อาจจะเป็นเรื่องที่ไม่ได้ใหม่มากนักในทุกวันนี้กับสิ่งที่เรียกว่า Machine Learning โดยเราจะมาเรียบเรียงกันให้เข้าใจง่าย ๆกัน เพราะเชื่อว่าหลายท่านที่มีความสนใจเกี่ยวกับ Machines Learning นี้ก็เคยอ่านบทความอื่นมาบ้างแล้ว แต่ก็ไม่ค่อยจะเข้าใจสักเท่าไหร่ อย่างกับว่าบทความที่เคยอ่านมานั้น เขียนไว้ให้เหล่านักวิทยาศาสตร์ หรือ บรรดาสาวกสาย IT อ่านเลยก็ไม่ปาน งั้นเราก็จะมาพูดเป็นภาษาชาวบ้านกัน เพื่อที่จะให้ทุกท่านได้ตามทัน ข่าวไอที และเทคโนโลยีใหม่ ๆได้ทันเหตุการณ์นั่นเอง
ทำความเข้าใจก่อนว่า Machine Learning คืออะไร
Machines Learning นั่นคือการที่คอมพิวเตอร์สามารถที่จะเรียนรู้ทุกอย่างได้ด้วยตัวเองจากข้อมูลที่ตัวเองมี โดยเราจะยกตัวอย่างก็คือ “มนุษย์เป็นครู และมีคอมพิวเตอร์เป็นลูกศิษย์ ความรู้ นั้นคือ ข้อมูล” โดยรูปแบบเดิม หากเราต้องการที่จะสอนลูกศิษย์ เราเพียงแค่ให้ลูกศิษย์เราเปิดหนังสือและเราก็ถ่ายทอดความรู้ของเราให้ ลูกศิษย์ของเราก็จะเข้าใจความรู้นั้นไปเป็นก้อนๆ แต่สำหรับ MachineLearning นั้นแตกต่างออกไป มันเป็นการที่เราจะทำให้ลูกศิษย์ของเราใช้ความรู้จากที่ตัวเองมีอยู่ เพื่อวิเคราะห์ เชื่อมต่อ คาดการณ์ และประมวลผลได้ด้วยตัวเองโดยที่ไม่ต้องรอให้ครูสอนเลย
MachineLearning เรียนด้วยตัวเองอย่างไร
ถ้ามาถึงตรงนี้แล้ว ก็อาจจะมีบ้างที่จะเป็นศัพท์เฉพาะ ค่อย ๆอ่านและทำความเข้าใจ เพราะทางผู้เขียนเองก็จะพยายามใช้คำให้ง่ายที่สุด เพื่อความเข้าใจอย่างถูกต้องนั่นเอง เอาหล่ะ พร้อมแล้วก็ต่อกันเลย Machines Learning นั้นจะมีรูปแบบที่หลากหลายมาก แต่รูปแบบหลักๆที่ใช้งานกันมีอยู่ 3 ประเภท คือ
- การเรียนรู้แบบมีคำแนะนำ (Supervised Learning) โดยเราจะเป็นผู้ป้อนข้อมูลให้กับคอมพิวเตอร์ก่อน (Input) ยกตัวอย่างเช่น รูปจระเข้ ในตอนนี้คอมพิวเตอร์จะยังไม่รู้จักก่อนว่ารูปจระเข้ที่ว่า คืออะไร เราจะต้องป้อนข้อมูลก่อน หลังจากนั้นคอมพิวเตอร์ก็จะวิเคราะห์ (Feature Extraction) ว่า จระเข้ มี 4 ขา มี 2 ตา 1 หาง เป็นต้น จากนั้นคอมพิวเตอร์ก็จะนำข้อมูลนั้นไปประมวลผล และจัดหมวดหมู่ (Classification) เพื่อที่ต่อจากนี้คอมพิวเตอร์จะสามารถแยกออกได้แล้วว่าอะไรคือจระเข้ อะไรไม่ใช่จระเข้
- การเรียนรู้แบบไม่มีคำแนะนำ (Unsupervised Learning) ในรูปแบบนี้จะเป็นอะไรที่ตรงกันข้ามกับประเภทแรกอย่างสิ้นเชิง โดยเราจะเป็นคนป้อนข้อมูล (Input) รูปจระเข้เข้าไปให้คอมพิวเตอร์ แต่เราจะไม่ได้บอกว่าข้อมูลรูปที่เราป้อนเข้าไปนั้น คือรูปของจระเข้ หลังจากนั้น คอมพิวเตอร์ก็จะทำการวิเคราะห์ (Feature Extraction) ผลก็จะออกมาได้ว่ารูปที่เราป้อนข้อมูลเข้าไป มีลักษณะแบบไหน แต่คอมพิวเตอร์จะไม่สามารถเอาข้อมูลไปจัดหมวดหมู่ได้ (Classification) แต่จะใช้วิธีของการแบ่งเป็นกลุ่มแทน (Clustering) โดยการที่คอมพิวเตอร์จะเอารูปจระเข้นั้นไปรวมกับ เสือ สุนัข แมว หรือสัตว์อื่น ที่มี 4 ขา 2 ตา และมี 1 หาง เหมือนๆกัน
- การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) รูปนี้คือรูปแบบหลักๆเลยก็ว่าได้ ถ้าจะให้พูดกันแบบจริงจังคิดว่าคงจะได้หลับกันก่อน อธิบายคร่าวๆได้ว่า เราได้ทำการกำหนดเงื่อไขอะไรบางอย่างให้กับคอมพิวเตอร์ และให้คอมพิวเตอร์ทำตามเงื่อนไข หรือเอาชนะเงื่อนไขให้ได้ ตัวอย่างเช่น เงื่อนไขในการเล่นเกมหมากล้อม คือการใช้หมากของเราล้อมพื้นที่บนกระดาน เพื่อยึดดินแดนให้มากกว่าคู่ต่อสู้ จากนั้นคอมพิวเตอร์ก็จะทำการเรียนรู้ด้วยตัวเอง ผ่านการจำลองมาจากการแข่งขันนับแสนเป็นล้านๆรอบ เพื่อที่จะรู้ว่าหากคู่ต่อสู้เดินหมากแบบนี้ ตัวคอมพิวเตอร์จะต้องแก้เกมอย่างไรให้บรรลุเงื่อนไขที่กำหนด นั่นคือการเอาชนะโดยการยึดพื้นที่ให้มากที่สุดนั่นเอง
ตัวอย่างในการทำงานของ Machine Learning ในชีวิตประจำวัน
เราจะยกตัวอย่างในการทำงานของ Machine Learning เพื่อให้ใกล้ตัวของเราและเห็นภาพมากที่สุด คือการทำงานของ Google โดยการสมมุติว่าสิ่งที่เราต้องการค้นหาคือเสื้อผ้าผู้หญิง แต่เราพิมพ์ค้นหาว่า “เสื้อผ้าผุหยิง” ตัวกูเกิ้ลก็ไม่ได้ปฏิเสธคำค้นหานี้ แต่จะแสดงผลของการค้นหาออกมาเป็นคำว่า “เสื้อผ้าผู้หญิง” แทน เพราะตัวกูเกิ้ลรู้ว่า เสื้อผ้าผุหยิง ≠ เสื้อผ้าผู้หญิง
ที่ผลการค้นหาได้มาแบบนั้นเนื่องด้วยองค์ประกอบของคำว่า “เสื้อผ้าผุหยิง” นั้นใกล้เคียงมากกับคำว่า “เสื้อผ้าผู้หญิง” ตัว Google จึงใช้ระบบ Machines Learning ในการคาดเดาความต้องการของผู้ใช้ว่าต้องการจะค้นหาคำนี้ และเสนอคำว่า “เสื้อผ้าผู้หญิง” ออกมาแทน พูดง่ายๆคือ MachineLearning ของกูเกิ้ลนั้นสามารถเรียนรู้จากคำค้นหาโดยการใช้คำที่ผิดของผู้ใช้งานได้ และได้ทำการคำนวณใหม่เพื่อให้ได้ผลคำค้นหาที่ถูกต้องหรือใกล้เคียงมากที่สุดให้ตรงกับความต้องการของผู้ใช้งาน
ยังมีอีกตัวอย่างที่ใกล้ตัวกันแบบมาก ๆอีกตัวอย่าง นั่นก็คือ Facebook โดยในสมัยก่อนนั้นหากรูปที่เราโพสลงไป และต้องการที่จะ Tag เพื่อนในรูปนั้น เราก็ต้องพิมพ์ชื่อเองว่าคนนั้นคือใคร แต่ตอนนี้ Facebook ก็บอกมาเลยว่าคนนั้นคือใคร และทำการ Tag ให้โดยอัตโนมัติเลย
สาเหตุที่เป็นแบบนี้ได้นั้น ก็เพราะ Facebook ได้มี MachineLearning ที่สามารถจะทำการวิเคราะห์ใบหน้าได้ โดยการนำข้อมูลของผู้ใช้งานเองมาเป็นตัววิเคราะห์ ในเวลาที่เราแตะไปบนใบหน้าในรูป มันก็จะทำการวิเคราะห์เลยว่า หน้าตาแบบนี้ มีคิ้วแบบนี้ ระยะห่างของตาและคิ้ว มีสีผิวแบบนี้ ลักษณะปากแบบนี้ และยังมีปัจจัยอื่น ๆอีก จากนั้นมันก็จะบอกเราเลยว่าใบหน้าของคนนี้ คือใครนั่นเอง
สรุปเกี่ยวกับการทำงานของ Machine Learning
หลักการทำงานที่เป็นหัวใจของ Machines Learning คือ การที่เราสามารถทำให้คอมพิวเตอร์เรียนรู้ได้ด้วยตัวเอง วิเคราะห์ได้ด้วยตัวเอง และประมวลผลมาให้เรา แต่การทำงานที่แท้จริงของมันนั้นซับซ้อนมากกว่านี้เยอะ และยังสามารถเอาไปทำอะไรได้มากกว่านี้อีกเยอะ เพราะจุดประสงค์ของบทความนี้คือการอธิบายเกี่ยวกับ MachinesLearning ให้ทุกคนสามารถเข้าใจได้โดยง่ายที่สุดนั่นเอง