Objective ของบทความนี้ สำหรับคนทั่วไปที่สนใจการทำงานของ AI แบบคร่าว ๆ ว่าจริง ๆ แล้ว AI พัฒนามาได้อย่างไรอย่างง่าย
จากการโปรโมทสินค้าต่าง ๆ มีการเคลมว่านำ AI Definition เข้ามาช่วย เพื่อการทำงานที่ดียิ่งขึ้น จึงอยากมาเล่นว่าแต่ละการทำงานของ AI เป็นยังไงจริง ๆ กันแน่
สมมุติมีการขายเครื่องกาแฟ สำหรับร้านแฟรนไชส์ ที่แต่ละเมล็ดใช้วิธีการสกัดน้ำออกมาโดยใช้เวลาที่ต่างกัน เครื่องกาแฟจะแยกชนิดกาแฟ โดยการกดปุ่มว่าปุ่ม 1, 2, 3 เป็นของแต่ละชนิด แบบนี้จะถือว่าเป็น AI หรือไม่ ?
ถ้าในโลกของการ programming คร่าว ๆ จะมีการสร้าง condition ต่างๆ เพื่อให้ได้ผลลัพธ์ที่ต้องการได้ เช่น
ถ้าคะแนน > 50 ให้ถือว่าผ่านข้อสอบ นอกนั้นถือว่าไม่ผ่าน แบบนี้ได้
ถ้าลองสร้างโปรแกรมสำหรับสกัดน้ำกาแฟออกมาโดยแยกปุ่มแต่ละปุ่มทาง programming จะทำประมาณ
- กดปุ่ม 1 ให้สกัดด้วยอุณหภูมิ 90 ระยะเวลา 20 วินาที
- กดปุ่ม 2 ให้สกัดด้วยอุณหภูมิ 85 ระยะเวลา 10 วินาที
- กดปุ่ม 3 ให้สกัดด้วยอุณหภูมิ 95 ระยะเวลา 10 วินาที
ถ้าทาง sale โฆษณาว่านี้ใช้ AI เราจะเชื่อถือได้หรือไม่ ?
ถ้าคำตอบสั้นๆก็คือไม่ เพราะเป็นการแบ่งเงื่อนไขต่างๆที่ค่อนข้างชัดเจน
คำตอบยาว ๆ ขออ้างอิงความหมายจาก https://cloud.google.com/learn/what-is-artificial-intelligence ได้ว่า
ç is a field of science concerned with building computers and machines that can reason, learn, and act in such a way that would normally require human intelligence or that involves data whose scale exceeds what humans can analyze.
ถ้าให้สรุปคือเป็นสิ่งที่เกินขีดความสามารถในการวิเคราะห์ของมนุษย์
เช่นการสร้างโปรแกรมวิเคราะห์รูปว่ารูปนี้เป็น หมา หรือไม่ จริง ๆ อันนี้มนุษย์วิเคราะห์ได้จากการมอง แต่ถ้าเราต้องการสร้างโปรแกรม รูปที่เข้ามาจะมีหลายรูปแบบมากๆ และเราไม่สามารถกำหนดเงื่อนไขที่ชัดเจนได้ว่า ถ้ารูปมีรูปวงกลมเล็ก ๆ 2 วงน่าจะเป็นใบหู 1 วงใหญ่เป็นหน้าแมว แบบนี้ได้ แบบนี้จึงถือว่าเกินขีดความสามารถในการตั้งเงื่อนไขที่ชัดเจนได้
ถ้าเราเปลี่ยนโจทย์ใหม่ Sale ขายเครื่องสกัดกาแฟที่มีความสามารถในการสกัดกาแฟ ทุกประเภท ที่เหมาะสมเสมอ จากการวิเคราะห์ความชื้น/รูปทรง/สีเมล็ดกาแฟ เท่านั้น แบบนี้ถ้าทำแบบตั้งเงื่อนไขแบบเดิมจะทำยังไง ?
คำตอบคือ เราไม่มีทางรู้ว่าคนชงกาแฟ จะใส่กาแฟชนิดไหนมา เราไม่สามารถสร้างเงื่อนไขที่ชัดเจนได้ ทำให้โจทย์นี้ถือว่าเข้าข่ายเป็น AI
แล้วแบบนี้เราจะสร้างโปรแกรมที่ทำแบบนี้ขึ้นมาได้ยังไง ?
ความยากคือเวลาเราเขียนโปรแกรมขึ้นมา เราจะใส่เงื่อนไขที่ค่อนข้างชัดเจนว่าถ้าเกิด A ให้ทำ B แต่ถ้ามองการวิเคราะห์การสกัดกาแฟเงื่อนไขที่ได้จะเยอะมาก ๆ
รูปถ้าเป็นเงื่อนไขแบบชัดเจน (ถ้าใช้โจทย์ว่ามีชนิดกาแฟที่แน่นอน)
แล้วถ้าเป็นเงื่อนไขแบบเราไม่รู้ว่าต้องตั้งยังไงกันแน่ จะเป็นไปได้หลายทางเลือกมาก ๆ รูปที่ได้จะมีทางแยกที่เยอะมาก ๆ
จากรูปเราจำเป็นต้องสร้างเงื่อนไขที่เยอะมากๆ และการสร้างเงื่อนไขได้เราต้องไปนำข้อมูลมาใส่ว่าแต่ละแบบ เราจะใช้เท่าไหร่ ซึ่งถ้าให้ programmer เขียนโปรแกรมเองจะแทบเป็นไปไม่ได้เลย
จึงเกิดสิ่งที่เรียกว่า Machine Learning ที่เป็นวิธีการทำ AI รูปแบบนี้
ความหมาย ML จาก wikipedia
Machine learning (ML) is a field of study in artificial intelligence concerned with the development and study of statistical algorithms that can learn from data and generalize to unseen data, and thus perform tasks without explicit instructions. Advances in the field of deep learning have allowed neural networks to surpass many previous approaches in performance.
จาก highlight คือการ กระบวนการที่สามารถสร้างข้อมูลที่เราไม่เคยมีมาก่อนได้ โดยเป็นการสร้างกระบวนการจากเรียนรู้จากข้อมูลที่มีอยู่แล้วได้
เช่นถ้าเรามีข้อมูลจากการสำรวจผู้ทดสอบรสชาติกาแฟ 20,000 คนและแต่ละคนบอกว่าตัวเองชอบข้อมูลจากได้
ข้อมูลที่จะได้จะมีประมาณว่าAI Definition for general
| คนที่ | ความชื้นกาแฟ | รูปทรงกาแฟ | สีกาแฟ | สกัด | คะแนนความชอบ |
| 1 | 50 | รี | แดงดำ | 95 องศา 15 วิ | 5 |
| 2 | 60 | กลมรี 50% | แดงน้ำตาล | 90 องศา 15 วิ | 4 |
| … | … | … | … | … | … |
ถ้าลองให้ programmer เขียนเงื่อนไขจากข้อมูลเหล่านี้แทบจะเป็นไปไม่ได้เลย และไม่รู้ด้วยว่าเงื่อนไขที่ได้จะครอบคลุมหรือไม่
ML จึงเกิดมาเพื่อสิ่งนี้คือ ML เป็นการนำข้อมูลที่มีอยู่แล้วมาสร้างกระบวนการที่วิเคราะห์ได้ว่าถ้า ความชื้น X, รูปทรง Y, สีกาแฟ Z ควรจะสกัดโดยใช้กี่องศา กี่วินาทีได้
แล้ว ML สามารถทำแบบนั้นได้อย่างไร ? AI Definition for general
ถ้าจะอธิบายการสร้างกระบวนการคงหนีไม่พ้น linear regression (เหมาะบนข้อมูล continuous)
ถ้าเราจำสมการ DeepSeek R1AI Definition for general
y = mx + c
ได้ เป็นสมการเส้นตรง ที่มีความชัน m และจุดตัดแกน y ที่ c จะได้รูป
inear regression เป็นการพยายามนำข้อมูลที่เรามีมาหาค่าที่ใกล้กับเส้นตรงนี้มากที่สุด
เช่นถ้าเปลี่ยนโจทย์ใหม่ให้เหลือแค่ ความชื้นกาแฟ และข้อมูลที่ต้องการทำนายคือ ระยะเวลา
จะได้สมการเป็น
ระยะเวลาสกัด = m * ความชื้นกาแฟ + c
โจทย์ของการทำ linear regression คือการหาคือ m และ c ให้ได้เส้นตรงที่ใกล้เคียง (error น้อยที่สุด) จากข้อมูลที่ทำการเรียนรู้AI Definition for general
จากรูปถ้าสีส้มเป็นชุดข้อมูล และเราได้ค่า m และ c ที่ทำให้ได้เส้นตรงนี้ออกมา เราจะสามารถหา ระยะเวลาสกัด จากความชื้นของกาแฟได้เสมอ
แล้วถ้ามีหลายสมการจะทำอย่างไรโดยใช้ linear regression ? คำตอบคือเราจะมีหลายความแปลมากขึ้น (ที่เรียกว่า feature เป็น x1, x2, … xn)
จากโจทย์กาแฟ เราจะได้สมการใหม่เป็น 2 สมการ (เพราะเราต้องการ 2 ค่าในการสกัดกาแฟ)
ระยะเวลาสกัด = m1 * ความชื้นกาแฟ + m2 * รูปทรงกาแฟ + m3 * สีกาแฟ + c1 อุณหภูมิในการสกัด = m4 * ความชื้นกาแฟ + m5 * รูปทรงกาแฟ + m6 * สีกาแฟ + c2
โจทย์ของ linear regression คือการหา m1, m2, … m6, c1, c2 เพื่อให้ได้เส้นตรงที่ใกล้เคียงกับข้อมูลมากที่สุด
เราก็จะได้สมการในการทำนายได้ ซึ่งเราจะเรียกว่า model
แต่!! ข้อมูลทั่วไปมันไม่ได้เป็น linear เสมอไป ทำให้การวิเคราะห์ข้อมูลแบบนี้ ค่อนข้างจำกัดมากๆ จึงเกิดสิ่งที่เรียกว่า neural network ที่พัฒนาให้สามารถสร้างสมการที่วิเคราะห์ข้อมูลที่ไม่เป็น linear ได้ ซึ่งจะขออธิบายใน path 2 ต่อ
