รู้หรือไม่ว่า Data Science, Artificial Intelligence และ Machine Learning ต่างกันยังไง?

ก่อนที่เราจะมาตอบคำถามตามชื่อของ Article นี้ ต้องขออนุญาตแนะนำตัวก่อน ว่าพวกเราเป็นพนักงานบริษัท ExxonMobil ที่อยู่ในฝ่าย IT หรือเรียกว่า EMIT นั่นเอง ซึ่งพวกเราก็จะทำหน้าที่ดูแลพัฒนาระบบ IT เพื่อสนับสนุนธุรกิจด้านพลังงานและปิโตรเคมีของทางบริษัท

และในหน่วยงานของเราก็มี community ที่ชื่อว่า Analytics Community of Practice หรือเรียกสั้นๆว่า ACoP ซึ่งเป็นการรวมกลุ่มของคนที่สนใจด้าน Data & Analytics โดยเนื้อหาที่เราจะเล่าใน Article นี้ คือสิ่งที่เราได้เรียนรู้จากหนึ่งในกิจกรรมที่ทาง ACoP จัดขึ้น นั่นก็คือเรามีการจ้างวิทยากรจากมหาวิทยาลัยมาสอนเกี่ยวกับเรื่อง Data & Analytics โดยตัวเนื้อหาก็จะมี topic ที่หลากหลาย แต่อย่างแรก ก่อนที่จะพาทุกคนเข้าสู่วงการ Data Science เราขอเริ่มจาก basic ที่ทุกคนต้องเข้าใจกันก่อนเลยดีกว่า

เมื่อเราพูดถึงหนึ่งในเทรนด์ปัจจุบันที่มาแรงมากๆ ก็คงจะหนีไม่พ้น Data Science, Artificial Intelligence (AI) และ Machine learning (ML) เราเชื่อว่าหลายคนยังสงสัยว่า เอ๊ะ! 3 คำนี้ มันต่างกันยังไง วันนี้เราจะมาเล่าถึงความต่างของ 3 คำนี้ให้ฟังกัน!

Data Science

Data Science คือศาสตร์ของการนำเอา data ที่เรามีอยู่ มาวิเคราะห์และหา insight ใหม่ๆ เพื่อนำมาช่วยในการทำ business decision และก่อให้เกิด business value นั่นเอง ก่อนที่เราจะนำ data มาวิเคราะห์หรือหา insight ได้ เราก็จะต้องมีการ clean และ process data ก่อน ในการหา insight เราก็สามารถทำได้โดยการ apply หลักสถิติหรือการใช้ machine learning มาช่วย เพื่อให้ได้ insight ที่ก่อให้เกิด business value มากขึ้น ซึ่งหน้าที่ส่วนนี้ก็จะเป็นหน้าที่ของ Data Scientist นั่นเอง

Artificial Intelligence (AI)

สำหรับคำว่า AI ที่เราได้ยินกันบ่อยๆนั้น คำจัดกัดความสั้นๆของมันก็คือ การทำให้ machine มีความคิด ความฉลาดเหมือนกับมนุษย์ รวมถึงตัดสินใจได้เหมือนอย่างที่มนุษย์ทำ ตัวอย่าง AI ใกล้ตัวเรา เช่น Siri, Google assistant หรือ self-driving car

Machine Learning (ML)

ทุกคนอาจจะมีคำถามในใจว่า อ่าว! แล้ว ML ต่างกับ AI ยังไงหละ คำตอบก็คือ แท้จริงแล้ว ML ก็คือ subset หนึ่งของ AI โดยความหมายของ ML คือการที่เราให้ machine เรียนรู้จาก data ด้วยตัวมันเอง แล้วส่งผลลัพธ์จากการเรียนรู้ออกมาให้เรา เช่น การทำ prediction ต่างๆ พูดง่ายๆว่า ML ก็เปรียบเสมือนสมองของ AI นั่นเอง

How Data Science, AI, and ML are related together (source: Data Science Vs Machine Learning. While my main focus was knowing about… | by Hema Sri Kovela | Life of a Techfreak !! | Medium)

เพื่อให้เห็นภาพมากขึ้น เราไปเจอตัวอย่างนึงจากบทความนี้ ที่ช่วยให้เราเข้าใจความหมายของ 3 คำนี้ได้ง่ายขึ้น ซึ่งเราก็จะขอเอาตัวอย่างนี้มาแชร์ให้ทุกคนฟังกัน

ให้ทุกคนนึกถึง self-driving car การที่จะเป็น self-driving car ได้นั่น มันก็ต้องใช้คำ 3 คำที่กล่าวมาทั้งหมดเลย

Credit: Tesla Is Now Beta-Testing ‘Full Self Driving’ in Real-World Traffic (autoweek.com) and https://youtu.be/tlThdr3O5Qo

• Machine Learning: ใช้ในการให้รถ detect ป้ายต่างๆ ว่าป้ายที่รถเห็นนั้นคือป้ายหยุด ป้ายเลี้ยวหรือป้ายให้ตรงไป เป็นต้น
• Artificial Intelligence: หลังจากรถสามารถ detect ได้แล้วว่าป้ายข้างหน้าคืออะไร AI จะช่วยให้รถทำในสิ่งที่ถูกต้อง เช่น เจอป้ายหยุด รถก็จะหยุดโดยอัตโนมัติ
• Data Science: ตอนนี้รถของเราอาจจะยัง detect ป้ายยังไม่แม่นยำมากพอ เมื่อเรานำข้อมูลมาวิเคราะห์ ก็พบว่าส่วนใหญ่รถจะ detect ป้ายพลาดในเวลากลางคืน ทำให้เราต้องการเก็บรวบรวมรูปป้ายต่างๆในตอนกลางคืน มา feed เข้า model (ML) ให้มากขึ้น

หลังจากรู้จักความต่างของ 3 คำยอดฮิตในปัจจุบันไปแล้ว เรามาดูกันดีกว่าว่าแล้ว Data Science ต่างจาก Software Engineering ยังไง ?

‘Data Science’ VS ‘Software Engineering’

ความต่างของ 2 อย่างนี้คือ

• Data Science: เรายังไม่รู้ว่าเราจะทำอะไรกับ data ได้บ้าง เพราะฉะนั้นก็จะต้องมีการศึกษา data ทดลองวิธีต่างๆที่จะให้ได้ผลลัพธ์ที่ดีที่สุดหรือการทำนายที่แม่นยำ ส่วนใหญ่จะใช้เป็น machine learning ในการทำนาย ซึ่งกว่าจะได้ model ที่ดีออกมานั้น ก็ต้องผ่านการทดลองการ tune parameters ต่างๆมากมาย
• Software Engineering: เรารู้แล้วว่าเราจะทำอะไร มี requirement และ scope ที่ชัดเจน ทำให้สามารถ focus ที่การ implement system/solution ได้เต็มที่ การ implement ส่วนใหญ่ก็จะใช้เป็น rule-based ซึ่ง rule-based ก็คือการเขียนเงื่อนไขนั่นเอง เช่น ถ้าคะแนนมากกว่า 80 ได้เกรด A เป็นต้น

สรุปสั้นๆก็คือ สำหรับ Data Science เราจะ focusในการ explore และ analyze data กันก่อน แล้วก็จะไม่ใช่ code-oriented มาก เน้นพวก data กับ math แต่ Software Engineering จะ focus ในการ implementation เป็นหลัก แล้วก็ code-oriented สุดๆ ส่วน part data กับ math ก็จะได้แตะน้อยกว่า Data Science นั่นเอง!

มาถึงตรงนี้ เรามีตัวอย่าง use case จาก ACoP มาแชร์ให้ทุกคนกัน เชื่อว่าทุกคนจะเห็นภาพความต่างของ Data Science กับ Software Engineering มากขึ้นแน่นอน

หนึ่งใน use case ที่เราจะมาแชร์ก็คือ Marine Container Forecast case นี้คือ เราต้องการ forecast จำนวน container ในแต่ละเดือนที่ต้องใช้ ก่อนที่เราจะนำ Data Science มาใช้กับ case นี้ การ forecast จำนวน container ในแต่ละเดือน จะได้จากการเอา historical data มาหาค่าเฉลี่ยกัน ซึ่งมันก็จะเป็นแนว Software Engineering ก็คือใช้ rule-based นั่นเอง ความแม่นยำจะไม่สูงมากนัก แต่!!! ตอนนี้เรากำลังนำเอา Data Science มาใช้กับ case นี้ โดยทาง ACoP ก็ได้ทำการ explore data และใช้ Machine Learning ในการ forecast เพื่อให้ได้ผลลัพธ์ที่แม่นยำมากขึ้น ซึ่งจะสามารถช่วยในการลดค่าใช้จ่ายในการจอง container ของ business ได้ :)

สุดท้ายนี้ ถ้าใครสนใจว่าพวกเรานำ Data Science มาใช้กับ Marine Container Forecast ยังไง แบบฉบับเจาะลึก ก็สามารถรอติดตามได้ในบทความต่อไปของพวกเราน้า รับรองว่าเจาะลึก เหมือนมานั่งทำ case ด้วยกันเลย!

References:

• Difference between Artificial intelligence and Machine learning — Javatpoint
• Data Science vs. Machine Learning vs. AI (cleveroad.com)
• Machine Learning, Data Science and Artificial Intelligence | by Walid Hadri | Geek Culture | Medium
• What’s the difference between Data science vs ML vs AI? (re-work.co)
• Data Science vs Software Engineering (datascience-pm.com)
• Tesla Is Now Beta-Testing ‘Full Self Driving’ in Real-World Traffic (autoweek.com)