2 ครับ Augmentation wave อยู่ช่วงปลายของ ทศวรรษ 2020 นะครับ ก็จะเริ่มมีการนำ AI มาทำงานที่เป็นงานซ้ำๆ และจะเริ่มใช้ Robot มาผสมผสานการทำงานกับ AI ครับ แต่ยังอยู่ในพื้นที่ๆ จำกัดนะครับ เช่น งานจัดการคลังสินค้า ลองดูตัวอย่างของ Alibaba นะครับ เค้าได้นำ AI + Robot มาใช้งานจริงในคลังสินค้าของเค้าแล้ว โดยเอามาใช้จัดเก็บและหยิบสินค้าในคลังให้กับมนุษย์ครับ ก็ยังไม่ 100% ซะทีเดียครับ
ไปจนถึง Wave ที่ 3 จะเป็น คลื่นระลอกสุดท้ายที่เรียกว่า **Autonomous wave AI** จะตัดสินใจได้เอง สามารถแก้ไขปัญหาที่เกิดขึ้นได้เอง โดยแทบจะไม่ต้องการ input จากมนุษย์เลย หรืออาจจะต้องการน้อยมากครับ อย่างในรูปเนี่ยเค้าก็กำลังทดลองกันอยู่ เป็น รถบรรทุกไฟฟ้าขับขี่อัตโนมัติของ Tesla นะครับ ชื่อว่า Tesla Semi ครับ ตอนนี้ก็อยู่ระหว่างการทดลอง ถ้ามีการพัฒนาต่อเนื่องก็อาจจะขับเคลื่อนได้โดยไม่ต้องมีคนนั่งควบคุมไปด้วยก็ได้ครับ
ตามกราฟเราก็จะเห็นว่า AI จะเข้ามาช่วยในงาน Routine และเพิ่มประสิทธิภาพการทำงานให้มากขึ้น และอีกส่วนหนึ่งหลักๆ เลยก็คือการออกแบบสินค้าและบริการให้ตรงกับความต้องการของผู้บริโภคมากขึ้น หรือที่เราเรียกว่า personalisation ยกตัวอย่างเช่น Nexflix ที่เริ่มทำหนังโดยให้ผู้ชมสามารถเลือกตอนจบเองได้ เป็นต้นนะครับ ส่วนที่สามคือการเพิ่มคุณภาพของสินค้าและบริการครับ ยกตัวอย่างการนำ AI ไปตรวจจับ defect ในโรงงานทำให้สินค้าเนี่ยไม่หลุด QC มีคุณภาพครับ
แล้วธรุกิจไหนจะได้รับผลกระทบมากที่สุด อันแรกเลย Health care, อันดับสอง Automotive, อันดับสาม Financial services,
ถ้าอย่าง Health care นี่ก็เริ่มมีให้ใช้งานแล้วนะครับ เรื่องการนัดหมาย การค้นหาแพทย์ที่เกี่ยวข้องกับอาการป่วยของเราเพื่อให้เราได้ปรึกษาผ่านมือถือ ถัดไปก็จะเริ่มมีการวินจฉัยโรคด้วย AI ไปจนถึง Robot dotor มาใช้ในการรักษาครับ
Machine Learning และการประยุกต์ใช้
เรามาเข้าสู่ Part ที่สองกันครับ โดย part นี้เราจะเน้นไปที่ Machine Learning เป็นหลักครับ
อยากรู้มั้ยครับว่า Machine Learning เนี่ยคืออะไร จะเอาไปใช้งานได้อย่างไรบ้าง แล้วการจะสร้าง Machine Learning Model เนี่ยมีขั้นตอนอย่างไรบ้าง?
ก่อนอื่นเลย เราต้องมาเข้าใจความหมายของ Data Analytics กันก่อนครับ Data Analytics เนี่ยคือการนำข้อมูลมาประมวลผลวิเคราะห์ด้วยคณิตศาสตร์และสถิติ เพื่อให้ได้ insight ช่วยให้เราตัดสินใจและ Action อะไรบางอย่างเพื่อให้ธุรกิจได้มีกิจการที่ดีขึ้น
Data Analytics Maturity ทั้ง 4 ประเภท
Descriptive, Diagnostic, Predictive, Prescriptive
Source : https://edwinrojase.wordpress.com/2016/09/06/four-types-of-data-analytics/
Descriptive จะเป็นการวิเคราะห์ข้อมูลเพื่อตอบคำถามที่ว่า ที่ผ่านมาเกิดอะไรขึ้นบ้าง? เราจะคุ้นเคยกับ Anlytics ประเภทนี้ค่อนข้างมาก เช่น การทำรายงานกำไรขาดทุน รายงานด้านบัญชี เพื่อบอกเราว่ามีอะไรเกิดขึ้นบ้าง?
Diagnostic เป็นการหาเหตุผลว่าไอ้ที่มันเกิดขึ้นแบบนี้เพราะอะไร? ที่กำไรของเราดีขึ้นเนี่ยเป็นเพราะอะไร? เพราะลูกค้าเพิ่มขึ้น หรือว่าเป็นเพราะเราลดต้นทุน? ก็เริ่มมีการนำ Business Intelligence เข้ามาใช้งาน เริ่มใช้ Interactive Dashboard สามารถมองข้อมูลได้หลายมุมมากขึ้น
ส่วน Predictive เนี่ยจะเป็นการพยากรณ์ครับ อะไรจะเกิดขึ้นในอนาคต เช่น ยอดขายในปีหน้าเราจะเป็นอย่างไร จำนวนประชากรในประเทศจะเพิ่มหรือลดลง ก็จะเกี่ยวข้องกับการ forecast สิ่งที่จะเกิดขึ้นในอนาคต
สุดท้ายคือ Prescriptive อันนี้คือขั้นสุดยอดเลยครับ เป็นการวิเคราะห์ข้อมูลเพื่อบอกเราว่า เฮ้ย เราควรทำอะไรดี เราจะผลิตสินค้าอะไรมาขายดี เราจะขายราคาเท่าไหร่? อันนี้คือเรานั่งอยู่เฉยๆ เลยนะครับ ยกตัวอย่างที่ทุกคนน่าจะเคยลอง เคยใช้ Spotify มั้ยครับ หรือ Youtube ก็ได้ พอเราฟังจบเพลงนึงเนี่ย มันจะมี playlist ที่บอกว่าสร้างมาสำหรับเราเลย คือเราไม่ต้องคิดเลยว่าจะฟังเพลงอะไรต่อดี อ้อ จัดมาให้เป็น playlist เลย
Source : https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/an-executives-guide-to-ai
ก็จะเห็นนะครับว่าพอเราเพิ่มความเข้มข้นในการ Analytics ของเราเข้าไปเรื่อยๆ เนี่ย มันจะยิ่งช่วยให้เราตัดสินใจและลงมือทำอะไรบางอย่างได้ง่ายขึ้น ไปจนถึงแทบไม่ต้องคิด เราลงมือทำเลย เช่นฟังเพลงนั่นล่ะครับ
จาก 4 ประเภทของ Analytics นี้ Machine Learning จะถูกใช้ใน Predictive กับ Prescriptive ครับ คือใช้พยากรณ์สิ่งที่จะเกิดขึ้น และให้คำแนะนำว่าเราควรจะทำอะไรเพื่อให้เกิดสิ่งที่ดีกับตัวเรา
ก็สรุปนะครับ Machine Learning คือกระบวนการที่ทำให้ระบบคอมพิวเตอร์สามารถคิดคำนวนและทำนายผลลัพธ์ออกมาให้เรา โดยที่โปรแกรมจะหาความสัมพันธ์ของข้อมูลและสร้างผลลัพธ์ได้ด้วยตัวมันเอง
ประเภทของ Machine Learning
แล้ว Machine learning มีกีประเภทกันครับ ทำไมเราจำเป็นต้องรู้จักประเภทของ Machine learning ก็เพราะเราจะได้รู้ว่าเราจะใช้งานมันยังงัย เอาไปแอพพลายใช้กับงานประเภทใดได้บ้าง ก็เหมือนที่เราต้องรู้ว่า อ๋อ ถ้าจะพิมพ์งานให้ใช้ Word ทำสูตรคำนวณให้ใช้ Excel ทำ present ก็ใช้ PowerPoint นั่นละครับ
Machine Learning แบ่งออกตามกระบวนการสร้าง Model ได้ 3 แบบใหญ่ๆ ครับ คือ Supervised learning, unsupervised learning และ Reinforcement learning
Supervised learning
แบบแรก Supervised learning เนี่ยคือการสร้าง Model หรือ Algorithm จากข้อมูที่มีการกำกับ label ไว้ชัดเจน เพื่อทำนายผลหรือวิเคราะห์ข้อมูลใหม่ เหมาะกับงานประเถทที่เราสามารถกำกับหรือแยกข้อมูลได้ ยกตัวอย่างนะครับ ถ้าผมจะทำ model เพื่อแยกกล้วยกับแอปเปิล ข้อมูลที่ผมจะใช้เป็น Training dataset คือรูปที่บอกว่านี่คือแอปเปิล นี่คือกล้วย เราก็เอารูปพวกนี้ให้ Machine learning เรียนรู้ ทีนี้พอเราได้ Model ออกมาแล้ว เราเอารูปใหม่ให้ model วิเคราะห์ ว่าเฮ้ยนี่มันกล้วยหรือแอปเปิ้ล คำตอบที่ได้ก็น่าจะเป็นแอเปิลใช่มั้ยครับ นี่คือ Supervised learning ครับ
Unsupervised learning
แบบที่สองคือ Unsupervised learning คือการสร้างModel หรือ Algorithm จากข้อมูลที่ไม่มีการกำกับ label ไว้ชัดเจน หมายความว่า Model ต้องจัดกลุ่มหรือหาความสัมพันธ์ของข้อมูลด้วยตัวเอง ไม่มีคำตอบที่ชัดเจนมากำหนดไว้ เหมาะกับงานที่ต้องการหา Pattern หรือความสัมพันธ์ภายในข้อมูลที่ซับซ้อน ยกตัวอย่างเช่น ในการทำ Market Segmentation หรือการจัดกลุ่มลูกค้าในฐานข้อมูลที่มีขนาดใหญ่ โดยที่ระบบจะวิเคราะห์และจัดกลุ่มลูกค้าตามลักษณะหรือพฤติกรรมที่คล้ายกันเอง
Reinforcement learning
แบบที่สามคือ Reinforcement learning เป็นแบบที่ใช้การเรียนรู้จากการทดลองและผิดพลาด เป็นการสร้าง Model ที่เรียนรู้จากการได้รับ Feedback หรือ Reward ต่างๆ ในกระบวนการทดลอง ช่วยให้ระบบสามารถปรับตัวและพัฒนาเพื่อเข้าใกล้เป้าหมายมากขึ้น ตัวอย่างเช่น ระบบที่ใช้ในการสร้าง AI ที่เล่นเกมหรือการนำทางของรถยนต์อัตโนมัติ ซึ่งต้องเรียนรู้จากการทดลองและปรับปรุงตัวเองอย่างต่อเนื่อง
ดังนั้น, การเข้าใจประเภทของ Machine Learning จะช่วยให้เราสามารถนำไปประยุกต์ใช้ได้อย่างเหมาะสมตามลักษณะของงานหรือปัญหาที่เราต้องการแก้ไข การปรับใช้ Machine Learning อย่างเหมาะสมเป็นสิ่งสำคัญในการพัฒนาโซลูชั่นที่มีประสิทธิภาพและตอบโจทย์ธุรกิจได้อย่างเฉพาะเจาะจง
จาก Machine Learning สู่ Neural Network, NLP, LLM
หลังจากที่เราได้ทำความเข้าใจเกี่ยวกับ Machine Learning และการใช้งานของมันในแวดวงต่างๆ แล้วนั้น หัวข้อต่อไปที่น่าสนใจคือการพัฒนาจาก Machine Learning ไปสู่เทคโนโลยี Neural Network, Natural Language Processing (NLP), และ Large Language Models (LLM) ซึ่งเป็นหัวใจหลักในการพัฒนา AI ในยุคปัจจุบัน
Neural Network คืออะไร?
Neural Network เป็นการจำลองการทำงานของเซลล์ประสาทในสมองมนุษย์ ทำให้ระบบคอมพิวเตอร์สามารถเรียนรู้และทำงานได้เหมือนกับสมองมนุษย์ ส่งผลให้ AI สามารถตัดสินใจและประมวลผลได้อย่างซับซ้อนมากขึ้น เทคโนโลยีนี้เป็นหัวใจหลักใน Deep Learning
Source: https://www.geeksforgeeks.org/artificial-neural-networks-and-its-applications/
Natural Language Processing (NLP)
NLP เป็นสาขาหนึ่งของ AI ที่เกี่ยวข้องกับการเข้าใจและการประมวลผลภาษาของมนุษย์ ทำให้คอมพิวเตอร์สามารถเข้าใจ, ตีความ และตอบสนองต่อภาษาที่มนุษย์ใช้ได้ NLP ช่วยให้ AI สามารถทำงานเกี่ยวกับการแปลภาษา, การจดจำเสียง, และการสื่อสารได้ดียิ่งขึ้น
Source: https://www.sentisum.com/library/nlp-and-text-mining
Large Language Models (LLMs)
LLM คือรูปแบบของ AI ที่มีขนาดใหญ่และซับซ้อน สามารถประมวลผลภาษามนุษย์ได้ในระดับที่ลึกซึ้ง ตัวอย่างของ LLMs อย่าง ChatGPT และ GPT-3 ถูกพัฒนามาเพื่อทำความเข้าใจและสร้างข้อความที่เหมือนกับมนุษย์เขียนขึ้น
https://attri.ai/blog/introduction-to-large-language-models
การใช้งานของ Neural Network, NLP และ LLM
การใช้งานของเทคโนโลยีเหล่านี้มีหลากหลาย ตั้งแต่การวิเคราะห์ข้อมูลขนาดใหญ่, การจดจำและการตอบสนองต่อคำสั่งเสียง, การสร้างข้อความหรือบทความที่มีคุณภาพ, และการสร้างระบบแนะนำสินค้าหรือบริการที่ตรงกับความต้องการของผู้ใช้
การปรับตัวของธุรกิจกับ AI
ธุรกิจที่ต้องการปรับตัวเข้ากับยุคข้อมูลและ AI ต้องให้ความสำคัญกับการใช้งาน NLP และ LLM เพื่อพัฒนาบริการของตนให้มีประสิทธิภาพ รวมถึงการสร้างประสบการณ์ที่ดีต่อผู้ใช้ การนำ AI เหล่านี้มาใช้ในการวิเคราะห์ข้อมูลลูกค้า, การตอบคำถามของลูกค้า, หรือการพัฒนาผลิตภัณฑ์ใหม่ๆ จะช่วยให้ธุรกิจสามารถแข่งขันได้ในตลาดที่เปลี่ยนแปลงไปอย่างรวดเร็วในยุคปัจจุบัน
จาก LLM สู่ ChatGPT นวัตกรรม AI เปลี่ยนโลก
เราจะเห็นว่าเทคโนโลยี AI ได้ก้าวไปอีกขั้นด้วยการเกิดขึ้นของ Large Language Models หรือ LLM เช่น ChatGPT และ GPT-3 นี่เอง ซึ่งเป็นตัวอย่างที่ดีในการแสดงถึงความก้าวหน้าของเทคโนโลยีในยุคปัจจุบัน
Source: https://serokell.io/blog/language-models-behind-chatgpt
LLM ไม่เพียงแต่สามารถประมวลผลภาษามนุษย์ได้ในระดับที่ลึกซึ้ง แต่ยังมีความสามารถในการสร้างข้อความหรือบทความที่มีคุณภาพ ดูเหมือนว่ามนุษย์เขียนขึ้นเอง การทำงานของ LLM นี้ไม่ใช่เพียงแค่การจำลองภาษา แต่ยังรวมถึงความสามารถในการเข้าใจและตอบสนองต่อคำถาม ทำให้เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการสื่อสารและการให้ข้อมูล
บทสรุป
ธุรกิจต่างๆ จำเป็นต้องปรับตัวเข้ากับยุคข้อมูลและ AI นี้ การใช้งาน NLP และ LLM ในการวิเคราะห์ข้อมูลลูกค้า, การตอบคำถามของลูกค้า, หรือการพัฒนาผลิตภัณฑ์ใหม่ๆ จะเป็นกุญแจสำคัญในการสร้างความแข็งแกร่งและความมีประสิทธิภาพให้กับธุรกิจ
ChatGPT และ GPT-3 นี้เองได้เปลี่ยนโลกของเทคโนโลยี AI โดยการเปิดโอกาสให้มีการสื่อสารและการเรียนรู้ที่ซับซ้อนมากขึ้น การใช้งานของมันได้ขยายออกไปในหลายๆ สาขา ไม่ว่าจะเป็นการศึกษา, การแพทย์, การค้าและการตลาด และอื่นๆ อีกมากมาย นี่คือตัวอย่างที่ชัดเจนของการเปลี่ยนแปลงที่ AI สามารถนำมาซึ่งในโลกของเรา
ท้ายที่สุด, สิ่งสำคัญที่สุดคือการที่เรามองเห็นความเป็นไปได้และการปรับตัวเข้ากับเทคโนโลยี AI นี้ ไม่ว่าจะเป็นในด้านการพัฒนาธุรกิจ, การศึกษา, หรือแม้แต่การใช้ชีวิตประจำวัน การเรียนรู้และปรับตัวเข้ากับเทคโนโลยี AI จะเป็นกุญแจสำคัญที่จะนำพาเราไปสู่อนาคตที่มีความสามารถและความมั่นคงยิ่งขึ้นในโลกที่เปลี่ยนแปลงไม่หยุดหย่อน.
