บทนํา: แนวคิดที่มักสับสน
การเรียนรู้ของเครื่อง การเรียนรู้เชิงลึก และโครงข่ายประสาทเทียมเป็นคําศัพท์ที่คุณได้ยินอย่างต่อเนื่องในข่าวปัญญาประดิษฐ์ หลายคนใช้คําเหล่านี้สลับกันได้ แต่พวกเขาอธิบายเทคโนโลยีที่แตกต่างกัน โดยแต่ละคํามีขอบเขตและการประยุกต์ใช้ของตัวเอง
ความสับสนเกิดขึ้นเพราะสิ่งหนึ่งมีอยู่ในอีกสิ่งหนึ่ง: โครงข่ายประสาทเทียมเป็นเทคนิคการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกเป็นวิวัฒนาการของโครงข่ายประสาทเทียม การทําความเข้าใจลําดับชั้นนี้เป็นสิ่งสําคัญในการทําความเข้าใจว่า AI ทํางานอย่างไรและเครื่องมือใดในการแก้ปัญหาที่แตกต่างกัน
ในคู่มือนี้ เราจะแจกแจงแนวคิดเหล่านี้และแสดงตัวอย่างเชิงปฏิบัติเกี่ยวกับวิธีการทํางานแต่ละอย่างในโลกแห่งความเป็นจริง
การเรียนรู้ของเครื่อง: ร่มของอัลกอริทึมทั้งหมด
Machine Learning คืออะไร?
การเรียนรู้ของเครื่องเป็นสาขาที่กว้างที่สุดซึ่งครอบคลุมระบบใดๆ ที่เรียนรู้จากข้อมูล โดยไม่ได้รับการตั้งโปรแกรมไว้อย่างชัดเจนสําหรับแต่ละสถานการณ์ แทนที่จะปฏิบัติตามคําแนะนําที่เข้มงวด อัลกอริธึมการเรียนรู้ของเครื่องจะระบุรูปแบบในข้อมูลและใช้รูปแบบเหล่านั้นเพื่อคาดการณ์
ลองนึกภาพตัวกรองสแปมอีเมลโปรแกรมเมอร์ไม่สามารถเขียนกฎสําหรับอีเมลขยะที่เป็นไปได้ทุกฉบับ ดังนั้นอัลกอริทึมการเรียนรู้ของเครื่องจะวิเคราะห์อีเมลนับล้าน (ทําเครื่องหมายว่าเป็นสแปมหรือถูกต้องตามกฎหมาย) และเรียนรู้โดยอัตโนมัติว่าคุณลักษณะใดบ่งบอกถึงสแปม: คําที่น่าสงสัยผู้ส่งที่ไม่รู้จักรูปแบบแปลก ๆ ฯลฯ
การเรียนรู้ของเครื่องสามประเภทหลัก
การเรียนรู้แบบมีผู้สอน: อัลกอริทึมเรียนรู้จากข้อมูลที่ติดป้ายกํากับไว้แล้ว คุณให้ตัวอย่างอินพุตพร้อมคําตอบที่ถูกต้องและระบบจะเรียนรู้รูปแบบ ตัวอย่าง: จําแนกอีเมลเป็นสแปมหรือไม่ใช่สแปมโดยใช้ประวัติของอีเมลที่จัดประเภทไว้แล้ว
การเรียนรู้แบบไม่มีผู้ดูแล: ไม่มีคําตอบที่ถูกต้องที่กําหนดไว้ล่วงหน้า อัลกอริทึมจะค้นหาโครงสร้างหรือการจัดกลุ่มในข้อมูลด้วยตัวเอง ตัวอย่าง การวิเคราะห์ลูกค้าของร้านค้าเพื่อค้นหากลุ่มที่มีพฤติกรรมคล้ายกันโดยไม่ทราบล่วงหน้าว่ามีกี่กลุ่ม
การเรียนรู้การเสริมแรง: อัลกอริทึมเรียนรู้ผ่านการลองผิดลองถูกได้รับรางวัลหรือการลงโทษเช่นหุ่นยนต์ที่เรียนรู้ที่จะเดินหรือโปรแกรมที่เรียนรู้การเล่นหมากรุกโดยค่อยๆปรับปรุงกลยุทธ์
โครงข่ายประสาทเทียม: การเรียนรู้ของเครื่องประเภทใดประเภทหนึ่งโดยเฉพาะ
วิธีการทํางานของโครงข่ายประสาทเทียม
โครงข่ายประสาทเทียมเป็นวิธีการในการเรียนรู้ของเครื่องที่ได้รับแรงบันดาลใจจากสมองมนุษย์ ประกอบด้วยชั้นของหน่วยที่เชื่อมต่อถึงกันที่เรียกว่าเซลล์ประสาทเทียม เซลล์ประสาทแต่ละเซลล์ได้รับข้อมูล ประมวลผล และส่งต่อ
โครงข่ายประสาทเทียมอย่างง่ายมีสามส่วน: ชั้นอินพุต (ข้อมูล), ชั้นที่ซ่อนอยู่ (การประมวลผล) และชั้นเอาต์พุต (ผลลัพธ์) ในระหว่างการฝึกจะมีการปรับน้ําหนักของการเชื่อมต่อระหว่างเซลล์ประสาทเพื่อลดข้อผิดพลาด
เมื่อใดควรใช้โครงข่ายประสาทเทียมแทนอัลกอริทึมอื่น
โครงข่ายประสาทเทียมจะส่องแสงเมื่อคุณมี ข้อมูลมากมาย e รูปแบบที่ซับซ้อน ตัวอย่างจริง: การจดจําใบหน้าในภาพถ่าย, การทําความเข้าใจคําพูดที่เป็นธรรมชาติ, การวินิจฉัยโรคจากภาพทางการแพทย์
สําหรับปัญหาง่ายๆที่มีข้อมูลน้อยอัลกอริธึมที่เก่ากว่าเช่นแผนผังการตัดสินใจหรือการถดถอยเชิงเส้นจะมีประสิทธิภาพมากกว่า โครงข่ายประสาทเทียมที่มีพารามิเตอร์หลายล้านตัวนั้นเกินกําลังในการทํานายว่าลูกค้าจะต่ออายุการสมัครสมาชิกตาม 3 ลักษณะหรือไม่
Deep Learning: เมื่อโครงข่ายประสาทเทียมลงลึก
ความแตกต่างพื้นฐาน: ความลึก
การเรียนรู้เชิงลึกเป็นเพียงโครงข่ายประสาทเทียมที่มีเลเยอร์ที่ซ่อนอยู่มากมาย โดยทั่วไปจะมี 3 ชั้น
