Unsupervised learning

Unsupervised learning คือกรอบการเรียนรู้ที่อัลกอริทึมหารูปแบบจากข้อมูลที่ไม่มีป้ายกำกับ โดยไม่มีเฉลยหรือการชี้นำจากคนกำหนดไว้ล่วงหน้า ความต่างที่สำคัญที่สุดจาก supervised-learning คือเรื่องต้นทุนข้อมูล วิธีที่ต้องมีเฉลยต้องอาศัยชุดข้อมูลที่คนติดป้ายไว้ ซึ่งสร้างด้วยมือและแพง ส่วนวิธีนี้ทำงานกับข้อมูลที่เก็บมาได้ง่ายและถูก เช่น คลังข้อความขนาดใหญ่ที่กวาดมาจากเว็บ

งานหลักที่ทำได้มีสี่กลุ่ม กลุ่มแรกคือการจัดกลุ่ม ซึ่งรวมข้อมูลที่มีลักษณะร่วมกันไว้ด้วยกันโดยไม่มีใครบอกว่าควรมีกี่กลุ่ม กลุ่มที่สองคือการลดมิติ ซึ่งย่อข้อมูลที่ซับซ้อนให้เข้าใจง่ายขึ้นโดยยังรักษาลักษณะสำคัญไว้ กลุ่มที่สามคือการตรวจจับความผิดปกติ ซึ่งหารายการที่ไม่เข้าพวกกับรูปแบบส่วนใหญ่ กลุ่มที่สี่คือการเรียนรู้คุณลักษณะ ซึ่งฝึกโมเดลให้ค้นพบวิธีแทนข้อมูลที่มีประโยชน์ด้วยตัวเอง แก่นร่วมของทั้งหมดคือการหาโครงสร้างที่ซ่อนอยู่ในข้อมูลดิบ แทนที่จะทำนายหมวดที่กำหนดไว้ล่วงหน้า

เหตุผลที่คำนี้สำคัญกับความเข้าใจ AI ยุคนี้คือมันเป็นรากฐานของการเทรนโมเดลภาษาขนาดใหญ่ เพราะการให้โมเดลเรียนรู้จากข้อความมหาศาลโดยไม่มีใครติดป้ายทีละประโยค คือสิ่งที่ทำให้สเกลระดับนี้เป็นไปได้ในทางเศรษฐศาสตร์ ส่วนในงานธุรกิจทั่วไป จุดที่ใช้ได้ผลที่สุดคืองานที่เรายังไม่รู้ว่าคำตอบควรเป็นอะไร เช่น อยากรู้ว่าลูกค้าแบ่งเป็นกี่กลุ่มโดยไม่กำหนดล่วงหน้า หรืออยากหาธุรกรรมที่ผิดปกติโดยไม่มีรายการตัวอย่างของการฉ้อโกงให้ดูก่อน ข้อควรระวังคือผลที่ได้ไม่มีเฉลยให้ตรวจว่าถูกหรือผิด กลุ่มที่ระบบแบ่งมาให้จึงต้องมีคนที่รู้ธุรกิจจริงมาตีความว่ามีความหมายหรือไม่ ก่อนเอาไปใช้ตัดสินใจ

ตัวอย่างจากบทสนทนาจริง

ฝ่ายการตลาด: "เราอยากแบ่งกลุ่มลูกค้าเพื่อทำแคมเปญให้ตรงกลุ่มค่ะ แต่ยังไม่รู้เลยว่าควรแบ่งเป็นกี่กลุ่มและแบ่งด้วยอะไร"

นักวิทยาศาสตร์ข้อมูล: "กรณีนี้เหมาะกับ unsupervised learning ครับ เพราะเราไม่ต้องรู้คำตอบล่วงหน้า ผมจะเอาข้อมูลพฤติกรรมการซื้อมาให้ระบบจัดกลุ่มเอง แล้วดูว่ามันแบ่งออกมาเป็นกี่กลุ่มและแต่ละกลุ่มต่างกันตรงไหน แต่ขอย้ำข้อหนึ่งครับ ผลที่ได้ไม่มีเฉลยว่าถูกหรือผิด ผมจะเอากลุ่มที่ได้มาให้ทีมการตลาดดูก่อนว่ามันสมเหตุสมผลกับที่เจอหน้างานไหม ถ้าตีความไม่ได้ว่ากลุ่มไหนคือใคร แปลว่ายังใช้ไม่ได้ครับ"

ระวังสับสนกับ

• supervised-learning : supervised learning ต้องมีเฉลยกำกับและตอบคำถามที่เจาะจงได้ ส่วน unsupervised learning ไม่ต้องมีเฉลย เริ่มได้เร็วกว่า แต่ผลที่ได้ต้องมีคนตีความว่ามีความหมายอย่างไร
• embedding : embedding คือการแทนข้อมูลด้วยตัวเลขที่เก็บความหมาย ซึ่งเป็นตัวอย่างของการเรียนรู้คุณลักษณะที่ได้จากวิธีแบบไม่มีเฉลย พูดอีกแบบคือ embedding เป็นผลผลิต ส่วน unsupervised learning เป็นวิธีที่ผลิตมันขึ้นมา
• synthetic-data : synthetic data คือข้อมูลที่สร้างขึ้นเอง ซึ่งเป็นเรื่องของแหล่งที่มาของข้อมูล ส่วน unsupervised learning เป็นวิธีเรียนรู้ที่ใช้กับข้อมูลจากแหล่งไหนก็ได้ ตราบใดที่ไม่ต้องพึ่งป้ายกำกับ