Artificial Intelligence, Machine Learning, และ Deep Learning แตกต่างกันอย่างไร?
บทความนี้ผมอ้างอิงมาจาก NVIDIA Blog “What’s the Difference Between Artificial Intelligence, Machine Learning, and Deep Learning?” เขียนโดย Michael Copeland ซึ่งน่าจะอธิบายความแตกต่างระหว่าง Artificial Intelligence, Machine Learning และ Deep Learning ได้อย่างชัดเจนที่สุด
บางเวลาในอีก 30 ปีข้างหน้า อย่างเงียบๆ วันหนึ่งเราจะไม่เป็นสิ่งที่ฉลาดที่สุดบนโลกนี้อีกต่อไป
ผมหยิบคำกล่าวของเจมส์ แมคอาเลียร์ มาขึ้นต้นบนความนี้ เนื่องจากทำให้ผมสะดุดใจและเกิดคำถามตามมาว่า
“แล้วอะไรล่ะ ที่จะฉลาดที่สุดในอีก 30 ปีข้างหน้า?”
คำตอบที่ได้คงหนีไม่พ้น Artificial Intelligence (AI) หรือปัญญาประดิษฐ์ ที่กลายเป็นหนึ่งในหัวข้อที่ทำให้ผู้คนต่างหันมาสนใจก็ด้วยสาเหตุที่ข่าวตามสื่อต่างๆ ได้รายงานถึง AlphaGo ระบบปัญญาประดิษฐ์ที่พัฒนาโดย Google DeepMind สามารถเอาชนะมนุษย์มือโปรในการแข่งขันหมากล้อมได้แบบราบคาบเป็นครั้งแรกของโลก
สำหรับผู้ที่เริ่มต้นศึกษาหรือสนใจทางด้าน AI ก็มักจะได้ยินคำศัพท์ทางเทคนิคที่พรั่งพรูออกมามากมายจนทำให้เกิดความสับสน จนบางครั้งอาจเกิดความสับสนหรือไม่รู้จะเริ่มต้นศึกษาที่ตรงไหนดี
เรามาเริ่มต้นกันที่ “ความแตกต่างระหว่าง Artificial Intelligence (AI), Machine Learning (ML) และ Deep Learning (DL)” กันก่อนดีกว่าครับ
Artificial Intelligence—Human Intelligence Exhibited by Machines
การพัฒนาให้เครื่องจักรมีทักษะและความสามารถเหมือนมนุษย์เฉกเช่น การมองเห็น การพูด การตัดสินใจ ความรู้สึกนึกคิด เป็นต้น เกิดจากจิตนาการและความฝันอันยิ่งใหญ่ของมนุษยชาติ
ย้อนกลับไปในปี 1956 ในการประชุม “Dartmouth Conferences” ได้ถือกำเนิดคำว่า “Artificial Intelligence” ที่มีความหมายถึงการสร้างเครื่องจักรที่มีความซับซ้อน โดยมีคุณลักษณะทางด้านสติปัญญาและความฉลาดคล้ายคลึงกับมนุษย์ หรือมีความสามารถมากกว่ามนุษย์ ด้วยแนวคิดนี้เราจึงเรียกมันว่า “General AI”
(หากแบ่งตามความสามารถของ AI จะสามารถแบ่งได้เป็น 3 ระดับ คือ Artificial Narrow Intelligence (ANI), Artificial General Intelligence (AGI) และ Artificial Superintelligence (ASI) ไว้บทความหน้าผมจะอธิบายถึงความแตกต่างทั้ง 3 ระดับนี้)
John McCarthy ได้ส่งคำเชิญไปยังนักวิจัยที่เป็นผู้นำในแต่ละสาขา เช่น Complexity theory, Language simulation, Neuron nets, Learning machines เป็นต้น เพื่อที่จะพูดคุยและถกปัญหา รวมถึงวางรากฐานวิสัยทัศน์อันยิ่งใหญ่ที่มีความทะเยอทะยานให้กับมนุษยชาติ
ดังนั้นในมุมของ Artificial Intelligence จะหมายถึง เครื่องจักรกลหรือระบบที่มีคุณลักษณะและความสามารถที่เหมือนหรือเหนือมนุษย์ ทั้งในแง่ สติปัญญา ความสามารถที่มนุษย์สามารถทำได้ ความคิดเชิงเหตุและผล รวมทั้งความคิดเชิงสร้างสรรค์ และทักษะทางสังคม เป็นต้น
Machine Learning—An Approach to Achieve Artificial Intelligence
ในการพัฒนาให้เครื่องจักรสามารถทำงานได้ดีเพียงอย่างใดอย่างหนึ่งหรืองานที่จำเพาะเจาะจง ซึ่งความสามารถระดับนี้จะเป็น AI ในระดับที่เรียกว่า “Narrow AI”
โดย Narrow AI จะมีความสามารถที่เทียบเท่าหรือเหนือกว่ามนุษย์ในด้านใดด้านหนึ่งโดยเฉพาะ เช่น การแยกแยะรูปภาพ การแปลภาษา การจดจำใบหน้า เป็นต้น
Machine Laarning เป็นการใช้อัลกอริทึมในการแยกแยะและวิเคราะห์ข้อมูล เรียนรู้จากข้อมูลนั้น เพื่อสร้างโมเดลในการตัดสินใจหรือคาดการณ์เกี่ยวกับบางสิ่งบางอย่าง แทนที่จะเขียนโค้ดเป็นชุดคำสั่งให้ปฏิบัติตามขั้นตอนที่กำหนดไว้ แต่จะใช้การ “เทรนด์” โดยใช้ชุดข้อมูลขนาดใหญ่ในการเรียนรู้ที่จะปฏิบัติงานนั้นๆ
การที่จะสอนให้เครื่องคอมพิวเตอร์สามารถเรียนรู้ได้นั้นก็มีเทคนิคต่างๆ มากมาย เช่น Supervised Learning, Unsupervised Learning, Reinforcement Learning หรือ Artificial Neuron Networks เป็นต้น และหนึ่งในเทคนิคที่ถูกพูดถึงกันเป็นอย่างมาก ก็คือ “Deep Learning”
Deep Learning — A Technique for Implementing Machine Learning
Artificial Neural Networks (ANN) เป็นเทคนิคที่เลียนแบบการทำงานของสมองมนุษย์ ซึ่งประกอบด้วยเซลล์ประสาท (Neuron) และแต่ละเซลล์จะถูกเชื่องโยงกันเป็นโครงข่าย ซึ่งในซอฟต์แวร์ Neuron จะเรียกว่า “โหนด (Node)” และแต่ละโหนดจะถูกแบ่งออกเป็นชั้น (Layer)
โดยหลักการของ Deep Learning ก็จะเป็น ANN ที่มีโหนดหลายๆชั้น (สามารถอ่านเพิ่มเติมได้ในบทความ Deep Learning คืออะไร) และใช้การประมวลผลแบบขนาน (Paraleel Processing) ทำให้สามารถประมวลผลได้ครั้งละจำนวนมาก ช่วยให้การเรียนรู้ของเครื่องสามารถให้ผลลัพธ์ในการตัดสินใจและคาดการณ์ได้ดีมากยิ่งขึ้น
หากจะอุปมาอุปไมยคำทั้งสามคำนี้กับร่างกายมนุษย์ ก็คงจะเทียบได้ว่า
Artificial Intelligence เหมือนกับร่างกาย ที่ประกอบไปด้วยสติปัญญา การใช้เหตุผล การสื่อสาร อารมณ์และความรู้สึก ทักษะความคิดสร้างสรรค์ อวัยวะรับสัมผัส เช่น ตา หู จมูก ลิ้น ผิว หนัง เป็นต้น ประกอบขึ้นเป็นหน่วยเดียว เช่นเดียวกับมนุษย์สามารถทำได้หรือทำได้เหนือกว่า
Machine Learning เปรียบเหมือนระบบฯหนึ่ง ที่ทำหน้าที่ในร่างกายโดยเฉพาะ เช่น ระบบการมองเห็น ที่สามารถทำการรับรู้ด้วยการเห็นและทำให้เกิดการตอบสนองเนื่องด้วยข้อมูลทางตา เป็นต้น
และ Deep Learning เปรียบได้กับกลไกการสร้างสัญญาณการเห็น ที่ประกอบไปด้วยหน่วยเซลล์ต่างๆ เช่น ในเรตินาที่ทำหน้าที่เป็นตัวรับและแปลสัญญาณแสงให้กลายเป็นสัญญาณประสาทหรือกระแสประสาท ซึ่งในเรตินาจะประกอบไปด้วย เซลล์รูปแท่ง (rod cell) และเซลล์รูปกรวย (cone cell) เซลล์รูปแท่งทำงานในที่มีแสงสลัวและทำให้เกิดการเห็นเป็นรูปขาวดำ ส่วนเซลล์รูปกรวยทำให้เกิดการเห็นในช่วงกลางวันเป็นรูปสี เป็นต้น
แต่ใน Deep Learning จะเปรียบเสมือน black box ที่รู้ผลลัพธ์ แต่ไม่รู้ว่าอะไรคือเหตุของผลลัพธ์หรือกล่าวได้ว่าเราไม่รู้ถึงการได้มาของผลลัพธ์นั่นเอง
Artificial Intelligence > Machine Learning > Deep Learning
จะเห็นได้ว่า เรายังคงห่างไกลกับ AI ในจิตนาการที่เราคาดหวังเอาไว้ แต่ Machine Learning และ Deep Learning จะเป็นศาสตร์หนึ่งที่ช่วยขับเคลื่อนให้เราเข้าใกล้ความฝันที่ยิ่งใหญ่ที่มนุษยชาติใฝ่ฝันถึง
