By | December 2, 2022

บทนำ

ในช่วงไม่กี่ปีที่ผ่านมา คำว่าปัญญาประดิษฐ์และการเรียนรู้ของเครื่องได้เริ่มปรากฏขึ้นบ่อยครั้งในข่าวเทคโนโลยีและเว็บไซต์ต่างๆ บ่อยครั้งที่ทั้งสองถูกใช้เป็นคำพ้องความหมาย แต่ผู้เชี่ยวชาญหลายคนแย้งว่าพวกเขามีความแตกต่างกันเล็กน้อย แต่แท้จริงแล้ว

และแน่นอน ผู้เชี่ยวชาญบางครั้งก็มีความเห็นไม่ตรงกันเกี่ยวกับความแตกต่างเหล่านั้น

อย่างไรก็ตาม โดยทั่วไปแล้ว มีสองสิ่งที่ดูเหมือนชัดเจน ประการแรก คำว่าปัญญาประดิษฐ์ (AI) นั้นเก่ากว่าคำว่าการเรียนรู้ของเครื่อง (ML) และประการที่สอง คนส่วนใหญ่ถือว่าการเรียนรู้ของเครื่องเป็นส่วนย่อยของปัญญาประดิษฐ์

ปัญญาประดิษฐ์กับการเรียนรู้ของเครื่อง

แม้ว่า AI จะถูกจำกัดความในหลายๆ ทาง แต่คำจำกัดความที่ยอมรับกันมากที่สุดก็คือ “สาขาวิชาวิทยาการคอมพิวเตอร์ที่อุทิศให้กับการแก้ปัญหาทางความคิดซึ่งมักเกี่ยวข้องกับความฉลาดของมนุษย์ เช่น การเรียนรู้ การแก้ปัญหา และการจดจำรูปแบบ” โดยเนื้อแท้แล้ว AI คือแนวคิดดังกล่าว เครื่องจักรสามารถมีสติปัญญาได้

หัวใจของระบบที่ใช้ปัญญาประดิษฐ์คือแบบจำลอง แบบจำลองไม่ได้เป็นอะไรนอกจากโปรแกรมที่ปรับปรุงความรู้ผ่านกระบวนการเรียนรู้โดยการสังเกตเกี่ยวกับสภาพแวดล้อม โมเดลการเรียนรู้ประเภทนี้จัดกลุ่มภายใต้การเรียนรู้แบบมีผู้สอน มีโมเดลอื่นๆ ที่จัดอยู่ในหมวดหมู่ของโมเดลการเรียนรู้แบบไม่มีผู้ดูแล

วลี “แมชชีนเลิร์นนิง” มีอายุย้อนไปถึงกลางศตวรรษที่แล้ว ในปี พ.ศ. 2502 อาเธอร์ ซามูเอล กำหนด ML เป็น “ความสามารถในการเรียนรู้โดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน” และเขายังสร้างแอปพลิเคชันตัวตรวจสอบคอมพิวเตอร์ซึ่งเป็นหนึ่งในโปรแกรมแรกๆ ที่สามารถเรียนรู้จากความผิดพลาดของตัวเองและปรับปรุงประสิทธิภาพเมื่อเวลาผ่านไป

เช่นเดียวกับการวิจัย AI ML หลุดออกจากกระแสนิยมมาเป็นเวลานาน แต่กลับมาได้รับความนิยมอีกครั้งเมื่อแนวคิดของการทำเหมืองข้อมูลเริ่มแพร่หลายในช่วงทศวรรษที่ 1990 การทำเหมืองข้อมูลใช้อัลกอริทึมเพื่อค้นหารูปแบบในชุดข้อมูลที่กำหนด ML ทำสิ่งเดียวกัน แต่จากนั้นก้าวไปอีกขั้น – มันเปลี่ยนพฤติกรรมของโปรแกรมตามสิ่งที่เรียนรู้

แอปพลิเคชั่นหนึ่งของ ML ที่ได้รับความนิยมอย่างมากเมื่อเร็ว ๆ นี้คือการจดจำรูปภาพ แอปพลิเคชันเหล่านี้ต้องได้รับการฝึกอบรมก่อน กล่าวคือ มนุษย์ต้องดูรูปภาพจำนวนมากและบอกระบบว่ามีอะไรอยู่ในรูปภาพ หลังจากการวนซ้ำเป็นพันๆ ครั้ง ซอฟต์แวร์จะเรียนรู้ว่ารูปแบบพิกเซลใดที่เกี่ยวข้องกับม้า สุนัข แมว ดอกไม้ ต้นไม้ บ้าน ฯลฯ และสามารถเดาเนื้อหาของภาพได้ค่อนข้างดี

บริษัทบนเว็บหลายแห่งยังใช้ ML เพื่อขับเคลื่อนเครื่องมือแนะนำ ตัวอย่างเช่น เมื่อ Facebook ตัดสินใจว่าจะแสดงสิ่งใดในฟีดข่าวของคุณ เมื่อ Amazon ไฮไลต์ผลิตภัณฑ์ที่คุณอาจต้องการซื้อ และเมื่อ Netflix แนะนำภาพยนตร์ที่คุณอาจต้องการรับชม คำแนะนำทั้งหมดจะขึ้นอยู่กับการคาดคะเนที่เกิดจากรูปแบบในข้อมูลที่มีอยู่

ปัญญาประดิษฐ์และขอบเขตการเรียนรู้ของเครื่อง: การเรียนรู้เชิงลึก ตาข่ายประสาท และคอมพิวเตอร์ทางปัญญา

แน่นอนว่า “ML” และ “AI” ไม่ใช่คำเดียวที่เกี่ยวข้องกับวิทยาการคอมพิวเตอร์สาขานี้ IBM มักใช้คำว่า “Cognitive Computing” ซึ่งมีความหมายเหมือนกันกับ AI ไม่มากก็น้อย

อย่างไรก็ตาม คำศัพท์อื่นๆ บางคำมีความหมายเฉพาะตัวมาก ตัวอย่างเช่น โครงข่ายประสาทเทียมหรือโครงข่ายประสาทเทียมเป็นระบบที่ออกแบบมาเพื่อประมวลผลข้อมูลในรูปแบบที่คล้ายคลึงกับวิธีการทำงานของสมองทางชีวภาพ สิ่งต่างๆ อาจสร้างความสับสนได้เนื่องจากตาข่ายประสาทมักจะเก่งในเรื่องแมชชีนเลิร์นนิง ดังนั้นคำศัพท์สองคำนี้จึงมักถูกรวมเข้าด้วยกัน

นอกจากนี้ ตาข่ายประสาทยังเป็นรากฐานสำหรับการเรียนรู้เชิงลึก ซึ่งเป็นการเรียนรู้ของเครื่องประเภทหนึ่งโดยเฉพาะ การเรียนรู้เชิงลึกใช้อัลกอริทึมการเรียนรู้ของเครื่องบางชุดที่ทำงานในหลายเลเยอร์ ส่วนหนึ่งเป็นไปได้โดยระบบที่ใช้ GPU เพื่อประมวลผลข้อมูลจำนวนมากพร้อมกัน

หากคุณสับสนกับคำศัพท์ต่างๆ เหล่านี้ แสดงว่าคุณไม่ได้อยู่คนเดียว นักวิทยาศาสตร์คอมพิวเตอร์ยังคงถกเถียงกันถึงคำจำกัดความที่แน่นอนของพวกเขา และอาจจะเกิดขึ้นอีกสักระยะหนึ่ง และในขณะที่บริษัทต่างๆ ยังคงทุ่มเงินไปกับการวิจัยด้านปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง มีแนวโน้มว่าจะมีคำศัพท์อีกสองสามคำเกิดขึ้นเพื่อเพิ่มความซับซ้อนให้กับประเด็นต่างๆ