ความสำเร็จของ AI ในไม่กี่ปีที่ผ่านมา เกิดจาก Deep Neural Networks โดยตรง จากการจดจำภาพ ไปจนถึงเทอร์โมสตัทอัจฉริยะและรถขับเอง AI เข้าถึงทุกอย่างรวมถึงสมาร์ทโฟน นั่นคือวิธีที่ Neural Nets แบบ Universial กลายเป็นอย่างกว้างขวาง อย่างไรก็ตาม มีความกังวลเพิ่มขึ้นว่า หลักการสำคัญบางอย่างของระบบนี้ อาจไม่สามารถเอาชนะปัญหาหลักของ AI ได้ หมายความว่า Neural Network แบบ "ดั้งเดิม" อาจลาออกจากตลาด และถูกแทนที่ด้วยสิ่งที่ทันสมัยกว่า คือ "Capsule" Neural Nets
Neural Network แบบดั้งเดิม/เทียมคืออะไร และทำงานอย่างไร?
สมัยเรียน คุณต้องเคยสอบสิมูเลชันของโปรตีนเดี่ยว (Single biological neuron) ของสมอง มันอธิบายกระบวนการไหลของข้อมูลจากทิศทางต่างๆ สะสมและประมวลผลในโปรตีน และจากนั้น ผลลัพธ์ไหลออกไป กระบวนการนี้ให้โปรตีนความสามารถในการตอบสนองจากรูปแบบที่เรียนรู้มาก่อน วิทยาศาสตร์ได้จำลองกระบวนการนี้โดยสร้างโครงสร้างที่ประมวลผลข้อมูลเหมือนโปรตีนชีวภาพ แทนที่จะเป็นทางชีววิทยา Neural Network เทคโนโลยีเป็นทางคณิตศาสตร์ ข้อมูลผ่าน Artificial Neuron และผลลัพธ์ไหลออกไป กระบวนการนี้กลายเป็นสูตรคณิตศาสตร์ และใช้แก้ปัญหาง่ายๆ
สำหรับสมอง กำลังของ Artificial Neuron Network คือการเชื่อมชุด Networks เข้าด้วยกันใน Layers (ชั้น) เมื่อเชื่อมใน Layers สูตรคณิตศาสตร์จะกลายเป็นอย่างน่าพระมุข เช่น Multi-dimensional Polynomial ทำให้ปัญหาซับซ้อน เช่น 3D Solution Surface ถูกค้นพบ แก้ และใช้ประโยชน์ได้ เหมือนเดิม ข้อมูลไหลเข้า ผลลัพธ์ไหลออก แต่ครั้งนี้ Input ที่ไหลผ่าน Layer ที่ 2 คือ Output ของ Layer ที่ 1 ขั้นตอนเดียวกันนี้ทำซ้ำสำหรับแต่ละ Layer ของ Neural Network นี่คือวิธีการทำงานของ Artificial Neural Network
อ่านเพิ่ม: เราควรสอนมนุษยธรรมให้เครื่องจักรไหม?
Capsule Network คืออะไร และทำงานอย่างไร?
นี่คือชนิดใหม่ของ Neural Network ประกอบด้วย Capsules ที่นี่ กลุ่มเล็กๆ ของโปรตีนแต่ละตัว เชื่อมต่อกับส่วนเฉพาะ เพื่อเข้าใจแนวคิดนี้ จินตนาการภาพที่ประกอบด้วยส่วนประกอบต่างๆ ที่เชื่อมต่อกับโปรตีนของแต่ละส่วน กิจกรรมของแต่ละโปรตีน กำหนดลักษณะเฉพาะของส่วนประกอบภาพ และแต่ละ Capsule รับผิดชอบจดจำส่วนเดียว
Capsule Networks คือเครือข่ายของกลุ่มโปรตีน ที่แต่ละโปรตีนแทน Entity (วัตถุ) อิสระที่จดจำได้ของภาพ Capsule Network สร้างขึ้นเพื่อเอาชนะข้อบกพร่องของ Convolutional Neural Networks (CNNs) ตัวอย่างเช่น Capsule Networks ระบุ การวางแนว (Orientation), ตำแหน่ง (Localization) และตำแหน่งที่แม่นยำ (Precise location) ของแต่ละส่วนในภาพ ซึ่งขาดหายไปใน Traditional Neural Network
การประยุกต์ใช้ Capsule Network
ข้อจำกัดหลักของ Traditional Neural Network คือ Computer Vision (มุมมองคอมพิวเตอร์) Capsule Network มุ่งแก้ปัญหานี้ จริงๆ แล้วแนวคิดทั้งหมดของการพัฒนา Capsule Network คือเพื่อแก้ปัญหานี้
Traditional Neural Networks กำลังเผชิญปัญหาในการจดจำภาพที่มีข้อมูลน้อย หรือตรวจจับ Contingency (ความสัมพันธ์แบบมีเงื่อนไข) ระหว่างส่วนประกอบในภาพ Capsule Network อาจเป็น Problem-solver ที่นี่
อ่านเพิ่ม: ภาษาโปรแกรมไหนดีที่สุดสำหรับเครื่องจักร AI?
Traditional Neural Network ผ่านข้อมูลปริมาณมากเพื่อเรียนรู้ ส่วน Capsule Network ปรับตัวแตกต่างออกไป
แม้บางคนโฆษณาว่า Capsule Network สัญญาว่า Traditional Neural Network จะล้มเลิก แต่นักวิจัยหลายคนชี้ให้เห็นช่วงการประยุกต์ใช้ที่ Network เหล่านี้อาจทำงานไม่ดี จนกว่าจะมีข้อมูลมากขึ้น เราสามารถทำได้แค่รอและดู นี่คือเรื่องราวของ Neural Networks หากมีอะไรแบ่งปัน โปรดความคิดเห็นด้านล่างครับ
