แมชชีนเลิร์นนิงกับปัญญาประดิษฐ์

แมชชีนเลิร์นนิงกับปัญญาประดิษฐ์

ขณะนี้ทั้งโลกอยู่ภายใต้การล็อคดาวน์เนื่องจากการระบาดของ COVID-19 โรงเรียน วิทยาลัย และแม้กระทั่งสำนักงานต่างๆ ถูกปิดตัวลงเพื่อหลีกเลี่ยงการแพร่กระจายของไวรัสเพิ่มเติม หากคุณเคยต้องการเพิ่มพูนทักษะให้กับตัวเองด้วยเทคโนโลยีใหม่ๆ หรือต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับเทคโนโลยีเหล่านี้ นี่เป็นเวลาที่ดีที่สุด

Say Machine Learning (ML) และ Artificial Intelligence (AI) เป็นหนึ่งในทักษะหรือเทคโนโลยีที่คุณต้องการสำรวจ แสดงว่าคุณมาถูกที่แล้ว มี หลักสูตร AI และ Machine Learning มากมายในเวิลด์ไวด์เว็บที่จัดทำโดยสถาบันฝึกอบรมออนไลน์หลายแห่ง ต่างจากคนส่วนใหญ่ เราจะพูดถึงพื้นฐานของ ML และ AI ในแง่คนธรรมดาส่วนใหญ่ เราจะพูดถึงความแตกต่างหลายประการระหว่างทั้งสองในส่วนสรุป เพื่อไม่ให้เป็นการเสียเวลา เรามาเริ่มกันเลยดีกว่า

ปัญญาประดิษฐ์ (AI):

หากคุณเคยดูหนังเรื่อง Iron-Man มาก่อน หรือใช้สมาร์ทโฟนที่ทันสมัยพอสมควร คุณอาจเคยได้ยินเรื่องปัญญาประดิษฐ์ (AI) มาก่อน เพื่อให้คุณได้ทบทวนความจำ JARVIS ในภาพยนตร์ไอรอนแมนคือ AI นอกจากนี้ Google Assistant ในอุปกรณ์ Android หรือ Siri ในอุปกรณ์ Apple ของคุณ ซึ่งเราทุกคนรู้ เป็นตัวอย่างที่ดีที่สุดที่เราคิดได้เกี่ยวกับปัญญาประดิษฐ์ อย่างไรก็ตาม ปัญญาประดิษฐ์เป็นมากกว่าผู้ช่วยของคุณ

ให้เราพิจารณาตามคำจำกัดความจริง ๆ เพื่อทำความเข้าใจว่าปัญญาประดิษฐ์คืออะไร:

“ วิทยาการคอมพิวเตอร์กำหนดการวิจัยปัญญาประดิษฐ์ว่าเป็นการเรียนรู้ของ “ ตัวแทนอัจฉริยะ ”: อุปกรณ์ใด ๆ ที่ปรับให้เข้ากับสภาพแวดล้อมและดำเนินการที่จำเป็นซึ่งเพิ่มโอกาสในการบรรลุเป้าหมายได้สำเร็จ คำจำกัดความที่มีรายละเอียดมากขึ้นอธิบายว่า AI เป็น "ความสามารถของระบบในการทำความเข้าใจข้อมูลที่ได้รับจากตัวแทนภายนอกอย่างถูกต้อง เรียนรู้จากข้อมูลดังกล่าว และใช้การเรียนรู้เหล่านั้นเพื่อให้บรรลุเป้าหมายและงานที่เฉพาะเจาะจงผ่านการปรับตัวที่ยืดหยุ่น"

ในแง่ของฆราวาส AI เป็นระบบที่สร้างขึ้นโดยเทียมซึ่งพยายามเลียนแบบพฤติกรรมและการกระทำของมนุษย์ โดยเฉพาะอย่างยิ่งในขณะที่แก้ปัญหาที่ซับซ้อน เช่น การจำแนกแมวและสุนัขตามภาพ การจดจำใบหน้า การวิจัยยาทางการแพทย์ การสร้างดนตรี ฯลฯ

หลักสูตร AI และ Machine Learning ส่วนใหญ่ ไม่แนะนำให้เรารู้จักระบบ AI การเรียนรู้สามประเภทต่อไปนี้:

• AI ที่ แคบ (AI ที่อ่อนแอ) : ปัจจุบัน แอปพลิเคชั่นโฆษณาและ AI ทั้งหมดอยู่ที่นี่แล้ว มันคือระบบปัญญาประดิษฐ์ที่สามารถทำงานเฉพาะอย่างหรือดีกว่าที่มนุษย์ทำ โดยทั่วไปแล้วจะไม่สามารถสัมผัสได้ถึงความรู้สึกตัว เช่น ระบบตรวจจับใบหน้าในโซเชียลมีเดีย การจดจำวัตถุและรูปร่าง AI ในเกม เป็นต้น
• AI ทั่วไป (Strong AI) : เป็นระบบ AI ที่เข้าสู่สภาวะทั่วไปที่สามารถขับเคลื่อนงานทางปัญญาใด ๆ ที่มีระดับความแม่นยำเท่ากับของมนุษย์ สามารถสัมผัสได้ถึงความมีสติสัมปชัญญะ
• Super AI (Theoretical AI) : เป็นระบบ AI ที่เหนือกว่าความฉลาดของมนุษย์ในทุกด้าน มันสามารถเอาชนะมนุษย์ที่ฉลาดที่สุดได้ คนส่วนใหญ่กังวลเกี่ยวกับ AI ประเภทนี้ ใบหน้าที่มีชื่อเสียงอย่าง Elon Musk รู้สึกว่าระบบ AI เหล่านี้น่าจะนำไปสู่การสูญพันธุ์ของมนุษย์

เพื่อสรุปส่วน AI :

เป็นสาขากว้างของวิทยาการคอมพิวเตอร์ที่ช่วยให้เครื่องจักรมีความฉลาดเหมือนมนุษย์ งาน AI ส่วนใหญ่ดำเนินการอยู่ในหมวด "Narrow AI" เรายังห่างไกลจากการสร้าง General หรือ Super AI

การเรียนรู้ของเครื่อง (ML):

หากคุณกำลังติดตามประกาศล่าสุดจากยักษ์ใหญ่ด้านเทคโนโลยีรายใหญ่ ๆ คุณจะเคยได้ยินคำนี้ เช่นเดียวกับที่ Microsoft เพิ่งประกาศงานเกี่ยวกับคุณลักษณะ "FIND" ที่ปรับปรุงแล้วใน MS-Word ซึ่งตอนนี้ใช้ ML เพื่อค้นหาคำที่ต้องการ แม้ว่าคุณจะพิมพ์ผิดในกล่องข้อความค้นหา ("Ctrl + F")

ให้เราผ่านคำจำกัดความก่อน:

“ แมชชีนเลิร์นนิงคือการศึกษาอย่างละเอียดเกี่ยวกับอัลกอริทึมของคอมพิวเตอร์ที่ปรับโดยอัตโนมัติผ่านประสบการณ์ “

เป็นส่วนหนึ่งของ AI ช่วยให้ระบบเรียนรู้และปรับปรุงจากประสบการณ์โดยอัตโนมัติโดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน มันเกิดขึ้นเพราะ ML อาศัยชุดอัลกอริธึมที่ซับซ้อนรวมถึงข้อมูลที่มีโครงสร้างและทำความสะอาดด้วยป้ายกำกับ (ส่วนใหญ่ ) ระบบ ML พยายามเรียนรู้ความสัมพันธ์ระหว่างคุณลักษณะ (คอลัมน์หรือแอตทริบิวต์หรือข้อมูลที่จำเป็น) ของข้อมูล ข้อมูลนี้มอบให้กับโมเดล ML โดยคุณ

ความเข้าใจพื้นฐานคือการใช้คุณลักษณะที่จำเป็นและความสัมพันธ์กับป้ายกำกับเพื่อหาวิธีแก้ปัญหาของงาน โดยการเรียนรู้ความสัมพันธ์ จะระบุรูปแบบ ลักษณะโดยธรรมชาติของข้อมูล และค่าของข้อมูลส่งผลต่อชื่ออย่างไร ขึ้นอยู่กับสิ่งที่เข้าใจจากการแยกวิเคราะห์ข้อมูล จะทำการตัดสินใจอย่างมีข้อมูลโดยใช้อัลกอริธึมต่างๆ โมเดลนี้ได้รับการฝึกอบรมเกี่ยวกับข้อมูลที่ใช้ในการฝึกอบรม ตรวจสอบประสิทธิภาพและความถูกต้องของข้อมูลการตรวจสอบ และทดสอบกับข้อมูลการทดสอบ

ระบบ ML ซึ่งแตกต่างจากวิธีการทั่วไป ไม่ต้องการตรรกะที่เข้ารหัสอย่างชัดเจนสำหรับโซลูชัน ตัวอย่างเช่น แทนที่โปรแกรมเมอร์จะฮาร์ดโค้ดสูตร/วิทยานิพนธ์เพื่อคาดการณ์ยอดขาย ตัวแบบเองจะเรียนรู้ปรัชญาตามรูปแบบและความสัมพันธ์ที่ซึมซับได้ในระหว่างขั้นตอนการฝึกอบรม อัลกอริธึม ML มีสามประเภท:

• Supervised Learning : ที่นี่ ข้อมูลการฝึกอบรมประกอบด้วยป้ายกำกับ ทำหน้าที่เป็นผู้ควบคุมดูแลโมเดล ML จึงตั้งชื่อว่าการเรียนรู้แบบมีผู้ดูแล เช่น การถดถอยเชิงเส้น ต้นไม้ตัดสินใจ เป็นต้น
• Unsupervised Learning : ที่นี่ ข้อมูลการฝึกอบรมไม่มีป้ายกำกับ แต่โมเดล ML จะค้นหารูปแบบและแยกคุณลักษณะที่เป็นประโยชน์ด้วยตัวเองตามข้อมูล เรียกว่า Unsupervised Learning เนื่องจากไม่มีผู้บังคับบัญชา โดยทั่วไปจะใช้สำหรับการจัดกลุ่ม เช่น การจัดกลุ่ม K-Means การเชื่อมโยง ฯลฯ
• Reinforcement Learning : หลักสูตร AI และ Machine Learning ส่วนใหญ่ ไม่ค่อยบอกอะไรเกี่ยวกับประเภทนี้มากนัก แนวคิดหลักคือการให้รางวัลแก่ตัวแทนสำหรับการดำเนินการที่ถูกต้อง นอกจากนี้ ให้ลงโทษพวกเขาสำหรับทุกๆ ขั้นตอนที่ไม่ถูกต้อง ปฏิบัติตามแนวทางการลองผิดลองถูก เช่นเดียวกับเกม เช่น Q-Learning

แอปพลิเคชันทั่วไปของ ML ประกอบด้วย – การคาดคะเนการขาย การคาดการณ์ การตรวจจับการฉ้อโกง ฯลฯ

สรุป AI กับ ML

AI

• เลียนแบบสติปัญญาหรือพฤติกรรมของมนุษย์
• คำที่กว้างขึ้น
• ยังคงเป็นสาขาการวิจัย
• ปัจจุบันมีการดำเนินการ ในหลายภาคส่วน และการพัฒนาผลิตภัณฑ์

ML

• เป็นเทคนิคที่ช่วยให้คอมพิวเตอร์เรียนรู้จากข้อมูลที่มีอยู่
• แอปพลิเคชัน ML ส่วนใหญ่มีการใช้งานแล้วในหลายภาคส่วนและการพัฒนาผลิตภัณฑ์

ดังนั้น ขณะเลือก หลักสูตร AI และ Machine Learning ให้ตรวจสอบว่าหัวข้อเหล่านี้ครอบคลุมทั้งหมดหรือไม่