ดีพเลิร์นนิง与แมชชีนเลิร์นนิง:เข้าใจความแตกต่างด้วยวิธีง่ายๆ

การทำความเข้าใจความก้าวหน้าล่าสุดในปัญญาประดิษฐ์(AI)นั้นอาจชวนให้หัวหมุนแต่ถ้าการเรียนรู้ด้านพื้นฐานเป็นสิ่งที่คุณสนใจคุณจะมองนวัตกรรมAIต่างๆได้เป็น2คอนเซปต์นั่นคือแมชชีนเลิร์นนิงและดีพเลิร์นนิงคำเหล่านี้ดูเหมือนเป็นศัพท์สูงสุดฮิตที่ใช้สลับสับเปลี่ยนกันได้จึงจำเป็นต้องทำความเข้าใจในข้อแตกต่าง

และเราควรรู้ความแตกต่างเหล่านั้นเพราะตัวอย่างของแมชชีนเลิร์นนิงและดีพเลิร์นนิงมีอยู่ทุกที่เป็นวิธีที่Netflixรู้ว่ารายการใดที่คุณอยากจะดูต่อไปการที่Facebookรู้ว่าใบหน้าใครอยู่ในรูปการที่รถแบบขับเคลื่อนอัตโนมัติเกิดขึ้นจริงและการที่ตัวแทนบริการลูกค้าจะรู้ว่าคุณจะพึงพอใจกับการช่วยเหลือและบริการหรือไม่ก่อนที่คุณจะตอบแบบสำรวจความพึงพอใจลูกค้าเสียด้วยซ้ำ

แล้วคอนเซปต์เหล่านี้ที่เป็นประเด็นสำคัญในบทสนทนาเกี่ยวกับปัญญาประดิษฐ์คืออะไรและที่จริงแตกต่างกันอย่างไร

ดีพเลิร์นนิงvs.แมชชีนเลิร์นนิง

ข้อควรรู้ที่จำได้ง่ายที่สุดจากการเข้าใจความแตกต่างของดีพเลิร์นนิงและแมชชีนเลิร์นนิงคือรู้ว่าดีพเลิร์นนิงก็คือแมชชีนเลิร์นนิง

หรืออธิบายโดยเจาะจงก็คือดีพเลิร์นนิงถือว่าเป็นวิวัฒนาการของแมชชีนเลิร์นนิงโดยจะใช้โครงข่ายประสาทเทียมที่สามารถโปรแกรมได้ทำให้เครื่องกลตัดสินใจที่แม่นยำโดยไม่มีมนุษย์ช่วย

แต่สำหรับมือใหม่นั้นมานิยามคำว่า”แมชชีนเลิร์นนิง”กันก่อน

แมชชีนเลิร์นนิงคืออะไร

แมชชีนเลิร์นนิงคือการประยุกต์ใช้AIที่มีอัลกอริธึมแจงส่วนข้อมูลเรียนรู้จากข้อมูลเหล่านั้นแล้วตัดสินใจโดยมีข้อมูลประกอบซึ่งได้จากสิ่งที่เรียนรู้

ตัวอย่างง่ายๆของอัลกอริธึมของแมชชีนเลิร์นนิงก็คือบริการสตรีมมิ่งเพลงแบบออนดีมานด์สำหรับการให้บริการที่ช่วยตัดสินใจว่าเพลงไหนหรือศิลปินคนใดที่จะแนะนำให้กับผู้ฟังอัลกอริธึมของแมชชีนเลิร์นนิงนั้นจะประมวลจากความชื่นชอบของผู้ฟังคนนั้นกับผู้ฟังคนอื่นที่มีรสนิยมการฟังเพลงที่ใกล้เคียงกันเทคนิคเช่นนี้ซึ่งหลายคนมักเข้าใจว่าเป็นAIมีการใช้งานในบริการหลายประเภทที่มีการแนะนำแบบอัตโนมัติ

แมชชีนเลิร์นนิงเป็นดั่งเชื้อเพลิงให้งานอัตโนมัติทุกประเภทในอุตสาหกรรมต่างๆไม่ว่าองค์กรรักษาความปลอดภัยข้อมูลที่ตามล่ามัลแวร์หรือมืออาชีพด้านการเงินที่ต้องการแจ้งเตือนเมื่อมีการอัลกอริธึมของAIนั้นได้รับการโปรแกรมให้เรียนรู้อยู่เสมอในรูปแบบที่เหมือนกับผู้ช่วยส่วนตัวเสมือนจริงซึ่งทำได้ดีทีเดียว

แมชชีนเลิร์นนิงนั้นเกี่ยวข้องกับตัวเลขและการโค้ดอันซับซ้อนที่สุดท้ายแล้วได้ผลลัพธ์เป็นการทำงานเชิงกลเหมือนกับกลไกของไฟฉายรถยนต์หรือจอคอมพิวเตอร์เมื่อเราบอกว่าสิ่งหนึ่งมีความสามารถด้าน”แมชชีนเลิร์นนิง”แปลว่าเป็นสิ่งที่สามารถทำหน้าที่ด้วยข้อมูลที่ได้รับและทำหน้าที่ได้ดีขึ้นตามลำดับเมื่อเวลาผ่านไปก็เหมือนกับคุณมีไฟฉายที่เปิดเมื่อใดก็ตามที่คุณพูดว่า”“มืดจังแล้วไฟฉายจะเข้าใจวลีต่างๆที่มีคำว่า“มืด”

ตอนนี้วิธีที่เครื่องจักรต่างๆสามารถเรียนรู้วิธีใหม่ๆนั้นน่าสนใจ(และน่าตื่นเต้น)สุดๆเมื่อเราพูดถึงดีพเลิร์นนิงและโครงข่ายประสาทเทียมต่างๆ

ดีพเลิร์นนิงคืออะไร

ดีพเลิร์นนิงเป็นส่วนย่อยของแมชชีนเลิร์นนิงที่สร้างโครงสร้างของอัลกอริธึมเป็นหลายเลเยอร์เพื่อสร้าง”โครงข่ายประสาทเทียม”ที่เรียนรู้และสร้างการตัดสินใจได้เอง

ความแตกต่างระหว่างดีพเลิร์นนิงและแมชชีนเลิร์นนิง

ในเชิงปฏิบัติดีพเลิร์นนิงเป็นเพียงซับเซตของแมชชีนเลิร์นนิงอันที่จริงดีพเลิร์นนิงก็คือแมชชีนเลิร์นนิงและทำหน้าที่ได้ใกล้เคียงกันจ(ึงเป็นสาเหตุที่มีการใช้สองคำนี้สลับกันอยู่บ้าง)อย่างไรก็ตามความสามารถนั้นต่างกัน

แม้รูปแบบของแมชชีนเลิร์นนิงจะดีขึ้นเป็นลำดับไม่ว่าทำงานอะไรก็ตามยังต้องมีแนวทางอยู่บ้างหากอัลกอริธึAIมมีการคาดคะเนที่ไม่แม่นยำวิศวกรจะต้องเข้ามาจัดการปรับแต่งส่วนรูปแบบดีพเลิร์นนิงนั้นอัลกอริธึมจะตัดสินใจได้เองว่าการคาดคะเนแม่นยำหรือไม่ด้วยโครงข่ายระบบประสาทในตัวเอง

ทีนี้กลับไปที่ตัวอย่างเรื่องไฟฉายไฟฉายอาจมีการตั้งโปรแกรมให้เปิดโดยจำคำสั่งรูปแบบเสียงเมื่อมีคนพูดว่า“มืด”เมื่อเรียนรู้ต่อไปสุดท้ายก็อาจเปิดไฟด้วยวลีใดก็ตามที่มีคำนั้นทีนี้ถ้าหากว่าไฟฉายนั้นมีรูปแบบดีพเลิร์นนิงก็จะเปิดได้เองเมื่อมีคนพูดว่า“ฉันมองไม่เห็น”หรือ“สวิตช์ไฟไม่ทำงาน”ซึ่งอาจทำงานควบคู่กับเซนเซอร์สำหรับไฟส่องสว่างรูปแบบดีพเลิร์นนิงนั้นสามารถเรียนรู้ได้ด้วยวิธีการคำนวณของระบบเองเป็นกลไกราวกับว่ามีสมองของตัวเอง

ดีพเลิร์นนิงทำงานอย่างไร

รูปแบบดีพเลิร์นนิงผ่านการออกแบบเพื่อวิเคราะห์ข้อมูลอย่างต่อเนื่องตามโครงสร้างเชิงตรรกะคล้ายกับการตัดสินใจของมนุษย์เพื่อให้การตัดสินใจเกิดขึ้นการประยุกต์ใช้ดีพเลิร์นนิงอาศัยโครงสร้างลำดับชั้นของอัลกอริธึมที่เรียกว่าโครงข่ายระบบประสาทเทียมการออกแบบโครงข่ายประสาทเทียมนั้นได้รับแรงบันดาลใจจากโครงข่ายประสาทของสมองมนุษย์ซึ่งนำไปสู่ขั้นตอนการเรียนรู้ซึ่งมีความสามารถเหนือกว่ารูปแบบแมชชีนเลิร์นนิงโดยทั่วไป

แต่ใช่ว่าจะรับรองว่าได้ว่าระบบดีพเลิร์นนิงคาดคะเนได้อย่างไม่ผิดพลาดเพราะต้องอาศัยการฝึกฝนมากมายจนกว่ากระบวนการเรียนรู้จะถูกต้องไม่ต่างจากAIอื่นๆที่เคยเห็นเป็นตัวอย่างแต่เมื่อทำได้อย่างที่ตั้งเป้าไว้ดีพเลิร์นนิงที่ทำงานได้ถือเป็นดั่งความมหัศจรรย์ทางวิทยาศาสตร์ที่หลายคนยกให้เป็นดั่งกระดูกสันหลังของปัญญาประดิษฐ์โดยแท้จริง

ตัวอย่างสำคัญของดีพเลิร์นนิงก็คือAlphaGoของ谷歌谷歌ได้สร้างโปรแกรมคอมพิวเตอร์ที่มีโครงข่ายประสาทเทียมของตนเองที่สามารถเล่นเกมกระดานอย่างเช่นหมากล้อมที่ทุกคนรู้กันดีว่าต้องอาศัยไหวพริบและการตัดสินใจที่เฉียบแหลมในการเล่นหมากล้อมกับผู้เล่นมืออาชีพระบบดีพเลิร์นนิงของAlphaGoเรียนรู้วิธีการเล่นในระดับที่ไม่เคยปรากฏมาก่อนในปัญญาประดิษฐ์โดยไม่ต้องสั่งให้ขยับไปทิศทางใด(ต่างจากแมชชีนเลิร์นนิงที่ต้องรับคำสั่ง)เหตุการณ์ดังกล่าวกลายเป็นเรื่องโด่งดังเมื่อAlphaGoเอาชนะ”ผู้เล่นระดับมาสเตอร์“ที่ระดับโลกซึ่งไม่ใช่แค่การที่จักรกลเข้าใจกลหมากที่ซับซ้อนและเสน่ห์ของหมากล้อมเท่านั้นแต่กลายเป็นหนึ่งในผู้เล่นที่ยิ่งใหญ่

คราวนี้สรุปความแตกต่างระหว่างสองอย่างได้ดังนี้:

• แมชชีนเลิร์นนิงใช้อัลกอริธึมในการแจงส่วนข้อมูลเรียนรู้จากข้อมูลและตัดสินใจโดยใช้ข้อมูลที่ได้เรียนรู้มาประกอบ
• ดีพเลิร์นนิงนั้นมีโครงสร้างของอัลกอริธึมเป็นหลายเลเยอร์เพื่อสร้าง”โครงข่ายประสาทเทียม”ที่เรียนรู้และตัดสินใจอย่างชาญฉลาดได้ด้วยตัวเอง
• ดีพเลิร์นนิงนั้นเป็นสาขาย่อยของแมชชีนเลิร์นนิงขณะที่ทั้งคู่ถูกจัดอยู่ในประเภทกว้างๆของปัญญาประดิษฐ์แต่ดีพเลิร์นนิงเป็นสิ่งที่ขับเคลื่อนปัญญาประดิษฐ์ที่คล้ายมนุษย์มากที่สุด

ข้อมูลที่เป็นดั่งเชื้อเพลิงแห่งอนาคต

ในขณะที่ปริมาณของข้อมูลมหาศาลนั้นถูกผลิตขึ้นท่ามกลาง”ยุค大数据“ในปัจจุบันเราจะได้เห็นนวัตกรรมที่เกินหยั่งรู้และมีแนวโน้มว่าจะเกิดขึ้นในสิบปีต่อจากนี้จากคำบอกเล่าของบรรดาผู้เชี่ยวชาญนวัตกรรมบางอย่างมีแนวโน้มว่าเป็นการประยุกต์ใช้ดีพเลิร์นนิง

Andrew Ngหัวหน้านักวิทยาศาตร์ของบริการค้นหาข้อมูลชั้นนำของจีนอย่าง百度และหนึ่งในผู้นำของ谷歌大脑项目ได้บอกเล่าเกี่ยวกับการอุปมาดีพเลิร์นนิงที่น่าสนใจไว้ในนิตยสาร连线”ผมคิดว่าAIนั้นเกี่ยวพันกับการสร้างจรวดอวกาศคือคุณต้องการเครื่องยนต์ขนาดใหญ่และเชื้อเพลิงปริมาณสูง”เขากล่าวกับนักข่าว迦勒·加林“ถ้าคุณมีเครื่องยนต์ใหญ่และเชื้อเพลิงนิดหน่อยก็เข้าสู่วงโคจรไม่ได้หากคุณมีเครื่องยนต์เล็กและเชื้อเพลงเป็นตันแม้แต่จะลอยก็ยังไม่ได้เลยการสร้างจรวดนั้นคุณจำเป็นต้องมีเครื่องยนต์ใหญ่มโหฬารและเชื้อเพลิงปริมาณสูง”

“ให้เทียบกับดีพเลิร์นนิงก็คือเครื่องยนต์จรวดเป็นดั่งรูปแบบดีพเลิร์นนิงและเชื้อเพลิงคือข้อมูลมหาศาลที่เราป้อนให้อัลกอริธึมเหล่านี้ได้”

-吴恩达(ที่มา:《连线》杂志）

แล้วในแง่การบริการลูกค้าแมชชีนเลิร์นนิงและดีพเลิร์นนิงมีความหมายอย่างไร

การประยุกต์ใช้AIจำนวนมากในทุกวันนี้เพื่อการบริการลูกค้านั้นใช้ประโยชน์จากอัลกอริธึมแมชชีนเลิร์นนิงโดยมีการนำไปใช้ในการผลักดันการบริการตนเองเพิ่มประสิทธิภาพเอเจนต์และทำให้เวิร์กโฟลว์น่าวางใจมากขึ้น

ข้อมูลที่ถูกป้อนให้อัลกอริธึมนั้นมาจากข้อมูลที่ไหลบ่าจากการติดต่อสอบถามจากลูกค้าซึ่งรวมถึงบริบทที่เกี่ยวข้องกับปัญหาที่ลูกค้ากำลังเผชิญอยู่จากการรวบรวมบริบทนั้นเข้ากับAIจะนำไปสู่การคาดคะเนที่รวดเร็วและแม่นยำมากขึ้นทำให้ปัญญาประดิษฐ์กลายเป็นโอกาสที่น่าตื่นเต้นสำหรับธุรกิจมากมายโดยมีข้อสังเกตจากผู้นำอุตสาหกรรมว่าAIการนำเชิงธุรกิจไปใช้จะเกิดประโยชน์ที่สุดต่อการบริการลูกค้า

และยิ่งดีพเลิร์นนิงได้รับการขัดเกลามากเท่าใดเราจะได้เห็นการประยุกต์ใช้ปัญญาประดิษฐ์ที่ล้ำหน้าในการบริการลูกค้ามากเท่านั้นตัวอย่างที่สำคัญของZen亚博deskก็คือ回答机器人ที่มีการนำรูปแบบดีพเลิร์นนิงมาสร้างความเข้าใจต่อบริบททิกเก็ตการช่วยเหลือและบริการรวมทั้งเรียนรู้ว่าควรแนะนำบทความช่วยเหลือใดให้ลูกค้า