Deep Learning คืออะไร?
คำว่า Deep Learning นั้นคือศาสตร์แขนงหนึ่งของ Machine Learning ที่เลียนแบบระบบเซลล์ประสาทในสมองของมนุษย์ (Neural Network) ดังนั้นความสามารถของมัน ในอนาคตอาจจะเหนือมนุษย์ เนื่องจากสามารถเพิ่มพลังประมวลผล ได้ไม่จำกัด
เราก็สามารถจำลองมันขึ้นมาได้ โดยมี เส้นประสาทและเซลล์ประสาท (เราเรียกว่า Node) ออกมาเป็น Artificial Neural Network (ANN)
หลายท่านอาจจะเคยได้ยินชื่อนี้มากันบ้างแล้วลองคิดภาพการทำงานของดวงตาและสมองนะครับ“เมื่อดวงตาเห็นรูปน้องหมา รูปน้องหมาถูกนำไปประมวลผล (ซึ่งประมวลอย่างไรไม่รู้) และได้คำตอบว่า นี่คือหมา”
ถ้าเราสร้าง ANN จำลองจุดนี้ จะได้ 3 ส่วน
- สิ่งที่ตาเห็นก็คือ input — ข้อมูลที่รับ ในที่นี้ก็คือ น้องหมาที่เห็น
- สิ่งที่ระบบเซลล์ประสาทในสมองประมวลผล เทียบได้กับ hidden layer —????? ซึ่งไม่รู้มันคืออะไร ทำอะไร
- สิ่งที่สมองตอบหลังประมวลผลว่านี่คือน้องหมา คือ output layer — ผลลัพธ์
ข้อดี – ข้อเสียของ Deep Learning
ข้อดี
ไม่จำเป็นต้องจัดโครงสร้างข้อมูล
ข้อมูลส่วนใหญ่มักบรรจุอยู่ในรูปแบบที่แตกต่างกันไป ไม่ว่าจะเป็นข้อความ ตัวเลข รูปภาพ หรือเสียง ซึ่งไม่สามารถนำมาใช้ร่วมกันได้
ไม่จำเป็นต้องจัดหมวดหมู่ข้อมูล
การจัดหมวดหมู่ข้อมูลเป็นขั้นตอนที่มีต้นทุนสูงเป็นอย่างมาก ยกตัวอย่างเช่น การแยกรูปภาพระหว่าง “สุนัข” กับ “แมว” ซึ่งจำเป็นต้องบอกให้ Machine Learning รู้ว่ารูปใดคือสุนัข รูปใดคือแมว ด้วยการใช้ภาพสุนัขและภาพแมวมากกว่าพันรูปขึ้นไป
ไม่จำเป็นต้องกำหนดการจับคู่ข้อมูลล่วงหน้า
ระบบ Machine Learning โดยทั่วไปต้องสั่งให้ระบบต้องจับคู่ข้อมูลตามที่กำหนดเพื่อให้ได้ผลลัพธ์ เช่น การจับคู่ค่าละติจูดและลองติจูดเพื่อให้ได้ค่าพิกัด ส่วน Deep Learning สามารถหาความสัมพันธ์ระหว่างข้อมูลได้ด้วยตัวเอง ทำให้ Deep Learning สามารถหาความเชื่อมโยงระหว่างข้อมูลที่มนุษย์ไม่สามารถคาดการณ์ล่วงหน้าได้
ข้อเสีย
ต้องการข้อมูลจำนวนมหาศาล
เงื่อนไขสำคัญที่ทำให้ Deep Learning สามารถแก้ปัญหาได้คือการ “เรียนรู้” จากข้อมูล นอกจากนี้ ความแม่นยำของ Deep Learning ยังแปรผันตรงกับปริมาณข้อมูล ยิ่งต้องการความแม่นยำจาก Deep Learning มาก ผู้ใช้งานจำเป็นต้องเพิ่มข้อมูลในระบบมากตามไปด้วย
กลไกการทำงานที่ไม่สามารถอธิบายได้
การอธิบายกระบวนการของ Deep Learning ถือว่าเป็นสิ่งที่ซับซ้อนอย่างมาก เพราะหน่วยประมวลผลแต่ละหน่วยสามารถเรียนรู้ได้ด้วยตนเอง จึงทำให้เหตุผลในการ “ให้คำตอบ” ของแต่ละหน่วยประมวลผลอาจแตกต่างกันอย่างโดยสิ้นเชิง และการที่ Deep Learning ประกอบไปด้วยเครือข่ายของหน่วยประมวลผลจำนวนมาก จึงเป็นการยากที่จะให้เหตุผลที่ตายตัวกับผลลัพธ์ที่ได้จาก Deep Learning
การใช้งาน Deep Learning ที่เห็นได้จริง
- รถยนต์ขับเคลื่อนอัตโนมัติ (Autonomous Vehicles)
- การวินิจฉัยโรค
- การแปลภาษา
- การสร้างประโยคหรือโต้ตอบกับมนุษย์
- เกม
อาชีพที่เกี่ยวข้องกับ deep learning
- Deep learning Engineer
วิศวกรเหล่านี้มีหน้าที่สร้างโปรมแกรม เลียนแบบ การทำงานของสอง มนุษย์ ด้วยความซับซ้อน ของอาชีพนี้ ทำให้พวกเขาได้รับเงินเดือน มากกว่า $ 100,000 ต่อปีในสหรัฐอเมริกา
ไม่มีความคิดเห็น:
แสดงความคิดเห็น