วิวัฒนาการครั้งใหญ่ในโลกของข้อมูล (โดยเฉพาะอย่างยิ่งในช่วง 3-4 ปีที่ผ่านมา) ทำให้เข้าใจถึงเบื้องหลังอย่างแท้จริงว่าเครื่องจักรที่ทรงพลังสามารถกลายเป็นเครื่องมือที่ทรงพลังในการตัดสินใจโดยสมบูรณ์จากข้อเท็จจริงและตัวเลขที่มีมานานหลายศตวรรษได้อย่างไร ซึ่งเป็นไปไม่ได้เลย ด้วยความพยายามของมนุษย์เท่าใดก็ตาม การประมวลผลและการทำความเข้าใจข้อมูลเพื่อทำความเข้าใจว่าข้อมูลนี้กำลังพยายามสื่อถึงอะไรกันแน่ ได้นำไปสู่ฟิลด์จำนวนมาก (การศึกษา) ที่แยกจากกัน ทำให้เกิดความก้าวหน้าที่น่าทึ่งเพื่อทำให้โลกนี้น่าอยู่ขึ้น หนึ่งในสาขาดังกล่าวคือสิ่งที่ประสบความสำเร็จภายใต้ชื่อ Deep Learning แต่มันคืออะไรกันแน่? มาลองหาคำตอบกัน
การเรียนรู้เชิงลึกในตัวมันเองเป็นส่วนเล็ก ๆ ของสาขาการศึกษาและการวิจัยที่ใหญ่กว่า – แมชชีนเลิร์นนิงหรือเรียกสั้น ๆ ว่า ML แกนหลักของการเรียนรู้เชิงลึกคือการใช้ประโยชน์จากอัลกอริธึมที่มีความซับซ้อนสูงซึ่งทำงานบนเฟรมเวิร์กซึ่งมีโครงสร้างและแนวคิดที่ได้มาทั้งหมดและตรงกันกับสมองของร่างกายมนุษย์ ด้วยเหตุนี้ จึงเป็นที่เข้าใจกันดีว่าหัวใจของโครงร่างเหล่านี้จะต้องคล้ายกับเซลล์ประสาทในหลายๆ ด้าน เช่นเดียวกับที่เซลล์ประสาทเป็นหัวใจของระบบประสาททั้งหมดของเรา เฟรมเวิร์กนี้โดยสมบูรณ์คือสิ่งที่เราเรียกว่าโครงข่ายประสาทเทียม (เรียกสั้นๆ ว่า ANN)
โครงข่ายประสาทเทียมแบบเดียวกันนี้มีหน้าที่รับผิดชอบในการปฏิวัติความก้าวหน้าและการค้นพบในด้านการเรียนรู้ประดิษฐ์และการเรียนรู้ของเครื่อง เครือข่ายเหล่านี้เชื่องช้าอย่างเอื่อยเฉื่อยในเวลาเริ่มต้น เช่นเดียวกับจิตใจของทารกเกิดใหม่ ไร้เดียงสาและไม่รู้ถึงการทำงานของโลกโดยสิ้นเชิง การเปิดเผยให้พวกเขาเห็นข้อมูลในชีวิตจริง (ข้อเท็จจริงและตัวเลข) เป็นสิ่งที่ปรับแต่งความแม่นยำของพวกเขาเพื่อทำงานที่ซับซ้อนและขั้นสูงที่จำเป็นสำหรับพวกเขา เครือข่ายประสาทเหล่านี้ เช่นเดียวกับสมองของมนุษย์ ทำงานได้ดีที่สุดเมื่อเรียนรู้จากประสบการณ์จริงและเวลาจริง เมื่อเครือข่ายและโมเดลที่เกี่ยวข้องมีความแม่นยำถึงระดับที่ต้องการ เป็นเรื่องสนุกและน่าสนใจมากที่ได้เห็นพวกเขาในที่ทำงาน
ศัพท์เฉพาะของการเรียนรู้เชิงลึก
Deep Learning 101 คือการทำความเข้าใจคำศัพท์พื้นฐานที่เกี่ยวข้อง (และความหมายเช่นกัน) บางส่วนของข้อกำหนดเหล่านี้รวมถึง –
-
โครงข่ายประสาทเทียม
ตามที่กล่าวไว้ก่อนหน้านี้ โครงข่ายประสาทเทียม (เทียม) เป็นแกนหลักของการเรียนรู้เชิงลึก ในทางทฤษฎี ANN อาจถูกกำหนดและแสดงภาพเป็นเซลล์ประสาทที่เชื่อมต่อระหว่างกัน (เทียม) ซึ่งแลกเปลี่ยนข้อมูลระหว่างกัน หากความหมายและความสามารถในการเข้าใจของข้อมูลนี้มีมากกว่าประสบการณ์ที่เรียนรู้ของเซลล์ประสาท จะส่งผลให้เซลล์ประสาทได้รับการปรับปรุงในแง่ของความรู้และประสบการณ์ และถ้าเป็นในทางกลับกัน เซลล์ประสาทก็จะประมวลผลข้อมูลตาม ประสบการณ์ของมันและส่งกลับผลลัพธ์บางอย่าง
-
ซีเอ็นเอ็น (Convolutional Neural Network)
ใช้เฉพาะในกรมทรัพย์สินทางปัญญา CNN เกี่ยวข้องกับการใช้ตัวกรองอิสระหลายตัว (ไม่มีอะไรนอกจากเมทริกซ์สี่เหลี่ยมจัตุรัส) บนภาพหลายช่องสัญญาณเพื่อแยกคุณลักษณะที่ตัดกันและแตกต่างจากภาพ
-
RNN (โครงข่ายประสาทเทียมซ้ำ)
พูดง่ายๆ ก็คือ RNN ใช้สำหรับประมวลผลข้อมูลตามลำดับ ซึ่งสามารถใช้ชุดเอาต์พุตก่อนหน้าเพื่อคาดการณ์เอาต์พุตชุดถัดไปตามชุดข้อมูลใหม่ทั้งหมด ตัวอย่างที่ดีที่สุดในการทำความเข้าใจสิ่งนี้คือคำแนะนำอัตโนมัติที่ได้รับบนแพลตฟอร์มเช่น Amazon, Netflix, Spotify เป็นต้น