เล่า AI ให้เห็นภาพ ตอนที่ 1 - Keyword ต่าง ๆ from AI to BackProp
AI คือการที่เครื่องจักรฉลาดเหมือนมนุษย์ โดยมี
- Computer Vision ที่ใช้ในการมองเห็นเสมือนตา
- มี Speech Recognition ที่ใช้ในการฟังเสมือนหู
- มี Text to Speech ที่ใช้ในการพูดเสมือนปาก
- มี Natural Language Processing ที่ใช้ในการเข้าใจภาษามนุษย์ และสื่อสารกับเรา
- มี Data Science ที่ใช้ประมวลผลข้อมูลตัวเลขอื่น ๆ
ทุกความสามารถที่กล่าวถึงจะมี sensor ที่รับอินพุตต่าง ๆ กัน ล้วนมีการเชื่อมต่อกับสมองกล โดยสมองกลจะเรียนรู้โดยกระบวนการที่เรียกว่า
- Machine Learning โดยกระบวนการเรียนรู้ คล้ายกับการเรียนรู้ของคน โดยจะมีครู หรือพ่อแม่สอนเรา ตอนเด็ก ๆ นี่คือ รูปหมานะ นี่คือแครอทนะ cat แปลว่าแมวนะ
เหมือนเทคนิคการสอนของครูที่มีหลายเทคนิค มีหลักสูตรไสตล์อังกฤษ ไสตล์สิงค์โปร์ ไสตล์ยุโรป ไสตล์ไทย นักวิจัย AI ก็ได้คิดค้นเทคนิคการเรียนรู้ นั่นคืออัลกอริทึ่มทาง Machine Learning หลายแบบ อาทิ
- Linear Regression
- Nearest Neighbour
- Decision Tree
- Support Vector Machine
- Neural Network
และอีกมากมายเป็นร้อย ๆ อัลกอริทึ่ม โดยในปัจจุบัน neural network ได้รับความสนใจมากที่สุด เนื่องด้วยความแม่นยำสูง neural network ที่มีหลาย layer จะเรียกว่า
- Deep Neural Network ที่ตอนหลังคนเรียกว่า Deep Learning
Deep learning ยังจะแตกย่อยไปอีก เช่น
- Convolutional Neural Network (CNN)
- Auto Encoder
- Transformer
- Generative Adversarial Neural network (GAN)
ถึงแม้ว่า machine learning จะมีหลายอัลกอรึทึ่ม แต่พื้นฐานในการเรียนรู้ก็เหมือนกัน นั่นคือการโชว์ตัวอย่าง และบอกว่าตัวอย่างนั้นคืออะไร หากจะเจาะลึกลงไปอีกนิด สิ่งที่ได้จากอัลกอรึ่มเหล่านี้ คือสมการทางคณิตศาสตร์ ซึ่งเราจะเรียกว่า
- model อาทิ y = w1x1 + w2x2 + w3x3 + w4x4 + …
model ที่มาจากอัลกอริทึ่มจะสามารถนำมาใช้ในการทำนาย โดยที่
- x1, x2, x3, x4, … เรียกว่า feature หรือสิ่งที่ป้อนให้กับคอมพิวเตอร์
- เพื่อให้ได้ผลลัพธ์ y หรือ prediction หรือสิ่งที่อยากจะให้อัลกอริทึ่มทำนาย
สมมติว่า เราอยากจะสร้าง model เพื่อทำนาย Y ราคาคอนโดควรจะเป็นเท่าไหร่ถึงจะเหมาะสม และ x1 คือขนาด x2 คือ ทำเล x3 คือ ชั้นของห้อง x4 คือปีที่สร้าง ในขณะที่
- w1 w2 w3 w4 หรือเรียกว่า weight คือความสำคัญที่จะส่งผลต่อการทำนาย ว่าจะมากน้อยแค่ไหน ถ้าหากว่า ขนาดมีความสำคัญที่จะส่งผลให้ราคาคอนโด Y สูง w1 ก็จะมีค่ามาก ในขณะที่ชั้นของห้อง x3 อาจจะไม่ได้สำคัญเท่า w3 ก็จะมีค่าน้อยกว่า w1
ก่อนที่จะสามารถนำ model ไปใช้ ก็จำเป็นจะต้องหาค่า weight ให้ได้เสียก่อน และกระบวนการให้ได้ weight มาก็ทำได้โดยกระบวนการ
- train model การ train model คือการใช้ training set หรือ data ที่เรามีทั้ง feature x และผลลัพธ์ y ในตัวอย่างคือไปรวบรวมข้อมูลห้องคอนโดต่าง ๆ และราคาที่เกิดการขายไปแล้วในอดีตที่ผ่านมา
ในเมื่อเรามีทั้ง y และ x เราจะสามารถหา w ได้ ช่วงการ train model อาจจะเปรียบเสมือนเวลาเราตะลุยทำข้อสอบเก่า โดยเรามีทั้งข้อสอบและเฉลย เพื่อใช้ในการเรียนรู้ ระหว่างเราเรียนรู้ถ้าเราตอบผิด เราก็จะกลับไปทำความเข้าใจให้มากขึ้น รู้ว่าควรจะเน้นตรงไหน ก็เปรียบเสมือนการค่อย ๆ ปรับ weight ในช่วงที่เราฝึกทำข้อสอบ เราก็จะทำข้อสอบรวดไปเลย จากนั้นก็ตรวจเฉลยทีเดียว แล้วเราก็จะให้คะแนนกับตัวเอง ในการฝึกทำข้อสอบชุดแรก เราอาจจะได้แค่ 20/100 แต่เราก็รู้ว่าเราจะต้องเน้นหรือให้ความสำคัญกับเนื้อหาส่วนไหนมากขึ้น เราก็จะเพิ่มน้ำหนักตรงนั้น
- การ train model ก็จะต้องมี cost function หรือกระบวนการวัดผล เช่นกัน เรามักจะทำโทษ model มากกว่าให้รางวัล ดังนั้นเราจะใช้ cost function ถ้าผิดพลาดมาก cost ก็จะสูงมาก
- cost นั้นจะสัมพันธ์กับ weight โดย ถ้าชุดของ weight ดี ก็จะส่งผลให้ cost ต่ำ แต่หากชุดของ weight ไม่ดี ก็จะส่งผลให้ cost สูง
- กระบวนการหาชุดของ weight ที่ดี เราทำได้โดยกระบวนการทำ gradient descent
นั่นคือเราเอา cost function มา diff เทียบกับ weight เพื่อหาสัดส่วนการเปลี่ยนแปลงของ cost เมื่อเทียบกับ weight ผลจากการ diff เราจะได้ทิศทางว่าควรจะปรับ weight ไปทางไหน ควรจะปรับให้มีค่ามากขึ้นหรือลดลง
- ใน model neural network การปรับ weight จะมีการปรับ weight จากชั้นนอกสุดมายังชั้นใน โดยใช้ chain rule และเราเรียก
- back propagation เพราะเราจะปรับ weight จากข้างหลังไปข้างหน้า
— — — — — — — — — — — — — — — — — — — — — — — — -
สำหรับใครที่สนใจ AI สนใจ Data science สามารถ join group Botnoi Classroom ตอนนี้มีสมาชิก 7 พันคน จะคอยอัพเดทเทรนด์ ความรู้ ทางด้าน AI และ Data science แล้วก็คอยประกาศอีเวนท์ หรือเปิดคลาสสอนด้วย
ส่วนหากใครสนใจใช้บริการ BOTNOI ในสร้างแชทบอท หรือให้คำปรึกษาเกี่ยวกับ AI & Data science ติดต่อได้ผ่านเวป -> Botnoi และ FB Page Botnoi Consulting นะครับ