ยินดีต้อนรับสู่ปี 2025!
พบกับ Susan เพื่อน ผู้ช่วย ผู้จัดการ และทุกอย่างที่คุณต้องการในกิจวัตร เธอจัดระเบียบอีเมล จัดตารางนัดหมาย ดูแลความต้องการพื้นฐานที่บ้าน และเติมสินค้าชำระเลี้ยงเมื่อใกล้หมด เธอสามารถเป็นเพื่อนสนิทเมื่อคุณหมดสติ เธอวาดรูปและเขียนกวีนิพนธ์เมื่อคุณต้องการศิลปะและวรรณกรรมเพื่อผ่อนคลาย
聽起來很像 Samantha ที่ Scarlett Johansson ให้เสียงใน HER คุณไม่ควรพลาดหนังสวยงามนี้ อย่างน้อยคุณคงเคยได้ยินมันมา
Susan หรือ Samantha - พูดง่ายๆ - คือเวอร์ชันที่ดัดแปลงและทันสมัยกว่าของ Siri, Cortana, Google Assistant หรือ Google DeepMind
บริษัทเทคโนโลยี - ใหญ่และเล็ก - กำลังแข่งขันทำให้ AI เป็นส่วนหนึ่งของชีวิตประจำวัน โลกดิจิทัลเต็มไปด้วยคำศัพท์บัซزเวิร์ดที่ดูจริงแค่บนหนังสือ - Artificial Intelligence, Machine Learning, Data Crunching, Deep Learning, Reinforcement Learning คำใหญ่ๆ ที่มีความหมายน้อยหรือไม่มีในโลกจริง ไม่กี่ปีก่อน
มาทำความเข้าใจ 3 คำที่ได้ยินบ่อยที่สุดในวันนี้: "Artificial Intelligence", "Machine Learning" และ "Deep Learning"
ความแตกต่างคืออะไร?
เนื่องจากไม่มีนิยามมาตรฐานสำหรับคำศัพท์เหล่านี้ จึงมักถูกใช้แทนกันอย่างคลุมเครือ ทำให้การแยกแยะยิ่งยากขึ้น ยิ่งไปกว่านั้น ความเข้าใจทั่วไปของคำเหล่านี้ได้พัฒนาไปตามเวลา สิ่งที่ AI หมายถึงในปี 1960 ต่างจากสิ่งที่มันหมายถึงวันนี้อย่างมาก
วิธีที่ง่ายที่สุดในการคิดถึงความสัมพันธ์ของพวกมัน คือจินตนาการให้เป็นวงกลม concentric
- AI — แนวคิดที่มาก่อนและเป็นวงกลมใหญ่ที่สุด
- Machine Learning — ที่งอกงามในภายหลังเป็นวงกลมกลาง
- สุดท้าย Deep Learning — ที่ขับเคลื่อนการระเบิดของ AI วันนี้ เป็นวงกลมเล็กที่สุดและในสุด
จาก火花สู่ฟ้าผ่า
AI ทำทางให้ห้องปฏิบัติการวิจัยเร็วหลังจากการ命名คำศัพท์ที่ Dartmouth Conferences ในปี 1956 แม้ใช้เวลาหลายทศวรรษก่อนเทคโนโลยีจะตามทันจินตนาการ เรากำลังอยู่บนขอบของการปฏิวัติ AI ด้วยการลงทุน venture capital มากขึ้น บริษัทเทคโนโลยีใหญ่ๆ เข้ามามีส่วนร่วมใน R&D มากขึ้น และการใช้ AI ในชีวิตประจำวันที่มากขึ้น
มาดูว่าจังหวะ AI กลายเป็นฟ้าผ่า AI อย่างไร
ARTIFICIAL INTELLIGENCE: เครื่องจักรที่มีสติปัญญาเหมือนมนุษย์
Artificial Intelligence เป็นสาขาวิทยาการคอมพิวเตอร์ที่เน้นการสร้างเครื่องจักรอัจฉริยะที่ทำงานและตอบสนองเหมือนมนุษย์ เป็นสาขาวิชาที่มองหาวิธีสร้างคอมพิวเตอร์ที่สามารถพฤติกรรมได้อย่างมีสติปัญญา เครื่องจักรถือว่า 'มีสติปัญญา' หากมันทำสิ่งที่ปกติเชื่อมโยงกับสติปัญญาของมนุษย์
เราเคยเห็นเครื่องจักรเหล่านี้ในหนังเป็นคนดี (C-3PO ในซีรีส์ Star Wars) หรือคนร้าย (ไซบอร์กฆาตกรใน The Terminator)
เพื่อคุณสมบัติเป็น artificially intelligent เครื่องจักรควรทำได้สักพักพื้นฐานเหล่านี้:
- Natural language processing (สื่อสารได้โดยไม่มีปัญหาในภาษาที่กำหนด)
- Automated reasoning (ใช้ข้อมูลที่จัดเก็บเพื่อตอบคำถามและสรุปข้อสรุปใหม่)
- Machine learning (ความสามารถในการปรับตัวตามสถานการณ์ใหม่และตรวจจับรูปแบบ)
เป็นความรู้ทั่วไปว่าบางมุมของสติปัญญามนุษย์สามารถแสดงออกโดย AI ตอนนี้คำถามคือสติปัญญานั้นมาจากไหน นั่นคือที่ Machine Learning มาจาก
MACHINE LEARNING: แนวทางเพื่อให้เครื่องจักรมีสมองมนุษย์
Machine learning เป็นสาขาวิชา AI ที่มุ่งเน้นการพัฒนาความรู้ของมนุษย์ทางเทคโนโลยี สำรวจการพัฒนาอัลกอริทึมที่เรียนรู้จากข้อมูลที่ให้มา อัลกอริทึมคือช่วงขั้นตอนเพื่อทำภารกิจ Machine Learning มาจาก腦ของผู้นำ AI รุ่นแรก และแนวทางอัลกอริทึมรวมถึง decision tree learning, clustering, reinforcement learning, association rule learning และอื่นๆ
อัลกอริทึมเหล่านี้สามารถเรียนรู้จากประสบการณ์อดีต (เช่น ข้อมูลที่ให้มา) และสอนตัวเองให้ปรับตัวตามสถานการณ์ใหม่และทำภารกิจบางอย่าง Machine learning ช่วยให้คอมพิวเตอร์จัดการสถานการณ์ใหม่ผ่านการวิเคราะห์ การฝึกอบรมตัวเอง การสังเกต และประสบการณ์
Machine learning อำนวยความสะดวกให้การก้าวหน้าของการคอมพิวติ้งต่อเนื่องผ่านการสัมผัสสถานการณ์ใหม่ การทดสอบ และการปรับตัว ในขณะที่ใช้การตรวจจับรูปแบบและแนวโน้มเพื่อตัดสินใจที่ดีขึ้นในสถานการณ์ต่อไป (แม้ไม่เหมือนกัน)
แม้จะมีอัลกอริทึมมากมาย ไม่มีตัวใดบรรลุเป้าหมายสูงสุดของ AI มีเหตุผลที่ computer vision และ image detection ไม่เข้าใกล้การแข่งขันกับมนุษย์จนเมื่อเร็วๆ นี้ ก่อนหน้านี้ มันแตกหักง่ายและโน้นผิดพลาด
เวลา และอัลกอริทึมการเรียนรู้ที่ถูกต้อง ทำให้แตกต่างกันหมด
DEEP LEARNING: เทคนิคการฝึกสมองของเครื่องจักร
อีกแนวทางอัลกอริทึมจากกลุ่ม machine-learning แรกๆ Deep Learning เป็นสาขาย่อยของ machine learning ที่เกี่ยวข้องกับอัลกอริทึมที่ได้รับแรงบันดาลใจจากโครงสร้างและฟังก์ชันของสมอง เรียกว่า artificial neural networks เกี่ยวข้องกับแบบจำลองทางคณิตศาสตร์ประเภทหนึ่ง ที่สามารถคิดได้ว่าเป็นการประกอบของบล็อกง่ายๆ ประเภทหนึ่ง ในโครงสร้างหลายชั้น และบล็อกบางส่วนสามารถปรับเพื่อทำนายผลลัพธ์สุดท้ายได้ดีขึ้น
คำว่า "deep" หมายถึงการประกอบมีบล็อกหลายชั้นซ้อนกัน และส่วนที่ซับซ้อนคือการปรับบล็อกที่อยู่ไกลจาก output เนื่องจากการเปลี่ยนแปลงเล็กน้อยที่นั่นอาจมีผลกระทบโดยอ้อมต่อ output อย่างมาก
Deep Learning พยายามเลียนแบบฟังก์ชันของชั้นในของสมองมนุษย์ และการประยุกต์ใช้ที่สำเร็จพบได้ใน image recognition, language translation หรือ email security Deep Learning สร้างความรู้จากหลายชั้นของการประมวลผลข้อมูล เทคโนโลยี Deep Learning สร้างแบบจำลองตามสมองมนุษย์ และทุกครั้งที่มีข้อมูลใหม่เท่ เข้ามา ความสามารถของมันก็ดีขึ้น
Deep Learning ปรับปรุง AI อย่างไร?
Deep Learning ทำให้หลายการประยุกต์ใช้งานของ Machine Learning เป็นไปได้จริง และขยายสาขา AI ทั้งหมด รถขับเอง, การดูแลสุขภาพเชิงป้องกัน, แม้แต่งานแนะนำหนังที่ดีขึ้น ล้วนอยู่ที่นี่วันนี้หรือบนเส้นขอบ
Deep Learning อาจเป็นชิ้นส่วนปริศนาสำคัญนำไปสู่การสร้าง AI ที่ฉลาดขึ้น ใกล้เคียงมนุษย์มากขึ้น Deep learning อาจปรับปรุงทุกด้านของ AI จาก natural language processing ถึง machine vision คิดว่ามันเป็นสมองที่ดีกว่าที่จะปรับปรุงวิธีที่คอมพิวเตอร์เรียนรู้ อาจปรับปรุง virtual assistants เช่น Siri หรือ Google Now ให้จัดการคำขอที่ไม่คุ้นเคยได้ อาจประมวลผลวิดีโอและสร้างคลิปสรุปเนื้อหา
ใครรู้ วันหนึ่งทุกคนอาจมี Samantha ของตัวเอง!
