By | March 9, 2022

บทนำ

ในช่วงไม่กี่ปีที่ผ่านมา คำว่าปัญญาประดิษฐ์และแมชชีนเลิร์นนิงเริ่มปรากฏขึ้นบ่อยครั้งในข่าวเทคโนโลยีและเว็บไซต์ บ่อยครั้งที่ทั้งสองถูกใช้เป็นคำพ้องความหมาย แต่ผู้เชี่ยวชาญหลายคนโต้แย้งว่าพวกเขามีความแตกต่างที่ลึกซึ้งแต่มีอยู่จริง

และแน่นอนว่า บางครั้งผู้เชี่ยวชาญก็ไม่เห็นด้วยเกี่ยวกับความแตกต่างเหล่านั้น

อย่างไรก็ตาม โดยทั่วไป มีสองสิ่งที่ดูเหมือนชัดเจน: อันดับแรก คำว่าปัญญาประดิษฐ์ (AI) นั้นเก่ากว่าคำว่าแมชชีนเลิร์นนิง (ML) และประการที่สอง คนส่วนใหญ่ถือว่าแมชชีนเลิร์นนิงเป็นส่วนย่อยของปัญญาประดิษฐ์

ปัญญาประดิษฐ์กับการเรียนรู้ของเครื่อง

แม้ว่า AI จะได้รับการนิยามไว้หลายวิธี แต่คำจำกัดความที่ยอมรับกันอย่างแพร่หลายที่สุดคือ “สาขาวิทยาการคอมพิวเตอร์ที่อุทิศให้กับการแก้ปัญหาด้านความรู้ความเข้าใจที่มักเกี่ยวข้องกับความฉลาดของมนุษย์ เช่น การเรียนรู้ การแก้ปัญหา และการจดจำรูปแบบ” โดยพื้นฐานแล้ว มันคือแนวคิด ที่เครื่องจักรสามารถมีสติปัญญา

หัวใจสำคัญของระบบที่ใช้ปัญญาประดิษฐ์คือแบบจำลอง แบบจำลองไม่ได้เป็นเพียงโปรแกรมที่พัฒนาความรู้ผ่านกระบวนการเรียนรู้โดยการสังเกตสภาพแวดล้อม รูปแบบการเรียนรู้ตามประเภทนี้จัดกลุ่มภายใต้การเรียนรู้ภายใต้การดูแล มีโมเดลอื่นๆ ที่อยู่ในหมวดหมู่ของโมเดลการเรียนรู้แบบไม่มีผู้ดูแล

คำว่า “แมชชีนเลิร์นนิง” มีขึ้นตั้งแต่กลางศตวรรษที่ผ่านมา ในปี พ.ศ. 2502 อาร์เธอร์ ซามูเอล กำหนดให้ ML เป็น “ความสามารถในการเรียนรู้โดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน” และเขายังได้สร้างแอปพลิเคชันตัวตรวจสอบคอมพิวเตอร์ซึ่งเป็นหนึ่งในโปรแกรมแรกๆ ที่สามารถเรียนรู้จากความผิดพลาดของตนเองและปรับปรุงประสิทธิภาพการทำงานเมื่อเวลาผ่านไป

เช่นเดียวกับการวิจัย AI ML หลุดออกจากแฟชั่นมาเป็นเวลานาน แต่กลับกลายเป็นที่นิยมอีกครั้งเมื่อแนวคิดการทำเหมืองข้อมูลเริ่มมีขึ้นในช่วงปี 1990 การทำเหมืองข้อมูลใช้อัลกอริทึมเพื่อค้นหารูปแบบในชุดข้อมูลที่กำหนด ML ทำสิ่งเดียวกัน แต่แล้วก้าวไปอีกขั้น – มันเปลี่ยนพฤติกรรมของโปรแกรมตามสิ่งที่เรียนรู้

แอปพลิเคชั่นหนึ่งของ ML ที่ได้รับความนิยมอย่างมากเมื่อเร็วๆ นี้คือการจดจำภาพ แอปพลิเคชันเหล่านี้ต้องได้รับการฝึกอบรมก่อน กล่าวคือ มนุษย์ต้องดูภาพหลายภาพและบอกระบบว่ามีอะไรอยู่ในภาพ หลังจากทำซ้ำเป็นพันๆ ครั้ง ซอฟต์แวร์จะเรียนรู้ว่ารูปแบบพิกเซลใดที่เกี่ยวข้องกับม้า สุนัข แมว ดอกไม้ ต้นไม้ บ้าน ฯลฯ และสามารถคาดเดาเนื้อหาของภาพได้ดีทีเดียว

บริษัทบนเว็บหลายแห่งยังใช้ ML เพื่อขับเคลื่อนเครื่องมือแนะนำของตน ตัวอย่างเช่น เมื่อ Facebook ตัดสินใจว่าจะแสดงสิ่งใดในฟีดข่าวของคุณ เมื่อ Amazon ไฮไลต์ผลิตภัณฑ์ที่คุณอาจต้องการซื้อ และเมื่อ Netflix แนะนำภาพยนตร์ที่คุณอาจต้องการดู คำแนะนำทั้งหมดจะขึ้นอยู่กับการคาดการณ์ที่เกิดขึ้นจากรูปแบบในข้อมูลที่มีอยู่

ปัญญาประดิษฐ์และพรมแดนการเรียนรู้ของเครื่อง: การเรียนรู้ลึก โครงข่ายประสาท และคอมพิวเตอร์ทางปัญญา

แน่นอนว่า “ML” และ “AI” ไม่ใช่คำเดียวที่เกี่ยวข้องกับวิทยาการคอมพิวเตอร์สาขานี้ IBM มักใช้คำว่า “การประมวลผลทางปัญญา” ซึ่งมีความหมายเหมือนกันกับ AI ไม่มากก็น้อย

อย่างไรก็ตาม คำศัพท์อื่นๆ บางคำมีความหมายเฉพาะตัวมาก ตัวอย่างเช่น โครงข่ายประสาทเทียมหรือโครงข่ายประสาทเทียมเป็นระบบที่ได้รับการออกแบบมาเพื่อประมวลผลข้อมูลในลักษณะที่คล้ายคลึงกับวิธีการทำงานของสมองทางชีววิทยา สิ่งต่างๆ อาจสร้างความสับสนได้เนื่องจากโครงข่ายประสาทมีแนวโน้มที่จะเรียนรู้ด้วยเครื่องได้ดีเป็นพิเศษ ดังนั้นคำสองคำนี้จึงถูกรวมเข้าด้วยกันในบางครั้ง

นอกจากนี้ โครงข่ายประสาทยังเป็นรากฐานสำหรับการเรียนรู้เชิงลึก ซึ่งเป็นการเรียนรู้ของเครื่องโดยเฉพาะ การเรียนรู้เชิงลึกใช้ชุดอัลกอริธึมการเรียนรู้ของเครื่องบางชุดที่ทำงานในหลายเลเยอร์ ส่วนหนึ่งเป็นไปได้โดยระบบที่ใช้ GPU เพื่อประมวลผลข้อมูลจำนวนมากในคราวเดียว

หากคุณสับสนกับคำศัพท์ต่างๆ เหล่านี้ แสดงว่าคุณไม่ได้อยู่คนเดียว นักวิทยาศาสตร์คอมพิวเตอร์ยังคงอภิปรายคำจำกัดความที่แน่นอนของตนต่อไป และอาจจะต้องใช้เวลาอีกสักระยะ และในขณะที่บริษัทต่างๆ ยังคงทุ่มเงินให้กับปัญญาประดิษฐ์และการวิจัยแมชชีนเลิร์นนิง มีแนวโน้มว่าจะมีคำศัพท์เพิ่มขึ้นสองสามคำเพื่อเพิ่มความซับซ้อนให้กับปัญหามากยิ่งขึ้น