Machine Learning คืออะไร?
ความก้าวหน้าของเทคโนโลยีปัญญาประดิษฐ์ หรือ AI ทำให้เราอยู่ตรงจุดหัวเลี้ยวหัวต่อของการปรับเปลี่ยนครั้งใหญ่ ทั้งในแง่ของการดำรงชีวิต ตลอดจนการดำเนินธุรกิจ
ศาสตร์หนึ่งที่สร้างความเปลี่ยนแปลงให้กับเทคโนโลยีปัญญาประดิษฐ์และกำลังได้รับความสนใจเป็นอย่างสูงก็คือ “Machine Learning (การเรียนรู้ของเครื่อง)”
Machine Learning หรือ การเรียนรู้ของเครื่อง เป็นสาขาหนึ่งของปัญญาประดิษฐ์ (Artificial intelligence หรือ AI)
โดยจุดประสงค์หลักของสาขาวิชาปัญญาประดิษฐ์ก็คือ การพัฒนาระบบให้มีความฉลาดและความสามารถเทียบเท่าหรือมากกว่ามนุษย์ เช่น ด้านความเข้าใจในภาษา เสียงพูด การมองเห็น การใช้เหตุผลและการวางแผน เป็นต้น
และการที่จะพัฒนาให้ระบบมีความฉลาดและความสามารถ ระบบจำเป็นที่จะต้องมีการเรียนรู้ (Learning) สถานการณ์ เพื่อที่จะได้วางแผนและตัดสินใจแก้ปัญหาได้เหมือนกับมนุษย์ เราเรียกกระบวนการนี้ว่า “การเรียนรู้ของเครื่อง (Machine Learning)”
คำนิยามของ Machine Learning
Machine Learning มีนิยามที่หลากหลาย แต่ผมจะขอยกคำนิยามที่ถูกอ้างถึงอยู่บ่อยๆ เลยก็คือ
Machine Learning is the field of study that gives computers the ability to learn without being explicitly programmed.
— Arthur Samuel, 1959
Arthur Samuel (อาเธอร์ ซามูเอล) นักวิทยาศาสตร์คอมพิวเตอร์ชาวอเมริกันผู้เชี่ยวชาญด้านเกมคอมพิวเตอร์ ปัญญาประดิษฐ์ และการเรียนรู้ของเครื่อง
เป็นผู้ที่ประดิษฐ์คำว่า “Machine Learning” ขึ้นมาเป็นครั้งแรก[1] โดยเขาให้นิยามว่า
Machine Learning เป็นศาสตร์หนึ่งที่มุ่งเน้นศึกษาการทำให้คอมพิวเตอร์มีความสามารถที่จะเรียนรู้ได้โดยไม่ต้องเขียนโปรแกรมกำกับไว้อย่างชัดเจน
และอีกคำนิยามหนึ่งที่เป็นการนิยามการเรียนรู้ของเครื่องจักรในแง่ของการดำเนินการมากกว่าในแง่ของความรู้สึกนึกคิด
A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.
— Tom Mitchell, 1977
Tom Mitchell (ทอม มิตเชลล์) นักวิทยาศาสตร์คอมพิวเตอร์ชาวอเมริกันและเป็นศาสตราจารย์ประจำภาควิชา Machine Learning ที่ Carnegie Mellon University
เราจะเรียกคอมพิวเตอร์โปรแกรมว่าได้เรียนรู้จากประสบการณ์ E เพื่อทำงาน T ได้โดยมีประสิทธิผล P เมื่อโปรแกรมนั้นสามารถทำงาน T ที่วัดผลด้วย P แล้วพัฒนาขึ้นจากประสบการณ์ E
ตัวอย่างเช่น ระบบป้องกันสแปมเมล (Spam mail) เป็นโปรแกรม Machine Learning ที่เรียนรู้จากตัวอย่างอีเมลที่เป็นสแปมเมล โดยเรียนรู้จากผู้ใช้เป็นคนทำเครื่องหมายสแปม โดยข้อมูลตัวอย่างที่ระบบใช้เรียนรู้นั้น เรียกว่า “training set (ชุดฝึกสอน)” และแต่ละชุดข้อมูลตัวอย่างเรียกว่า “training instance หรือ sample”
จากระบบป้องกันสแปมเมล งาน T คือการทำเครื่องหมายว่าอีเมลที่เข้ามานั้น เป็นสแปมหรือไม่เป็นสแปม โดยที่ประสบการณ์ E คือข้อมูลสำหรับใช้สอน (training data) และตัววัดประสิทธิภาพ P คือผลการแยกแยะได้อย่างถูกต้องว่าอีเมลอันไหนเป็นสแปมหรือไม่เป็นสแปม ในที่นี้คือ “accuracy หรือ ค่าความถูกต้องแม่นยำ”
และถ้าหากเราดาวน์โหลดข้อมูลมาจากวิกิพีเดียมาเก็บไว้ในคอมพิวเตอร์ โดยไม่เกิดงานใดๆ ขึ้นและไม่ทำให้เครื่องคอมพิวเตอร์ของเราฉลาดขึ้น เราจะไม่เรียกว่า Machine Learning
References
[1] Samuel, Arthur L. (1959). “Some Studies in Machine Learning Using the Game of Checkers”. IBM Journal of Research and Development. 44: 206–226. CiteSeerX 10.1.1.368.2254. doi:10.1147/rd.441.0206
