Supervised learning

Supervised learning คือวิธีสอน machine-learning ด้วยตัวอย่างที่มีคำตอบที่ถูกต้องกำกับไว้ อัลกอริทึมเรียนรู้ที่จะจับคู่ข้อมูลเข้ากับผลลัพธ์ที่ต้องการ โดยอาศัยคู่ตัวอย่างของข้อมูลเข้าและผลลัพธ์ที่จับคู่กันไว้แล้ว คำว่าตัวอย่างที่มีป้ายกำกับหมายถึงข้อมูลที่ทั้งโจทย์และ เฉลยที่ถือว่าถูก ให้มาพร้อมกัน เช่น ภาพที่ติดป้ายว่าเป็นแมวหรือไม่ใช่แมว ซึ่งใช้เป็นเข็มทิศให้โมเดลเรียนรู้

งานที่ทำได้แบ่งเป็นสองกลุ่มหลัก กลุ่มแรกคือการจำแนกประเภท ซึ่งทำนายหมวดที่แยกจากกันเป็นชิ้นๆ เช่น แยกว่าอีเมลไหนเป็นสแปม กลุ่มที่สองคือการถดถอย ซึ่งทำนายค่าตัวเลขต่อเนื่อง เช่น ประเมินราคาบ้าน ความต่างจากวิธีอื่นอยู่ที่ข้อมูลตั้งต้น unsupervised-learning หาโครงสร้างจากข้อมูลที่ไม่มีป้ายกำกับ ส่วน reinforcement-learning ไม่มีชุดข้อมูลเตรียมไว้เลยแต่เรียนจากรางวัลที่ได้เมื่อลงมือทำ

เหตุผลที่คนทำงานควรรู้จักคำนี้แม้ไม่ได้ทำงานสายเทคนิคคือมันเป็นวิธีที่ใช้มากที่สุดในโครงการ AI ของธุรกิจทั่วไป และเป็นตัวกำหนดว่าโครงการจะใช้เวลาและงบเท่าไร เพราะต้นทุนหลักไม่ได้อยู่ที่การเทรน แต่อยู่ที่การเตรียมข้อมูลที่มีเฉลยกำกับ ซึ่งมักต้องให้คนที่รู้งานจริงมานั่งติดป้ายทีละรายการ ประโยคที่ควรจำคือโมเดลเก่งได้แค่เท่าที่เฉลยสอน ถ้าคนติดป้ายไม่ตรงกันเองระหว่างคนสองคน โมเดลก็จะเรียนรู้ความไม่ตรงกันนั้นไปด้วย สิ่งที่ควรทำก่อนเริ่มโครงการจึงเป็นการตกลงเกณฑ์ให้ชัดและวัดว่าคนติดป้ายเห็นตรงกันแค่ไหน ก่อนจะลงแรงติดป้ายทั้งชุด

ตัวอย่างจากบทสนทนาจริง

ผู้จัดการฝ่ายบริการลูกค้า: "อยากให้ AI จัดหมวดหมู่เรื่องร้องเรียนอัตโนมัติค่ะ เรามีข้อมูลย้อนหลังสามปีอยู่แล้ว น่าจะเริ่มได้เลยใช่ไหม"

นักวิทยาศาสตร์ข้อมูล: "ขอเช็กก่อนครับว่าข้อมูลสามปีนั้นมีการจัดหมวดไว้แล้วหรือยัง ถ้ามีแล้วเราใช้เป็นเฉลยสอนโมเดลได้เลย แต่ผมอยากขอทดสอบอีกอย่างก่อน คือให้พนักงานสามคนจัดหมวดเคสชุดเดียวกันร้อยเคส แล้วดูว่าเห็นตรงกันกี่เปอร์เซ็นต์ ถ้าคนยังเห็นไม่ตรงกันเอง โมเดลจะเรียนความสับสนนั้นไปด้วยและเราจะเถียงกันไม่จบว่ามันผิดหรือถูก ถ้าตรงกันเกินแปดสิบเปอร์เซ็นต์ผมว่าเริ่มได้เลยครับ"

ระวังสับสนกับ

• fine-tuning : fine-tuning คือการเอาโมเดลที่เทรนมาแล้วมาสอนเพิ่มด้วยข้อมูลเฉพาะทาง ซึ่งมักใช้วิธีแบบ supervised learning นั่นเอง ความต่างคือ fine-tuning เริ่มจากโมเดลที่มีความรู้อยู่แล้ว ไม่ได้เริ่มจากศูนย์
• unsupervised-learning : unsupervised learning ไม่ต้องมีเฉลย จึงเริ่มได้เร็วกว่าและถูกกว่า แต่ตอบคำถามที่เจาะจงไม่ได้ ใช้หาโครงสร้างหรือกลุ่มที่ซ่อนอยู่มากกว่าใช้ทำนายสิ่งที่ระบุไว้
• dataset : dataset คือชุดข้อมูลที่ใช้ ส่วน supervised learning คือวิธีเรียนรู้จากชุดข้อมูลนั้น สิ่งที่ทำให้ชุดข้อมูลใช้กับวิธีนี้ได้คือการมีป้ายกำกับคำตอบที่ถูกต้องอยู่ด้วย