ความแตกต่างระหว่าง AI แมชชีนเลิร์นนิง และการเรียนรู้เชิงลึก -

ในช่วงไม่กี่ปีที่ผ่านมาพร้อมกับการระเบิดของการปฏิวัติอุตสาหกรรม 4.0 คำศัพท์เช่นปัญญาประดิษฐ์ (AI) การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกกำลังค่อยๆกลายเป็นที่นิยมและกลายเป็นแนวคิดที่พลเมืองยุค 4.0 ต้องเข้าใจ

ความสัมพันธ์ระหว่างแนวคิดทั้งสามนี้สามารถอธิบายได้ด้วยการคิดเป็นวงกลม โดยที่ AI ซึ่งเป็นแนวคิดแรกสุดคือวงกลมที่ใหญ่ที่สุด ตามด้วยการเรียนรู้ด้วยเครื่อง (Machine Learning) ซึ่งเป็นแนวคิดที่ตามมา และสุดท้าย Deep Learning ซึ่งกำลังขับเคลื่อนกระแส AI boom – เป็นวงกลมที่เล็กที่สุด

แน่นอนว่าการสร้างระบบ AI นั้นซับซ้อนอย่างยิ่ง แต่การทำความเข้าใจก็ไม่ใช่เรื่องยาก ปัญญาประดิษฐ์ส่วนใหญ่ในปัจจุบันเป็นเพียงเครื่องคาดเดาที่ดีจริงๆ (คล้ายกับสมองของเรา) คุณให้กลุ่มข้อมูลแก่ระบบ (เช่น ตัวเลข 1 ถึง 10) และขอให้ระบบสร้างแบบจำลอง (x + 1 เริ่มที่ 0) และทำการคาดคะเน (หมายเลขต่อไปจะเป็นสิบเอ็ด) ไม่มีเวทมนตร์ นี่คือสิ่งที่สมองมนุษย์ทำทุกวัน: ใช้สิ่งที่เรารู้เพื่อคาดเดาเกี่ยวกับสิ่งที่ไม่รู้จัก

สิ่งที่ทำให้ AI แตกต่างจากโปรแกรมคอมพิวเตอร์อื่นๆ คือ แทนที่จะต้องสร้างโปรแกรมเฉพาะสำหรับแต่ละกรณี เราสามารถสอน AI (การเรียนรู้ของเครื่อง) ได้อย่างสมบูรณ์ และยังมีความสามารถในการเรียนรู้เชิงลึกโดยอัตโนมัติอีกด้วย แนวคิดทั้งสามนี้สามารถกำหนดโดยทั่วไปได้ดังนี้:

ปัญญาประดิษฐ์ (AI):  เครื่องจักรที่สามารถเลียนแบบพฤติกรรมและความคิดของมนุษย์

การเรียนรู้ด้วยเครื่อง:  คุณลักษณะ AI ที่ช่วยให้ผู้เชี่ยวชาญสามารถฝึก AI ให้รู้จักรูปแบบข้อมูลและคาดการณ์ได้

การเรียนรู้เชิงลึก:  เทคนิคเล็กๆ น้อยๆ ของการเรียนรู้ของเครื่องที่ช่วยให้เครื่องสามารถฝึกฝนตนเองได้

AI (ปัญญาประดิษฐ์) คืออะไร?

AI สามารถกำหนดเป็นสาขาของวิทยาการคอมพิวเตอร์ที่เกี่ยวข้องกับการทำงานอัตโนมัติของพฤติกรรมอัจฉริยะ AI เป็นส่วนหนึ่งของวิทยาการคอมพิวเตอร์ ดังนั้นจึงต้องอาศัยหลักการทางทฤษฎีที่เหมาะสมและเหมาะสมของภาคสนาม พูดง่ายๆ คือ มันคือความฉลาดของเครื่องจักรที่มนุษย์สร้างขึ้น ปัญญานี้สามารถคิด คิด เรียนรู้ ... เหมือนสติปัญญาของมนุษย์ ประมวลผลข้อมูลในระดับที่ใหญ่กว่า มีขนาดใหญ่กว่า เป็นระบบ วิทยาศาสตร์ และเร็วกว่ามนุษย์

อย่างไรก็ตาม ในปัจจุบัน เทคโนโลยี AI ยังคงมีอยู่อย่างจำกัด ตัวอย่างเช่น Alexa – แม่บ้านที่ดี หนึ่งในไอคอนยอดนิยมของแอปพลิเคชั่นปัญญาประดิษฐ์ แต่ก็ยังไม่ผ่านการทดสอบทัวริง

กล่าวโดยสรุป สิ่งที่เรากำลังทำกับ AI ในปัจจุบันอยู่ในแนวคิด "Narrow AI" เทคโนโลยีนี้สามารถทำงานเฉพาะในลักษณะที่คล้ายคลึงกันหรือดีกว่ามนุษย์ ตัวอย่างของ "AI ที่แคบ" ในทางปฏิบัติ ได้แก่ เทคโนโลยีการจัดหมวดหมู่รูปภาพของ Pinterest หรือการจดจำใบหน้าเพื่อแท็กเพื่อนบน Facebook

เทคโนโลยีเหล่านี้แสดงถึงความฉลาดของมนุษย์ในแง่มุมหนึ่ง แต่จะเป็นไปได้อย่างไร? ปัญญานั้นมาจากไหน? ไปที่วงกลมถัดไป: การเรียนรู้ของเครื่อง

การเรียนรู้ของเครื่องคืออะไร?

การเรียนรู้ของเครื่อง – แนวทางของ AI

การเรียนรู้ของเครื่องเป็นคำกว้างๆ ที่หมายถึงการกระทำของคุณที่สอนคอมพิวเตอร์ให้ปรับปรุงงานที่กำลังดำเนินการอยู่ โดยเฉพาะอย่างยิ่ง การเรียนรู้ของเครื่องหมายถึงระบบใดๆ ที่ประสิทธิภาพของคอมพิวเตอร์เมื่อทำงานดีขึ้นหลังจากทำงานนั้นเสร็จหลายครั้ง กล่าวอีกนัยหนึ่ง ความสามารถขั้นพื้นฐานที่สุดของแมชชีนเลิร์นนิงคือการใช้อัลกอริธึมเพื่อวิเคราะห์ข้อมูลที่มีอยู่ เรียนรู้จากมัน แล้วทำการตัดสินใจหรือคาดการณ์เกี่ยวกับสิ่งที่เกี่ยวข้อง แทนที่จะสร้างซอฟต์แวร์พร้อมคำแนะนำและการดำเนินการโดยละเอียดเพื่อทำงานเฉพาะ คอมพิวเตอร์ได้รับการ "ฝึกฝน" โดยใช้ข้อมูลและอัลกอริทึมจำนวนมากเพื่อเรียนรู้วิธีการทำงาน .

หากไม่มีแมชชีนเลิร์นนิง AI ในปัจจุบันจะถูกจำกัดค่อนข้างเพราะทำให้คอมพิวเตอร์สามารถค้นหาสิ่งต่างๆ ได้โดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน ตัวอย่างประเภทของแมชชีนเลิร์นนิง สมมติว่าคุณต้องการให้โปรแกรมสามารถระบุแมวในภาพได้:

• ขั้นแรก คุณให้ชุดคุณลักษณะของแมวแก่ AI เพื่อให้เครื่องจดจำ เช่น สีขน รูปร่าง ขนาด ฯลฯ
• ถัดไป คุณป้อนรูปภาพบางส่วนไปยัง AI โดยที่รูปภาพบางส่วนหรือทั้งหมดอาจมีป้ายกำกับว่า "แมว" เพื่อให้เครื่องสามารถเลือกคุณสมบัติและรายละเอียดที่เกี่ยวข้องกับแมวได้อย่างมีประสิทธิภาพมากขึ้น .
• หลังจากที่เครื่องได้รับข้อมูลแมวที่จำเป็นทั้งหมดแล้ว จะต้องรู้วิธีหาแมวในภาพ - “หากภาพมีรายละเอียด X, Y หรือ Z บางอย่าง มีโอกาส 95% ที่จะพบแมวในภาพ . อาจจะเป็นแมว”

โดยทั่วไป การประยุกต์ใช้แมชชีนเลิร์นนิงเป็นที่นิยมอย่างมากในปัจจุบันและมีประโยชน์อย่างไม่มีข้อโต้แย้ง

การเรียนรู้เชิงลึกคืออะไร?

การเรียนรู้อย่างลึกซึ้ง – เทคนิคการเรียนรู้ของเครื่อง

อาจกล่าวได้ว่าจนถึงตอนนี้ AI ได้ประสบความสำเร็จอย่างมาก คิดว่าเป็นการเรียนรู้ของเครื่องด้วย "โครงข่ายประสาทเทียม" เชิงลึกที่สามารถประมวลผลข้อมูลในลักษณะเดียวกับที่สมองของมนุษย์สามารถทำได้ ความแตกต่างหลักในที่นี้คือ มนุษย์ไม่จำเป็นต้องสอนโปรแกรมการเรียนรู้เชิงลึกว่าแมวมีหน้าตาเป็นอย่างไร แต่เพียงแค่ให้ภาพแมวที่จำเป็นทั้งหมด แล้วมันก็จะเข้าใจเอง การเรียนรู้ด้วยตนเอง ขั้นตอนการทำมีดังนี้:

• ให้ภาพแมวจำนวนมากแก่เครื่อง
• อัลกอริทึมจะตรวจสอบรูปภาพเพื่อดูคุณสมบัติทั่วไปและรายละเอียดระหว่างรูปภาพ
• แต่ละภาพจะถูกถอดรหัสอย่างละเอียดในหลายระดับ ตั้งแต่รูปร่างขนาดใหญ่ ทั่วไป ไปจนถึงไทล์ที่เล็กกว่าและเล็กกว่า หากรูปร่างหรือเส้นซ้ำกันหลายครั้ง อัลกอริธึมจะติดป้ายว่าเป็นคุณสมบัติที่สำคัญ
• หลังจากวิเคราะห์รูปภาพที่จำเป็นมากพอแล้ว ตอนนี้อัลกอริทึมก็รู้แล้วว่ารูปแบบใดให้หลักฐานที่ชัดเจนที่สุดของแมว และมนุษย์ทุกคนต้องทำคือให้ข้อมูลดิบ

กล่าวโดยย่อ: การเรียนรู้เชิงลึกเป็นประเภทของการเรียนรู้ของเครื่องที่เครื่องฝึกฝนตัวเอง การเรียนรู้เชิงลึกต้องการการป้อนข้อมูลและพลังประมวลผลมากกว่าการเรียนรู้ของเครื่อง แต่บริษัทเทคโนโลยีขนาดใหญ่อย่าง Facebook และ Amazon ได้เริ่มใช้งานแล้ว หนึ่งในชื่อที่มีชื่อเสียงที่สุดในแมชชีนเลิร์นนิงคือ AlphaGo คอมพิวเตอร์ที่สามารถเล่น Go ต่อสู้กันเองจนสามารถทำนายการเคลื่อนไหวที่แม่นยำที่สุดที่จะเอาชนะได้ แชมป์โลกมากมาย

สรุป

การเรียนรู้เชิงลึกช่วยให้สามารถประยุกต์ใช้ปัญหาเครื่องจักรจริงจำนวนมากได้ ในขณะที่ขยายสาขาโดยรวมของปัญญาประดิษฐ์ การเรียนรู้เชิงลึกขัดขวางวิธีการทำงานของมนุษย์โดยทำให้เครื่องอำนวยความสะดวกทุกชนิดสามารถทำงานได้ ใกล้เคียงหรือเหมือนกันกับมนุษย์ รถยนต์ไร้คนขับ การดูแลสุขภาพที่ดีขึ้น... ทั้งหมดเกิดขึ้นจริงในยุคนี้ AI คือปัจจุบันและอนาคตของโลก ด้วยความช่วยเหลือของการเรียนรู้อย่างลึกซึ้ง AI สามารถตระหนักถึงความฝันของไซไฟที่เราจินตนาการมาเป็นเวลานาน