แนะนำเว็บไซต์เรียนรู้การเรียนรู้ Machine Learning ผ่านการเล่นเกม

สวัสดีครับวันนี้ผมมีเว็บไซต์ที่น่าสนใจที่จะช่วยให้เราเข้าใจกระบวนการพัฒนาโมเดลการเรียนรู้ของเครื่อง (Machine Learning) มาแนะนำให้ลองไปเล่นกันดูครับ นั่นคือ AI Quest จาก Google ครับ ซึ่งเข้าได้จากลิงก์นี้ครับ https://research.google/ai-quests 

ซึ่งเว็บไซต์นี้ก็ตามชื่อครับ คือเขาจะให้เราทำภารกิจ (quest) ด้าน AI เพื่อนำมาสร้างโมเดลการเรียนรู้ของเครื่องเพื่อนำมาแก้ปัญหา โดยเราจะได้เรียนรู้ขั้นตอนเริ่มตั้งแต่

1. การเข้าใจปัญหา 

2. การเก็บรวบรวมข้อมูล 

4.การทำความสะอาดข้อมูล (data cleansing)

5. การเลือกข้อมูลที่เกี่ยวข้องที่สุด (Feature Selection) เพื่อนำมาสร้างจะให้เราทำสร้างโมเดลการเรียนรู้ของเครื่อง 

6. การฝึกฝนโมเดล

7. การทดสอบโมเดล

8. การปรับปรุงโมเดล 

9. การนำโมเดลไปใช้งานจริง 

โดยภารกิจหนึ่งที่ผมลองทำดูแล้วก็คือภารกิจช่วยเรื่องน้ำท่วมตลาด ซึ่งเขาก็จะเริ่มจากเล่าปัญหาให้เราฟังตัวละครตัวแรกก็คือ Luna ผู้จัดการของตลาดซึ่งมีปัญหาน้ำท่วม ซึ่งตลาดนี้อยู่ติดกับแม่น้ำ และน้ำก็มักจะท่วมเข้ามาแบบไม่มีการเตือนล่วงหน้า สร้างความเสียหายให้กับร้านค้าในตลาด เขาจึงต้องการให้นำ AI เข้ามาช่วย 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

เมื่อเราเข้าใจปัญหาแล้ว เราก็จะไปพบกับ Mentor ของเราคือ ศาสตราจารย์ Skype ครับ ซึ่งเขาก็จะแนะนำขั้นตอนต่าง ๆ ให้เราทำตามในการนำ AI มาสร้างโมเดลการเรียนรู้ของเครื่องเพื่อแก้ปัญหานี้ครับ 

 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ซึ่งขั้นตอนแรกของภารกิจก็คือ เราต้องเข้าป่าไปรวบรวมเครื่องมือที่อยู่ในป่า เพื่อจำนำเอาข้อมูลมาใช้ในการสร้างโมเดลครับ โดยจะมีเครื่องมือ 12 ตัวที่เราต้องไปรวบรวมมาครับ 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ใน 12 ตัวนี้ เราจะเห็นว่ามีบางตัวอาจไม่ได้ช่วยมากเท่าไรนะครับ นั่นคือขั้นตอนที่เราจะต้องคดกรองต่อไป แต่ขั้นตอนต่อไปที่เจาจะให้เราทำคือการทำความสะอาดข้อมูลครับ ก็คือดูว่าในตัวข้อมูลมีอะไรขาดตกบกพร่อง หรือมีอะไรแปลกแยก (outliers) ไหม 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

อย่างรูปข้างบนนี้เราจะเห็นว่าข้อมูล Precipitation ในแถวที่สองหายไป เราก็คลิกได้เลยครับ และเขาก็จะมีข้อผิดพลาดอื่น ๆ ให้เราฝึกทำ เราเจอตรงไหนผิดเราก็คลิกตรงนั้นได้เลยครับ 

ขั้นต่อไปคือการทำ Feature Selection ครับ เขาจะให้เราเลือกข้อมูลจากเครื่องมือ 4 ตัวที่คิดว่าน่าจะเกี่ยวข้องมากที่สุด 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

เราก็ลองเลือกดูเลยครับ เมื่อเลือกเสร็จแล้วระบบก็จะสร้างโมเดลการเรียนรู้ของเครื่อง โดยโมเดลจะทำทำหน้าที่บอกบริเวณที่น้ำจะท่วมสูง (ขายของตรงนี้ไม่ได้เลย) กลาง (พอจะขายได้ถ้าตั้งร้านสูงหน่อย) และปลอดภัย (ตั้งร้านได้ไม่ต้องกังวล) และก็ถามทบทวนว่าเราเข้าใจสิ่งที่โมเดลสร้างใช่ไหม ให้ตอบคำถามให้ถูกนะครับ :)

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ขั้นต่อไปก็คือการฝึกสอนโมเดล ซึ่งเขาก็จะถามคำถามเพื่อเช็คว่าเราเข้าใจการฝึกสอนโมเดลไหมด้วยนะครับ เราก็ต้องตอบคำถามให้ถูกนะครับ

หลังจากนั้นเราจะได้ผลลัพธ์คือความแม่นยำของโมเดลเราตัวอย่างดังรูปครับ 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ซึ่งถ้าได้ไม่ถึง 90% แนะนำให้กลับไปทำใหม่นะครับ ในความเป็นจริงเกิดได้จากหลายสาเหตุ แต่ในเกมนี้เน้นที่ feature ที่เราเลือกมาอาจยังไม่ได้เกี่ยวข้องที่สุด ให้เราคลิก improve forcast accuracy เพื่อกลับไปเลือกใหม่ครับ 

ในการเลือกใหม่นี้เขาจะบอกเราครับว่า ตัวไหนที่ไม่ใช่ High Relevance เราก็เอาตัวนั้นออก ขั้นตอนการเลือก Fearture นี้ถ้าเราเป็นผู้เชี่ยวชาญในโดเมน (domain expert) เราก็อาจเลือกได้ถูกต้องแต่แรก แต่ถ้าเราไม่ใช่ ก็ต้องลองดูครับ และในที่นี้เขาก็ช่วยแนะนำให้เราเลย เพื่อไม่ให้เราหัวเสียมากเกินไป :) 

 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

ได้ 90% แล้ว เราก็เลือก Generate Forecast ได้เลยครับ 

หลังจากนั้นก็มีตัวอย่างการเอาไปใช้งานจริงครับ ก็จะมีคำเตือนขึ้นมาแบบนี้ครับ

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

 

ก็ให้กดปุ่ม Take Action นะครับ แล้วเขาก็จะมีแผนผังให้เราจัดวางร้านแบบธรรมดากับแบบสูง โดยมีแผนที่บอกระดับน้ำสูง ตรงสีแดงคือสูงมากวางร้านไม่ได้ ตรงสีเหลืองน้ำท่วมกลางต้องใช้ร้านสูง และสีฟ้าปลอดภัยใช้ร้านสูงธรรมดาได้ เราก็จัดการวางเลยครับ 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

และเมื่อเราทำสำเร็จ Luna ก็จะออกมาขอบคุณเราครับ 

ภาพจาก https://research.google/ai-quests/intl/en_gb/quest/market-marshes

อ้อยังไม่จบนะครับ Professor Skype ก็จะมาถามเราให้ทบทวนขั้นการสร้างโมเดลการเรียนรู้ของเครื่องอีกทีหนึ่ง และถามคำถามส่งท้ายว่าคนกับ AI ทำงานร่วมกันได้ยังไง ซึ่งผมก็คิดว่าทุกคนคงตอบได้ไม่ยาก เมื่อทำภารกิจมาจนจบนะครับ 

และเขาก็จะปิดท้ายด้วยการให้เราดูวีดีโอที่ Google ทำโครงการพยากรณ์น้ำท่วมครับ ซึ่งผมก็แนะนำว่าให้ดูนะครับ 

โดยสรุปผมว่าเว็บไซต์นี้ดีมากนะครับ คือผมเชื่อว่ามีหลายคนที่สนใจการสร้างโมเดลการเรียนรู้ของเครื่อง แต่ยังไม่มีความรู้ความเข้าใจ ว่าขั้นตอนมันเป็นยังไง แล้วก็ไปเจอคำศัพท์อย่างการเตรียมข้อมูล การสำรวจข้อมูล feature selection และการฝึกโมเดล แล้วก็พยายามเจาะเข้าไปในแต่ละส่วน โดยไม่เข้าใจเลยว่าภาพใหญ่จริง ๆ มันคืออะไร อันนั้นจะทำให้เข้าใจยาก แต่ถ้าเข้าใจภาพใหญ่ก่อน แล้วค่อย ๆ เจาะรายละเอียดลงไปในแต่ละขั้นตอน จะทำให้เราเข้าใจได้ง่ายและดีขึ้นครับ ลองไปเล่นกันดูนะครับ 

ย้อนรอยประวัติศาสตร์ปัญญาประดิษฐ์ จากจุดเริ่มต้นสู่วันที่เราคุ้นเคย

Photo by Igor Omilaev on Unsplash

ในทุกวันนี้เราใช้งาน ปัญญาประดิษฐ์ (artificial intelligence) หรือ AI กันจนอาจจะกลายเป็นเรื่องปกติในชีวิตไปแล้วนะครับ #พฤหัสจัดAI วันนี้ก็เลยอยากจะมาสรุปประวัติความเป็นมาของ AI ให้ฟังกัน ว่ามันมีที่มาอย่างไร เริ่มมาตั้งแต่ปีไหน และวิวัฒนาการชีวิตของ AI เป็นอย่างไร ซึ่งก็ต้องบอกว่าวัฏจักรชีวิตของ AI ก็เหมือนชีวิตคนแหละครับ คือมีช่วงรุ่งเรืองช่วงตกต่ำ ไปดูกันเลยดีกว่าครับ

📜 ยุคเริ่มต้น (1950-1960)

พวกเราอาจจะรู้สึกว่าเราได้ใช้ AI อย่างจริงๆ จังๆ มาเมื่อไม่กี่ปีมานี้ แต่จริงๆ แล้ว จุดเริ่มต้นของ AI เกิดในช่วงทศวรรษ 1950-1960 ครับ

Alan Turing 
https://commons.wikimedia.org/wiki/File:Code_breaker_-_Alan_Turing%27s_Life_and_Legacy_at_London_Science_Museum_(Ank_Kumar)_04.jpg

• ปี 1950: Alan Turing ผู้ที่ได้ชื่อว่าเป็นบิดาแห่งวิทยาการคอมพิวเตอร์สมัยใหม่ (และใช่แล้วครับ คนเดียวกับในหนังเรื่อง Imitation Game นั่นแหละครับ) ได้เสนอ "Turing Test" ในบทความชื่อ "Computing Machinery and Intelligence" เพื่อทดสอบว่าเครื่องจักรคิดได้เหมือนคนหรือไม่
• ปี 1956: John McCarthy ได้บัญญัติคำว่า "Artificial Intelligence" ขึ้นอย่างเป็นทางการในการประชุมวิชาการที่ Dartmouth ซึ่งเป็นจุดกำเนิดอย่างเป็นทางการของ AI ในฐานะสาขาวิชาการ

หลังจากการประชุมที่ Dartmouth นักวิจัยก็มีความกระตือรือร้น และความคาดหวังว่าการทำให้เครื่องจักรคิดได้เหมือนคนน่าจะอยู่ไม่ไกลเกินไป มีการพัฒนาระบบที่ใช้สัญลักษณ์และการให้เหตุผลเชิงตรรกะ ซึ่งนำไปสู่การสร้างโปรแกรมอย่าง Logic Theorist ซึ่งสามารถพิสูจน์ทฤษฎีบททางคณิตศาสตร์ได้ และยังมีการพัฒนาภาษาโปรแกรมสำหรับงานด้าน AI คือภาษา LISP (List Processing) ขึ้นอีกด้วย

✨ ยุคทองยุคแรก (1960-1970)

ในช่วงทศวรรษ 1960-1970 เรียกว่าเป็นยุคทองและความหวังของ AI มีการพัฒนาโปรแกรมเช่น ELIZA  ที่สามารถสนทนากับมนุษย์อย่างง่ายๆ มีการพัฒนาโปรแกรมที่สามารถเล่นหมากรุก แปลภาษาอย่างง่าย และแก้ปัญหาทางคณิตศาสตร์ได้ ทำให้เกิดความเชื่อมั่นอย่างสูงในศักยภาพของ AI

❄️ ฤดูหนาวอันหนาวเหน็บ (AI Winter, 1970-1980)

เมื่อเข้าสู่ช่วงปี 1970-1980 AI เข้าสู่ยุคที่เรียกว่า AI Winter เป็นยุคแห่งความผิดหวังและข้อจำกัด สาเหตุหลักมาจากการตั้งความหวังสูงไปในช่วงแรก ประกอบกับข้อจำกัดด้านพลังการประมวลผลของคอมพิวเตอร์ในยุคนั้น และความซับซ้อนของปัญหาที่ AI พยายามแก้ไข ทำให้ความก้าวหน้าเริ่มชะลอตัวลง เมื่อความก้าวหน้าไม่มี งบประมาณที่ได้รับในการทำวิจัยก็ถูกตัดลงด้วย

🌱 ยุคแห่งการฟื้นฟูและวางรากฐาน (1980-2010)

AI กลับมาอีกครั้งในช่วงปี 1980-2010 โดยเทคโนโลยีที่นำความสนใจด้าน AI กลับมาก็เช่น:

• ระบบผู้เชี่ยวชาญ (Expert systems): ระบบที่ให้เครื่องจักรจำลองความรู้ของผู้เชี่ยวชาญเฉพาะด้าน เช่น การวินิจฉัยโรค และการให้คำปรึกษาด้านการเงิน
• การเรียนรู้ของเครื่อง (Machine learning): แนวคิดที่จะให้คอมพิวเตอร์เรียนรู้เองจากข้อมูล โดยไม่ต้องเขียนอัลกอริทึมที่ชัดเจนให้มันทำตามเหมือนการเขียนโปรแกรมแบบดั้งเดิม อัลกอริทึมที่ช่วยให้เครื่องคอมพิวเตอร์เรียนรู้ด้วยตัวเองก็เช่น ต้นไม้ตัดสินใจ (decision tree) และ Support Vector Machine (SVM) ซึ่งทั้งสองอัลกอริทึมนี้มีบทบาทอย่างมากในช่วงปี 1990-2000 
• ความก้าวหน้าของเครือข่ายประสาทเทียม (neural network): คือการจำลองแนวคิดของการสื่อสารระหว่างเครือข่ายประสาทในสมองของคนมาใช้งานกับเครื่อง จริงๆ ต้องบอกว่าแนวคิดนี้เริ่มต้นในช่วงทศวรรษ 1950 ก็คือช่วงแรกของ AI แล้วนะครับ และก็มีพัฒนาการมาเรื่อยๆ แต่สุดท้ายด้วยข้อจำกัดด้านพลังการประมวลผลของคอมพิวเตอร์ ก็ทำให้งานวิจัยนี้หยุดชะงักไปในช่วง AI Winter จุดเด่นของโครงข่ายประสาทเทียมในยุคนี้ก็คือการพัฒนาอัลกอริทึม backpropagation (แม้แนวคิดจะมีมาก่อนหน้านั้น แต่มาได้รับความนิยมและนำไปใช้อย่างแพร่หลายในช่วงนี้) ที่ช่วยให้การฝึกฝนเครือข่ายประสาทเทียมมีประสิทธิภาพมากขึ้น

🚀 ยุคทองใหม่ (ยุคเฟื่องฟู, 2010-ปัจจุบัน)

จากช่วงปี 2010 ถึงปัจจุบัน จัดเป็นยุคทองใหม่ หรือยุคเฟื่องฟูของ AI เหตุผลหลักก็คือความก้าวหน้าอย่างมากของอินเทอร์เน็ตและข้อมูลขนาดใหญ่ (big data) ซึ่งเอื้อประโยชน์อย่างมากในการพัฒนาสภาพแวดล้อมในการพัฒนา AI โดยเฉพาะอย่างยิ่งในสาขา การเรียนรู้เชิงลึก (deep learning) ซึ่งเป็นสาขาย่อยของการเรียนรู้ของเครื่อง

AlphaGo Computer Rack
https://commons.wikimedia.org/wiki/File:AlphaGo_computer_rack.jpg

การเรียนรู้เชิงลึกใช้เครือข่ายประสาทเทียมเชิงลึก (deep learning neural network) หลักๆ ก็คือการใช้เครือข่ายประสาทเทียมที่มีหลายชั้น ในการเรียนรู้และสร้างปัญญาจากข้อมูลจำนวนมหาศาล ตัวอย่างความสำเร็จที่สำคัญในยุคนี้ก็เช่น:

• ImageNet Challenge: การแข่งขันที่แสดงให้เห็นถึงความสามารถของการใช้การเรียนรู้เชิงลึกในการจำแนกรูปภาพได้แม่นยำกว่ามนุษย์
• AlphaGo: โปรแกรม AI ที่พัฒนาโดย DeepMind (บริษัทในเครือ Google) สามารถเอาชนะแชมป์โลกในเกมโกะ (Go) ซึ่งเป็นเกมกระดานที่มีความซับซ้อนสูง
• AI สร้างสรรค์ (Generative AI หรือ Gen AI): ตัวแบบ (model) AI ที่สามารถช่วยสร้างสรรค์สิ่งใหม่ๆ ตามที่ผู้ใช้ป้อนคำสั่งในรูปแบบภาษาที่คนเราใช้กันในชีวิตประจำวัน โดยสามารถสร้างสรรค์ได้ทั้งข้อความ รูปภาพ เสียง และแม้แต่วิดีโอ ซึ่งในปัจจุบันคงไม่มีใครไม่รู้จัก Gen AI กันนะครับ  ตัวอย่างที่เราได้รู้จักใช้งานกันอย่างกว้างขวางเป็นตัวแรกก็คือ ChatGPT จาก OpenAI (จริง ๆ มันมีตัวแบบอื่น ๆ มาก่อนหน้านี้นะครับ แต่ขอยังไม่พูดถึงในบทความนี้แล้วกัน) และตามมาด้วย Gemini (ชื่อที่เปิดตัวคือ Bard) ของ Google และในปัจจุบันก็มี Gen AI ที่ถูกพัฒนาขึ้นมาเต็มไปหมด โดยอาจจะเจาะจงความเก่งเฉพาะด้านขึ้นมาอย่างการสร้างภาพ สร้างวิดีโอ หรือช่วยทำการวิจัยเป็นต้น

ความสำเร็จของ AI ในยุคนี้ ทำให้มีการประยุกต์ใช้ในวงกว้างในหลากหลายอุตสาหกรรม ไม่ว่าจะเป็นการแพทย์ การเงิน การขนส่ง การผลิต ไปจนถึงชีวิตประจำวันของเรา เช่น ระบบแนะนำสินค้า ผู้ช่วยเสมือนอัจฉริยะ และรถยนต์ไร้คนขับ

🔮 อนาคตของ AI จะเป็นอย่างไร?

ด้วยความเร็วในการพัฒนาอย่างรวดเร็ว มีโอกาสที่ AI จะเปลี่ยนแปลงโลกในแทบทุกมิติ โดยผู้เชี่ยวชาญบางคนคาดการณ์ว่า AI จะพัฒนาไปถึงระดับที่เป็น Artificial Superintelligence (ASI) หรือจะเรียกสั้นๆ ว่า ซุปเปอร์ AI ก็ได้ครับ ในอีกประมาณ 10 ปีข้างหน้า โดย AI ระดับนี้จะเก่งกว่าคนแล้วครับ แต่จำนวนปีที่เราจะก้าวไปถึงจุดนี้ ก็ยังเป็นที่ถกเถียงกันอยู่นะครับ คือนักวิจัยบางคนก็บอกว่ายังต้องใช้เวลายาวนานอีกหลายทศวรรษ เอาเป็นว่า ยังไม่มีข้อสรุปที่แน่ชัดและมีการคาดการณ์ที่แตกต่างกันมากในหมู่นักวิจัย

(ใครที่สนใจว่า AI แบ่งเป็นกี่ประเภท นอกจาก ASI แล้วมีอะไรอีก ผมจะเขียนถึงในบทความต่อๆ ไปแล้วกันนะครับ)

รถไร้คนขับ
https://commons.wikimedia.org/wiki/File:Waymo_Chrysler_Pacifica_in_Los_Altos,_2017.jpg

เมื่อ AI มีความเก่งกาจเพิ่มขึ้นเรื่อยๆ และตอนนี้ก็เข้ามาแทรกอยู่ในชีวิตประจำวันของเรา ซึ่งถ้าเราใช้ประโยชน์จากมันได้ ก็จะเกิดประโยชน์อย่างมาก อย่างบทความที่ผมกำลังเขียนอยู่นี้ ผมก็ให้ AI ช่วยตรวจสอบความถูกต้องของข้อมูล และช่วยจัดรูปแบบบทความให้น่าอ่านมากขึ้น (ผมจัดรูปแบบเอง ไม่ได้อย่างนี้หรอกครับ) แต่ก็มีหลายปัจจัยที่ต้องคำนึงถึง เช่น:

• ปัญหาด้านจริยธรรม: เช่น การที่ให้ AI เขียนบทความวิชาการให้ทั้งบทความ เพื่อใช้ขอจบการศึกษา ขอตำแหน่งทางวิชาการ เหมาะสม และยอมรับได้หรือไม่ และการลอกเลียนแบบผลงานด้วย AI (AI plagiarism) ซึ่งเป็นประเด็นที่ถกเถียงกันในปัจจุบัน
• ความปลอดภัย: เช่น การผู้ไม่ประสงค์ดีนำเทคโนโลยีอย่าง Deepfake เพื่อสร้างวิดีโอปลอมๆ ของคนคนหนึ่ง แล้วเอาวิดีโอนี้ไปหลอกลวงคนที่รู้จักคนนั้น
• การละเมิดความเป็นส่วนตัว: เช่น เทคโนโลยีรู้จำใบหน้า ซึ่งถึงแม้จะเป็นประโยชน์ในหลายกรณี เช่นการตามจับคนร้าย แต่ก็ละเมิดความเป็นส่วนตัวของผู้ที่สัญจรอยู่ในบริเวณนั้นด้วย
• ผลกระทบต่อตลาดแรงงาน: อันนี้ก็แน่นอนว่าจะมีตำแหน่งงานบางอย่างที่จะถูกแทนที่ด้วย AI ดังนั้นคนเราก็ต้องปรับตัว พัฒนาทักษะความสามารถไปยังตำแหน่งงานอื่นที่ AI แทนที่ไม่ได้ หรือต้องเรียนรู้ที่จะเป็นผู้ควบคุมการใช้งาน AI

📝 สรุป

แม้ว่าในปัจจุบัน AI ได้เข้ามาเป็นส่วนหนึ่งในชีวิตประจำวันของเราไปแล้ว จนหลายคนเริ่มชินกับ AI แต่ผมเชื่อว่าการทำความเข้าใจประวัติศาสตร์และพัฒนาการของ AI จะช่วยให้เราเห็นภาพรวมของเทคโนโลยีนี้ ตระหนักถึงศักยภาพและข้อจำกัด และเตรียมพร้อมรับมือกับการเปลี่ยนแปลงที่จะเกิดขึ้นในอนาคต AI ไม่ใช่แค่เทคโนโลยี แต่เป็นเครื่องมืออันทรงพลังที่เราต้องเรียนรู้ที่จะอยู่ร่วมและใช้งานอย่างมีความรับผิดชอบ

แล้วพบกันใหม่ใน #พฤหัสจัดAI ครับ

---