Machine Learning

Machine Learning (ML) คือสาขาหนึ่งของ ai ที่ศึกษาวิธีทำให้คอมพิวเตอร์ "เรียนรู้จากข้อมูล" ได้ด้วยตัวเอง แทนที่มนุษย์จะต้องเขียนโปรแกรมระบุกฎไว้ล่วงหน้าทีละข้อ คำนี้บัญญัติโดย Arthur Samuel นักวิจัยของ IBM ในปี 1959 ผู้สร้างโปรแกรมเล่นหมากฮอส (checkers) ยุคแรกๆ คำนิยามยอดนิยมที่ว่า ML คือสาขาที่ทำให้คอมพิวเตอร์เรียนรู้ได้โดยไม่ต้องถูกโปรแกรมอย่างชัดแจ้ง (without being explicitly programmed) มักถูกยกมาคู่กับชื่อของเขา แม้จะหาถ้อยคำนี้ตรงตัวในงานเขียนปี 1959 ของเขาไม่พบและน่าจะเป็นการถอดความในภายหลัง แต่ก็ยังเป็นประโยคที่อธิบายหัวใจของ ML ได้ดีจนถึงทุกวันนี้

วิธีทำงานโดยย่อ: เราเก็บรวบรวมข้อมูล (ตัวเลข รูปภาพ ข้อความ) เป็น dataset เลือกตัว model แล้วให้มันผ่านกระบวนการ training เพื่อค้นหา pattern ในข้อมูลเอง จากนั้นวัดผลด้วยข้อมูลอีกชุดที่กันไว้ เพื่อดูว่าโมเดล generalize ไปใช้กับข้อมูลใหม่ที่ไม่เคยเห็นได้ดีแค่ไหน แนวทางการเรียนรู้หลักมีสามแบบ: supervised-learning เรียนจากข้อมูลที่มีเฉลยกำกับ (แบบที่ใช้กันมากที่สุด) · unsupervised-learning หาโครงสร้างในข้อมูลที่ไม่มีเฉลยเอง · และ reinforcement-learning เรียนแบบลองผิดลองถูกผ่านระบบรางวัล

ทำไมคนทำงานยุค AI ต้องรู้จักคำนี้: เพราะสิ่งที่เราเรียกว่า "AI" ในชีวิตประจำวันแทบทั้งหมดคือ ML: ระบบแนะนำคอนเทนต์ของ Netflix, การตรวจจับ fraud ในธุรกรรมบัตรเครดิต, การวิเคราะห์ภาพทางการแพทย์, chatbot ไปจนถึง llm และ generative-ai ที่ใช้เทคนิค deep-learning บน neural-network ซึ่งเป็น subset ของ ML อีกชั้นหนึ่ง ผลสำรวจของ Deloitte ปี 2020 พบว่า 67% ขององค์กรใช้ ML แล้ว และ 97% ใช้อยู่แล้วหรือวางแผนจะใช้ภายในปีถัดไป (เป็นตัวเลขจากช่วงก่อนยุค generative AI จึงใช้ชี้ได้แค่ว่าการใช้งานแพร่หลายมานานแล้ว ไม่ใช่สถานะปัจจุบัน) ประเด็นสำคัญสำหรับคนทำงานคือ ระบบพวกนี้ฉลาดจาก "ข้อมูลที่ใช้เทรน" ไม่ใช่จากกฎที่ใครเขียนไว้ ดังนั้นถ้าข้อมูลมีอคติ ผลลัพธ์ก็จะสืบทอด ai-bias มาด้วย และการตัดสินใจของโมเดลมักอธิบายเหตุผลได้ยากแบบ black box

ตัวอย่างจากบทสนทนาจริง

ฝ่ายขาย: ระบบพยากรณ์ยอดขายตัวใหม่ทายเพี้ยนมากเดือนนี้ ฝากบอกโปรแกรมเมอร์ไปแก้สูตรในโค้ดหน่อยได้ไหมครับ

ทีม data: ตัวนี้ไม่มีสูตรให้แก้ครับ มันเป็นระบบ machine learning ที่เรียน pattern จากข้อมูลขายย้อนหลัง พอพฤติกรรมลูกค้าไตรมาสนี้เปลี่ยนไปจากข้อมูลเก่า มันเลยทายพลาด ทางแก้คือเอาข้อมูลล่าสุดไปเทรนโมเดลใหม่ ไม่ใช่เข้าไปแก้โค้ดทีละบรรทัด

ระวังสับสนกับ

• ai (Artificial Intelligence): AI คือร่มใหญ่ที่หมายถึงการทำให้เครื่องจักรเลียนแบบพฤติกรรมอัจฉริยะของมนุษย์ ส่วน ML คือ subset และเป็นแนวทางหลักที่ทำให้ความก้าวหน้าของ AI ยุคปัจจุบันเกิดขึ้นจริง · พูดง่ายๆ AI คือเป้าหมาย ML คือวิธีการที่ได้ผลที่สุดตอนนี้
• deep-learning: ไม่ใช่คำพ้องของ ML แต่เป็น subset ของ ML ที่ใช้ neural network หลายชั้น ลำดับชั้นคือ AI > ML > deep learning ดังนั้น deep learning ทุกตัวคือ ML แต่ ML ไม่จำเป็นต้องเป็น deep learning เสมอไป