นิยามของ AI, ML, DL คืออะไร

ยินดีต้อนรับเข้าสู่โลกแห่งปัญญาประดิษฐ์ (AI, artificial intelligence), ที่มากไปด้วยคำย่อและคำศัพท์เฉพาะทาง นั่นก็คือ AI, ML, DL ซึ่งเป็นศาสตร์ที่น่าทึ่งและน่าตื่นเต้น คำเหล่านี้มีความสัมพันธ์กันและมักถูกใช้แทนกัน แต่จริงๆ แล้วมีความต่างกัน เราจะลงลึกสู่ความหมายและความแตกต่างของพวกเขาในวันนี้

AI > ML >DL

สำหรับใครที่เร่งรีบมีเวลาน้อย นี่คือสรุปของสรุป:

AI เป็นศาสตร์ที่ต้องการสร้างเครื่องจักรที่สามารถคิดเช่นเดียวกับมนุษย์ AI จึงเป็นกรอบรวมๆ ของแนวคิดนี้ มันเป็นเรือแม่นั่นเอง. ML หรือ machine learning เป็นหนึ่งในวิธีที่จะสร้าง AI ออกมา ในขณะที่ DL หรือ deep learning เป็นส่วนหนึ่งของ ML โดยที่วิธีการของมันนั้นได้รับแรงบันดาลใจจากการทำงานของสมองมนุษย์นั่นเอง

หากใครที่มีเวลาต่ออีกหน่อย เราจะไปลงลึกกันอีกนิด

---

Artificial Intelligence

AI มีอยู่หลายระดับของความซับซ้อน

ในด้านหนึ่ง เรามี AI แบบอ่อน 'weak AI,' หรือ ANI (Artificial Narrow Intelligence) มันมีความเชี่ยวชาญหรือเก่งเฉพาะงานใดงานหนึ่ง (task) เช่น AI ที่สามารถแจกแจงรูปภาพ หรือ AI สำหรับยานพาหนะที่ขับได้เอง Weak AI นี้เองที่เป็นเบื้องหลังและเป็นกำลังสำคัญของเทคโนโลยีดิจิทอลในยุคนี้ ตั้งแต่ยามที่คุณใช้ Siri หรือได้รับแนะนำจาก online video streaming ต่างๆ

ในขั้นต่อมาของความซับซ้อนคือ AI แบบแข็ง 'strong AI" หรือ AGI (Artificial General Intelligence) AI จำพวกนี้จะถูกออกแบบมาให้เหมือนปัญญามนุษย์จนแยกไม่ออก ทั้งความสามารถในการเรียนรู้ด้วยตนเอง การให้เหตุผล และการนำคลังความรู้ไปใช้ในด้านต่างๆ ที่หลากหลาย AGI ยังไม่เกิดขึ้นในเวลานี้ แต่มีนักวิจัยมากมายกำลังทุ่มเทเพื่อบรรลุสิ่งนี้ หากให้ยกตัวอย่าง ผมนึกถึง Jarvie ที่เป็น AI ผู้ช่วยของ Ironman

ในขั้นสูงสุดของ AI คือ 'super AI' หรือ ASI (Artificial Super Intelligence) เป็น AI ที่มีความสามารถเหนือมนุษย์ในทุกๆ เรื่อง AI ประเภทนี้ก็ยังไม่เกิดขึ้นและมักจะอยู่ในจินตนาการ อย่างเช่น Terminator

Machine Learning

ML เป็นหนทางหนึ่งในสร้าง AI หากเปรียบ AI เป็นจุดหมายปลายทาง ML ก็เสมือนรถแข่งที่เราซึ่งไปเพื่อถึงจุดหมายนั้น ML ใช้หลักถิติและการปรับค่าต่างๆ ของโมเดล AI โดยที่อาศัยข้อมูลแทนที่จะอาศัยการโปรแกรมของมนุษย์

ศาสตร์ ML เป็นอะไรที่กว้าง และมีโมเดลต่างๆ มากมาย เช่น decision tree, support vector machine, neural network และ k-mean clustering โมเดลเหล่านี้ถูกออกแบบให้เรียนรู้และปรับค่าภายในโดยอาศัยข้อมูลที่ป้อนให้ เป็นหลักการเปรียบได้กับนักเรียนที่เรียนจากข้อสอบเก่าก่อนที่จะไปทำข้อสอบใหม่

ตัวอย่างของโมเดล ML ต่างๆ ที่ใช้งานในชีวิตจริง

Deep Learning

DL หรือ deep learning เป็นอนุสาวรีย์อันโดดเด่นแห่งดินแดน ML มันมีพื้นฐานมาจากโครงสร้าง neural network ที่ซ้อนต่อกันมากมาย ซึ่งคล้ายคลึงกับการทำงานของเซลล์สมองของมนุษย์ โครงสร้างนี้เองที่ทำให้โมเดล DL สามารถทำงานที่ซับซ้อนได้

โมเดล DL ได้สร้างผลลัพธ์ที่น่าทึ่งมากมาย ทั้งในวงการการมองเห็นของคอมพิวเตอร์ (computer vision) และความเข้าใจทางภาษา (natural language procession) ยกตัวอย่างเช่น เทคโนโลยีตรวจจับใบหน้าผ่านกล้องหรือแม้ ChatGPT ที่สามารถสื่อสารได้อย่างคล้ายมนุษย์ ทั้งหมดนี้มีโมเดล DL อยู่เป็นเสาหลัก

โครงสร้างของ computer vision model เรียกว่า Yolo (โยโล่) ที่ประกอบไปด้วย neural layers หลายๆ ชั้น

---

โดยสรุป AI, Ml และ DL นั้นเกี่ยวข้องกันในเชิงลึง โดยที่ AI เป็นเสมือนภาพใหญ่สุดที่สร้างเครื่องจักรที่สามารถคิดเช่นเดียวกับมนุษย์ ML เป็นวิธีหนึ่งในนั้น โดยที่มี DL เป็นเครื่องมือสำคัญที่สามารถบรรลุภารกิจที่ยากๆ ได้