ไอ มล ดล!!!!!!!! คำศัพท์เหล่านี้คืออะไร? ทำไมทอล์กออฟเดอะทาวน์เกี่ยวกับคำย่อเหล่านี้? บ่อยครั้งที่ผู้คนใช้ปัญญาประดิษฐ์ (AI) การเรียนรู้ของเครื่อง (ML) และการเรียนรู้เชิงลึก (DL) แทนกันได้ พวกเขาเหมือนกันหรือแตกต่างกันอย่างสิ้นเชิง หรือมีความสัมพันธ์ระหว่างพวกเขาหรือไม่? เราจะตอบคำถามทั้งหมดของคุณที่นี่และพยายามทำความเข้าใจคำศัพท์แต่ละคำด้วยวิธีที่ง่ายที่สุดเท่าที่จะเป็นไปได้

ดังที่แสดงในแผนภาพเวนน์ด้านบน AI เป็นคำที่ใช้ร่วมกัน เป็น superset ที่ประกอบด้วย ML และ DL เป็นส่วนย่อย AI มีหลายสาขาดังแสดงในรูปถัดไป (รูปที่ 2)

แต่ AI คืออะไรกันแน่?

หากเราพยายามอธิบายให้คนธรรมดาเข้าใจว่า “ปัญญาประดิษฐ์” ประกอบด้วยคำสองคำที่แตกต่างกัน ได้แก่ ปัญญาประดิษฐ์และปัญญา ซึ่งสะท้อนแนวคิดของมันได้เป็นอย่างดี เรากำลังพยายามเลียนแบบความฉลาดของสมองมนุษย์ผ่าน AI เพื่อทำให้งานประจำวันและงานที่น่าเบื่อเป็นไปโดยอัตโนมัติ (ไม่ว่าจะเป็นการทำนายเซลล์ที่ไม่เป็นอันตรายหรืออันตราย หรือการใช้แชทบอทเพื่อสั่งการออนไลน์หรือเซ็นเซอร์กิจกรรม) นักวิจัยได้เกิดแนวคิดของ AI

สำหรับตอนนี้ เราจะมุ่งเน้นไปที่สาขา “ML” ของ AI

การเรียนรู้ของเครื่อง (มล.)

ML เป็นแขนงหนึ่งของ AI ที่คาดการณ์ผลลัพธ์โดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน เรียนรู้จากข้อมูลแล้วทำนายผลลัพธ์ของข้อมูลที่มองไม่เห็น

การเรียนรู้ของเครื่องมีสามประเภทหลัก:

1. การเรียนรู้ภายใต้การดูแล:ในการเรียนรู้ภายใต้การดูแล เรามีชุดข้อมูลที่มีป้ายกำกับเพื่อฝึกอัลกอริทึม เราแบ่งชุดข้อมูลออกเป็นชุดฝึกอบรมและชุดทดสอบ โดยทั่วไปจะแบ่งชุดข้อมูลออกเป็น 80% และ 20% กล่าวคือ 80 เปอร์เซ็นต์ของข้อมูลจะใช้ในการฝึกอบรม และอีก 20 เปอร์เซ็นต์ที่เหลือจะใช้ในการทดสอบ อาจมีการแยกส่วนอื่นๆ ของข้อมูลได้เช่นกัน เช่น 75% และ 25% เป็นต้น เราพยายามฝึกอัลกอริทึมในส่วนข้อมูลขนาดใหญ่เสมอ ให้เราพยายามทำความเข้าใจเพิ่มเติมผ่านตัวอย่าง: สมมติว่าเรามีชุดข้อมูลดังนี้:

2. Unsupervised Learning:ใน ML ประเภทนี้จะใช้ข้อมูลที่ไม่มีป้ายกำกับ อัลกอริทึมจะวิเคราะห์และจัดกลุ่มชุดข้อมูลที่ไม่มีป้ายกำกับ อัลกอริทึมระบุรูปแบบที่ซ่อนอยู่ในข้อมูล เราสามารถเห็นได้จากรูปที่ 4 จุดข้อมูลแบ่งออกเป็นสามกลุ่มที่แสดงด้วยจุดสีน้ำเงิน สีส้ม และสีเขียว มีอัลกอริทึมการจัดกลุ่มที่หลากหลาย หนึ่งในสิ่งที่ได้รับความนิยมคืออัลกอริทึมการจัดกลุ่ม K-mean การคาดคะเนใน ML ประเภทนี้ขึ้นอยู่กับคลัสเตอร์ที่เป็นของจุดข้อมูล มีแนวทางอื่นๆ ในการเรียนรู้แบบไม่มีผู้สอน ซึ่งได้แก่ กฎของสมาคมและการลดขนาด

3. การเรียนรู้การเสริมแรง:ในการเรียนรู้ประเภทนี้ ตัวแทนการเสริมแรงเรียนรู้จากประสบการณ์ มันทำการกระทำและเห็นผลลัพธ์ของการกระทำ หากผลลัพธ์ออกมาดี ให้ข้อเสนอแนะในเชิงบวก และให้ข้อเสนอแนะเชิงลบหรือบทลงโทษสำหรับทุกผลลัพธ์ที่ไม่ดี ดังนั้น ตัวแทนจึงเรียนรู้จากคำติชมเหล่านี้ การเรียนรู้ประเภทนี้ใช้ในการตัดสินใจตามลำดับ เช่น การเล่นเกม เช่น หมากรุก ตัวอย่างเช่นAlphaGoขึ้นอยู่กับการเรียนรู้แบบเสริมแรง ด้วยความช่วยเหลือของ RL ทำให้กลายเป็นโปรแกรมคอมพิวเตอร์โปรแกรมแรกที่เอาชนะผู้เล่นมืออาชีพที่เป็นมนุษย์ได้ และด้วยเหตุนี้จึงกลายเป็นผู้เล่นโกะที่แข็งแกร่งที่สุดในประวัติศาสตร์

การเรียนรู้เชิงลึก (DL)

การเรียนรู้เชิงลึกเป็นส่วนย่อยของ ML ที่ได้รับแรงบันดาลใจจากเซลล์ประสาทในสมองของมนุษย์ มันทำงานบนโครงข่ายประสาทเทียม DL ใช้โครงสร้างแบบชั้นของโหนดที่เชื่อมต่อกัน (เซลล์ประสาทในสมองมนุษย์) จำนวนชั้นของโหนดที่เชื่อมต่อกันเรียกว่าความลึก อัลกอริทึมการเรียนรู้เชิงลึกควรมีมากกว่าสามเลเยอร์ ต่อไปนี้เป็นแผนภาพแสดงโครงข่ายประสาทเทียมระดับลึก

Deep Learning ถูกนำมาใช้อย่างกว้างขวางในการจดจำรูปภาพ การแปลคำพูดเป็นข้อความ ฯลฯ

ฉันหวังว่าบทความนี้จะสามารถช่วยให้คุณมีแนวคิดที่ชัดเจนขึ้นเกี่ยวกับ AI, ML และ DL

เรียนรู้ต่อไป! พยายามต่อไป! เติบโตต่อไป! :)