Machine Learning คืออะไรกันแน่ ?
"Machine Learning" คำที่หลาย ๆ คนเคยได้ยินหรือเคยอ่านเจอมา บางคนให้ความหมายว่า "เครื่องเรียนรู้" , "การเรียนรู้ของเครื่อง" , "ปัญญาประดิษฐ์" , "การทำให้คอมมันเรียนรู้ได้" และอื่น ๆ ซึ่งอาจจะไม่ชัดเจนนัก
ดังนั้นเราขอให้ความหมายใหม่สำหรับ Machine Learning (ย่อ ๆ ใช้คำว่า ML) แบบเป็นภาษาคนและให้ครอบคลุมมากที่สุด
Machine Learning คือ การทำให้คอมพิวเตอร์สามารถพยากรณ์ ประมวลผล หรือทำนาย จากชุดข้อมูลสำหรับสอนที่ป้อนเข้าไปพร้อมคุณสมบัติของชุดข้อมูล (feature) แล้วเรียนรู้จากชุดข้อมูลที่ป้อน เพื่อให้ได้ผลลัพธ์ที่ใกล้เคียงมากที่สุด และสามารถพยากรณ์ ประมวลผล หรือ ทำนาย ข้อมูลที่ไม่เคยป้อนเข้าไปได้ โดยข้อมูลนั้นจะต้องมีคุณสมบัติเหมือนกับชุดข้อมูลสำหรับสอน ผลลัพธ์ที่ออกมาเป็นข้อมูลประเภทเดียวกันกับที่ใช้สอน
ดังนั้น ถ้าหากเราสอนโดยใช้ข้อมูลข้อความ เราไม่สามารถเอาข้อมูลรูปภาพไปป้อนให้มันประมวลผลออกมาได้
ประเภทของ Machine Learning
ประเภของ Machine Learning มีดังนี้- supervised learning เรียนรู้โดยมีผู้สอน
- unsupervised learning เรียนรู้โดยไม่มีผู้สอน
- reinforcement learning เรียนรู้โดยตั้งเป้าคะแนนให้ได้สูงขึ้นเรื่อย ๆ
ตัวอย่างง่าย ๆ เกี่ยวกับ Machine Learning *
หากเราต้องการโปรแกรมทำนายว่าข้อความอันนี้เป็นข้อความด้านดีหรือด้านเสีย และเราพบว่าคำที่บ่งบอกด้านดีหรือด้านเสียมีจำนวนมาก เราไม่สามารถเขียนโปรแกรมที่เพียงใช้ if else เช็คเพื่อบอกด้านดีหรือด้านเสียได้ เราจึงต้องใช้ Machine Learning เข้ามาช่วยงาน : แยกข้อความว่าเป็นด้านดีหรือเสีย
สร้างชุดข้อมูล จากนั้นเราลงมือสร้างชุดข้อมูลสำหรับใช้สอน และทดสอบ (ตามขั้นตอนข้างล่าง)
ออกแบบคุณสมบัติของข้อมูล โดยอาจจะเอาข้อความนั้นไปแบ่งคำ , นับจำนวนคำและอื่น ๆ (ไม่ขอลงรายละเอียดในส่วนนี้)
สอนข้อมูล
หากเรามีข้อมูลสำหรับใช้สอน โดยมีข้อความดังนี้
ฉันชอบกินข้าวผัด,ด้านดีและเรานำไปเข้า Machine Learning และเราป้อนข้อมูลเพื่อให้มันทำนาย
ผมเกลียดข้าวมันไก่,ด้านเสีย
ลาชอบกินหญ้า,ด้านดี
ฟ้าเกลียดสีดำ,ด้านเสีย
ทดสอบ
ต่อมาเราทำการทดสอบเพื่อวัดว่า Machine Learning ถูกต้องแค่ไหน โดยอาศัยชุดข้อมูลทดสอบดังนี้
คนชอบแมว,ด้านดีจากนั้นเราเอาข้อมูลเฉพาะ
เสือเกลียดน้ำ,ด้านเสีย
คนชอบแมวแล้วให้ Machine Learning ประมวลผล ผลลัพธ์ที่ออกมา
เสือเกลียดน้ำ
ด้านดีนับจำนวนผลลัพธ์ที่ได้จาก Machine Learning มาเทียบกับผลเฉลยด้านขวา จะเห็นได้ว่า ชุดข้อมูล 2 ข้อความ Machine Learning ขงเราสามารถทำนายถูกต้อง 2 ข้อความ คิดเป็น 2/2*100 = 100 %
ด้านเสีย
ทำนายข้อมูล
เราทำการทำนายข้อมูลโดยป้อนข้อมูลเข้าไป
นกเกลียดม้าผลลัพธ์ที่ออกมาเป็น
ด้านเสียดังนั้น ผลลัพธ์ที่ออกมาเป็นได้เพียง ด้านดี หรือ ด้านเสีย เราไม่สามารถนำรูปภาพเข้าไปใส่ได้ เพราะประเภทข้อมูลไม่เหมือนกับที่ทำ
และ Machine Learning ตัวอย่างนี้เป็น Machine Learning ประเภท supervised learning
คำถามชวนคิด ทำไมตัวอย่างนี้จึงเลือกที่จะใช้ Machine Learning ประเภท supervised learning ?
* หมายเหตุ ตัวอย่างข้างต้นเป็นเพียงตัวอย่างที่อิงกระบวนการทำงานเท่านั้น หากเราจะสร้าง Machine Learning ดังข้างบนจะต้องอาศัยความรู้ กระบวนการทำงาน Machine Learning มากกว่านี้เขียนโดย นาย วรรณพงษ์ ภัททิยไพบูลย์
นักศึกษาชั้นปีที่ 2 สาขาวิทยาการคอมพิวเตอร์และสารสนเทศ
คณะวิทยาศาสตร์ประยุกต์และวิศวกรรมศาสตร์
มหาวิทยาลัยขอนแก่น วิทยาเขตหนองคาย
ความคิดเห็น
แสดงความคิดเห็น