Deep Learning คืออะไร
ความท้าทายอย่างหนึ่งในการพัฒนาระบบปัญญาประดิษฐ์ (AI: Artificial Intelligence) ก็คือ การพัฒนาให้เครื่องจักรสามารถเรียนรู้และทำนายหรือสร้างองค์ความรู้ได้ ด้วยเหตุนี้จึงเป็นที่มาของสาขา Machine Learning (การเรียนรู้ของเครื่อง)
Machine Learning : (1) นำเข้าชุดข้อมูล (2) สร้างโมเดลของชุดข้อมูล (3) ใช้โมเดลนั้นในการทำนายข้อมูลชุดใหม่
แต่เทคนิคที่จะสอนให้เครื่องคอมพิวเตอร์สามารถเรียนรู้และเข้าใจได้นั้นก็มีเทคนิคต่างๆ มากมาย เช่น Supervised Learning, Unsupervised Learning, Reinforcement Learning หรือ Artificial Neuron Networks เป็นต้น
“Deep Learning is Large Neural Networks”
ซึ่งจริงๆ แล้ว Deep Leaning ก็คือ ANN: Artificial Neuron Networks นั่นเอง โดย Deep Learning และ ANN เป็นอัลกอริทึมที่ถูกสร้างขึ้นมาเพื่อการเรียนรู้ของเครื่อง แต่ความแตกต่างระหว่าง Deep Learning กับ ANN ก็คือระดับ hidden layer ที่ใน Deep Learning มี hidden layer มากกว่าใน ANN
จะว่าไปแล้ว Deep Learning ก็ไม่ใช่เรื่องใหม่อะไร
โดยโครงข่ายใยประสาทเสมือน (Artificial Neuron Networks) นั้นอาศัยแนวคิดและเทคนิคจากการทำงานของระบบโครงข่ายใยประสาทในระบบประสาทของมนุษย์ โดยจำลองการทำงานเหมือนกับกลุ่มเซลล์ประสาทที่เชื่อมโยงกันเป็นระบบประสาทที่สามารถรับรู้หลายๆ สิ่งในเวลาเดียวกัน ด้วยการประมวลผลแบบขนาน (Paralle Network) ทำให้ระบบสามารถตัดสินใจได้ใกล้เคียงกับมนุษย์
ในการที่เครื่องจะสามารถเข้าใจสิ่งต่างๆ ได้ก็จำเป็นที่จะต้องมี “องค์ความรู้ (Knowledge)” เสียก่อน [input layer] จากนั้นก็จะประเมินชุดข้อมูล [hidden layer] และนำเสนอหรือแทนองค์ความรู้นั้น [output layer]
Deep Learning ถูกนำมาประยุกต์ใช้ในงานต่างๆ มากมาย เช่น การแยกแยะใบหน้าแต่ละคน ตัวอย่างเช่นในการติดแท็กรูปภาพเพื่อนใน Facebook หรือการแยกวัตถุที่ไม่ใช่คน หรือใช้เป็นส่วนหนึ่งในระบบรถยนต์ไร้คนขับ เป็นต้น
Artificial Intelligence > Machine Learning > Knowledge Representation > Deep Learning
